本發(fā)明屬于無(wú)人車(chē)輛控制，具體涉及一種基于區(qū)域圖像相對(duì)定位的無(wú)人車(chē)輛行進(jìn)路徑規(guī)劃方法。

背景技術(shù)：

1、無(wú)人駕駛車(chē)輛的路徑規(guī)劃技術(shù)是實(shí)現(xiàn)車(chē)輛自主導(dǎo)航的關(guān)鍵技術(shù)之一。隨著智能交通系統(tǒng)的發(fā)展，無(wú)人車(chē)輛路徑規(guī)劃技術(shù)的研究變得尤為重要。隨著自動(dòng)駕駛技術(shù)的發(fā)展，對(duì)于無(wú)人車(chē)輛在未知環(huán)境中的定位技術(shù)成為研究的核心，在沒(méi)有g(shù)ps信號(hào)的情況下，同步定位與地圖構(gòu)建（slam）技術(shù)、多傳感器融合解決方案等技術(shù)被用來(lái)實(shí)現(xiàn)無(wú)人車(chē)輛的路徑規(guī)劃和自動(dòng)駕駛?cè)蝿?wù)。

2、傳統(tǒng)的路徑規(guī)劃方法，如dijkstra算法等，雖然在全局路徑規(guī)劃中表現(xiàn)出色，但在處理無(wú)人車(chē)輛的連續(xù)性機(jī)動(dòng)和避障時(shí)存在不足，這些算法往往忽視了無(wú)人車(chē)輛的動(dòng)力學(xué)特性，導(dǎo)致規(guī)劃出的路徑可能不夠平滑或者與障礙物距離過(guò)近，無(wú)法及時(shí)避免潛在風(fēng)險(xiǎn)。

3、區(qū)域圖像相對(duì)定位技術(shù)作為一種新興的技術(shù)，能夠在無(wú)人車(chē)輛行進(jìn)過(guò)程中提供精確的定位信息。通過(guò)分析車(chē)輛周?chē)膱D像信息，該技術(shù)能夠?qū)崿F(xiàn)對(duì)車(chē)輛位置的精確估計(jì)，這對(duì)于無(wú)人車(chē)輛在復(fù)雜環(huán)境中的路徑規(guī)劃至關(guān)重要。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述問(wèn)題，本發(fā)明提供了一種基于區(qū)域圖像相對(duì)定位的無(wú)人車(chē)輛行進(jìn)路徑規(guī)劃方法，以解決現(xiàn)有技術(shù)中的問(wèn)題。

2、為了達(dá)到上述的發(fā)明目的，本發(fā)明提出一種基于區(qū)域圖像相對(duì)定位的無(wú)人車(chē)輛行進(jìn)路徑規(guī)劃方法，包括：

3、步驟s1：無(wú)人車(chē)輛配置的無(wú)人機(jī)在預(yù)設(shè)的第一高度對(duì)目標(biāo)區(qū)域進(jìn)行拍攝，獲得所述目標(biāo)區(qū)域的全景圖像數(shù)據(jù)，從所述全景圖像數(shù)據(jù)中提取出所述無(wú)人車(chē)輛的出發(fā)點(diǎn)位置信息、目標(biāo)點(diǎn)位置信息以及所述目標(biāo)區(qū)域的地貌特征；

4、步驟s2：建立ddqn網(wǎng)絡(luò)模型，所述ddqn網(wǎng)絡(luò)模型基于所述出發(fā)點(diǎn)位置信息、所述目標(biāo)點(diǎn)位置信息和所述地貌特征生成所述無(wú)人車(chē)輛從出發(fā)點(diǎn)至目標(biāo)點(diǎn)的行駛路徑；

5、步驟s3：所述無(wú)人機(jī)在預(yù)設(shè)的第二高度對(duì)所述目標(biāo)區(qū)域中的多個(gè)子區(qū)域進(jìn)行拍攝，獲得局部圖像數(shù)據(jù)，對(duì)所述局部圖像數(shù)據(jù)進(jìn)行處理獲得無(wú)人車(chē)輛的行駛速度；

