CN115123201A - 全局与局部信息融合的自动泊车最优路径规划方法及系统 - Google Patents

Abstract

本发明公开了全局与局部信息融合的自动泊车最优路径规划方法及系统，涉及自动泊车路径规划技术领域。根据全局信息规划车辆全局最优路径，并在车辆按照规划路径行驶过程中，实时感知周围环境，进行障碍物预测影响规划路径，实现避障；当到达目标车位后感知车位内或车位口旁具有障碍物影响正常泊入时，则重新规划泊入路径或选择新的目标车位，实现全局与局部结合的最优路径规划，避免了全局或局部下单独规划的弊端，同时更加考虑了动态障碍物未来运动轨迹对行驶路径的影响。

Description

全局与局部信息融合的自动泊车最优路径规划方法及系统

技术领域

本发明涉及自动泊车路径规划技术领域，尤其涉及全局与局部信息融合的自动泊车最优路径规划方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

近年来，人们通过汽车满足了基本的出行需求后，对汽车驾驶体验、综合性能、智能化、个性化、科技感的追求也不断提高。汽车的智能化、自动化不仅具有安全、舒适、节能、高效等优势，还可使驾驶员具有良好的驾驶体验和出行体验，而泊车场景下的自动泊车技术逐渐成为重要体现场景，帮助驾驶员能够快速、安全、便捷的寻找车位并泊入，解决泊车找车位难、停车难等问题。

目前自动泊车系统主要为运用停车场信息仅依据距离选取泊车位并作出简单的路径规划指引或通过车载传感器识别到周围某车位并规划泊入车位，而没有将全局信息获取、车位选取及路径规划与局部的避障路径及最优泊入路径规划相结合，更没有将动态障碍物的运动轨迹进行预测，从而影响了局部的避障路径规划及泊入车位的路径规划。

此外，对于目标车位的选取，现有的自动泊车系统不能根据实际情况进行分析，实时选取最优的目标车位。因此，亟需一种能够实现对于真实泊车情景下的全局与局部信息融合，选取最优车位以及综合规划路径的方法与系统，实现高度智能化、具有灵活性及预测性的自动泊车。

发明内容

针对现有技术存在的不足，本发明的目的是提供全局与局部信息融合的自动泊车最优路径规划方法及系统，根据全局信息规划车辆全局最优路径，并在车辆按照规划路径行驶过程中，实时感知周围环境，进行障碍物预测影响规划路径，实现避障；当到达目标车位后感知车位内或车位口旁具有障碍物影响正常泊入时，则重新规划泊入路径或选择新的目标车位，实现全局与局部结合的最优路径规划，避免了全局或局部下单独规划的弊端，同时更加考虑了动态障碍物未来运动轨迹对行驶路径的影响。

为了实现上述目的，本发明是通过如下的技术方案来实现：

本公开第一方面提供了全局与局部信息融合的自动泊车最优路径规划方法，包括以下步骤：

获取车辆基本参数，并对车辆所处场景进行判断；

获取全局信息，基于全局信息选取最优目标车位；

考虑车辆运动学约束、空间约束，对车辆前往目标车位的路径与泊入车位路径进行最优路径规划；

控制车辆依据规划全局最优路径前往最优目标车位行驶过程中对车辆周围障碍物进行实时感知，并预测动态障碍物的短时运动轨迹；

依据感知的障碍物信息及预测的短时运动轨迹，进行局部路径规划实现避障。

进一步的，车辆所处场景进行判断为利用GPS获取车辆位置及地图信息判断车辆所处场景。

进一步的，全局信息包括通过设施建设布局及地图信息准确获取每个车位的类型、位置、尺寸信息，以及车位周围车道位置、出入口位置信息；所述车位类型包括排列类型及功能类型：排列类型包括：垂直车位、水平车位、斜列车位；功能类型主要包括：普通车位、带充电设施的电动汽车专用车位、特种车辆专用车位。

