1.本公開涉及露天礦山開采領(lǐng)域，并且涉及一種礦區(qū)無人駕駛車輛的全局路徑規(guī)劃方法以及系統(tǒng)。

背景技術(shù)：

2.隨著國家大力推廣礦山智能化的建設(shè)，基于5g的智慧礦山無人駕駛領(lǐng)域迅速發(fā)展。目前露天礦地圖更新快、數(shù)據(jù)量大、大多數(shù)路徑規(guī)劃算法基本集中在城市道路下，少有針對復(fù)雜場景下的無人駕駛路徑規(guī)劃的方法研究。露天礦山場景中，礦車司機(jī)作業(yè)環(huán)境高溫、寒冷、安全事故頻發(fā)，對礦區(qū)安全作業(yè)生產(chǎn)和礦工的生命安全造成了很大的威脅，礦區(qū)無人駕駛車輛的落地運(yùn)行是未來露天礦山場景應(yīng)用的發(fā)展趨勢，而想要實(shí)現(xiàn)實(shí)際落地，礦區(qū)無人駕駛車輛的全局靜態(tài)路徑規(guī)劃能力尤為重要。

技術(shù)實(shí)現(xiàn)要素：

3.本發(fā)明的目的在于提出一種簡便易行、通用性強(qiáng)的礦區(qū)無人駕駛車輛的全局路徑規(guī)劃方法以及系統(tǒng)，其能夠有效提升礦區(qū)無人駕駛車輛的作業(yè)效率、減少運(yùn)輸成本并且擴(kuò)大產(chǎn)能。

4.根據(jù)本發(fā)明的一方面，提供了一種礦區(qū)無人駕駛車輛的全局路徑規(guī)劃方法，該方法包括：將礦區(qū)無人駕駛車輛的礦區(qū)行駛區(qū)域劃分成多個車道，并且獲得多個車道的每個的車道參數(shù)和車道行駛信息；獲得礦區(qū)無人駕駛車輛的當(dāng)前位置信息以及目的位置信息；基于當(dāng)前位置信息和目的位置信息來確定備選車道，并且基于備選車道生成二維數(shù)組；基于備選車道的車道參數(shù)和車道行駛信息來計算備選車道的移動消耗；基于移動消耗從二維數(shù)組中的備選車道中確定待行駛車道，并且將所確定的待行駛車道加入路徑集合以生成礦區(qū)無人駕駛車輛的全局路徑。

5.可選地，確定備選車道進(jìn)一步包括：確定與當(dāng)前位置信息對應(yīng)的起始車道以及與目的位置信息對應(yīng)的目的車道，并且將從起始車道行駛至目的車道能夠途經(jīng)的車道確定為備選車道。

6.可選地，備選車道中的至少一條車道與起始車道連接，并且備選車道中的至少一條車道與目的車道連接。

7.可選地，計算備選車道的移動消耗進(jìn)一步包括：根據(jù)備選車道之間的連接關(guān)系，逐步地計算備選車道的移動消耗。

8.可選地，從與起始車道連接的備選車道開始，逐步地計算與起始車道連接的備選車道的各自移動消耗，并且基于所計算的移動消耗從與起始車道連接的備選車道中選擇一條備選車道作為待行駛車道。

9.可選地，進(jìn)一步逐步地計算與所選擇的待行駛車道連接的備選車道的各自移動消耗，并且基于所計算的移動消耗選擇下一條待行駛車道。

10.可選地，基于備選車道的移動距離和移動成本來計算備選車道的移動消耗。

11.可選地，根據(jù)備選車道的車道參數(shù)來獲得移動距離，車道參數(shù)包括車道中所包括的多個標(biāo)識點(diǎn)的經(jīng)緯度信息，并且基于多個標(biāo)識點(diǎn)的經(jīng)緯度信息來計算移動距離。

12.可選地，車道參數(shù)進(jìn)一步包括指示礦區(qū)無人駕駛車輛無法進(jìn)入的車道的鎖定車道信息和車道限行信息。

13.可選地，根據(jù)備選車道的車道行駛信息來獲得移動成本，車道行駛信息包括車道的平均通過時間和事故概率，并且基于平均通過時間和事故概率來計算移動成本。

14.可選地，通過生成礦區(qū)無人駕駛車輛的礦區(qū)行駛區(qū)域的高精地圖，并且對高精地圖進(jìn)行解析來劃分多個車道。

15.根據(jù)本發(fā)明的另一方面，提供了一種礦區(qū)無人駕駛車輛的全局路徑規(guī)劃系統(tǒng)，該系統(tǒng)包括：高精地圖模塊，該高精地圖模塊用于獲得礦區(qū)無人駕駛車輛的礦區(qū)行駛區(qū)域的高精地圖；定位模塊，該定位模塊位于礦區(qū)無人駕駛車輛中，并且用于獲得礦區(qū)無人駕駛車輛的當(dāng)前位置信息；云控平臺，該云控平臺包括：解析模塊，該解析模塊用于對高精地圖進(jìn)行解析，以將礦區(qū)行駛區(qū)域劃分成多個車道，并且獲得多個車道中的每個車道的車道參數(shù)；大數(shù)據(jù)模塊，該大數(shù)據(jù)模塊用于對礦區(qū)行駛區(qū)域的歷史行駛數(shù)據(jù)進(jìn)行大數(shù)據(jù)分析，以獲得多個車道中的每個車道的車道行駛信息；路徑規(guī)劃模塊，該路徑規(guī)劃模塊基于當(dāng)前位置信息、目的位置信息、車道參數(shù)和車道行駛信息來生成路徑集合，以作為礦區(qū)無人駕駛車輛的全局路徑。

16.可選地，路徑規(guī)劃模塊進(jìn)一步基于當(dāng)前位置信息和目的位置信息來確定備選車道，以基于備選車道生成二維數(shù)組，并且基于備選車道的車道參數(shù)和車道行駛信息來計算備選車道的移動消耗，并且基于移動消耗從二維數(shù)組中的備選車道中確定待行駛車道來生成路徑集合。

17.可選地，路徑規(guī)劃模塊進(jìn)一步確定與當(dāng)前位置信息對應(yīng)的起始車道以及與目的位置信息對應(yīng)的目的車道，并且將從起始車道行駛至目的車道能夠途經(jīng)的車道確定為備選車道。

