一种基于两点预瞄驾驶员模型的自动驾驶决策方法技术

本发明专利技术提供一种基于两点预瞄驾驶员模型的自动驾驶决策方法，通过结合实时车速与全局参考路径的曲率信息动态确定预瞄点位置，实现两点预瞄理论与纯追踪算法的深度融合。基于两点预瞄模型的决策方法将驾驶员的驾驶特征融入自动驾驶技术中，通过分析并模仿人类驾驶员在开车过程中的行为，能够为自动驾驶提供良好的决策依据，有效减少自动驾驶车辆在大曲率弯道处的横向偏移。动态计算近点预瞄结果与远点预瞄结果在最终决策结果中的比例关系。通过动态比例因子计算，可以得到稳定的横向转角决策结果；通过结合预瞄点之间的道路曲率变化情况与期望车速，输出纵向速度决策结果，降低智能车辆在大曲率弯道处的偏移误差。车辆在大曲率弯道处的偏移误差。车辆在大曲率弯道处的偏移误差。

【技术实现步骤摘要】
一种基于两点预瞄驾驶员模型的自动驾驶决策方法

技术介绍

[0001]自动驾驶决策规划模块作为自动驾驶系统的神经中枢，对于自动驾驶车辆的行驶安全性与稳定性具有重要作用。目前的自动驾驶决策技术主要可以分为基于规则的决策方法、基于学习的决策方法以及基于驾驶员模型的决策方法。
[0002]随着近十年以来人工智能的发展，基于学习的决策方法开始大量涌现，将强化学习、深度神经网络的研究成果应用于自动驾驶的决策，可以在相应的数据集或者仿真场景中取得良好的效果，并且在一定程度上简化了自动驾驶技术的开发流程，成为当前关于自动驾驶决策方法的研究热点之一，但是，基于学习的决策方法在当前情况下并没有能够摆脱对于数据集、仿真场景等因素的依赖，在安全性和可解释性上面存在较大问题，因此无法真正投入自动驾驶实车的决策应用中，特别是在安全方面的不确定性，进一步制约了基于学习的决策方法走向实际的应用场景，国际上以自动驾驶技术落地为目标的车企或研究机构对于基于学习的自动驾驶技术在实车上的应用持谨慎态度。
[0003]基于规则的决策方法由于其具备较强的可解释性与规则性，因此在自动驾驶实车平台上得到了广泛的应用，该决策方法依赖于车辆行驶过程中的交通规则与行为规则来进行决策结果输出，特点是逻辑明确，可解释性强，并且在实车应用领域经验丰富，能够覆盖较为丰富的交通场景。但基于规则的决策方法存在对于复杂场景的覆盖程度不足的问题，虽然可以通过整体的逻辑框架设计将尽可能多的场景融入决策模型中，但是一旦交通场景不在预设的逻辑范围之内，智能车将无法保证得到安全且合理的决策结果，其拓展性和适应性不足，不能应对条件足够复杂的驾驶场景，无法保证决策结果的安全性。
[0004]另一方面，基于驾驶员模型的决策方法通过模仿人类驾驶员的驾驶习惯来直接输出车辆的方向盘转角与速度信息，由于结合了道路与交通信息，可以使自动驾驶车辆决策结果的连续性与稳定性得到保障，并且能够使自动驾驶车辆适应高速驾驶场景。在以技术落地为目标的自动驾驶决策方法研究中，而基于驾驶员模型的决策方法能够避免基于学习的方法所带来的不确定性与不可解释性的限制，也能避免基于规则的决策方法所造成的不灵活、不安全的影响，更有利于自动驾驶决策技术在实车平台取得成效。

