【技术实现步骤摘要】
本专利技术涉及轨迹规划算法，尤其涉及一种面向复杂自动驾驶场景的高性能模块化轨迹规划算法。
技术介绍
1、轨迹规划是自动驾驶汽车软件开发的关键组成部分，轨迹规划器在特定时间范围内运行并快速生成高效可靠的局部轨迹以便完成自动驾驶车辆完安全舒适的从起始点移动到终点，该轨迹包括路径（x(t)，y(t) - 位置）和速度v(t)，为后续的横向和纵向控制提供参考信息。
2、目前基于优化的方法如最优控制（ocp），通常利用变分法在复杂空间中找到平滑轨迹，侧重于在给定的一组约束下寻找最佳解决方案或路径，并使用数学优化技术来最小化或最大化目标函数，可以在某些条件下提供最佳解决方案，但需要大量计算资源，并且在高度动态或不可预测的环境中效率较低。基于采样的方法在车辆当前状态周围的自由空间中随机搜索目标状态，一旦找到可用的目标状态，就会创建一条轨迹，将车辆的当前驾驶状态与选定的目标状态连接起来，通过引入随机性，这些算法通常是有效的，但不能保证找到最佳轨迹。基于图的方法将规划空间离散为节点和边，表示可能的车辆位置和路径，这种方法在结构化和典型场景中是有效的，但这些算法可能会受到图形表示准确性的限制，并且可能无法很好地处理动态障碍物。
技术实现思路
1、为解决现有技术中存在的不足，本专利技术的目的在于，提供一种面向复杂自动驾驶场景的高性能模块化轨迹规划算法。
2、为实现本专利技术的目的，本专利技术所采用的技术方案是：
3、一种面向复杂自动驾驶场景的高性能模块化轨迹规划算法，
4、（1）轨迹规划器初始化后得到车辆当前状态及特定目标位置，并调用导航模块生成参考路径；
5、（2）进行车辆状态更新，包含更新位置信息和更新运动信息；
6、（3）基于frenet坐标系进行轨迹采样，通过在纵向方向上采样m个轨迹，在横向方向上采样n个轨迹，构建一个包含m×n个轨迹的集合；采样完成后轨迹样本转换成全局笛卡尔坐标，用于轨迹评估；
7、（4）通过对轨迹样本进行轨迹评估寻找实时最优轨迹。
8、进一步地，步骤（3）中，对于横向轨迹，由以下多项式函数表示：
9、 （1）；
10、对多项式函数（1）进行两次微分，得到如下方程组：
11、 （2）；
12、多项式系数满足如下关系：
13、 （3）；
14、轨迹终点是平行于参考路径的运动，最终横向状态速度和加速度设置为零。
15、进一步地，步骤（3）中，对于纵向轨迹生成，根据场景是跟车，汇流和停车，定速巡航配置目标位置状态。
16、进一步地，步骤（4）中，轨迹评估包括运动学检查、代价计算、碰撞检查、道路边界检查。
17、进一步地，运动学检查为，评估每个轨迹样本，确保其满足基于运动学自车模型的车辆的运动学约束，考虑加速度，曲率，曲率变化率，横摆角速度以确保轨迹在自车运动学能力范围内。
18、进一步地，代价计算为，根据代价函数为每条轨迹计算其代价，根据轨迹考量的不同因素分别计算代价函数，然后对不同因素的代价函数进行加权求和得到轨迹的最终代价，对于每条轨迹的总代价表达式如下：
19、 （11）；
20、式中，ji表示第i个代价函数的计算结果，加权因子ωi表示相应成本成分在总成本计算中的相对重要性。
21、进一步地，代价函数包括加速度、加速度变化率、横向加速度变化率、纵向加速度变化率、车速偏差、参考路径距离、障碍物距离、碰撞概率、mahalanobis 距离。
22、进一步地，碰撞检查为，分析规划轨迹与静态和动态物体发生碰撞的可能性，找到一条无碰撞的路径。
23、进一步地，道路边界检查为，检查前面筛选的轨迹在道路可行驶范围内，如果该轨迹不满足则需要对下一条轨迹进行检查，找到一条满足道路条件的轨迹。
