一种无人车动态障碍决策方法、系统、介质及设备技术方案

本发明专利技术公开了一种无人车动态障碍决策方法、系统、介质及设备，属于无人车避障技术领域，用于解决目前无人车对动态障碍行为预测精度低且极大影响工作效率等问题。此方法包括步骤：1)创建无人车所在环境的地图，并在地图上描绘环境信息；2)获取无人车在地图上的位姿信息、以及周围的地图环境和动态障碍信息；3)预测动态障碍在一段时间内的运动轨迹；4)判断无人车的规划轨迹与动态障碍的运动轨迹是否有交点；如有交点，进入步骤5)；5)将动态障碍到达交点的时间与无人车到达交点的时间进行比对，如两者时间差小于安全时间，执行加速或减速处理以避免碰撞。本发明专利技术具有在复杂环境中安全避让动态障碍的同时又保障工作效率等优点。

【技术实现步骤摘要】
一种无人车动态障碍决策方法、系统、介质及设备
本专利技术主要涉及无人车
，具体涉及一种无人车动态障碍决策方法、系统、介质及设备。
技术介绍
近年来，无人驾驶技术依托人工智能技术的快速发展也变得越来越成熟，正在从出行方式、无人物流、特种作业等方面，逐渐改变人们的日常生活。如何保证无人车在具有行人或车辆等动态障碍物的环境中的安全是难点问题。目前避障相关的专利有：如CN111650945A动态障碍物防撞方法，该专利根据目标和无人车的运动轨迹是否相交，计算不碰撞的安全速度，存在以下不足：1、对动态障碍的预测结果是瞬时速度和一定时长，简单的直线轨迹，预测结果准确性低且不全面。未考虑高精度地图信息，地图信息有助于预测动态障碍的行为，例如左转、右转等。2、未考虑目标类别属性和行为，动态障碍的识别没有分类，例如车辆、行人等。3、只考虑安全性未考虑本车的效率。缺少第1点和第2点的信息，对运动障碍采用相同的策略对待，如果在复杂交通环境或者人流量大的环境中，频繁的减速停车会大大降低工作效率。4、未对本车的行为进行决策分类。仅仅根据安全距离来限速，在复杂道路环境中的随意停车会影响其他车辆的正常行驶。5、只考虑预设时长内空间上的碰撞可能性，未考虑时间差。轨迹相交，只表示预设时间内有碰撞可能，如果预设时间太短则不安全，预设时间太长则可能动态障碍距离较远就造成无人车停车，加入时间量，考虑在同一时间点的位置关系来判断是否碰撞。另外，如CN109960261A一种基于碰撞检测的动态障碍物避让方法，以及CN109960261B一种基于碰撞检测的动态障碍物避让方法，同样存在上述第1～4点的问题。CN111703420A一种无人车防碰撞的方法，同样存在上述第1～5点的问题。
技术实现思路
本专利技术要解决的技术问题就在于：针对现有技术存在的问题，本专利技术提供一种在复杂环境中安全避让动态障碍的同时又保障工作效率的无人车动态障碍决策方法、系统、介质及设备。为解决上述技术问题，本专利技术提出的技术方案为：一种无人车动态障碍决策方法，包括步骤：1)创建无人车所在环境的地图，并在地图上描绘环境信息；2)获取无人车在地图上的位姿信息、以及周围的地图环境和动态障碍信息；3)预测动态障碍在一段时间内的运动轨迹；4)判断无人车的规划轨迹与动态障碍的预测运动轨迹是否有交点；如有交点，进入步骤5)；5)将动态障碍到达交点的时间与无人车到达交点的时间进行比对，如两者时间差小于安全时间，执行加速或减速处理以避免碰撞。作为上述技术方案的进一步改进：在步骤3)中，根据动态障碍的位置、瞬时速度、地图上的环境信息预测动态障碍在一段时间内的运动轨迹；运动轨迹包括x、y坐标和对应的时间t，运动轨迹以匀速预测，起点时间为0，终点时间为t。在步骤5)中，对无人车生成带有时间戳的预测轨迹，以当前速度为初始速度，规划路径速度为预期速度，以匀加速生成一组带位置x、y和时间点的轨迹点序列，形成无人车的规划轨迹；通过动态障碍的预测运动轨迹得到动态障碍到达交点的时间，通过无人车的规划轨迹得到无人车到达交点的时间。在步骤1)中，所述环境信息包括车道、路口、红绿灯、人行道中的一种或多种。在步骤4)中，在判断是否有交点时，考虑无人车的车身轮廓和动态障碍的轮廓。在步骤5)中，在执行加速或减速处理时，同时选择相应的安全策略。所述安全策略具体为：在步骤3)中，在对动态障碍的轨迹进行预测的同时，根据动态障碍的属性和速度，对其行为进行分类；并在步骤5)中，根据动态障碍的运动轨迹和类别，采取不同的避障策略。在步骤5)中，如果动态障碍存在多个预测轨迹，将所有预测轨迹中到达交点的时间与无人车到达交点的时间进行比对，再根据比对结果生成不同的加减速指令及安全策略，选择最小速度和最安全的安全策略对无人车进行控制。本专利技术还公开了一种无人车动态障碍决策系统，包括：第一模块，用于创建无人车所在环境的地图，并在地图上描绘环境信息；第二模块，用于获取无人车在地图上的位姿信息、以及周围的地图环境和动态障碍信息；第三模块，用于预测动态障碍在一段时间内的运动轨迹；第四模块，用于判断无人车的规划轨迹与动态障碍的预测运动轨迹是否有交点；如有交点，则通过第五模块执行相应动作；第五模块，用于将动态障碍到达交点的时间与无人车到达交点的时间进行比对，如两者时间差小于安全时间，执行加速或减速处理以避免碰撞。本专利技术进一步公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器运行时执行如上所述的无人车动态障碍决策方法的步骤。本专利技术还公开了一种计算机设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序在被处理器运行时执行如上所述的无人车动态障碍决策方法的步骤。与现有技术相比，本专利技术的优点在于：本专利技术在构建高精度地图后，利用地图信息和运动障碍的感知结果预测其运动轨迹，从而使得预测结果符合实际地图环境，更准确且全面；本专利技术先在一段时长内判断动态障碍和无人车是否有轨迹相交，初步筛选有碰撞可能的目标；然后加入时间量，考虑在同一时间点的位置关系来判断是否碰撞，可实现快速高效的碰撞检测，既能保障无人车有平滑的速度曲线，也不过分降低工作效率。本专利技术在对动态障碍进行行为轨迹预测的同时，对其进行分类，如行人横穿、车辆超车、车辆路口转弯、对向占道等，不同类别有不同的行为，根据任务和环境对避障等级进行区别，区分目标的行为和类别后，采取不同的避障策略，从而有助于提高无人车的任务效率。本专利技术对无人车的行为进行决策分类，在保证安全的前提下提高无人车的工作效率和运动平滑流畅性；仅仅根据安全距离来限速，在复杂道路环境中的随意停车会影响其他车辆的正常行驶，加入决策信息则可以实现稳定跟随、靠边让行、加速超车等，可以提高无人车的工作效率也使行车更流畅。附图说明图1为本专利技术的方法在实施例的流程图。具体实施方式以下结合说明书附图和具体实施例对本专利技术作进一步描述。如图1所示，本实施例的无人车动态障碍决策方法，包括步骤：1)创建无人车所在环境的高精度地图，并在地图上描绘环境信息；2)获取无人车在高精度地图上的位姿信息、以及周围的地图环境和动态障碍信息；3)预测动态障碍在一段时间内的运动轨迹；4)判断无人车的规划轨迹与动态障碍的预测轨迹是否有交点；如有交点，进入步骤5)；5)将动态障碍到达交点的时间与无人车到达交点的时间进行比对，如两者时间差小于安全时间，选择相应的安全策略执行加速或减速处理以避免碰撞。本专利技术在构建高精度地图后，利用地图信息和运动障碍的感知结果预测其运动轨迹，从而使得预测结果符合实际地图环境，更准确且全面。本专利技术先在一段时长内判断动态障碍和无人车是否轨迹相交，初步筛选有碰撞可能的目标；然后加入时间量，考虑在本文档来自技高网...

