一种基于势能场启发式搜索的自动驾驶换道轨迹规划算法制造技术

本发明专利技术涉及一种应用势能场理论进行自动驾驶车辆的换道轨迹规划算法，应用于复杂道路环境下的自动驾驶换道轨迹规划。通过考虑环境车辆的位置影响，与车辆运动趋势构建车辆风险的势能场模型；对道路环境中车道线和道路边界势能场分别采用高斯分布和反比函数描述。在势能场的基础上，标定车辆不可接受的最小风险阈值，划分车辆轨迹不可侵入区域，采用A‑star启发式搜索算法搜索风险值最小的路径。本发明专利技术采用自适应模型预测控制的方法求解车辆的实际轨迹，实现对规划轨迹的跟踪。本发明专利技术提高了自动驾驶换道轨迹规划对复杂道路与交通环境的适应能力。

【技术实现步骤摘要】
一种基于势能场启发式搜索的自动驾驶换道轨迹规划算法
本专利技术属于自动驾驶轨迹规划算法领域。
技术介绍
常用的自动驾驶换道轨迹规划模型采用多项式进行拟合，如五次多项式，计算出安全、舒适的轨迹供无人驾驶车辆完成预定的行驶任务。另一种方法是基于深度学习的轨迹规划方法，通过训练人类驾驶轨迹，从而模仿人类的驾驶行为完成轨迹规划。这些方法一般考虑车辆间隙、车辆速度等因素或者设定一系列的安全规则防止与动态车辆碰撞。然而缺乏对道路条件的考虑，如弯曲道路线性，匝道加速车道长度等道路约束；另一方面，交通规则的影响，如路权、车道限速和交叉口信号等因素也没有考虑在内，因此这些轨迹规划算法缺乏对复杂道路环适用性。势能场的换道轨迹规划方法可同时考虑车辆的纵向和横向安全状态，评估了多种交通因素引起的风险。另一优势方面，各种因素的风险都可以方便叠加，从而揭示驾驶员-车辆-道路相互作用及其对驾驶安全的影响，并可以预测由于动态变化而引起的驾驶安全趋势。通过描述道路边界风险、动态车辆风险、静态障碍物风险和交通规则风险，可基于势能场理论进行一般交叉口区域、直线路段、弯曲路段本文档来自技高网...

【技术保护点】
1.一种基于势能场启发式搜索的自动驾驶换道轨迹规划算法，步骤如下：/n步骤1：依据道路交通环境中各要素的特征，建立动态车辆、车道线和车道边界的势能场函数；道路环境按0.1m×0.1m分辨率计算环境栅格风险值，得到风险势能场所述环境车辆势能函数：/n

【技术特征摘要】
1.一种基于势能场启发式搜索的自动驾驶换道轨迹规划算法，步骤如下：
步骤1：依据道路交通环境中各要素的特征，建立动态车辆、车道线和车道边界的势能场函数；道路环境按0.1m×0.1m分辨率计算环境栅格风险值，得到风险势能场所述环境车辆势能函数：



其中q＝(xq,yq)T为环境中的某点在t时刻的位置，xi＝(xi,yi)T为t时刻每辆环境车的位置，Ω是对角矩阵的3平方反比标准差，W1为伸缩系数；
车道线势能函数：



其中W21,σ为伸缩系数，ylane,i为第i段车道线的纵坐标；



其中W23为伸缩系数，yroad,i为t时刻第i段道路边界的纵坐标，为使风险值相对一致，添加∈项；
步骤2：在风险势能场的基础上，采用A-star算法搜索风险值最小的路径，每t时刻根据当前的风险势能场生成车辆的参考轨迹；A-star算法通过以下函数来计算每个节点的优先级：f(n)＝g(n)+h(n)；
其中：f(n)是节点n的综合优先级；当选择下一个要遍历的节点时，选取综合优先级最高(值最小)的节点；g(n)是节点n距离起点的代价；h(n)是节点n距离终点的预计代价，即A-star算法的启发函数，通过调节启发函数控制算法的速度和精确度；
采用A-star算法规划路径，首先标定车辆不可接受的最小风险阈值，在这个的基础上可划分车辆不可侵入区域，在这个范围内不进行轨迹规划；采用的A-star启发函数为节点与目标点的距离的高斯函数，h(n)小于等于节点n到终点的代价，保证A-star算法一定能够找到最短路径；而节点移动更新时设置移动代价为t时刻移动节点的风险值，使算法能尽快找到一条风险值较小的最优...

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