一种车辆的行驶轨迹生成方法、装置以及设备制造方法及图纸

本发明专利技术公开了一种车辆的行驶轨迹生成方法、装置以及设备，行驶轨迹生成方法，包括：依据自车的第一当前运动状态生成第一行驶轨迹，第一行驶轨迹上相邻两点之间自车的行驶总代价最小，行驶总代价包括纵向加加速度代价；输出第一行驶轨迹。本发明专利技术通过将纵向加加速度考虑在车辆的行驶代价内，使得车辆的减速过程平缓，改善避障过程中的乘车体验，提高了行车的整体安全性。整体安全性。整体安全性。

【技术实现步骤摘要】
一种车辆的行驶轨迹生成方法、装置以及设备


[0001]本专利技术涉及车辆
，尤其涉及一种车辆的行驶轨迹生成方法、装置以及设备。

技术介绍

[0002]自动驾驶系统在近些年发展迅速，城市道路和高速道路行驶中应对普遍存在的加塞及插空成为自动驾驶智能化进程中关键技术。结构化道路(例如高精地图或者清晰车道线场景)的绕行以及避障问题是大家研究的重点，但拥堵场景下，车道线被遮蔽条件下的避障及绕行较少被行业提及，而拥堵场景本身在城市交通流中是极为常见的场景。
[0003]现有技术常常采用近距离主动安全等方式进行拥挤路段避障，例如自动紧急制动系统(Autonomous Emergency Braking，AEB)。但是，现有的避障方法使车辆采用较大的纵向减速度实行紧急避让，造成体感上较大的加加速度(jerk)，形成不舒适的乘车体验。
[0004]另外，现有技术没有考虑加塞或者插空车辆的横向运动信息，自车运动也很少采用横向挪移的避障方法，导致自动驾驶的安全性能较差。

