路径规划方法、装置、电子设备和计算机可读介质

摘要

本公开的实施例公开了路径规划方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：根据行驶起始点和行驶终止点，确定全局道路路径信息；对目标车辆周围环境进行实时检测；执行以下路径规划步骤：获取点云数据集；对点云数据集进行地面分割，得到道路边界信息；对点云数据集进行障碍物检测，得到障碍物信息；将道路边界信息和障碍物信息进行坐标转换，以生成世界坐标下的道路边界信息和障碍物信息；确定局部避障道路路径信息；对全局道路路径信息进行路径更新，以及控制目标车辆行驶至行驶终止点。该实施方式可以结合车辆本身的物理限制和车辆周围环境的限制，使车辆在车道上平稳地行驶至行驶终止点，从而提高车辆的行驶安全。

权利要求

1.一种路径规划方法，包括：

根据获取的目标用户设置的行驶起始点和行驶终止点，确定与目标地图对应的全局道路路径信息；

响应于确定目标车辆位于所述行驶起始点，对所述目标车辆周围环境进行实时检测；

响应于确定所述目标车辆检测到障碍物，执行以下路径规划步骤：控制所述目标车辆装载的激光雷达获取目标路段的点云数据集；

对所述点云数据集进行地面分割，得到道路边界信息；

对所述点云数据集进行障碍物检测，得到障碍物信息，其中，所述障碍物信息包括：静态障碍物信息和动态障碍物信息；

将所述道路边界信息和所述障碍物信息进行坐标转换，以生成世界坐标下的道路边界信息和障碍物信息，作为第一道路边界信息和第一障碍物信息；

获取所述目标车辆的车辆信息；

根据所述第一道路边界信息，构建道路边界约束模型，其中，左侧道路边界约束模型表示为：，

其中， 表示为道路边界斥力增益系数，表示为目标车辆的中心，表示为左边界上对应点的坐标向量， 表示为目标车辆宽度；

右侧道路边界约束模型表示为：

，

其中， 表示为道路边界斥力增益系数，表示为目标车辆的中心，表示为道路右边界上对应点的坐标向量， 表示为目标车辆宽度；

根据所述第一障碍物信息，构建障碍物约束模型，其中，所述障碍物约束模型为：，

其中，表示为斥力场增益，表示为目标车辆与第一障碍物之间的距离，表示为第一障碍物对目标车辆产生斥力的边界距离， 表示为第一障碍物到目标车辆的单位向量，表示为目标车辆受到斥力势场的数目；

将所述道路边界约束模型、所述障碍物约束模型与路径规划模型进行融合，得到局部路径规划模型，其中，所述路径规划模型表示为：，

其中，表示引力场增益， 表示为目标车辆与行驶终止点之间的单位向量， 为目标车辆与行驶终止点之间的距离，其中， ，表示为目标车辆的位置坐标， 表示为行驶终止点的位置坐标；

所述局部路径规划模型表示为：

，

其中， 表示为路径规划模型， 表示为左侧道路边界约束模型， 表示为右侧道路边界约束模型， 表示为多个障碍物约束模型的集合，表示为目标车辆周围环境中障碍物的数目；

根据所述局部路径规划模型，确定局部避障道路路径信息；

根据所述局部避障道路路径信息，对所述全局道路路径信息进行路径更新，以及控制所述目标车辆行驶至所述行驶终止点。

2.根据权利要求1所述的方法，其中，所述方法还包括：响应于确定所述目标车辆未检测到障碍物，根据所述全局道路路径信息，控制所述目标车辆行驶至所述行驶终止点。

3.根据权利要求1所述的方法，其中，所述对所述点云数据集进行地面分割，得到道路边界信息，包括：对所述点云数据集进行运动畸形矫正，以生成位于所述目标车辆坐标系下的同一时刻的点云数据集，作为第一点云数据集；

对所述第一点云数据集进行滤波处理，以生成预设范围内的滤波后的第一点云数据集，作为第二点云数据集；

对所述第二点云数据集进行地面分割，得到地面点云数据集；

对所述地面点云数据集进行筛选，得到道路边界点云数据集；

响应于确定所述道路边界点云数据集不连续，根据所述道路边界点云数据集，生成道路边界信息。

4.根据权利要求1所述的方法，其中，所述对所述点云数据集进行障碍物检测，得到障碍物信息，包括：将所述点云数据集进行预处理，得到所述点云数据集的稀疏张量；

将所述稀疏张量输入至障碍物检测模型，得到障碍物信息，其中，所述障碍物检测模型是通过以下步骤得到的：获取样本集，其中，所述样本集包括：障碍物图像集，与障碍物图像集对应的样本标签集；

对于所述样本集中的每个样本，执行以下训练步骤：将所述样本的障碍物图像输入至初始障碍物检测模型，得到所述样本对应的障碍物识别结果；

将所述障碍物识别结果与对应的障碍物图像对应的样本标签进行比较；

根据比较结果确定所述初始障碍物检测模型是否达到预设的优化目标；

响应于确定初始障碍物检测模型达到所述优化目标，将初始障碍物检测模型作为训练完成的障碍物检测模型；

响应于确定初始障碍物检测模型未达到所述优化目标，调整初始障碍物检测模型的相关参数，以及从所述样本集中重新选取样本，将调整后的初始障碍物检测模型作为初始障碍物检测模型，再次执行所述训练步骤。

