【技术实现步骤摘要】
高速场景下的自动驾驶轨迹生成方法
本专利技术涉及自动驾驶
，具体地涉及高速场景下的自动驾驶轨迹生成方法。
技术介绍
无人驾驶车决策规划系统作为车辆中枢大脑，在接收到环境感知信息后，通过决策层输出驾驶行为指令，然后进行轨迹规划。轨迹规划生成从当前状态到下一目标状态的一系列轨迹曲线。轨迹需要满足车辆的运动和动态约束，以避免在真实的城市环境中与障碍物碰撞。当前主流的轨迹生成方法分为两类：第一类是基于曲线插值的方法，如直线和圆弧段、多项式曲线、回旋曲线和样条曲线等，其主要通过确定参数直接生成目标轨迹。这一类方法优点在于直观、简单、容易想到，但缺点十分明显：1、直线和圆弧段虽然实现起来简单、低计算量，但曲率不连续、节点片段连接；2、多项式曲线具有低计算量、曲率连续的优点，但曲率连续需要四阶以上，关键参数的确定比较困难；3、回旋曲线适用于局部规划，但积分导致耗时，曲率连续但是不平滑，依赖轨迹点；4、样条曲线也具有低计算量、曲率连续的优点，但结果可能不是最优解。第二类是基于采样的搜索方...
【技术保护点】
1.一种高速场景下的自动驾驶轨迹生成方法，包含Dijkstra算法，其特征在于：包括以下步骤：/nS100、构建二维坐标系，以(x,y)表示车辆在二维坐标系中的位置；将车辆的当前位置标记为start点，将车辆的目标位置标记为end点；/nS200、获取原始道路数据和原始车辆状态数据；/nS300、根据原始道路数据和原始车辆状态数据，处理得到最佳路径数据；具体包括：/nS310、根据原始道路数据和原始车辆状态数据，在预置的若干采样模板中选取对应的采样模板，然后将原始道路数据和原始车辆状态数据导入所述的采样模板，得到若干采样点；将全部的采样点打包为一个采样点集合；/nS320、...
【技术特征摘要】
1.一种高速场景下的自动驾驶轨迹生成方法，包含Dijkstra算法，其特征在于：包括以下步骤：
S100、构建二维坐标系，以(x,y)表示车辆在二维坐标系中的位置；将车辆的当前位置标记为start点，将车辆的目标位置标记为end点；
S200、获取原始道路数据和原始车辆状态数据；
S300、根据原始道路数据和原始车辆状态数据，处理得到最佳路径数据；具体包括：
S310、根据原始道路数据和原始车辆状态数据，在预置的若干采样模板中选取对应的采样模板，然后将原始道路数据和原始车辆状态数据导入所述的采样模板，得到若干采样点；将全部的采样点打包为一个采样点集合；
S320、根据采样点集合和采样模板，生成若干候选轨迹；所述候选轨迹由采样点组成；
S330、逐一计算所有采样点之间cost值；所述cost的值按以下方式计算：
Cost(pi,pj)＝K1×Dist(pi,pj)+K2×Head(pi,pj)
其中，Cost(pi,pj)表示两个节点pi和pj之间的成本函数，(xi,yi)和(xj,yj)分别是节点pi和pj的坐标，Dist(pi,pj)表示节点pi和pj之间的距离，Head(pi,pj)表示节点pi和pj之间的角度差，K1是Dist(pi,pj)对应的权重系数，K2是Head(pi,pj)对应的权重系数；其中，Dist(pi,pj)按下式计算：
Head(pi,pj)按下式计算：
Head(pi,pj)＝θij
其中，θij为节点pi和pj之间的角度差；
S340、采用改进的Dijkstra算法，筛选出最佳路径数据并输出；
S400、根据最佳路径数据，处理得到目标轨迹，然后输出到控制系统；
所述目标轨迹包括最优平滑曲线、end点的预期轨迹航向角、end点的预期曲率和end点的预期速率；具体包括：
S410、对最佳路径数据进行Bezier曲线拟合，得到并输出最优平滑曲线；
S420、计算并输出end点的预期轨迹航向角；
S430、计算并输出end点的预期曲率；
S500、车载ECU接收目标轨迹，控制转向机构、加速机构和减速机构沿最优平滑曲线运动，并在被控车辆进入end点时，用end点的预期曲率来校验车辆的姿态，由转向机构调整车辆速度方向为end点的预期轨迹航向角，由加速机构和减速机构调整车辆速率为end点的预期速率，然后保持被控车辆匀速运动。
2.根据权利要...
【专利技术属性】
技术研发人员：夏然飞，殷政，万四禧，管杰，陈钊，付源翼，
申请(专利权)人：东风商用车有限公司，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。