矿区无人驾驶车辆的全局路径规划方法以及系统与流程

1.本公开涉及露天矿山开采领域，并且涉及一种矿区无人驾驶车辆的全局路径规划方法以及系统。

背景技术：

2.随着国家大力推广矿山智能化的建设，基于5g的智慧矿山无人驾驶领域迅速发展。目前露天矿地图更新快、数据量大、大多数路径规划算法基本集中在城市道路下，少有针对复杂场景下的无人驾驶路径规划的方法研究。露天矿山场景中，矿车司机作业环境高温、寒冷、安全事故频发，对矿区安全作业生产和矿工的生命安全造成了很大的威胁，矿区无人驾驶车辆的落地运行是未来露天矿山场景应用的发展趋势，而想要实现实际落地，矿区无人驾驶车辆的全局静态路径规划能力尤为重要。

技术实现要素：

3.本发明的目的在于提出一种简便易行、通用性强的矿区无人驾驶车辆的全局路径规划方法以及系统，其能够有效提升矿区无人驾驶车辆的作业效率、减少运输成本并且扩大产能。

4.根据本发明的一方面，提供了一种矿区无人驾驶车辆的全局路径规划方法，该方法包括：将矿区无人驾驶车辆的矿区行驶区域划分成多个车道，并且获得多个车道的每个的车道参数和车道行驶信息；获得矿区无人驾驶车辆的当前位置信息以及目的位置信息；基于当前位置信息和目的位置信息来确定备选车道，并且基于备选车道生成二维数组；基于备选车道的车道参数和车道行驶信息来计算备选车道的移动消耗；基于移动消耗从二维数组中的备选车道中确定待行驶车道，并且将所确定的待行驶车道加入路径集合以生成矿区无人驾驶车辆的全局路径。

5.可选地，确定备选车道进一步包括：确定与当前位置信息对应的起始车道以及与目的位置信息对应的目的车道，并且将从起始车道行驶至目的车道能够途经的车道确定为备选车道。

6.可选地，备选车道中的至少一条车道与起始车道连接，并且备选车道中的至少一条车道与目的车道连接。

7.可选地，计算备选车道的移动消耗进一步包括：根据备选车道之间的连接关系，逐步地计算备选车道的移动消耗。

8.可选地，从与起始车道连接的备选车道开始，逐步地计算与起始车道连接的备选车道的各自移动消耗，并且基于所计算的移动消耗从与起始车道连接的备选车道中选择一条备选车道作为待行驶车道。

9.可选地，进一步逐步地计算与所选择的待行驶车道连接的备选车道的各自移动消耗，并且基于所计算的移动消耗选择下一条待行驶车道。

10.可选地，基于备选车道的移动距离和移动成本来计算备选车道的移动消耗。

11.可选地，根据备选车道的车道参数来获得移动距离，车道参数包括车道中所包括的多个标识点的经纬度信息，并且基于多个标识点的经纬度信息来计算移动距离。

12.可选地，车道参数进一步包括指示矿区无人驾驶车辆无法进入的车道的锁定车道信息和车道限行信息。

13.可选地，根据备选车道的车道行驶信息来获得移动成本，车道行驶信息包括车道的平均通过时间和事故概率，并且基于平均通过时间和事故概率来计算移动成本。

14.可选地，通过生成矿区无人驾驶车辆的矿区行驶区域的高精地图，并且对高精地图进行解析来划分多个车道。

15.根据本发明的另一方面，提供了一种矿区无人驾驶车辆的全局路径规划系统，该系统包括：高精地图模块，该高精地图模块用于获得矿区无人驾驶车辆的矿区行驶区域的高精地图；定位模块，该定位模块位于矿区无人驾驶车辆中，并且用于获得矿区无人驾驶车辆的当前位置信息；云控平台，该云控平台包括：解析模块，该解析模块用于对高精地图进行解析，以将矿区行驶区域划分成多个车道，并且获得多个车道中的每个车道的车道参数；大数据模块，该大数据模块用于对矿区行驶区域的历史行驶数据进行大数据分析，以获得多个车道中的每个车道的车道行驶信息；路径规划模块，该路径规划模块基于当前位置信息、目的位置信息、车道参数和车道行驶信息来生成路径集合，以作为矿区无人驾驶车辆的全局路径。

16.可选地，路径规划模块进一步基于当前位置信息和目的位置信息来确定备选车道，以基于备选车道生成二维数组，并且基于备选车道的车道参数和车道行驶信息来计算备选车道的移动消耗，并且基于移动消耗从二维数组中的备选车道中确定待行驶车道来生成路径集合。

