一种面对混合环境的轨迹规划方法及系统技术方案

本发明专利技术涉及自动驾驶技术领域，具体涉及一种面对混合环境的轨迹规划方法及系统。方法包括：对自动驾驶车辆周围的环境进行感知，得到包括静态和动态障碍物的环境状态；利用高斯过程运动规划方法，处理静态障碍物和曲率约束，对每条道路生成可行路径集；结合概率约束对不确定性进行推理，生成满足动态障碍物约束和车辆动力学约束的速度剖面，并将生成的路径和速度剖面组合，得到每条道路的轨迹集；考虑安全性、行驶效率以及舒适性，通过损失函数选择最优轨迹作为自动驾驶车辆的行驶轨迹，本发明专利技术基于路径

【技术实现步骤摘要】
一种面对混合环境的轨迹规划方法及系统


[0001]本专利技术涉及轨迹规划
，尤其涉及一种面对混合环境的轨迹规划方法及系统。

技术介绍

[0002]自动驾驶技术的快速发展对轨迹规划提出了新的挑战，尤其在复杂混合环境中。一种已有的技术，如公开号CN111829545A，名称为“自动驾驶车辆及其运动轨迹的动态规划方法及系统”的专利，通过获取自动驾驶车辆的位置，感知环境数据并从中提取车道和物体信息，然后结合这些信息规划出第二可行驶区域。然而，这种技术虽然对自动驾驶车辆的运动轨迹进行了合理规划，但在复杂混合环境下，这种技术面临的挑战显著增加，因为在这种环境下，静态和动态障碍物更加复杂和不确定，使得找到一条满足所有限制的最优路径更具挑战性。环境中可能存在各种静态和动态障碍物，交通状况变化无常，地形复杂多变等，这些因素都使得寻找满足所有限制的最优路径更具挑战性。这种环境中，轨迹规划需要能够处理对动态障碍物(如其他移动车辆、行人等)的不确定性预测，以制定出避免碰撞的策略。另外，由于环境实时变化，轨迹规划必须具备实时性，能够快速调整路径以适应如交通信号变化或突然出现的障碍物等情况。同时，复杂环境下的轨迹规划必须在确保安全距离的同时，保持行驶的平滑和舒适。尽管已有的轨迹规划研究和技术取得了一些进步，但在处理复杂混合环境的轨迹规划中，对上述问题的处理仍存在诸多挑战，而本专利技术能够有效解决这些问题，仍有大量的改进和优化的空间。