进一步的，选取最优目标车位具体为，在空车位范围中，依据各车位尺寸、车位功能类型信息，选择满足车辆尺寸要求且最适功能类型的车位组成第一目标车位范围；综合考虑车位与停车场出入口或驾驶人目的地距离、泊车路径长度及车位上下车便利性三种影响因素，在第一目标车位范围中选取最优目标车位。

进一步的，所述运动学约束考虑车辆前轮最大转角及最大转角速率；所述空间约束考虑车辆四角与空间障碍物无碰撞。

进一步的，障碍物信息获取及短时轨迹预测，具体步骤为：通过车载摄像头及雷达获取周围障碍物的类型、位置、大小信息，并获取动态障碍物的运动轨迹，通过动态障碍物的历史运动轨迹及历史运动速度，预测障碍物的短时未来运动轨迹。

进一步的，实现避障的具体策略为：当空间约束满足时，采用车辆向侧方转向绕行策略；当具有缓慢运动障碍物且预测轨迹与转向具有冲突时，采用车辆保持安全情景下缓慢转向绕行策略；当车辆转向空间约束不满足时，则采用减速缓慢跟行或停车待策略。

本公开第二方面提供了全局与局部信息融合的自动泊车最优路径规划系统，包括：

信息获取模块，被配置为获取车辆基本参数，并对车辆所处场景进行判断；

全局信息获取及规划模块，被配置为获取全局信息，基于全局信息选取最优目标车位；考虑车辆运动学约束、空间约束，对车辆前往目标车位的路径与泊入车位路径进行最优路径规划；

障碍物感知模块，被配置为控制车辆依据规划全局最优路径前往最优目标车位行驶过程中对车辆周围障碍物进行实时感知，并预测动态障碍物的短时运动轨迹；

局部规划模块，被配置为依据感知的障碍物信息及预测的短时运动轨迹，进行局部路径规划实现避障。

本公开第三方面提供了一种介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的全局与局部信息融合的自动泊车最优路径规划方法中的步骤。

本公开第四方面提供了一种设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开第一方面所述的全局与局部信息融合的自动泊车最优路径规划方法中的步骤。

上述本发明的实施例的有益效果如下：

本发明可将全局与局部的信息进行融合，依据多种影响因素综合选取最优车位，并进行全局最优路径规划，然后通过车载传感器获取障碍物信息，并对动态障碍物的运动轨迹进行追踪及未来轨迹预测，进行局部最优避障路径规划，实现全局与局部路径规划的结合，实现了全局与局部下共同的最优车位与最优路径选取，避免了全局或局部下单独规划的弊端，提高了泊车系统的安全性、高效性、适用性、灵活性、预测性，实现高度智能化的自动泊车。

本发明对于当前最优车位的选取，针对不同的泊车环境、不同车辆类型，选取最适车位类型，并依据车位尺寸、车辆与停车场出入口或驾驶人目的地距离、泊车路径长度及车位下车便利性多种影响因素综合选取最优目标车位。相比于传统的自动泊车系统无法实时对实际环境进行分析的缺陷，本发明的最优车位选取方法更具有灵活性和实用性。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1为本发明实施例一中全局与局部信息融合的自动泊车最优路径规划的方法流程图。

具体实施方式：

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合；

实施例一：

本公开实施例一提供了全局与局部信息融合的自动泊车最优路径规划方法，如图1所示，包括以下步骤：

S1：获取车辆基本参数，并对车辆所处场景进行判断。

优选的，车辆基本参数包括车辆尺寸、驾驶人固定车位位置信息等。

S1.1：车辆所处场景判断：利用GPS获取车辆位置及地图信息判断车辆所处场景，并运用场景车道线数量等特征进一步确认车辆所处场景。

优选的，停车场景可分为：公共停车场；路侧泊车位；小区、公司等具有固定车位的停车场。

在一些实施例中，当车辆位于公共停车场或路侧泊车位场景时，继续执行后续步骤；当车辆位于小区、公司等具有固定车位的停车场，则直接规划最优泊车路径前往固定车位，即直接跳至步骤S3。

