一种复杂工况下自动驾驶车辆决策系统及其轨迹规划方法技术方案

本发明专利技术公开了一种复杂工况下自动驾驶车辆决策系统及其轨迹规划方法，系统主要包括环境感知单元、实时决策单元、轨迹规划单元及控制单元。车辆在行驶过程中，环境感知单元将感知到的周围车辆运动信息传输到实时决策单元，用于决策出当前状态下自动驾驶车辆最佳的驾驶行为。在决策出驾驶行为后，轨迹规划单元再通过设定好的轨迹规划方法对车辆的路径和速度进行双规划，得到当前状态下的最优轨迹，并将相应的控制信号通过ECU输入到执行机构保证车辆安全可靠的行驶。本发明专利技术能够在多车道、多障碍车辆的复杂工况下给车辆实时规划出一条安全无碰撞的轨迹，实现车辆的自动驾驶。

A Decision-making System for Auto-driving Vehicles under Complex Conditions and Its Trajectory Planning Method

The invention discloses an automatic driving vehicle decision system and its trajectory planning method under complex working conditions. The system mainly includes environment sensing unit, real-time decision unit, trajectory planning unit and control unit. In the process of vehicle driving, the environmental perception unit transmits the perceived motion information of surrounding vehicles to the real-time decision-making unit, which is used to determine the optimal driving behavior of the auto-driving vehicle in the current state. After deciding the driving behavior, the trajectory planning unit uses the set trajectory planning method to double-plan the vehicle's path and speed, obtains the optimal trajectory under the current state, and inputs the corresponding control signal to the actuator through the ECU to ensure the safe and reliable driving of the vehicle. The invention can real-time plan a safe collision-free trajectory for a multi-lane and multi-obstacle vehicle under complex working conditions, and realize the automatic driving of the vehicle.

