基于栅格地图的路径规划方法、装置、设备及存储介质

技术领域

本发明涉及自动驾驶系统技术领域，具体涉及一种基于栅格地图的路径规划方法、装置、设备及存储介质。

背景技术

决策是自主驾驶的重要组成部分，其决定了车辆能否平稳、准确的完成各种驾驶功能。而路径规划是决策层的重要研究领域。在矿区井下环境中，从起始点到目标点规划出一条最优路径，需要在栅格地图中进行。栅格地图坐标处理是矿区环境下路径规划的重要环节，直接影响到路径规划的情况。

目前获得栅格地图的主要方式是通过雷达获取激光雷达点云数据，然后将其换为栅格地图，转换过程中经过了一定的平移、旋转、缩放变换，导致栅格地图与激光雷达点云数据不对应。

为解决上述问题，现有技术中的一种数据坐标转换方法采取的方式是：步骤一：确定原始数据坐标和目标数据坐标之间的目标旋转角度；步骤二：确定目标旋转角度和设定的比较判断条件；步骤三：确定第一次旋转角度；步骤四：根据第一次旋转角度对应的正切函数取值和查表次数对应的正切函数取值，以及原始数据坐标和目标数据坐标的变换公式。确定两坐标之间的变换关系。

在该方法首先计算原始数据坐标和目标数据坐标的旋转角度，然后和设定旋转角度进行比较，得出之间关系，以此类推多组数据。根据原始数据和目标数据变换公式，得出坐标转换关系，但是其执行过程繁琐，而且第一次旋转角度的设定存在一定误差。

