路径规划方法、装置及电子设备

技术领域

本申请涉及导航技术领域，尤其涉及一种路径规划方法、装置及电子设备。

背景技术

在车辆的驾驶过程中，尤其是自动驾驶时，路径规划可以提供恰当的导航路径以供车辆行驶。路径规划可以分为道路级规划与车道级规划，道路级规划是以道路作为最小的路径引导单元，车道级规划是以车道作为最小的路径引导单元。

然而，目前自动驾驶的路径规划算法一般提供道路级路径规划，无法为车辆提供更精准的车道级导航，导致车辆在行驶的过程中，需要根据当前道路进行即时性地车道识别，从而无法为自动驾驶的车辆提供精准导航。

发明内容

为解决或部分解决相关技术中存在的问题，本申请提供一种路径规划方法、装置及电子设备，能够为车辆提供车道级的导航规划路径，便于车辆自动驾驶。

本申请第一方面提供一种路径规划方法，其包括：

根据起点位置和终点位置，获得道路规划路径；其中，所述道路规划路径包括多条目标道路；

分别获取各所述目标道路对应的关联车道；

根据各所述关联车道，获得从所述起点位置至所述终点位置的车道规划路径。

一些实施方式中，所述根据起点位置和终点位置，获得道路规划路径，包括：

获取起点位置和终点位置之间的地图道路数据；

根据各地图道路数据的道路节点，通过预设算法获得从所述起点位置到达所述终点位置的道路规划路径。

一些实施方式中，在所述根据各地图道路数据的道路节点，通过预设算法获得从所述起点位置到达所述终点位置的道路规划路径之前，还包括：

根据路径偏好类型，确定预设算法对应的代价模型。

一些实施方式中，所述分别获取各所述目标道路对应的关联车道，包括：

根据多条所述目标道路，生成对应的道路列表；

根据所述道路列表，生成对应的车道列表，所述车道列表包括各目标道路的关联车道。

一些实施方式中，所述根据各所述关联车道，获得从所述起点位置至所述终点位置的车道规划路径，包括：

根据所述车道列表确定车道节点，通过预设算法，获得从所述起点位置至所述终点位置的车道规划路径。

一些实施方式中，所述方法还包括：

发送所述车道规划路径至车载智能设备或移动终端以供显示。

本申请第二方面提供一种路径规划装置，其包括：

第一处理模块，用于根据起点位置和终点位置，获得道路规划路径；其中，所述道路规划路径包括多条目标道路；

关联模块，用于分别获取各所述目标道路对应的关联车道；

第二处理模块，用于根据各所述关联车道，获得从所述起点位置至所述终点位置的车道规划路径。

一些实施方式中，所述第一处理模块，用于根据获取起点位置和终点位置之间的地图道路数据；根据各地图道路数据的道路节点，通过预设算法获得从所述起点位置到达所述终点位置的道路规划路径；和/或

所述关联模块，用于根据多条所述目标道路，生成对应的道路列表；根据所述道路列表，生成对应的车道列表，所述车道列表包括各目标道路的关联车道；和/或

所述第二处理模块，用于根据所述车道列表确定车道节点，通过A星算法，获得从所述起点位置至所述终点位置的车道规划路径。

本申请第三方面提供一种电子设备，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。

本申请第四方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。

本申请提供的技术方案可以包括以下有益效果：

本申请的技术方案，可以通过相同的A*算法先后执行两次算路，在第一算路时，可以根据路线偏好，根据少量的道路节点快速获得道路规划路径，提高数据处理效率；在第二次算路时，根据单唯一的道路规划路径，再次通过A*算法在各有限的关联车道的车道节点中获得车道规划路径。这样的设计，使整体的系统处理负荷从数据加载、数据处理至数据发送的各个环节压缩至最小化，同时可以获得满足路线偏好需求的车道规划路径，并发送至车载智能设备或移动终端，使得用户端可以快速精准响应和显示对应的车道信息，同时，可以使得自动驾驶的车辆可以车道规划路径灵活变道，提高行驶效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

通过结合附图对本申请示例性实施方式进行更详细地描述，本申请的上述以及其他目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。