17.可选地，路径规划模块进一步确定与当前位置信息对应的起始车道以及与目的位置信息对应的目的车道，并且将从起始车道行驶至目的车道能够途经的车道确定为备选车道。

18.可选地，备选车道中的至少一条车道与起始车道连接，并且备选车道中的至少一条车道与目的车道连接。

19.可选地，路径规划模块进一步根据备选车道之间的连接关系，逐步地计算备选车道的移动消耗。

20.可选地，路径规划模块进一步从与起始车道连接的备选车道开始，逐步地计算与起始车道连接的备选车道的各自移动消耗，并且基于所计算的移动消耗从与起始车道连接的备选车道中选择一条备选车道作为待行驶车道。

21.可选地，路径规划模块进一步逐步地计算与所选择的待行驶车道连接的备选车道的各自移动消耗，并且基于所计算的移动消耗选择下一条待行驶车道。

22.可选地，基于备选车道的移动距离和移动成本来计算备选车道的移动消耗。

23.可选地，根据备选车道的车道参数来获得移动距离，车道参数包括车道中所包括的多个标识点的经纬度信息，并且基于多个标识点的经纬度信息来计算移动距离。

24.可选地，车道参数进一步包括指示矿区无人驾驶车辆无法进入的车道的锁定车道信息和车道限行信息。

25.可选地，根据备选车道的车道行驶信息来获得移动成本，车道行驶信息包括车道

的平均通过时间和事故概率，并且基于平均通过时间和事故概率来计算移动成本。

26.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

27.附图用于更好地理解本方案，不构成对本公开的限定。其中：

28.图1示出根据本发明实施例的全局路径规划系统。

29.图2a示出根据本发明实施例的由解析模块解析后的高精地图。

30.图2b示出从高精地图提取的整个行驶道路的一部分的示例。

31.图3示出根据本发明实施例的车道参数的具体信息内容的示例。

32.图4示出根据本发明实施例的从整个行驶道路中划分的车道的示例。

33.图5示出根据本发明实施例的车道行驶信息的示例。

34.图6示出根据本发明实施例的二维数组的示例。

35.图7示出矿区无人驾驶车辆的全局路径规划步骤的流程图。

具体实施方式

36.为更清楚地阐述本公开的目的、技术方案及优点，以下将结合附图对本公开的实施例进行详细的说明。应当理解，下文对于实施例的描述旨在对本公开的总体构思进行解释和说明，而不应当理解为是对本公开的限制。在说明书和附图中，相同或相似的附图标记指代相同或相似的部件或构件。为了清晰起见，附图不一定按比例绘制，并且附图中可能省略了一些公知部件和结构。

37.除非另外定义，本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。措词“一”或“一个”不排除多个。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”“顶”或“底”等等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。当诸如层、膜、区域或衬底基板之类的元件被称作位于另一元件“上”或“下”时，该元件可以“直接”位于另一元件“上”或“下”，或者可以存在中间元件。

38.图1示出了根据本发明实施例的全局路径规划系统1000。如图1所示，全局路径规划系统1000包括高精地图模块10、云控平台20和矿区无人驾驶车辆(下文中简称为“无人矿车30”)的定位模块301。其中，云控平台20进一步包括解析模块201、大数据模块202以及路径规划模块203。

39.根据本发明的实施例，高精地图模块10用于生成无人矿车30的矿区行驶区域的高精地图map。在本文中，“矿区行驶区域”是指包括无人矿车30的多个装载点和多个卸载点的区域。即，无人矿车30可在矿区行驶区域内通过在多个装载点进行开采和装载，并且在多个指定位置进行卸载来完成开采等任务。通常，在确定了无人矿车30的矿区行驶区域之后，可

使用搭载激光雷达、激光点云等设备的地图采集车对矿区行驶区域进行采集，并且将采集数据传输到高精地图模块10来生成矿区行驶区域的高精地图map。其中，所采集的数据包括车道模型、车辆行车轨迹等数据。

40.具体地，高精地图map的制作流程大体可分为数据采集、数据处理、元素识别、人工验证几个步骤。通过地图采集车在矿区行驶区域中进行采集，在采集过程中沿双向车道全覆盖采集3-5圈，限制车速保持低速行驶，默认每隔一段时间生成一个数据文件(诸如rosbag文件)，并且在采集结束后压缩打包。基于录制的数据包(诸如rosbag包)做点云拼接来生成底图，再通过深度学习做矿区场景下场景元素(点云)的目标识别和语义分割。在人工验证环节将底图数据、图像数据和点云数据进行融合，整合成最终的高精地图map。