5.根据权利要求1所述的方法，其中，所述道路边界信息和所述障碍物信息对应的坐标系是基于所述目标车辆建立的坐标系；

以及所述将所述道路边界信息和所述障碍物信息进行坐标转换，以生成世界坐标下的道路边界信息和障碍物信息，包括：在所述目标车辆坐标系与世界坐标系中确定公共坐标集；

确定所述公共坐标集在所述目标车辆坐标系中的第一位置坐标集；

确定所述公共坐标集在所述世界坐标系中的第二位置坐标集；

根据所述第一位置坐标集和所述第二位置坐标集，确定所述目标车辆坐标系与世界坐标系的转换关系；

根据所述转换关系，将所述道路边界信息和所述障碍物信息进行坐标转换，以生成世界坐标下的道路边界信息和障碍物信息。

6.一种路径规划装置，包括：

确定单元，被配置成根据获取的目标用户设置的行驶起始点和行驶终止点，确定与目标地图对应的全局道路路径信息；

实时检测单元，被配置成响应于确定目标车辆位于所述行驶起始点，对所述目标车辆周围环境进行实时检测；

执行单元，被配置成响应于确定所述目标车辆检测到障碍物，执行以下路径规划步骤：控制所述目标车辆装载的激光雷达获取目标路段的点云数据集；对所述点云数据集进行地面分割，得到道路边界信息；对所述点云数据集进行障碍物检测，得到障碍物信息，其中，所述障碍物信息包括：静态障碍物信息和动态障碍物信息；将所述道路边界信息和所述障碍物信息进行坐标转换，以生成世界坐标下的道路边界信息和障碍物信息，作为第一道路边界信息和第一障碍物信息；获取所述目标车辆的车辆信息；根据所述第一道路边界信息，构建道路边界约束模型，其中，左侧道路边界约束模型表示为：，

其中， 表示为道路边界斥力增益系数，表示为目标车辆的中心，表示为左边界上对应点的坐标向量， 表示为目标车辆宽度；右侧道路边界约束模型表示为：，

其中， 表示为道路边界斥力增益系数，表示为目标车辆的中心，表示为道路右边界上对应点的坐标向量， 表示为目标车辆宽度；根据所述第一障碍物信息，构建障碍物约束模型，其中，所述障碍物约束模型为：，

其中，表示为斥力场增益，表示为目标车辆与第一障碍物之间的距离，表示为第一障碍物对目标车辆产生斥力的边界距离， 表示为第一障碍物到目标车辆的单位向量，表示为目标车辆受到斥力势场的数目；将所述道路边界约束模型、所述障碍物约束模型与路径规划模型进行融合，得到局部路径规划模型，其中，所述路径规划模型表示为：，

其中，表示引力场增益， 表示为目标车辆与行驶终止点之间的单位向量， 为目标车辆与行驶终止点之间的距离，其中， ，表示为目标车辆的位置坐标， 表示为行驶终止点的位置坐标；所述局部路径规划模型表示为：，

其中， 表示为路径规划模型， 表示为左侧道路边界约束模型， 表示为右侧道路边界约束模型， 表示为多个障碍物约束模型的集合，表示为目标车辆周围环境中障碍物的数目；根据所述局部路径规划模型，确定局部避障道路路径信息；根据所述局部避障道路路径信息，对所述全局道路路径信息进行路径更新，以及控制所述目标车辆行驶至所述行驶终止点。

7.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1‑5中任一所述的方法。

8.一种计算机可读介质，其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如权利要求1‑5中任一所述的方法。

说明书

路径规划方法、装置、电子设备和计算机可读介质

技术领域

[0001] 本公开的实施例涉及计算机技术领域，具体涉及路径规划方法、装置、电子设备和计算机可读介质。

背景技术

[0002] 车辆的全局规划路径，是在全局环境中规划出一条从行驶起始点至行驶终止点的无碰撞路径。车辆依据全局规划路径进行行驶，在行驶过程中，通过车辆装载的各种传感器感知车辆周围局部环境，并对检测到的障碍物进行躲避，直至行驶至行驶终止点。对于路径规划，通常采用的方式为：采用传统的人工势场算法，将车辆周围环境信息抽象为引力场函数和斥力场函数，通过合力场函数规划一条从行驶起点至行驶终止点的无碰撞路径。

[0003] 然而，发明人发现，当采用上述方式来规划车辆的行驶路径，经常会存在如下技术问题：

[0004] 第一，由于传统人工势场算法在复杂环境中存在零势场位置和局部最小值的问题，导致车辆陷入局部最优解，从而使车辆无法行驶至行驶终止点以及在障碍物附近出现震荡问题。

[0005] 第二，由于道路存在不同程度的曲面，在非平直地面上容易出现分割不足、过分分割，导致地面分割的效率和精确度较低。

[0006] 第三，对道路边界信息的提取，由于道路中障碍物的遮挡，会导致道路边界信息提取准确度较低，使得提取的道路边界信息与实际有偏差，进而降低车辆行驶安全。

[0007] 该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

发明内容

[0008] 本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

[0009] 本公开的一些实施例提出了路径规划方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

[0010] 第一方面，本公开的一些实施例提供了一种路径规划方法，包括：根据获取的目标用户设置的行驶起始点和行驶终止点，确定与目标地图对应的全局道路路径信息；响应于确定目标车辆位于上述行驶起始点，对上述目标车辆周围环境进行实时检测；响应于确定上述目标车辆检测到障碍物，执行以下路径规划步骤：控制上述目标车辆装载的激光雷达获取目标路段的点云数据集；对上述点云数据集进行地面分割，得到道路边界信息；对上述点云数据集进行障碍物检测，得到障碍物信息，其中，上述障碍物信息包括：静态障碍物信息和动态障碍物信息；将上述道路边界信息和上述障碍物信息进行坐标转换，以生成世界坐标下的道路边界信息和障碍物信息，作为第一道路边界信息和第一障碍物信息；根据上述第一道路边界信息和上述第一障碍物信息，确定局部避障道路路径信息；根据上述局部避障道路路径信息，对上述全局道路路径信息进行路径更新，以及控制上述目标车辆行驶至上述行驶终止点。