24、本专利技术的有益效果在于，与现有技术相比，本专利技术对采样的方法进行改进引入多目标优化策略，对轨迹舒适度安全性进行优化，采用模块化的方法提高算法的适应性和扩展性，允许系统内每个组件轻松集成和优化功能，满足广泛多变的实际交通场景。
25、本专利技术提出一种高性能模块化的自动驾驶轨迹规划方法，其模块化结构允许快速适应和集成新的功能和模块，该方法设计的代价函数允许通过调整代价权重来对影响轨迹的因素进行优先级排序一方面展示了对目标变量的可变影响，有助于成功模拟复杂驾驶行为，另一方面也保证了后续能够快速找出最优轨迹。
本文档来自技高网...【技术保护点】
1.一种面向复杂自动驾驶场景的高性能模块化轨迹规划算法，其特征在于，包括步骤：
2.根据权利要求1所述的面向复杂自动驾驶场景的高性能模块化轨迹规划算法，其特征在于，步骤（3）中，对于横向轨迹，由以下多项式函数表示：
3.根据权利要求1所述的面向复杂自动驾驶场景的高性能模块化轨迹规划算法，其特征在于，步骤（3）中，对于纵向轨迹生成，根据场景是跟车，汇流和停车，定速巡航配置目标位置状态。
4.根据权利要求1所述的面向复杂自动驾驶场景的高性能模块化轨迹规划算法，其特征在于，步骤（4）中，轨迹评估包括运动学检查、代价计算、碰撞检查、道路边界检查。
5.根据权利要求4所述的面向复杂自动驾驶场景的高性能模块化轨迹规划算法，其特征在于，运动学检查为，评估每个轨迹样本，确保其满足基于运动学自车模型的车辆的运动学约束，考虑加速度，曲率，曲率变化率，横摆角速度以确保轨迹在自车运动学能力范围内。
6.根据权利要求4所述的面向复杂自动驾驶场景的高性能模块化轨迹规划算法，其特征在于，代价计算为，根据代价函数为每条轨迹计算其代价，根据轨迹考量的不同
7.根据权利要求6所述的面向复杂自动驾驶场景的高性能模块化轨迹规划算法，其特征在于，代价函数包括加速度、加速度变化率、横向加速度变化率、纵向加速度变化率、车速偏差、参考路径距离、障碍物距离、碰撞概率、Mahalanobis 距离。
8.根据权利要求4所述的面向复杂自动驾驶场景的高性能模块化轨迹规划算法，其特征在于，碰撞检查为，分析规划轨迹与静态和动态物体发生碰撞的可能性，找到一条无碰撞的路径。
9.根据权利要求1所述的面向复杂自动驾驶场景的高性能模块化轨迹规划算法，其特征在于，道路边界检查为，检查前面筛选的轨迹在道路可行驶范围内，如果该轨迹不满足则需要对下一条轨迹进行检查，找到一条满足道路条件的轨迹。
...【技术特征摘要】
1.一种面向复杂自动驾驶场景的高性能模块化轨迹规划算法，其特征在于，包括步骤：
2.根据权利要求1所述的面向复杂自动驾驶场景的高性能模块化轨迹规划算法，其特征在于，步骤（3）中，对于横向轨迹，由以下多项式函数表示：
3.根据权利要求1所述的面向复杂自动驾驶场景的高性能模块化轨迹规划算法，其特征在于，步骤（3）中，对于纵向轨迹生成，根据场景是跟车，汇流和停车，定速巡航配置目标位置状态。
4.根据权利要求1所述的面向复杂自动驾驶场景的高性能模块化轨迹规划算法，其特征在于，步骤（4）中，轨迹评估包括运动学检查、代价计算、碰撞检查、道路边界检查。
5.根据权利要求4所述的面向复杂自动驾驶场景的高性能模块化轨迹规划算法，其特征在于，运动学检查为，评估每个轨迹样本，确保其满足基于运动学自车模型的车辆的运动学约束，考虑加速度，曲率，曲率变化率，横摆角速度以确保轨迹在自车运动学能力范围内。
6.根据权利要求4所述的面向复...
【专利技术属性】
技术研发人员：张春雷，刘慧远，张腾，陈诚，张旸，
申请(专利权)人：奥特酷智能科技南京有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。