发明内容

针对现有技术中存在的缺陷，本发明第一方面提供一种基于栅格地图的路径规划方法，其可使栅格地图与点云数据对应，从而能够在栅格地图中进行路径规划。

为达到以上目的，本发明采取的技术方案是：

一种基于栅格地图的路径规划方法，该方法包括以下步骤：

将激光雷达点云数据转换为栅格地图；

确定激光雷达点云数据与栅格地图之间坐标转换关系；

基于坐标转换关系对栅格地图进行变换，以进行路径规划。

一些实施例中，所述确定激光雷达点云数据与栅格地图之间坐标转换关系，包括：

确定激光雷达点云数据与栅格地图之间的缩放、平移和旋转关系。

一些实施例中，所述确定激光雷达点云数据与栅格地图之间的缩放、平移和旋转关系，包括：

根据激光雷达点云数据转换为栅格地图时栅格的大小，确定激光雷达点云数据与栅格地图之间的缩放关系；

在激光雷达点云数据和栅格地图中分别进行采样；

根据采样点，确定激光雷达点云数据与栅格地图之间的平移和旋转关系。

一些实施例中，所述在激光雷达点云数据和栅格地图中分别进行采样，包括：

在激光雷达点云数据中采集n对特征点Real＝(X

一些实施例中，所述n大于3。

一些实施例中，所述根据采样点，确定激光雷达点云数据与栅格地图之间的平移和旋转关系，包括：

根据激光雷达点云数据和栅格地图中采集的特征点，获得平移量的初始值

构造激光雷达点云数据与栅格地图之间坐标转换关系的数学模型：

其中，k为缩放值，ΔX为X轴平移量，ΔY为Y轴平移量，S为旋转矩阵，

根据所述数学模型与平移量和旋转角的初始值，利用最小二乘问题的信赖域法，确定所述ΔX、ΔY和θ的大小。

一些实施例中，所述k为0.03。

本发明第二方面提供一种基于栅格地图的路径规划装置，其可使栅格地图与点云数据对应，从而能够在栅格地图中进行路径规划。

为达到以上目的，本发明采取的技术方案是：

一种基于栅格地图的路径规划装置，包括：

转换模块，其用于将激光雷达点云数据转换为栅格地图；

计算模块，其用于确定激光雷达点云数据与栅格地图之间坐标转换关系；

路径规划模块，其基于坐标转换关系对栅格地图进行变换，以进行路径规划。

一些实施例中，所述计算模块确定激光雷达点云数据与栅格地图之间坐标转换关系，包括：

确定激光雷达点云数据与栅格地图之间的缩放、平移和旋转关系。

一些实施例中，所述计算模块确定激光雷达点云数据与栅格地图之间的缩放、平移和旋转关系，包括：

根据激光雷达点云数据转换为栅格地图时栅格的大小，确定激光雷达点云数据与栅格地图之间的缩放关系；

在激光雷达点云数据和栅格地图中分别进行采样；

根据采样点，确定激光雷达点云数据与栅格地图之间的平移和旋转关系。

一些实施例中，所述计算模块在激光雷达点云数据和栅格地图中分别进行采样，包括：

在激光雷达点云数据中采集n对特征点Real＝(X

一些实施例中，所述n大于3。

一些实施例中，所述计算模块根据采样点，确定激光雷达点云数据与栅格地图之间的平移和旋转关系，包括：

根据激光雷达点云数据和栅格地图中采集的特征点，获得平移量的初始值

构造激光雷达点云数据与栅格地图之间坐标转换关系的数学模型：

其中，k为缩放值，ΔX为X轴平移量，ΔY为Y轴平移量，S为旋转矩阵，

根据所述数学模型与平移量和旋转角的初始值，利用最小二乘问题的信赖域法，确定所述ΔX、ΔY和θ的大小。

一些实施例中，所述k为0.03。

本发明第三方面提供一种设备，其可使栅格地图与点云数据对应，从而能够在栅格地图中进行路径规划。

为达到以上目的，本发明采取的技术方案是：

一种设备，所述设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现上述的基于栅格地图的路径规划方法的步骤。

本发明第四方面提供一种计算机可读存储介质，其可使栅格地图与点云数据对应，从而能够在栅格地图中进行路径规划。

为达到以上目的，本发明采取的技术方案是：

一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现上述的基于栅格地图的路径规划方法的步骤。

与现有技术相比，本发明的优点在于：

本发明中基于栅格地图的路径规划方法，其通过：将激光雷达点云数据转换为栅格地图；确定激光雷达点云数据与栅格地图之间坐标转换关系；基于坐标转换关系对栅格地图进行变换，以进行路径规划。从而可使栅格地图与点云数据对应，进而能够在栅格地图中进行路径规划。

附图说明

图1为本发明实施例中基于栅格地图的路径规划方法的流程图；

图2为本发明实施例中步骤S2的流程图；

图3为本发明实施例中计算机设备的结构示意框图。

具体实施方式

针对为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

矿区井下场景，没有车道线标识，用激光雷达采集点云数据，将其转换为栅格地图，但是栅格地图的坐标与点云数据坐标不对应，从而需要对栅格地图进行处理。针对现有技术中存在的问题，本发明实施例提出一种在矿区场景下激光雷达点云数据与栅格地图坐标对齐的方法，解决上述现有理论与技术上存在的缺陷和不足。

本发明实施例基于矿区场景实际需求，将激光雷达点云数据转换为栅格地图，转换过程中经过了一定的平移、旋转、缩放变换。求出激光雷达点云数据与栅格地图之间平移、旋转、缩放的值，使得栅格地图中点的坐标与激光雷达点云数据一一对应，从而解决了用栅格地图进行路径规划坐标不对应问题。

参见图1所示，本发明实施例提供一种基于栅格地图的路径规划方法，该方法包括以下步骤：

S1.将激光雷达点云数据转换为栅格地图。

值得说明的是，激光雷达(LiDAR)点云数据，是由三维激光雷达设备扫描得到的空间点的数据集。激光雷达点云数据，由车载激光扫描系统向周围发射激光信号，然后收集反射的激光信号得来的，再通过外业数据采集、组合导航、点云解算，便可以计算出这些点的准确空间信息。

栅格地图作为自动驾驶车辆最常用的建图方法，将地图细化为一定精度的栅格，根据激光传感器回传的环境信息，估计占据栅格地图中的每个栅格被占据的概率，为路径规划提供依据。

