一种园区无人车导航避障方法、装置和介质与流程

本发明涉及一种园区无人车导航避障方法、装置和介质，属于无人车。

背景技术：

1、为了进一步提升无人车作业的自主性、安全性、稳定性，本发明提供了一种园区无人车导航避障方法，该导航避障方法适用于室外大场景，根据无人车实时状态采样局部轨迹，并通过3d激光雷达和深度相机感知周围环境，控制无人车沿最优局部轨迹行驶

2、当前无人车作业的自主性、安全性、稳定性的特点使其应用于诸多领域，但是当前的无人车在路径规划方面还存在一些问题。

3、在复杂的交通环境中，无人车需要考虑到其他车辆、行人、道路工程、障碍物、突发事件等多种因素。这些因素使得路径规划变得相当困难，需要算法能够快速且准确地做出决策。

4、路径规划需要实时进行，以应对交通环境的变化。同时，由于交通环境中的其他车辆和行人也在不断变化，路径规划还需要具备动态调整的能力。

5、全局路径规划注重从出发点到目标点的整体路径，而局部路径规划则更关注于实时避障和动态调整。如何协调这两种路径规划方式，使得无人车既能够按照预定路线行驶，又能够灵活应对突发情况，是一个需要解决的问题。

6、路径规划算法需要在有限的时间内计算出最优路径，这对算法的计算效率提出了要求。同时，如何优化算法以应对各种复杂场景和约束条件，也是一个需要解决的问题。

技术实现思路

1、本发明目的是提供了一种园区无人车导航避障方法、装置和介质，提升了无人车避障的自主性和行驶的安全性。

2、本发明为实现上述目的，通过以下技术方案实现：

3、建立园区地图并绘制可行驶路线；

4、无人车根据当前位姿及目标点位姿，在绘制的可行驶路线中拼接得到行驶距离最短的全局轨迹；

5、采样局部轨迹；根据无人车实时位姿及全局轨迹裁剪得到无人车前方进方向的一段轨迹，并根据裁剪的全局轨迹进行采样生成多条局部轨迹；

6、基于点云数据选择最优局部轨迹，无人车接收最优局部轨迹并实现沿局部轨迹移动。

7、优选的，所述全局轨迹对无人车起始段轨迹及终止段轨迹进行平滑处理。

8、优选的，获取行驶距离最短的全局轨迹具体方法如下：

9、从可行驶路线中查找距离无人车起始点及目标点的最近点，拼接出未平滑的全局轨迹；

10、对全局轨迹的起始段、终止段轨迹平滑处理，所述平滑处理方式如下：

11、设定平滑距离m，将未平滑的全局轨迹从起始点截取长度为m的起始缓冲距离，从终止点截取长度为m的终止缓冲距离，将起始缓冲距离、终止缓冲距离进行平滑，将平滑后的轨迹与原轨迹进行拼接，得到平滑后的全局轨迹。

12、优选的，基于点云数据选择最优局部轨迹具体方法如下：

13、延局部轨迹前进方向划分安全行驶区域，所述安全行驶区域分布于局部轨迹两侧，计算各区域中存在的激光点云和深度相机点云个数；

14、判断无人车正前方区域、左前方区域和右前方区域是否存在障碍物点云数据，若正前方区域存在点云数据，则直接下发停车指令，若左前方区域和右前方区域任一区域存在障碍物点云数据，则该区域的局部轨迹进行阻塞；

15、选择未阻塞局部轨迹作为待选最优轨迹，如果仅存在一条待选最优轨迹，则该轨迹即为最优轨迹；如果存在多条待选最优轨迹，则计算待选最优局部轨迹与全局轨迹之间的横向距离和计算该待选的最优局部轨迹与无人车之间的距离，取两者距离之和最小的局部轨迹作为最优局部轨迹。

16、优选的，基于点云数据选择最优局部轨迹具体方法如下：

17、延局部轨迹前进方向划分安全行驶区域，所述安全行驶区域分布于局部轨迹两侧，根据与无人车间的距离将安全行驶区域划分为三段，分别为距离无人车0-2m的区域a，距离无人车2-5m的区域d，距离无人车5-15m的区域e，计算各区域中存在的激光点云和深度相机点云个数；

18、判断区域a是否存在障碍物点云数据，所述区域a包括无人车正前方区域、无人车左前方区域和无人车右前方区域，若正前方区域存在点云数据，则直接下发停车指令，若左前方区域和右前方区域任一区域存在障碍物点云数据，则该区域的局部轨迹进行阻塞；

19、判断区域d是否存在障碍物点云数据，区域d内存在障碍物点云数据则阻塞该区域相对应的局部轨迹；

20、筛选出未阻塞的局部轨迹，判断区域e中的障碍物点云数据，区域e依据局部轨迹的位置划分为多块小区域，判断各区域内存在的障碍物点云数量，并依据点云数据计算局部轨迹的得分，取得分最小的局部轨迹作为待选的最优局部轨迹；

