路径规划方法、装置、自动驾驶设备及计算机存储介质与流程

1.本技术实施例涉及自动驾驶技术领域，尤其涉及一种路径规划方法、装置、自动驾驶设备及计算机存储介质。


背景技术：

2.在自动驾驶领域，针对自动驾驶设备（如车辆或机器人等）的路径规划是实现自动驾驶的重要组成部分。
3.路径规划主要根据当前自动驾驶设备的信息（如位置、朝向、速度等），合理探索环境空间，最终规划出一条便于自动驾驶设备执行的、无碰撞的路径。合理的路径规划往往强依赖于自动驾驶设备的感知模块对环境的感知，而该感知又依赖于传感器采集的环境数据。通过对环境数据的检测和识别，感知模型可以输出相应的用于路径规划的信息，如道路上的障碍物信息等。
4.但是，对于某些传感器来说，其存在视野盲区，例如，基本上，进行环境图像采集的相机等均存在视野盲区。由此，导致在实际的路径规划场景中，因传感器存在的视野盲区，使得这部分视野盲区内的障碍物并不会被及时检测识别到，从而有可能引发自动驾驶安全问题。


技术实现要素：

5.有鉴于此，本技术实施例提供一种路径规划方案，以至少部分解决上述问题。
6.根据本技术实施例的第一方面，提供了一种路径规划方法，包括：根据自动驾驶设备的当前位置和预设的终止位置，为所述自动驾驶设备确定多个路径采样点；针对每个所述路径采样点，根据基础启发代价函数确定初始采样解；根据所述自动驾驶设备的传感器的感知范围，确定每个所述路径采样点所对应的未知区域感知程度信息；并且，根据所述未知区域感知程度信息，对所述初始采样解进行评价；根据每个所述路径采样点对应的所述初始采样解及其对应的评价结果，从多个所述路径采样点中确定目标采样点，并根据所述目标采样点为所述自动驾驶设备规划行驶路径。
7.根据本技术实施例的第二方面，提供了一种路径规划装置，包括：生成模块，用于根据自动驾驶设备的当前位置和预设的终止位置，为所述自动驾驶设备确定多个路径采样点；初始解模块，用于针对每个所述路径采样点，根据基础启发代价函数确定初始采样解；评价模块，用于根据所述自动驾驶设备的传感器的感知范围，确定每个所述路径采样点所对应的未知区域感知程度信息；并且，根据所述未知区域感知程度信息，对所述初始采样解进行评价；确定模块，用于根据每个所述路径采样点对应的所述初始采样解及其对应的评价结果，从多个所述路径采样点中确定目标采样点，并根据所述目标采样点为所述自动驾驶设备规划行驶路径。
8.根据本技术实施例的第三方面，提供了一种自动驾驶设备，包括：传感器、处理器、存储器、通信接口和通信总线，所述传感器、所述处理器、所述存储器和所述通信接口通过
所述通信总线完成相互间的通信；所述传感器用于对所述自动驾驶设备所在环境进行环境数据采集，并生成感知数据；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器基于所述感知数据执行如第一方面所述的方法对应的操作。
9.根据本技术实施例的第四方面，提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的方法。
10.根据本技术实施例的第五方面，提供了一种计算机程序产品，包括计算机指令，所述计算机指令指示计算设备执行如第一方面所述方法对应的操作。
11.根据本技术实施例提供的路径规划方案，在通过启发代价函数进行路径搜索，确定采样解时，还会根据传感器的感知范围，来确定对应于采样点的、传感器对未知区域的感知程度信息。基于该感知程度信息对已获得的初始采样解进行评价，以确定最终的目标采样点进行行驶路径规划。由此，一方面，可将传感器的感知范围和视野盲区都纳入到环境建模中，更准确地确定自动驾驶设备的感知区域，以避免因传感器的视野盲区而引发的驾驶安全问题。另一方面，因采样点为自动驾驶设备实际尚未经过的位置，由此，可将自动驾驶设备可能发生的“假设动作”投影至环境地图中，以引发相应的环境地图更新变化，从而避免了传统方式中只有在自动驾驶设备真实发生位移时才更新环境地图，容易导致将自动驾驶设备规划入未知区域而产生的安全问题。
