一种无人车实时路径规划方法及存储介质与流程

1.本发明属于野外无人车导航与探索领域，具体涉及到无人车环境感知无人车路径规划以及无人车导航技术，尤其涉及一种无人车实时路径规划方法及存储介质。


背景技术：

2.近年来，无人驾驶汽车在结构化环境中的定位导航技术取得了令人瞩目的成果。但是随着无人车在野外环境的应用需求越来越多，暴露出无人车环境感知技术存在的问题。例如在野外搜索和救援、环境检测和农业植物保护过程中，在没有gps、路标和人工地标的非结构化环境中，如何实现无人车的自主导航和探索仍然是一大挑战。这些任务需要涉及各种技术，包括无人车主动环境地图构建，自主姿态估计和导航等。
3.目前的无人车的导航规划均是基于二维空间的地形信息实施路径规划，但是在环境恶劣的情形下，无法清晰拍摄获取二维空间的图像，如路面的坑洼和斜坡位置，因此这种路径规划方式极易导致无人车在崎岖而复杂的路径行驶，甚至会使无人车受困及抛锚停车。


技术实现要素：

4.发明的目的在于，提供一种无人车实时路径规划方法及存储介质，利用三维的地形信息，将无人车的导航规划从二维空间扩展到了三维空间，实现无人车的导航场景从平坦地形扩展到具有坑洼和斜坡的崎岖而复杂的野外地形，解决了基于二维空间的地形信息实施路径规划极易导致无人车在崎岖而复杂的路径行驶，甚至会使无人车受困及抛锚停车的技术问题。
5.为了实现上述目的，本发明其中一实施例中提供一种无人车实时路径规划方法，包括以下步骤：
6.无人车位姿估计及构建点云地图步骤，无人车运行激光雷达获取周围地形场景的稀疏点云图，将点云图匹配构建点云地图，同时获得无人车的六维姿态估计；
7.构建局部八叉树地图步骤，在获得稀疏点云地图之后，对点云数据进行降采样处理，以无人车为中心形成局部八叉树地图；
8.构建二维栅格地图步骤，将八叉树地图进行二维投影，构建二维栅格地图，所述二维栅格地图中具有高程信息；以及
9.规划导航路径步骤，根据所述高程信息在所述二维栅格地图上选择高度变化最小的路线为导航路径。
10.进一步地，所述激光雷达包括多个激光传感器，所述激光传感器通过获取周围地形场景的多个特征，选取地势特征形成点云图。
11.进一步地，所述无人车设有轮式里程计传感器，通过所述轮式里程计传感器辅助定位并计算运动补偿形成点云图。
12.进一步地，基于无人车启动时的质心的位置来构造点云地图坐标系，所述坐标系
包括x方向、y方向和z方向的坐标轴，x方向、y方向位于水平面上，z方向垂直于水平面，所述高程信息为z方向的海拔高度。
13.进一步地，所述规划导航路径步骤包括：形成导航栅格地图步骤，对所述二维栅格地图进行膨胀处理形成导航栅格地图；形成地形障碍膨胀区域步骤，将所述高程信息中的海拔高度处于第一阈值范围的区域形成一个膨胀区域，根据不同的海拔高度处于第一阈值范围的区域形成多个膨胀区域；选择导航路径步骤，基于无人车车轮所在海拔高度所在的膨胀区域规划多个路线，并计算这些路线中所有的膨胀区域高度变化最小的路线为导航路径。
14.进一步地，所述膨胀区域包括地面区域、地形下凹区域和地形凸起区域；所述地面区域为无人车车轮所在海拔高度处于第一阈值范围的区域；所述地形下凹区域的海拔高度低于所述地面区域的海拔高度；所述地形凸起区域的海拔高度高于所述地面区域的海拔高度；每一路线上包括多个地面区域、多个地形下凹区域和多个地形凸起区域，选择所述地形下凹区域和所述地形凸起区域的海拔高度与所述地面区域的海拔高度差值最小且所述地形下凹区域和所述地形凸起区域的数量最少的路线为导航路径。
15.进一步地，所述地面区域、所述地形下凹区域和所述地形凸起区域采用不同颜色填充。
