(72)發(fā)明人杭成王濤廖基建所(普通合伙)34242GO1C21/34(2006一種基于新能源汽車無人駕駛的路徑規(guī)劃系統(tǒng)本發(fā)明公開了一種基于新能源汽車無人駕線環(huán)境的實(shí)時(shí)感知數(shù)據(jù)，構(gòu)建動(dòng)態(tài)三維路況模路況復(fù)雜程度來調(diào)整數(shù)據(jù)采集方式局部路徑生環(huán)境構(gòu)建單元中轉(zhuǎn)站中轉(zhuǎn)站葉葉21.一種基于新能源汽車無人駕駛的路徑規(guī)劃系統(tǒng)，其特征在于，包括：環(huán)境構(gòu)建單元，整合傳感器模塊對(duì)于車輛軸線環(huán)境的實(shí)時(shí)感知數(shù)據(jù)，構(gòu)建動(dòng)態(tài)三維路況模型；障礙物檢測(cè)模塊，實(shí)時(shí)檢測(cè)出行人、車輛以及道路障礙物，并對(duì)位置、速度信息進(jìn)行持續(xù)更新；自適應(yīng)數(shù)據(jù)采集模型，基于動(dòng)態(tài)三維路況模型中路況復(fù)雜程度來調(diào)整數(shù)據(jù)采集方式：多源傳感器采集，在車流量低時(shí)，依靠傳感器模塊對(duì)周圍環(huán)境進(jìn)行感知，構(gòu)建局部地中轉(zhuǎn)站數(shù)據(jù)采集，在車輛高密度場(chǎng)景下，基于信息終端建立數(shù)據(jù)中轉(zhuǎn)站，通過信息終端實(shí)現(xiàn)路況數(shù)據(jù)共享，采集路況共享數(shù)據(jù)并通過實(shí)時(shí)感知數(shù)據(jù)對(duì)路況共享數(shù)據(jù)進(jìn)行驗(yàn)證融合構(gòu)建局部地圖；局部路徑生成單元，根據(jù)當(dāng)前局部地圖生成多個(gè)符合車輛運(yùn)動(dòng)限制時(shí)的候選軌跡，評(píng)估最佳路徑。2.根據(jù)權(quán)利要求1所述的一種基于新能源汽車無人駕駛的路徑規(guī)劃系統(tǒng)，其特征在于，車輛與中轉(zhuǎn)站之間通過低延遲通信協(xié)議實(shí)現(xiàn)，使用短距離通信協(xié)議在車輛與數(shù)據(jù)中轉(zhuǎn)站之間在短時(shí)間內(nèi)傳遞，并基于車輛建立位置坐標(biāo)，數(shù)據(jù)中轉(zhuǎn)站坐標(biāo)映射在坐標(biāo)內(nèi)，識(shí)別車輛位置，基于車輛當(dāng)前位置以及數(shù)據(jù)中轉(zhuǎn)站位置對(duì)路況共享數(shù)據(jù)進(jìn)行拆分，剔除基于車輛與中轉(zhuǎn)站坐標(biāo)位置關(guān)系上的無用數(shù)據(jù)。3.根據(jù)權(quán)利要求2所述的一種基于新能源汽車無人駕駛的路徑規(guī)劃系統(tǒng)，其特征在于，建立位置坐標(biāo)并根據(jù)位置坐標(biāo)來剔除基于車輛和中轉(zhuǎn)站坐標(biāo)關(guān)系上的無用數(shù)據(jù)：基于當(dāng)前車輛建立位置坐標(biāo)，通過GPS獲取當(dāng)前車輛以及中轉(zhuǎn)站實(shí)時(shí)位置，以當(dāng)前車輛坐標(biāo)為坐標(biāo)原點(diǎn)，將中轉(zhuǎn)站坐標(biāo)映射在位置坐標(biāo)內(nèi)；中轉(zhuǎn)站對(duì)路況共享數(shù)據(jù)附加采集位置數(shù)據(jù)，當(dāng)前車輛接收中轉(zhuǎn)站的路況共享數(shù)據(jù)時(shí)，對(duì)路況共享數(shù)據(jù)進(jìn)行拆分；利用車輛當(dāng)前位置與中轉(zhuǎn)站坐標(biāo)之間的位置關(guān)系，設(shè)置距離和區(qū)域閾值，保留與當(dāng)前車流量行駛路線和行駛區(qū)域相關(guān)的路況共享數(shù)據(jù)，過濾基于位置關(guān)系上的噪聲數(shù)據(jù)，降低傳輸負(fù)載和計(jì)算復(fù)雜度。4.根據(jù)權(quán)利要求3所述的一種基于新能源汽車無人駕駛的路徑規(guī)劃系統(tǒng)，其特征在于，構(gòu)建動(dòng)態(tài)三維路況模型步驟如下：利用激光雷達(dá)獲取連續(xù)點(diǎn)云，經(jīng)過濾波、分割和配準(zhǔn)，實(shí)時(shí)生成車輛周邊三維路況模結(jié)合車輛運(yùn)動(dòng)信息，利用同時(shí)定位與地圖構(gòu)建更新三維路況模型；對(duì)于不隨時(shí)間變化的目標(biāo)，通過點(diǎn)云分割和聚類算法加以標(biāo)注并識(shí)別；對(duì)于車輛、行人和臨時(shí)障礙物，通過目標(biāo)檢測(cè)與跟蹤技術(shù)判斷運(yùn)動(dòng)狀態(tài)，并實(shí)時(shí)更新位置和速度信息；利用攝像頭圖像基于深度學(xué)習(xí)的圖像分割技術(shù)檢測(cè)車道線，結(jié)合點(diǎn)云數(shù)據(jù)對(duì)車道邊界進(jìn)行三維補(bǔ)全和糾正。