[0011] 第二方面，本公开的一些实施例提供了一种路径规划装置，包括：确定单元，被配置成根据获取的目标用户设置的行驶起始点和行驶终止点，确定与目标地图对应的全局道路路径信息；实时检测单元，被配置成响应于确定目标车辆位于上述行驶起始点，对上述目标车辆周围环境进行实时检测；执行单元，被配置成响应于确定上述目标车辆检测到障碍物，执行以下路径规划步骤：控制上述目标车辆装载的激光雷达获取目标路段的点云数据集；对上述点云数据集进行地面分割，得到道路边界信息；对上述点云数据集进行障碍物检测，得到障碍物信息，其中，上述障碍物信息包括：静态障碍物信息和动态障碍物信息；将上述道路边界信息和上述障碍物信息进行坐标转换，以生成世界坐标下的道路边界信息和障碍物信息，作为第一道路边界信息和第一障碍物信息；根据上述第一道路边界信息和上述第一障碍物信息，确定局部避障道路路径信息；根据上述局部避障道路路径信息，对上述全局道路路径信息进行路径更新，以及控制上述目标车辆行驶至上述行驶终止点。

[0012] 第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

[0013] 第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

[0014] 本公开的上述各个实施例中具有如下有益效果：本公开的一些实施例的路径规划方法可以结合车辆本身的物理限制和车辆周围环境的限制，使车辆在车道上平稳行驶至行驶终止点，从而提高车辆的行驶安全。具体来说，车辆无法行驶至行驶终止点以及在障碍物附近出现震荡问题的原因在于：由于传统人工势场算法在复杂环境中存在零势场位置和局部最小值的问题，导致车辆陷入局部最优解。基于此，本公开的一些实施例的路径规划方法可以首先，根据获取的目标用户设置的行驶起始点和行驶终止点，确定与目标地图对应的全局道路路径信息。在这里，得到的全局道路路径信息用于对目标车辆进行路径参考，避免与目标地图中的静态障碍物发生碰撞。然后，响应于确定目标车辆位于上述行驶起始点，对上述目标车辆周围环境进行实时检测。在这里，主要是对目标车辆周围环境中动态障碍物的检测，减少车辆因突发情况造成交通事故，进而提高车辆的安全度。最后，响应于确定上述目标车辆检测到障碍物，执行以下路径规划步骤：第一步，控制上述目标车辆装载的激光雷达获取目标路段的点云数据集。在这里，得到的点云数据集用于后续提取道路边界信息和障碍物信息。第二步，对上述点云数据集进行地面分割，得到道路边界信息。第三步，对上述点云数据集进行障碍物检测，得到障碍物信息，其中，上述障碍物信息包括：静态障碍物信息和动态障碍物信息。在这里，得到的道路边界信息和障碍物信息用于后续确定局部避障道路路径信息。第四步，将上述道路边界信息和上述障碍物信息进行坐标转换，以生成世界坐标下的道路边界信息和障碍物信息，作为第一道路边界信息和第一障碍物信息。第五步，根据上述第一道路边界信息和上述第一障碍物信息，确定局部避障道路路径信息。在这里，依据目标车辆本身的物理限制和环境限制，规划出一条局部避障道路路径信息，有效解决了传统人工势场算法的不可达和局部最优解的问题。第六步，根据上述局部避障道路路径信息，对上述全局道路路径信息进行路径更新，以及控制上述目标车辆行驶至上述行驶终止点。在这里，目标车辆依据得到的局部避障道路路径信息驶行至行驶终止点，减少了目标车辆在障碍物附近出现震荡问题，提高了目标车辆的行驶安全。由此可得，该路径规划方法可以结合车辆本身和环境的限制，使车辆在车道上平稳地行驶至行驶终止点，从而提高车辆的行驶安全。

附图说明

[0015] 结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

[0016] 图1是根据本公开的路径规划方法的一些实施例的流程图；

[0017] 图2是根据本公开的路径规划装置的一些实施例的结构示意图；

[0018] 图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

[0019] 下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

[0020] 另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

[0021] 需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

[0022] 需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

[0023] 本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

[0024] 下面将参考附图并结合实施例来详细说明本公开。

[0025] 参考图1，示出了根据本公开的路径规划方法的一些实施例的流程100。该路径规划方法，包括以下步骤：

[0026] 步骤101，根据获取的目标用户设置的行驶起始点和行驶终止点，确定与目标地图对应的全局道路路径信息。

[0027] 在一些实施例中，上述路径规划方法的执行主体可以根据获取的目标用户设置的行驶起始点和行驶终止点，确定与目标地图对应的全局道路路径信息。其中，上述目标用户可以是在目标地图上设置行起始点和行驶终止点的用户。上述目标地图可以是显示行驶起始点和行驶终止点的高精地图。全局道路路径信息可以是车辆的智能辅助系统规划的一条从行驶起始点至行驶终止点的无碰撞的道路路径。例如，行驶起始点是地点1，行驶终止点是地点2，则对应的全局道路路径信息可以是高精地图上地点1和地点2之间的用户选择的一条道路路径。

[0028] 作为示例，上述执行主体可以利用快速扩展随机树算法，根据获取的目标用户设置的行驶起始点和行驶终止点，确定与目标地图对应的全局道路路径信息。

[0029] 步骤102，响应于确定目标车辆位于行驶起始点，对目标车辆周围环境进行实时检测。

[0030] 在一些实施例中，上述执行主体可以响应于确定目标车辆位于行驶起始点，对目标车辆周围环境进行实时检测。其中，上述目标车辆可以是接受全局道路路径信息，以及根据全局道路路径信息进行行驶的车辆。例如，目标车辆可以是无人驾驶车辆。周围环境可以是以上述目标车辆为圆心，以5m为半径的范围内的事物。例如，事物可以包括以下至少一项：正在行驶的车辆、行人、道路路况和静止物体。静止物体可以包括以下至少一项：停在路边的车辆和道路交通标志。

