[發(fā)明專利]一種基于封閉場景的自動駕駛汽車軌跡避障方法

在審

• 申請?zhí)枺?/td>: 202211446679.8
• 申請日: 2022-11-18
• 公開（公告）號: CN115830572A
• 公開（公告）日: 2023-03-21
• 發(fā)明（設(shè)計）人: 趙閔清;段龍楊;龔春輝;程小強;熊德明
• 申請（專利權(quán)）人: 江鈴汽車股份有限公司
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06F18/2323
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于封閉場景的自動駕駛汽車軌跡避障方法，其特征在于：步驟如下：

步驟一，實時交通場景采集及三維映射，初始化地圖空間；

步驟二，基于Hammrsley采樣序列進行全局采樣；

步驟三，對采樣點集進行賦權(quán)；

步驟四，對采樣點集進行扇圓形區(qū)域局部平掃；

步驟五，生成搜索樹，經(jīng)碰撞檢測、剪枝及結(jié)果判斷生成決策樹。

2.根據(jù)權(quán)利要求1所述的一種基于封閉場景的自動駕駛汽車軌跡避障方法，其特征在于：所述步驟一，具體為將攝像頭、激光雷達、CAN采集模塊、GNSS傳感器信號通過傳輸至相應(yīng)信號處理單元再傳輸至采集主機，采集的信號通過采集軟件進行處理后通過屏幕實時輸出相關(guān)目標(biāo)物信息。

3.根據(jù)權(quán)利要求1所述的一種基于封閉場景的自動駕駛汽車軌跡避障方法，其特征在于：步驟二基于Hammrsley采樣序列進行全局采樣方法如下：

將任意的m+1位整數(shù)x表示為各個位數(shù)的組合，其中x0，x1，x2，…xm-1，xm分別為整數(shù)x由個位至m+1位上的值，即x＝xmxm-1…x2x1x0，引入一個基數(shù)n后可表示為：

x＝x₀+x₁n+x₂n²+…+x_mn^m

式中：m為整數(shù)；

將x顛倒位數(shù)順序，基于基數(shù)n的倒數(shù)，在指定區(qū)間(區(qū)間為[0，1])內(nèi)構(gòu)造唯一的fn(x)，表示為：

f_n(x)＝x₀x₁x₂…x_m＝x₀n^-1+x₁n^-2+…+x_mn^-m-1

得Q個i維Hammersley序列點集合Pi(x)表示為：Pi(x)＝1-Zi(x)x＝1，2，3…Q

式中：Zi(x)為i維隨機分布的Q個采樣點集合；n1、n2、…ni-1均為質(zhì)數(shù)。

4.根據(jù)權(quán)利要求1所述的一種基于封閉場景的自動駕駛汽車軌跡避障方法，其特征在于：步驟三賦權(quán)方法如下：

D_N＝Distance|Xsample(i)-Xgoal|

λ_N＝Anglecalculation(X.start_goal，X.sample_goal)

Weight＝β|sinλN|/DN

式中：Anglecalculation為角度計算函數(shù)，Distance為距離計算函數(shù)，DN為采樣點集距離目標(biāo)點的距離，λN為起始點和目標(biāo)點連線與采樣點與目標(biāo)點連線的角度值，

Weight為對某采樣點賦權(quán)公式，β為點集擾動系數(shù)。

5.根據(jù)權(quán)利要求1所述的一種基于封閉場景的自動駕駛汽車軌跡避障方法，其特征在于：所述步驟四具體方法如下：

在車輛尋跡運行階段，在車輛前方設(shè)置一個圓心角為45°的半圓形圓弧，提取賦權(quán)較高的點集作為探索數(shù)的“備選枝”，對備選枝需做碰撞檢測；在對路徑做碰撞檢測時，對“點”和“邊”做碰撞檢測：

情況一：算法選擇的“點”在障礙物以內(nèi)時；在Hammersley全局采樣后，便會對位于障礙物內(nèi)的點進行剔除，剔除方法是通過向量的叉積來判斷；

情況二：算法選擇的“邊”在障礙物以內(nèi)，兩點形成的邊會穿過障礙物，采用叉積方法判斷軌跡線與障礙物輪廓線，兩線是否交叉。

6.根據(jù)權(quán)利要求1所述的一種基于封閉場景的自動駕駛汽車軌跡避障方法，其特征在于：所述步驟五具體方法如下：

首先構(gòu)造一棵Hammersley采樣并逐步擴展的無沖突路徑樹，從起始點開始尋找目標(biāo)點；路徑樹以起始點x_init為起始節(jié)點，在每次迭代中從扇形平掃空間X中根據(jù)賦權(quán)值選取一個數(shù)值最大的節(jié)點x_rand，搜索樹中扇形平掃范圍內(nèi)的所有節(jié)點并找到距離x_rand最近的節(jié)點記為x_nearest，并記錄下其權(quán)值，然后，以x_nearest為起點沿著x_nearest和x_rand的方向以一個特定的步長繼續(xù)進行扇形平掃，尋找一個新節(jié)點x_new；如果x_new且x_new和x_nearest之間的連線進行碰撞檢測后無誤，則將x_new添加到隨機樹中，并將x_nearest作為他的父節(jié)點；計算每一個新節(jié)點與目標(biāo)點的距離，如果小于設(shè)定值且兩點的連線與障礙物無碰撞則認為找到路徑，通過多棵搜索樹搜索結(jié)果的比對后確定搜索路徑，最終生成一棵決策樹，將新節(jié)點與目標(biāo)點相連，最后通過從目標(biāo)點回溯到起始點來繪制路徑，否則重復(fù)上述搜索過程；

剪枝：如果在點集T中，隨著搜索樹的逐步生長，搜索點集的賦權(quán)如果逐步減少，當(dāng)減少值大于K，則該新節(jié)點搜索枝可以被過濾掉不予擴展，將搜索樹枝端進行剪除。