12.可见，通过本技术实施例，可以更为有效地进行路径规划，保障自动驾驶设备的行驶安全。
附图说明
13.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
14.图1为根据本技术实施例的一种路径规划方法的步骤流程图；图2为图1所示实施例中使用的一种自动驾驶设备的传感器感知区域的符号示意图；图3为图1所示实施例中的一种栅格地图示意图；图4为图1所示实施例中的一种“假设动作”投影至环境地图的示意图；图5为根据本技术实施例的一种基于优先行驶区域的路径规划示意图；图6为根据本技术实施例的一种环境地图更新示意图；图7为根据本技术实施例的一种路径规划装置的结构框图；图8为根据本技术实施例的一种自动驾驶设备的结构示意图。
具体实施方式
15.为了使本领域的人员更好地理解本技术实施例中的技术方案，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，所描述的实施例仅是本技术实施例一部分实施例，而不是全部的实施例。基于本技术实施例中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于本技术实施例保护的范围。
16.下面结合本技术实施例附图进一步说明本技术实施例具体实现。
17.参照图1，示出了根据本技术实施例的一种路径规划方法的步骤流程图。
18.本实施例的路径规划方法包括以下步骤：步骤s102：根据自动驾驶设备的当前位置和预设的终止位置，为自动驾驶设备确定多个路径采样点。
19.在自动驾驶技术中，路径规划通常基于路径搜索实现。相关的路径搜索算法包括但不限于：广度优先搜索算法、深度优先搜索算法、贪心算法、dijkstra算法、a*算法、d*算法等。在这些路径搜索算法中，大部分都需要通过采样点来进行搜索。相应地，在环境地图构建过程中，会存在采样构建阶段，在该阶段，可以在自动驾驶设备所处的环境空间按照一定规则配置采样点，如均匀配置n个采样点，或者以某些环境对象为参照配置相对应的采样点，等等。进而，删除掉与环境中的固定对象发生碰撞的采样点，并使用线条将剩余的采样点中邻近的采样点连接起来，形成路径段，再删除与环境中的固定对象碰撞的路径段。由此，实现采样构建，在后续可基于该构建的采样点及其对应的路径段，来进行路径搜索。
20.基于此，在自动驾驶设备的当前位置和终止位置确定后，即可以终止位置为目标，基于当前位置确定路径采样点。对于当前位置来说，或者，对于某个采样点来说，其可能邻接一个采样点，也可能邻接多个采样点。但是，对于从当前位置到终止位置之间可能存在的路径上，通常都会存在多个采样点。例如，当前位置为a，目标位置为f，则有可能存在a-b-c-f，或者,a-b-e-f，或者，a-d-f，等等。则，基于当前位置a和终止位置f，为自动驾驶设备确定的多个路径采样点可以包括：{b、c、d、e}。需要基于众多的采样点进行路径搜索，以获得最优路径，即最小代价的路径。
21.需要说明的是，本技术实施例中，若无特殊说明，“多个”、“多种”等与“多”有关的数量，均意指两个及两个以上。
22.在一种可行方式中，本步骤可以实现为：将自动驾驶设备的当前位置作为局部路径规划的起始搜索位置；根据起始搜索位置和预设的终止位置，为自动驾驶设备确定多个路径采样点。在将当前位置作为起始搜索位置时，自动驾驶设备到达该当前位置过程中的感知区域和对环境的目标检测和识别结果都是已知的，在后续可与多个路径采样点对应的未感知和检测的可能区域的信息相结合，实现“已知地图”和预测的“临时地图”的结合，从而可以获得更为丰富和有效的环境地图信息。
23.步骤s104：针对每个路径采样点，根据基础启发代价函数确定初始采样解。