[0031] 作为示例，上述执行主体可以利用目标车辆装载的各种传感器对上述目标车辆的周围环境进行实时检测。

[0032] 步骤103，响应于确定目标车辆检测到障碍物，执行以下路径规划步骤：

[0033] 步骤1031，控制目标车辆装载的激光雷达获取目标路段的点云数据集。

[0034] 在一些实施例中，上述执行主体可以控制目标车辆装载的激光雷达获取目标路段的点云数据集。其中，上述目标路径可以是待采集点云数据集的路段。

[0035] 步骤1032，对点云数据集进行地面分割，得到道路边界信息。

[0036] 在一些实施例中，上述执行主体可以对点云数据集进行地面分割，得到道路边界信息。其中，道路边界信息可以是区分车辆可行驶区域与不可行驶区域范围的路沿所在的边界信息。

[0037] 作为示例，上述执行主体可以首先，利用平面栅格法，建立预设尺寸的平面网格。其次，将融合点云数据集投影到对应的网格中。然后，对每个网格中的融合点云数据集进行特征提取，得到地面点云数据集。最后，利用最小二乘法，对地面点云数据集进行曲线拟合，得到道路边界信息。

[0038] 在一些实施例的一些可选的实现方式中，上述对上述点云数据集进行地面分割，得到道路边界信息，可以包括以下步骤：

[0039] 第一步，上述执行主体可以对上述点云数据集进行运动畸形矫正，以生成位于上述目标车辆坐标系下的同一时刻的点云数据集，作为第一点云数据集。

[0040] 作为示例，上述执行主体可以首先，获取目标车辆在 时刻，目标车辆的第一位置坐标和行驶速度、动态障碍物的第二位置坐标和速度。然后，获取目标车辆在 时刻，目标车辆的第三位置坐标、动态障碍物的第四位置坐标和激光雷达旋转的角度 。最后，根据在 时刻，目标车辆的第一位置坐标和行驶速度、动态障碍物的第二位置坐标和速度、在 时刻，目标车辆的第三位置坐标、动态障碍物的第四位置坐标和激光雷达旋转的角度为 ，将 时刻获得的点云数据集的坐标系转换到在 时刻下的坐标系，以生成位于上述目标车辆坐标系下的同一时刻的点云数据集，作为第一点云数据集。

[0041] 第二步，上述执行主体可以对上述第一点云数据集进行滤波处理，以生成预设范围内的滤波后的第一点云数据集，作为第二点云数据集。其中，所述预设范围内可以是是以目标车辆为中心，前后50米、左右20米的范围。

[0042] 作为示例，上述执行主体可以首先，利用直通滤波算法，去除第一点云数据集中偏远的点云数据，以生成去除偏远点云数据的第一点云数据集，作为第三点云数据集。其中，偏远的点云数据可以是位于预设范围外的点云数据。预设范围可以是以目标车辆为中心，前后50米、左右20米的范围。然后，利用统计滤波算法，去除单位范围内点云密度小于等于预定密度阈值的点云数据集，以生成去除密度较小的点云数据集，作为第四点云数据集。其中，预定密度阈值可以是20。最后，利用点云下采样算法，对上述第四点云数据集进行格栅化，以生成一定范围内的滤波后的第一点云数据集，作为第二点云数据集。

[0043] 第三步，上述执行主体可以对上述第二点云数据集进行地面分割，得到地面点云数据集。

[0044] 作为示例，上述执行主体可以利用平面格栅算法，对上述第二点云数据集进行地面分割，得到地面点云数据集。

[0045] 第四步，上述执行主体可以对上述地面点云数据集进行筛选，得到道路边界点云数据集。

[0046] 作为示例，上述执行主体可以根据径向与切向的夹角，对地面点云数据进行筛选，将夹角度数大于等于75度的点云数据确定为道路边界点云数据。其中，所述径向与切向的夹角可以是点云数据所在的圆环与目标车辆原点的连线与点点云数据在圆环中的切向的夹角。

[0047] 第五步，上述执行主体可以响应于确定上述道路边界点云数据集连续，根据上述道路边界点云数据集，生成道路边界信息。

[0048] 作为示例，上述执行主体可以利用最小二乘法，对上述道路边界点云数据集进行拟合，以生成道路边界信息。

[0049] 在一些实施例的一些可选的实现方式中，上述对上述第二点云数据集进行地面分割，得到地面点云数据集，可以包括以下步骤：

[0050] 第一步，上述执行主体可以对上述第二点云数据集进行感兴趣区域划分，得到感兴趣区域点云数据集。

[0051] 第二步，上述执行主体可以对上述感兴趣区域点云数据集进行体素化，以生成滤除干扰点后的感兴趣区域点云数据集，得到第一感兴趣区域点云数据集。

[0052] 第三步，上述执行主体可以对上述第一感兴趣区域点云数据集进行初次地面分割，得到第一地面点云数据集。

[0053] 第四步，上述执行主体可以对上述第一地面点云数据集进行象限划分，以生成划分四个象限的第一地面点云数据子集，得到四个第二地面点云数据集。

[0054] 第五步，上述执行主体可以对于上述四个第二地面点云数据集中的每个第二地面点云数据集进行区域划分，以生成多区域的第二地面点云数据子集，得到多个第三地面点云数据集。

