针对拥堵路段的自动驾驶非自主导航方法

摘要

本发明公开了一种针对拥堵路段的自动驾驶非自主导航方法，针对易发生拥堵的路段，将自动驾驶车辆的决策任务进行统筹规划，使自动驾驶车辆跳过自主导航过程，其只需接收统一定制的导航结果，然后按照导航结果行驶。具体地，利用道路的基础设施构建针对拥堵路段的感知网络，并通过两套参数定期构建大环境高精度地图以及实时更新小范围路面地图，从而减小了服务器的数据处理压力，也避免了基建导致的地图变化。接着通过对比高精度地图中车辆与标志物的相对偏移实现车辆精确定位，再根据车型、位置、车速及前述生成的地图信息，定制出各个参与车辆的个性化导航信息，从而解决了自动驾驶汽车在拥堵路段决策不统一的问题，有效减轻了交通拥堵负担。

说明书

技术领域

本发明涉及自动驾驶导航技术领域，尤其涉及一种针对拥堵路段的自动驾驶非自主导航方法。

背景技术

随着新能源汽车的快速发展，自动驾驶功能逐渐成为新能源汽车的重要卖点。我国自动驾驶技术目前正处于快速发展阶段，促进自动驾驶汽车产业发展已上升至国家战略。

目前市面上，很多自动驾驶汽车都能够独立完成环境感知、地图构建和导航等功能，而且，随着传感器技术的高速发展，自动驾驶汽车的导航精度也会越来越高。但是，自动驾驶技术的普及道路仍然坎坷，主要原因有三：首先，现阶段自动驾驶技术尚未成熟，业内尚未有统一的自动驾驶参照标准；其次，由于供应商不同和成本问题，车企在车辆上会配置不同系列、精度和数量的传感器；最后，在比较繁忙的拥堵路段，不同品牌和版本的自动驾驶车辆也会各自执行不同的决策逻辑。由此，很容易加剧交通拥堵，增大交通事故发生率。

具体来说，在平时通行压力小的路段，自动驾驶汽车利用车辆搭载的设备进行自主导航，几乎能够应付所有场景。此时自动驾驶汽车拥有的活动空间大、决策压力小，在行驶时调整幅度和频率低，能够给乘客提供快速、便捷和顺畅的行车体验。

但是在经常拥堵的路段，相互关联较小的自动驾驶汽车会对距离的把控程度不一，容易导致启停不断，降低了通行效率和乘客舒适度。此外，现有的一些基于车路协同进行导航的方法，对于目标检测设备和目标设备的依赖程度过高，容易导致获取的信息不全。该目标检测设备只能得到诸如手机、笔记本电脑、车辆等装有通信终端的移动设备的信息，但是对于没有携带或者搭载终端的人、动物、静态设施等则没有定位和识别功能，因此这部分未识别信息无法在构建的地图中更新，而且预先构建的地图也有时效性限制，每当周围环境基础设施发生变化就得更新地图，也即是说，这种方法仍是将决策权交给每辆自动驾驶汽车，不适用于拥堵路段。

发明内容

鉴于上述，本发明旨在提供一种针对拥堵路段的自动驾驶非自主导航方法，以解决不同的自动驾驶汽车在拥挤路段由于导航地图、车辆定位、驾驶系统、决策规则逻辑以及传感器种类和精度的不同而导致的交通混乱问题。

本发明采用的技术方案如下：

一种针对拥堵路段的自动驾驶非自主导航方法，其中包括：

获取拥堵路段的交通感知信息；所述交通感知信息由设置在相对固定的道路基础设施上的感应装置采集；

根据交通感知信息以及预设的不同的地图参数，定期构造环境高精度地图以及实时构造基于所述环境高精度地图的路面地图；

利用环境高精度地图获取车辆的位置信息；

将当前路段中各自动驾驶车辆的车型信息、目的地信息、当前车速信息及预先存储的方向盘转角信息，结合所述环境高精度地图、所述路面地图以及所述位置信息，定制出对应各车辆的导航信息；

将定制的导航信息分别发送至对应车辆的车载后端。

在其中至少一种可能的实现方式中，所述环境高精度地图包括整个路段场景，所述路段场景包含道路周边的静态标志物；所述路面地图包括自动驾驶车辆所行驶的路面区域。

在其中至少一种可能的实现方式中，所述环境高精度地图作为先验地图预先存储于服务器中；所述路面地图是将实时获取的交通感知信息投影至已存储的所述环境高精度地图后生成的。

在其中至少一种可能的实现方式中，所述路面地图生成方式包括：

将实时接收的交通感知信息进行筛选，从中剔除涉及车道以外区域的环境场景数据；

将保留下来的车道内的所有信息投影至已预先构建并存储的环境高精度地图之中，得到实时的路面地图。

在其中至少一种可能的实现方式中，所述导航信息包括与车辆目的地相关的全局路径、局部路径，以及油门信息、制动信息、方向盘转角信息、预设的车速及变道规则。

在其中至少一种可能的实现方式中，依据环境高精度地图以及路面地图生成所述全局路径；根据路面地图更新得到所述局部路径；根据车型信息、当前车速信息、当前的位置信息计算得到所述油门信息及制动信息；预先标定并保存所述方向盘转角信息。