5.根據(jù)權(quán)利要求4所述的一種基于新能源汽車無人駕駛的路徑規(guī)劃系統(tǒng)，其特征在于，基于中轉(zhuǎn)站的路況共享數(shù)據(jù)來確定車道線位置，實(shí)現(xiàn)車道位置的動(dòng)態(tài)判斷和校正：3當(dāng)前車輛依靠自身傳感器模塊檢測(cè)與道路邊界或護(hù)欄之間的距離作為初始參考信息，確定車輛與周邊固定障礙物的相對(duì)位置；獲取附近中轉(zhuǎn)站的位置坐標(biāo)，當(dāng)前車輛運(yùn)動(dòng)至中轉(zhuǎn)站區(qū)域時(shí)，觸發(fā)一次新的輪詢，記錄此時(shí)當(dāng)前車輛與道路邊界或護(hù)欄之間的距離關(guān)系；當(dāng)前車輛在中轉(zhuǎn)站位置時(shí)的檢測(cè)數(shù)據(jù)與初始感知數(shù)據(jù)進(jìn)行對(duì)比；結(jié)合兩次測(cè)量以及中轉(zhuǎn)站共享的信息，在坐標(biāo)中確定當(dāng)前車輛與規(guī)劃車道的相對(duì)位置，通過對(duì)比實(shí)際車輛與道路邊界的間距與預(yù)設(shè)的車道寬度模型，確定車輛所處車道。6.根據(jù)權(quán)利要求5所述的一種基于新能源汽車無人駕駛的路徑規(guī)劃系統(tǒng)，其特征在于，基于實(shí)時(shí)感知數(shù)據(jù)進(jìn)行路況共享數(shù)據(jù)驗(yàn)證步驟如下：將路況共享數(shù)據(jù)和實(shí)時(shí)感知數(shù)據(jù)同步到同一時(shí)間窗口，保證數(shù)據(jù)來源時(shí)效一致，將時(shí)間同步的路況共享數(shù)據(jù)和實(shí)時(shí)感知數(shù)據(jù)映射在基于當(dāng)前車輛的位置坐標(biāo)內(nèi)；提取路況共享數(shù)據(jù)中的關(guān)鍵幾何特征，基于幾何特征確定實(shí)時(shí)感知數(shù)據(jù)中對(duì)應(yīng)特征，通過匹配檢測(cè)幾何特征和對(duì)應(yīng)特征的一致性；設(shè)置特征誤差閾值，幾何特征和對(duì)應(yīng)特征在誤差允許范圍內(nèi)，則認(rèn)為路況共享數(shù)據(jù)有效，若超出閾值，則基于實(shí)時(shí)感知數(shù)據(jù)對(duì)路況共享數(shù)據(jù)進(jìn)行修正。7.根據(jù)權(quán)利要求6所述的一種基于新能源汽車無人駕駛的路徑規(guī)劃系統(tǒng)，其特征在于，基于實(shí)際感知數(shù)據(jù)利用粒子濾波對(duì)路況共享數(shù)據(jù)進(jìn)行加權(quán)校正，計(jì)算出同一幾何特征的特征變量，通過計(jì)算得到的特征變量，評(píng)估路況共享數(shù)據(jù)與實(shí)時(shí)感知數(shù)據(jù)之間的差異。8.根據(jù)權(quán)利要求7所述的一種基于新能源汽車無人駕駛的路徑規(guī)劃系統(tǒng)，其特征在于，將修正后的路況共享數(shù)據(jù)與實(shí)時(shí)感知數(shù)據(jù)通過數(shù)據(jù)融合算法進(jìn)行整合：利用各自的置信度在融合過程中進(jìn)行動(dòng)態(tài)加權(quán)，調(diào)整融合比例，若誤差超出容差范圍，則對(duì)路況共享數(shù)據(jù)進(jìn)行校正。9.根據(jù)權(quán)利要求8所述的一種基于新能源汽車無人駕駛的路徑規(guī)劃系統(tǒng)，其特征在于，中轉(zhuǎn)站獲取控制系統(tǒng)對(duì)于車輛的控制數(shù)據(jù)，當(dāng)前車輛獲取中轉(zhuǎn)站車輛控制數(shù)據(jù)，確定時(shí)間窗口內(nèi)中轉(zhuǎn)站的運(yùn)動(dòng)狀態(tài)：設(shè)定一個(gè)固定的時(shí)間窗口，當(dāng)前車輛對(duì)所有接收到的中轉(zhuǎn)站控制數(shù)據(jù)進(jìn)行統(tǒng)計(jì)與分對(duì)于連續(xù)時(shí)刻t1,t2,t3,......,tn,計(jì)算中轉(zhuǎn)站的位置變化；根據(jù)整個(gè)時(shí)間窗口內(nèi)的估算結(jié)果，確定中轉(zhuǎn)站時(shí)間窗口內(nèi)的速度和方向，得出障礙路10.