技术实现思路

[0005]鉴于上述，本专利技术的构思在于，提供一种车辆的行驶轨迹生成方法、装置以及设备，通过将纵向加加速度考虑在车辆的行驶代价内，使得车辆的减速过程平缓，改善避障过程中的乘车体验，提高了行车的整体安全性。
[0006]本专利技术采用的技术方案如下：
[0007]第一方面，本专利技术提供了一种车辆的行驶轨迹生成方法，包括：
[0008]依据自车的第一当前运动状态生成第一行驶轨迹，第一行驶轨迹上相邻两点之间自车的行驶总代价最小，行驶总代价包括纵向加加速度代价；
[0009]输出第一行驶轨迹。
[0010]在其中一种可能的实现方式中，行驶轨迹生成方法还包括：
[0011]对第一行驶轨迹进行优化，获得第二行驶轨迹；
[0012]输出第二行驶轨迹。
[0013]在其中一种可能的实现方式中，在T
‑
S
‑
L状态空间内进行动态规划，获得第一行驶轨迹；
[0014]T
‑
S
‑
L状态空间内，T的值表示每次迭代的时间步长，每个时间步长包括多个时间步，S的值表示一个时间步上frenet坐标系中S方向的划分粒度，L的值表示一个时间步上frenet坐标系中L方向的划分粒度，每个时间步对应一个节点层，节点层上的节点用S方向的值和L方向的值表示。
[0015]在其中一种可能的实现方式中，在T
‑
S
‑
L状态空间内进行动态规划，获得第一行驶轨迹，具体包括：
[0016]对于第二时间步上的每个第二节点，分别计算第二节点与第一时间步上各个第一
节点之间的行驶代价，并将行驶代价最小的第一节点作为第二节点的父节点，同时，计算所有行驶代价的和，作为第二节点的行驶总代价；其中，第二时间步为第一时间步后紧邻的时间步；
[0017]将最后一个时间步上行驶总代价最小的节点作为第一拟合节点，以第一拟合节点为起点，逐个时间步向前回溯父节点，将第四时间步的第二拟合节点的父节点作为第三时间步的第三拟合节点，直至确定第一个时间步上的拟合节点；其中，第四时间步为第三时间步后紧邻的时间步；
[0018]依据所有时间步上的拟合节点进行曲线拟合，获得第一行驶轨迹。
[0019]在其中一种可能的实现方式中，行驶代价包括纵向行驶代价和横向行驶代价，纵向行驶代价包括纵向加加速度代价。
[0020]在其中一种可能的实现方式中，行驶代价还包括碰撞代价和/或自车对车道中心线的偏移代价。
[0021]在其中一种可能的实现方式中，对第一行驶轨迹进行优化时，利用模型预测控制算法进行滚动时域优化。
[0022]在其中一种可能的实现方式中，基于single
‑
shooting方法进行滚动时域优化。
[0023]在其中一种可能的实现方式中，对第一行驶轨迹进行优化，获得第二行驶轨迹，具体包括：
[0024]将第一行驶轨迹上的最后一点作为第二行驶轨迹的终点；
[0025]依据预设规则在第一行驶轨迹上采样，获得多个采样点，每个采样点作为每次迭代中模型预测控制中的状态参考值；
[0026]在每次迭代中，利用自车的第二当前运动状态获得自车的当前状态，并将当前状态和对应的状态参考值作为输入，依据预测控制约束条件求解代价函数，获得本次迭代的目标参数的值，并依据目标参数的值获得第二行驶轨迹上与本次迭代对应的点。
[0027]在其中一种可能的实现方式中，自车的当前状态为笛卡尔坐标系下自车的横向位置，模型预测控制约束条件为自车的航向角范围和航向角速度范围，目标参数为代价函数取最小值时的自车曲率、最优的状态横向误差和航向角横向误差。
[0028]第二方面，本专利技术提供了一种车辆的行驶轨迹生成装置，包括第一行驶轨迹获得模块和输出模块；
[0029]第一行驶轨迹获得模块用于依据自车的第一当前运动状态生成第一行驶轨迹，第一行驶轨迹上相邻两点之间自车的行驶总代价最小，行驶总代价包括纵向加加速度代价；
[0030]输出模块用于输出第一行驶轨迹。
[0031]在其中一种可能的实现方式中，行驶轨迹生成装置还包括第二行驶轨迹获得模块，第二行驶轨迹获得模块用于对第一行驶轨迹进行优化，获得第二行驶轨迹；
[0032]并且，输出模块用于输出第二行驶轨迹。
[0033]在其中一种可能的实现方式中，第一行驶轨迹获得模块包括代价计算模块、拟合节点获得模块以及曲线拟合模块；
[0034]代价计算模块用于对于计算T
‑
S
‑
L状态空间内第二时间步上的每个第二节点分别与第一时间步上各个第一节点之间的行驶代价，并将行驶代价最小的第一节点作为第二节点的父节点，同时，计算所有行驶代价的和，作为第二节点的行驶总代价；其中，第二时间步
为第一时间步后紧邻的时间步；
[0035]拟合节点获得模块用于将最后一个时间步上行驶总代价最小的节点作为第一拟合节点，以第一拟合节点为起点，逐个时间步向前回溯父节点，将第四时间步的第二拟合节点的父节点作为第三时间步的第三拟合节点，直至确定第一个时间步上的拟合节点；其中，第四时间步为第三时间步后紧邻的时间步；
[0036]曲线拟合模块用于依据所有时间步上的拟合节点进行曲线拟合，获得第一行驶轨迹。
[0037]在其中一种可能的实现方式中，第二行驶轨迹获得模块包括终点确定模块、采样模块以及迭代模块；
[0038]终点确定模块用于将第一行驶轨迹上的最后一点作为第二行驶轨迹的终点；
[0039]采样模块用于依据预设规则在第一行驶轨迹上采样，获得多个采样点，每个采样点作为每次迭代中模型预测控制中的状态参考值；
[0040]迭代模块用于在每次迭代中，利用自车的第二当前运动状态获得自车的当前状态，并将当前状态和对应的状态参考值作为输入，依据预测控制约束条件本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆的行驶轨迹生成方法，其特征在于，包括：依据自车的第一当前运动状态生成第一行驶轨迹，所述第一行驶轨迹上相邻两点之间自车的行驶总代价最小，所述行驶总代价包括纵向加加速度代价；输出所述第一行驶轨迹。2.根据权利要求1所述的车辆的行驶轨迹生成方法，其特征在于，还包括：对所述第一行驶轨迹进行优化，获得第二行驶轨迹；输出所述第二行驶轨迹。3.根据权利要求1所述的车辆的行驶轨迹生成方法，其特征在于，在T
‑
S
‑
L状态空间内进行动态规划，获得所述第一行驶轨迹；T
‑
S
‑
L状态空间内，T的值表示每次迭代的时间步长，每个时间步长包括多个时间步，S的值表示一个时间步上frenet坐标系中S方向的划分粒度，L的值表示一个时间步上frenet坐标系中L方向的划分粒度，每个时间步对应一个节点层，所述节点层上的节点用S方向的值和L方向的值表示。4.根据权利要求3所述的车辆的行驶轨迹生成方法，其特征在于，在T
‑
S
‑
L状态空间内进行动态规划，获得所述第一行驶轨迹，具体包括：对于第二时间步上的每个第二节点，分别计算所述第二节点与第一时间步上各个第一节点之间的行驶代价，并将行驶代价最小的第一节点作为所述第二节点的父节点，同时，计算所有行驶代价的和，作为所述第二节点的行驶总代价；其中，所述第二时间步为所述第一时间步后紧邻的时间步；将最后一个时间步上行驶总代价最小的节点作为第一拟合节点，以所述第一拟合节点为起点，逐个时间步向前回溯父节点，将第四时间步的第二拟合节点的父节点作为第三时间步的第三拟合节点，直至确定第一个时间步上的拟合节点；其中，所述第四时间步为所述第三时间步后紧邻的时间步；依据所有时间步上的拟合节点进行曲线拟合，获得所述第一行驶轨迹。5.根据权利要求4所述的车辆的行驶轨迹生成方法，其特征在于，所述行驶代价包括纵向行驶代价和横向行驶代价，所述纵向行驶代价包括所述纵向加加速度代价。6.根据权利要求5所述的车辆的行驶轨迹生成方法，其特征在于，所述行驶代价还包括碰撞代价和/或自车对车道中心线的偏移代价。7.根据权利要求2所述的车辆的行驶轨迹生成方法，其特征在于，对所述第一行驶轨迹进行优化时，利用模型预测控制算法进行滚动时域优化。8.根据权利要求7所述的车辆的行驶轨迹生成方法，其特征在于，基于single
‑
shooting方法进行滚动时域优化。9.根据权利要求8所述的车辆的行驶轨迹生成方法，其特征在于，对所述第一行驶轨迹进行优化，获得第二行驶轨迹，具体包括：将所述第一行驶轨迹上的最后一点作为所述第二行驶轨迹的终点；依据预设规则在所述第一行驶轨迹上采样，获得多个采样点，每个采样点作为每次迭代中模型预测控制中的状态参考值；在每次迭代中，利用自车的第二当前运动状态获得自车的当前状态，并将所述当前状态和对应的状态参考值作为输入，依据预测控制约束条件求解代价函数，获得本次迭代的
...

【专利技术属性】
技术研发人员：江涛，胡金水，郭涛，
申请(专利权)人：科大讯飞股份有限公司，
类型：发明
国别省市：