在其中至少一种可能的实现方式中，所述非自主导航方法还包括：

当车辆进入路面地图所覆盖区域时，车辆暂停自主导航，并通过车载后端发送车型信息、当前车速信息以及目的地信息，同时检测是否接收到定制的导航信息；

在接收到并确认定制的导航信息无误后，控制车辆按定制的导航信息行驶；

直至驶出路面地图所覆盖区域后，车辆恢复自主导航。

在其中至少一种可能的实现方式中，预先在拥堵路段的周边固定设施处安装作为感知层的激光雷达，并且预设区域内的所有激光雷达共享一个无线通信模块，所述无线通信模块用于将激光雷达感知的信息发送至用于定制导航信息的服务器层。

本发明的主要设计构思在于，针对易发生拥堵的路段，将自动驾驶车辆的决策任务进行统筹规划，使自动驾驶车辆跳过自主导航过程，其只需接收统一定制的导航结果，然后按照导航结果行驶。具体地，利用道路的基础设施构建针对拥堵路段的感知网络，并通过两套参数定期构建大环境高精度地图以及实时更新小范围路面地图，从而减小了服务器的数据处理压力，也避免了基建导致的地图变化。接着通过对比高精度地图中车辆与标志物的相对偏移实现车辆精确定位，再根据车型、位置、车速及前述生成的地图信息，定制出各个参与车辆的个性化导航信息，从而解决了自动驾驶汽车在拥堵路段决策不统一的问题，有效减轻了交通拥堵负担。

附图说明

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步描述，其中：

图1为本发明实施例提供的针对拥堵路段的自动驾驶非自主导航方法的流程图；

图2为本发明实施例提供的定制导航信息中多场景划分示意图。

具体实施方式

下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本发明提出了一种针对拥堵路段的自动驾驶非自主导航方法的实施例，具体来说，如图1所示，其中包括：

步骤S1、获取拥堵路段的交通感知信息；所述交通感知信息由设置在相对固定的道路基础设施上的感应装置采集；

在实际操作中，可以在拥堵路段周边的路灯、交通灯、人行天桥等处安装激光雷达(感知层)，并且一片区域内的激光雷达可以共享一个无线通信模块，无线通信模块能够将激光雷达感知的信息发送至本发明的控制主体(如服务器层)。服务器层主要是由中控系统、通信系统和服务器等组成，可以理解为自动驾驶的云端控制平台，其能够控制车辆启停、车辆导航以及红绿灯状态等。

步骤S2、根据交通感知信息以及预设的不同的地图参数，定期构造环境高精度地图以及实时构造基于所述环境高精度地图的路面地图；

这里需说明的是，如果某拥堵路段的覆盖面积较大，那么实时构建大环境地图对服务器层的压力就会越大。为了解决这个问题，本实施例提出的优选做法是可以预先设定A、B两套地图构建参数，分别用于构建大环境高精度地图以及小范围路面地图。具体地，采用A套参数构建的高精度地图和采用B套参数构建的路面地图的构建方式可以一致(计算设定点云范围阈值覆盖目标路段/路面)，二者的区别主要体现在地图内容范围，高精度地图囊括了整个路段场景，包括了路侧设施、建筑等标志物等；路面地图则主要是自动驾驶车辆可行驶的路面区域。在实际操作中，定期构造的环境高精度地图作为先验地图存储于服务器中，路面地图则是通过服务器实时地将经过处理的感知信息投影到高精度地图后生成的用于导航的地图。采用A、B两套参数构图方法的目的有三方面，一方面定期构建大环境地图能够避免道路周边基础设施迭代和车道修整带来的地图变化；再一方面能够以高精度地图中已经标定的场景物体，如大楼、路灯等标志物为基准，实现车辆的高精度定位，防止高大建筑物、桥梁、隧道等对GPS定位的影响；最后一方面是能够减小日常服务器压力，为服务器层进行导航规划节省出空间。

前文提及可以实时地将经过处理的感知信息投影到环境高精度地图来生成路面地图，这里提供如下实现方式供实施参考：服务器层实时接收来自感知层传感器测量的环境数据，再将数据进行筛选，剔除其中涉及车道以外区域的实时环境数据，最后将保留下来的车道内的信息(车、行人、宠物等)投影到已预先构建并存储的环境高精度地图之中，得到实时的路面地图。

步骤S3、利用环境高精度地图获取车辆的位置信息；

环境高精度地图中的标志物的GPS位置是可以通过人为预先测量和标定的，因此，可以通过对比各车辆与标志物的相对偏移便能够计算出车辆的准确位置。

步骤S4、将当前路段中各自动驾驶车辆的车型信息、目的地信息、当前车速信息及预先存储的方向盘转角信息，结合所述环境高精度地图、所述路面地图以及所述位置信息，定制各车辆的不同的导航信息；