6、步驟s4：建立frenet坐標(biāo)系，獲取所述無(wú)人車(chē)輛在所述frenet坐標(biāo)系下的位置坐標(biāo)，基于所述位置坐標(biāo)和所述行駛速度在所述行駛路徑上設(shè)置導(dǎo)航點(diǎn)，對(duì)所述導(dǎo)航點(diǎn)進(jìn)行優(yōu)化處理，基于優(yōu)化處理后的所述導(dǎo)航點(diǎn)生成無(wú)人車(chē)輛最終的優(yōu)化路徑。

7、進(jìn)一步地，生成所述無(wú)人車(chē)輛從出發(fā)點(diǎn)至目標(biāo)點(diǎn)的行駛路徑包括以下步驟：

8、基于所述地貌特征建立所述目標(biāo)區(qū)域的仿真環(huán)境模型，將所述無(wú)人車(chē)輛放在所述仿真環(huán)境模型下進(jìn)行自主隨機(jī)探索，獲得所述無(wú)人車(chē)輛的探索數(shù)據(jù)，將所述探索數(shù)據(jù)存放至經(jīng)驗(yàn)回放池進(jìn)行存儲(chǔ)；

9、從所述經(jīng)驗(yàn)回放池中提取樣本數(shù)據(jù)，將所述樣本數(shù)據(jù)輸入至所述ddqn網(wǎng)絡(luò)模型，所述ddqn網(wǎng)絡(luò)模型包括行為網(wǎng)絡(luò)和評(píng)價(jià)網(wǎng)絡(luò)，所述行為網(wǎng)絡(luò)分析所述樣本數(shù)據(jù)生成在行駛狀態(tài)下的多個(gè)動(dòng)作數(shù)據(jù)，定義所述評(píng)價(jià)網(wǎng)絡(luò)的目標(biāo)函數(shù)，所述目標(biāo)函數(shù)為最小化所述無(wú)人車(chē)輛的當(dāng)前位置與目標(biāo)點(diǎn)的位置之間的距離，每個(gè)動(dòng)作數(shù)據(jù)對(duì)應(yīng)一個(gè)無(wú)人車(chē)輛的當(dāng)前位置，將所述樣本數(shù)據(jù)輸入至所述目標(biāo)函數(shù)，計(jì)算當(dāng)前行駛狀態(tài)下的每個(gè)動(dòng)作數(shù)據(jù)的函數(shù)值，并獲得函數(shù)值與目標(biāo)函數(shù)的最小值之間的差值，基于所述差值獲得在所述行駛狀態(tài)下多個(gè)所述動(dòng)作數(shù)據(jù)所對(duì)應(yīng)的評(píng)價(jià)值，所述評(píng)價(jià)值與所述差值成反比，將評(píng)價(jià)值最高的所述動(dòng)作數(shù)據(jù)作為所述行駛狀態(tài)下的最優(yōu)動(dòng)作，連續(xù)獲取從所述出發(fā)點(diǎn)位置到所述目標(biāo)點(diǎn)的位置上的每個(gè)所述行駛狀態(tài)下的所述最優(yōu)動(dòng)作，基于所有所述最優(yōu)動(dòng)作最終生成所述無(wú)人車(chē)輛的行駛路徑。

10、進(jìn)一步地，獲取所述無(wú)人車(chē)輛在所述frenet坐標(biāo)系下的位置坐標(biāo)包括以下步驟：

11、定義所述行駛路徑的路徑中心線為數(shù)據(jù)參考線，在所述行駛路徑上設(shè)置多個(gè)路徑點(diǎn)，獲取所述路徑點(diǎn)處的位置坐標(biāo)，所述位置坐標(biāo)中的縱向坐標(biāo)為所述無(wú)人車(chē)輛沿著所述行駛路徑行駛過(guò)兩個(gè)相鄰的所述路徑點(diǎn)之間的行駛距離，所述位置坐標(biāo)中的橫向坐標(biāo)為所述無(wú)人車(chē)輛到所述數(shù)據(jù)參考線的垂直距離，所述位置坐標(biāo)為所述frenet坐標(biāo)系下的坐標(biāo)。

12、進(jìn)一步地，設(shè)置導(dǎo)航點(diǎn)包括以下步驟：

13、獲取拍攝所述局部圖像數(shù)據(jù)的拍攝頻率，將所述無(wú)人車(chē)輛在所述frenet坐標(biāo)系下的行駛速度與所述拍攝頻率之商作為控制間隔，基于兩個(gè)所述路徑點(diǎn)之間的所述控制間隔在所述行駛路徑上設(shè)置導(dǎo)航點(diǎn)。

