概述：

目前以Tesla為首的高速領航功能讓大家更加明确自動駕駛的前進方向和主機廠的迫切需求。而在高速領航功能中，又分為純視覺方案和高精地圖 視覺 雷達的方案。目前國内車企基本采用後者。本文主要講述基于高精地圖下的路徑規劃。

1. 根據道路級導航路線，實現車道級指引
2. 根據目标車道，尋找可供軌迹規劃的參考線

1. 基于高精地圖ADASIS V3 路網結構鍊表關系的求解
2. 基于高精地圖道路幾何形點的求解

基于高精地圖ADASIS V3 路網結構鍊表關系的求解是目前普遍流行的做法。但是此方案強依賴圖商生成的車道中心線。本人目前接觸到的高精地圖，均隻保證車道中心線處于左右兩側Lane Marking的中值，其實并非是符合車輛駕駛的參考路徑。

為此，本文提出一種基于高精地圖道路幾何形點的求解。

高精地圖的道路形點一般為WGS84坐标系，可以理解為球形坐标，無法更好地滿足車輛路徑規劃的使用，為此我們需要構建平面坐标系，UTM坐标系。

UTM坐标系原理圖

由于UTM坐标系為絕對坐标系，而車輛自動駕駛其實更關注車輛前進方向的道路信息，故我們可以在規劃的開始，基于此時車輛信息（Heading 經度 維度）作為原點，建立VCS坐标系。此時形點縱坐标數值大于0的數值，将大體為車輛接下來要行駛的道路。

需要注意的是：WGS84裡的絕對Heading值，也需要在UTM坐标系中進行矯正，如下所示。

基于VCS坐标系的車道線形點，根據車道線屬性可以得到如下的前方600m的道路模型。

栅格單元為：1m *1m

根據道路模型的Points，動态分段多項式原理拟合出所有曲線的曲線方程，求解出栅格地圖。

基于上述栅格地圖，我們就可以運用主流的搜索算法(Dijkstra A* ... )進行路徑尋優。

由于車輛屬于剛體，且車輛行駛在高速上是存在一定的規則，故我們需要對傳統的搜索算法進行改進，那麼就需要我們制定進一步的規則：

1. 車輪減少壓線
2. 車輛減少變道
3. 車輛無法後退
4. 路徑最短

那麼在搜索算法擴展節點時，如不符合上述的規則，我們将會處于一定的懲罰，即增加此擴展節點的cost值。

以此保證搜索算法求出基于此規則下的最優粗略解。

粗略路徑拟合

粗略路徑并不車輛運動學的平滑考慮，故很可能出現較大曲率的情況，那麼車輛是無法根據此路徑進行跟蹤的。

為此，我們需要做進一步的平滑處理。

1.宏觀曲線平滑：

由于粗略路徑是符合道路幾何形狀下的參考線。

往往人類在駕駛車輛時，并不會嚴格按照車輛中心線進行駕駛，那麼此時我們需要按照人類的思維進行進一步的路徑規劃。

舉個例子：

對于下匝道的場景，如果道路修建的幾何形狀是一個非常急的S彎，那麼粗略路徑也同樣會生成非常急的S彎，此時我們僅僅對道路形點進行多項式拟合或者類似EM Planning中的QP二次規劃，也需要非常多次的叠代求解，效果也并非理想。那麼此時需要進行平滑甚至重新規劃路線。

宏觀曲線平滑規則：

直線處滿足車輛處于車道中心

變道處滿足路線曲率極小值較大

滿足起點和終點接點處的G1連續

車輛安全距離 -- 車輪不能壓到Border及Guardrail，并盡可能遠離。

宏觀曲線平滑效果：

2.微觀曲線平滑：

圖商提供的原始點，在節點處有時會存在存在突兀點，我們也需要進行微觀平滑，保證車輛在控制時不存在抖動。

微觀曲線平滑效果：

路徑規劃參考線的好壞，将直接影響後續決策規劃效果，所以不考慮高精地圖道路模型的連接關系，直接通過圖搜索的路徑規劃求解，有更大的自由度和決策規劃進行配合，該方法也未嘗不是一個好辦法。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!