【技术实现步骤摘要】
本专利技术属于自动驾驶，具体涉及一种自动驾驶路径规划与跟踪控制方法。
技术介绍
1、汽车自动驾驶系统(motor vehicle auto driving system)，又称自动驾驶汽车(autonomous vehicles；self-piloting automobile)也称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人，是一种通过车载电脑系统实现无人驾驶的智能汽车系统。目前，为保证自动驾驶技术的安全性，自动驾驶车辆上通常配有各种各样的传感器，如摄像头、毫米波雷达、惯性测量单元等。然而，自动驾驶车辆由于天气、障碍物、光线等原因不可避免地存在视野盲区，单凭自动驾驶汽车(autonomous vehicles,简称avs)上有限的传感器无法满足自动驾驶技术对动态环境进行实时观察的要求。视野盲区对自动驾驶车辆路径规划的可靠性带来极大的挑战。车路协同技术利用路侧单元以及附近车辆的传感器，为自动驾驶汽车提供了其盲区的传感信息。在基于车路协同的自动驾驶系统中，路侧单元(roadside units,简称rsus)、av相互协作，以延伸自动驾驶汽车的视线。协同感知信息经计算处理，其结果通过车间(vehicle to vehicle,简称v2v)通信与车路(vehicle toinstructure，简称v2i)通信返回至tav，为tav的路径规划提供了更全面、更完整的信息，使得自动驾驶的安全性大大提升。
2、在自动驾驶车辆行驶过程中，对于包括路口在内的道路场景，除了通过多车协同控制对车辆进行协同规划，单车路径规划也是自动驾驶
3、因此，本专利技术提出了一种自动驾驶路径规划与跟踪控制方法，以解决上述现有技术存在的问题。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足，本专利技术提供了一种自动驾驶路径规划与跟踪控制方法，具备能够为车辆规划出符合运动学规律的循迹路径，根据规划模块输出的期望路径，在组合导航系统的配合下，使得车辆按照设定的速度及路径实现自主行驶等优点，解决了现有技术无法实现单车路径规划和跟踪控制等问题。
3、(二)技术方案
4、为实现上述能够为车辆规划出符合运动学规律的循迹路径、使车辆按照设定的速度及路径实现自主行驶的目的，本专利技术提供如下技术方案：
5、一种自动驾驶路径规划与跟踪控制方法，包括
6、步骤1：在车辆行驶过程中，根据定位模块输出的当前位置和规划的目标点，在全局地图中基于dijkstra算法产生全局路径，车辆基于全局路径和全局地图产生循迹路径；
7、步骤2：对步骤1所获基于全局路径给出的循迹路径，采用多传感器融合方法实时构建局部代价地图，并在局部代价地图中进行基于dwa算法的局部路径规划，产生车辆实时避障路径；
8、步骤3：根据车辆视觉系统获取的信息，产生车道保持及换道路径，并对循迹路径、避障路径和车道保持及换道路径进行评估选择，决策出最优局部路径；
9、步骤4：对步骤3所获最优局部路径，在组合导航系统的配合下，利用路径跟踪横纵向控制系统采用闭环控制算法对车辆进行横/纵向控制，使得车辆按照设定速度及路径进行自主行驶。
10、根据本公开实施例的一种具体实现方式，基于dijkstra算法产生全局路径，车辆基于全局路径和全局地图产生循迹路径的过程包括
11、步骤1.1：在全局地图中，初始化起始点的距离为0，其他点的距离为∞；
12、步骤1.2：创建集合open，存放当前正在处理的节点，并将起始点加入open；
13、步骤1.3：创建一个集合q，存放所有未处理的点；
14、步骤1.4：当q集不为空时，重复以下循环：查找open中距离最小点，更新这个点的周围点的距离值，并将他们加入open，将当前点从open移除；结束后获得通往目标点的最短距离以及对应的路径序列。
15、根据本公开实施例的一种具体实现方式，局部代价地图构建过程包括
16、(1)已知车辆位姿序列和观测序列，求解局部环境地图，设每个栅格独立同分布，可把问题转换为求解每个栅格的占有概率；
17、(2)通过设置栅格占有概率的阈值，分别区分占有栅格、未知栅格和空闲栅格；
18、(3)每获得一帧传感器数据，都会实时更新对应栅格的状态，对障碍物区域栅格以及障碍物周围范围的栅格区域赋予权值，得到代价地图，最后利用地图融合的方法将代价地图和包含障碍信息的全局地图融合。
19、根据本公开实施例的一种具体实现方式，基于dwa算法进行局部路径规划的过程为从由线速度与角速度组成的速度空间(v，ω)中采样多组速度组合，并通过车辆运动学模型预测车辆的运动，得到车辆在规定时间内的多组运动轨迹，再通过评价函数对这些轨迹进行评估，选择最优轨迹，生成实时避障路径。