41.云控平台20可接收高精地图map，并且利用解析模块201来解析高精地图map，以将矿区行驶区域划分成多个车道并且获得关于车道的车道数据。在本发明的实施例中，车道数据可以包括每个车道的车道参数chr。并且，在图3中示出了车道参数chr中所包含的具体内容信息的示例。进一步地，云控平台20还可利用大数据模块202对矿区行驶区域的历史行驶数据进行大数据分析，来获得每个车道的车道行驶数据dvi。此后，当无人矿车30启动以准备执行任务时，无人矿车30的定位模块301可以获取无人矿车30的当前位置信息pos。云控平台20接收当前位置信息pos以及待到达的目的位置信息fin，并且利用路径规划模块203，基于每个车道的车道参数chr和车道行驶数据dvi，来确定规划从无人矿车30的当前位置到目的位置的待行驶路径，即全局路径。

42.图2a示出了由解析模块201解析后的高精地图map。如图2a所示，云控平台20中的解析模块201可用于对所接收的高精地图map进行分层解析，从而将高精地图map解析成多个数据层，包括车道数据、交通管制数据、路权数据等，并且可选地还可包括关于卸载区和装载区的信息的数据。在本发明的实施例中，解析模块201通过从高精地图map的文件中提取点、线、车道、区域、路权、交通管制等数据并且进行逻辑判断，来实现对高精地图map的分层解析过程。

43.此外，如图2a中所示出的，车道数据包括关于多个车道中的每个车道的数据，具体为每个车道的车道参数chr。具体地，在解析过程中，解析模块201可以提取出高精地图map中的整个行驶道路，然后将整个行驶道路划分成多个车道，并且结合其他解析数据来形成多个车道各自的车道参数chr。为了便于说明，作为示例，图2b示出了从高精地图map提取的整个行驶道路的一部分，其中该部分行驶道路包括被划分成的多个车道，并且这些车道分别被编号为l、a、b、c、d、e、f、g、u。

44.根据本发明的实施例，在将整个行驶道路划分成多个车道的过程中，可以将连续的没有道路环境变换的一段道路划分成一个车道，而在出现岔路或者路口的情况时，则需要将岔路或者路口两侧的道路分别划分成不同的车道。再例如，可进一步对没有道路环境变换的一段道路进行距离上的划分，即可以将在一定距离范围内的这种道路划分成一个车道。此外，又例如，也可参照从高精地图map中解析的交通管制数据、路权数据等，来对没有道路环境变换的一段道路进行划分，从而根据不同的行驶限制情况来将这种道路划分成多个车道。然而，本发明的实施例不限于此，并且可以根据实际需要以任何合适的其他方式来划分车道。

45.图4示出了根据本发明实施例的从整个行驶道路中划分的车道的示例。如图4所

示，高精地图map中的每个车道包括左侧边界线l、右侧边界线r、中心线m以及起始边界线b1和终止边界线b2。在车道的中心线m可以设置有多个标识点(id点)，并且每个id点可在高精地图中具有唯一的id值。例如，图4中的中心线m上设置有四个id点，分别是位于起始边界线b1和终止边界线b2上的两个id点(id值分别为id1和id4)，以及这两个id点之间的另外两个id点(id值分别为id2和id3)。进一步地，每个id点可以具有各自的经纬度信息(x,y)。例如，id1的经纬度信息为(x1,y1)，id2的经纬度信息为(x2,y2)，id3的经纬度信息为(x3,y3)，并且id4的经纬度信息为(x4,y4)。在本发明的实施例中，可以利用这些id点的经纬度信息来计算车道的移动距离g，这将在下文中进行详细描述。

46.此外，对于车道的左侧边界线l和右侧边界线r的确定方式，当在高精地图map中存在明确道路边界的情况下，则直接按照边界确定车道的左侧边界线l和右侧边界线r。而当在高精地图map中没有明确道路边界的情况下，则可以按照预定宽度划分车道，从而确定车道的左侧边界线l和右侧边界线r。然而，本发明的实施例不限于此。