【技术实现步骤摘要】
一种复杂工况下自动驾驶车辆决策系统及其轨迹规划方法
本专利技术属于车辆自动驾驶
，尤其涉及一种复杂工况下自动驾驶车辆决策系统及其轨迹规划方法。
技术介绍
随着传感器精度的提高，芯片技术的发展、5G通信的到来，对于车辆自动驾驶的研究越来越多，其研究的目的主要在于减少交通事故，缓解交通堵塞，并减轻驾驶员的驾驶负担。目前很多国际化公司，如谷歌，通用，特斯拉都投入了大量精力来研究高水平的自动驾驶车辆。作为车辆自动驾驶技术的核心部分，决策系统实时决策出一条能避开周围障碍物的安全可靠的轨迹显得尤其重要。该系统是自动驾驶的大脑，主要根据车辆传感器感知到的交通信息，如周围车辆速度，横摆角速度，车道线及道路边界信息，来给自动驾驶车辆规划出一条安全的轨迹。得到相应的轨迹后，通过车辆的动力学模型得到相应的控制量并传给下层执行系统，从而控制方向盘、刹车和油门来实现车辆的自动驾驶。目前对于车辆决策系统的研究，主要是对静止工况下即周围车辆运动确定的交通工况下的决策规划，而对于实际复杂交通中，周围车辆的未来运动可能发生变化需要进行预测，面对的也不是规则的跟车、换道工况。在该情境下，决策系统需要保证车辆实时避开周围的障碍物，提高车辆的行车安全性。此外，轨迹规划技术作为自动驾驶车辆决策系统的关键技术，目前的研究主要停留在对速度或者对路径的单一规划，如跟车时只对速度进行规划，换道时则保持速度不变只规划路径。而要实现真正意义上的自动驾驶，尤其面对超车工况时，在轨迹规划时需要对速度及路径进行同时规划。因此，如何在实际复杂交通工况下，通过控制车辆的速度及运动方向规划出一条无碰撞的轨迹显得很重要。
技术实现思路
针对于上述现有技术的不足，本专利技术的目的在于提供一种复杂工况下自动驾驶车辆决策系统及其轨迹规划方法，以解决现有技术中在多车道、高速场景等复杂工况下的智能决策及轨迹规划问题，通过本专利技术的技术方案能实时规划出一条安全稳定的轨迹，实现车辆的自动驾驶。为达到上述目的，本专利技术采用的技术方案如下：本专利技术公开了一种复杂工况下自动驾驶车辆决策系统，包括：环境感知单元、实时决策单元、轨迹规划单元及控制单元；其中，环境感知单元，用于实时感知自动驾驶车辆及周围车辆的运动信息；实时决策单元，包含自动驾驶车辆上的车载计算机及与之相连的CAN通信模块；CAN通信模块与上述环境感知单元连接，并接收上述运动信息；车载计算机根据运动信息决策出当前状态下自动驾驶车辆最佳的驾驶行为；轨迹规划单元，与上述实时决策单元相连接，其根据实时决策单元决策出的自动驾驶车辆最佳的驾驶行为对车辆的路径及速度进行双规划，得到最优轨迹；控制单元，包含电子控制单元及与之电气连接的主动转向电机、制动及油门踏板位移电机；电子控制单元根据上述轨迹规划单元规划出的最优轨迹，产生对主动转向电机、制动及油门踏板位移电机的控制指令，进而控制车辆行驶状态。进一步地，所述环境感知单元包含自动驾驶车辆上设有的GPS、激光雷达、摄像头、超声波雷达及横摆角速度传感器。进一步地，所述运动信息包含：位置信息、速度信息及横摆角信息。进一步地，所述轨迹规划单元在规划时考虑车辆的安全性约束、高效性约束、平稳性约束。进一步地，所述的危险性约束：即保证最优轨迹对应的危险度R小于乘客可接受的危险等级根据该危险性约束，即可将三维决策场约束成一个二维平面；具体求解如下：式中，γ为权重因子；st表示t时刻给定轨迹对应的状态参数，具体包括横纵坐标、速度、横摆角信息；pt表示t时刻周围车辆对应的状态参数，具体包括横纵坐标、速度、横摆角信息；F为危险度评估函数；高效性约束：该约束保证车辆沿着交通道路提供的最佳车速行驶，根据该高效性约束，即可将上述二维平面约束成一条曲线；其中，vfinal为给定轨迹若干个周期后对应的速度，为当前交通状况下对应的车辆最佳车速；平稳性约束：minΔy，该平稳性约束保证车辆少换道，从而提高乘坐舒适性；根据该约束，即可将上述的曲线约束成最优的决策点，通过该决策点来确定自动驾驶车辆下一时刻的最优行驶轨迹；其中，Δy为决策出的轨迹与当前道路的纵向偏差。本专利技术还公开了一种复杂工况下自动驾驶车辆决策系统的轨迹规划方法，基于上述系统，包括以下步骤：1)获得遍历轨迹：先给定若干周期后车辆可能到达的目标位置点，每个目标位置点代表一条轨迹，即遍历轨迹；2)根据上述遍历轨迹进行最优化搜索，通过车辆面对的危险性、高效性和稳定性约束来优化出当前时刻车辆最优的一条轨迹。进一步地，所述步骤1)中获得遍历轨迹的方法，具体包括如下步骤：11)根据车辆当前位置及给定的目标位置点，利用多项式拟合出车辆未来的遍历轨迹对应的路径，利用4个约束，使用3次多项式进行拟合，具体如下：y＝a0+a1x+a2x2+a3x3其中，a0,a1,a2,a3分别为多项式路径对应的拟合参数，为当前时刻车辆对应的横摆角，(xk,yk)为当前状态自动驾驶车辆对应的位置坐标，(xp,yp)为给定的若干个周期之后自动驾驶车辆到达的目标点；12)利用积分求出上述路径对应的长度，将该过程视为匀加速运动过程，得到遍历轨迹对应的速度；每条决策路径的长度S：其中，y’为多项式路径的斜率；将该过程视为匀加速运动；从而得到每个决策点对应的加速度：其中，T为每个周期对应的时间，vk为车辆当前速度，a为该过程对应的加速度；该过程对应的速度表示如下：vt＝vk+a*(t-k)其中，vk为当前时刻车辆对应的速度，vt表示t个周期后车辆对应的速度；13)根据步骤11)拟合出的路径和步骤12)得到的在该路径上的速度，即得到车辆遍历轨迹的参数信息(路径+速度)。进一步的，所述步骤2)中的最优轨迹搜索方法，具体包括如下步骤：21)获取每条轨迹对应的危险度，该危险度即可形成一个车辆在未来时刻的三维危险场，其中危险度评估函数F建立如下：其中，Sr为道路安全系数；Dsf为标准安全距离；b为限幅系数；Des为自车与周围车辆实际距离，t为周围车辆到达自车前方的时间，tb为刹车时间；22)对上述三维危险场进行约束，得到一条最优轨迹。进一步地，所述步骤22)中对三维危险场进行约束具体包括：221)危险性约束：即保证最优轨迹对应的危险度R小于乘客可接受的危险等级根据该约束，即可将三维决策场约束成一个二维平面；具体求解如下：式中，γ为权重因子；st表示t时刻给定轨迹对应的状态参数，具体包括横纵坐标、速度、横摆角信息；pt表示t时刻周围车辆对应的状态参数，具体包括横纵坐标、速度、横摆角信息；F为危险度评估函数；222)高效性约束：将上述二维平面约束成一条曲线；其中，vfinal为给定轨迹若干个周期后对应的速度，为当前交通状况下对应的车辆最佳车速；223)平稳性约束：minΔy，将上述的曲线约束成最优的决策点，通过该决策点来确定自动驾驶车辆t+1时刻的最优行驶轨迹；其中，Δy为决策出的轨迹与当前道路的纵向偏差。本专利技术的有益效果：1、本专利技术能实现车辆在多车道复杂交通工况下的自动驾驶，能实时规划出一条安全，无碰撞的轨迹。2、本专利技术所设计的决策规划系统能充分考虑车辆执行机构的运动学和动力学约束，所生成的轨迹具有连续性，能适用实时变化的道路环境。3、本专利技术对车辆进行的轨迹规划，是路径与速度的双规划，即在给车辆规划路径的同时规划处车辆在该本文档来自技高网...

