一种基于局部最优性的无人驾驶车辆动态轨迹规划方法技术

本发明专利技术属于无人驾驶汽车路径规划技术领域，尤其涉及一种基于局部最优性的无人驾驶车辆动态轨迹规划方法。该方法根据道路上障碍物车辆的不同位置与其不同相应的工况，来进行最优参考轨迹的选取并进行动态的轨迹规划。分析无人车换道意图的产生与换道可执行的条件，根据对周围障碍车位置以及速度的预测在决定避障换道的初始时刻拟合出局部最优换道轨迹，进而把这条最优轨迹作为局部参考轨迹。生成无人车可行驶的轨迹簇，并将设计出的速度距离成本代价函数与损失函数相结合，利用非线性模型预测控制筛选出轨迹簇中的最优轨迹。该方法能够在多种复杂工况下实现避障、换道与超车，而且兼顾了无人车中乘客的舒适性与道路行驶效率等性能。

A dynamic trajectory planning method of driverless vehicle based on local optimality

【技术实现步骤摘要】
一种基于局部最优性的无人驾驶车辆动态轨迹规划方法
本专利技术属于无人驾驶汽车路径规划
，尤其涉及一种基于局部最优性的无人驾驶车辆动态轨迹规划方法。
技术介绍
伴随着时代的进步与发展，无人驾驶技术从根本上带来了社会的变革，无人驾驶可以从本质上改变人们的生活方式与出行方式，十分智能化。无人驾驶车辆是智能交通系统中的重要组成部分，由于无人驾驶车辆融合了环境感知、定位、决策、跟踪控制等众多领域，具有反应灵敏、行驶安全可靠等优点，可以有效降低交通事故发生率，提高道路的车辆行驶效率。目前，很多国内外高端科技公司致力于无人车技术的研发，如百度、谷歌、通用、特斯拉等都投入了巨大的精力。轨迹规划是车辆实现无人驾驶的关键技术之一。轨迹规划可以在车路协同的基础上规划出有效的行驶路径，以此来实现无人车的超车与避障功能。一般而言，无人车的路径规划分为全局路径规划与局部路径规划，全局路径规划是规划了全局范围的、从起点到终点的行驶路径；而局部路径规划则是根据无人车辆在行驶过程中根据道路等周围环境信息以及动态的变化来进行重新规划局部路径。由于无人车的路径规划算法都是从机器人相关领域而来并进行了一定的改进，所以目前主要应用的算法有A*算法、Dijkstra算法、启发式算法、RRT算法、人工势场法等。现有的无人车路径规划算法中，一般都是基于给定的障碍物车辆工况进行的轨迹规划研究，而且很少考虑无人驾驶车辆在避障换道时乘客的舒适性与道路行驶效率。
技术实现思路
(一)要解决的技术问题针对现有存在的技术问题，本专利技术提供一种基于局部最优性的无人驾驶车辆动态轨迹规划方法，能够在多种复杂工况下实现避障、换道与超车，而且兼顾了无人车中乘客的舒适性与道路行驶效率等性能。(二)技术方案本专利技术提供一种基于局部最优性的无人驾驶车辆动态轨迹规划方法，包括如下步骤：A1、分别获取无人车和障碍车的状态参数，根据所述状态参数判断无人车是否达到产生换道动机的条件，若达到产生换道动机的条件，则继续判断是否满足换道条件，若满足换道条件，则执行步骤A2；若达不到产生换道动机的条件，或不满足换道条件，则无人车减速或保持当前跟驰状态；A2、根据所述无人车的状态参数和预设的无人车左侧待换道车道无障碍车辆的距离范围，并结合无人车的动力性能指标，得到局部最优换道轨迹，作为参考轨迹；A3、根据所述障碍车的状态参数，结合汽车动力学响应，预测无人车左侧待换道车道障碍车的行驶轨迹；A4、根据所述无人车的状态参数和无人车左侧待换道车道障碍车的行驶轨迹，预测无人车的换道行驶轨迹；A5、基于所述参考轨迹，结合车辆动力学约束和成本代价函数值最小的原则，利用非线性模型预测控制对所述无人车的换道行驶轨迹进行重规划，得到最优换道轨迹；A6、将步骤A3-A5不断进行迭代计算，得到最终换道轨迹。进一步地，所述状态参数包括无人车和障碍车的位置、运动方向、行驶速度和加速度。