47.返回参考图3，图3示出车道参数chr的具体信息内容，包括每个车道的车道编号no.、车道所包含的id点、以及每个id点的经纬度信息。换言之，解析模块202可以在划分了多个车道并且为每个车道分配相应个数的id点之后，将各个车道与所包含的id点进行映射，并且将这些映射关系存储在云控平台20中。作为示例，图3示出了三条车道，车道编号no.分别为a、b和c的车道，以及示出了这些车道中的每个车道所对应的id点以及每个id点的经纬度信息(x,y)。例如，与车道a对应的id点为(ida1、ida2、ida3)，经纬度信息分别为(xa1,ya1)、(xa2,ya2)、(xa3,ya3)；与车道b对应的id点为(idb1、idb2)，经纬度信息分别为(xb1,yb1)、(xb2,yb2)；与车道c对应的id点为(idc1、idc2、idc3、idc4)，经纬度信息分别为(xc1,yc1)、(xc2,yc2)、(xc3,yc3)、(xc4,yc4)。其他车道可以以此类推。以这种方式，就形成了车道与id点之间的映射关系，从而可以基于id点的经纬度信息或者与id点相近的经纬度信息而确定对应的车道。

48.进一步地，如图3所示，车道参数chr还包括锁定车道信息bab和车道限行信息cnc。在本发明的实施例中，车道的锁定车道信息bab表示与该车道具有锁定关系的车道，无人矿车30在经过该车道后不允许或无法进入锁定车道。例如，无人矿车30在第一车道(例如车道a)行驶，并且第一车道与第二车道(例如车道b)具有锁定关系，那么无人矿车30无法进入到第二车道，因此第二车道是不可行车道。此外，车道限行信息cnc表示该车道的可行驶时段、可行驶方向等等，即表示该车道在特定时段是否可进入行驶的情况。在本发明的实施例中，在云控平台20进行路径规划的过程中，锁定车道信息bab和车道限行信息cnc用于指定无人矿车30不可行驶的车道，从而避免将相应车道加入路径规划的车道集合，以生成有效稳定的待行驶路径。例如，可根据从高精地图map中解析的交通管制数据、路权数据等，通过逻辑判断处理来确定每个车道的锁定车道信息bab和车道限行信息cnc。然而，本发明不限于此。

49.图5示出了根据本发明实施例的车道行驶信息dvi的示例。如图5所示，车道行驶信息dvi包括用于识别车道的车道编号no.、车道的平均通过时间t、以及车道的事故概率k。作为示例，图5示出了车道编号no.分别为a、b和c的车道，以及示出了这些车道中的每个车道的平均通过时间t以及车道的事故概率k。例如，车道a可具有平均通过时间t1以及车道的事故概率k1；车道b可具有平均通过时间t2以及车道的事故概率k2；并且车道c可具有平均通过时间t3以及车道的事故概率k3。其他车道可以以此类推。

50.车道行驶信息dvi可由云控平台20中的大数据模块202获得。大数据模块202可以首先收集和整合矿区行驶区域的历史行驶数据，并且对历史行驶数据进行大数据分析，然后根据解析模块201所划分的多个车道，来生成对应于每个车道的平均行驶车速数据、发生事故概率数据、平均通过时间等等，并且最终生成每个车道的车道行驶信息dvi。根据本发明的实施例，将车道行驶信息dvi设置为包括平均通过时间t1和事故概率k1，以用于在后续步骤中计算相应车道的移动成本h。然而，本发明不限于此，并且可以根据具体实际需要选择所需的任何参数作为用于计算移动成本的参数。

51.当无人矿车30准备启动进行装载或卸载任务时，无人矿车30的定位模块301可以对无人矿车30的当前位置进行定位，以获得无人矿车30的当前位置信息pos并且将当前位置信息pos上传到云控平台20。

52.例如，定位模块301可由设置于无人矿车30的驾驶舱的顶部中心位置处的定位装置来实现。定位装置可以例如是gnss定位装置。可选地，定位装置还可以采用在本领域已知的或任何可以适用的替代装置。定位装置基于所接收的信号来测量并获取坐标位置信息，本文中优选为全球定位系统(gps)信号。因此，在本发明的实施例中，由定位模块301获得的当前位置信息pos可以是经纬度形式的信息。

53.进一步地，如图1所示，无人矿车30还可以安装有v2i(汽车与基础设施通讯)设备302，该v2i设备302用于实现无人矿车30与云控平台20之间的通信连接。例如，可通过v2i设备302将所获得的当前位置信息pos实时上传到云控平台20中。云控平台20可以将无人矿车30的当前位置信息pos与高精地图map进行比对判断，以基于高精地图map中的各个id点的经纬度信息，来确定无人矿车30当前所在的车道。例如，可根据当前位置信息pos中的经纬度，来判断并确定与无人矿车30的当前位置最近的id点为哪个id点，并基于所确定的id点根据映射信息而锁定到相应的车道。基于此，可以确定无人矿车30当前所在的车道。