S2：获取全局信息，基于全局信息选取最优目标车位。

S2.1：全局信息获取，通过设施建设布局及地图信息获取各车位类型、尺寸、位置车位信息以及车位周围车道位置、出入口位置等信息。

优选的，车位类型包括排列类型及功能类型：排列类型主要包括：垂直车位、水平车位、x°斜列车位；功能类型主要包括：普通车位、带充电设施的电动汽车专用车位、特种车辆专用车位。

S2.1.1：当车辆处于公共停车场时，获取停车场出入口位置信息，当车辆处于路侧泊车位时，获取驾驶人目的地位置信息。通过停车场端摄像头或路侧摄像头实时获取车位占用情况信息。

S2.1.2：通过停车场及路侧的摄像头准确获取并判断车位中是否具有停泊车辆或障碍物，以实时确定车位是否为空车位。具体的，利用停车场及路侧的摄像头准确获取每个车位的信息，停车场检测范围为整个停车场区域，路侧检测范围为在车辆当前道路中，与目的地一定距离范围内进行检测。

S2.3：最优目标车位选取，考虑车辆最适车位类型，并依据车位尺寸、车位与停车场出入口或驾驶人目的地距离、泊车路径长度及车位上下车便利性在停车场或路侧周围空车位中选取最优目标车位。

S2.3.1：首先在空车位范围中，依据各车位尺寸、车位功能类型信息，选择满足车辆尺寸要求且为最适功能类型的车位组成第一目标车位范围。例如，带充电设施的电动汽车专用车位为电动汽车当前SOC低于30％时的最适功能类型车位。

S2.3.2：若当前停车场或路侧中现有空车位中无第一优先功能类型车位，则顺延至普通车位。

S2.3.3：综合考虑车位与停车场出入口或驾驶人目的地距离、泊车路径长度及车位上下车便利性三种影响因素，在第一目标车位范围中选取最优目标车位，具体为：

M＝k₁S+k₂L+k₃Q

式中，M为量化评价指标，为越小越优，k₁、k₂、k₃分别为车位与停车场出入口或驾驶人目的地距离S、泊车路径长度L、车位上下车便利性Q的权重系数，k₁+k₂+k₃＝1。

优选的，车辆与停车场出入口或驾驶人目的地距离为，在公共停车场环境下，计算车位与行人出入口的道路距离；在路侧泊车环境下，计算车位与目的地的行人道路距离。

优选的，泊车路径长度为预先初步规划路径长度，即从停车场入口或路侧时车辆当前位置在车道中行驶至目标车位规划最短路径。

优选的，车位上下车便利性为车辆泊入车位后左右两侧一定范围内是否具有停泊车辆或障碍物。

在一些实施例中，若车辆左右两侧一定范围内具有停泊车辆或障碍物，则计算具体间隔距离，以此量化上下车便利性，具体为：

式中，Q为上下车便利性量化指标，k_Q为比例系数，P为车辆左右两侧与障碍物或停泊车辆最近距离，P₀为距离范围阈值。

S3：考虑车辆运动学约束、空间约束，对车辆前往目标车位的路径与泊入车位路径进行最优路径规划。

S3.1：在对目标车位预规划路径的基础上，考虑车辆运动学约束、空间约束，进行整体路径的最优规划。

优选的，运动学约束考虑车辆前轮最大转角及最大转角速率；所述空间约束考虑车辆四角与周围墙体等空间障碍物无碰撞。

S3.2：在约束下前往目标车位路径的最短路径与泊入车位路径的综合最优路径为最高效路径。

S3.2.1：通过比较各前往方案路径长度以选取最短路径为前往目标车位最短路径。

S3.2.2：泊入车位综合最优路径具体选择过程为：优选一次泊入策略，即车辆前往至合适位置区域，无调向的一次泊入车位，若约束条件不满足一次泊入，则选择调整泊入策略，即车辆在车位旁多次调向、不断调整泊入，选取路径长度与调向次数综合最优路径，具体为：

