一种基于势力场的路径规划方法及装置制造方法及图纸

本发明专利技术涉及汽车自动驾驶路径规划技术领域，特别涉及一种基于势力场的路径规划方法及装置。本发明专利技术提出了一种融合自适应势力场模型和最优轨迹生成方法的智能路径规划方法。为了表示运动物体的风险函数，采用了固定车头时距策略设计环境车辆势力场。提出的智能路径规划方法各种道路自动驾驶情况，如车道保持、换道、避撞等。本发明专利技术提出的自适应势力场模型通过改变风险的大小克服了此类缺陷。综合考虑各部分性能最优设计代价函数，生成最优轨迹。生成最优轨迹。生成最优轨迹。

【技术实现步骤摘要】
一种基于势力场的路径规划方法及装置


[0001]本专利技术涉及汽车自动驾驶路径规划
，特别涉及一种基于势力场的路径规划方法及装置。

技术介绍

[0002]随着道路自动驾驶技术发展，对智能车路径规划提出了更高要求。在现有相关技术中，进行路径规划时，对于障碍物环境，通常处理方式是抽象成数学模型，通过人工智能等算法模型来描述驾驶状态、驾驶行为与交通场景特征间的关系。但是这些常用的路径规划算法解决的多是静态障碍物或静态场景下的路径规划问题。
[0003]现有的技术中，CN110471421A公开了一种车辆安全行驶的路径规划方法及路径规划系统；CN109000651A公开了一种路径规划方法及路径规划装置。现有的势力场模型对障碍的动态方面考虑不够。

技术实现思路

[0004]针对上述问题，本专利技术提供一种基于势力场的路径规划方法及装置。
[0005]一种基于势力场的路径规划方法，所述方法包括：
[0006]依据实时自车信息、实时环境车辆信息和实施道路信息，在Frenet坐标系下建立风险模型、生成轨迹集，并从轨迹集中筛选出最优轨迹；
[0007]根据最优轨迹控制车辆行进。
[0008]进一步的，所述在Frenet坐标系下建立风险模型、生成轨迹集，并从轨迹集中筛选出最优轨迹，包括：
[0009]建立道路自动驾驶势力场模型描述行车风险；
[0010]根据环境车辆信息、实时道路信息、实时自车信息在Frenet坐标系下生成轨迹集；
[0011]设计代价函数选取最优轨迹，坐标转换后用于轨迹跟踪。
[0012]进一步的，所述建立道路自动驾驶势力场模型，包括环境车辆势力场；
[0013]在Frenet坐标系下，采用固定车头时距策略建立环境车辆势力场模型；
[0014]s方向(纵坐标)上危险程度变化主要由势力场形状系数决定σ
vehs
，2σ
vehs
表示Frenet坐标系下自车与环境车之间安全车间距，采用当前时刻固定车头时距设定自车与环境车之间的参考距离，其中D0，τ为大于0的常数，因此，
[0015]第i辆环境车k时刻的势力场表示为：
[0016]k＝t+1,
…
,t+N
p
，其中t为当前时刻，k为向前的预测时刻，t与k之间间隔预测时域N
p
；
[0017]其中Pveh_i表示第i辆环境车的势力场；A
veh
表示车辆势力场最大值；其中s，d表示Frenet坐标系下自车的横坐标、纵坐标；其中sveh_i，d
veh_i
表示Frenet坐标系下第i辆环境车的横坐标、纵坐标；其中车的横坐标、纵坐标；其中c表示决定第i辆环境车势力场形状的系数；N
p
表示预测时域。
[0018]进一步的，所述建立道路自动驾驶势力场模型，还包括道路边界势力场，表示如下：
[0019]m＝1,2
[0020]其中P
rb_j
表示第m个道路边界的势力场；A
rb
表示道路边界势力场最大值；yr,rb_m表示大地坐标系下到第m个道路边界的横向距离；其中σ
r
b表示道路边界势力场系数。
[0021]进一步的，所述建立道路自动驾驶势力场模型，还包括车道中心线势力场，表示如下：
[0022][0023]P
ctr_n
表示第n条车道中心线的势力场；A
ctr
表示车道线势力场最大值；y
r,ctr_n
表示大地坐标系下到第n车道中心线的横向距离；σ
ctr
表示车道中心线势力场系数。
[0024]进一步的，所述根据环境车辆信息、实时道路信息、实时自车信息在Frenet坐标系下生成轨迹集，包括计算轨迹纵向速度约束、轨迹曲率约束和轨迹纵向、横向加速度约束；
[0025]计算轨迹纵向速度约束具体包括：
[0026]考虑驾驶员的舒适性和安全性，s方向上的速度是有极限的，表示为：
[0027][0028]其中表示考虑乘坐舒适性后的横向加速度最大值；k为道路曲率；为s向速度极限
[0029]当道路为直线时，速度极限很大，给定一个速度固定值参考的s向速度定
为
[0030]计算轨迹曲率约束具体包括：
[0031]当横向轨迹和纵向轨迹合并以后，需要对轨迹曲率约束k
cand
进行检查，主要是考虑车辆转向极限，k
cand
∈[k
min
，k
max
]，介于道路曲率最大值和最小值之间；
[0032]计算轨迹纵向、横向加速度约束具体包括：
[0033]当考虑到车辆动力学的物理限制时，需要对纵向加速度和横向加速度进行约束；
[0034][0035]其中s(t)、d(t)为Frenet坐标系下t时刻车辆的纵坐标和横坐标；a
max
为车辆加速度最大值。
[0036]进一步的，所述根据环境车辆信息、实时道路信息、实时自车信息在Frenet坐标系下生成轨迹集，还包括生成候选路径，即轨迹集；生成的轨迹集做了横向和纵向分解，横向轨迹采用四阶多项式生成，纵向轨迹采用五阶多项式生成，最后得到的轨迹集要将横向轨迹和纵向轨迹进行合成得到；具体包括：
[0037]采用四阶多项式生成横向轨迹
[0038]s(t)＝α0+α1t+α2t2+α3t3+α4t4[0039]为了求解5个系数，需要状态量即初始时刻的纵向位移、纵向速度、纵向加速度，终了时刻的纵向速度、纵向加速度。
[0040]为了生成不同的轨迹，定义m时刻到n时刻的约束为
[0041]T
n
表示时间间隔
[0042]当自车与前车在同一车道，如果max(P
veh_i
(k|t))＞P
veh，thres
[0043]那么否则，
[0044]为第i辆环境车的纵向速度，P
veh，thres
为车辆势力场的阈值；
[0045]采用五阶多项式生成纵向轨迹
[0046]d(t)＝β0+β1t+β2t2+β3t3+β4t4+β5t5[0047]为了求解六个系数，需要状态量即初始时刻横向位移、横向速度、横向加速度，终了时刻横向位移、横向速度、横向加速度。
[0048]为了生成不同轨迹，定义m时刻到n时刻的约束为
[0049][0050]随着不同的d
m
和时间间隔T
n
变化，设确保轨迹的最后部分是道路方向。
[0051]进一步的，所述根据环境车辆信息、实时道路信息、实时自车信息在Frenet坐标系
下生成轨迹集，还包括最优轨迹的选取；
[0052]纵向和横向轨迹集相结合，并在候选轨迹中选择满足约束条件的最优轨迹；...