进一步地，所述产生换道动机的条件满足以下公式：式中：D为无人车与正前方障碍车的距离；Diss(k)为无人车当前采样时刻k的速度不满累积度值，其中，Diss(k-1)为无人车上一时刻k-1的速度不满累计度值，vd为当前采样时刻正前方障碍车的速度，vp为当前采样时刻对正前方障碍车的期望速度值，T为采样间隔；Dissp为不满累积度阈值；所述换道条件满足以下公式：式中：Dsf、Dsb分别为无人车与左前方、左后方障碍车的车距。进一步地，所述步骤A2中，所述参考轨迹(X(t),Y(t))满足以下公式：式中：X(t)、Y(t)为以无人车在坐标系下的纵向坐标和侧向坐标；ai、bi为五次多项式的系数；t为时间；i为系数变量，取值为1、2...、n，n＝5，其中：式中：ts为无人车换道初始时刻；tf为无人车换道终止时刻；X(ts)、和分别为无人车在换道初始时刻纵向的位移、速度和加速度；X(tf)、和分别为无人车在换道终止时刻纵向的位移、速度和加速度；Y(ts)、和分别为无人车在换道初始时刻侧向的位移、速度和加速度；Y(tf)、和分别为无人车在换道终止时刻侧向的位移、速度和加速度。进一步地，所述步骤A3中，障碍车的行驶轨迹满足以下公式：式中：(xk、yk)为采样时刻障碍车的位置坐标；(x0、y0)为初始时刻障碍车的位置坐标；v0,x、v0,y分别为初始时刻障碍车的纵向速度和侧向速度；Δt为规划周期。进一步地，所述步骤A4中，无人车的换道行驶轨迹满足以下公式：式中：(Xk、Yk)为采样时刻无人车的位置坐标，即无人车预估状态轨迹点位置坐标；θk为采样时刻无人车的车辆航向角；(X0、Y0)为初始时刻无人车的位置坐标；θ0为初始时刻无人车的车辆航向角；δ为无人车的车辆前轮转角；u为无人车的纵向速度；L为无人车的车辆轴距；K为稳定性系数，K＝m(a/k1-b/k2)/L2，其中m为无人车整备质量，a、b分别为无人车的前后轴距，k1、k2分别为无人车前后轮胎的外倾刚度。进一步地，所述步骤A5中，成本代价函数Jobs,c由惩罚函数Ctotal和速度距离避障函数Jobs,i共同决定，成本代价函数满足如下公式：式中：Jobs,i为工况下所有障碍车辆的速度距离避障功能函数值，i为周围障碍车辆，i的取值为1、2...n，n＝4；Ctotal为惩罚函数；成本代价函数Jobs,c值越小，换道轨迹越安全，无人车的舒适性越高。进一步地，所述速度距离避障函数Jobs,i满足如下公式：式中：Jobs,f为无人车与目标车道前方障碍车的避障功能函数值；Jobs,r为无人车与目标车道后方障碍车的避障功能函数值；Sobs为权重系数，权重系数越大则轨迹规划结果就越趋于保守；vc,x、vc,y分别为无人车的纵向、侧向速度；vo,x、vo,y分别为障碍车的纵向、侧向速度；vc、vo分别为无人车和障碍车的速度；(Xk,Yk)、(xk,yk)分别为无人车、障碍车的位置坐标；ζ为一个正数，防止发生无解的情况。进一步地，所述惩罚函数Ctotal满足如下公式：Ctotal＝klatCd+klonCs式中：klat、klon分别为纵向、侧向惩罚函数的权重系数；其中，纵向惩罚函数Cd满足如下公式：Cd＝kj1Jt(d(t))+kd1d12式中：kj1Jt(d(t))为稳定性的备选轨迹集的惩罚项，其中tks、tkf分别为每个规划周期的起始时间和结束时间；kdd12为不偏离局部最优参考轨迹惩罚项；d1为纵向规划轨迹与局部最优换道轨迹的间距；kj1、kd1分别为两个惩罚项的权重值，权重值的大小决定优化偏向方向；侧向惩罚函数Cs满足如下公式：式中：kj2Jt(d(t))为稳定性的备选轨迹集的惩罚项，其中为车速保持惩罚项，其中分别为换道时的实际车速与设定的目标纵向速度；kj2、kd2分别为两个惩罚项的权重值，权重值的大小决定优化偏向方向。进一步地，所述非线性模型预测控制满足如下公式：式中：(Xk,Yk)为无人车换道行驶轨迹的位置坐标；(X(t),Y(t))为无人车参考轨迹的位置坐标；Np为预测时域；Q、R'均为权重系数；U为车辆动力学约束量。(三)有益效果本专利技术提供的基于局部最优性的无人驾驶车辆动态轨迹规划方法，可适用于存在多障碍车辆工况下的道路环境场景，有效实现避障、换道与超车等操作。采用分层决策架构，基于局部最优性进行动本文档来自技高网...