技术实现思路

[0003]为了解决现有技术中存在的问题，本专利技术提供了一种基于路径/>‑
速度分解的多阶段轨迹规划系统来满足复杂混合环境中的种种需求。
[0004]为了达到上述目的，本专利技术采用的技术方案为：一种面对混合环境的轨迹规划方法，包括以下步骤：
[0005]路径规划阶段，利用高斯过程将路径规划问题转化为概率推断问题，通过求解最大后验概率得到符合条件的路径，本阶段考虑环境中的静态障碍物和曲率限制的约束；
[0006]速度规划阶段，通过构建搜索空间并求解凸优化问题，为所述每条符合条件的路径生成速度剖面，得到载有速度剖面的轨迹；本阶段考虑环境中的处理动态障碍物、自身车辆的车辆动力学约束以及存在的不确定性；
[0007]决策阶段，通过损失函数去计算每一条载有速度剖面的轨迹损失值，评估每一条轨迹的安全性和效率选择最优轨迹。
[0008]路径规划阶段包括以下步骤：
[0009]获取地图系统生成的每条道路上的全局规划路径信息；
[0010]在行驶道路上有障碍物时，获取感知系统反馈的静态障碍物的轮廓信息，所述轮廓信息包括所述障碍物的位置信息以及占用面积；
[0011]将全局规划路径信息作为道路的参考线，对于每条道路生成对应的栅格地图；
[0012]利用静态障碍物的轮廓信息在栅格地图中生成占用区域；
[0013]获取自身车辆的车身信息，所述车身信息包括车辆的曲率最大值、车辆长度和宽度；
[0014]基于所述栅格地图和所述车身信息，对每条道路分别生成一个车辆路径规划并确认是否满足车辆曲率限制和对静态障碍物的躲避；
[0015]若是，则将每条道路上的路径规划传递到速度规划阶段；否则，对每条道路进行路径重规划。
[0016]将路径视为高斯过程向量值的样本，利用高斯过程帮助推理连续时间路径，并通过稀疏的支持状态集合对轨迹进行最优参数化。
[0017]基于最大似然函数建模静态障碍物约束以及车辆曲率约束：
[0018]将车辆封装在几个边界圆中，通过判断边界圆和静态障碍物之间的距离来判断碰撞概率，目标是保障车辆边界圆与障碍物之间的距离大于等于边界圆的半径；
[0019]用分段的最大似然函数表示静态障碍物约束以及车辆曲率约束，每段函数表示不同静态障碍物以及车辆曲率不同状态。
[0020]通过求解最大后验概率得到符合条件的路径具体为：通过先验因子和似然函数将路径规划定义为一个最大后验概率问题，求解最大后验概率后得到所有道路的路径集传递给速度规划阶段；
[0021]定义的最大后验概率问题如下所示，目标目的是在给定约束C的情况下确定最优的横向偏移l：
[0022][0023]其中p(l)代表l的先验，L
col
(l∣C)和L
cur
(I∣C)是由碰撞和曲率约束生成的最大似然函数。
[0024]速度规划阶段包括以下步骤：
[0025]获取感知系统反馈的每条道路上动态障碍物的轮廓信息，所述轮廓信息包括所述障碍物当前的位置信息、障碍物的占用面积以及障碍物的预测轨迹；
[0026]根据所述动态障碍物的轮廓信息，建立动态障碍物的不确定性模型；
[0027]获取自身车辆的动力学信息，所述动力学信息包括车辆的速度最大值、最小值、加速度的最大值、最小值以及加速度的变化率；
[0028]根据自身车辆的动力学信息建立自身车辆的不确定性模型；
[0029]获取地图系统反馈的当前道路的车道信息，所述车道信息包括车道边界类型，车道最高限速以及车道最低限速；
[0030]基于动态障碍物的不确定性模型和自身车辆的不确定性模型，结合当前道路的车道信息对m条道路分别建立可行求解空间；
[0031]根据所述的可行求解空间对速度曲线进行求解，结合路径规划阶段提供的每条道路规划路径信息，得到每条道路的带有速度曲线的轨迹信息；判断轨迹是否会与障碍物产生碰撞以及是否满足车辆动力学限制；若是，则将每条道路上的轨迹信息传递到决策阶段；
否则，对每条道路进行速度重规划。
[0032]建立自身车辆的不确定性模型和动态障碍物轨迹信息的不确定性模型并转换到S
‑
T图中，基于动态障碍物的不确定性模型和自身车辆的不确定性模型，结合当前道路的车道信息对每条道路在S
‑
T图中分别建立可行求解空间，具体如下：
[0033]对于每个动态障碍物，不确定性从其预测的未来轨迹建模，获取其他交通参与者在设定时间间隔的轨迹点；
[0034]对于自车的速度跟踪，在概率约束的基础上构建几个相邻的凸立方体，用来表示基于阻塞区域的可用规划空间应用高斯随机变量描述设定时间间隔的自车里程的不确定性；