24.在如前所述多种路径搜索算法中，如a*算法等采用了启发式函数来进行搜索的算法，具有较快的搜索速度。基于此，本技术实施例中，针对路径搜索也采用启发式路径搜索，以a*算法为示例。启发式路径搜索使用启发式函数来衡量当前位置到目标位置的距离，离目标位置越近的点值越小，所以算法会主动往靠近终点的位置搜索，使得搜索次数变少，搜索速度变快。该启发式函数也称为启发代价函数，本技术实施例中，采用启发代价函数来描述。
25.一般地，启发代价函数可以表示为：公式（1）
其中，表示关于采样点的总启发代价函数，表征了采样点的优先程度，表示采样点距离起点（搜索起始位置）的代价函数，表示采样点距离终点（搜索终止位置）的代价函数。
26.本技术实施例中，采用该启发代价函数作为基础启发代价函数，以此获得对应的初始采样解。该获得初始采样解的过程可参照相关技术中基于启发式函数获得采样解的方式实现，在此不再赘述。
27.步骤s106：根据自动驾驶设备的传感器的感知范围，确定每个路径采样点所对应的未知区域感知程度信息；并且，根据未知区域感知程度信息，对初始采样解进行评价。
28.虽然，传统方式中可以使用启发代价函数进行路径搜索，基于搜索结果进行路径规划。但是，这种方式中，假定传感器是无视野死角的理想状态，这显然与实现情况不符，导致可能出现路径规划不准确或失误，为安全驾驶造成隐患。
29.为此，本技术实施例中，充分考虑到了传感器的实际感知情况，将其在每个路径采样点处的可能产生的未知区域感知程度信息纳入到对启发代价中去。为便于说明，以下首先结合图2，对本技术实施例中使用的传感器感知区域的符号进行说明。
30.图2中，以自动驾驶设备为自动驾驶车辆为例，左侧图示表示自动驾驶车辆以及其周围的传感器感知区域。其中，黑色小圆点表示车辆后轴中心所在位置，矩形框表示车辆，箭头方向表示车辆朝向，六边形表示传感器的感知区域，当障碍物出现在该区域内时，车辆才能观察到。六边形的个数和位置与车辆的传感器布置相关，在图2中所示的传感器布置条件下，车辆后侧大部分以及前侧和两侧的缝隙存在一系列盲区。为在后文表示简便，本技术实施例中使用图2右侧图示表示的传感器感知区域进行后续说明。
31.由图2可见，对于传感器来说，可根据传感器在自动驾驶设备中的部署位置，确定传感器的感知范围和盲区范围。进而，可根据该传感器的感知范围和盲区范围，来确定每个路径采样点对应的可能感知区域的信息，以及，每个路径采样点对应的采样解所能跨越的感知盲区的信息。
32.在此基础上，根据自动驾驶设备的传感器的感知范围，确定每个路径采样点所对应的未知区域感知程度信息可以实现为：根据自动驾驶设备的传感器的感知范围，确定每个路径采样点对应的可能感知区域的信息，以及，每个路径采样点对应的采样解所能跨越的感知盲区的信息；根据可能感知区域的信息和感知盲区的信息，生成每个路径采样点所对应的未知区域感知程度信息。
33.在实际应用中，对于感知区域和感知盲目的量化与实际使用的环境地图有关，本技术实施例中，采用了栅格地图的方式，也即，本技术实施例的路径规划方法基于栅格地图实现，并且，该栅格地图的每一个栅格具有用于指示该栅格的被感知状态的属性，该属性可根据路径采样点的位置动态变化。在一个示例中，被感知状态的属性可以为以下任一属性：已感知探索、未感知探索、被占据、优先覆盖等。但不限于此，在实际应用中，本领域技术人员还可以根据实际需求，设置任意其它的，或者更多或更少的属性，其均在本技术实施例的保护范围内。
34.一种示例性的栅格地图表示如图3所示，其中，自动驾驶车辆位于栅格地图描述的环境中，白色栅格表示无障碍物占据，黑色栅格表示障碍物占据，均属于已观测数据，对应
的栅格区域为已感知探索区域。传统方式中，车辆在规划路径时，只考虑黑色栅格的影响，规划避免与黑色栅格表示的障碍物发生碰撞的路径即可。而本技术实施例中，还考虑了从未进入过感知范围的栅格归属的未观测数据，其中，点状填充的栅格表示未感知探索过的区域，十字线填充的栅格表示位于未感知探索区域内的障碍物，车辆在规划路径时需要兼顾无碰撞以及对于未感知探索区域的扩展性和安全性。由图3中从左侧图示到右侧图示可见，随着路径采样点的变化，部分栅格的被感知状态也发生了变化，图中表示为栅格填充方式的变化。