54.此外，根据本发明的实施例，可将无人矿车30的当前经纬度信息直接与高精地图map比对。或者可选地，可以对无人矿车30的当前位置信息进行精度后处理和/或换算处理，以使得无人矿车30的当前位置信息pos可以匹配到高精地图map中呈现的位置信息，从而在高精地图map中确定无人矿车30的位置和所在车道。

55.云控平台20还可获取无人矿车30待到达的目的位置信息fin。例如，云控平台20可以通过接受指令的方式而接受目的位置信息fin。或者可选地，云控平台20也可以根据从高精地图map解析的装载区/卸载区的信息，按照预定规则来指定无人矿车30的目的位置，从而生成目的位置信息fin。根据本发明的实施例，类似于无人矿车30的当前位置信息pos，目的位置信息fin也可以为经纬度形式的信息，并且通过与高精地图map的比对判断而映射到相应车道。

56.在确定了无人矿车30的当前位置信息pos和目的位置信息fin以及这些信息所对应的车道id(例如，图6中所示的车道l和车道u)之后，云控平台20的路径规划模块203开始规划无人矿车30的待行驶路径，即全局路径。路径规划模块203可以首先基于当前位置信息pos和目的位置信息fin，来生成由备选车道i

x

组成的二维数组2000，然后逐步地计算备选车道i

x

之间的移动消耗f，基于移动消耗f在备选车道i

x

中选择出待行驶车道，并且将待行驶车道加入到路径集合ni中，以形成所规划的全局路径。

57.在矿区环境中，车道关系通常简单。相比于城市中的复杂车道关系，矿区中的每条

车道一般最多仅连接有三条车道(但本发明的实施例不限于此)。而另一方面，矿区中的每条车道之间的道路环境却可能差异较大。例如，可能有的车道相对平坦，但行驶距离较长；而有的车道虽然距离较短，但是环境恶劣、难以前行并且易于发生故障。结合矿区环境的上述特点，本发明的实施例提出了一种用于矿区无人驾驶车辆的全局路径规划方法，其根据矿区中车道关系简单的特点，采用逐步选择车道的方式，同时综合每条车道的行驶距离和行驶成本来最终确定优化的待行驶车道。根据本发明的全局路径规划方法，可以无需对全部车道进行计算，减少了计算量和计算成本，同时能够规划出稳定、高效、经济效益良好的待行驶路径。

58.以图2b中所示的部分行使道路为例，当确定了当前位置信息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经纬度信息来分别确定当前位置信息pos和目的位置信息fin所对应的起始车道和目的车道。在本实施例中，可以确定当前位置信息pos和目的位置信息fin分别对应起始车道l和目的车道u。随后，将与车道l和车道u相关联的车道确定为备选车道i

x

。在本发明中，“相关联的车道”是指从车道l行驶至车道u可能途经的所有车道。换言之，“相关联的车道”表示分别与车道l和车道u具有连接关系的车道，以及能够将这些车道彼此连接的车道。例如，可根据从高精地图map提取的整个行驶车道，基于位置信息pos和fin来确定相关联的车道。在本示例中，与车道l和车道u相关联的车道可以包括车道a、b、c、d、e、f、g，并且将这些车道确定为备选车道i

x

＝(a、b、c、d、e、f、g)。

59.可选地，可以进一步结合从高精地图map中解析得到的锁定车道信息bab以及车道限定信息cnc，明确备选车道i

x

的车道之间的锁定情况或者限行情况。例如，如图3所示，车道a与车道b之间可能存在锁定关系。因此，当行驶了车道a和车道b中的一条车道之后，就将限制在另外一条车道上行驶。或者，又例如，车道a可能在某个时段(例如时段t)被限制行使，因此可以在该时段期间从二维数组2000中移除车道a。通过这种方式，可以在规划路径时避免考虑不合适的车道，使得可以更高效准确地生成适用的待行驶路径，而避免发生所生成路径无法使用而造成浪费时间成本的情况。

60.此后，根据备选车道i

x

之间的连接关系，将备选车道i

x

形成二维数组2000。图6示出了根据本发明实施例的二维数组2000的示例。如图2b和图6所示，可以将车道l和车道u分别放置在二维数组2000的对角位置处。根据图2b中所示的部分行驶道路，与车道l连接的车道包括车道a、车道b和车道c，则分别将车道a、车道b和车道c放置到二维数组2000的相应位置中，以表示车道l可以行驶到车道a、车道b和车道c中的任一车道。此后，对于车道a，与车道a连接的车道包括车道f和车道d，则分别将车道f和车道d放置到二维数组2000的相应位置中，以表示车道a可以行驶到车道f或车道d。顺序地，对于车道b，以类似方式，分别将车道d和车道e放置到二维数组2000的相应位置中，以表示车道b可以行驶到车道d和车道e。由于车道d已经在先前放置到二维数组2000中，因此该步骤中可以仅放置车道e。对于车道c，以类似方式，分别将车道e和车道g放置到二维数组2000的相应位置中，以表示车道c可以行驶到车道e和车道g。由于车道e已经在先前放置到二维数组2000中，因此该步骤中可以仅放置车道g。再顺序地，可以分别对车道f、车道d、车道e和车道g中的每一个的所连接车道进行放置。在本示例中，可以确定到这些车道的所连接车道均已经被放置在二维数组2000中，因此已经生成了由与车道l和车道u相关联的备选车道i