[0055] 第六步，上述执行主体可以对于上述多个第三地面点云数据集中的每个第三地面点云数据集进行二次地面分割，得到地面点云数据集。

[0056] 上述技术方案及其相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“在非平直地面上容易出现分割不足、过分分割，导致地面分割的效率和精确度较低。”。导致非平直地面分割效率和精确度较低的因素往往如下：在非平直地面上容易出现分割不足、过分分割，导致地面分割的效率和精确度较低。如果解决了上述因素，就能达到提高在非平直地面的分割效率和精确度。为了达到这一效果，上述对上述第二点云数据集进行地面分割，得到地面点云数据集，可以包括以下步骤：首先，对上述第二点云数据集进行感兴趣区域划分，得到感兴趣区域点云数据集。在这里，通过感兴趣区域的划分，可以降低点云数据处理的计算量，提高实时性。其次，对上述感兴趣区域点云数据集进行体素化，以生成滤除干扰点后的感兴趣区域点云数据集，得到第一感兴趣区域点云数据集。在这里，通过对感兴趣区域内点云信息的体素化，可以使用体素来代替点云进行计算，不仅方便后续对第一兴趣区域点云数据集的检索，同时也降低计算量。接着，对上述第一感兴趣区域点云数据集进行初次地面分割，得到第一地面点云数据集。在这里，去除了大多数用于平面估计的异常值，更有利于后续进行地面分割。随后，对上述第一地面点云数据集进行象限划分，以生成划分四个象限的第一地面点云数据子集，得到四个第二地面点云数据集。然后，对于上述四个第二地面点云数据集中的每个第二地面点云数据集进行区域划分，以生成多区域的第二地面点云数据子集，得到多个第三地面点云数据集。最后，对于上述多个第三地面点云数据集中的每个第三地面点云数据集进行二次地面分割，得到地面点云数据集。在这里，通过将点云划分为多个区域，可以是估算的平面更准确地表示复杂的地形，解决可能的倾斜地形。由此，完成在非平直地面对地面点云的分割，提高了在非平直地面的分割效率和精确度。

[0057] 在一些实施例的一些可选的实现方式中，在上述响应于确定上述道路边界点云数据集连续，根据上述道路边界点云数据集，生成道路边界信息之后，上述方法还可以包括以下步骤：

[0058] 第一步，上述执行主体可以响应于确定上述道路边界点云数据集不连续，确定与不连续道路边界点云数据集所对应的目标子路段。其中，上述点云数据不连续可以是由于障碍物的遮挡，导致道路边界点云数据不连续。目标子路段可以是对应的点云数据集不连续的路段。

[0059] 第二步，上述执行主体可以响应于确定上述目标子路段两侧包括道路边界点云数据集，确定上述目标子路段的下侧子路段对应的道路边界点云数据集的中点位置坐标集，作为第一中点位置坐标集。

[0060] 第三步，上述执行主体可以确定上述目标子路段上侧子路段对应的道路边界点云数据集的中点位置坐标集，作为第二中点位置坐标集。

[0061] 第四步，上述执行主体可以对上述第一中点位置坐标集进行曲线拟合，得到上述第一中点位置坐标集对应的第一拟合曲线。

[0062] 作为示例，上述执行主体可以利用最小二乘法，对上述第一中点位置坐标集进行曲线拟合，得到上述第一中点位置坐标集对应的第一拟合曲线。

[0063] 第五步，上述执行主体可以对上述第二中点位置坐标集进行曲线拟合，得到上述第二中点位置坐标集对应的第二拟合曲线。

[0064] 作为示例，上述执行主体可以利用最小二乘法，对上述第二中点位置坐标集进行曲线拟合，得到上述第二中点位置坐标集对应的第二拟合曲线。

[0065] 第六步，上述执行主体可以根据上述第一拟合曲线的曲率，确定上述目标子路段的中点位置坐标集和下侧子路段的中点位置坐标集，作为第三中点位置坐标集合和第四中点位置坐标集。

[0066] 作为示例，上述执行主体可以利用上述第一拟合曲线的曲率，上侧子路段的第一个中点位置和下侧子路段的最后一个中点位置，计算出目标子路段的中点位置坐标集，作为第三中点位置坐标集合。上述执行主体可以利用上述第一拟合曲线的曲率下侧子路段的最后一个中点位置，计算出下侧子路段的中点位置坐标集，作为第三中点位置坐标集合第四中点位置坐标集。

[0067] 第七步，上述执行主体可以对上述第四中点位置坐标集进行曲线拟合，得到第四拟合曲线。

[0068] 第八步，上述执行主体可以响应于确定上述第一拟合曲线的曲率与上述第四拟合曲线的曲率一致，对上述第三中点位置坐标集对应的道路边界点云集进行填充，得到连续道路边界点云数据集。