16.进一步地，以无人车所在位置为起点，以全局地图给定的节点为终点，在所述二维栅格地图上从起点朝向终点的方向规划导航路径。
17.进一步地，对所述八叉树地图中的相邻三个点云的海拔高度值，以三角方式通过计算三角形顶点法线平均数获得所述高程信息。
18.本技术还提供一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行前文任一项所述的无人车实时路径规划方法中的步骤。
19.本发明的有益效果在于，提供一种无人车实时路径规划方法及存储介质，在基于八叉树图的地图照顾无人车的性能限制，在保证采样可行性的基础上减少数据大小，采样过程中加入了来自高程信息的地面约束条件，实现地面状态映射，将无人车的导航场景从平坦地形扩展到具有坑洼和斜坡的崎岖而复杂的三维地形，采用基于高程信息的路径规划算法进行快速路径搜索，生成最优的导航路径，并且该方法与其他rrt导航和探索方法不同，避免了无人车在崎岖而复杂的路径行驶时的无人车受困及抛锚停车的问题。
附图说明
20.下面结合附图，通过对本技术的具体实施方式详细描述，呈现本技术的技术方案及其它有益效果。
21.图1为本技术实施例提供的一种无人车实时路径规划方法的流程图。
22.图2为本技术实施例提供的一种无人车实时路径规划方法的逻辑图。
23.图3为本技术实施例提供的无人车位姿估计及构建点云地图步骤的逻辑图。
24.图4为本技术实施例提供的构建二维栅格地图步骤及规划导航路径步骤的逻辑图。
25.图5为本技术实施例提供的构建二维栅格地图步骤基于八叉树地图投影制作的二维栅格地图。
26.图6为本技术实施例提供的规划导航路径后的全局路径示意图。
27.图7为本技术实施例提供的规划导航路径步骤的流程图。
具体实施方式
28.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
29.具体的，请参阅图1、图2，本技术实施例提供一种无人车实时路径规划方法，包括以下步骤s1
‑
s4。
30.s1、无人车位姿估计及构建点云地图步骤，无人车运行激光雷达获取周围地形场景的稀疏点云图，将点云图匹配构建点云地图，同时获得无人车的六维姿态估计。请参阅图3，所述激光雷达包括多个激光传感器，所述激光传感器通过获取周围地形场景的多个特征，选取地势特征形成点云图。所述无人车设有轮式里程计传感器，通过所述轮式里程计传感器辅助定位并计算运动补偿形成点云图。无人车融合激光雷达以及轮式里程计传感器，实现自身的位姿估计和定位，并基于激光雷达数据实时建立周围环境的稀疏点云地图。
31.s2、构建局部八叉树地图步骤，在获得稀疏点云地图之后，对点云数据进行降采样处理，以无人车为中心形成局部八叉树地图。为了减少实地环境对点云的干扰以及直接在点云地图上导航的巨大计算成本，使用了八叉树的显式地图表示。将以车辆位置为中心的一定范围内的点云添加到八叉树地图中，并维护并更新八叉树地图思想图，这使得车辆在实时导航领域的地图维护成本较低任务。在获得稀疏点云地图之后，对点云数据进行降采样处理。该步骤的目的是照顾无人车的性能限制，在保证采样可行性的基础上减少数据大小。
32.s3、构建二维栅格地图步骤，将八叉树地图进行二维投影，构建二维栅格地图，所述二维栅格地图中具有高程信息。请参阅图4、图5，根据点云地图生成增量式八叉树地图，并实时对无人车周围一定直径范围内的环境进行更新，最后对八叉树地图进行二维投影形成可用于导航的栅格地图。在八叉树地图上提取高程信息，通过平整度计算等设置不可通行区域。基于无人车启动时的质心的位置来构造点云地图坐标系，所述坐标系包括x方向、y方向和z方向的坐标轴，x方向、y方向位于水平面上，z方向垂直于水平面，所述高程信息为z方向的海拔高度。