20、根据本公开实施例的一种具体实现方式，在对循迹路径、避障路径和车道保持及换道路径进行评估选择时，使用的路径代价函数为
21、ctotal＝kcobs+cs
22、其中，ctotal为轨迹的总体代价，k为比例系数，cobs为安全性代价，cs为轨迹的平滑性代价；
23、cs＝δβ∫v2ds
24、其中：δβ为航向角变化量，v为车辆当前速度，s为轨迹。
25、根据本公开实施例的一种具体实现方式，最优局部路径的决策过程包括
26、首先利用路径代价函数对避障路径、循迹路径和车道保持及换道路径分别进行代价评估，选择代价最小路径作为最优路径。
27、根据本公开实施例的一种具体实现方式，路径跟踪横纵向控制系统使用pid控制作为分别对车辆进行横/纵向控制的控制器，pid控制器的微分方程为：
28、u(t)＝kpe(t)+ki∫e(t)dt+kde(t)
29、其中，kp，ki，kd分别为比例系数、积分系数、微分系数，e(t)为反馈作用下的误差信号，u(t)为经过比例、积分、微分环节的叠加后得到控制信号；
30、对pid微分方程进行离散化，得到pid控制算法的计算公式为：
31、
32、其中，k是一个数量，表示某一个采样时间点，k-1就表示k的前一个，i就是0～k之间的一个变量，t为控制器采样时间，ti＝tkp/ki,td＝kd/kp。
33、根据本公开实施例的一种具体实现方式，路径跟踪横纵向控制系统包括
34、基于道路曲率的纵向期望速度决策及速度跟踪pid纵向速度跟踪控制模型，用于进行自动驾驶车辆的纵向速度决策及纵向速度跟踪；
35、基于动态预瞄的路径跟踪反馈控制本文档来自技高网...
【技术保护点】
1.一种自动驾驶路径规划与跟踪控制方法，其特征在于：包括
2.如权利要求1所述的一种自动驾驶路径规划与跟踪控制方法，其特征在于：基于Dijkstra算法产生全局路径，车辆基于全局路径和全局地图产生循迹路径的过程包括：
3.如权利要求1所述的一种自动驾驶路径规划与跟踪控制方法，其特征在于：局部代价地图构建过程包括：
4.如权利要求1所述的一种自动驾驶路径规划与跟踪控制方法，其特征在于：基于DWA算法进行局部路径规划的过程为从由线速度与角速度组成的速度空间(v，ω)中采样多组速度组合，并通过车辆运动学模型预测车辆的运动，得到车辆在规定时间内的多组运动轨迹，再通过评价函数对这些轨迹进行评估，选择最优轨迹，生成实时避障路径。
5.如权利要求1所述的一种自动驾驶路径规划与跟踪控制方法，其特征在于：在对循迹路径、避障路径和车道保持及换道路径进行评估选择时，使用的路径代价函数为
6.如权利要求5所述的一种自动驾驶路径规划与跟踪控制方法，其特征在于：最优局部路径的决策过程包括：
7.如权利要求1所述的一种自动驾驶路径规划与跟
8.如权利要求7所述的一种自动驾驶路径规划与跟踪控制方法，其特征在于：路径跟踪横纵向控制系统包括：
9.如权利要求8所述的一种自动驾驶路径规划与跟踪控制方法，其特征在于：利用基于道路曲率的纵向期望速度决策及速度跟踪PID纵向速度跟踪控制模型进行自动驾驶车辆的纵向速度决策及纵向速度跟踪的过程包括：
10.如权利要求8所述的一种自动驾驶路径规划与跟踪控制方法，其特征在于：利用基于动态预瞄的路径跟踪反馈控制模型进行自动驾驶车辆的横向路径跟踪的过程包括：
...【技术特征摘要】
1.一种自动驾驶路径规划与跟踪控制方法，其特征在于：包括
2.如权利要求1所述的一种自动驾驶路径规划与跟踪控制方法，其特征在于：基于dijkstra算法产生全局路径，车辆基于全局路径和全局地图产生循迹路径的过程包括：
3.如权利要求1所述的一种自动驾驶路径规划与跟踪控制方法，其特征在于：局部代价地图构建过程包括：
4.如权利要求1所述的一种自动驾驶路径规划与跟踪控制方法，其特征在于：基于dwa算法进行局部路径规划的过程为从由线速度与角速度组成的速度空间(v，ω)中采样多组速度组合，并通过车辆运动学模型预测车辆的运动，得到车辆在规定时间内的多组运动轨迹，再通过评价函数对这些轨迹进行评估，选择最优轨迹，生成实时避障路径。
5.如权利要求1所述的一种自动驾驶路径规划与跟踪控制方法，其特征在于：在对循迹路径、避障路径和车道保持及换道路径进行评估选择时，使...
【专利技术属性】
技术研发人员：甘源滢，何祯鑫，于传强，王俊提，王思思，郭君斌，陈珊，李若亭，
申请(专利权)人：中国人民解放军火箭军工程大学，
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。