[發(fā)明專利]一種基于自動(dòng)駕駛平臺的地圖生成與導(dǎo)航避障的方法

在審

• 申請?zhí)枺?/td>: 202010300691.2
• 申請日: 2020-04-16
• 公開（公告）號: CN111578926A
• 公開（公告）日: 2020-08-25
• 發(fā)明（設(shè)計(jì)）人: 王建榮;王子璇;于瑞國;于健;徐天一;趙滿坤;朱思翰
• 申請（專利權(quán)）人: 天津大學(xué)
• 主分類號: G01C21/00
• 分類號: G01C21/00;G01C21/20
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 李林娟

本發(fā)明公開了一種基于自動(dòng)駕駛平臺上的地圖生成與導(dǎo)航避障方法，所述方法包含以下步驟：基于EKF的改進(jìn)Hector SLAM的地圖算法，獲得小車駕駛的空間地圖；利用獲得的空間地圖，運(yùn)用融合A*與DWA的導(dǎo)航避障算法獲得小車在這張空間地圖中駕駛過程中的路線規(guī)劃；通過實(shí)驗(yàn)評估和驗(yàn)證對地圖生成算法和導(dǎo)航避障算法的效果。本發(fā)明提出的導(dǎo)航避障方法可以融合現(xiàn)有的不同的導(dǎo)航避障的算法，具有有效性、完備性和可修正性。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能中自動(dòng)駕駛領(lǐng)域，尤其涉及一種基于自動(dòng)駕駛平臺的地圖生成與導(dǎo)航避障的方法。

背景技術(shù)

擴(kuò)展卡爾曼濾波(Extended Kalman Filter，EKF)是卡爾曼濾波的非線性版本。它主要是一種將系統(tǒng)的輸入輸出觀測數(shù)據(jù)利用線性狀態(tài)方程處理后，根據(jù)結(jié)果對系統(tǒng)狀態(tài)進(jìn)行最優(yōu)估計(jì)的算法。卡爾曼濾波是一種線性方程式，它最初是用來進(jìn)行雷達(dá)跟蹤實(shí)驗(yàn)，后續(xù)發(fā)展成為可以在導(dǎo)航，通訊等各領(lǐng)域使用的濾波算法。

地圖生成屬于同步定位與地圖構(gòu)建(Simultaneous Localization And Mapping，SLAM)的范疇。該問題可以描述為將機(jī)器人放入一個(gè)未知的環(huán)境，然后讓其一邊移動(dòng)進(jìn)行位置估計(jì)和自身定位，一邊繪制出環(huán)境的增量式地圖，走遍環(huán)境的每個(gè)角落后繪制出場景的完整地圖。地圖生成可用于定位和導(dǎo)航相關(guān)研究中。地圖生成算法分為基于激光濾波和基于視覺兩種。基于激光濾波的方法技術(shù)成熟，應(yīng)用廣泛。基于視覺的方法發(fā)展時(shí)間短，目前研究方法難以解決計(jì)算復(fù)雜度高、數(shù)據(jù)量大、實(shí)時(shí)性的問題，在研究領(lǐng)域內(nèi)少有應(yīng)用研究。

導(dǎo)航避障是自動(dòng)駕駛中非常重要的一個(gè)研究領(lǐng)域，它關(guān)系著設(shè)備運(yùn)行時(shí)的安全性和穩(wěn)定性。雖然深度神經(jīng)網(wǎng)絡(luò)有取代路徑規(guī)劃進(jìn)行導(dǎo)航避障的趨勢，但它仍然存在結(jié)果不可控以及需要高性能硬件支持其運(yùn)行等問題。所以目前研究領(lǐng)域中進(jìn)行導(dǎo)航避障的方法還是以路徑規(guī)劃結(jié)合局部避障算法為主。

導(dǎo)航避障中的路徑規(guī)劃又稱全局路徑規(guī)劃，是在已有地圖中，給定起點(diǎn)與終點(diǎn)，規(guī)劃出從起點(diǎn)到終點(diǎn)的近似最短路徑的過程。常用的算法有Dijkstra^[1]、A*^[2]、人工勢場法^[3](Artifical Potential Field，APF)。局部避障又可稱局部路徑規(guī)劃，其用來處理小車運(yùn)行過程中遇到障礙物時(shí)的躲避問題。動(dòng)態(tài)窗口(Dynamic Window Approach，DWA)模糊邏輯、神經(jīng)網(wǎng)絡(luò)以及自然啟發(fā)算法都可用于解決局部避障問題。

路徑規(guī)劃中的APF算法在實(shí)驗(yàn)過程中出現(xiàn)無法完全收斂到目標(biāo)點(diǎn)的情況。局部避障中的模糊邏輯和神經(jīng)模糊算法的輸出將小車位姿劃分成若干段，每段中所有位姿對應(yīng)的當(dāng)前速度都是同一個(gè)值，這導(dǎo)致小車行駛過程中速度不是連續(xù)的。而神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)通常需要GPU，使用CPU運(yùn)行神經(jīng)網(wǎng)絡(luò)效率會非常低。

參考文獻(xiàn)

[1]Kruskal Jr.,J.B.:On the Shortest Spanning Subtree of a Graph andthe Travelling Salesman Problem.Proc.Amer.Math.Soc.7,48–50(1956).

[2]熊壬浩,劉羽.A*算法的改進(jìn)及并行化[J].計(jì)算機(jī)應(yīng)用,2015,35(07):1843-1848.

[3]Khatib O.Realtime Abstract Avoidance for Manipulators,and MobileRobots in Proe[J].IEEE Int Conf.On.Robotics and Automation March 25-381985.500-505,also in Int JRobot Res,1986,5(1):90-98.