本发明专利技术公开了一种无人赛车路径规划方法、系统、装置及存储介质，方法包括：获取赛车状态信息，并根据状态信息初始化状态向量和控制向量；建立赛车动力学模型，对赛车动力学模型进行处理得到赛车预测模型；确定赛车预测模型的系统输出量为等效横纵向误差；根据等效横纵向误差确定目标函数；建立道路边界约束和行驶稳定性约束；根据目标函数和道路边界约束和行驶稳定性约束，得到局部规划路径。本发明专利技术通过综合考虑边界约束和行驶稳定性约束，使赛车轮胎侧向力位于线性区域内，增强赛车的操纵稳定性；在目标函数中加入控制变量的惩罚和角速度惩罚，在保证路径动力学可执行性的同时提升赛车的圈速成绩。本发明专利技术可广泛应用于路径规划技术领域。术领域。术领域。
【技术实现步骤摘要】
一种无人赛车路径规划方法、系统、装置及存储介质
[0001]本专利技术涉及路径规划
，尤其涉及一种无人赛车路径规划方法、系统、装置及存储介质。
技术介绍
[0002]高速工况下如何保证无人驾驶车辆的行驶安全性，对无人驾驶技术的推广具有较大现实意义，无人赛车作为研究对象之一，更需要稳定可靠的算法保证高速行驶的安全性。
[0003]在无人驾驶架构中，决策规划层是重要组成部分之一，路径规划算法作为其中的关键技术，其功能是生成预期路径使自动驾驶汽车完成特定的任务。无人赛车路径规划子系统中，首要目标是在保证赛车的稳定性和安全性的前提下，充分利用轮胎极限以提升圈速。
[0004]早期路径规划算法的研究以图搜索算法为主，包括Dijkstra、A*等算法，另一类路径规划算法是以快速扩展树(Rapidly Exploring Random Tree,RRT)为代表的基于采样的算法。目前图搜索算法大部分时间花在构建路网上，而RRT算法规划路径会导致随机性和曲率不连续的问题，基于最优化理论的路径规划算法可有效解决这些问题，因此近年来得到了广泛应用。目前存在根据二次规划理论提出的基于最小曲率的路径规划算法，但缺乏车辆动力学约束，且无法满足实时性要求。
[0005]模型预测控制(简称MPC)是广泛应用于无人车辆控制领域的算法，通过预建立的车辆模型，预测指定时间内的车辆行为，并利用目标函数评估不同的预测结果，但已有方法大多针对特定场景，不适用于无人赛车，且未考虑行驶稳定性约束，若直接用于无人赛车，将导致赛车在高速行驶或路面附着条件较差时失控风险提高，此外，还需要考虑边界约束使赛车保持在赛道内行驶。
技术实现思路
[0006]为了解决上述技术问题，本专利技术的目的是提供一种无人赛车路径规划方法、系统、装置及存储介质，能够增强赛车的操纵稳定性，提升赛车的圈速成绩。
[0007]一方面，本专利技术实施例提供了一种无人赛车路径规划方法，包括以下步骤：
[0008]获取赛车状态信息，并根据所述状态信息初始化状态向量和控制向量；
[0009]建立赛车动力学模型，对所述赛车动力学模型进行处理得到赛车预测模型，并利用所述状态向量和所述控制向量对所述赛车预测模型进行参数更新；
[0010]确定所述赛车预测模型的系统输出量为等效横纵向误差；
[0011]根据所述等效横纵向误差确定所述赛车预测模型的目标函数，所述目标函数内包括有控制变量的惩罚和角速度惩罚；
[0012]建立道路边界约束和行驶稳定性约束；
[0013]根据所述目标函数和所述道路边界约束和所述行驶稳定性约束，得到局部规划路径。
[0014]进一步，所述无人赛车路径规划方法还包括以下步骤：
[0015]将所述局部规划路径拼接到半局部规划路径上得到全局路径，其中，所述半局部规划路径为包含了若干个局部规划路径的轨迹线。
[0016]进一步，所述局部规划路径包括第一路径和第二路径，所述将所述局部规划路径拼接到半局部规划路径上得到全局路径这一步骤，包括以下步骤：
[0017]将所述第一路径拼接到所述半局部规划路径中；
[0018]通过所述第二路径确定所述所述状态向量和所述控制向量。
[0019]进一步，所述赛车动力学模型的表达式为：
[0020][0021]其中，m为赛车的质量，I
z
为赛车绕z轴的转动惯量，l
f
为赛车质心到赛车前轴的距离，l
r