【技术保护点】
1.一种无人车动态障碍决策方法，其特征在于，包括步骤：/n1)创建无人车所在环境的地图，并在地图上描绘环境信息；/n2)获取无人车在地图上的位姿信息、以及周围的地图环境和动态障碍信息；/n3)预测动态障碍在一段时间内的运动轨迹；/n4)判断无人车的规划轨迹与动态障碍的运动轨迹是否有交点；如有交点，进入步骤5)；/n5)将动态障碍到达交点的时间与无人车到达交点的时间进行比对，如两者时间差小于安全时间，执行加速或减速处理以避免碰撞。/n

【技术特征摘要】
1.一种无人车动态障碍决策方法，其特征在于，包括步骤：
1)创建无人车所在环境的地图，并在地图上描绘环境信息；
2)获取无人车在地图上的位姿信息、以及周围的地图环境和动态障碍信息；
3)预测动态障碍在一段时间内的运动轨迹；
4)判断无人车的规划轨迹与动态障碍的运动轨迹是否有交点；如有交点，进入步骤5)；
5)将动态障碍到达交点的时间与无人车到达交点的时间进行比对，如两者时间差小于安全时间，执行加速或减速处理以避免碰撞。


2.根据权利要求1所述的无人车动态障碍决策方法，其特征在于，在步骤3)中，根据动态障碍的位置、瞬时速度、地图上的环境信息预测动态障碍在一段时间内的运动轨迹；运动轨迹包括x、y坐标和对应的时间t，运动轨迹以匀速预测，起点时间为0，终点时间为t。


3.根据权利要求2所述的无人车动态障碍决策方法，其特征在于，在步骤5)中，对无人车生成带有时间戳的预测轨迹，以当前速度为初始速度，规划路径速度为预期速度，以匀加速生成一组带位置x、y和时间点的轨迹点序列，形成无人车的规划轨迹；通过动态障碍的预测运动轨迹得到动态障碍到达交点的时间，通过无人车的规划轨迹得到无人车到达交点的时间。


4.根据权利要求1～3中任意一项所述的无人车动态障碍决策方法，其特征在于，在步骤1)中，所述环境信息包括车道、路口、红绿灯、人行道中的一种或多种。


5.根据权利要求1～3中任意一项所述的无人车动态障碍决策方法，其特征在于，在步骤4)中，在判断是否有交点时，考虑无人车的车身轮廓和动态障碍的轮廓。


6.根据权利要求1～3中任意一项所述的无人车动态障碍决策方法，其特征在于，在步骤5)中，在执行加...

【专利技术属性】
技术研发人员：欧阳秋萍，安向京，胡庭波，
申请(专利权)人：长沙行深智能科技有限公司，
类型：发明
国别省市：湖南;43