18.可選地，備選車道中的至少一條車道與起始車道連接，并且備選車道中的至少一條車道與目的車道連接。

19.可選地，路徑規(guī)劃模塊進(jìn)一步根據(jù)備選車道之間的連接關(guān)系，逐步地計算備選車道的移動消耗。

20.可選地，路徑規(guī)劃模塊進(jìn)一步從與起始車道連接的備選車道開始，逐步地計算與起始車道連接的備選車道的各自移動消耗，并且基于所計算的移動消耗從與起始車道連接的備選車道中選擇一條備選車道作為待行駛車道。

21.可選地，路徑規(guī)劃模塊進(jìn)一步逐步地計算與所選擇的待行駛車道連接的備選車道的各自移動消耗，并且基于所計算的移動消耗選擇下一條待行駛車道。

22.可選地，基于備選車道的移動距離和移動成本來計算備選車道的移動消耗。

23.可選地，根據(jù)備選車道的車道參數(shù)來獲得移動距離，車道參數(shù)包括車道中所包括的多個標(biāo)識點(diǎn)的經(jīng)緯度信息，并且基于多個標(biāo)識點(diǎn)的經(jīng)緯度信息來計算移動距離。

24.可選地，車道參數(shù)進(jìn)一步包括指示礦區(qū)無人駕駛車輛無法進(jìn)入的車道的鎖定車道信息和車道限行信息。

25.可選地，根據(jù)備選車道的車道行駛信息來獲得移動成本，車道行駛信息包括車道

的平均通過時間和事故概率，并且基于平均通過時間和事故概率來計算移動成本。

26.應(yīng)當(dāng)理解，本部分所描述的內(nèi)容并非旨在標(biāo)識本公開的實(shí)施例的關(guān)鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。

附圖說明

27.附圖用于更好地理解本方案，不構(gòu)成對本公開的限定。其中：

28.圖1示出根據(jù)本發(fā)明實(shí)施例的全局路徑規(guī)劃系統(tǒng)。

29.圖2a示出根據(jù)本發(fā)明實(shí)施例的由解析模塊解析后的高精地圖。

30.圖2b示出從高精地圖提取的整個行駛道路的一部分的示例。

31.圖3示出根據(jù)本發(fā)明實(shí)施例的車道參數(shù)的具體信息內(nèi)容的示例。

32.圖4示出根據(jù)本發(fā)明實(shí)施例的從整個行駛道路中劃分的車道的示例。

33.圖5示出根據(jù)本發(fā)明實(shí)施例的車道行駛信息的示例。

34.圖6示出根據(jù)本發(fā)明實(shí)施例的二維數(shù)組的示例。

35.圖7示出礦區(qū)無人駕駛車輛的全局路徑規(guī)劃步驟的流程圖。

具體實(shí)施方式

36.為更清楚地闡述本公開的目的、技術(shù)方案及優(yōu)點(diǎn)，以下將結(jié)合附圖對本公開的實(shí)施例進(jìn)行詳細(xì)的說明。應(yīng)當(dāng)理解，下文對于實(shí)施例的描述旨在對本公開的總體構(gòu)思進(jìn)行解釋和說明，而不應(yīng)當(dāng)理解為是對本公開的限制。在說明書和附圖中，相同或相似的附圖標(biāo)記指代相同或相似的部件或構(gòu)件。為了清晰起見，附圖不一定按比例繪制，并且附圖中可能省略了一些公知部件和結(jié)構(gòu)。

37.除非另外定義，本公開使用的技術(shù)術(shù)語或者科學(xué)術(shù)語應(yīng)當(dāng)為本公開所屬領(lǐng)域內(nèi)具有一般技能的人士所理解的通常意義。本公開中使用的“第一”、“第二”以及類似的詞語并不表示任何順序、數(shù)量或者重要性，而只是用來區(qū)分不同的組成部分。措詞“一”或“一個”不排除多個。“包括”或者“包含”等類似的詞語意指出現(xiàn)該詞前面的元件或者物件涵蓋出現(xiàn)在該詞后面列舉的元件或者物件及其等同，而不排除其他元件或者物件。“連接”或者“相連”等類似的詞語并非限定于物理的或者機(jī)械的連接，而是可以包括電性的連接，不管是直接的還是間接的?！吧稀薄ⅰ跋隆?、“左”、“右”“頂”或“底”等等僅用于表示相對位置關(guān)系，當(dāng)被描述對象的絕對位置改變后，則該相對位置關(guān)系也可能相應(yīng)地改變。當(dāng)諸如層、膜、區(qū)域或襯底基板之類的元件被稱作位于另一元件“上”或“下”時，該元件可以“直接”位于另一元件“上”或“下”，或者可以存在中間元件。

38.圖1示出了根據(jù)本發(fā)明實(shí)施例的全局路徑規(guī)劃系統(tǒng)1000。如圖1所示，全局路徑規(guī)劃系統(tǒng)1000包括高精地圖模塊10、云控平臺20和礦區(qū)無人駕駛車輛(下文中簡稱為“無人礦車30”)的定位模塊301。其中，云控平臺20進(jìn)一步包括解析模塊201、大數(shù)據(jù)模塊202以及路徑規(guī)劃模塊203。

39.根據(jù)本發(fā)明的實(shí)施例，高精地圖模塊10用于生成無人礦車30的礦區(qū)行駛區(qū)域的高精地圖map。在本文中，“礦區(qū)行駛區(qū)域”是指包括無人礦車30的多個裝載點(diǎn)和多個卸載點(diǎn)的區(qū)域。即，無人礦車30可在礦區(qū)行駛區(qū)域內(nèi)通過在多個裝載點(diǎn)進(jìn)行開采和裝載，并且在多個指定位置進(jìn)行卸載來完成開采等任務(wù)。通常，在確定了無人礦車30的礦區(qū)行駛區(qū)域之后，可

使用搭載激光雷達(dá)、激光點(diǎn)云等設(shè)備的地圖采集車對礦區(qū)行駛區(qū)域進(jìn)行采集，并且將采集數(shù)據(jù)傳輸?shù)礁呔貓D模塊10來生成礦區(qū)行駛區(qū)域的高精地圖map。其中，所采集的數(shù)據(jù)包括車道模型、車輛行車軌跡等數(shù)據(jù)。