根據(jù)權(quán)利要求9所述的一種基于新能源汽車無人駕駛的路徑規(guī)劃系統(tǒng)，其特征在于，將障礙路徑與局部路徑規(guī)劃結(jié)合，生成多個(gè)符合車輛運(yùn)動(dòng)限制時(shí)的候選軌跡，建立短時(shí)預(yù)測(cè)模型，將障礙路徑、障礙物未來路徑作為約束條件，通過在線優(yōu)化生成最優(yōu)控制軌跡。4一種基于新能源汽車無人駕駛的路徑規(guī)劃系統(tǒng)技術(shù)領(lǐng)域[0001]本發(fā)明涉及無人駕駛技術(shù)領(lǐng)域，具體為一種基于新能源汽車無人駕駛的路徑規(guī)劃背景技術(shù)[0002]無人駕駛車輛的路徑規(guī)劃技術(shù)通常采用分層架構(gòu)，將整個(gè)行駛過程拆分成多個(gè)階段，每個(gè)階段都有專門的算法和處理模塊。這種設(shè)計(jì)既保證了全局目標(biāo)的優(yōu)化，又兼顧了實(shí)時(shí)動(dòng)態(tài)調(diào)控的需求。無人駕駛車輛大多采用分層系統(tǒng)架構(gòu)，這不僅包括路徑規(guī)劃，還涵蓋了[0003]公告號(hào)CN112068548B公開了一種5G環(huán)境下面向特殊場(chǎng)景的無人駕駛車輛路徑規(guī)劃方法，依賴于基于5G通信的無人駕駛車輛路徑規(guī)劃系統(tǒng)，路徑規(guī)劃系統(tǒng)包括無人駕駛車通過歷史信息和實(shí)時(shí)感知的有機(jī)結(jié)合，有效減少云平臺(tái)在常規(guī)運(yùn)行中占用的計(jì)算資源，保精度的協(xié)同感知，共同完成路徑規(guī)劃和調(diào)整的決策，從而提高車輛運(yùn)行效率。[0004]駕駛路徑的規(guī)劃包括全局路徑規(guī)劃和局部路徑規(guī)劃，全局路徑從起點(diǎn)到終點(diǎn)生成一個(gè)整體最優(yōu)或近似最優(yōu)的路線。全局規(guī)劃依賴于事先構(gòu)建的高精度數(shù)字地圖、路網(wǎng)模型以及歷史交通數(shù)據(jù)；而局部路徑規(guī)劃則在全局規(guī)劃的基礎(chǔ)上，根據(jù)實(shí)時(shí)傳感器數(shù)據(jù)(如激光雷達(dá)、攝像頭、毫米波雷達(dá)等)生成覆蓋短時(shí)段內(nèi)的具體軌跡。局部規(guī)劃需要快速響應(yīng)路況的變化，確保安全避障和行駛平滑。復(fù)雜路況往往伴隨著大量動(dòng)態(tài)障礙物，例如行人、非機(jī)動(dòng)車、以及密集行駛的其他車輛。局部路徑規(guī)劃需要在極短時(shí)間內(nèi)從傳感器實(shí)時(shí)采集數(shù)據(jù)，并對(duì)這些動(dòng)態(tài)目標(biāo)做出快速判斷和響應(yīng)，在多車、多行人共同參與的交通環(huán)境中，每個(gè)交通參與者的行為都帶有較大不確定性。局部規(guī)劃不僅要考慮當(dāng)前的環(huán)境狀態(tài)，還要對(duì)未來幾秒鐘內(nèi)可能發(fā)生的交互進(jìn)行預(yù)測(cè)。發(fā)明內(nèi)容[0005]本發(fā)明的目的之一在于提供一種基于新能源汽車無人駕駛的路徑規(guī)劃系統(tǒng)，利用多個(gè)中轉(zhuǎn)站數(shù)據(jù)與實(shí)時(shí)感知數(shù)據(jù)進(jìn)行融合，降低數(shù)據(jù)處理量。[0006]為實(shí)現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案予以實(shí)現(xiàn)：一種基于新能源汽車無人環(huán)境構(gòu)建單元，整合傳感器模塊對(duì)于車輛軸線環(huán)境的實(shí)時(shí)感知數(shù)據(jù)，構(gòu)建動(dòng)態(tài)三障礙物檢測(cè)模塊，實(shí)時(shí)檢測(cè)出行人、車輛以及道路障礙物，并對(duì)位置、速度信息進(jìn)行持續(xù)更新；5自適應(yīng)數(shù)據(jù)采集模型，基于動(dòng)態(tài)三維路況模型中路況復(fù)雜程度來調(diào)整數(shù)據(jù)采集方多源傳感器采集，在車流量低時(shí)，依靠傳感器模塊對(duì)周圍環(huán)境進(jìn)行感知，構(gòu)建局部中轉(zhuǎn)站數(shù)據(jù)采集，在車輛高密度場(chǎng)景下，基于信息終端建立數(shù)據(jù)中轉(zhuǎn)站，通過信息終端實(shí)現(xiàn)路況數(shù)據(jù)共享，采集路況共享數(shù)據(jù)并通過實(shí)時(shí)感知數(shù)據(jù)對(duì)路況共享數(shù)據(jù)進(jìn)行驗(yàn)證，之后進(jìn)行數(shù)據(jù)融合生成路況融合數(shù)據(jù)，基于路況融合數(shù)據(jù)構(gòu)建局部地圖；局部路徑生成單元，根據(jù)當(dāng)前局