35.在此基础上，根据自动驾驶设备的传感器的感知范围，确定每个路径采样点对应的可能感知区域的信息，以及，每个路径采样点对应的采样解所能跨越的感知盲区的信息可以实现为：根据自动驾驶设备的传感器的感知范围，确定每个路径采样点对应的可能感知区域的栅格数量，以及，每个路径采样点对应的采样解所能跨越的感知盲区的栅格数量；根据可能感知区域的栅格数量生成每个路径采样点的可能感知区域的信息，并且，根据感知盲区的栅格数量生成每个路径采样点的感知盲区的信息。在获得了可能感知区域的信息和感知盲区的信息后，可据此生成每个路径采样点所对应的未知区域感知程度信息，该感知程度信息可采用百分比的表示形式，或者，可采用预设感知级别的形式等。例如，可事先设置对应的栅格数量阈值，将可能感知区域的栅格数量与其对应的阈值相比较，将感知盲区的栅格数量也与其对应的阈值相比较，从而获得相应的感知程度信息。当然，本领域技术人员也可以根据实际需求采用其它形式的感知程度信息，本技术实施例对此不作限制。
36.在获得了未知区域感知程度信息后，即可对通过基础启发代价函数获得的初始采样解进行评价，以形成最终的采样解。
37.以下，结合图3和图4，对上述过程进行示例性说明。
38.首先，自动驾驶车辆正常行驶至障碍物前，需要调用避障算法进行路径规划时，其位置以及栅格地图如图3中右侧图示所示，对于本次路径规划来讲，图3中的右侧图示即为本次规划的“已知地图”。从图3中的左侧图示至右侧图示的变化可见，随着车辆的移动，栅格地图的属性也随之发生了改变，进入（过）感知区域的栅格都变为了已感知探索的属性。其中，判断某个栅格是否为已感知探索栅格，可以抽象为判断某个点（某个栅格）是否位于（一系列）多边形（传感器的感知六边形）内的问题，例如，可以通过“射线法”等方法进行判断，在此不再详述。
39.进而，当车辆位于图3中右侧图示的位置时，假设采样得到了两条采样解的“临时地图”，分别如图4中左侧图示和右侧图示所示。其中，图4的左侧图示中，
①
表示车辆的起始搜索位置，
②
表示经过黑色曲线的采样路径走到的终止位置，斜线栅格表示假设执行了采样路径后新增的属性为已感知探索的栅格；图4右侧图示中，斜线栅格表示当车辆沿着另一条黑色采样路径行走时，车辆可能遇到的未曾进入传感器感知区域的未感知探索的栅格，由于未感知探索栅格从未进入过传感器的感知范围，因此并不会有感知障碍物输出，若仅依赖于传统的感知障碍物进行路径规划，竖线栅格处存在障碍物时，将会存在碰撞风险。
40.因对车辆进行路径搜索和规划时，均需要对获得的采样解进行评价，因此，本技术实施例中，在考虑了前述未知区域感知程度信息的基础上，对前述公式（1）进行了如下改进：
公式（2）公式（3）其中，表示采样点关于栅格环境地图的代价，其由两部分组成：表示对于未知区域的感知探索程度（即未知区域感知程度信息），与图4中采样引入的斜线栅格的数量相关，即对于未知区域的感知探索程度越高，该采样解的评价越好；表示采样解跨越的未感知探索区域程度，与图4中的竖线栅格数量相关，即跨越的未感知探索区域越少，该采样解的评价越好。
41.通过上述公式（2），结合初始采样解及其对应的评价结果，可获得最终的采样解。
42.此外，在某些情况下，进行路径规划时，希望自动驾驶设备能够途径预设区域，该预设区域在本技术实施例中被称为优先行驶区域。例如，以清洗无人车的应用场景为例，其工作过程中经常会由于避让临时障碍物，出现某些区域漏扫的情况，那么在后续的路径规划过程中，会希望能够将这些漏扫区域进行补充清扫。基于此，在本技术的一种可行方案中，还可以获取预设的优先行驶区域的信息，基于这些优先行驶区域的信息进行路径搜索和规划。则，此种情况下，根据未知区域感知程度信息，对初始采样解进行评价可以实现为：根据未知区域感知程度信息和优先行驶区域的信息，对初始采样解进行评价。