[0069] 第九步，上述执行主体可以根据上述连续道路边界点云数据集，生成道路边界信息。

[0070] 作为示例，上述执行主体可以利用利用最小二乘法，对道路边界点云数据集进行拟合，得到道路边界信息。

[0071] 上述技术方案及其相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题三“对道路边界信息的提取，由于道路中障碍物的遮挡，会导致道路边界信息提取准确度较低，使得提取的道路边界信息与实际有偏差，进而降低车辆行驶安全。”。导致车辆的行驶安全降低的因素往往如下：由于道路中障碍物的遮挡，会导致道路边界信息提取准确度较低。如果解决了上述因素，就能达到提高车辆的行驶安全度。为了达到这一效果，上述响应于确定上述道路边界点云数据集不连续，根据上述道路边界点云数据集，生成道路边界信息，可以包括以下步骤：首先，确定与不连续道路边界点云数据集所对应的目标子路段。在这里，确定道路边界点云不连续的道路边界点云数据集有利于后续对不连续道路边界进行填补。其次，响应于确定上述目标子路段两侧包括道路边界点云数据集，确定上述目标子路段的下侧子路段对应的道路边界点云数据集的中点位置坐标集，作为第一中点位置坐标集。再次，确定上述目标子路段上侧子路段对应的道路边界点云数据集的中点位置作为集，作为第二中点位置坐标集。接着，对上述第一中点位置坐标集进行曲线拟合，得到上述第一中点位置坐标集对应的第一拟合曲线。对上述第二中点位置坐标集进行曲线拟合，得到上述第二中点位置坐标集对应的第二拟合曲线。在这里，得到的第一拟合曲线和第二拟合曲线用于后续对不连续道路边界点云数据集进行填补。随后，根据上述第一拟合曲线的曲率，确定上述目标子路段的中点位置坐标集和下侧子路段的中点位置坐标集，作为第三中点位置坐标集合第四中点位置坐标集。然后，对上述第四中点位置坐标集进行曲线拟合，得到第四拟合曲线。最后，响应于确定上述第一拟合曲线的曲率与上述第四拟合曲线的曲率一致，对上述第三中点位置坐标集对应的道路边界点云集进行填充，得到连续道路边界点云数据集。在这里，将第一拟合曲线的曲率与上述第四拟合曲线的曲率进行比较，便于确定拟合的曲线是否准确，提高道路边界信息提取准确度。最后，根据上述连续道路边界点云数据集，生成道路边界信息。由此，通过对与不连续道路边界点云数据集的填补，完成对道路边界信息的提取，提高了道路边界信息的提取准确度，进而提高了车辆的行驶安全。

[0072] 步骤1033，对点云数据集进行障碍物检测，得到障碍物信息。

[0073] 在一些实施例中，上述执行主体可以对点云数据集进行障碍物检测，得到障碍物信息。其中，障碍物信息包括：静态障碍物信息和动态障碍物信息。

[0074] 在一些实施例的一些可选的实现方式中，上述对上述点云数据集进行障碍物检测，得到障碍物信息，可以包括以下步骤：

[0075] 第一步，上述执行主体可以将上述点云数据集进行预处理，得到上述点云数据集的稀疏张量。其中，预处理可以是对上述点云数据集进行体素化处理。

[0076] 第二步，上述执行主体可以将上述稀疏张量输入至障碍物检测模型，得到障碍物信息。上述障碍物检测模型可以是对障碍物进行检测的模型。例如，上述障碍物检测模型可以是YOLO（you only look once，目标检测）V5模型。上述YOLOV5中的V5可以是YOLO模型的系列号。其中，上述障碍物检测模型是通过以下步骤得到的：

[0077] 子步骤1，上述执行主体可以获取样本集，其中，上述样本集包括：障碍物图像集，与障碍物图像集对应的样本标签集。上述样本标签集可以是障碍物图像集对应的标签集。

[0078] 子步骤2，上述执行主体可以对于上述样本集中的每个样本，执行以下训练步骤：

[0079] 第一子步骤，将上述样本的障碍物图像输入至初始障碍物检测模型，得到上述样本对应的障碍物识别结果。

[0080] 第二子步骤，将上述障碍物识别结果与对应的障碍物图像对应的样本标签进行比较。

[0081] 第三子步骤，根据比较结果确定上述初始障碍物检测模型是否达到预设的优化目标。其中，优化目标可以是第一初始辐射源个体识别模型识别的准确度。例如，初始障碍物检测模型的预设优化目标可以是99%。比较结果可以包括：表征上述障碍物识别结果与对应的障碍物图像对应的样本标签是相同的信息、表征上述障碍物识别结果与对应的障碍物图像对应的样本标签是不相同的信息。

[0082] 作为示例，当一个样本对应的障碍物识别结果与对应的障碍物图像对应的样本标签之间的差异小于或者等于预设误差阈值时，认为样本对应的辐射源个体识别结果准确。其中，预设误差阈值可以是0.05。

[0083] 第四子步骤，响应于确定初始障碍物检测模型达到上述优化目标，将初始障碍物检测模型作为训练完成的障碍物检测模型。

[0084] 子步骤3，响应于确定初始障碍物检测模型未达到上述优化目标，调整初始障碍物检测模型的相关参数，以及从上述样本集中重新选取样本，将调整后的初始障碍物检测模型作为初始障碍物检测模型，再次执行上述训练步骤。

[0085] 作为示例，可以采用反向传播算法（Back Propgation Algorithm，BP算法）和梯度下降法（例如，小批量梯度下降算法）对上述初始神经网络的网络参数进行调整。

[0086] 步骤1034，将道路边界信息和障碍物信息进行坐标转换，以生成世界坐标下的道路边界信息和障碍物信息，作为第一道路边界信息和第一障碍物信息。

[0087] 在一些实施例中，上述执行主体可以将道路边界信息和障碍物信息进行坐标转换，以生成世界坐标下的道路边界信息和障碍物信息，作为第一道路边界信息和第一障碍物信息。

[0088] 作为示例，上述执行主体可以利用插值法，将道路边界信息和障碍物信息进行坐标转换，以生成世界坐标下的道路边界信息和障碍物信息，作为第一道路边界信息和第一障碍物信息。

[0089] 在一些实施例的一些可选的实现方式中，上述道路边界信息和上述障碍物信息对应的坐标系是基于上述目标车辆建立的坐标系；以及上述将上述道路边界信息和上述障碍物信息进行坐标转换，以生成世界坐标下的道路边界信息和障碍物信息，可以包括以下步骤：

[0090] 第一步，上述执行主体可以在上述目标车辆坐标系与世界坐标系中确定公共坐标集。其中，公共坐标集可以是同时存在与上述目标车辆坐标系与世界坐标系中的至少一个物体的位置坐标。