部地圖生成多個(gè)符合車輛運(yùn)動(dòng)限制時(shí)的候選軌[0007]在本發(fā)明一或多個(gè)實(shí)施方式中，車輛與中轉(zhuǎn)站之間通過低延遲通信協(xié)議實(shí)現(xiàn)，使用短距離通信協(xié)議在車輛與數(shù)據(jù)中轉(zhuǎn)站之間在短時(shí)間內(nèi)傳遞，并基于車輛建立位置坐標(biāo)，數(shù)據(jù)中轉(zhuǎn)站坐標(biāo)映射在坐標(biāo)內(nèi)，識(shí)別車輛位置，基于車輛當(dāng)前位置以及數(shù)據(jù)中轉(zhuǎn)站位置對(duì)路況共享數(shù)據(jù)進(jìn)行拆分，剔除基于車輛與中轉(zhuǎn)站坐標(biāo)位置關(guān)系上的無用數(shù)據(jù)。[0008]在本發(fā)明一或多個(gè)實(shí)施方式中，建立位置坐標(biāo)并根據(jù)位置坐標(biāo)來剔除基于車輛和中轉(zhuǎn)站坐標(biāo)關(guān)系上的無用數(shù)據(jù)：基于當(dāng)前車輛建立位置坐標(biāo)，通過GPS獲取當(dāng)前車輛以及中轉(zhuǎn)站實(shí)時(shí)位置，以當(dāng)前車輛坐標(biāo)為坐標(biāo)原點(diǎn)，將中轉(zhuǎn)站坐標(biāo)映射在位置坐標(biāo)內(nèi)；中轉(zhuǎn)站對(duì)路況共享數(shù)據(jù)附加采集位置數(shù)據(jù)，當(dāng)前車輛接收中轉(zhuǎn)站的路況共享數(shù)據(jù)利用車輛當(dāng)前位置與中轉(zhuǎn)站坐標(biāo)之間的位置關(guān)系，設(shè)置距離和區(qū)域閾值，保留與當(dāng)前車流量行駛路線和行駛區(qū)域相關(guān)的路況共享數(shù)據(jù)，過濾基于位置關(guān)系上的噪聲數(shù)據(jù)，降低傳輸負(fù)載和計(jì)算復(fù)雜度。[0009]在本發(fā)明一或多個(gè)實(shí)施方式中，構(gòu)建動(dòng)態(tài)三維路況模型步驟如下：利用激光雷達(dá)獲取連續(xù)點(diǎn)云，經(jīng)過濾波、分割和配準(zhǔn)，實(shí)時(shí)生成車輛周邊三維路況結(jié)合車輛運(yùn)動(dòng)信息，利用同時(shí)定位與地圖構(gòu)建更新三維路況模型；對(duì)于不隨時(shí)間變化的目標(biāo)，通過點(diǎn)云分割和聚類算法加以標(biāo)注并識(shí)別；對(duì)于車輛、行人和臨時(shí)障礙物，通過目標(biāo)檢測(cè)與跟蹤技術(shù)判斷運(yùn)動(dòng)狀態(tài)，并實(shí)時(shí)更新位置和速度信息；利用攝像頭圖像基于深度學(xué)習(xí)的圖像分割技術(shù)檢測(cè)車道線，結(jié)合點(diǎn)云數(shù)據(jù)對(duì)車道邊界進(jìn)行三維補(bǔ)全和糾正。[0010]在本發(fā)明一或多個(gè)實(shí)施方式中，基于中轉(zhuǎn)站的路況共享數(shù)據(jù)來確定車道線位置，實(shí)現(xiàn)車道位置的動(dòng)態(tài)判斷和校正：當(dāng)前車輛依靠自身傳感器模塊檢測(cè)與道路邊界或護(hù)欄之間的距離作為初始參考信息，確定車輛與周邊固定障礙物的相對(duì)位置；獲取附近中轉(zhuǎn)站的位置坐標(biāo)，當(dāng)前車輛運(yùn)動(dòng)至中轉(zhuǎn)站區(qū)域時(shí)，觸發(fā)一次新的輪詢，記錄此時(shí)當(dāng)前車輛與道路邊界或護(hù)欄之間的距離關(guān)系；當(dāng)前車輛在中轉(zhuǎn)站位置時(shí)的檢測(cè)數(shù)據(jù)與初始感知數(shù)據(jù)進(jìn)行對(duì)比；結(jié)合兩次測(cè)量以及中轉(zhuǎn)站共享的信息，在坐標(biāo)中確定當(dāng)前車輛與規(guī)劃車道的相對(duì)3/8頁3/8頁6位置，通過對(duì)比實(shí)際車輛與道路邊界的間距與預(yù)設(shè)的車道寬度模型，確定車輛所處車道。[0011]在本發(fā)明一或多個(gè)實(shí)施方式中，基于實(shí)時(shí)感知數(shù)據(jù)進(jìn)行路況共享數(shù)據(jù)驗(yàn)證步驟如將路況共享數(shù)據(jù)和實(shí)時(shí)感知數(shù)據(jù)同步到同一時(shí)間窗口，保證數(shù)據(jù)來源時(shí)效一致，將時(shí)間同步的路況共享數(shù)據(jù)和實(shí)時(shí)感知數(shù)據(jù)映射在基于當(dāng)前車輛的位置坐標(biāo)內(nèi)；提取路況共享數(shù)據(jù)中的關(guān)鍵幾何特征，基于幾何特征確定實(shí)時(shí)感知數(shù)據(jù)中對(duì)應(yīng)特征，通過匹配檢測(cè)幾何特征和對(duì)應(yīng)特征的一致性；設(shè)置特征誤差閾值，幾何特征和對(duì)應(yīng)特征在誤差允許范圍內(nèi)，則認(rèn)為路況共享數(shù)據(jù)有效，若超出閾值，則基于實(shí)時(shí)感知數(shù)據(jù)對(duì)路況共享數(shù)據(jù)進(jìn)行修正。