14、進(jìn)一步地，對(duì)所述導(dǎo)航點(diǎn)作優(yōu)化處理包括以下步驟：

15、識(shí)別所述行駛路徑中的轉(zhuǎn)彎區(qū)域，判斷所述行駛路徑上的每個(gè)導(dǎo)航點(diǎn)所在區(qū)域是否屬于所述轉(zhuǎn)彎區(qū)域，是的情況下，將所述行駛速度降低至第一閾值范圍，并增加所述導(dǎo)航點(diǎn)的數(shù)量至第二閾值范圍內(nèi)；

16、若所述導(dǎo)航點(diǎn)所在位置不屬于所述轉(zhuǎn)彎區(qū)域，則將不屬于所述轉(zhuǎn)彎區(qū)域的多個(gè)連續(xù)的導(dǎo)航點(diǎn)所在的區(qū)域定義為直線區(qū)域，增大所述直線區(qū)域內(nèi)所述無(wú)人車(chē)輛的行駛速度至第三閾值范圍，并將導(dǎo)航點(diǎn)的數(shù)量減少至所述第二閾值范圍內(nèi)。

17、進(jìn)一步地，識(shí)別所述行駛路徑上的轉(zhuǎn)彎區(qū)域包括以下步驟：

18、獲取兩個(gè)導(dǎo)航點(diǎn)之間的所述行駛路徑，計(jì)算所述行駛路徑的道路曲率，若所述曲率大于第四閾值，則表示所述導(dǎo)航點(diǎn)處于轉(zhuǎn)彎區(qū)域。

19、進(jìn)一步地，獲得無(wú)人車(chē)輛的行駛速度包括以下步驟：

20、獲取拍攝每幀所述局部圖像數(shù)據(jù)的時(shí)間間隔，以及所述無(wú)人車(chē)輛在連續(xù)的所述局部圖像數(shù)據(jù)中的位置變化，將所述位置變化與所述時(shí)間間隔之商作為所述無(wú)人車(chē)輛的形式速度。

21、進(jìn)一步地，配置所述無(wú)人機(jī)還包括固定所述無(wú)人機(jī)的視場(chǎng)朝向。

22、進(jìn)一步地，所述探索數(shù)據(jù)包括所述無(wú)人車(chē)輛的狀態(tài)數(shù)據(jù)、動(dòng)作數(shù)據(jù)以及獎(jiǎng)勵(lì)數(shù)據(jù)。

23、進(jìn)一步地，所述動(dòng)作數(shù)據(jù)包括所述無(wú)人車(chē)輛的方向數(shù)據(jù)、速度數(shù)據(jù)以及操作數(shù)據(jù)。

24、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果至少如下所述：

25、通過(guò)在無(wú)人車(chē)輛上安裝無(wú)人機(jī)，獲取目標(biāo)區(qū)域的全面視圖，提取無(wú)人車(chē)輛的出發(fā)點(diǎn)、目標(biāo)點(diǎn)位置信息以及目標(biāo)區(qū)域的地貌特征，在全面圖像數(shù)據(jù)中確定出發(fā)點(diǎn)和目標(biāo)點(diǎn)的相對(duì)位置信息，可以直觀地理解無(wú)人車(chē)輛的導(dǎo)航需求；設(shè)置仿真環(huán)境模型，讓無(wú)人車(chē)輛在仿真環(huán)境模型通過(guò)自主隨機(jī)探索獲得確定路徑所需要的探索數(shù)據(jù)，并將探索數(shù)據(jù)作為樣本將用于訓(xùn)練ddqn網(wǎng)絡(luò)模型，ddqn網(wǎng)絡(luò)模型通過(guò)行為網(wǎng)絡(luò)生成多個(gè)可能的動(dòng)作，通過(guò)評(píng)價(jià)網(wǎng)絡(luò)評(píng)估這些動(dòng)作的價(jià)值獲得評(píng)價(jià)值，選擇評(píng)價(jià)值最高的動(dòng)作作為當(dāng)前狀態(tài)下的最優(yōu)動(dòng)作，提高了路徑規(guī)劃的適應(yīng)性和靈活性。