【技术保护点】

【技术特征摘要】
1.一种基于势力场的路径规划方法，其特征在于，所述方法包括：依据实时自车信息、实时环境车辆信息和实施道路信息，在Frenet坐标系下建立风险模型、生成轨迹集，并从轨迹集中筛选出最优轨迹；根据最优轨迹控制车辆行进。2.根据权利要求1所述的一种基于势力场的路径规划方法，其特征在于，所述在Frenet坐标系下建立风险模型、生成轨迹集，并从轨迹集中筛选出最优轨迹，包括：建立道路自动驾驶势力场模型描述行车风险；根据环境车辆信息、实时道路信息、实时自车信息在Frenet坐标系下生成轨迹集；设计代价函数选取最优轨迹，坐标转换后用于轨迹跟踪。3.根据权利要求2所述的一种基于势力场的路径规划方法，其特征在于，所述建立道路自动驾驶势力场模型，包括环境车辆势力场；在Frenet坐标系下，采用固定车头时距策略建立环境车辆势力场模型；s方向(纵坐标)上危险程度变化主要由势力场形状系数决定σ
vehs
，2σ
vehs
表示Frenet坐标系下自车与环境车之间安全车间距，采用当前时刻固定车头时距设定自车与环境车之间的参考距离，其中D0，τ为大于0的常数，因此，第i辆环境车k时刻的势力场表示为：k＝t+1,
…
,t+N
p
；其中t为当前时刻，k为向前的预测时刻，t与k之间间隔预测时域N
p
；其中P
veh_i
表示第i辆环境车的势力场；A
veh
表示车辆势力场最大值；其中s，d表示Frenet坐标系下自车的横坐标、纵坐标；其中s
veh_i
，d
veh_i
表示Frenet坐标系下第i辆环境车的横坐标、纵坐标；其中标、纵坐标；其中c表示决定第i辆环境车势力场形状的系数；N
p
表示预测时域。4.根据权利要求2所述的一种基于势力场的路径规划方法，其特征在于，所述建立道路自动驾驶势力场模型，还包括道路边界势力场，表示如下：其中P
rb_j
表示第m个道路边界的势力场；A
rb
表示道路边界势力场最大值；y
r,rb_m
表示大地坐标系下到第m个道路边界的横向距离；其中σ
rb
表示道路边界势力场系数。5.根据权利要求2所述的一种基于势力场的路径规划方法，其特征在于，所述建立道路自动驾驶势力场模型，还包括车道中心线势力场，表示如下：
为了求解5个系数，需要状态量即初始时刻的纵向位移、纵向速度、纵向加速度，终了时刻的纵向速度...

【专利技术属性】
技术研发人员：孙羽，徐贤，王红余，惠一，
申请(专利权)人：奇瑞新能源汽车股份有限公司，
类型：发明
国别省市：