车道居中辅助自适应巡航的轨迹规划方法和系统技术方案

本发明专利技术公开了一种车道居中辅助自适应巡航的轨迹规划方法，包括：根据获取的车道线数据对车道线进行拟合，得到车道线方程，生成车辆的感兴趣区域；通过对感兴趣区域内障碍物进行代价计算，得到目标障碍物信息；根据左右车道线数据计算当前所在车道的道路中心线即最佳的行驶路径；根据目标障碍物信息结合自车的车辆状态信息进行自车的纵向速度规划，得到车辆纵向速度曲线，完成轨迹规划，所述目标障碍物信息包括障碍物与自车的相对位置和相对自车的速度信息。当无RTK信号或信号丢失时，基于摄像头反馈数据和毫米波数据得到横向和纵向速度规划曲线，最终完成横纵向解耦控制，实现低成本硬件架构在结构化道路下的自动驾驶。

【技术实现步骤摘要】
车道居中辅助自适应巡航的轨迹规划方法和系统
本专利技术涉及自动驾驶
，具体地涉及一种车道居中辅助自适应巡航的轨迹规划方法和系统。
技术介绍
随着汽车智能化程度的不断提高，自动驾驶汽车日益逐渐趋于成熟。高级驾驶辅助系统(ADAS，AdvancedAdrivingAssistanceSystems)如车道居中辅助(LKA)、自适应巡航(ACC)及紧急制动(AEB)等可极大减轻驾驶员驾驶疲劳，提高驾驶舒适性及交通效率。但大部分驾驶辅助系统仍属于L2级驾驶辅助功能，例如，车道居中辅助仅对车辆横向方向盘进行控制，没有纵向规划控制功能，自适应巡航和紧急制动等仅对纵向车速进行控制，均表现出一定的局限性。而针对L3级自动驾驶车辆，传统做法为横向采用GPS+IMU组合导航RTK(Real-timekinematic，实时动态)定位数据实现循迹控制。但在一些有遮挡、无GPS定位信号或高速GPS信号易丢失场景下，车辆则无法进行横向控制，进而无法进行自动驾驶。本专利技术因此而来。
技术实现思路
为了解决上述技术问题，本专利技术提出了一种车道居中辅助自适应巡航的轨迹规划方法和系统，在无RTK定位信号的工况下，可基于摄像头反馈数据生成感兴趣区域并给出最佳的行驶路径，再通过感兴趣区域对毫米波数据进行筛选，确定目标障碍物，给出纵向速度规划曲线即纵向控制目标，最终完成横纵向解耦控制，实现低成本硬件架构在结构化道路下的自动驾驶。本专利技术所采用的技术方案是：一种车道居中辅助自适应巡航的轨迹规划方法，包括以下步骤：S01：根据获取的车道线数据对车道线进行拟合，得到车道线方程，根据得到的车道线方程生成车辆的感兴趣区域；S02：根据感兴趣区域，对毫米波雷达获取的车辆前方障碍物信息进行代价计算，选定代价最大的障碍物为目标障碍物，得到目标障碍物信息；S03：根据左右车道线数据计算当前所在车道的道路中心线即最佳的行驶路径；根据目标障碍物信息结合自车的车辆状态信息进行自车的纵向速度规划，得到车辆纵向速度曲线，完成轨迹规划，所述目标障碍物信息包括障碍物与自车的相对位置和相对自车的速度信息。优选的技术方案中，所述步骤S01中得到车道线方程包括以下步骤：S11：获取车道线数据的参数信息，参数信息包括有左右车道线类型、质量、曲率、长度以及多项式参数；S12：每一条车道线根据其参数信息生成一个三次多项式，表示为：ylane＝ax3+bx2+cx+offset；其中，a、b、c和offset为多项式系数，多项式系数为根据实际车道线检测后，在车辆坐标系下，采用三次多项式对车道线进行拟合得到的结果。优选的技术方案中，所述步骤S02中得到目标障碍物信息包括以下步骤：S21：对毫米波雷达数据与车道线数据进行统一标定；S22：根据车道线方程及车道线长度建立感兴趣区域，筛选出落在感兴趣区域内的障碍物信息；S23：对步骤S23筛选出的障碍物信息在感兴趣区域内按照纵向距离进行代价计算，选定代价最大的障碍物为目标障碍物。