[0012]在本發(fā)明一或多個(gè)實(shí)施方式中，基于實(shí)際感知數(shù)據(jù)利用粒子濾波對(duì)路況共享數(shù)據(jù)進(jìn)行加權(quán)校正，計(jì)算出同一幾何特征的特征變量，通過計(jì)算得到的特征變量，評(píng)估路況共享數(shù)據(jù)與實(shí)時(shí)感知數(shù)據(jù)之間的差異。[0013]在本發(fā)明一或多個(gè)實(shí)施方式中，將修正后的路況共享數(shù)據(jù)與實(shí)時(shí)感知數(shù)據(jù)通過數(shù)據(jù)融合算法進(jìn)行整合：利用各自的置信度在融合過程中進(jìn)行動(dòng)態(tài)加權(quán)，調(diào)整融合比例，若誤差超出容差[0014]在本發(fā)明一或多個(gè)實(shí)施方式中，中轉(zhuǎn)站獲取控制系統(tǒng)對(duì)于車輛的控制數(shù)據(jù)，當(dāng)前車輛獲取中轉(zhuǎn)站車輛控制數(shù)據(jù)，確定時(shí)間窗口內(nèi)中轉(zhuǎn)站的運(yùn)動(dòng)狀態(tài)：設(shè)定一個(gè)固定的時(shí)間窗口，當(dāng)前車輛對(duì)所有接收到的中轉(zhuǎn)站控制數(shù)據(jù)進(jìn)行統(tǒng)計(jì)與對(duì)于連續(xù)時(shí)刻t1,t2,t3,......,tn,計(jì)算中轉(zhuǎn)站的位置變化；根據(jù)整個(gè)時(shí)間窗口內(nèi)的估算結(jié)果，確定中轉(zhuǎn)站時(shí)間窗口內(nèi)的速度和方向，得出障礙路徑。[0015]在本發(fā)明一或多個(gè)實(shí)施方式中，將障礙路徑與局部路徑規(guī)劃結(jié)合，生成多個(gè)符合車輛運(yùn)動(dòng)限制時(shí)的候選軌跡，建立短時(shí)預(yù)測(cè)模型，將障礙路徑、障礙物未來路徑作為約束條件，通過在線優(yōu)化生成最優(yōu)控制軌跡。1、基于車聯(lián)網(wǎng)通信與多傳感器數(shù)據(jù)融合的協(xié)同感知策略，提高在高車流量且路況復(fù)雜時(shí)車輛對(duì)周邊環(huán)境的認(rèn)知和決策能力，從多個(gè)角度補(bǔ)全環(huán)境認(rèn)知的不足，同時(shí)，將制動(dòng)系統(tǒng)與路徑規(guī)劃系統(tǒng)緊密耦合，通過實(shí)時(shí)傳輸制動(dòng)操作狀態(tài)，提高了車輛問題處理的即時(shí)響應(yīng)與準(zhǔn)確預(yù)測(cè)。強(qiáng)了環(huán)境感知的完整性與精度。[0018]3、利用了車聯(lián)網(wǎng)中低延遲、短距離通信協(xié)議的優(yōu)勢(shì)，確保車輛與數(shù)據(jù)中轉(zhuǎn)站之間能夠在極短時(shí)間內(nèi)完成數(shù)據(jù)傳遞，然后借助統(tǒng)一坐標(biāo)系統(tǒng)對(duì)車輛與中轉(zhuǎn)站的地理位置進(jìn)行精確匹配，從而有效甄別和過濾無關(guān)數(shù)據(jù)，在車流量高、路況復(fù)雜時(shí)顯得尤為有效，既能擴(kuò)大單車的感知邊界，又能在保證數(shù)據(jù)即時(shí)性的基礎(chǔ)上降低冗余信息的干擾。[0019]4、整合多種傳感器模塊，利用實(shí)時(shí)數(shù)據(jù)采集，構(gòu)建涵蓋全方位信息的動(dòng)態(tài)三維路況模型，該模型不僅標(biāo)注了道路中的靜態(tài)障礙物、車道線和交通標(biāo)識(shí)，還能追蹤動(dòng)態(tài)目標(biāo)，7為車輛提供了精準(zhǔn)、實(shí)時(shí)的環(huán)境認(rèn)知。[0020]本發(fā)明的其他特征和優(yōu)點(diǎn)將在隨后的說明書中闡述，并且，部分的從說明書中變得顯而易見，或者通過實(shí)施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點(diǎn)可通過在所寫的說明書以及附圖中所特別指出的結(jié)構(gòu)來實(shí)現(xiàn)和獲得。附圖說明[0021]圖1為本發(fā)明的路徑規(guī)劃系統(tǒng)示意圖。