40.具體地，高精地圖map的制作流程大體可分為數(shù)據(jù)采集、數(shù)據(jù)處理、元素識別、人工驗(yàn)證幾個步驟。通過地圖采集車在礦區(qū)行駛區(qū)域中進(jìn)行采集，在采集過程中沿雙向車道全覆蓋采集3-5圈，限制車速保持低速行駛，默認(rèn)每隔一段時間生成一個數(shù)據(jù)文件(諸如rosbag文件)，并且在采集結(jié)束后壓縮打包?；阡浿频臄?shù)據(jù)包(諸如rosbag包)做點(diǎn)云拼接來生成底圖，再通過深度學(xué)習(xí)做礦區(qū)場景下場景元素(點(diǎn)云)的目標(biāo)識別和語義分割。在人工驗(yàn)證環(huán)節(jié)將底圖數(shù)據(jù)、圖像數(shù)據(jù)和點(diǎn)云數(shù)據(jù)進(jìn)行融合，整合成最終的高精地圖map。

41.云控平臺20可接收高精地圖map，并且利用解析模塊201來解析高精地圖map，以將礦區(qū)行駛區(qū)域劃分成多個車道并且獲得關(guān)于車道的車道數(shù)據(jù)。在本發(fā)明的實(shí)施例中，車道數(shù)據(jù)可以包括每個車道的車道參數(shù)chr。并且，在圖3中示出了車道參數(shù)chr中所包含的具體內(nèi)容信息的示例。進(jìn)一步地，云控平臺20還可利用大數(shù)據(jù)模塊202對礦區(qū)行駛區(qū)域的歷史行駛數(shù)據(jù)進(jìn)行大數(shù)據(jù)分析，來獲得每個車道的車道行駛數(shù)據(jù)dvi。此后，當(dāng)無人礦車30啟動以準(zhǔn)備執(zhí)行任務(wù)時，無人礦車30的定位模塊301可以獲取無人礦車30的當(dāng)前位置信息pos。云控平臺20接收當(dāng)前位置信息pos以及待到達(dá)的目的位置信息fin，并且利用路徑規(guī)劃模塊203，基于每個車道的車道參數(shù)chr和車道行駛數(shù)據(jù)dvi，來確定規(guī)劃從無人礦車30的當(dāng)前位置到目的位置的待行駛路徑，即全局路徑。

42.圖2a示出了由解析模塊201解析后的高精地圖map。如圖2a所示，云控平臺20中的解析模塊201可用于對所接收的高精地圖map進(jìn)行分層解析，從而將高精地圖map解析成多個數(shù)據(jù)層，包括車道數(shù)據(jù)、交通管制數(shù)據(jù)、路權(quán)數(shù)據(jù)等，并且可選地還可包括關(guān)于卸載區(qū)和裝載區(qū)的信息的數(shù)據(jù)。在本發(fā)明的實(shí)施例中，解析模塊201通過從高精地圖map的文件中提取點(diǎn)、線、車道、區(qū)域、路權(quán)、交通管制等數(shù)據(jù)并且進(jìn)行邏輯判斷，來實(shí)現(xiàn)對高精地圖map的分層解析過程。

43.此外，如圖2a中所示出的，車道數(shù)據(jù)包括關(guān)于多個車道中的每個車道的數(shù)據(jù)，具體為每個車道的車道參數(shù)chr。具體地，在解析過程中，解析模塊201可以提取出高精地圖map中的整個行駛道路，然后將整個行駛道路劃分成多個車道，并且結(jié)合其他解析數(shù)據(jù)來形成多個車道各自的車道參數(shù)chr。為了便于說明，作為示例，圖2b示出了從高精地圖map提取的整個行駛道路的一部分，其中該部分行駛道路包括被劃分成的多個車道，并且這些車道分別被編號為l、a、b、c、d、e、f、g、u。

44.根據(jù)本發(fā)明的實(shí)施例，在將整個行駛道路劃分成多個車道的過程中，可以將連續(xù)的沒有道路環(huán)境變換的一段道路劃分成一個車道，而在出現(xiàn)岔路或者路口的情況時，則需要將岔路或者路口兩側(cè)的道路分別劃分成不同的車道。再例如，可進(jìn)一步對沒有道路環(huán)境變換的一段道路進(jìn)行距離上的劃分，即可以將在一定距離范圍內(nèi)的這種道路劃分成一個車道。此外，又例如，也可參照從高精地圖map中解析的交通管制數(shù)據(jù)、路權(quán)數(shù)據(jù)等，來對沒有道路環(huán)境變換的一段道路進(jìn)行劃分，從而根據(jù)不同的行駛限制情況來將這種道路劃分成多個車道。然而，本發(fā)明的實(shí)施例不限于此，并且可以根據(jù)實(shí)際需要以任何合適的其他方式來劃分車道。

45.圖4示出了根據(jù)本發(fā)明實(shí)施例的從整個行駛道路中劃分的車道的示例。如圖4所

示，高精地圖map中的每個車道包括左側(cè)邊界線l、右側(cè)邊界線r、中心線m以及起始邊界線b1和終止邊界線b2。在車道的中心線m可以設(shè)置有多個標(biāo)識點(diǎn)(id點(diǎn))，并且每個id點(diǎn)可在高精地圖中具有唯一的id值。例如，圖4中的中心線m上設(shè)置有四個id點(diǎn)，分別是位于起始邊界線b1和終止邊界線b2上的兩個id點(diǎn)(id值分別為id1和id4)，以及這兩個id點(diǎn)之間的另外兩個id點(diǎn)(id值分別為id2和id3)。進(jìn)一步地，每個id點(diǎn)可以具有各自的經(jīng)緯度信息(x,y)。例如，id1的經(jīng)緯度信息為(x1,y1)，id2的經(jīng)緯度信息為(x2,y2)，id3的經(jīng)緯度信息為(x3,y3)，并且id4的經(jīng)緯度信息為(x4,y4)。在本發(fā)明的實(shí)施例中，可以利用這些id點(diǎn)的經(jīng)緯度信息來計算車道的移動距離g，這將在下文中進(jìn)行詳細(xì)描述。

