一种基于改进型人工势场法的无人车局部路径规划方法技术

本发明专利技术涉及无人车自动驾驶技术领域，具体地说，是一种基于改进型人工势场法的无人车局部路径规划方法，用于自动驾驶技术自主决策，与传统人工势场法相比，首先改进了引力场和斥力场函数，在引力函数中设定距离阈值，避免初始引力过大的问题；在斥力函数中增加斥力场调节因子，使车辆在目标点的斥力为零，以解决有可能存在的振荡问题。其次，建立了可以实现车道保持的道路边界势场，限定无人车的横向运动。最后，当无人车陷入局部最优解时，采用基于较小转向角的跳出局部最优解的策略，在满足无人车自身转向约束的前提下可有效跳出局部最优解，完成避障和局部路径规划。完成避障和局部路径规划。完成避障和局部路径规划。

【技术实现步骤摘要】
一种基于改进型人工势场法的无人车局部路径规划方法


[0001]本专利技术涉及无人车自动驾驶
，具体地说，是一种基于改进型人工势场法的无人车局部路径规划方法，用于自动驾驶技术自主决策。

技术介绍

[0002]路径规划是智能网联背景下汽车实现无人驾驶的重要技术。其基本原理为运用车载传感器对周围环境进行感知，在对获取的环境数据经过一系列处理后，通过某种算法规划出一条能够让车辆安全行驶避免碰撞的路径。其中，人工势场法以其计算简单，实时性高等优点广泛运用于无人车的局部路径规划中。但是，在虚拟的势场中，无人车常会因为陷入局部最优解而导致路径规划失败。

