[發明專利]一種基于模型預測控制的無人車避障方法

有效

• 申請號: 201710403248.6
• 申請日: 2017-06-01
• 公開（公告）號: CN107168319B
• 公開（公告）日: 2020-07-28
• 發明（設計）人: 王祝萍;江厚杰;張皓;陳啟軍
• 申請（專利權）人: 同濟大學
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 上?？剖⒅R產權代理有限公司 31225
• 代理人: 趙志遠

本發明涉及一種基于模型預測控制的無人車避障方法，包括以下步驟：1)建立無人駕駛車輛的動力學模型，描述無人駕駛車輛動力學特征；2)構建模型預測控制最優化問題的代價函數和約束條件：將障礙物威脅函數和關于目標位置的代價函數之和作為模型預測控制最優化問題的代價函數，并將無碰撞條件的合取約束作為約束條件之一；3)求解模型預測控制最優化問題，獲取無人車避障的最優路徑。與現有技術相比，本發明具有察覺域由設計者決定、具有更好的乘客舒適度水平等優點。

技術領域

本發明涉及無人駕駛車輛避障領域，尤其是涉及一種基于模型預測控制的無人車避障方法。

背景技術

由于無人駕駛車輛在減少交通事故及人員傷亡、緩解降低交通擁堵、減少用戶在駕駛上消耗的精力等方面的優勢，獲得了學術界和產業界的廣泛關注。無人駕駛車輛的實施涉及各個領域，包括信息與傳感技術、軌跡跟蹤技術與避障技術。實現無人車在各種情況下的避障具有十分重要的意義。避障能力是無人車的基礎，只有具有良好的避障能力的無人車才有可能真正具有實用性。

無人車避障是通過路徑規劃算法實現的。路徑規劃是指尋找一條恰從給定起點到目標點的路徑，使得無人車能夠安全無碰撞地繞過環境中的障礙物達到目標點。傳統的路徑規劃方法主要包括柵格法與快速擴展隨機樹法。柵格法，包括知名的A*與D*算法，采用大小相同的柵格對環境地圖中的的二維運動空間進行劃分，然后將路徑規劃問題轉化為圖搜索問題。柵格法的主要缺點在于，實時性能不強，對動態環境中適應性較差，不能夠處理車輛動力學約束。快速擴展隨機樹算法由S.M.LaValle于1999年提出，該方法通過創建隨機擴展樹來連接起始位姿和目標位姿?？焖贁U展隨機樹算法缺點主要包括：需要對全局空間進行隨機搜索，由于隨機搜索具有不確定性，運算量大，規劃時間長，導致算法的實時性較差；路徑由多個隨機采樣點連接而成，導致最終的路徑不夠光滑；不能處理車輛動力學約束。

模型預測控制算法是一種通過滾動求解優化問題獲取控制序列的方法，已經在多個領域得到廣泛應用。能夠處理車輛動力學約束是模型預測控制算法的突出優勢。文獻(L.Blackmore,M.Ono,A.Bektassov and B.C.Williams,”A probabilistic particle-control approximation of chance-constrained stochastic predictive control”,IEEE Transactions on Robotics,v 26,n 3,June 2010.)提出一種基于約束模型預測控制的避障方法，即通過在模型預測控制約束項中添加可行區域約束項，來反映環境信息，保證車輛安全性。

障礙物威脅函數在提升避障系統的察覺域(即避障算法中避障動作的啟動距離)上的優點并沒有在已有的約束模型預測控制避障方法中認識到，也缺少相關方法。較大的察覺域能夠降低避障過程中的車輛橫擺角速度峰值，提升無人駕駛車輛的乘客舒適度。

根據模型預測控制理論，UMPC避障系統的察覺域(記作d_pr)計算如下：

其中表示車輛縱向速度，T表示預測周期。由此可知，UMPC避障系統的察覺域依賴于預測步長和預測時域的長度。然而，由于預測時域的增加會增加約束的數量，優化MPC最優化問題的計算時間會顯著增加；同時過大的預測步長會使得整個避障算法不可用。由于UMPC避障系統的察覺域受限于預測步長和預測時域的長度，算法察覺域的增大會影響避障系統性能，這導致受限的察覺域限制了車輛乘客舒適度的提升。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種基于模型預測控制的無人車避障方法。

本發明的目的可以通過以下技術方案來實現：

一種基于模型預測控制的無人車避障方法，包括以下步驟：

1)建立無人駕駛車輛的動力學模型，描述無人駕駛車輛動力學特征；