[0091] 第二步，上述执行主体可以确定上述公共坐标集在上述目标车辆坐标系中的第一位置坐标集。

[0092] 作为示例，上述执行主体可以通过目标车辆转载的传感器获取上述公共坐标集在上述目标车辆坐标系中的第一位置坐标集。

[0093] 第三步，上述执行主体可以确定上述公共坐标集在上述世界坐标系中的第二位置坐标集。

[0094] 作为示例，上述执行主体可以通过全球定位系统获取上述公共坐标集在上述世界坐标系中的第二位置坐标集。

[0095] 第四步，上述执行主体可以根据上述第一位置坐标集和上述第二位置坐标集，确定上述目标车辆坐标系与世界坐标系的转换关系。

[0096] 作为示例，上述执行主体可以首先，构建含有未知参数的转换关系。然后，将上述第一位置坐标集和上述第二位置坐标集代入至转换关系中，得到未知参数，即得到上述目标车辆坐标系与世界坐标系的转换关系。

[0097] 第五步，上述执行主体可以根据上述转换关系，将上述道路边界信息和上述障碍物信息进行坐标转换，以生成世界坐标下的道路边界信息和障碍物信息。

[0098] 作为示例，上述执行主体可以分别将上述道路边界信息对应的点云数据集的位置坐标集和上述障碍物信息对应的点云数据集的位置坐标集代入至上述转换关系，生成世界坐标下的道路边界信息对应的点云数据集的位置坐标集和障碍物信息对应的点云数据集的位置坐标集，得到世界坐标下的道路边界信息和障碍物信息。

[0099] 步骤1035，根据第一道路边界信息和第一障碍物信息，确定局部避障道路路径信息。

[0100] 在一些实施例中，上述执行主体可以根据第一道路边界信息和第一障碍物信息，确定局部避障道路路径信息。其中，上述局部避障道路路径信息可以是通过检测目标车辆周围环境得到的一条路径信息。

[0101] 作为示例，上述执行主体可以利用A*算法，根据第一道路边界信息和第一障碍物信息，确定局部避障道路路径信息。

[0102] 在一些实施例的一些可选的实现方式中，上述根据上述第一道路边界信息和上述第一障碍物信息，确定局部避障道路路径信息，可以包括以下步骤：

[0103] 第一步，上述执行主体可以获取上述目标车辆的车辆信息。

[0104] 作为示例，上述执行主体可以通过目标车辆装载的传感器获取目标车辆的车辆信息。其中，上述车辆信息可以是目标车辆的实时位置信息和航向角信息。

[0105] 第二步，上述执行主体可以根据上述第一道路边界信息，构建道路边界约束模型。

[0106] 作为示例，上述执行主体可以根据上述第一道路边界信息，构建道路边界约束模型。其中，左侧道路边界约束模型可以表示为：

[0107] 。

[0108] 其中， 表示为道路边界斥力增益系数。表示为目标车辆的中心。表示为左边界上对应点的坐标向量。 表示为目标车辆宽度。

[0109] 右侧道路边界约束模型可以表示为：

[0110] 。

[0111] 其中， 表示为道路边界斥力增益系数。表示为目标车辆的中心。 表示为道路右边界上对应点的坐标向量。 表示为目标车辆宽度。

[0112] 第三步，根据上述第一障碍物信息，构建障碍物约束模型。其中，上述障碍物约束模型可以为：

[0113] 。

[0114] 其中，表示为斥力场增益。表示为目标车辆与第一障碍物之间的距离。 表示为第一障碍物对目标车辆产生斥力的边界距离。 表示为第一障碍物到目标车辆的单位向量。表示为目标车辆受到斥力势场的数目。

[0115] 第四步，上述执行主体可以将上述道路边界约束模型、障碍物约束模型与路径规划模型进行融合，得到局部路径规划模型。其中，上述路径规划模型可以表示为：

[0116] 。

[0117] 其中，表示引力场增益。 表示为目标车辆与行驶终止点之间的单位向量。 为目标车辆与行驶终止点之间的距离。其中， 。表示为目标车辆的位置坐标。表示为行驶终止点的位置坐标。

[0118] 上述局部路径规划模型可以表示为：

[0119] 。

[0120] 其中， 表示为路径规划模型。 表示为左侧道路边界约束模型。 表示为右侧道路边界约束模型。 表示为多个障碍物约束模型的集合。 表示为目标车辆周围环境中障碍物的数目。

[0121] 第五步，上述执行主体可以根据上述局部路径规划模型，确定局部避障道路路径信息。

[0122] 作为示例，上述执行主体可以通过局部路径规划模型规划出一条局部避障道路路径信息。

[0123] 步骤1036，根据局部避障道路路径信息，对全局道路路径信息进行路径更新，以及控制目标车辆行驶至行驶终止点。

[0124] 在一些实施例中，上述执行主体可以根据局部避障道路路径信息，对全局道路路径信息进行路径更新，以及控制目标车辆行驶至行驶终止点。

[0125] 作为示例，上述执行主体可以通过接收到的局部避障道路路径信息，将原来的全局道路路径信息中与局部避障道路径信息对应的路径信息进行更新，更新成局部避障路径信息，以及控制目标车辆行驶至行驶终止点。

