[發明專利]一種基于障礙物構型重構的無人車避障方法及系統

有效

• 申請號: 202010166012.7
• 申請日: 2020-03-11
• 公開（公告）號: CN111367283B
• 公開（公告）日: 2023-04-14
• 發明（設計）人: 雷芳華;袁小芳
• 申請（專利權）人: 郴州職業技術學院
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 長沙正奇專利事務所有限責任公司 43113
• 代理人: 張珉瑞

本發明公開了一種基于障礙物構型重構的無人車避障方法及系統，該方法通過重構全局坐標系下的障礙物數據，并建立相應目標函數，通過求解目標函數的最優解得到無人車避障最優路徑。由于采用了上述技術方案，與現有技術相比，本發明重構了帶安全區域的膨脹構型(雙八字、圓形、橢圓形或矩形構型)，由于重構后的膨脹構型是根據檢測到的障礙物數據來重新進行構建，因此即使在首次檢測障礙物數據時，重構的膨脹構型出現偏差，本發明也能繼續實時檢測障礙物數據，并據此來不斷調整障礙物構型，從而更加準確、實時地估算障礙物大小，最終實現無人車避障的路徑規劃。

技術領域

本發明涉及自動駕駛技術領域，具體涉及一種基于障礙物構型重構的無人車避障方法及系統。

背景技術

局部路徑規劃作為無人駕駛汽車研究的關鍵技術之一，其根據車載傳感器采集的障礙物信息和全局期望路徑信息重新規劃出避開障礙物的局部最優路徑，側重于依賴車載傳感器(毫米波雷達，激光雷達，視覺相機等)的采集信息，具有很強的實時性。目前局部路徑規劃方法歸納為兩類：傳統局部路徑規劃方法和智能局部路徑規劃方法。傳統局部路徑規劃方法主要有人工勢場法、柵格法和向量場直方圖法等，對于障礙物信息已知的情況下處理避障問題尚可，但是遇到障礙物信息未知或動態障礙物，則不能很好處理。智能局部路徑規劃方法主要有模糊控制法、神經網絡法、混合智能法、協同控制法等，對于障礙物信息未知或部分未知的情況下處理避障問題需要的硬件設備要求苛刻，且每種規劃算法都有其優點及局限性，難以采用單一的算法實現動態環境精準、安全可靠的路徑規劃。

現有的避障方法中，為了路徑規劃實際可行，一般需要結合車身尺寸對障礙物進行膨脹處理，膨脹處理的結果由權重系數決定。其缺點在于，現有避障方法一般是直接預先確定權重系數或根據首次檢測到的障礙物檢測數據來確定膨脹處理的權重系數，其權重系數為固定值，因此當一旦確定了障礙物的檢測數據，便確定了膨脹處理后的障礙物大小。而在實際應用中，往往會出現識別障礙物類型出現偏差或障礙物遮擋的問題，從而導致障礙物大小被錯誤地估算；若對障礙物大小的估算偏小，則會導致車輛從障礙物中間穿越，即車輛刮擦或碰撞；若對障礙物大小的估算偏大，則會導致路徑規劃線路的繞障半徑過長，造成不必要的浪費。因此，亟待開發一種可以更加實時、準確地估算障礙物大小的基于障礙物構型重構的無人車避障方法及系統。

發明內容

為解決背景技術中現有無人車避障方法對障礙物大小的估算不準確的問題，本發明提供了一種基于障礙物構型重構的無人車避障方法及系統，具體技術方案如下。

一種基于障礙物構型重構的無人車避障方法，該方法包括：求解如下目標函數的最優解，得到無人車避障最優路徑；

其中，J_obs，i為采樣時刻第i預測時域的避障懲罰函數；η(t+i|t)為時刻t的狀態變量；η_ref(t+i|t)為時刻t的參考狀態變量；U_t為控制量前輪偏角的物理約束條件、U_i為控制量符合安全避障距離約束條件；Q為反映控制器對全局參考路徑跟隨能力的權重矩陣；R為對控制量平穩變化的權重矩陣；Np為預測時域。(公式參考文獻陳慧巖,龔建偉,姜巖等.無人駕駛車輛模型預測控制研究[M].北京:北京理工大學出版社,2014:138-139.)

在第i預測時域時，所述避障懲罰函數為：