46.此外，對于車道的左側(cè)邊界線l和右側(cè)邊界線r的確定方式，當(dāng)在高精地圖map中存在明確道路邊界的情況下，則直接按照邊界確定車道的左側(cè)邊界線l和右側(cè)邊界線r。而當(dāng)在高精地圖map中沒有明確道路邊界的情況下，則可以按照預(yù)定寬度劃分車道，從而確定車道的左側(cè)邊界線l和右側(cè)邊界線r。然而，本發(fā)明的實(shí)施例不限于此。

47.返回參考圖3，圖3示出車道參數(shù)chr的具體信息內(nèi)容，包括每個車道的車道編號no.、車道所包含的id點(diǎn)、以及每個id點(diǎn)的經(jīng)緯度信息。換言之，解析模塊202可以在劃分了多個車道并且為每個車道分配相應(yīng)個數(shù)的id點(diǎn)之后，將各個車道與所包含的id點(diǎn)進(jìn)行映射，并且將這些映射關(guān)系存儲在云控平臺20中。作為示例，圖3示出了三條車道，車道編號no.分別為a、b和c的車道，以及示出了這些車道中的每個車道所對應(yīng)的id點(diǎn)以及每個id點(diǎn)的經(jīng)緯度信息(x,y)。例如，與車道a對應(yīng)的id點(diǎn)為(ida1、ida2、ida3)，經(jīng)緯度信息分別為(xa1,ya1)、(xa2,ya2)、(xa3,ya3)；與車道b對應(yīng)的id點(diǎn)為(idb1、idb2)，經(jīng)緯度信息分別為(xb1,yb1)、(xb2,yb2)；與車道c對應(yīng)的id點(diǎn)為(idc1、idc2、idc3、idc4)，經(jīng)緯度信息分別為(xc1,yc1)、(xc2,yc2)、(xc3,yc3)、(xc4,yc4)。其他車道可以以此類推。以這種方式，就形成了車道與id點(diǎn)之間的映射關(guān)系，從而可以基于id點(diǎn)的經(jīng)緯度信息或者與id點(diǎn)相近的經(jīng)緯度信息而確定對應(yīng)的車道。

48.進(jìn)一步地，如圖3所示，車道參數(shù)chr還包括鎖定車道信息bab和車道限行信息cnc。在本發(fā)明的實(shí)施例中，車道的鎖定車道信息bab表示與該車道具有鎖定關(guān)系的車道，無人礦車30在經(jīng)過該車道后不允許或無法進(jìn)入鎖定車道。例如，無人礦車30在第一車道(例如車道a)行駛，并且第一車道與第二車道(例如車道b)具有鎖定關(guān)系，那么無人礦車30無法進(jìn)入到第二車道，因此第二車道是不可行車道。此外，車道限行信息cnc表示該車道的可行駛時段、可行駛方向等等，即表示該車道在特定時段是否可進(jìn)入行駛的情況。在本發(fā)明的實(shí)施例中，在云控平臺20進(jìn)行路徑規(guī)劃的過程中，鎖定車道信息bab和車道限行信息cnc用于指定無人礦車30不可行駛的車道，從而避免將相應(yīng)車道加入路徑規(guī)劃的車道集合，以生成有效穩(wěn)定的待行駛路徑。例如，可根據(jù)從高精地圖map中解析的交通管制數(shù)據(jù)、路權(quán)數(shù)據(jù)等，通過邏輯判斷處理來確定每個車道的鎖定車道信息bab和車道限行信息cnc。然而，本發(fā)明不限于此。

49.圖5示出了根據(jù)本發(fā)明實(shí)施例的車道行駛信息dvi的示例。如圖5所示，車道行駛信息dvi包括用于識別車道的車道編號no.、車道的平均通過時間t、以及車道的事故概率k。作為示例，圖5示出了車道編號no.分別為a、b和c的車道，以及示出了這些車道中的每個車道的平均通過時間t以及車道的事故概率k。例如，車道a可具有平均通過時間t1以及車道的事故概率k1；車道b可具有平均通過時間t2以及車道的事故概率k2；并且車道c可具有平均通過時間t3以及車道的事故概率k3。其他車道可以以此類推。

50.車道行駛信息dvi可由云控平臺20中的大數(shù)據(jù)模塊202獲得。大數(shù)據(jù)模塊202可以首先收集和整合礦區(qū)行駛區(qū)域的歷史行駛數(shù)據(jù)，并且對歷史行駛數(shù)據(jù)進(jìn)行大數(shù)據(jù)分析，然后根據(jù)解析模塊201所劃分的多個車道，來生成對應(yīng)于每個車道的平均行駛車速數(shù)據(jù)、發(fā)生事故概率數(shù)據(jù)、平均通過時間等等，并且最終生成每個車道的車道行駛信息dvi。根據(jù)本發(fā)明的實(shí)施例，將車道行駛信息dvi設(shè)置為包括平均通過時間t1和事故概率k1，以用于在后續(xù)步驟中計算相應(yīng)車道的移動成本h。然而，本發(fā)明不限于此，并且可以根據(jù)具體實(shí)際需要選擇所需的任何參數(shù)作為用于計算移動成本的參數(shù)。

51.當(dāng)無人礦車30準(zhǔn)備啟動進(jìn)行裝載或卸載任務(wù)時，無人礦車30的定位模塊301可以對無人礦車30的當(dāng)前位置進(jìn)行定位，以獲得無人礦車30的當(dāng)前位置信息pos并且將當(dāng)前位置信息pos上傳到云控平臺20。

52.例如，定位模塊301可由設(shè)置于無人礦車30的駕駛艙的頂部中心位置處的定位裝置來實(shí)現(xiàn)。定位裝置可以例如是gnss定位裝置?？蛇x地，定位裝置還可以采用在本領(lǐng)域已知的或任何可以適用的替代裝置。定位裝置基于所接收的信號來測量并獲取坐標(biāo)位置信息，本文中優(yōu)選為全球定位系統(tǒng)(gps)信號。因此，在本發(fā)明的實(shí)施例中，由定位模塊301獲得的當(dāng)前位置信息pos可以是經(jīng)緯度形式的信息。