43.为适应该种情况，可以对上述公式（3）作进一步改进，如下：公式（4）其中，表示具有高优先级行驶的区域（即优先行驶区域），与采样点覆盖的栅格数量相关，覆盖的高优先级区域越大，采样解的评价越好。
44.以下，结合图5，对该过程进行示例性说明。
45.如图5中左侧图示所示，假设该自动驾驶车辆为清洗无人车，其为了避让临时障碍物，漏扫左侧图示中的横线栅格区域。则在后续路径搜索和规划时，会使该清洗无人车优先行驶至该横线栅格区域，如图5中右侧图示所示。此种情况下，与采样点覆盖的横线栅格数量相关，覆盖的数量越多，采样解的评价越好。因此，图5右侧图示的采样解由于覆盖了更多的横线栅格，而具有更好的评价值，其对应的采样解也越好。
46.同时，由该示例也可见，本技术实施例中，因栅格地图具有相应的被感知状态的属性，而该属性可由本领域技术人员根据实际需求设置，如本技术实施例中，该属性还可表征栅格需优先覆盖（如通过优先覆盖属性）。由此，使得栅格地图不仅可作为“已感知探索”、“未感知探索”等的环境描述，还具有更多信息的承载能力，可作为某些特殊属性的存储媒介。
47.步骤s108：根据每个路径采样点对应的初始采样解及其对应的评价结果，从多个路径采样点中确定目标采样点，并根据目标采样点为所述自动驾驶设备规划行驶路径。
48.在一种可行方式中，可以根据每个路径采样点对应的初始采样解及其对应的评价结果，获得每个路径采样点对应的最终采样解；进而，根据每个路径采样点对应的最终采样
解，从多个路径采样点中确定目标采样点。再根据目标采样点确定待行驶路径，为自动驾驶设备进行路径规划。
49.基于该规划的路径，自动驾驶车辆即可继续行驶，直至到达终止位置。
50.此外，在实际应用中，地图多是分片加载，因此，当自动驾驶设备驶到当前加载的局部地图的边界时，需要对其进行更新。本技术实施例也类似，当自动驾驶设备行驶到当前加载的局部栅格地图的边界时，需要对当前的局部栅格地图进行更新，本技术实施例采用的更新方式为：以自动驾驶设备的当前位置为中心，生成与局部地图的大小相同的新的局部地图，并使用新的局部地图更新原局部地图。
51.以下，结合图4和图6，对该地图更新过程进行说明。
52.假设图4中的自动驾驶车辆选择了左侧图示所示的采样解，当其行驶到位于
②
的位置时假设碰到了地图边界需要进行地图更新，则此时，可以当前车辆位置为中心，重新生成相同大小的栅格地图，以更新原地图。示例性地，更新后的地图如图6中所示。则后续，可基于更新后的地图进行后续的路径规划。
53.可见，通过本技术实施例，在通过启发代价函数进行路径搜索，确定采样解时，还会根据传感器的感知范围，来确定对应于采样点的、传感器对未知区域的感知程度信息。基于该感知程度信息对已获得的初始采样解进行评价，以确定最终的目标采样点进行行驶路径规划。由此，一方面，可将传感器的感知范围和视野盲区都纳入到环境建模中，更准确地确定自动驾驶设备的感知区域，以避免因传感器的视野盲区而引发的驾驶安全问题，并且，增加路径规划算法的可用性和智能程度。另一方面，因采样点为自动驾驶设备实际尚未经过的位置，由此，可将自动驾驶设备可能发生的“假设动作”投影至环境地图中，以引发相应的环境地图更新变化，从而避免了传统方式中只有在自动驾驶设备真实发生位移时才更新环境地图，容易导致将自动驾驶设备规划入未知区域而产生的安全问题。
54.因此，通过本技术实施例的方案，可以更为有效地进行路径规划，保障自动驾驶设备的行驶安全。
55.此外，本技术实施例中采用栅格地图的形式描述环境地图，每个栅格具有相应的属性，使得栅格地图不仅可作为“已感知探索”、“未感知探索”等的环境描述，还具有更多信息的承载能力，可作为某些特殊属性的存储媒介，使得自动驾驶设备在规划路径时能够更全面的利用周围的环境信息，规划出更合理的路径。
56.参照图7，示出了根据本技术实施例的一种路径规划装置的结构框图。
