基于智能驾驶员模型IDM的轨迹规划方法、装置及存储介质制造方法及图纸

本申请涉及一种基于智能驾驶员模型IDM的轨迹规划方法、装置及存储介质，属于自动驾驶技术领域，该方法包括：基于环境感知信息和地图信息，在Frenet坐标系下生成候选轨迹簇；基于IDM确定当前车辆的周围车辆在每个候选轨迹影响下的预测轨迹；筛除候选轨迹簇中不满足预设约束条件的候选轨迹、以及与预测轨迹存在碰撞的候选轨迹，得到筛选后的候选轨迹；基于筛选后的候选轨迹确定当前车辆的规划轨迹；可以解决未考虑周围车辆的影响进行路径规划时，路径规划结果不准确的问题；考虑了自车规划轨迹对周围车辆的影响，可量化的选择出最优轨迹。同时，通过使用基于IDM的预测算法，可保证算法的实时性。

【技术实现步骤摘要】
基于智能驾驶员模型IDM的轨迹规划方法、装置及存储介质
本申请涉及一种基于智能驾驶员模型IDM的轨迹规划方法、装置及存储介质，属于自动驾驶

技术介绍
自动驾驶车辆是一种通过计算机系统实现无人驾驶的智能车辆。自动驾驶车辆具有自动轨迹路径的能力。自动驾驶车辆的路径规划算法通过综合分析上游感知和地图的结果，根据当前道路情况，规划出一条平稳安全且符合目的地方向的轨迹传送给下游控制模块进行轨迹跟踪，从而驱动自动驾驶车辆运行。现有的路径规划算法不会考虑与其它道路参与者(周围车辆)的交互。为了保证安全，往往设定离前车比较大的时距和间隙，对其它车辆的轨迹预测一般采用恒速度CV模型。在处理例如匝道汇入主路，T形路口等复杂场景时，由于路况复杂多变，车流大，普通的决策规划算法无法给出最优决策，往往造成自动驾驶车辆犹豫不前，行驶顿挫，甚至停在路口或者匝道上，严重影响乘员体验和自身安全，同时给后方车流带来负面影响。
技术实现思路
本申请提供了一种基于智能驾驶员模型IDM的轨迹规划方法、装置及存储介质，可以解决未考虑周围车辆的影响进行本文档来自技高网...

【技术保护点】
1.一种基于智能驾驶员模型IDM的轨迹规划方法，其特征在于，所述方法包括：/n获取当前车辆的环境感知信息和地图信息；/n基于所述环境感知信息和所述地图信息，在Frenet坐标系下生成候选轨迹簇，所述候选轨迹簇包括多条候选轨迹；/n基于IDM确定所述当前车辆的周围车辆在每个候选轨迹影响下的预测轨迹；/n筛除所述候选轨迹簇中不满足预设约束条件的候选轨迹、以及与所述预测轨迹存在碰撞的候选轨迹，得到筛选后的候选轨迹；/n基于所述筛选后的候选轨迹确定所述当前车辆的规划轨迹。/n

【技术特征摘要】
1.一种基于智能驾驶员模型IDM的轨迹规划方法，其特征在于，所述方法包括：
获取当前车辆的环境感知信息和地图信息；
基于所述环境感知信息和所述地图信息，在Frenet坐标系下生成候选轨迹簇，所述候选轨迹簇包括多条候选轨迹；
基于IDM确定所述当前车辆的周围车辆在每个候选轨迹影响下的预测轨迹；
筛除所述候选轨迹簇中不满足预设约束条件的候选轨迹、以及与所述预测轨迹存在碰撞的候选轨迹，得到筛选后的候选轨迹；
基于所述筛选后的候选轨迹确定所述当前车辆的规划轨迹。


2.根据权利要求1所述的方法，其特征在于，所述IDM通过下式表示：






其中，Δv＝v-vlead，vLead是所述当前车辆的速度，v是所述周围车辆的当前速度，v0是期望速度，s是间隙gap，s*是当前状态下驾驶员的期望间距，s0是最小间隙，T是最小时距，a是最大加速度，b是舒适减速度，σ为常数；
所述周围车辆在预设时长Δt内以恒定转率恒加速度CTRA运动，所述周围车辆的速度v和间隙gap通过下式更新：
v(t+Δt)＝v(t)+(dv/dt)Δt；
令a＝dv/dt






s(t+Δt)＝PL(t+Δt)-P(t+Δt)-LL；
其中，LL为所述当前车辆的车长，x和y为所述周围车辆在当前车辆坐标系下的位置，PL为所述当前车辆在所述当前车俩坐标系下的位置投影至Frenet坐标系后的位置，P为所述周围车辆在所述当前车辆坐标系下的位置投影至Frenet坐标系后的位置，ω为目标车辆的角速度，θ(t)为车辆的朝向角。


3.根据权利要求2所述的方法，其特征在于，所述基于IDM确定所述当前车辆的周围车辆在每个候选轨迹影响下的预测轨迹，包括：
将各个时刻通过IDM模型计算出dv/dt的值输入CTRA模型，得到所述周围车辆的预测轨迹。


4.根据权利要求1所述的方法，其特征在于，所述预设约束条件包括以下几种中的至少一种：
候选轨迹对应的加速度小于最大加速度阈值、且大于最小加速度阈值；
后车的加速度大于最小后车加速度阈值；
与前车的时距大于第一最小时距；
与前车的间距大于最小间距；...

【专利技术属性】
技术研发人员：张珈彬，
申请(专利权)人：知行汽车科技苏州有限公司，
类型：发明
国别省市：江苏;32