53.進(jìn)一步地，如圖1所示，無人礦車30還可以安裝有v2i(汽車與基礎(chǔ)設(shè)施通訊)設(shè)備302，該v2i設(shè)備302用于實(shí)現(xiàn)無人礦車30與云控平臺20之間的通信連接。例如，可通過v2i設(shè)備302將所獲得的當(dāng)前位置信息pos實(shí)時上傳到云控平臺20中。云控平臺20可以將無人礦車30的當(dāng)前位置信息pos與高精地圖map進(jìn)行比對判斷，以基于高精地圖map中的各個id點(diǎn)的經(jīng)緯度信息，來確定無人礦車30當(dāng)前所在的車道。例如，可根據(jù)當(dāng)前位置信息pos中的經(jīng)緯度，來判斷并確定與無人礦車30的當(dāng)前位置最近的id點(diǎn)為哪個id點(diǎn)，并基于所確定的id點(diǎn)根據(jù)映射信息而鎖定到相應(yīng)的車道。基于此，可以確定無人礦車30當(dāng)前所在的車道。

54.此外，根據(jù)本發(fā)明的實(shí)施例，可將無人礦車30的當(dāng)前經(jīng)緯度信息直接與高精地圖map比對?；蛘呖蛇x地，可以對無人礦車30的當(dāng)前位置信息進(jìn)行精度后處理和/或換算處理，以使得無人礦車30的當(dāng)前位置信息pos可以匹配到高精地圖map中呈現(xiàn)的位置信息，從而在高精地圖map中確定無人礦車30的位置和所在車道。

55.云控平臺20還可獲取無人礦車30待到達(dá)的目的位置信息fin。例如，云控平臺20可以通過接受指令的方式而接受目的位置信息fin?；蛘呖蛇x地，云控平臺20也可以根據(jù)從高精地圖map解析的裝載區(qū)/卸載區(qū)的信息，按照預(yù)定規(guī)則來指定無人礦車30的目的位置，從而生成目的位置信息fin。根據(jù)本發(fā)明的實(shí)施例，類似于無人礦車30的當(dāng)前位置信息pos，目的位置信息fin也可以為經(jīng)緯度形式的信息，并且通過與高精地圖map的比對判斷而映射到相應(yīng)車道。

56.在確定了無人礦車30的當(dāng)前位置信息pos和目的位置信息fin以及這些信息所對應(yīng)的車道id(例如，圖6中所示的車道l和車道u)之后，云控平臺20的路徑規(guī)劃模塊203開始規(guī)劃無人礦車30的待行駛路徑，即全局路徑。路徑規(guī)劃模塊203可以首先基于當(dāng)前位置信息pos和目的位置信息fin，來生成由備選車道i

x

組成的二維數(shù)組2000，然后逐步地計算備選車道i

x

之間的移動消耗f，基于移動消耗f在備選車道i

x

中選擇出待行駛車道，并且將待行駛車道加入到路徑集合ni中，以形成所規(guī)劃的全局路徑。

57.在礦區(qū)環(huán)境中，車道關(guān)系通常簡單。相比于城市中的復(fù)雜車道關(guān)系，礦區(qū)中的每條

車道一般最多僅連接有三條車道(但本發(fā)明的實(shí)施例不限于此)。而另一方面，礦區(qū)中的每條車道之間的道路環(huán)境卻可能差異較大。例如，可能有的車道相對平坦，但行駛距離較長；而有的車道雖然距離較短，但是環(huán)境惡劣、難以前行并且易于發(fā)生故障。結(jié)合礦區(qū)環(huán)境的上述特點(diǎn)，本發(fā)明的實(shí)施例提出了一種用于礦區(qū)無人駕駛車輛的全局路徑規(guī)劃方法，其根據(jù)礦區(qū)中車道關(guān)系簡單的特點(diǎn)，采用逐步選擇車道的方式，同時綜合每條車道的行駛距離和行駛成本來最終確定優(yōu)化的待行駛車道。根據(jù)本發(fā)明的全局路徑規(guī)劃方法，可以無需對全部車道進(jìn)行計算，減少了計算量和計算成本，同時能夠規(guī)劃出穩(wěn)定、高效、經(jīng)濟(jì)效益良好的待行駛路徑。

58.以圖2b中所示的部分行使道路為例，當(dāng)確定了當(dāng)前位置信息pos和目的位置信息fin之后，可以如上所述的方式基于其中的經(jīng)緯度信息來分別確定當(dāng)前位置信息pos和目的位置信息fin所對應(yīng)的起始車道和目的車道。在本實(shí)施例中，可以確定當(dāng)前位置信息pos和目的位置信息fin分別對應(yīng)起始車道l和目的車道u。隨后，將與車道l和車道u相關(guān)聯(lián)的車道確定為備選車道i

x

。在本發(fā)明中，“相關(guān)聯(lián)的車道”是指從車道l行駛至車道u可能途經(jīng)的所有車道。換言之，“相關(guān)聯(lián)的車道”表示分別與車道l和車道u具有連接關(guān)系的車道，以及能夠?qū)⑦@些車道彼此連接的車道。例如，可根據(jù)從高精地圖map提取的整個行駛車道，基于位置信息pos和fin來確定相關(guān)聯(lián)的車道。在本示例中，與車道l和車道u相關(guān)聯(lián)的車道可以包括車道a、b、c、d、e、f、g，并且將這些車道確定為備選車道i

x

＝(a、b、c、d、e、f、g)。

59.可選地，可以進(jìn)一步結(jié)合從高精地圖map中解析得到的鎖定車道信息bab以及車道限定信息cnc，明確備選車道i

x

的車道之間的鎖定情況或者限行情況。例如，如圖3所示，車道a與車道b之間可能存在鎖定關(guān)系。因此，當(dāng)行駛了車道a和車道b中的一條車道之后，就將限制在另外一條車道上行駛?；蛘?，又例如，車道a可能在某個時段(例如時段t)被限制行使，因此可以在該時段期間從二維數(shù)組2000中移除車道a。通過這種方式，可以在規(guī)劃路徑時避免考慮不合適的車道，使得可以更高效準(zhǔn)確地生成適用的待行駛路徑，而避免發(fā)生所生成路徑無法使用而造成浪費(fèi)時間成本的情況。