x

组成的二维数组2000。

61.此后，计算二维数组2000中的备选车道i

x

之间的移动消耗，来确定待行驶车道。根

据本发明的全局路径规划方法，可以逐步地选择车道来直接确定出一条最终的待行驶路径作为全局路径，而无需确定可能由备选车道i

x

可能形成的所有待行驶路径并且对所有待行驶路径计算移动消耗。例如，可以首先在与车道l连接的三条车道a、b和c中进行选择。此时，可以分别计算车道a、车道b和车道c的移动消耗。

62.首先，分别计算车道a、车道b和车道c的移动距离g。根据从高精地图解析的车道参数chr，查找每个车道所包含的多个id点以及每个id点的经纬度信息，然后基于每个车道中的所有id点的经纬度信息来计算每个车道的移动距离。例如，如图3中所示的车道参数chr，车道c包括4个id点(idc1、idc2、idc3、idc4)，分别对应的经纬度信息为(xc1,yc1)、(xc2,yc2)、(xc3,yc3)、(xc4,yc4)。基于所有id点的经纬度信息可计算得到车道c的移动距离为g3。可以利用本领域技术人员公知的任何技术，来基于经纬度信息计算所有id点之间的距离，以作为车道c的移动距离。由于这些属于公知的技术，因此在本文中不做过多的赘述。类似地，可以将车道a和车道b的移动距离分别计算为g1和g2。

63.随后，从大数据模块202生成的各个车道的车道行驶信息dvi，来查找车道a、车道b和车道c的移动成本h。在本发明的实施例中，可基于每个车道的平均通过时间t和事故概率k来计算移动成本h。例如，可以根据预定的计算公式对平均通过时间t和事故概率k进行计算来得到移动成本h。再例如，移动成本h可以等于平均通过时间t与事故概率k乘以平均事故消耗时间t之和。即，h＝t+k*t。然而，这仅仅是示例，并且可以根据实际需要采用不同的计算方式。如图5中所示，车道a具有平均通过时间t1和事故概率k1；车道b具有平均通过时间t2和事故概率k2；并且，车道c具有平均通过时间t3和事故概率k3。则可相应地计算出，车道a具有移动成本h1，车道b具有移动成本h2，以及车道c具有移动成本h3。

64.进一步地，可以根据移动距离g和移动成本h来计算车道的移动消耗f。在本实施例中，车道的移动消耗f可以为移动距离g乘以第一加权值w1与移动成本h乘以第二加权值w2之和。即，f＝g*w1+h*w2。其中，第一加权值w1可以例如为平均距离消耗经济成本，并且第二加权值w2以例如为平均时间消耗经济成本。然而，这些仅仅是示例，也可以根据实际需要采用其它计算方式。以这种方式，对车道a、车道b和车道c分别计算移动消耗f，并且在彼此之间进行比较。例如，可以得到车道a的移动消耗f1＜车道c的移动消耗f3＜车道b的移动消耗f2。因此，可以确定车道a是具有最小移动消耗的车道，则将车道a选择为待行驶车道，并且加入到路径集合ni中。

65.以类似方式，可以逐步地对与车道a连接的车道f和车道d计算移动消耗。例如，车道f和车道d的移动消耗可以分别计算为f4和f5，并且f5＜f4。因此，可以确定车道d是具有最小移动消耗的车道，则将车道d选择为待行驶车道，并且加入到路径集合ni中。顺序地，可以接下来选择与车道d连接的车道。与车道d连接的车道包括车道e和车道b，由于在先前的路径计算中已经排除了车道b，因此可直接选择车道e，而无需进行计算。这确保了无人矿车能够始终在朝向车道u的方向行驶。随后，则将车道e选择为待行驶车道，并且加入到路径集合ni中。顺序地，可以接下来选择与车道e连接的车道。基于类似的情况，可以将车道g选择为待行驶车道，并且加入到路径集合ni中。