具體實(shí)施方式[0022]以下將以附圖揭露本發(fā)明的多個(gè)實(shí)施方式，為明確說明起見，許多實(shí)務(wù)上的細(xì)節(jié)將在以下敘述中一并說明。然而，應(yīng)了解到，這些實(shí)務(wù)上的細(xì)節(jié)不應(yīng)用以限制本發(fā)明。也就是說，在本發(fā)明部分實(shí)施方式中，這些實(shí)務(wù)上的細(xì)節(jié)是非必要的。且若實(shí)施上為可能，不同實(shí)施例的特征是可以交互應(yīng)用。[0023]除非另有定義，本文所使用的所有詞匯(包括技術(shù)和科學(xué)術(shù)語)具有其通常的意涵，其意涵能夠被熟悉此領(lǐng)域者所理解。更進(jìn)一步的說，上述的詞匯在普遍常用的字典中的定義，在本說明書的內(nèi)容中應(yīng)被解讀為與本發(fā)明相關(guān)領(lǐng)域一致的意涵。除非有特別明確定義，這些詞匯將不被解釋為理想化的或過于正式的意涵。[0024]參閱圖1所示，本發(fā)明提供一種基于新能源汽車無人駕駛的路徑規(guī)劃系統(tǒng)，能夠根據(jù)路況的不同來調(diào)整對(duì)于路徑規(guī)劃數(shù)據(jù)的采集方式，在降低算法響應(yīng)頻率的同時(shí)不降低對(duì)于路徑規(guī)劃的響應(yīng)精度，尤其適用于車流量較大，且車輛變化復(fù)雜的路況。環(huán)境構(gòu)建單元，整合傳感器模塊對(duì)于車輛軸線環(huán)境的實(shí)時(shí)感知數(shù)據(jù)，構(gòu)建動(dòng)態(tài)三障礙物檢測(cè)模塊，實(shí)時(shí)檢測(cè)出行人、車輛以及道路障礙物，并對(duì)位置、速度信息進(jìn)行持續(xù)更新；自適應(yīng)數(shù)據(jù)采集模型，基于動(dòng)態(tài)三維路況模型中路況復(fù)雜程度來調(diào)整數(shù)據(jù)采集方多源傳感器采集，在車流量低時(shí)，依靠傳感器模塊對(duì)周圍環(huán)境進(jìn)行感知，構(gòu)建局部中轉(zhuǎn)站數(shù)據(jù)采集，在車輛高密度場(chǎng)景下，基于信息終端建立數(shù)據(jù)中轉(zhuǎn)站，通過信息終端實(shí)現(xiàn)路況數(shù)據(jù)共享，采集路況共享數(shù)據(jù)并通過實(shí)時(shí)感知數(shù)據(jù)對(duì)路況共享數(shù)據(jù)進(jìn)行驗(yàn)證，之后進(jìn)行數(shù)據(jù)融合生成路況融合數(shù)據(jù)，基于路況融合數(shù)據(jù)構(gòu)建局部地圖；局部路徑生成單元，根據(jù)當(dāng)前局部地圖生成多個(gè)符合車輛運(yùn)動(dòng)限制時(shí)的候選軌[0026]一種可實(shí)施的方式中，通過多個(gè)數(shù)據(jù)采集方式，能夠在不同的環(huán)境中采用不同的數(shù)據(jù)采集方式，來適應(yīng)復(fù)雜多變的路況。在普通或車流量較低的情況下，車輛主要依靠自身傳感器進(jìn)行數(shù)據(jù)采集，而在車流量增大、路況復(fù)雜時(shí)，車輛傳感器受到視野遮擋、環(huán)境干擾[0027]其中，數(shù)據(jù)中轉(zhuǎn)站的建立，能夠有效彌補(bǔ)單車感知盲區(qū)，通過多個(gè)信息終端的數(shù)據(jù)8共享與融合，形成更全面的路況信息，相較于單車進(jìn)行實(shí)時(shí)感知數(shù)據(jù)而言，數(shù)據(jù)中轉(zhuǎn)站能顯著提升數(shù)據(jù)覆蓋范圍和準(zhǔn)確性，需要通過實(shí)時(shí)感知數(shù)據(jù)來驗(yàn)證路況共享數(shù)據(jù)的真實(shí)性和時(shí)效性，確保路徑規(guī)劃的可靠性和安全性。[0028]在本申請(qǐng)中，每個(gè)車輛視為一個(gè)中轉(zhuǎn)站，通過車輛間的信息交互，構(gòu)建動(dòng)態(tài)數(shù)據(jù)網(wǎng)絡(luò)，實(shí)現(xiàn)多車協(xié)同感知，進(jìn)一步提升路況數(shù)據(jù)的全面性與實(shí)時(shí)性，確保在復(fù)雜環(huán)境中路徑規(guī)劃的精準(zhǔn)與高效。