60.此后，根據(jù)備選車道i

x

之間的連接關(guān)系，將備選車道i

x

形成二維數(shù)組2000。圖6示出了根據(jù)本發(fā)明實(shí)施例的二維數(shù)組2000的示例。如圖2b和圖6所示，可以將車道l和車道u分別放置在二維數(shù)組2000的對角位置處。根據(jù)圖2b中所示的部分行駛道路，與車道l連接的車道包括車道a、車道b和車道c，則分別將車道a、車道b和車道c放置到二維數(shù)組2000的相應(yīng)位置中，以表示車道l可以行駛到車道a、車道b和車道c中的任一車道。此后，對于車道a，與車道a連接的車道包括車道f和車道d，則分別將車道f和車道d放置到二維數(shù)組2000的相應(yīng)位置中，以表示車道a可以行駛到車道f或車道d。順序地，對于車道b，以類似方式，分別將車道d和車道e放置到二維數(shù)組2000的相應(yīng)位置中，以表示車道b可以行駛到車道d和車道e。由于車道d已經(jīng)在先前放置到二維數(shù)組2000中，因此該步驟中可以僅放置車道e。對于車道c，以類似方式，分別將車道e和車道g放置到二維數(shù)組2000的相應(yīng)位置中，以表示車道c可以行駛到車道e和車道g。由于車道e已經(jīng)在先前放置到二維數(shù)組2000中，因此該步驟中可以僅放置車道g。再順序地，可以分別對車道f、車道d、車道e和車道g中的每一個的所連接車道進(jìn)行放置。在本示例中，可以確定到這些車道的所連接車道均已經(jīng)被放置在二維數(shù)組2000中，因此已經(jīng)生成了由與車道l和車道u相關(guān)聯(lián)的備選車道i

x

組成的二維數(shù)組2000。

61.此后，計算二維數(shù)組2000中的備選車道i

x

之間的移動消耗，來確定待行駛車道。根

據(jù)本發(fā)明的全局路徑規(guī)劃方法，可以逐步地選擇車道來直接確定出一條最終的待行駛路徑作為全局路徑，而無需確定可能由備選車道i

x

可能形成的所有待行駛路徑并且對所有待行駛路徑計算移動消耗。例如，可以首先在與車道l連接的三條車道a、b和c中進(jìn)行選擇。此時，可以分別計算車道a、車道b和車道c的移動消耗。

62.首先，分別計算車道a、車道b和車道c的移動距離g。根據(jù)從高精地圖解析的車道參數(shù)chr，查找每個車道所包含的多個id點(diǎn)以及每個id點(diǎn)的經(jīng)緯度信息，然后基于每個車道中的所有id點(diǎn)的經(jīng)緯度信息來計算每個車道的移動距離。例如，如圖3中所示的車道參數(shù)chr，車道c包括4個id點(diǎn)(idc1、idc2、idc3、idc4)，分別對應(yīng)的經(jīng)緯度信息為(xc1,yc1)、(xc2,yc2)、(xc3,yc3)、(xc4,yc4)?；谒衖d點(diǎn)的經(jīng)緯度信息可計算得到車道c的移動距離為g3?？梢岳帽绢I(lǐng)域技術(shù)人員公知的任何技術(shù)，來基于經(jīng)緯度信息計算所有id點(diǎn)之間的距離，以作為車道c的移動距離。由于這些屬于公知的技術(shù)，因此在本文中不做過多的贅述。類似地，可以將車道a和車道b的移動距離分別計算為g1和g2。

63.隨后，從大數(shù)據(jù)模塊202生成的各個車道的車道行駛信息dvi，來查找車道a、車道b和車道c的移動成本h。在本發(fā)明的實(shí)施例中，可基于每個車道的平均通過時間t和事故概率k來計算移動成本h。例如，可以根據(jù)預(yù)定的計算公式對平均通過時間t和事故概率k進(jìn)行計算來得到移動成本h。再例如，移動成本h可以等于平均通過時間t與事故概率k乘以平均事故消耗時間t之和。即，h＝t+k*t。然而，這僅僅是示例，并且可以根據(jù)實(shí)際需要采用不同的計算方式。如圖5中所示，車道a具有平均通過時間t1和事故概率k1；車道b具有平均通過時間t2和事故概率k2；并且，車道c具有平均通過時間t3和事故概率k3。則可相應(yīng)地計算出，車道a具有移動成本h1，車道b具有移動成本h2，以及車道c具有移動成本h3。

64.進(jìn)一步地，可以根據(jù)移動距離g和移動成本h來計算車道的移動消耗f。在本實(shí)施例中，車道的移動消耗f可以為移動距離g乘以第一加權(quán)值w1與移動成本h乘以第二加權(quán)值w2之和。即，f＝g*w1+h*w2。其中，第一加權(quán)值w1可以例如為平均距離消耗經(jīng)濟(jì)成本，并且第二加權(quán)值w2以例如為平均時間消耗經(jīng)濟(jì)成本。然而，這些僅僅是示例，也可以根據(jù)實(shí)際需要采用其它計算方式。以這種方式，對車道a、車道b和車道c分別計算移動消耗f，并且在彼此之間進(jìn)行比較。例如，可以得到車道a的移動消耗f1＜車道c的移動消耗f3＜車道b的移動消耗f2。因此，可以確定車道a是具有最小移動消耗的車道，則將車道a選擇為待行駛車道，并且加入到路徑集合ni中。

65.以類似方式，可以逐步地對與車道a連接的車道f和車道d計算移動消耗。例如，車道f和車道d的移動消耗可以分別計算為f4和f5，并且f5＜f4。因此，可以確定車道d是具有最小移動消耗的車道，則將車道d選擇為待行駛車道，并且加入到路徑集合ni中。順序地，可以接下來選擇與車道d連接的車道。與車道d連接的車道包括車道e和車道b，由于在先前的路徑計算中已經(jīng)排除了車道b，因此可直接選擇車道e，而無需進(jìn)行計算。這確保了無人礦車能夠始終在朝向車道u的方向行駛。隨后，則將車道e選擇為待行駛車道，并且加入到路徑集合ni中。順序地，可以接下來選擇與車道e連接的車道?；陬愃频那闆r，可以將車道g選擇為待行駛車道，并且加入到路徑集合ni中。

66.類似地，接下來選擇與車道g連接的車道。此時，可以確定到，車道g連接的車道為車道f和車道u。因此，在確定到所連接車道包括目的車道u之后，可以直接將車道u加入到路徑集合ni中，并且結(jié)束路徑規(guī)劃過程。以這種方式，可以獲得路徑集合ni＝(l、a、d、e、g、u)。

