一种自动驾驶纵向统一规划方法及系统技术方案

本发明专利技术涉及一种自动驾驶纵向统一规划方法及系统，所述规划方法包括以下步骤：1)基于一统一的描述本车周围环境信息的环境模型，在车辆行驶过程中实时规划期望加速度；2)根据所述期望加速度和实际加速度控制车辆的纵向运动。本发明专利技术可实现基于环境约束、性能指标和驾驶行为的局部最优纵向规划。与现有技术相比，本发明专利技术具有对不同交通场景都具有较好的适用性、保证最终纵向运动的最优性等优点。

A longitudinal unified planning method and system for automatic driving

The present invention relates to an automatic driving longitudinal unified planning method and system. The planning method includes the following steps: 1) based on a unified environment model describing the environment information around the vehicle, the desired acceleration is planned in real time during the vehicle driving process; and 2) control the longitudinal direction of the vehicle according to the desired acceleration and actual acceleration. Exercise. The invention can realize local optimal longitudinal planning based on environmental constraints, performance indicators and driving behavior. Compared with the existing technology, the invention has the advantages of better applicability to different traffic scenarios, and guarantees the optimality of the final longitudinal motion.

【技术实现步骤摘要】
一种自动驾驶纵向统一规划方法及系统
本专利技术属于汽车
，涉及汽车自动驾驶系统，尤其涉及到汽车自动驾驶系统的纵向规划技术。
技术介绍
车辆智能化、网联化、电动化、轻量化技术的发展被认为是缓解交通拥堵、减少交通事故、降低能源消耗和控制环境污染的有效途径，同时也是未来汽车发展的重要方向。当前，自动驾驶汽车技术已得到行业的广泛关注。诸多国内外高校、企业和研究机构正在如火如荼地开展相关工作。通常，一个完整的自动驾驶系统包括以下几项关键技术：环境感知、运动规划、控制执行、人机共驾、通信与平台、信息安全等。其中运动规划模块负责对车辆的横向和纵向运动进行规划，以保证自动驾驶汽车的行驶安全性、乘坐舒适性和使用经济性，它是自动驾驶系统不可或缺的环节。一个完善的自动驾驶纵向运动规划技术需要综合考虑车辆行驶安全性、乘坐舒适性、行车效率以及对于不同交通场景的适应性，因此纵向运动规划技术是自动驾驶技术研究的重要方向。目前国内外有很多针对车辆纵向运动规划的研究，包括全速自适应巡航用方法、速度轮廓生成方法、跟驰模型用方法和传统人工势场方法等，以上方案各有优点，但是仍然难以满足上述所有要求，客观上存在进一步改进的迫切需求。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种自动驾驶纵向统一规划方法及系统。本专利技术的目的可以通过以下技术方案来实现：一种自动驾驶纵向统一规划方法，包括以下步骤：1)基于一统一的描述本车周围环境信息的环境模型，在车辆行驶过程中实时规划期望加速度；2)根据所述期望加速度和实际加速度控制车辆的纵向运动。所述步骤1)具体为：11)候选加速度生成：结合上一时刻的期望加速度数值，根据车辆纵向加速度和加加速度的约束，生成一系列待筛选的候选加速度；12)车辆位置预测：基于车辆运动学模型和车辆始终沿当前航向角方向行驶的假设，针对每一候选加速度计算其在未来不同时间域内所到达的位置；13)期望加速度求解：构建一评价函数，根据车辆位置预测结果对各候选加速度评价，以最小化评价函数的方式获得期望加速度。第i个所述候选加速度at(i)满足：amin≤at(i)≤amax其中，表示上一时刻的期望加速度数值，Δax表示加速度分辨率，Mxdec和Mxacc分别表示车辆加加速度限制系数的最小值和最大值，amin和amax分别表示所允许的最大纵向减速度和最大纵向加速度。所述期望加速度通过以下公式获得：其中，表示期望加速度，at(i)表示第i个候选加速度，Jx表示评价函数；所述评价函数Jx的表达式为：其中，Umix(Xp(i,j),Yp(i,j))表示由环境模型求得的车辆位于点[Xp(i,j),Yp(i,j)]处的势场值，v(i,j)表示本车预测车速，p、q表示权重系数，vdes表示目标车速。本专利技术还提供一种自动驾驶纵向统一规划系统，包括：规划算法模块，用于基于一统一的描述本车周围环境信息的环境模型，在车辆行驶过程中实时规划期望加速度；车辆控制模块，用于根据所述期望加速度和实际加速度控制车辆的纵向运动。所述规划算法模块包括：候选加速度生成单元，用于结合上一时刻的期望加速度数值，根据车辆纵向加速度和加加速度的约束，生成一系列待筛选的候选加速度；车辆位置预测单元，用于基于车辆运动学模型和车辆始终沿当前航向角方向行驶的假设，针对候选加速度生成单元生成的每一候选加速度计算其在未来不同时间域内所到达的位置；期望加速度求解单元，用于构建一评价函数，根据车辆位置预测单元输出的预测结果对各候选加速度评价，以最小化评价函数的方式获得期望加速度。第i个所述候选加速度at(i)满足：amin≤at(i)≤amax其中，表示上一时刻的期望加速度数值，Δax表示加速度分辨率，Mxdec和Mxacc分别表示车辆加加速度限制系数的最小值和最大值，amin和amax分别表示所允许的最大纵向减速度和最大纵向加速度。所述期望加速度通过以下公式获得：其中，表示期望加速度，at(i)表示第i个候选加速度，Jx表示评价函数；所述评价函数Jx的表达式为：其中，Umix(Xp(i,j),Yp(i,j))表示环境模型求得的车辆位于点[Xp(i,j),Yp(i,j)]时的势场，v(i,j)表示本车预测车速，p、q表示权重系数，vdes表示目标车速。与现有技术相比，本专利技术具有以下有益效果：1)本专利技术基于一个统一的环境模型进行自动驾驶的纵向规划，对不同交通场景都具有较好的适用性，并且避免了频繁的行为模式切换；2)本专利技术在生成候选加速度时参考了相关标准对车辆纵向加速度和加加速度的约束限制，可以初步满足乘坐舒适性的要求；3)本专利技术根据车辆运动学约束构建车辆运动学模型，并利用该车辆运动学模型对本车位置进行预测，使得规划结果是可执行的；4)本专利技术通过构建可量化评价函数，考虑行驶安全性、乘坐舒适性、行车效率，对每一个候选加速度进行评价，评价函数值最小的加速度数值将作为下一时刻的期望加速度，从而保证最终纵向运动的最优性；5)本专利技术车辆控制根据期望加速度和本车实际加速度输出车辆驱动力和制动力，考虑了车速对车辆模型传递函数的影响，从而保证本车实际加速度能够较好地跟随期望加速度。附图说明图1为本专利技术的原理示意图；图2为本专利技术障碍物势场能量分布示意图；图3为本专利技术障碍物势场能量三维分布示意图；图4为本专利技术道路势场能量三维分布示意图；图5为本专利技术统一环境模型势场能量分布示意图；图6为本专利技术用车辆运动学模型示意图；图7为本专利技术车辆纵向控制框图；图8为本专利技术车辆跟随场景下本车与前车速度示意图；图9为本专利技术车辆跟随场景下本车与前车间距示意图；图10为本专利技术车辆超车场景下本车行驶轨迹示意图；图11为本专利技术车辆超车场景下本车纵向加速度示意图；图12为本专利技术车辆超车场景下本车车速示意图。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。本实施例提供一种自动驾驶纵向统一规划系统，主要包括规划算法模块和车辆控制模块。规划算法模块用于基于一统一的描述本车周围环境信息的环境模型，考虑车辆的行驶安全性、乘坐舒适性和行驶效率等要求，在车辆行驶过程中实时规划期望加速度。车辆控制模块用于根据所述期望加速度和实际加速度控制车辆的纵向运动。另外，所述规划算法模块以环境模型模块为前提和基础，环境模型模块用于根据环境感知信息，并根据交通规则和交通参与者的性质，构建统一的环境模型，对本车周围环境信息进行统一描述，表征本车周围潜在危险程度。通过上述三个模块，实现基于环境约束、性能指标和驾驶行为的局部最优纵向规划，规划原理框架如图1所示。1、环境模型环境模型模块中的环境模型是本专利技术统一的自动驾驶纵向规划方法的前提和基础。在该实施例中，环境模型通过一个统一的势场模型的形式加以表征。考虑实际交通规则和交通参与者的性质，本车周围的环境信息被反映到该势场模型中，不同的交通参与者通过不同的子势场模型进行描述，最终的势场模型是所有子势场模型的组合。本实施例中讨论两种子势场模型：障碍物子势场模型和道路子势场模型，在其他实施方式中可根据需要采用不同的子势场模型。1)障碍物子势场模型实际交通场景中障碍物种类很多，包括移动障碍物和本文档来自技高网...