优选的技术方案中，所述步骤S03中轨迹规划包括以下步骤：S31：以障碍物距离自车的净距离dr和安全距离dsafe的差作为行驶路径长度S，安全距离τ为系统延时时间，decmax为最大制动减速度，Dmin为停车时最小安全车距，根据自车速度Vego和相对速度Vr，计算满足在tn时刻后两车相对静止时，两车净距离dr仍不小于dsafe的速度曲线；S32：根据障碍物不同的距离和相对速度，结合安全距离dsafe对纵向速度规划，包括以下步骤：(1)当Vr＜0时，不触发速度重规划；(2)当Vr≥0且dr＞dsafe时，以某一恒定减速度减至期望车辆的末状态为Vr＝0，dr＝dtarget，其中dtarget＝kVego+Dmin，k为反映驾驶偏好的可调节系数；(3)当Vr≥0且dr≤dsafe时，以车辆最大的减速度进行速度规划，Vp＝Vego-decmaxt，t为时间，Vp为规划的纵向速度。优选的技术方案中，所述步骤S03还包括对得到的最佳行驶路径和车辆纵向速度曲线，以时间步长Ts分别对路径曲线和速度曲线进行离散化处理，再将离散后的坐标和和车速按时间戳匹配，形成目标轨迹。本专利技术还公开了一种车道居中辅助自适应巡航的轨迹规划系统，包括以下步骤：车道线数据处理模块，根据获取的车道线数据对车道线进行拟合，得到车道线方程，根据得到的车道线方程生成车辆的感兴趣区域；障碍物数据处理模块，根据感兴趣区域，对毫米波雷达获取的车辆前方障碍物信息进行代价计算，选定代价最大的障碍物为目标障碍物，得到目标障碍物信息；轨迹规划模块，根据得到的左右车道线数据计算当前所在车道的道路中心线即最佳的行驶路径；根据目标障碍物信息结合自车的车辆状态信息进行自车的纵向速度规划，得到车辆纵向速度曲线，完成轨迹规划，所述目标障碍物信息包括障碍物与自车的相对位置和相对自车的速度信息。优选的技术方案中，所述车道线数据处理模块得到车道线方程包括以下步骤：S11：获取车道线数据的参数信息，参数信息包括有左右车道线类型、质量、曲率、长度及多项式系数；S12：每一条车道线根据其参数信息生成一个三次多项式，表示为：ylane＝ax3+bx2+cx+offset；其中，a、b、c和offset为多项式系数，多项式系数为通过实际车道线检测后，在车辆坐标系下，采用三次多项式对车道线进行拟合得到的结果。优选的技术方案中，所述障碍物数据处理模块中得到目标障碍物信息包括以下步骤：S21：对毫米波雷达数据与车道线数据进行统一标定；S22：根据车道线方程及车道线长度建立感兴趣区域，筛选出落在感兴趣区域内的障碍物信息；S23：对步骤S22筛选出的障碍物信息在感兴趣区域内按照纵向距离进行代价计算，选定代价最大的障碍物为目标障碍物。优选的技术方案中，所述轨迹规划模块中轨迹规划包括以下步骤：S31：以障碍物距离自车的净距离dr和安全距离dsafe的差作为行驶路径长度S，安全距离τ为系统延时时间，decmax为最大制动减速度，Dmin为停车时最小安全车距，根据自车速度Vego和相对速度Vr，计算满足在tn时刻后两车相对静止时，两车净距离dr仍不小于dsafe的速度曲线；S32：根据障碍物不同的距离和相对速度，结合安全距离dsafe对纵向速度规划，包括以下步骤：(1)当Vr＜0时，不触发速度重规划；(2)当Vr≥0且dr＞dsafe时，以某一恒定减速度减至期望车辆的末状态为Vr＝0，dr＝dtarget，其中dtarget＝kVego+Dmin,k为反映驾驶偏好的可调节系数；(3)当Vr≥0且dr≤dsafe时，以车辆最大的减速度进行速度规划，Vp＝Vego-decmaxt，t为时间，Vp为规划的纵向速度。优选的技术方案中，所述轨迹规划模块还包括对得到的最佳行驶路径和车辆纵向速度曲线，本文档来自技高网...