然后，將路徑集合ni所表示的全局路徑下發(fā)至無人礦車30。使得無人礦車30可以按照由路徑集合ni中包含的車道形成的行駛路徑行駛，從而高效、穩(wěn)定地達(dá)到目的位置。

67.圖7示出了礦區(qū)無人駕駛車輛的全局路徑規(guī)劃步驟的流程圖。

68.在s601中，無人礦車30啟動，以準(zhǔn)備到達(dá)目的位置來執(zhí)行裝載任務(wù)或卸載任務(wù)。

69.在s602中，無人礦車30通過定位模塊301來獲得當(dāng)前位置信息pos，并且將當(dāng)前位置信息pos上傳云控平臺20。

70.在s603中，云控平臺20接收或指定無人礦車30待到達(dá)目的地的目的位置信息fin。

71.在s604中，云控平臺20基于當(dāng)前位置信息pos、目的位置信息fin以及先前從礦區(qū)行駛區(qū)域的高精地圖map中獲得的每個車道的車道參數(shù)chr和車道行駛信息dvi，通過選擇出移動消耗最小的待行駛車道來生成路徑集合ni。

72.在s605中，將路徑集合ni作為全局路徑下發(fā)至無人礦車30。

73.根據(jù)本公開上述各種實(shí)施例所述的礦區(qū)無人駕駛車輛的全局路徑規(guī)劃方法以及系統(tǒng)，可以結(jié)合露天礦區(qū)場景的車道特點(diǎn)，即車道關(guān)系簡單且車道環(huán)境差異大的特點(diǎn)，基于移動消耗采用逐步選擇的方式來設(shè)計待行駛路徑，使得可以省略部分車道的計算過程，并且所規(guī)劃的行駛路徑的綜合性能高，能夠在保證穩(wěn)定行駛的同時使成本消耗最小化。此外，根據(jù)本公開的全局路徑規(guī)劃方法以及系統(tǒng)還使得礦區(qū)無人駕駛車輛提供作業(yè)效率、減少運(yùn)輸成本、降低事故發(fā)生概率，從而擴(kuò)大礦區(qū)無人駕駛車輛在實(shí)現(xiàn)任務(wù)中的產(chǎn)能、提高經(jīng)濟(jì)效益。另外，該方法切實(shí)可行，通用性強(qiáng)，可以讓礦區(qū)無人駕駛車輛在露天礦的應(yīng)用中變得更易落地。

74.應(yīng)該理解，可以使用上面所示的各種形式的流程，重新排序、增加或刪除步驟。例如，本發(fā)公開中記載的各步驟可以并行地執(zhí)行也可以順序地執(zhí)行也可以不同的次序執(zhí)行，只要能夠?qū)崿F(xiàn)本公開公開的技術(shù)方案所期望的結(jié)果，本文在此不進(jìn)行限制。

75.上述具體實(shí)施方式，并不構(gòu)成對本公開保護(hù)范圍的限制。本領(lǐng)域技術(shù)人員應(yīng)該明白的是，根據(jù)設(shè)計要求和其他因素，可以進(jìn)行各種修改、組合、子組合和替代。任何在本公開的精神和原則之內(nèi)所作的修改、等同替換和改進(jìn)等，均應(yīng)包含在本公開保護(hù)范圍之內(nèi)。技術(shù)特征：

1.一種礦區(qū)無人駕駛車輛的全局路徑規(guī)劃方法，所述方法包括：將所述礦區(qū)無人駕駛車輛的礦區(qū)行駛區(qū)域劃分成多個車道，并且獲得所述多個車道的每個的車道參數(shù)和車道行駛信息；獲得所述礦區(qū)無人駕駛車輛的當(dāng)前位置信息以及目的位置信息；基于所述當(dāng)前位置信息和所述目的位置信息來確定備選車道，并且基于所述備選車道生成二維數(shù)組；基于所述備選車道的車道參數(shù)和車道行駛信息來計算所述備選車道的移動消耗；基于所述移動消耗從所述二維數(shù)組中的備選車道中確定待行駛車道，并且將所確定的待行駛車道加入路徑集合以生成所述礦區(qū)無人駕駛車輛的全局路徑。2.根據(jù)權(quán)利要求1所述的方法，其中，確定所述備選車道進(jìn)一步包括：確定與所述當(dāng)前位置信息對應(yīng)的起始車道以及與所述目的位置信息對應(yīng)的目的車道，并且將從所述起始車道行駛至所述目的車道能夠途經(jīng)的車道確定為所述備選車道。3.根據(jù)權(quán)利要求2所述的方法，其中，所述備選車道中的至少一條車道與所述起始車道連接，并且所述備選車道中的至少一條車道與所述目的車道連接。4.根據(jù)權(quán)利要求2所述的方法，其中，計算所述備選車道的移動消耗進(jìn)一步包括：根據(jù)所述備選車道之間的連接關(guān)系，逐步地計算所述備選車道的移動消耗。5.根據(jù)權(quán)利要求4所述的方法，其中，從與所述起始車道連接的備選車道開始，逐步地計算與所述起始車道連接的備選車道的各自移動消耗，并且基于所計算的移動消耗從與所述起始車道連接的備選車道中選擇一條備選車道作為所述待行駛車道。6.根據(jù)權(quán)利要求5所述的方法，其中，進(jìn)一步逐步地計算與所選擇的待行駛車道連接的備選車道的各自移動消耗，并且基于所計算的移動消耗選擇下一條待行駛車道。7.根據(jù)權(quán)利要求1-6中的任一項(xiàng)所述的方法，其中，基于所述備選車道的移動距離和移動成本來計算所述備選車道的所述移動消耗。8.根據(jù)權(quán)利要求7所述的方法，其中，根據(jù)所述備選車道的所述車道參數(shù)來獲得所述移動距離，所述車道參數(shù)包括車道中所包括的多個標(biāo)識點(diǎn)的經(jīng)緯度信息，并且基于所述多個標(biāo)識點(diǎn)的經(jīng)緯度信息來計算所述移動距離。9.根據(jù)權(quán)利要求8所述的方法，其中，所述車道參數(shù)進(jìn)一步包括指示所述礦區(qū)無人駕駛車輛無法進(jìn)入的車道的鎖定車道信息和車道限行信息。10.根據(jù)權(quán)利要求7所述的方法，其中，根據(jù)所述備選車道的所述車道行駛信息來獲得所述移動成本，所述車道行駛信息包括車道的平均通過時間和事故概率，并且基于所述平均通過時間和所述事故概率來計算所述移動成本。11.根據(jù)權(quán)利要求1-6中的任一項(xiàng)所述的方法，其中，通過生成所述礦區(qū)無人駕駛車輛的礦區(qū)行駛區(qū)域的高精地圖，并且對所述高精地圖進(jìn)行解析來劃分所述多個車道。12.一種礦區(qū)無人駕駛車輛的全局路徑規(guī)劃系統(tǒng)，所述系統(tǒng)包括：高精地圖模塊，所述高精地圖模塊用于獲得所述礦區(qū)無人駕駛車輛的礦區(qū)行駛區(qū)域的高精地圖；定位模塊，所述定位模塊位于所述礦區(qū)無人駕駛車輛中，并且用于獲得所述礦區(qū)無人駕駛車輛的當(dāng)前位置信息；云控平臺，所述云控平臺包括：