【技术保护点】
1.一种基于局部最优性的无人驾驶车辆动态轨迹规划方法，其特征在于，包括如下步骤：A1、分别获取无人车和障碍车的状态参数，根据所述状态参数判断无人车是否达到产生换道动机的条件，若达到产生换道动机的条件，则继续判断是否满足换道条件，若满足换道条件，则执行步骤A2；若达不到产生换道动机的条件，或不满足换道条件，则无人车减速或保持当前跟驰状态；A2、根据所述无人车的状态参数和预设的无人车左侧待换道车道无障碍车辆的距离范围，并结合无人车的动力性能指标，得到无人车的局部最优换道轨迹，作为参考轨迹；A3、根据所述障碍车的状态参数，结合汽车动力学响应，预测无人车左侧待换道车道障碍车的行驶轨迹；A4、根据所述无人车的状态参数和无人车左侧待换道车道障碍车的行驶轨迹，预测无人车的换道行驶轨迹；A5、基于所述参考轨迹，结合车辆动力学约束和成本代价函数值最小的原则，利用非线性模型预测控制对所述无人车的换道行驶轨迹进行重规划，得到最优换道轨迹；A6、将步骤A3‑A5不断进行迭代计算，得到最终换道轨迹。

【技术特征摘要】
1.一种基于局部最优性的无人驾驶车辆动态轨迹规划方法，其特征在于，包括如下步骤：A1、分别获取无人车和障碍车的状态参数，根据所述状态参数判断无人车是否达到产生换道动机的条件，若达到产生换道动机的条件，则继续判断是否满足换道条件，若满足换道条件，则执行步骤A2；若达不到产生换道动机的条件，或不满足换道条件，则无人车减速或保持当前跟驰状态；A2、根据所述无人车的状态参数和预设的无人车左侧待换道车道无障碍车辆的距离范围，并结合无人车的动力性能指标，得到无人车的局部最优换道轨迹，作为参考轨迹；A3、根据所述障碍车的状态参数，结合汽车动力学响应，预测无人车左侧待换道车道障碍车的行驶轨迹；A4、根据所述无人车的状态参数和无人车左侧待换道车道障碍车的行驶轨迹，预测无人车的换道行驶轨迹；A5、基于所述参考轨迹，结合车辆动力学约束和成本代价函数值最小的原则，利用非线性模型预测控制对所述无人车的换道行驶轨迹进行重规划，得到最优换道轨迹；A6、将步骤A3-A5不断进行迭代计算，得到最终换道轨迹。2.根据权利要求1所述的无人驾驶车辆动态轨迹规划方法，其特征在于，所述状态参数包括无人车和障碍车的位置、运动方向、行驶速度和加速度。3.根据权利要求2所述的无人驾驶车辆动态轨迹规划方法，其特征在于，所述产生换道动机的条件满足以下公式：或Diss(k)≥Dissp式中：D为无人车与正前方障碍车的距离；Diss(k)为无人车当前采样时刻k的速度不满累积度值，其中，Diss(k-1)为无人车上一时刻k-1的速度不满累计度值，vd为当前采样时刻正前方障碍车的速度，vp为当前采样时刻对正前方障碍车的期望速度值，T为采样间隔；Dissp为不满累积度阈值；所述换道条件满足以下公式：式中：Dsf、Dsb分别为无人车与左前方、左后方障碍车的车距。4.根据权利要求3所述的无人驾驶车辆动态轨迹规划方法，其特征在于，所述步骤A2中，所述参考轨迹(X(t),Y(t))满足以下公式：式中：X(t)、Y(t)为以无人车在坐标系下的纵向坐标和侧向坐标；ai、bi为五次多项式的系数；t为时间；i为系数变量，取值为1、2...、n，n＝5，其中：式中：ts为无人车换道初始时刻；tf为无人车换道终止时刻；X(ts)、和分别为无人车在换道初始时刻纵向的位移、速度和加速度；X(tf)、和分别为无人车在换道终止时刻纵向的位移、速度和加速度；Y(ts)、和分别为无人车在换道初始时刻侧向的位移、速度和加速度；Y(tf)、和分别为无人车在换道终止时刻侧向的位移、速度和加速度。5.根据权利要求4所述的无人驾驶车辆动态轨迹规划方法，其特征在于，所述步骤A3中，障碍车的行驶轨迹满足以下公式：式中：(xk、yk)为采样时刻障碍车的位置坐标；(x0、y0)为初始时刻障碍车的位置坐标；v0,x、v0,y分别为初始时刻障碍车的纵向速度和侧向速度；Δt为规划周期。6.根据权利要求5所述的无人驾驶车辆动态轨迹...

【专利技术属性】
技术研发人员：梁忠超，张欢，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21