技术实现思路

[0005]本专利技术所要解决的技术问题是，针对自动驾驶车辆在大曲率路径条件下决策结果偏移误差大的问题，提供一种将驾驶员模型与自动驾驶技术相结合，从而输出更稳定、安全的自动驾驶决策的方法。
[0006]本专利技术为解决上述技术问题所采用的技术方案是，一种基于两点预瞄驾驶员模型的自动驾驶决策方法，包括步骤：
[0007]S1全局路径拟合步骤：
[0008]获取数字地图中行驶路线的全局轨迹，并对全局轨迹采用三次样条差值法生成稳定且连续的全局参考轨迹；
[0009]S2基于两点预瞄模型的决策步骤：
[0010]动态选择预瞄近点与预瞄远点：预瞄近点为车辆前方在预瞄近点距离上的道路中心点，设置初始预瞄远点为车辆前方在预瞄远点距离上的道路中心点；检测在预瞄近点与初始预瞄远点之间是否存在弯道，如否，则为直道场景，预瞄远点为初始预瞄远点，如是，则为弯道场景，预瞄远点为第一个弯道处的切点；
[0011]确定预瞄近点与预瞄远点之后建立基于远点夹角追踪值θ
f
和近点夹角追踪值θ
n
的预瞄模型：
[0012][0013][0014]其中，x
car
、y
car
为在自动驾驶系统中车辆在大地坐标系下的横、纵坐标；x
n
、y
n
为近点在大地坐标系下的横、纵坐标；x
f
、y
f
为远点在大地坐标系下的横、纵坐标；κ
car
为车辆所在位置的曲率，k
n
为预瞄近点的曲率；
[0015]S3横向转角值决策步骤：
[0016]根据预瞄模型综合当前车辆速度决策出最优的前轮转角δ
sω
：
[0017]δ
sω
＝λθ
n
+(1
‑
λ)θ
f
[0018]其中，λ为比例因子，λ与车辆速度成反比；
[0019]再将前轮转角值δ
sω
与车辆转向比例相乘得到车辆的方向盘转角，当前时刻的横向转角值决策完成；
[0020]S4纵向速度决定步骤：
[0021]直道场景中，车辆的决策速度v
d
为车辆期望速度v0；弯道场景中，车辆的决策速度v
d
＝min(v
s
，v0)，其中，v
s
为安全速度；为安全速度；n为在预瞄近点至预瞄远点之间的弯道在全局路径上的追踪点的个数，表示在弯道上第n段的安全速度，所述车辆期望速度v0在规定限速内，所述安全速度v
s
通过分析预瞄近点与预瞄远点之间弯道的曲率信息k得到。
[0022]本专利技术通过结合实时车速与全局参考路径的曲率信息动态确定预瞄点位置，实现两点预瞄理论与纯追踪算法的深度融合。
[0023]基于两点预瞄模型的决策方法将驾驶员的驾驶特征融入自动驾驶技术中，通过分析并模仿人类驾驶员在开车过程中的行为，能够为自动驾驶提供良好的决策依据，有效减少自动驾驶车辆在大曲率弯道处的横向偏移。动态计算近点预瞄结果与远点预瞄结果在最终决策结果中的比例关系。通过动态比例因子计算，可以得到稳定的横向转角决策结果；通过结合预瞄点之间的道路曲率变化情况与期望车速，输出纵向速度决策结果，降低智能车辆在大曲率弯道处的偏移误差。
[0024]具体的，预瞄近点距离s
n
为：
[0025]s
n
＝k
n
v+d
n
，
[0026]其中，v为当前车辆速度，k
n
为近点预瞄系数，d
n
为近点基本预瞄距离，d
n
的取值范围为5～15m；
[0027]预瞄远点距离s
f
为：s
f
＝k
f
v+d
f
，k
f
为远点预瞄系数，d
f
为远点基本预瞄距离，d
f
取值范围为15～50m。
[0028]具体的，λ与车辆速度成反比的表现为：
[0029][0030]其中，α0与α1为调节因子，α
safe
为确保函数连续与稳定的安全因子。
[0031]进一步的，将前轮转角值δ
sω
与车辆转向比例相乘得到车辆的方向盘转角之后，将该方向盘转角经卡尔曼滤波得到整体最优的方向盘转角输出值。
[0032]具体的，安全速度v
s
为：
[0033][0034]其中，d为全局参考轨迹与车道线的距离，k为当前位置道路曲率，m为车辆的质本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于两点预瞄驾驶员模型的自动驾驶决策方法，其特征在于，包括以下步骤：S1全局路径拟合步骤：获取数字地图中行驶路线的全局轨迹，并对全局轨迹采用三次样条差值法生成稳定且连续的全局参考轨迹；S2基于两点预瞄模型的决策步骤：动态选择预瞄近点与预瞄远点：预瞄近点为车辆前方在预瞄近点距离上的道路中心点，设置初始预瞄远点为车辆前方在预瞄远点距离上的道路中心点；检测在预瞄近点与初始预瞄远点之间是否存在弯道，如否，则为直道场景，预瞄远点为初始预瞄远点，如是，则为弯道场景，预瞄远点为第一个弯道处的切点；确定预瞄近点与预瞄远点之后建立基于远点夹角追踪值θ
f
和近点夹角追踪值θ
n
的预瞄模型：模型：其中，x
car
、y
car
为在自动驾驶系统中车辆在大地坐标系下的横、纵坐标；x
n
、y
n
为近点在大地坐标系下的横、纵坐标；x
f
、y
f
为远点在大地坐标系下的横、纵坐标；κ
car
为车辆所在位置的曲率，κ
n
为预瞄近点的曲率；S3横向转角值决策步骤：根据预瞄模型综合当前车辆速度决策出最优的前轮转角δ
sω
：δ
sω
＝λθ
n
+(1
‑
λ)θ
f
其中，λ为比例因子，λ与车辆速度成反比；再将前轮转角值δ
sω
与车辆转向比例相乘得到车辆的方向盘转角，当前时刻的横向转角值决策完成；S4纵向速度决定步骤：直道场景中，车辆的决策速度v
d
为车辆期望速度v0；弯道场景中，车辆...

【专利技术属性】
技术研发人员：李曙光，魏文博，杜菁禹，赵洋，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：