M_L＝k₁L+k₂N

式中，M_L为量化评价指标，k₁、k₂为泊入路径长度L和调向次数N的权重系数，k₁+k₂＝1。

S4：控制车辆依据规划全局最优路径前往最优目标车位行驶过程中对车辆周围障碍物进行实时感知，并预测动态障碍物的短时运动轨迹。

S4.1：控制车辆依据规划全局最优路径前往最优目标车位行驶过程中，车辆利用摄像头及超声波雷达实时感知周围障碍物位置、大小、历史运动轨迹等信息。

S4.2：通过车载摄像头及雷达获取的信息，获取动态障碍物的实时运动轨迹，通过动态障碍物的历史运动轨迹及历史运动速度，预测障碍物的短时未来运动轨迹。

S5：依据感知的障碍物信息及预测的短时运动轨迹，进行局部路径规划实现避障。

S5.1：当障碍物影响泊入车位路径时，判断障碍物及预测轨迹影响程度，当障碍物或预测轨迹与车辆在车位内产生冲突，则重新在车辆周围选择目标车位并进行规划泊入；当障碍物或预测轨迹与车辆在车位外产生冲突，则运用多种策略重新规划路径泊入，若无法规划出新的泊入路径，则重新在车辆周围选择目标车位并进行规划泊入。

S5.2:车辆行驶路径前方具有障碍物或与障碍物预测轨迹具有冲突时，规划车辆向侧方转向或减速等动作。

优选的，具体轨迹规划策略包括：车辆向侧方转向绕行策略、减速跟行或停车等待策略、减速转向缓慢绕行策略。

S5.1.1：当轨迹前方具有静态障碍物或前方具有缓慢运动障碍物且其运动轨迹与车辆规划路径重合时，当空间约束满足时，采用车辆向侧方转向绕行策略；当具有缓慢运动障碍物且预测轨迹与转向具有一定冲突时，采用车辆保持安全情景下缓慢转向绕行策略；当车辆转向空间约束不满足时，则采用减速缓慢跟行或停车等待策略。

实施例二：

本公开实施例二提供了全局与局部信息融合的自动泊车最优路径规划系统，包括：

信息获取模块，被配置为获取车辆基本参数，并对车辆所处场景进行判断；

全局信息获取及规划模块，被配置为获取全局信息，基于全局信息选取最优目标车位；考虑车辆运动学约束、空间约束，对车辆前往目标车位的路径与泊入车位路径进行最优路径规划；

障碍物感知模块，被配置为控制车辆依据规划全局最优路径前往最优目标车位行驶过程中对车辆周围障碍物进行实时感知，并预测动态障碍物的短时运动轨迹；

局部规划模块，被配置为依据感知的障碍物信息及预测的短时运动轨迹，进行局部路径规划实现避障。

实施例三：

本公开实施例三提供了一种介质，其上存储有程序，该程序被处理器执行时实现如本公开实施例一所述的全局与局部信息融合的自动泊车最优路径规划方法中的步骤，所述步骤为：

S1:获取车辆基本参数，并对车辆所处场景进行判断；

S2:获取全局信息，基于全局信息选取最优目标车位；

S3:考虑车辆运动学约束、空间约束，对车辆前往目标车位的路径与泊入车位路径进行最优路径规划；

S4:控制车辆依据规划全局最优路径前往最优目标车位行驶过程中对车辆周围障碍物进行实时感知，并预测动态障碍物的短时运动轨迹；

S5:依据感知的障碍物信息及预测的短时运动轨迹，进行局部路径规划实现避障。

详细步骤与实施例一提供的全局与局部信息融合的自动泊车最优路径规划方法相同，这里不再赘述。

实施例四：

本公开实施例四提供了一种设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施例一所述的全局与局部信息融合的自动泊车最优路径规划方法中的步骤，所述步骤为：

S1:获取车辆基本参数，并对车辆所处场景进行判断；

S2:获取全局信息，基于全局信息选取最优目标车位；

S3:考虑车辆运动学约束、空间约束，对车辆前往目标车位的路径与泊入车位路径进行最优路径规划；

S4:控制车辆依据规划全局最优路径前往最优目标车位行驶过程中对车辆周围障碍物进行实时感知，并预测动态障碍物的短时运动轨迹；

S5:依据感知的障碍物信息及预测的短时运动轨迹，进行局部路径规划实现避障。

详细步骤与实施例一提供的全局与局部信息融合的自动泊车最优路径规划方法相同，这里不再赘述。

本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.全局与局部信息融合的自动泊车最优路径规划方法，其特征在于，包括：