66.类似地，接下来选择与车道g连接的车道。此时，可以确定到，车道g连接的车道为车道f和车道u。因此，在确定到所连接车道包括目的车道u之后，可以直接将车道u加入到路径集合ni中，并且结束路径规划过程。以这种方式，可以获得路径集合ni＝(l、a、d、e、g、u)。

然后，将路径集合ni所表示的全局路径下发至无人矿车30。使得无人矿车30可以按照由路径集合ni中包含的车道形成的行驶路径行驶，从而高效、稳定地达到目的位置。

67.图7示出了矿区无人驾驶车辆的全局路径规划步骤的流程图。

68.在s601中，无人矿车30启动，以准备到达目的位置来执行装载任务或卸载任务。

69.在s602中，无人矿车30通过定位模块301来获得当前位置信息pos，并且将当前位置信息pos上传云控平台20。

70.在s603中，云控平台20接收或指定无人矿车30待到达目的地的目的位置信息fin。

71.在s604中，云控平台20基于当前位置信息pos、目的位置信息fin以及先前从矿区行驶区域的高精地图map中获得的每个车道的车道参数chr和车道行驶信息dvi，通过选择出移动消耗最小的待行驶车道来生成路径集合ni。

72.在s605中，将路径集合ni作为全局路径下发至无人矿车30。

73.根据本公开上述各种实施例所述的矿区无人驾驶车辆的全局路径规划方法以及系统，可以结合露天矿区场景的车道特点，即车道关系简单且车道环境差异大的特点，基于移动消耗采用逐步选择的方式来设计待行驶路径，使得可以省略部分车道的计算过程，并且所规划的行驶路径的综合性能高，能够在保证稳定行驶的同时使成本消耗最小化。此外，根据本公开的全局路径规划方法以及系统还使得矿区无人驾驶车辆提供作业效率、减少运输成本、降低事故发生概率，从而扩大矿区无人驾驶车辆在实现任务中的产能、提高经济效益。另外，该方法切实可行，通用性强，可以让矿区无人驾驶车辆在露天矿的应用中变得更易落地。

74.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

75.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。技术特征：

1.一种矿区无人驾驶车辆的全局路径规划方法，所述方法包括：将所述矿区无人驾驶车辆的矿区行驶区域划分成多个车道，并且获得所述多个车道的每个的车道参数和车道行驶信息；获得所述矿区无人驾驶车辆的当前位置信息以及目的位置信息；基于所述当前位置信息和所述目的位置信息来确定备选车道，并且基于所述备选车道生成二维数组；基于所述备选车道的车道参数和车道行驶信息来计算所述备选车道的移动消耗；基于所述移动消耗从所述二维数组中的备选车道中确定待行驶车道，并且将所确定的待行驶车道加入路径集合以生成所述矿区无人驾驶车辆的全局路径。2.根据权利要求1所述的方法，其中，确定所述备选车道进一步包括：确定与所述当前位置信息对应的起始车道以及与所述目的位置信息对应的目的车道，并且将从所述起始车道行驶至所述目的车道能够途经的车道确定为所述备选车道。3.根据权利要求2所述的方法，其中，所述备选车道中的至少一条车道与所述起始车道连接，并且所述备选车道中的至少一条车道与所述目的车道连接。4.根据权利要求2所述的方法，其中，计算所述备选车道的移动消耗进一步包括：根据所述备选车道之间的连接关系，逐步地计算所述备选车道的移动消耗。5.根据权利要求4所述的方法，其中，从与所述起始车道连接的备选车道开始，逐步地计算与所述起始车道连接的备选车道的各自移动消耗，并且基于所计算的移动消耗从与所述起始车道连接的备选车道中选择一条备选车道作为所述待行驶车道。6.根据权利要求5所述的方法，其中，进一步逐步地计算与所选择的待行驶车道连接的备选车道的各自移动消耗，并且基于所计算的移动消耗选择下一条待行驶车道。7.根据权利要求1-6中的任一项所述的方法，其中，基于所述备选车道的移动距离和移动成本来计算所述备选车道的所述移动消耗。8.根据权利要求7所述的方法，其中，根据所述备选车道的所述车道参数来获得所述移动距离，所述车道参数包括车道中所包括的多个标识点的经纬度信息，并且基于所述多个标识点的经纬度信息来计算所述移动距离。9.根据权利要求8所述的方法，其中，所述车道参数进一步包括指示所述矿区无人驾驶车辆无法进入的车道的锁定车道信息和车道限行信息。10.根据权利要求7所述的方法，其中，根据所述备选车道的所述车道行驶信息来获得所述移动成本，所述车道行驶信息包括车道的平均通过时间和事故概率，并且基于所述平均通过时间和所述事故概率来计算所述移动成本。11.根据权利要求1-6中的任一项所述的方法，其中，通过生成所述矿区无人驾驶车辆的矿区行驶区域的高精地图，并且对所述高精地图进行解析来划分所述多个车道。12.一种矿区无人驾驶车辆的全局路径规划系统，所述系统包括：高精地图模块，所述高精地图模块用于获得所述矿区无人驾驶车辆的矿区行驶区域的高精地图；定位模块，所述定位模块位于所述矿区无人驾驶车辆中，并且用于获得所述矿区无人驾驶车辆的当前位置信息；云控平台，所述云控平台包括：