图1是本申请示出的路径规划方法的流程示意图；

图2是本申请一具体实例示出的路径规划方法的流程示意图；

图3是本申请一具体实例示出的A*算法的原理流程示意图；

图4是传统车道规划路径与本申请车道规划路径的显示效果对比图；

图5是本申请示出的路径规划装置的结构示意图；

图6是本申请一具体实例示出的路径规划装置的结构示意图；

图7是本申请示出的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语“第一”、“第三”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第三信息，类似地，第三信息也可以被称为第一信息。由此，限定有“第一”、“第三”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

相关技术中，自动驾驶的车辆获得的导航路径一般是道路级规划路径，无法为车辆提供更精准的车道级导航路径规划。

针对上述问题，本申请提供一种路径规划方法，能够为车辆提供车道级的导航规划路径，便于车辆自动驾驶。

以下结合附图详细描述本申请的技术方案。

图1是本申请示出的路径规划方法的流程示意图。

参见图1，本申请示出的一种路径规划方法，其包括：

S110，根据起点位置和终点位置，获得道路规划路径；其中，道路规划路径包括多条目标道路。

其中，本申请的方法可应用于云端服务器，起点位置和终点位置可以通过车载智能终端或移动终端发送获得。在接收到起点位置和终点位置后，云端服务器可以加载对应的高精地图中的道路数据，根据相关算法在地图中进行路径搜索，获得从起点位置到终点位置的道路规划路径。

可以理解，本步骤执行了第一次算路，获得了由多条连续的目标道路组成的导航路线，完成了道路级路径规划。

S120，分别获取各目标道路对应的关联车道。

其中，在高精地图中，一般包含了每条道路所包含的关联车道信息，例如车道标记(例如车道线的虚线或实线等类型及颜色)、车道的道路标识类型(例如直行道、左转道、右转道)等信息，于此仅举例说明。在上一步骤获得了由目标道路组成的道路规划路径后，进一步确认每条目标道路中的关联车道信息，明确每条目标道路的关联车道，从而便于后续步骤进一步进行算路。

S130，根据各关联车道，获得从起点位置至终点位置的车道规划路径。

本步骤中，通过前述步骤确认的目标道路包含的关联道路中，进一步搜索，进行第二次算路，生成基于各关联车道的车道规划路径。这样的设计，相对于一次性直接从地图道路数据中获取全部车道数据，仅基于目标道路中的车道进行算路，可以大大降低系统的数据处理负荷，提高处理效率。

从该示例可知，本申请通过两次算路，从第一次算路获得道路规划路径后，再基于每条目标道路中包含的关联车道进行第二次算路，从而获得车道级的规划路径，使得自动驾驶车辆可以根据车道级路径导航行驶，降低驾驶风险。

图2是本申请示出的路径规划方法的另一流程示意图。

参见图2，本申请示出的一种路径规划方法，其包括：

S210，根据起点位置和终点位置，获取起点位置和终点位置之间的地图道路数据。

其中，起点位置和终点位置可以是来自车载智能终端或移动终端发送的POI(兴趣点)名称或详细地址。云端服务器接收起点位置和终点位置后，在高精地图中匹配到起点位置和终点位置，并锁定两个位置之间的地图道路数据进行加载。以便后续步骤在有限的地图道路数据中进行算路，减小系统计算负荷。

S220，根据路径偏好类型，确定预设算法对应的代价模型。

其中，路径偏好类型例如可以包括躲避拥堵路线、高速优先路线、不走高速路线、少收费路线、大路优先路线、速度最快路线、减少红绿灯路线、距离最短路线、自定义路线等，不同的路径偏好路线具有对应的代价模型。代价模型用于表达从起点位置到终点位置的路径代价，通过对每一个道路上的关联因素设计不同的权重，以使对应的路径偏好的路径代价最小化，并使得预设算法根据对应的代价模型进行算路。其中，代价模型可以根据相关技术获得，于此不作限制。