[0029]在另外的實(shí)施方式中，中轉(zhuǎn)站還可以設(shè)置為手機(jī)終端設(shè)備，該場(chǎng)景適用于行人密集的城區(qū)，手機(jī)終端作為移動(dòng)中轉(zhuǎn)站，用于確定行人的運(yùn)動(dòng)狀態(tài)以及位置，并通過無線網(wǎng)絡(luò)實(shí)時(shí)傳輸至車輛系統(tǒng)，輔助車輛精準(zhǔn)識(shí)別行人動(dòng)態(tài)，優(yōu)化避障策略，提升行駛安全性與通行[0030]在一種實(shí)施例中，車輛與中轉(zhuǎn)站之間通過低延遲通信協(xié)議實(shí)現(xiàn)，使用短距離通信協(xié)議在車輛與數(shù)據(jù)中轉(zhuǎn)站之間在短時(shí)間內(nèi)傳遞，并基于車輛建立位置坐標(biāo)，數(shù)據(jù)中轉(zhuǎn)站坐標(biāo)映射在坐標(biāo)內(nèi)，識(shí)別車輛位置，基于車輛當(dāng)前位置以及數(shù)據(jù)中轉(zhuǎn)站位置對(duì)路況共享數(shù)據(jù)進(jìn)行拆分，剔除基于車輛與中轉(zhuǎn)站坐標(biāo)位置關(guān)系上的無用數(shù)據(jù)。[0031]一種可實(shí)施的方式中，在當(dāng)前車輛位置建立位置坐標(biāo)，在車道的不同位置形式時(shí)，所受到不同方向車輛的影響不同，因此，將數(shù)據(jù)中轉(zhuǎn)站的數(shù)據(jù)進(jìn)行拆分，確定當(dāng)前車輛位置與不同數(shù)據(jù)關(guān)聯(lián)性的大小，剔除無用數(shù)據(jù)，減少對(duì)于數(shù)據(jù)處理的體量，從而提高數(shù)據(jù)處理效率，確保路徑規(guī)劃的實(shí)時(shí)性和準(zhǔn)確性。[0032]而車輛在不同車道行駛時(shí)，運(yùn)動(dòng)至不同的方向，受到的影響也不同，示例性的，車輛在道路中部行駛時(shí)，對(duì)于數(shù)據(jù)中轉(zhuǎn)站則剔除路邊中轉(zhuǎn)站所共享的行人數(shù)據(jù)，在數(shù)據(jù)體量上能夠大大減少處理負(fù)擔(dān)，提高響應(yīng)速度。[0033]在一種實(shí)施例中，建立位置坐標(biāo)并根據(jù)位置坐標(biāo)來剔除基于車輛和中轉(zhuǎn)站坐標(biāo)關(guān)系上的無用數(shù)據(jù)：基于當(dāng)前車輛建立位置坐標(biāo)，通過GPS獲取當(dāng)前車輛以及中轉(zhuǎn)站實(shí)時(shí)位置，以當(dāng)前車輛坐標(biāo)為坐標(biāo)原點(diǎn)，將中轉(zhuǎn)站坐標(biāo)映射在位置坐標(biāo)內(nèi)；中轉(zhuǎn)站對(duì)路況共享數(shù)據(jù)附加采集位置數(shù)據(jù)，當(dāng)前車輛接收中轉(zhuǎn)站的路況共享數(shù)據(jù)利用車輛當(dāng)前位置與中轉(zhuǎn)站坐標(biāo)之間的位置關(guān)系，設(shè)置距離和區(qū)域閾值，保留與當(dāng)前車流量行駛路線和行駛區(qū)域相關(guān)的路況共享數(shù)據(jù)，過濾基于位置關(guān)系上的噪聲數(shù)據(jù)，降低傳輸負(fù)載和計(jì)算復(fù)雜度。[0034]一種可實(shí)施的方式中，中轉(zhuǎn)站自身在采集路況數(shù)據(jù)或接收數(shù)據(jù)時(shí)，根據(jù)中轉(zhuǎn)站位置來將路況數(shù)據(jù)進(jìn)行拆分，并對(duì)路況數(shù)據(jù)進(jìn)行方向標(biāo)記，并進(jìn)行區(qū)域劃分。示例性的，中轉(zhuǎn)站以自身為中心，半徑百米區(qū)域內(nèi)的數(shù)據(jù)為當(dāng)前區(qū)域信息，超出這一范圍的數(shù)據(jù)則認(rèn)為與當(dāng)前車輛行駛狀態(tài)關(guān)聯(lián)性較低。[0035]在另外的實(shí)施例中，以中轉(zhuǎn)站自身的前后左右方位上的數(shù)據(jù)來確定與車輛之間的關(guān)聯(lián)性。[0036]當(dāng)車輛A(當(dāng)前車輛)收到來自中轉(zhuǎn)站的數(shù)據(jù)時(shí)，對(duì)比自身位置與中轉(zhuǎn)站B的位置關(guān)其采集位置偏離車輛A前方行駛走廊超過30米，且位于左轉(zhuǎn)車道，而車輛A為右轉(zhuǎn)車道，視為9無關(guān)信息而被剔除，最終進(jìn)行數(shù)據(jù)融合時(shí)，只使用最相關(guān)、最有價(jià)值的信息來更新環(huán)境模利用激光雷達(dá)獲取連續(xù)點(diǎn)云，經(jīng)過濾波、分割和配準(zhǔn)，實(shí)時(shí)生成車輛周邊三維路況結(jié)合車輛運(yùn)動(dòng)信息，利用同時(shí)定位與地圖構(gòu)建更新三維路況模型；對(duì)于不隨時(shí)間變化的目標(biāo)，通過點(diǎn)云分割和聚類算法加以標(biāo)注并識(shí)別；對(duì)于車輛、行人和臨時(shí)障礙物，通過目標(biāo)檢測(cè)與跟蹤技術(shù)判斷運(yùn)動(dòng)狀態(tài)，并實(shí)時(shí)更新位置和速度信息；利用攝像頭圖像基于深度學(xué)習(xí)的圖像分割技術(shù)檢測(cè)車道線，結(jié)合點(diǎn)云數(shù)據(jù)對(duì)車道邊界進(jìn)行三維補(bǔ)全和糾正。