解析模块，所述解析模块用于对所述高精地图进行解析，以将所述矿区行驶区域划分成多个车道，并且获得所述多个车道中的每个车道的车道参数；大数据模块，所述大数据模块用于对所述矿区行驶区域的历史行驶数据进行大数据分析，以获得所述多个车道中的每个车道的车道行驶信息；路径规划模块，所述路径规划模块基于所述当前位置信息、目的位置信息、所述车道参数和所述车道行驶信息来生成路径集合，以作为所述矿区无人驾驶车辆的全局路径。13.根据权利要求12所述的系统，其中，所述路径规划模块进一步基于所述当前位置信息和所述目的位置信息来确定备选车道，以基于所述备选车道生成二维数组，并且基于所述备选车道的车道参数和车道行驶信息来计算所述备选车道的移动消耗，并且基于所述移动消耗从所述二维数组中的备选车道中确定待行驶车道来生成所述路径集合。14.根据权利要求13所述的系统，其中，所述路径规划模块进一步确定与所述当前位置信息对应的起始车道以及与所述目的位置信息对应的目的车道，并且将从所述起始车道行驶至所述目的车道能够途经的车道确定为所述备选车道。15.根据权利要求14所述的系统，其中，所述备选车道中的至少一条车道与所述起始车道连接，并且所述备选车道中的至少一条车道与所述目的车道连接。16.根据权利要求14所述的系统，其中，所述路径规划模块进一步根据所述备选车道之间的连接关系，逐步地计算所述备选车道的移动消耗。17.根据权利要求16所述的系统，其中，所述路径规划模块进一步从与所述起始车道连接的备选车道开始，逐步地计算与所述起始车道连接的备选车道的各自移动消耗，并且基于所计算的移动消耗从与所述起始车道连接的备选车道中选择一条备选车道作为所述待行驶车道。18.根据权利要求17所述的系统，其中，所述路径规划模块进一步逐步地计算与所选择的待行驶车道连接的备选车道的各自移动消耗，并且基于所计算的移动消耗选择下一条待行驶车道。19.根据权利要求12-18中的任一项所述的系统，其中，基于所述备选车道的移动距离和移动成本来计算所述备选车道的所述移动消耗。20.根据权利要求19所述的系统，其中，根据所述备选车道的所述车道参数来获得所述移动距离，所述车道参数包括车道中所包括的多个标识点的经纬度信息，并且基于所述多个标识点的经纬度信息来计算所述移动距离。21.根据权利要求20所述的系统，其中，所述车道参数进一步包括指示所述矿区无人驾驶车辆无法进入的车道的锁定车道信息和车道限行信息。22.根据权利要求19所述的系统，其中，根据所述备选车道的所述车道行驶信息来获得所述移动成本，所述车道行驶信息包括车道的平均通过时间和事故概率，并且基于所述平均通过时间和所述事故概率来计算所述移动成本。

技术总结

本公开提供了一种矿区无人驾驶车辆的全局路径规划方法以及系统。该方法包括：将矿区无人驾驶车辆的矿区行驶区域划分成多个车道，并且获得多个车道的每个的车道参数和车道行驶信息；获得矿区无人驾驶车辆的当前位置信息以及目的位置信息；基于当前位置信息和目的位置信息来确定备选车道，并且基于备选车道生成二维数组；基于备选车道的车道参数和车道行驶信息来计算备选车道的移动消耗；基于移动消耗从二维数组中的备选车道中确定待行驶车道，并且将所确定的待行驶车道加入路径集合以生成矿区无人驾驶车辆的全局路径。矿区无人驾驶车辆的全局路径。矿区无人驾驶车辆的全局路径。

技术研发人员：陈泉宇 冯冲 谢意 蒋先尧 刘志勇

受保护的技术使用者：北京路凯智行科技有限公司

技术研发日：2022.05.10

技术公布日：2022/7/29