在本实施例中，需要首先快速将环境生成激光雷达点云数据，并转化为栅格地图，具体过程在此不做赘述。

S2.确定激光雷达点云数据与栅格地图之间坐标转换关系。

在本实施例中，步骤S2中主要是确定激光雷达点云数据与栅格地图之间的缩放、平移和旋转关系。

具体而言，参见图2所示，步骤S2包括：

S21.根据激光雷达点云数据转换为栅格地图时栅格的大小，确定激光雷达点云数据与栅格地图之间的缩放关系。

值得说明的是，在步骤S1将激光雷达点云数据转换为栅格地图的过程中，通常已经确定了栅格的大小，栅格的大小可以根据需要合理设置。

S22.在激光雷达点云数据和栅格地图中分别进行采样。

具体而言，在激光雷达点云数据中采集n对特征点Real＝(X

选取的特征点可以是一些明显且具有代表性的点，比如转弯的拐角处等等。通常来说，采集的特征点对数越多，后续计算的结果会越精确，在本实施例中，n的取值大于3。可以理解的是，n的大小可以根据需要合理设置，本发明实施例在此不做限制。

比如以n为4为例，一个具体的例子中，上述采集的特征点为：

Real＝(92.480,130.240；92.639,130.240；98.080,129.440；97.919,129.440)；

Raster＝(8502,7185；8508,7185；8689,7158；8684,7158)。

S23.根据采样点，确定激光雷达点云数据与栅格地图之间的平移和旋转关系。

具体而言，步骤S23包括：

S231.根据激光雷达点云数据和栅格地图中采集的特征点，获得平移量的初始值

基于步骤S22给出的具体数值，通过计算可以计算出平移量的初始值

S232.构造激光雷达点云数据与栅格地图之间坐标转换关系的数学模型：

其中，k为缩放值，ΔX为X轴平移量，ΔY为Y轴平移量，S为旋转矩阵，

步骤S232中主要是根据激光雷达点云数据与栅格地图之间的平移、旋转、缩放变换关系构造数学模型。

应当说明的是，基于步骤S21的描述，在上述数学模型中，缩放值k为已知值，在本实施例中k的取值为0.03，可以理解的是k的取值可以根据需要合理设置，本发明实施例在此不做限制。

S233.根据所述数学模型与平移量和旋转角的初始值，利用最小二乘问题的信赖域法，确定所述ΔX、ΔY和θ的大小。

值得说明的是，最小二乘法(又称最小平方法)是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。

信赖域法通过求解一个有界集上的二次近似子问题产生一个试探步，并根据沿该试探步所获得的目标函数的实际下降量与二次近似函数的下降量的比率的大小决定迭代点和有界集的变化的求解无约束最优化问题的迭代算法，也被用来求解约束最优化问题。

信赖域法在每次迭代时，在一个选定的可信赖区域内，选择当前迭代点的近似模型，然后计算最优步长；如果步长不合适，可以对区域进行缩放。

在步骤233中根据已经确定的数学模型与平移量和旋转角的初始值，然后结合上述算法，即可计算出数学模型中未知量ΔX、ΔY和θ的大小，从而便可以确定数学模型所表示的坐标转换关系。

S3.基于坐标转换关系对栅格地图进行变换，以进行路径规划。

可以理解的是，在获取了坐标转换关系之后，便可以对栅格地图进行变换，变化之后的栅格地图，其坐标将会和激光雷达点云数据一一对应。

综上所述，本发明中基于栅格地图的路径规划方法，其通过：将激光雷达点云数据转换为栅格地图；确定激光雷达点云数据与栅格地图之间坐标转换关系；基于坐标转换关系对栅格地图进行变换，以进行路径规划。从而可使栅格地图与点云数据对应，进而能够在栅格地图中进行路径规划。

与此同时，本发明实施例还提供一种基于栅格地图的路径规划装置，其包括转换模块、计算模块和路径规划模块。

其中，转换模块用于将激光雷达点云数据转换为栅格地图；计算模块用于确定激光雷达点云数据与栅格地图之间坐标转换关系；路径规划模块基于坐标转换关系对栅格地图进行变换，以进行路径规划。