57.本实施例的路径规划装置包括：生成模块202，用于根据自动驾驶设备的当前位置和预设的终止位置，为自动驾驶设备确定多个路径采样点；初始解模块204，用于针对每个路径采样点，根据基础启发代价函数确定初始采样解；评价模块206，用于根据自动驾驶设备的传感器的感知范围，确定每个路径采样点所对应的未知区域感知程度信息；并且，根据未知区域感知程度信息，对初始采样解进行评价；确定模块208，用于根据每个路径采样点对应的初始采样解及其对应的评价结果，从多个路径采样点中确定目标采样点，并根据目标采样点为自动驾驶设备规划行驶路径。
58.可选地，评价模块206在根据所述自动驾驶设备的传感器的感知范围，确定每个所述路径采样点所对应的未知区域感知程度信息时：根据自动驾驶设备的传感器的感知范围，确定每个路径采样点对应的可能感知区域的信息，以及，每个路径采样点对应的采样解
所能跨越的感知盲区的信息；根据可能感知区域的信息和感知盲区的信息，生成每个路径采样点所对应的未知区域感知程度信息。
59.可选地，所述路径规划基于栅格地图实现，该栅格地图的每一个栅格具有用于指示该栅格的被感知状态的属性，该属性根据路径采样点的位置动态变化。
60.可选地，评价模块206在根据自动驾驶设备的传感器的感知范围，确定每个路径采样点对应的可能感知区域的信息，以及，每个路径采样点对应的采样解所能跨越的感知盲区的信息时：根据自动驾驶设备的传感器的感知范围，确定每个路径采样点对应的可能感知区域的栅格数量，以及，每个路径采样点对应的采样解所能跨越的感知盲区的栅格数量；根据可能感知区域的栅格数量生成每个路径采样点的可能感知区域的信息，并且，根据感知盲区的栅格数量生成每个路径采样点的感知盲区的信息。
61.可选地，本实施例的路径规划装置还包括：更新模块210，用于当自动驾驶设备行驶至局部地图的边界时，以自动驾驶设备的当前位置为中心，生成与局部地图的大小相同的新的局部地图，并使用新的局部地图更新原局部地图。
62.可选地，评价模块206在根据自动驾驶设备的传感器的感知范围，确定每个路径采样点对应的可能感知区域的信息，以及，每个路径采样点对应的采样解所能跨越的感知盲区的信息时：根据传感器在自动驾驶设备中的部署位置，确定传感器的感知范围和盲区范围；根据感知范围和盲区范围，确定每个路径采样点对应的可能感知区域的信息，以及，每个路径采样点对应的采样解所能跨越的感知盲区的信息。
63.可选地，评价模块206还用于获取预设的优先行驶区域的信息；则，评价模块206在根据未知区域感知程度信息，对初始采样解进行评价时：根据未知区域感知程度信息和优先行驶区域的信息，对初始采样解进行评价。
64.可选地，确定模块208，用于根据每个路径采样点对应的所述初始采样解及其对应的评价结果，获得每个路径采样点对应的最终采样解；根据每个路径采样点对应的最终采样解，从多个路径采样点中确定目标采样点；根据目标采样点为自动驾驶设备规划行驶路径。
65.可选地，生成模块202，用于将自动驾驶设备的当前位置作为局部路径规划的起始搜索位置；根据起始搜索位置和预设的终止位置，为自动驾驶设备确定多个路径采样点。
66.本实施例的路径规划装置用于实现前述多个方法实施例中相应的路径规划方法，并具有相应的方法实施例的有益效果，在此不再赘述。此外，本实施例的路径规划装置中的各个模块的功能实现均可参照前述方法实施例中的相应部分的描述，在此亦不再赘述。
67.参照图8，示出了根据本技术实施例的一种自动驾驶设备的结构示意图。
68.该自动驾驶设备包括：传感器302、处理器304、存储器306、通信接口308和通信总线310。
69.其中，传感器302、处理器304、存储器306、和通信接口308通过通信总线310完成相互间的通信。
70.通信接口308，用于与其它电子设备或服务器进行通信。
71.传感器302用于对自动驾驶设备所在环境进行环境数据采集，并生成感知数据。
72.存储器306用于存放至少一可执行指令，该可执行指令使处理器304基于感知数据执行如前述方法实施例中所述的路径规划方法对应的操作。