[0035]首先从整个S
‑
T空间中去除无效的规划空间，利用来自自我车辆的运动学模型的约束，根据最大加速度和最小加速度计算上限；
[0036]随后将所有动态障碍物的不确定性占用区域提供给S
‑
T空间；
[0037]最后建立概率约束，检查动态障碍物里程s
f
和自身车辆里程s
e
在T
i
内的碰撞概率，s
f
是可计算量，s
e
的值是，引入一个辅助变量s
g
来帮助评估s
f
和s
e
之间的碰撞机会，s
g
～N(μ
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面对混合环境的轨迹规划方法，其特征在于，包括以下步骤：路径规划阶段，利用高斯过程将路径规划问题转化为概率推断问题，通过求解最大后验概率得到符合条件的路径，本阶段考虑环境中的静态障碍物和曲率限制的约束；速度规划阶段，通过构建搜索空间并求解凸优化问题，为所述每条符合条件的路径生成速度剖面，得到载有速度剖面的轨迹；本阶段考虑环境中的处理动态障碍物、自身车辆的车辆动力学约束以及存在的不确定性；决策阶段，通过损失函数去计算每一条载有速度剖面的轨迹损失值，评估每一条轨迹的安全性和效率选择最优轨迹。2.根据权利要求1所述的面对混合环境的轨迹规划方法，其特征在于，路径规划阶段包括以下步骤：获取地图系统生成的每条道路上的全局规划路径信息；在行驶道路上有障碍物时，获取感知系统反馈的静态障碍物的轮廓信息，所述轮廓信息包括所述障碍物的位置信息以及占用面积；将全局规划路径信息作为道路的参考线，对于每条道路生成对应的栅格地图；利用静态障碍物的轮廓信息在栅格地图中生成占用区域；获取自身车辆的车身信息，所述车身信息包括车辆的曲率最大值、车辆长度和宽度；基于所述栅格地图和所述车身信息，对每条道路分别生成一个车辆路径规划并确认是否满足车辆曲率限制和对静态障碍物的躲避；若是，则将每条道路上的路径规划传递到速度规划阶段；否则，对每条道路进行路径重规划。3.根据权利要求1所述的面对混合环境的轨迹规划方法，其特征在于，将路径视为高斯过程向量值的样本，利用高斯过程帮助推理连续时间路径，并通过稀疏的支持状态集合对轨迹进行最优参数化。4.根据权利要求1所述的面对混合环境的轨迹规划方法，其特征在于，基于最大似然函数建模静态障碍物约束以及车辆曲率约束：将车辆封装在几个边界圆中，通过判断边界圆和静态障碍物之间的距离来判断碰撞概率，目标是保障车辆边界圆与障碍物之间的距离大于等于边界圆的半径；用分段的最大似然函数表示静态障碍物约束以及车辆曲率约束，每段函数表示不同静态障碍物以及车辆曲率不同状态。5.根据权利要求1所述的面对混合环境的轨迹规划方法，其特征在于，通过求解最大后验概率得到符合条件的路径具体为：通过先验因子和似然函数将路径规划定义为一个最大后验概率问题，求解最大后验概率后得到所有道路的路径集传递给速度规划阶段；定义的最大后验概率问题如下所示，目标目的是在给定约束C的情况下确定最优的横向偏移l：其中p(l)代表l的先验，L
col
(l∣C)和L
cur
(I∣C)是由碰撞和曲率约束生成的最大似然函数。
6.根据权利要求1所述的面对混合环境的轨迹规划方法，其特征在于，速度规划阶段包括以下步骤：获取感知系统反馈的每条道路上动态障碍物的轮廓信息，所述轮廓信息包括所述障碍物当前的位置信息、障碍物的占用面积以及障碍物的预测轨迹；根据所述动态障碍物的轮廓信息，建立动态障碍物的不确定性模型；获取自身车辆的动力学信息，所述动力学信息包括车辆的速度最大值、最小值、加速度的最大值、最小值以及加速度的变化率；根据自身车辆的动力学信息建立自身车辆的不确定性模型；获取地图系统反馈的当前道路的车道信息，所述车道信息包括车道边界类型，车道最高限速以及车道最低限速；基于动态障碍物的不确定性模型和自身车辆的不确定性模型，结合当前道路的车道信息对m条道路分别建立可行求解空间；根据所述的可行求解空间对速度曲线进行求解，结合路径规划阶段提供的每条道路规划路径信息，得到每条道路的带有速度曲线的轨迹信息；判断轨迹是否会与障碍物产生碰撞以及是否满足车辆动力学限制；若是，则将每条道路上的轨迹信息传递到决策阶段；否则，对每条道...

【专利技术属性】
技术研发人员：辛景民，常恩滔，符嘉玮，宗紫琪，陈仕韬，郑南宁，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：