对所述八叉树地图中的相邻三个点云的海拔高度值，以三角方式通过计算三角形顶点法线平均数获得所述高程信息。常规方式处理由地形图等高度图定义的曲面，一般是以三角方式对三角形法线进行平均，再将所有相邻的曲面法线平均化，这类方法的整体计算速度十分缓慢，特别是对于较大的高度图。本文中我们仅基于高度图计算顶点法线进行计算，类似于将高度图转换为法线图的方式。对于每个顶点法线，都进行4个采样，也就是当前高度图像素的左，右，上，下四个位置，用以获得x和z方向的平均斜率。这一步将产生两个2d顶点法线(一个在x方向，一个在z方向)。最后，只需找到一个投影到x＝0，z＝0平面的3d向量，并将其归一化为与2d法线相同的斜率即可，经过测试该方法的计算速度相比常规方式更快。
33.s4、规划导航路径步骤，根据所述高程信息在所述二维栅格地图上选择高度变化
最小的路线为导航路径。请参阅图4、图6，在建立好的复杂地形栅格地图的基础上，以自身为起点、全局地图给定的节点为终点，采用基于高程信息的路径规划算法进行快速路径搜索，生成最优的导航路径。其中虚线框表示局部八叉树地图。
34.本实施例中，请参阅图7，所述规划导航路径步骤s4包括：s41、形成导航栅格地图步骤，对所述二维栅格地图进行膨胀处理形成导航栅格地图；s42、形成地形障碍膨胀区域步骤，将所述高程信息中的海拔高度处于第一阈值范围的区域形成一个膨胀区域，根据不同的海拔高度处于第一阈值范围的区域形成多个膨胀区域；s43、选择导航路径步骤，基于无人车车轮所在海拔高度所在的膨胀区域规划多个路线，并计算这些路线中所有的膨胀区域高度变化最小的路线为导航路径。
35.本实施例中，所述膨胀区域包括地面区域、地形下凹区域和地形凸起区域；所述地面区域为无人车车轮所在海拔高度处于第一阈值范围的区域；所述地形下凹区域的海拔高度低于所述地面区域的海拔高度；所述地形凸起区域的海拔高度高于所述地面区域的海拔高度；每一路线上包括多个地面区域、多个地形下凹区域和多个地形凸起区域，选择所述地形下凹区域和所述地形凸起区域的海拔高度与所述地面区域的海拔高度差值最小且所述地形下凹区域和所述地形凸起区域的数量最少的路线为导航路径。
36.本实施例中，所述地面区域、所述地形下凹区域和所述地形凸起区域采用不同颜色填充。
37.本实施例中，以无人车所在位置为起点，以全局地图给定的节点为终点，在所述二维栅格地图上从起点朝向终点的方向规划导航路径。
38.本技术还提供一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行前文任一项所述的无人车实时路径规划方法中的步骤。
39.本发明的有益效果在于，提供一种无人车实时路径规划方法及存储介质，在基于八叉树图的地图照顾无人车的性能限制，在保证采样可行性的基础上减少数据大小，采样过程中加入了来自高程信息的地面约束条件，实现地面状态映射，将无人车的导航场景从平坦地形扩展到具有坑洼和斜坡的崎岖而复杂的三维地形，采用基于高程信息的路径规划算法进行快速路径搜索，生成最优的导航路径，并且该方法与其他rrt导航和探索方法不同，避免了无人车在崎岖而复杂的路径行驶时的无人车受困及抛锚停车的问题。
40.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
41.以上对本技术实施例所提供的一种无人车实时路径规划方法及存储介质进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的技术方案及其核心思想；本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例的技术方案的范围。