[0126] 可选地，上述方法还可以包括以下步骤：

[0127] 响应于确定上述目标车辆未检测到障碍物，根据上述全局道路路径信息，控制上述目标车辆行驶至上述行驶终止点。

[0128] 作为示例，上述执行主体可以通过接收全局道路路径信息，控制控制上述目标车辆行驶至上述行驶终止点。

[0129] 本公开的上述各个实施例中具有如下有益效果：本公开的一些实施例的路径规划方法可以结合车辆本身的物理限制和车辆周围环境的限制，使车辆在车道上平稳行驶至行驶终止点，从而提高车辆的行驶安全。具体来说，车辆无法行驶至行驶终止点以及在障碍物附近出现震荡问题的原因在于：由于传统人工势场算法在复杂环境中存在零势场位置和局部最小值的问题，导致车辆陷入局部最优解。基于此，本公开的一些实施例的路径规划方法可以首先，根据获取的目标用户设置的行驶起始点和行驶终止点，确定与目标地图对应的全局道路路径信息。在这里，得到的全局道路路径信息用于对目标车辆进行路径参考，避免与目标地图中的静态障碍物发生碰撞。然后，响应于确定目标车辆位于上述行驶起始点，对上述目标车辆周围环境进行实时检测。在这里，主要是对目标车辆周围环境中动态障碍物的检测，减少车辆因突发情况造成交通事故，进而提高车辆的安全度。最后，响应于确定上述目标车辆检测到障碍物，执行以下路径规划步骤：第一步，控制上述目标车辆装载的激光雷达获取目标路段的点云数据集。在这里，得到的点云数据集用于后续提取道路边界信息和障碍物信息。第二步，对上述点云数据集进行地面分割，得到道路边界信息。第三步，对上述点云数据集进行障碍物检测，得到障碍物信息，其中，上述障碍物信息包括：静态障碍物信息和动态障碍物信息。在这里，得到的道路边界信息和障碍物信息用于后续确定局部避障道路路径信息。第四步，将上述道路边界信息和上述障碍物信息进行坐标转换，以生成世界坐标下的道路边界信息和障碍物信息，作为第一道路边界信息和第一障碍物信息。第五步，根据上述第一道路边界信息和上述第一障碍物信息，确定局部避障道路路径信息。在这里，依据目标车辆本身的物理限制和环境限制，规划出一条局部避障道路路径信息，有效解决了传统人工势场算法的不可达和局部最优解的问题。第六步，根据上述局部避障道路路径信息，对上述全局道路路径信息进行路径更新，以及控制上述目标车辆行驶至上述行驶终止点。在这里，目标车辆依据得到的局部避障道路路径信息驶行至行驶终止点，减少了目标车辆在障碍物附近出现震荡问题，提高了目标车辆的行驶安全。由此可得，该路径规划方法可以结合车辆本身和环境的限制，使车辆在车道上平稳地行驶至行驶终止点，从而提高车辆的行驶安全。

[0130] 进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种路径规划装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该路径规划装置具体可以应用于各种电子设备中。

[0131] 如图2所示，一种路径规划装置200包括：确定单元201、实时检测单元202和执行单元203。其中，确定单元201被配置成：根据获取的目标用户设置的行驶起始点和行驶终止点，确定与目标地图对应的全局道路路径信息。实时检测单元202被配置成：响应于确定目标车辆位于上述行驶起始点，对上述目标车辆周围环境进行实时检测。执行单元203被配置成：响应于确定上述目标车辆检测到障碍物，执行以下路径规划步骤：控制上述目标车辆装载的激光雷达获取目标路段的点云数据集；对上述点云数据集进行地面分割，得到道路边界信息；对上述点云数据集进行障碍物检测，得到障碍物信息，其中，上述障碍物信息包括：静态障碍物信息和动态障碍物信息；将上述道路边界信息和上述障碍物信息进行坐标转换，以生成世界坐标下的道路边界信息和障碍物信息，作为第一道路边界信息和第一障碍物信息；根据上述第一道路边界信息和上述第一障碍物信息，确定局部避障道路路径信息；
根据上述局部避障道路路径信息，对上述全局道路路径信息进行路径更新，以及控制上述目标车辆行驶至上述行驶终止点。

[0132] 可以理解的是，路径规划装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于路径规划装置200及其中包含的单元，在此不再赘述。

[0133] 下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备（例如，电子设备）300的结构示意图。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

[0134] 如图3所示，电子设备300可以包括处理装置（例如中央处理器、图形处理器等）301，其可以根据存储在只读存储器（ROM）302中的程序或者从存储装置308加载到随机访问存储器（RAM）303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备
300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出（I/O）接口305也连接至总线304。

[0135] 通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

[0136] 特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。

[0137] 需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD‑ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。

[0138] 在一些实施方式中，客户端、服务器可以利用诸如HTTP（Hyper Text Transfer Protocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。

[0139] 上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：根据获取的目标用户设置的行驶起始点和行驶终止点，确定与目标地图对应的全局道路路径信息；响应于确定目标车辆位于上述行驶起始点，对上述目标车辆周围环境进行实时检测；响应于确定上述目标车辆检测到障碍物，执行以下路径规划步骤：控制上述目标车辆装载的激光雷达获取目标路段的点云数据集；对上述点云数据集进行地面分割，得到道路边界信息；对上述点云数据集进行障碍物检测，得到障碍物信息，其中，上述障碍物信息包括：静态障碍物信息和动态障碍物信息；将上述道路边界信息和上述障碍物信息进行坐标转换，以生成世界坐标下的道路边界信息和障碍物信息，作为第一道路边界信息和第一障碍物信息；根据上述第一道路边界信息和上述第一障碍物信息，确定局部避障道路路径信息；根据上述局部避障道路路径信息，对上述全局道路路径信息进行路径更新，以及控制上述目标车辆行驶至上述行驶终止点。

[0140] 可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。

[0141] 附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

[0142] 描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括确定单元、实时检测单元和执行单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，确定单元还可以被描述为“根据获取的目标用户设置的行驶起始点和行驶终止点，确定与目标地图对应的全局道路路径信息的单元”。

[0143] 本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。

[0144] 以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。