本步骤为可选步骤，在用户终端选定了其中一种路径偏好类型时，云端服务器根据接收的路径偏好类型，在后续步骤根据对应的代价模型进行算路。

当然，若用户终端未对代价模型进行选择，可以跳过本步骤，云端服务器可以根据默认的路径偏好路线的代价模型进行后部步骤。

S230，根据各地图道路数据的道路节点，通过预设算法获得从起点位置到达终点位置的道路规划路径，道路规划路径包括多条目标路径。

一些实施方式中，预设算法例如可以是相关技术中的图形学算法、智能仿生学算法等路径搜索算法。本申请中，预设算法例如是A*算法。其中，A*算法，(A-Star)算法是一种静态路网中求解最短路径最有效的直接搜索方法，也是解决许多搜索问题的有效算法。可以理解，在地图道路数据所包含的众多的道路之中，一些道路之间相互连通，而一些道路之间各自独立。从起点位置到达终点位置的连通路径不仅限于一条，通过A*算法，可以从中筛选出唯一的一条道路规划路径。每连通的两条目标道路之间具有一个交叉点，交叉点即为道路节点，不同道路之间的关联关系可以通过是否具有交叉点体现。

以下道路节点简称为节点。具体地，如图3所示，A*算法基于代价函数f(n)＝g(n)+h(n)计算从起始位置到终点位置的最短路径，其中f(n)是节点n的总代价函数，g(n)是从初始节点到节点n的移动代价即实际距离，h(n)是从节点n到目标节点(即距离终点位置最后的节点)的启发代价即估计距离。其中，节点即为每两条目标道路之间的交叉点。

在计算开始之前，获取初始节点到目标节点之间的所有节点，并生成两个空的集合，即OPEN集和CLOSED集。其中OPEN集用于保存待考察的节点，CLOSED集用于保存已考查过的节点。计算刚开始时，OPEN集只包含一个初始节点即起点s，CLOSED集是空集。如果绘成图表示，OPEN集可视为被访问区域的边境(frontier)，而CLOSED集则可视为被访问区域的内部(interior)。每个节点同时保存其父节点的指针，以便反向溯源。

所示的每轮循环计算过程中，可以将初始节点的邻接点加入OPEN集中，并分别确定对应的各邻接节点的f值。例如在图3的第一轮循环时，OPEN集开始只包含初始节点，CLOSED集为空集，初始节点被考察后转移至CLOSED集；第二轮循环时，OPEN集包含连接初始节点的多个第二节点，各第二节点即初始节点的邻接点n’；通过计算每个第二节点的f值并找到一个最小f值的节点U后，将该节点U转移至CLOSED集。如果OPEN集中同时出现最小f值相同的多个节点，则仅选择其中一个节点U至CLOSED集。如果该节点U为目标节点，则可以根据该节点U和逆序找到该节点U的父节点也即初始节点，获得导航路径；如果该节点U不是目标节点，则继续下一轮循环。同理，第三轮循环时，将第二轮的节点U的各邻接点即多个第三节点加入OPEN集中，计算每个新加入的第三节点的f值，并将各第三节点的f值与上一轮保存在OPEN集中的剩余的第二节点的f值进行比较，找到当前轮次一个最小f值节点U后，将当前轮次的该节点U转移至CLOSED集，确定当前轮次的节点U是否为目标节点，以此类推。可以理解，当前轮次被转移至CLOSED集的节点是下一轮次加入OPEN集的新节点的父节点，当前轮次加入OPEN集的新节点是上一轮被转移至CLOSED集的节点U的邻接点。经过多轮循环，CLOSED集中累计保存了多个被考察过的节点，在确定最后一轮被转移至CLOSED集的节点为目标节点后，按照各CLOSED集中节点的父节点进行逆序输出，即可得到从初始节点到目标节点的导航路径，也即道路规划路径或下述步骤S250的车道规划路径。

S240，根据多条目标道路，生成对应的道路列表；根据道路列表，生成对应的车道列表，车道列表包括各目标道路的关联车道。

根据明确的道路规划路径中的目标道路，可以生成对应的道路列表。其中，可以在道路列表中存储每条目标道路的road ID(道路标记)，road ID可以表示对应的目标道路。可以理解，一个道路节点至少关联两个road ID。