[0038]一種可實(shí)施的方式中，車輛線和交通標(biāo)識(shí)的還能夠采用目標(biāo)檢測(cè)算法，識(shí)別交通標(biāo)識(shí)和交通等，通過幾何位置映射，標(biāo)注在三維路況模型中的準(zhǔn)確位置。[0039]構(gòu)建好的三維路況模型為局部路徑規(guī)劃提供精細(xì)的環(huán)境輸入，幫助車輛更準(zhǔn)確預(yù)測(cè)前方路況并制定行駛策略，數(shù)據(jù)融合后的環(huán)境模型不僅有助于標(biāo)定當(dāng)前的路況，還為緊急情況下決策(如避障、制動(dòng))提供實(shí)時(shí)參考。[0040]在一種實(shí)施例中，基于中轉(zhuǎn)站的路況共享數(shù)據(jù)來確定車道線位置，實(shí)現(xiàn)車道位置的動(dòng)態(tài)判斷和校正：當(dāng)前車輛依靠自身傳感器模塊檢測(cè)與道路邊界或護(hù)欄之間的距離作為初始參考信息，確定車輛與周邊固定障礙物的相對(duì)位置；獲取附近中轉(zhuǎn)站的位置坐標(biāo)，當(dāng)前車輛運(yùn)動(dòng)至中轉(zhuǎn)站區(qū)域時(shí)，觸發(fā)一次新的輪詢，記錄此時(shí)當(dāng)前車輛與道路邊界或護(hù)欄之間的距離關(guān)系；當(dāng)前車輛在中轉(zhuǎn)站位置時(shí)的檢測(cè)數(shù)據(jù)與初始感知數(shù)據(jù)進(jìn)行對(duì)比；結(jié)合兩次測(cè)量以及中轉(zhuǎn)站共享的信息，在坐標(biāo)中確定當(dāng)前車輛與規(guī)劃車道的相對(duì)位置，通過對(duì)比實(shí)際車輛與道路邊界的間距與預(yù)設(shè)的車道寬度模型，確定車輛所處車道。[0041]一種可實(shí)施的方式中，充分利用中轉(zhuǎn)站共享的高精度環(huán)境數(shù)據(jù)來補(bǔ)充車輛自感知不足的情況：車輛A通過自身傳感器獲取與道路邊界或護(hù)欄的距離關(guān)系，為模糊車道線提供初步參考；利用低延遲通信獲取中轉(zhuǎn)站準(zhǔn)確的道路和車道信息，將傳感數(shù)據(jù)映射到統(tǒng)一坐標(biāo)系；在駛近中轉(zhuǎn)站區(qū)域時(shí)，再次測(cè)量并與中轉(zhuǎn)站數(shù)據(jù)比對(duì)，剔除噪聲，從而準(zhǔn)確判定車輛位置；最終確定車輛所在車道，為后續(xù)路徑規(guī)劃和車輛控制提供精確信息。[0042]通過中轉(zhuǎn)站補(bǔ)全車道線數(shù)據(jù)的方法不僅增強(qiáng)了在車道線模糊條件下的環(huán)境感知，還通過比對(duì)校正機(jī)制提升了行車決策的準(zhǔn)確性和安全性。在另外的實(shí)施例中，結(jié)合卡爾曼濾波數(shù)據(jù)融合算法進(jìn)一步提高數(shù)據(jù)校正效果，從而實(shí)現(xiàn)更精準(zhǔn)的自動(dòng)駕駛路徑規(guī)劃。[0043]在一種實(shí)施例中，基于實(shí)時(shí)感知數(shù)據(jù)進(jìn)行路況共享數(shù)據(jù)驗(yàn)證步驟如下：將路況共享數(shù)據(jù)和實(shí)時(shí)感知數(shù)據(jù)同步到同一時(shí)間窗口，保證數(shù)據(jù)來源時(shí)效一致，將時(shí)間同步的路況共享數(shù)據(jù)和實(shí)時(shí)感知數(shù)據(jù)映射在基于當(dāng)前車輛的位置坐標(biāo)內(nèi)；提取路況共享數(shù)據(jù)中的關(guān)鍵幾何特征，基于幾何特征確定實(shí)時(shí)感知數(shù)據(jù)中對(duì)應(yīng)特征，通過匹配檢測(cè)幾何特征和對(duì)應(yīng)特征的一致性；設(shè)置特征誤差閾值，幾何特征和對(duì)應(yīng)特征在誤差允許范圍內(nèi)，則認(rèn)為路況共享數(shù)[0046]在一種實(shí)施例中，基于實(shí)際感知數(shù)據(jù)利用粒子濾波對(duì)路況共享數(shù)據(jù)進(jìn)行加權(quán)校即共享數(shù)據(jù)中通過預(yù)處理得到的特征為x,實(shí)時(shí)感知數(shù)據(jù)中提取的特征為z(通常定義狀態(tài)向量x表示待校正的幾何特征(x=[a,b,c]),變量描述該幾何特征在空間視目標(biāo)為靜態(tài)或具有較低動(dòng)態(tài)性時(shí)，