获取车辆基本参数，并对车辆所处场景进行判断；

获取全局信息，基于全局信息选取最优目标车位；

考虑车辆运动学约束、空间约束，对车辆前往目标车位的路径与泊入车位路径进行最优路径规划；

控制车辆依据规划全局最优路径前往最优目标车位行驶过程中对车辆周围障碍物进行实时感知，并预测动态障碍物的短时运动轨迹；

依据感知的障碍物信息及预测的短时运动轨迹，进行局部路径规划实现避障。

2.如权利要求1所述的全局与局部信息融合的自动泊车最优路径规划方法，其特征在于，车辆所处场景进行判断为利用GPS获取车辆位置及地图信息判断车辆所处场景。

3.如权利要求1所述的全局与局部信息融合的自动泊车最优路径规划方法，其特征在于，全局信息包括通过设施建设布局及地图信息准确获取每个车位的类型、位置、尺寸信息，以及车位周围车道位置、出入口位置信息；所述车位类型包括排列类型及功能类型：排列类型包括：垂直车位、水平车位、斜列车位；功能类型主要包括：普通车位、带充电设施的电动汽车专用车位、特种车辆专用车位。

4.如权利要求1所述的全局与局部信息融合的自动泊车最优路径规划方法，其特征在于，选取最优目标车位具体为，在空车位范围中，依据各车位尺寸、车位功能类型信息，选择满足车辆尺寸要求且最适功能类型的车位组成第一目标车位范围；综合考虑车位与停车场出入口或驾驶人目的地距离、泊车路径长度及车位上下车便利性三种影响因素，在第一目标车位范围中选取最优目标车位。

5.如权利要求1所述的全局与局部信息融合的自动泊车最优路径规划方法，其特征在于，所述运动学约束考虑车辆前轮最大转角及最大转角速率；所述空间约束考虑车辆四角与空间障碍物无碰撞。

6.如权利要求1所述的全局与局部信息融合的自动泊车最优路径规划方法，其特征在于，障碍物信息获取及短时轨迹预测，具体步骤为：通过车载摄像头及雷达获取周围障碍物的类型、位置、大小信息，并获取动态障碍物的运动轨迹，通过动态障碍物的历史运动轨迹及历史运动速度，预测障碍物的短时未来运动轨迹。

7.如权利要求1所述的全局与局部信息融合的自动泊车最优路径规划方法，其特征在于，实现避障的具体策略为：当空间约束满足时，采用车辆向侧方转向绕行策略；当具有缓慢运动障碍物且预测轨迹与转向具有冲突时，采用车辆保持安全情景下缓慢转向绕行策略；当车辆转向空间约束不满足时，则采用减速缓慢跟行或停车待策略。

8.全局与局部信息融合的自动泊车最优路径规划系统，其特征在于，包括：

信息获取模块，被配置为获取车辆基本参数，并对车辆所处场景进行判断；

全局信息获取及规划模块，被配置为获取全局信息，基于全局信息选取最优目标车位；考虑车辆运动学约束、空间约束，对车辆前往目标车位的路径与泊入车位路径进行最优路径规划；

障碍物感知模块，被配置为控制车辆依据规划全局最优路径前往最优目标车位行驶过程中对车辆周围障碍物进行实时感知，并预测动态障碍物的短时运动轨迹；

局部规划模块，被配置为依据感知的障碍物信息及预测的短时运动轨迹，进行局部路径规划实现避障。

9.一种计算机可读存储介质，其特征在于，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行权利要求1-7中任一项所述的全局与局部信息融合的自动泊车最优路径规划方法。

10.一种终端设备，其特征在于，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行权利要求1-7中任一项所述的全局与局部信息融合的自动泊车最优路径规划方法。

Images