技术实现思路

[0003]本专利技术所要解决的技术问题是提供一种基于改进型人工势场法的无人车局部路径规划方法，能够实现无人车的车道保持，同时在考虑车辆自身转向约束的前提下，有效解决人工势场法极易出现的局部最优解的问题。
[0004]本专利技术为了解决上述技术问题，本专利技术采用的具体技术方案如下：
[0005]一种基于改进型人工势场法的无人车局部路径规划方法，包括如下步骤：
[0006]步骤A、把实际的道路空间转化成虚拟的势场环境，确定车身位置P，目标点位置P
g
和各障碍物位置P
obs
和障碍物影响范围ρ0其中目标对无人车产生引力F
att
，设置障碍物的影响范围ρ0，在影响范围内，障碍物对无人车产生斥力F
rep
；
[0007]步骤B、建立可以实现车道保持的道路边界势场，限定无人车的横向运动，道路边界对无人车产生斥力F
road
；
[0008]步骤C、按以下公式获得无人车受到的合力。无人车在合力的作用下运动至下一位置：
[0009]F
total
＝F
att
+F
rep
+F
road
；
[0010]步骤D、假设车辆在某一点处所受的引力大小和斥力的合力大小相等，方向相反，并且作用在同一条直线上，车辆所受的合力为零，但此时车辆并未到达目标点，车辆就会陷入局部最优解，当车辆陷入局部最优解时，进入步骤E，否则进入步骤M；
[0011]步骤E、记车辆该时刻的坐标为A(x0，y0)，将车辆视为质点，将车辆质心与目标点之间的连线作为参考线，在参考线方向上分别取角度θ，同时初始化车辆与目标点间的连线正方向上角度变化次数n＝1，角度θ应满足以下公式：
[0012]θ2＝320*n
[0013]车辆在参考线上变化的角度值小于等于40
°
，由数学推导，n的值应小于等于5，然后进入步骤F；
[0014]步骤F、在两个角度θ的方向上，按如下公式：
[0015][0016]获取前进步长，得到两个点，坐标记为B(x1，y1)和C(x2，y2)，分别计算车辆位于A，B，C位置时的势场值记为U(x0)，U(x1)和U(x2)，然后进入步骤G；
[0017]步骤G、判断U(x0)，U(x1)和U(x2)的大小，如果满足U(x0)＜U(x1)且U(x0)＜U(x2)，即A点处的势场值最低，则进入步骤H，如果不满足U(x0)＜U(x1)且U(x0)＜U(x2)，即A点处的势场值非最低，则进入步骤L；
[0018]步骤H：增加一次车辆与目标点间的连线正方向上角度变化次数，然后进入步骤I；
[0019]步骤I、判断车辆与目标点间的连线正方向上角度变化次数n是否大于5，是则进入步骤J，不是则进入步骤K；
[0020]步骤J、车辆后退ρ(P，P
obs
)的长度，然后进入步骤E；
[0021]步骤K、再次计算变化的角度θ，然后进入步骤F；
[0022]步骤L、判断U(x1)和U(x2)的大小，若U(x1)＞U(x2)，则车辆运动至B点，若U(x2)＞U(x1)，则车辆运动至A点，然后进入步骤D；
[0023]最终，无人车根据合力大小确定下一步的位置，直到运动至目标点。
[0024]本专利技术的有益效果：本专利技术与传统人工势场法相比，首先改进了引力场和斥力场函数，在引力函数中设定距离阈值，避免初始引力过大的问题；在斥力函数中增加斥力场调节因子，使车辆在目标点的斥力为零，以解决有可能存在的振荡问题。其次，建立了可以实现车道保持的道路边界势场，限定无人车的横向运动。最后，当无人车陷入局部最优解时，采用基于较小转向角的跳出局部最优解的策略，在满足无人车自身转向约束的前提下可有效跳出局部最优解，完成避障和局部路径规划。
附图说明
[0025]图1是本专利技术无人车在虚拟势场空间中的受力图。
[0026]图2是本专利技术设计基于人工势场法的无人车局部路径规划方法流程图。
[0027]图3是本专利技术设计的无人车在道路边界势场中实现车道保持的区域示意图。
[0028]图4是本专利技术设计的基于较小转向角的跳出局部最优解示意图。
具体实施方式
[0029]为了加深对本专利技术的理解，下面将结合附图和实施例对本专利技术做进一步详细描述，该实施例仅用于解释本专利技术，并不对本专利技术的保护范围构成限定。
[0030]如图1所示，无人车将在虚拟的势场环境中收到虚拟力的作用，这其中包括了目标点产生的引力和障碍物产生的斥力，在合力的作用下，无人车将探寻一条避开障碍物到达目标点的安全路径。
[0031]本专利技术设计了一种基于改进型人工势场法的无人车局部路径规划方法，具体流程如图2所示，在考虑车辆自身转向约束的前提下，有效解决人工势场法极易出现的局部最优解的问题，分别包括以下具体步骤：
[0032]步骤A、确定车身位置P和目标点位置P
g
，按如下公式：
[0033][0034]获得无人车受到的引力，其中，K
a
为引力场作用系数，ρ(P，P
g
)为一矢量，大小为车辆位置P和目标点位置P
g
之间的欧几里得距离|(P
‑
P
g
)|，方向为由车辆位置指向目标点位置，d0为车辆和目标点之间距离的阈值，ε为引力场调节因子，当车辆和目标点之间的距离大于d0时，将引力视为常数，当车辆和目标点之间的距离小于d0时，引力大小与该距离成正比；
[0035]步骤B、确定各障碍物位置P
obs
和障碍物影响范围ρ0，按如下公式：
[0036][0037]获得无人车受到的斥力，当无人车进入障碍物影响范围后将受到斥力作用，其中，斥力F
re1
的方向为即从障碍物指向车辆，斥力F
rep2
的方向为即从车辆指向目标点。F
rep1
和F
rep2
的大小由以下公式确定：
[0038][0039]其中，K
r
为斥力场作用系数，ρ(P，P
obs
)为一矢量，大小为车辆位置P和障碍本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进型人工势场法的无人车局部路径规划方法，用于自动驾驶无人车的控制模块，其特征在于，在局部路径规划过程中，包括如下步骤：步骤A、把实际的道路空间转化成虚拟的势场环境，确定车身位置P，目标点位置P
g
和各障碍物位置P
obs
和障碍物影响范围ρ0，其中，设定目标对无人车产生引力F
att
，在影响范围内，障碍物对无人车产生斥力F
rep
；步骤B、建立可以实现车道保持的道路边界势场，限定无人车的横向运动，道路边界对无人车产生斥力F
road
；步骤C、按以下公式：F
total
＝F
att
+F
rep
+F
road
获得无人车受到的合力，无人车在合力的作用下运动至下一位置；步骤D、假设车辆在某一点处所受的引力大小和斥力的合力大小相等，方向相反，并且作用在同一条直线上，车辆所受的合力为零，但此时车辆并未到达目标点，车辆就会陷入局部最优解，当车辆陷入局部最优解时，进入步骤E，否则进入步骤M；步骤E、记车辆该时刻的坐标为A(x0，y0)，将车辆视为质点，将车辆质心与目标点之间的连线作为参考线，在参考线方向上分别取角度θ，同时初始化车辆与目标点间的连线正方向上角度变化次数n＝1，角度θ应满足以下公式：θ2＝320*n车辆在参考线上变化的角度值小于等于40
°
，由数学推导，n的值应小于等于5，然后进入步骤F；步骤F、在两个角度θ的方向上，按如下公式：获取前进步长，得到两个点，坐标记为B(x1，y1)和C(x2，y2)，分别计算车辆位于A，B，C位置时的势场值记为U(x0)，U(x1)和U(x2)，然后进入步骤G；步骤G、判断U(x0)，U(x1)和U(x2)的大小，如果满足U(x0)＜U(x1)且U(x0)＜U(x2)，即A点处的势场值最低，则进入步骤H，如果不满足U(x0)＜U(x1)且U(x0)＜U(x2)，即A点处的势场值非最低，则进入步骤L；步骤H:增加一次车辆与目标点间的连线正方向上角度变化次数，然后进入步骤I；步骤I、判断车辆与目标点间的连线正方向上角度变化次数n是否大于5，是则进入步骤J，不是则进入步骤K；步骤J、车辆后退ρ(P,P
obs
)的长度，然后进入步骤E；步骤K、再次计算变化的角度θ，然后进入步骤F；步骤L、判断U(x1)和U(x2)的大小，若U(x1)...

【专利技术属性】
技术研发人员：贝绍轶，田劲，李波，周鑫烨，周丹，高陈诚，朱芸海，胡宏振，倪曦，吴凡，
申请(专利权)人：江苏理工学院，
类型：发明
国别省市：