服务器层针对不同车辆会可提供不同的导航信息，导航信息包括与其目的地相关的全局路径、局部路径，以及油门、制动、方向盘转角、车速及变道规则，其中全局路径是服务器层依靠环境高精度地图以及路面地图生成的，局部路径是服务器层根据实时的路面地图更新得到的，油门和制动信息是根据不同的车型、当前车速、当前位置计算得到的，每种车型的方向盘转角的标定信息则可以是预先标定并存入服务器内的；此外，关于车速规则，导航信息中要求各个车道内车辆正常行驶速度一致，即当前车道规定速度一致，且左车道车速大于右车道，要求车辆转向时车速小于规定速度；关于变道规则可参考图2示意，将拥堵路段中某区域的路面地图分为四个阶段，分别为虚线换道阶段、停止线外直线行驶阶段、停止线内直线行驶阶段和停止线内转弯行驶阶段，对应C、D、E、F四个区域(图示中箭头所指地图标记区域是指在前述路面地图中标记的边界，以表征车辆驶入针对该拥堵路段已生成的路面地图之中)。在虚线换道阶段，为了防止C区域拥堵导致车辆不能换道问题，首先期望车辆在到达C区域之前变更到了目标车道或者变更到目标车道的相邻车道(这里的目标车道与车辆的目的地相关)，然后同一车道情况前方车辆优先换道；不同车道情况下，同一水平位置上左车道车辆优先换道，不同水平位置上沿车道方向上前方车辆优先换道。在停止线外直线行驶阶段，车辆不能变道，此时车辆是跟随状态，如果前方M米范围内有车辆，根据与前车的距离S自动调整速度；如果M米范围内前方没有车辆(S>M)就按照规定速度匀速行驶，在即将到达停止线前，会判断车辆能否能过以及能否加速通过停止线，当判断可以时即沿规划轨迹行驶，否则停止线前停车。在停止线内直线行驶阶段，车辆在E区域行驶时，根据传感器信息判断前方有无闯红灯的行人或者车辆，有的话就停止让行。在停止线内转弯行驶阶段，车辆在遵守交规的基础上需要礼让行人和直线车道车辆。

还需说明的是，之所以定制个性化的导航信息，是由于不同车辆的车型也对导航产生影响。如果是轿车、SUV等小型四轮车时，由于其质量较轻、体积小、灵活度高，所以服务器层会考虑更大的油门、制动和转向范围，当车辆变道和赶绿灯时，若服务器层根据车辆与停止线距离、自身车速和可接受加速度等信息计算出轿车能够通过提速通过红绿灯停止线，则此时服务器层给轿车提供的导航信息中油门为正值、制动为零，汽车后端收到后控制汽车立即加速，在完成加速后，下一阶段减速到正常速度行驶。若该车辆是卡车、公交车等大型车辆时，由于其体积和转弯半径大，大型车辆在减速转向过程中所需要的空间(安全空间)和减速距离较大，因此服务器层定制的导航信息会相对保守，它的局部路径曲率小，行驶的速度不超过规定速度，且与前车保持较远距离。

步骤S5、将定制的导航信息分别发送至对应车辆的车载后端。

进一步地，所述方法还可以包括：当车辆进入路面地图所覆盖区域时，车辆暂停自主导航并通过车载后端发送车型信息、当前车速信息以及目的地信息，同时检测是否接收到定制的导航信息；在接收到并确认定制导航信息无误后，控制车辆按定制的导航信息行驶；直至驶出路面地图所覆盖区域后，恢复自主导航。

综上所述，本发明的主要设计构思在于，针对易发生拥堵的路段，将自动驾驶车辆的决策任务进行统筹规划，使自动驾驶车辆跳过自主导航过程，其只需接收统一定制的导航结果，然后按照导航结果行驶。具体地，利用道路的基础设施构建针对拥堵路段的感知网络，并通过两套参数定期构建大环境高精度地图以及实时更新小范围路面地图，从而减小了服务器的数据处理压力，也避免了基建导致的地图变化。接着通过对比高精度地图中车辆与标志物的相对偏移实现车辆精确定位，再根据车型、位置、车速及前述生成的地图信息，定制出各个参与车辆的个性化导航信息，从而解决了自动驾驶汽车在拥堵路段决策不统一的问题，有效减轻了交通拥堵负担。

本发明实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示单独存在A、同时存在A和B、单独存在B的情况。其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项”及其类似表达，是指的这些项中的任意组合，包括单项或复数项的任意组合。例如，a，b和c中的至少一项可以表示：a，b，c，a和b，a和c，b和c或a和b和c，其中a，b，c可以是单个，也可以是多个。

以上依据图式所示的实施例详细说明了本发明的构造、特征及作用效果，但以上仅为本发明的较佳实施例，需要言明的是，上述实施例及其优选方式所涉及的技术特征，本领域技术人员可以在不脱离、不改变本发明的设计思路以及技术效果的前提下，合理地组合搭配成多种等效方案；因此，本发明不以图面所示限定实施范围，凡是依照本发明的构想所作的改变，或修改为等同变化的等效实施例，仍未超出说明书与图示所涵盖的精神时，均应在本发明的保护范围内。