73.处理器304可能是cpu，或者是特定集成电路asic（application specific integrated circuit），或者是被配置成实施本技术实施例的一个或多个集成电路。自动驾驶设备可以包括一个或多个处理器，该一个或多个处理器可以是同一类型的处理器，如一个或多个cpu；也可以是不同类型的处理器，如一个或多个cpu以及一个或多个asic。
74.存储器306可能包含高速ram存储器，也可能还包括非易失性存储器（non-volatile memory），例如至少一个磁盘存储器。
75.一般地，自动驾驶设备还会包括驱动装置（图中未示出）和控制装置（图中未示出）。则，在处理器304确定了相应的行驶路径后后，会向驱动装置发送驱动信号，驱动装置借助于该驱动信号，控制自动驾驶设备中的控制装置（如刹车、油门、方向盘等）对自动驾驶设置进行相应的控制操作，从而实现自动驾驶设备的自主驾驶。
76.处理器304执行路径规划的具体实现可以参见上述方法实施例中的相应步骤和单元中对应的描述，并具有相应的有益效果，在此不赘述。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的设备和模块的具体工作过程，可以参考前述方法实施例中的对应过程描述，在此不再赘述。
77.需要说明的是，本技术实施例中，自动驾驶设备可以是具有如下各种功能的车辆设备或机器人设备：（1）载人功能，如家用轿车、公共汽车等；（2）载货功能，如普通货车、厢式货车、甩挂车、封闭货车、罐式货车、平板货车、集装厢车、自卸货车、特殊结构货车等；（3）工具功能，如物流配送车、自动导引运输车agv、巡逻车、起重机、吊车、挖掘机、推土机、铲车、压路机、装载机、越野工程车、装甲工程车、污水处理车、环卫车、吸尘车、洗地车、洒水车、扫地机器人、送餐机器人、导购机器人、割草机、高尔夫球车等；（4）娱乐功能，如娱乐车、游乐场自动驾驶装置、平衡车等；（5）特殊救援功能，如消防车、救护车、电力抢修车、工程抢险车等。
78.上述自动驾驶设备均可适用本技术实施例的路径规划方案。
79.本技术实施例还提供了一种计算机存储介质，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方法实施例中所述的路径规划方法。
80.本技术实施例还提供了一种计算机程序产品，包括计算机指令，该计算机指令指示计算设备执行上述方法实施例中的路径规划方法对应的操作。
81.需要指出，根据实施的需要，可将本技术实施例中描述的各个部件/步骤拆分为更多部件/步骤，也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤，以实现本技术实施例的目的。
82.上述根据本技术实施例的方法可在硬件、固件中实现，或者被实现为可存储在记录介质（诸如cd rom、ram、软盘、硬盘或磁光盘）中的软件或计算机代码，或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件（诸如asic或fpga）的记录介质上的这样的软件处理。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件（例如，ram、rom、闪存等），当所述软件或计算机代码被计算机、处理器或硬件访问且执行时，实现
在此描述的方法。此外，当通用计算机访问用于实现在此示出的方法的代码时，代码的执行将通用计算机转换为用于执行在此示出的方法的专用计算机。
83.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术实施例的范围。
84.以上实施方式仅用于说明本技术实施例，而并非对本技术实施例的限制，有关技术领域的普通技术人员，在不脱离本技术实施例的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本技术实施例的范畴，本技术实施例的专利保护范围应由权利要求限定。