26、由于實(shí)際道路大多不是筆直的，建立frenet坐標(biāo)系，frenet坐標(biāo)系能夠更好地適應(yīng)曲線路徑，在frenet坐標(biāo)系下設(shè)置導(dǎo)航點(diǎn)，也能夠獲取更準(zhǔn)確的車(chē)輛位置信息；對(duì)轉(zhuǎn)彎區(qū)域和直線區(qū)域的導(dǎo)航點(diǎn)作優(yōu)化處理，提高行駛的安全性和效率，基于優(yōu)化后的導(dǎo)航點(diǎn)生成最終的優(yōu)化路徑，確保在沒(méi)有g(shù)ps或北斗信號(hào)的復(fù)雜環(huán)境中，無(wú)人車(chē)輛能夠高效、安全地從出發(fā)點(diǎn)到達(dá)目標(biāo)點(diǎn)。

技術(shù)特征：

1.一種基于區(qū)域圖像相對(duì)定位的無(wú)人車(chē)輛行進(jìn)路徑規(guī)劃方法，其特征在于，所述方法包括如下步驟：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，生成所述無(wú)人車(chē)輛從出發(fā)點(diǎn)至目標(biāo)點(diǎn)的行駛路徑包括以下步驟：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，獲取所述無(wú)人車(chē)輛在所述frenet坐標(biāo)系下的位置坐標(biāo)包括以下步驟：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，設(shè)置導(dǎo)航點(diǎn)包括以下步驟：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，對(duì)所述導(dǎo)航點(diǎn)作優(yōu)化處理包括以下步驟：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，識(shí)別所述行駛路徑上的轉(zhuǎn)彎區(qū)域包括以下步驟：

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，獲得無(wú)人車(chē)輛的行駛速度包括以下步驟：

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述無(wú)人機(jī)的配置還包括固定所述無(wú)人機(jī)的視場(chǎng)朝向。

9.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述探索數(shù)據(jù)包括所述無(wú)人車(chē)輛的狀態(tài)數(shù)據(jù)、動(dòng)作數(shù)據(jù)以及獎(jiǎng)勵(lì)數(shù)據(jù)。

10.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述動(dòng)作數(shù)據(jù)包括所述無(wú)人車(chē)輛的方向數(shù)據(jù)、速度數(shù)據(jù)以及操作數(shù)據(jù)。

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種基于區(qū)域圖像相對(duì)定位的無(wú)人車(chē)輛行進(jìn)路徑規(guī)劃方法，屬于無(wú)人車(chē)輛控制技術(shù)領(lǐng)域，包括：基于無(wú)人車(chē)輛配置的無(wú)人機(jī)獲得目標(biāo)區(qū)域的全面圖像數(shù)據(jù)，從全面圖像數(shù)據(jù)提取出無(wú)人車(chē)輛的出發(fā)點(diǎn)位置、目標(biāo)點(diǎn)位置以及地貌特征；建立DDQN網(wǎng)絡(luò)模型，DDQN網(wǎng)絡(luò)模型基于出發(fā)點(diǎn)位置、目標(biāo)點(diǎn)位置以及地貌特征生成無(wú)人車(chē)輛從出發(fā)點(diǎn)至目標(biāo)點(diǎn)的行駛路徑；獲得目標(biāo)區(qū)域的局部圖像數(shù)據(jù)并進(jìn)行處理，獲得無(wú)人車(chē)輛的行駛速度，獲取無(wú)人車(chē)輛在Frenet坐標(biāo)系下的位置坐標(biāo)，基于位置坐標(biāo)在行駛路徑上設(shè)置導(dǎo)航點(diǎn)，對(duì)導(dǎo)航點(diǎn)進(jìn)行優(yōu)化處理，基于優(yōu)化后的導(dǎo)航點(diǎn)生成無(wú)人車(chē)輛的優(yōu)化路徑，通過(guò)本發(fā)明提高了無(wú)人車(chē)輛路徑規(guī)劃的準(zhǔn)確度。

技術(shù)研發(fā)人員：李向陽(yáng),王蕊,高欽和,張志利
受保護(hù)的技術(shù)使用者：中國(guó)人民解放軍火箭軍工程大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9