[發明專利]一種無人駕駛汽車軌跡規劃方法

在審

• 申請號: 202210664523.0
• 申請日: 2022-06-13
• 公開（公告）號: CN114942642A
• 公開（公告）日: 2022-08-26
• 發明（設計）人: 王錦坤;張羽翔;李超群;王云成;高炳釗
• 申請（專利權）人: 吉林大學
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 符繼超

本發明公開了一種無人駕駛汽車軌跡規劃方法，包括：獲取待軌跡規劃的無人駕駛汽車的環境及車輛狀態信息；將環境及車輛狀態信息輸入局部軌跡規劃器，基于運動學模型，遵循相應的評價指標，規劃局部最優軌跡；將規劃得到的局部最優軌跡作為期望軌跡輸入軌跡跟蹤控制器，以囊括優化參數的目標函數為評價依據，在相應的預設約束條件下，計算待軌跡規劃的無人駕駛汽車的車輛前轉向輪的最優動作序列；根據最優動作序列，通過操縱待軌跡規劃的無人駕駛汽車的執行機構，保證待軌跡規劃的無人駕駛汽車按照規劃的軌跡安全行駛。該方法在保證模型精確性的前提下，提高了軌跡規劃效率，降低了模型復雜度，并減少了計算時間。

技術領域

本發明涉及無人駕駛技術領域，特別涉及一種無人駕駛汽車軌跡規劃方法。

背景技術

在過去的數十年中，交通事故造成的傷亡人數每年都在增加。自動駕駛汽車由于操作快速且感知準確，可以大大減少駕駛員分心和疲勞引起的事故。除了提高安全性外，自動駕駛汽車還可以大大提高駕駛舒適性、交通效率和能源經濟性。

目前，軌跡規劃的四種主要方法為基于圖搜索的方法、增量搜索法、曲線插值法和數值優化法。其中，圖搜索通過遍歷所有環境網格找到最短路徑。但是，所得路徑并不連續，因此不適用于自動駕駛汽車。增量搜索方法允許節點在連續空間中隨機地向目標延伸。但是，生成的軌跡是生澀的，通常不是最佳軌跡。曲線插值法可以生成平滑的路徑，但是軌跡規劃的結果取決于全局航路點，并且該方法在多變的環境中非常耗時。現有技術中，通常使用數值優化法來考慮道路和主車輛的約束。軌跡則是由約束和目標函數生成的。但是，優化過程需要在每個時間同步執行，耗時且需要較高級別的硬件。

因此，在現有無人駕駛軌跡規劃技術的基礎上，如何在保證模型精確性的前提下，提高軌跡規劃效率，并減少計算時間，成為本領域技術人員亟需解決的問題。

發明內容

鑒于上述問題，本發明提出了一種至少解決上述部分技術問題的無人駕駛汽車軌跡規劃方法，該方法可有效提高軌跡規劃效率，并減少計算時間。

本發明實施例提供一種無人駕駛汽車軌跡規劃方法，包括如下步驟：

S1、獲取待軌跡規劃的無人駕駛汽車的環境及車輛狀態信息；所述環境及車輛狀態信息包括：本車狀態、本車位置、環境信息、交通信息和道路信息；

S2、將所述環境及車輛狀態信息輸入局部軌跡規劃器，基于運動學模型，遵循相應的評價指標，規劃局部最優軌跡；

S3、將規劃得到的局部最優軌跡作為期望軌跡輸入軌跡跟蹤控制器，以囊括優化參數的目標函數為評價依據，在相應的預設約束條件下，計算所述待軌跡規劃的無人駕駛汽車的車輛前轉向輪的最優動作序列；所述優化參數包括：橫向跟蹤誤差和控制量變化率；

S4、根據所述最優動作序列，通過操縱所述待軌跡規劃的無人駕駛汽車的執行機構，保證所述待軌跡規劃的無人駕駛汽車按照規劃的軌跡安全行駛。

進一步地，所述步驟S3還包括：將規劃得到的局部最優軌跡進行重采樣，將較大的離散時間步長轉變成較小的離散時間步長；將重采樣后的局部最優軌跡作為期望軌跡輸入軌跡跟蹤控制器。

進一步地，所述步驟S2中，所述局部軌跡規劃器將規劃所述局部最優軌跡表示為方程的最優控制問題，在預設預測范圍中生成控制變量的最優控制序列：

上式中，L(X(t),U(t),t)為預設預測范圍[t，t+T]的成本函數；U(t)為預設預測范圍[t，t+T]內的最優控制序列；f(X(t),U(t))為狀態空間表達式；X(t)為狀態變量。

進一步地，所述成本函數包括環境成本和軌跡成本；所述環境成本包括：車道保持成本函數、道路邊界成本函數和避障成本函數；所述軌跡成本包括：軌跡速度指標成本函數、軌跡控制量變化量成本函數和軌跡一致性成本函數。