【技术保护点】
1.一种复杂工况下自动驾驶车辆决策系统，其特征在于，包括：环境感知单元、实时决策单元、轨迹规划单元及控制单元；其中，环境感知单元，用于实时感知自动驾驶车辆及周围车辆的运动信息；实时决策单元，包含自动驾驶车辆上的车载计算机及与之相连的CAN通信模块；CAN通信模块与上述环境感知单元连接，并接收上述运动信息；车载计算机根据运动信息决策出当前状态下自动驾驶车辆最佳的驾驶行为；轨迹规划单元，与上述实时决策单元相连接，其根据实时决策单元决策出的自动驾驶车辆最佳的驾驶行为对车辆的路径及速度进行双规划，得到最优轨迹；控制单元，包含电子控制单元及与之电气连接的主动转向电机、制动及油门踏板位移电机；电子控制单元根据上述轨迹规划单元规划出的最优轨迹，产生对主动转向电机、制动及油门踏板位移电机的控制指令，进而控制车辆行驶状态。

【技术特征摘要】
1.一种复杂工况下自动驾驶车辆决策系统，其特征在于，包括：环境感知单元、实时决策单元、轨迹规划单元及控制单元；其中，环境感知单元，用于实时感知自动驾驶车辆及周围车辆的运动信息；实时决策单元，包含自动驾驶车辆上的车载计算机及与之相连的CAN通信模块；CAN通信模块与上述环境感知单元连接，并接收上述运动信息；车载计算机根据运动信息决策出当前状态下自动驾驶车辆最佳的驾驶行为；轨迹规划单元，与上述实时决策单元相连接，其根据实时决策单元决策出的自动驾驶车辆最佳的驾驶行为对车辆的路径及速度进行双规划，得到最优轨迹；控制单元，包含电子控制单元及与之电气连接的主动转向电机、制动及油门踏板位移电机；电子控制单元根据上述轨迹规划单元规划出的最优轨迹，产生对主动转向电机、制动及油门踏板位移电机的控制指令，进而控制车辆行驶状态。2.根据权利要求1所述的复杂工况下自动驾驶车辆决策系统，其特征在于，所述环境感知单元包含自动驾驶车辆上设有的GPS、激光雷达、摄像头、超声波雷达及横摆角速度传感器。3.根据权利要求1所述的复杂工况下自动驾驶车辆决策系统，其特征在于，所述运动信息包含：位置信息、速度信息及横摆角信息。4.根据权利要求1所述的复杂工况下自动驾驶车辆决策系统，其特征在于，所述轨迹规划单元在规划时考虑车辆的安全性约束、高效性约束、平稳性约束。5.根据权利要求4所述的复杂工况下自动驾驶车辆决策系统，其特征在于，所述的危险性约束：即保证最优轨迹对应的危险度R小于乘客可接受的危险等级根据该危险性约束，即将三维决策场约束成一个二维平面；具体求解如下：其中，γ为权重因子；st表示t时刻给定轨迹对应的状态参数，具体包括横纵坐标、速度、横摆角信息；pt表示t时刻周围车辆对应的状态参数，具体包括横纵坐标、速度、横摆角信息；F为危险度评估函数；高效性约束：将上述二维平面约束成一条曲线；其中，vfinal为给定轨迹若干个周期后对应的速度，为当前交通状况下对应的车辆最佳车速；平稳性约束：minΔy，将上述的曲线约束成最优的决策点，通过该决策点来确定自动驾驶车辆下一时刻的最优行驶轨迹；其中，Δy为决策出的轨迹与当前道路的纵向偏差。6.一种复杂工况下自动驾驶车辆决策系统的轨迹规划方法，基于上述权利要求1至5中任意一项所述的系统，包括以下步骤：1)获得遍历轨迹：先给定若干周期后车辆可能到达的目标位置点，每个目标位置点代表一条轨迹，即遍历轨迹；2)根据上述遍历轨迹进行最优化搜索，通过车辆面对的危险性、高效性和稳定性约束来优化出当前时刻车辆最优的一条轨迹。7.根据权利要求6所述的复...

【专利技术属性】
技术研发人员：赵万忠，徐灿，王春燕，陈青云，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32