解析模塊，所述解析模塊用于對所述高精地圖進(jìn)行解析，以將所述礦區(qū)行駛區(qū)域劃分成多個車道，并且獲得所述多個車道中的每個車道的車道參數(shù)；大數(shù)據(jù)模塊，所述大數(shù)據(jù)模塊用于對所述礦區(qū)行駛區(qū)域的歷史行駛數(shù)據(jù)進(jìn)行大數(shù)據(jù)分析，以獲得所述多個車道中的每個車道的車道行駛信息；路徑規(guī)劃模塊，所述路徑規(guī)劃模塊基于所述當(dāng)前位置信息、目的位置信息、所述車道參數(shù)和所述車道行駛信息來生成路徑集合，以作為所述礦區(qū)無人駕駛車輛的全局路徑。13.根據(jù)權(quán)利要求12所述的系統(tǒng)，其中，所述路徑規(guī)劃模塊進(jìn)一步基于所述當(dāng)前位置信息和所述目的位置信息來確定備選車道，以基于所述備選車道生成二維數(shù)組，并且基于所述備選車道的車道參數(shù)和車道行駛信息來計算所述備選車道的移動消耗，并且基于所述移動消耗從所述二維數(shù)組中的備選車道中確定待行駛車道來生成所述路徑集合。14.根據(jù)權(quán)利要求13所述的系統(tǒng)，其中，所述路徑規(guī)劃模塊進(jìn)一步確定與所述當(dāng)前位置信息對應(yīng)的起始車道以及與所述目的位置信息對應(yīng)的目的車道，并且將從所述起始車道行駛至所述目的車道能夠途經(jīng)的車道確定為所述備選車道。15.根據(jù)權(quán)利要求14所述的系統(tǒng)，其中，所述備選車道中的至少一條車道與所述起始車道連接，并且所述備選車道中的至少一條車道與所述目的車道連接。16.根據(jù)權(quán)利要求14所述的系統(tǒng)，其中，所述路徑規(guī)劃模塊進(jìn)一步根據(jù)所述備選車道之間的連接關(guān)系，逐步地計算所述備選車道的移動消耗。17.根據(jù)權(quán)利要求16所述的系統(tǒng)，其中，所述路徑規(guī)劃模塊進(jìn)一步從與所述起始車道連接的備選車道開始，逐步地計算與所述起始車道連接的備選車道的各自移動消耗，并且基于所計算的移動消耗從與所述起始車道連接的備選車道中選擇一條備選車道作為所述待行駛車道。18.根據(jù)權(quán)利要求17所述的系統(tǒng)，其中，所述路徑規(guī)劃模塊進(jìn)一步逐步地計算與所選擇的待行駛車道連接的備選車道的各自移動消耗，并且基于所計算的移動消耗選擇下一條待行駛車道。19.根據(jù)權(quán)利要求12-18中的任一項(xiàng)所述的系統(tǒng)，其中，基于所述備選車道的移動距離和移動成本來計算所述備選車道的所述移動消耗。20.根據(jù)權(quán)利要求19所述的系統(tǒng)，其中，根據(jù)所述備選車道的所述車道參數(shù)來獲得所述移動距離，所述車道參數(shù)包括車道中所包括的多個標(biāo)識點(diǎn)的經(jīng)緯度信息，并且基于所述多個標(biāo)識點(diǎn)的經(jīng)緯度信息來計算所述移動距離。21.根據(jù)權(quán)利要求20所述的系統(tǒng)，其中，所述車道參數(shù)進(jìn)一步包括指示所述礦區(qū)無人駕駛車輛無法進(jìn)入的車道的鎖定車道信息和車道限行信息。22.根據(jù)權(quán)利要求19所述的系統(tǒng)，其中，根據(jù)所述備選車道的所述車道行駛信息來獲得所述移動成本，所述車道行駛信息包括車道的平均通過時間和事故概率，并且基于所述平均通過時間和所述事故概率來計算所述移動成本。

技術(shù)總結(jié)

本公開提供了一種礦區(qū)無人駕駛車輛的全局路徑規(guī)劃方法以及系統(tǒng)。該方法包括：將礦區(qū)無人駕駛車輛的礦區(qū)行駛區(qū)域劃分成多個車道，并且獲得多個車道的每個的車道參數(shù)和車道行駛信息；獲得礦區(qū)無人駕駛車輛的當(dāng)前位置信息以及目的位置信息；基于當(dāng)前位置信息和目的位置信息來確定備選車道，并且基于備選車道生成二維數(shù)組；基于備選車道的車道參數(shù)和車道行駛信息來計算備選車道的移動消耗；基于移動消耗從二維數(shù)組中的備選車道中確定待行駛車道，并且將所確定的待行駛車道加入路徑集合以生成礦區(qū)無人駕駛車輛的全局路徑。礦區(qū)無人駕駛車輛的全局路徑。礦區(qū)無人駕駛車輛的全局路徑。

技術(shù)研發(fā)人員：陳泉宇 馮沖 謝意 蔣先堯 劉志勇

受保護(hù)的技術(shù)使用者：北京路凱智行科技有限公司

技術(shù)研發(fā)日：2022.05.10

技術(shù)公布日：2022/7/29