一种基于并行求解的自动驾驶运动规划方法技术

本发明专利技术涉及一种基于并行求解的自动驾驶运动规划方法，属于自动驾驶技术领域。该方法包括：S1：构建运动规划问题，并对其离散化；S2：通过引入全局变量和松弛变量，将离散化的运动规划问题转换为并行运动规划问题；S3：针对构建的并行运动规划问题，采用分层交替方向乘子法进行数值求解。本发明专利技术方法大大降低了自动驾驶运动规划问题的优化维度和约束规模，简化了问题难度，同时通过将单一车载处理器的运载负荷分摊到多个并行处理器上，显著提高了自动驾驶运动规划问题的求解实时性。驶运动规划问题的求解实时性。驶运动规划问题的求解实时性。

【技术实现步骤摘要】
一种基于并行求解的自动驾驶运动规划方法


[0001]本专利技术属于自动驾驶
，涉及一种基于并行求解的自动驾驶运动规划方法。

技术介绍

[0002]运动规划系统是自动驾驶系统中的关键技术之一，能够根据路况信息、驾驶员出行目的以及全局地图数据库规划出自起始点至终点的一条无碰撞、可通行的最优行驶路径。
[0003]依据有无模型结构，运动规划方法可分为无模型方法以及基于模型的优化方法。无模型方法主要有基于规则的方法、人工势场法、采样法等。其中，基于规则的方法不能处理规则之外的新场景，人工势场法缺少对车辆及环境的推理预测，采样法面临自由空间搜索的维数灾问题，机器学习方法的可解释性差。在基于模型的优化方法中，基于非线性模型预测控制(Nonlinear Model Predictive Control,NMPC)的运动规划能够考虑车辆动力学等非线性约束，在滚动时域内可实现安全性、舒适性等多性能目标优化，因此成为解决高等级自动驾驶运动规划面临的问题的一条重要途径。
[0004]然而，随着交通场景变复杂，NMPC运动规划中优化指标以及非线性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于并行求解的自动驾驶运动规划方法，其特征在于，该方法具体包括以下步骤：S1：构建运动规划问题，并对其离散化；S2：通过引入全局变量和松弛变量，将步骤S1离散化的运动规划问题转换为并行运动规划问题；S3：针对步骤S2构建的并行运动规划问题，采用分层交替方向乘子法进行数值求解。2.根据权利要求1所述的基于并行求解的自动驾驶运动规划方法，其特征在于，步骤S1中，构建的运动规划问题的表达式为：满足约束条件：x0＝x(0)h
o
(x，u)≥0，o＝0，...，M其中，J为基于车辆状态的指标函数，F(x，u)为车辆状态量与车辆控制量的指标函数，G(Δu)为车辆状态量变化率指标函数，x为车辆状态量，u为车辆控制量，Δu为车辆控制量变化率，T为预测时域，x0为车辆初始状态约束，为车辆状态方程约束，h
o
(x，u)为车辆周围障碍物的避障约束，M为障碍物数量，o为障碍物编号。3.根据权利要求1或2所述的基于并行求解的自动驾驶运动规划方法，其特征在于，步骤S1中，对步骤S1构建的运动规划问题进行离散化，离散化后的表达式为：满足约束条件：s.t.g
i
(x
i
，u
i
)＝0，i＝0，...，Nh
i
(x
i
，u
i
，u
i
‑1)＜0，i＝0，...，N其中，J
i
(x
i
，u
i
，u
i
‑1)＝F
i
(x
i
，u
i
)+G
i
(Δu
i
)，F
i
(x
i
，u
i
)为第i个插值点的车辆状态量与控制量的指标函数，G
i
(Δu
i
)为反应第i个插值点的车辆控制量变化率指标函数，N为离散点个数，x
i
为第i个插值点的车辆状态量，u
i
为第i个插值点的车辆控制量，Δu
i
＝u
i
‑
u
i
‑1为第i个插值点的车辆控制量变化率，g
i
(x
i
，u
i
)为包含第i个插值点的车辆状态模型约束以及车辆初始状态约束的等式约束集合，h
i
(x
i
，u
i
，u
i
‑1)为第i个插值点的车辆周围障碍物的避障约束组成的不等式约束集合。4.根据权利要求3所述的基于并行求解的自动驾驶运动规划方法，其特征在于，步骤S2中，通过引入全局变量z解耦优化变量x
i
，u
i
之间的耦合关系，并引入松弛变量将步骤S1离散化的运动规划问题转换为并行运动规划问题，表达式为：满足约束条件：
其中，α为对偶变量，为二次型惩罚项，β为二次惩罚项系数，χ＝[χ
0T
，...，χ
NT
]
T
为解耦后的阶段优化...

【专利技术属性】
技术研发人员：高锋，马杰，王俊杰，党东方，
申请(专利权)人：重庆大学，
类型：发明
国别省市：