【技术保护点】
1.一种车道居中辅助自适应巡航的轨迹规划方法，其特征在于，包括以下步骤：/nS01：根据获取的车道线数据对车道线进行拟合，得到车道线方程，根据得到的车道线方程生成车辆的感兴趣区域；/nS02：根据感兴趣区域，对毫米波雷达获取的车辆前方障碍物信息进行代价计算，选定代价最大的障碍物为目标障碍物，得到目标障碍物信息；/nS03：根据左右车道线数据计算当前所在车道的道路中心线即最佳的行驶路径；根据目标障碍物信息结合自车的车辆状态信息进行自车的纵向速度规划，得到车辆纵向速度曲线，完成轨迹规划，所述目标障碍物信息包括障碍物与自车的相对位置和相对自车的速度信息。/n

【技术特征摘要】
1.一种车道居中辅助自适应巡航的轨迹规划方法，其特征在于，包括以下步骤：
S01：根据获取的车道线数据对车道线进行拟合，得到车道线方程，根据得到的车道线方程生成车辆的感兴趣区域；
S02：根据感兴趣区域，对毫米波雷达获取的车辆前方障碍物信息进行代价计算，选定代价最大的障碍物为目标障碍物，得到目标障碍物信息；
S03：根据左右车道线数据计算当前所在车道的道路中心线即最佳的行驶路径；根据目标障碍物信息结合自车的车辆状态信息进行自车的纵向速度规划，得到车辆纵向速度曲线，完成轨迹规划，所述目标障碍物信息包括障碍物与自车的相对位置和相对自车的速度信息。


2.根据权利要求1所述的车道居中辅助自适应巡航的轨迹规划方法，其特征在于，所述步骤S01中得到车道线方程包括以下步骤：
S11：获取车道线数据的参数信息，参数信息包括有左右车道线类型、质量、曲率、长度以及多项式系数；
S12：每一条车道线根据其参数信息生成一个三次多项式，表示为：
ylane＝ax3+bx2+cx+offset；
其中，a、b、c和offset为多项式系数，多项式系数为通过实际车道线检测后，在车辆坐标系下，采用三次多项式对车道线进行拟合得到的结果。


3.根据权利要求1所述的车道居中辅助自适应巡航的轨迹规划方法，其特征在于，所述步骤S02中得到目标障碍物信息包括以下步骤：
S21：对毫米波雷达数据与车道线数据进行统一标定；
S22：根据车道线方程及车道线长度建立感兴趣区域，筛选出落在感兴趣区域内的障碍物信息；
S23：对步骤S22筛选出的障碍物信息按照纵向距离进行代价计算，选定代价最大的障碍物为目标障碍物。


4.根据权利要求1所述的车道居中辅助自适应巡航的轨迹规划方法，其特征在于，所述步骤S03中轨迹规划包括以下步骤：
S31：以障碍物距离自车的净距离dr和安全距离dsafe的差作为行驶路径长度S，安全距离τ为系统延时时间，decmax为最大制动减速度，Dmin为停车时最小安全车距，根据自车速度Vego和相对速度Vr，计算满足在tn时刻后两车相对静止时，两车净距离dr仍不小于dsafe的速度曲线；
S32：根据障碍物不同的距离和相对速度，结合安全距离dsafe对纵向速度规划，包括以下步骤：
(1)当Vr＜0时，不触发速度重规划；
(2)当Vr≥0且dr＞dsafe时，以某一恒定减速度减至期望车辆的末状态为Vr＝0，dr＝dtarget，其中dtarget＝kVego+Dmin，k为反映驾驶偏好的可调节系数；
(3)当Vr≥0且dr≤dsafe时，以车辆最大的减速度进行速度规划，Vp＝Vego-decmaxt，t为时间，Vp为规划的纵向速度。


5.根据权利要求1所述的车道居中辅助自适应巡航的轨迹规划方法，其特征在于，所述步骤S03还包括对得到的最佳行驶路径和车辆纵向速度曲线，以时间步长Ts分别对路径曲线和速度曲线进行离散化处理，再将离散后的坐标和和车速按时间戳匹配，形成目标轨迹。


6.一种车道居中辅助...

【专利技术属性】
技术研发人员：徐巍，戴一凡，韩海兰，卢贤票，王斌，
申请(专利权)人：清华大学苏州汽车研究院吴江，
类型：发明
国别省市：江苏;32