进一步地，可以在地图道路数据中，根据每个road ID查找对应的关联车道。每一条目标道路包括至少一条关联车道。可以理解，高精地图的地图道路数据中具有每一条目标道路所包含的关联车道信息。本步骤中，可以根据road ID进一步加载高精地图下一层级中的车道数据中的关联车道信息。例如可以获得与road ID映射的lane ID(车道标记)，进而根据lane ID可以获得该车道对应的车道关联信息，从而便于根据车道关联信息进行路径规划(例如在哪条车道进行直行、变道、左转、右转等)。

本步骤中，可以将每一条目标道路的关联车道的lane ID依序组成对应的车道列表，以便后续进一步算路。

S250，根据车道列表确定车道节点，通过预设算法，获得从起点位置至终点位置的车道规划路径。

本步骤在进行第二次算路时，采用的预设算法可以与步骤S230的预设算法相同，例如第一次算路获得道路规划路径和第二次算路获得车道规划路径均采用上述相同原理的A*算法。不同于第一次算路计算连通的两条道路的道路节点，本步骤的节点为依序连通的两条车道之间的车道节点。例如，第一条目标道路包含2条关联车道，第二条目标道路包含3条关联车道，则二者之间的车道节点数量为2*3＝6个。然而，考虑到第二条目标道路与后续第三条目标道路的连通关系，第二条目标道路的3条关联车道并非均连通于第三条道路的关联车道，因此，根据车道列表中的各关联车道和可通行性，A*算法中可以自动计算，滤除无法通行的关联车道，并从中筛选出可通行的车道节点。

本步骤中，通过A*算法，可以根据各车道节点，获得符合最短路径的车道规划路径。可以理解，一个车道节点至少关联连个lane ID，根据确定的车道节点，即可明确涉及到的关联车道。一些实施方式中，可以根据车道规划路径中的各关联车道对应的road ID和lane ID组成待发送信息。云端服务器可以将待发送信息发送至车载智能设备或移动终端以供用户查看。

如图4所示的对比图，a图为传统的用户端显示的车道规划路径，显示内容默认车辆仅固定在最靠左的一条车道显示。b图为本申请的用户端显示的车道规划路径，显示内容为车辆可以根据最短路径规划结果灵活变道并对应显示，车辆并不固定在一条车道内显示。

S260，发送车道规划路径至车载智能设备或移动终端以供显示。

本步骤中，云端服务器将上述步骤生成的包含了各顺序连通的road ID和lane ID的车道规划路径至车载智能设备或移动终端，车载智能设备或移动终端可以预先存储了高精地图的相关数据，并根据lane ID加载对应的车道数据，并在显示屏进行显示，以供用户查看。这样的设计，使车载智能设备或移动终端快速且精准的加载及显示对应的车道数据，减少数据处理负荷，节约计算资源，及时响应用户需求。

其中，如图4所示，车载智能设备或移动终端根据road ID可以确定地图的道路规划路径，即获取唯一的导航路线。在该道路规划路径的各车道中，根据lane ID将对应的关联车道进行高亮标记，并将预先设计的小车模型在各高亮显示的关联车道上跟随车辆的移动而移动，这些动画效果可以根据相关技术实现，于此不作赘述。这样的设计，可以便于用户实时查看行驶过程中的车道级的行驶路线，也便于自动驾驶车辆可以按照车道级导航提前规划行驶路线。

从该示例可知，本申请的路径规划方法，可以通过相同的A*算法先后执行两次算路，在第一算路时，可以根据路线偏好，根据少量的道路节点快速获得道路规划路径，提高数据处理效率；在第二次算路时，根据单唯一的道路规划路径，再次通过A*算法在各有限的关联车道的车道节点中获得车道规划路径。这样的设计，使整体的系统处理负荷从数据加载、数据处理至数据发送的各个环节压缩至最小化，同时可以获得满足路线偏好需求的车道规划路径，并发送至车载智能设备或移动终端，使得用户端可以快速精准响应和显示对应的车道信息，同时，可以使得自动驾驶的车辆可以车道规划路径灵活变道，提高行驶效率。