21、若计算得分后仅存在一条局部轨迹得分最小，则该轨迹即为最优轨迹；若存在多条局部轨迹对应区域无障碍物，计算该待选的最优局部轨迹与全局轨迹之间的横向距离和计算该待选的最优局部轨迹与无人车之间的距离，取两者距离之和最小的局部轨迹作为最优局部轨迹。

22、优选的，局部轨迹的得分计算方式如下：

23、，

24、式中，表示局部轨迹，表示局部轨迹对应区域内的点，表示区域内点的个数，函数表示计算该点至对应局部轨迹轴方向的横向距离。

25、优选的，基于点云数据选择最优局部轨迹具体方式如下：划定局部轨迹的安全行驶区域，当存在激光点云数据或相机点云数据在该区域范围内，则该点云数据参与计算该局部轨迹的得分，通过得分选取最优局部轨迹，当局部轨迹的安全行驶区域中都不存在点云数据，则选取与全局轨迹一致的局部轨迹作为最优局部轨迹。

26、本发明的优点在于：本发明通过基于点云数据选择最优局部轨迹的方法，无人车能够实时感知周围环境，并根据障碍物情况自主选择最优的行驶轨迹。这大大增强了无人车在复杂环境中的自主导航能力，降低了对外部控制系统的依赖。通过全局轨迹和局部轨迹的协调规划，无人车能够在保证行驶效率的同时，有效避免与障碍物发生碰撞。此外，对起始段和终止段轨迹的平滑处理，以及基于点云数据对局部轨迹的筛选和阻塞，都进一步提高了无人车行驶的安全性。该方案能够根据无人车的实时位姿和目标点位姿，动态调整全局轨迹和局部轨迹，以适应不断变化的交通环境。这使得无人车能够在实时导航中灵活应对各种突发情况。通过采用高效的点云数据处理方法和轨迹得分计算方式，该方案能够在有限的时间内快速选择出最优的局部轨迹，从而提高了路径规划算法的计算效率。

技术特征：

1.一种园区无人车导航避障方法，其特征在于，包括：

2.根据权利要求1所述的园区无人车导航避障方法，其特征在于，所述全局轨迹对无人车起始段轨迹及终止段轨迹进行平滑处理。

3.根据权利要求2所述的园区无人车导航避障方法，其特征在于，获取行驶距离最短的全局轨迹具体方法如下：

4.根据权利要求2所述的园区无人车导航避障方法，其特征在于，基于点云数据选择最优局部轨迹具体方法如下：

5.根据权利要求2所述的园区无人车导航避障方法，其特征在于，基于点云数据选择最优局部轨迹具体方法如下：

6.根据权利要求5所述的园区无人车导航避障方法，其特征在于，局部轨迹的得分计算方式如下：

7.根据权利要求1所述的园区无人车导航避障方法，其特征在于，基于点云数据选择最优局部轨迹具体方式如下：划定局部轨迹的安全行驶区域，当存在激光点云数据或相机点云数据在该区域范围内，则该点云数据参与计算该局部轨迹的得分，通过得分选取最优局部轨迹，当局部轨迹的安全行驶区域中都不存在点云数据，则选取与全局轨迹一致的局部轨迹作为最优局部轨迹。

8.一种园区无人车导航避障装置，包括处理器和存储有程序指令的存储器，其特征在于，所述处理器被配置为在运行所述程序指令时，执行如权利要求1-7任一所述的园区无人车导航避障方法。

9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现如上述权利要求1-7任一所述的方法。

技术总结本发明提供了一种园区无人车导航避障方法、装置和介质，属于无人车技术领域。通过以下技术方案实现：建立园区地图并绘制可行驶路线；无人车根据当前位姿及目标点位姿，在绘制的可行驶路线中拼接得到行驶距离最短的全局轨迹；采样局部轨迹；根据无人车实时位姿及全局轨迹裁剪得到无人车前方进方向的一段轨迹，并根据裁剪的全局轨迹进行采样生成多条局部轨迹；基于点云数据选择最优局部轨迹，无人车接收最优局部轨迹并实现沿局部轨迹移动。本发明通过基于点云数据选择最优局部轨迹的方法，无人车能够实时感知周围环境，并根据障碍物情况自主选择最优的行驶轨迹，能够在有限的时间内快速选择出最优的局部轨迹，从而提高了路径规划算法的计算效率。技术研发人员：翟凯,宋凯,宋明明受保护的技术使用者：山东新一代信息产业技术研究院有限公司技术研发日：技术公布日：2024/7/18