一些实施例中，所述计算模块确定激光雷达点云数据与栅格地图之间坐标转换关系，包括：

确定激光雷达点云数据与栅格地图之间的缩放、平移和旋转关系。

进一步地，所述计算模块确定激光雷达点云数据与栅格地图之间的缩放、平移和旋转关系，包括：

根据激光雷达点云数据转换为栅格地图时栅格的大小，确定激光雷达点云数据与栅格地图之间的缩放关系；

在激光雷达点云数据和栅格地图中分别进行采样；

根据采样点，确定激光雷达点云数据与栅格地图之间的平移和旋转关系。

一些实施例中，所述计算模块在激光雷达点云数据和栅格地图中分别进行采样，包括：

在激光雷达点云数据中采集n对特征点Real＝(X

一些实施例中，所述计算模块根据采样点，确定激光雷达点云数据与栅格地图之间的平移和旋转关系，包括：

根据激光雷达点云数据和栅格地图中采集的特征点，获得平移量的初始值

构造激光雷达点云数据与栅格地图之间坐标转换关系的数学模型：

其中，k为缩放值，ΔX为X轴平移量，ΔY为Y轴平移量，S为旋转矩阵，

根据所述数学模型与平移量和旋转角的初始值，利用最小二乘问题的信赖域法，确定所述ΔX、ΔY和θ的大小。

综上所述，本发明中基于栅格地图的路径规划装置，其通过转换模块将激光雷达点云数据转换为栅格地图；通过计算模块确定激光雷达点云数据与栅格地图之间坐标转换关系；并通过路径规划模块基于坐标转换关系对栅格地图进行变换，以进行路径规划。从而可使栅格地图与点云数据对应，进而能够在栅格地图中进行路径规划。

本发明实施例还提供一种设备，所述设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现上述基于栅格地图的路径规划方法的步骤。

具体的参见图3所示，本发明实施例中的设备为计算机设备，其包括通过系统总线连接的处理器、存储器和网络接口，其中，存储器可以包括非易失性存储介质和内存储器。

非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种基于栅格地图3的路径规划方法。

处理器用于提供计算和控制能力，支撑整个计算机设备的运行。

内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种电动车高压系统能量分配方法。

该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图3中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

应当理解的是，处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(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。其中，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。

其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：

将激光雷达点云数据转换为栅格地图；

确定激光雷达点云数据与栅格地图之间坐标转换关系；

基于坐标转换关系对栅格地图进行变换，以进行路径规划。

在一个实施例中，所述确定激光雷达点云数据与栅格地图之间坐标转换关系，用于实现：

确定激光雷达点云数据与栅格地图之间的缩放、平移和旋转关系。

在一个实施例中，所述确定激光雷达点云数据与栅格地图之间的缩放、平移和旋转关系，用于实现：

根据激光雷达点云数据转换为栅格地图时栅格的大小，确定激光雷达点云数据与栅格地图之间的缩放关系；

在激光雷达点云数据和栅格地图中分别进行采样；

根据采样点，确定激光雷达点云数据与栅格地图之间的平移和旋转关系。

在一个实施例中，所述在激光雷达点云数据和栅格地图中分别进行采样，用于实现：

在激光雷达点云数据中采集n对特征点Real＝(X

在一个实施例中，所述根据采样点，确定激光雷达点云数据与栅格地图之间的平移和旋转关系，用于实现：

根据激光雷达点云数据和栅格地图中采集的特征点，获得平移量的初始值

构造激光雷达点云数据与栅格地图之间坐标转换关系的数学模型：

其中，k为缩放值，ΔX为X轴平移量，ΔY为Y轴平移量，S为旋转矩阵，

根据所述数学模型与平移量和旋转角的初始值，利用最小二乘问题的信赖域法，确定所述ΔX、ΔY和θ的大小。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现上述基于栅格地图的路径规划方法的步骤。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读存储介质上，计算机可读存储介质可以包括计算机可读存储介质(或非暂时性介质)和通信介质(或暂时性介质)。

如本领域普通技术人员公知的，术语计算机可读存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机可读存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

示例性的，计算机可读存储介质可以是前述实施例的电子设备的内部存储单元，例如电子设备的硬盘或内存。计算机可读存储介质也可以是电子设备的外部存储设备，例如电子设备上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)等。

以上仅为本发明实施例的具体实施方式，但本发明实施例的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明实施例揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明实施例的保护范围之内。因此，本发明实施例的保护范围应以权利要求的保护范围为准。