与前述应用功能实现方法实施例相对应、本申请还提供了一种路径规划装置、电子设备及相应的实施例。

图5是本申请示出的路径规划装置的结构示意图。

参见图5，本申请一实施例示出的路径规划装置，包括第一处理模块510、关联模块520及第二处理模块530，其中：

第一处理模块510用于根据起点位置和终点位置，获得道路规划路径；其中，道路规划路径包括多条目标道路。

关联模块520用于分别获取各目标道路对应的关联车道。

第二处理模块530，用于根据各关联车道，获得从起点位置至终点位置的车道规划路径。

在一具体的实施方式中，第一处理模块510用于根据获取起点位置和终点位置之间的地图道路数据；根据各地图道路数据的道路节点，通过预设算法获得从起点位置到达终点位置的道路规划路径。关联模块520用于根据多条目标道路，生成对应的道路列表；根据道路列表，生成对应的车道列表，车道列表包括各目标道路的关联车道。第二处理模块530用于根据车道列表确定车道节点，通过A星算法，获得从起点位置至终点位置的车道规划路径。

参见图6，一些实施方式中，本申请一实施例示出的路径规划装置，还包括数据加载模块540，数据加载模块540用于根据起始位置和终点位置，加载高精地图中起始位置和终点位置之间对应的地图道路数据。

一些实施方式中，本申请一实施例示出的路径规划装置还包括模型设置模块550，用于根据路径偏好类型，确定预设算法对应的代价模型。

一些实施方式中，本申请一实施例示出的路径规划装置还包括信息发送模块560，用于发送车道规划路径至车载智能设备或移动终端以供显示。

从该示例可知，本申请的路径规划装置，可以通过数据处理模块针对性地根据起点位置和终点位置对应加载相关的地图道路数据，减少冗余数据的处理；通过模型设置模块根据选择的路径偏好选择对应的代价模型，以满足用户的偏好需求；通过第一处理模块在少量的道路节点中按照A*算法算出满足路线偏好的唯一道路规划路径；通过关联模块找出与各目标道路关联的全部关联车道；通过第二处理模块根据各关联车道的车道节点进行第二次算路，获得车道规划路径，且在基于第一次算路结果已经满足路线偏好的基础上，第二次算路结果也同样满足路线偏好；最后通过信息发送模块发送对应的road ID和laneID，以供用户端对用户端预先存储的高精数据进行处理和显示，从而为用户提供车道级的导航，使得自动驾驶车辆可以根据对应的车道规划路径灵活行驶，提高行驶效率。

关于上述实施例中的各装置、其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述、此处将不再做详细阐述说明。

图7是本申请示出的电子设备的结构示意图。

参见图7，电子设备1000包括存储器1010和处理器1020。

处理器1020可以是中央处理单元(Central Processing Unit、CPU)、还可以是其他通用处理器、数字信号处理器(Digital Signal Processor、DSP)、专用成电路(Application Specific Integrated Circuit、ASIC)、现场可编程门阵列(Field-Programmable Gate Array、FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器1010可以包括各种类型的存储单元、例如系统内存、只读存储器(ROM)和永久存储装置。其中、ROM可以存储处理器1020或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中、永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中、永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备、例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外、存储器1010可以包括任意计算机可读存储媒介的组合、包括各种类型的半导体存储芯片(例如DRAM、SRAM、SDRAM、闪存、可编程只读存储器)、磁盘和/或光盘也可以采用。在一些实施方式中、存储器1010可以包括可读和/或写的可移除的存储设备、例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM、双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等)、磁性软盘等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。

存储器1010上存储有可执行代码、当可执行代码被处理器1020处理时、可以使处理器1020执行上文述及的方法中的部分或全部。

此外、根据本申请的方法还可以实现为一种计算机程序或计算机程序产品、该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。

或者、本申请还可以实施为一种计算机可读存储介质(或非暂时性机器可读存储介质或机器可读存储介质)、其上存储有可执行代码(或计算机程序或计算机指令代码)、当可执行代码(或计算机程序或计算机指令代码)被电子设备(或电子设备等)的处理器执行时、使处理器执行根据本申请的上述方法的各个步骤的部分或全部。

以上已经描述了本申请的各实施例、上述说明是示例性的、并非穷尽性的、并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下、对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择、旨在最好的解释各实施例的原理、实际应用或对市场中的技术的改进、或者使本技术领域的其他普通技术人员能理解本文披露的各实施例。