【技术保护点】
一种自动驾驶纵向统一规划方法，其特征在于，包括以下步骤：1)基于一统一的描述本车周围环境信息的环境模型，在车辆行驶过程中实时规划期望加速度；2)根据所述期望加速度和实际加速度控制车辆的纵向运动。

【技术特征摘要】
2017.09.11 CN 20171081180241.一种自动驾驶纵向统一规划方法，其特征在于，包括以下步骤：1)基于一统一的描述本车周围环境信息的环境模型，在车辆行驶过程中实时规划期望加速度；2)根据所述期望加速度和实际加速度控制车辆的纵向运动。2.根据权利要求1所述的自动驾驶纵向统一规划方法，其特征在于，所述步骤1)具体为：11)候选加速度生成：结合上一时刻的期望加速度数值，根据车辆纵向加速度和加加速度的约束，生成一系列待筛选的候选加速度；12)车辆位置预测：基于车辆运动学模型和车辆始终沿当前航向角方向行驶的假设，针对每一候选加速度计算其在未来不同时间域内所到达的位置；13)期望加速度求解：构建一评价函数，根据车辆位置预测结果对各候选加速度评价，以最小化评价函数的方式获得期望加速度。3.根据权利要求2所述的自动驾驶纵向统一规划方法，其特征在于，第i个所述候选加速度at(i)满足：amin≤at(i)≤amax其中，表示上一时刻的期望加速度数值，Δax表示加速度分辨率，Mxdec和Mxacc分别表示车辆加加速度限制系数的最小值和最大值，amin和amax分别表示所允许的最大纵向减速度和最大纵向加速度。4.根据权利要求2所述的自动驾驶纵向统一规划方法，其特征在于，所述期望加速度通过以下公式获得：其中，表示期望加速度，at(i)表示第i个候选加速度，Jx表示评价函数；所述评价函数Jx的表达式为：其中，Umix(Xp(i,j),Yp(i,j))表示由环境模型求得的车辆位于点[Xp(i,j),Yp(i,j)]处的势场值，v(i,j)表示本车预测车速，p、q表示权重系数，...

【专利技术属性】
技术研发人员：陈慧，阮焱东，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海,31