为赛车质心到后轴的距离，X为惯性坐标系下赛车质心的横坐标，Y为惯性坐标系下赛车质心的纵坐标，为所述横坐标对时间变量的一阶导数，为纵坐标对时间变量的一阶导数，为赛车质心的航偏角，v
x
为赛车质心的纵向速度，为所述纵向速度对时间变量的一阶导数，v
y
为赛车质心的横向速度，为所述横向速度对时间变量的一阶导数，ω为赛车的角速度，为所述角速度对时间变量的一阶导数，δ为赛车前轮转角，τ
TV
为附加扭矩，F
x
为赛车所受纵向力，F
f,y
为赛车的前轮的侧向力，F
r,y
为后轮的侧向力。
[0022]进一步，所述对所述赛车动力学模型进行处理得到赛车预测模型这一步骤，包括以下步骤：
[0023]对所述赛车动力学模型进行线性处理得到线性动力学模型；
[0024]对所述线性动力学模型进行离散处理得到离散动力学模型；
[0025]将所述离散动力学模型的控制量替换为控制增量得到所述赛车预测模型。
[0026]进一步，所述道路边界约束的表达式如下：
[0027][0028]其中，F
k
是边界约束的线性化矩阵，为表示t时刻，预测时域内第k个状态向量，分别是根据左右边界点计算得到的约束上下界，ε
b
是边界约束对应的松弛因子。
[0029]进一步，所述对所述目标函数和所述道路边界约束和所述行驶稳定性约束，得到局部规划路径这一步骤，包括以下步骤：
[0030]对所述目标函数、所述道路边界约束和所述行驶稳定性约束进行向量化处理，根据向量化处理得到的结果进行矩阵化处理，，得到二次规划表达式；
[0031]对所述二次规划表达式进行求解得到最优解，所述最优解中包含有所述局部规划路径的规划信息。
[0032]另一方面，本申请还提供了一种无人赛车路径规划系统，包括：
[0033]信息获取模块，用于获取赛车状态信息，并根据所述状态信息初始化状态向量和控制向量；
[0034]模型建立模块，用于建立赛车动力学模型，对所述赛车动力学模型进行处理得到赛车预测模型，并利用所述状态向量和所述控制向量对所述赛车预测模型进行参数更新；
[0035]误差确定模块，用于确定所述赛车预测模型的系统输出量为等效横纵向误差；
[0036]函数确定模块，用于根据所述等效横纵向误差确定所述赛车预测模型的目标函数，所述目标函数内包括有控制变量的惩罚和角速度惩罚；
[0037]约束建立模块，用于建立道路边界约束和行驶稳定性约束；
[0038]路径规划模块，用于根据所述目标函数和所述道路边界约束和所述行驶稳定性约束，得到局部规划路径。
[0039]另一方面，本申请还提供了一种无人赛车路径规划装置，包括：
[0040]至少一个处理器；
[0041]至少一个存储器，用于存储至少一个程序；
[0042]当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如前面所述的一种无人赛车路径规划方法。
[0043]另一方面，本申请还提供了一种存储介质，其中存储有处理器可执行的指令，其特征在于，所述处理器可执行的指令在由处理器执行时用于执行如前面所述的一种无人赛车路径规划方法。
[0044]本专利技术的有益效果是：通过综合考虑边界约束和行驶稳定性约束，使赛车轮胎侧向力位于线性区域本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种无人赛车路径规划方法，其特征在于，包括以下步骤：获取赛车状态信息，并根据所述状态信息初始化状态向量和控制向量；建立赛车动力学模型，对所述赛车动力学模型进行处理得到赛车预测模型，并利用所述状态向量和所述控制向量对所述赛车预测模型进行参数更新；确定所述赛车预测模型的系统输出量为等效横纵向误差；根据所述等效横纵向误差确定所述赛车预测模型的目标函数，所述目标函数包括控制变量的惩罚和角速度惩罚；建立道路边界约束和行驶稳定性约束；根据所述目标函数、所述道路边界约束和所述行驶稳定性约束，得到局部规划路径。2.根据权利要求1所述的一种无人赛车路径规划方法，其特征在于，所述无人赛车路径规划方法还包括以下步骤：将所述局部规划路径拼接到半局部规划路径上得到全局路径，其中，所述半局部规划路径包含若干个局部规划路径的轨迹线。3.根据权利要求2所述的一种无人赛车路径规划方法，其特征在于，所述局部规划路径包括第一路径和第二路径，所述将所述局部规划路径拼接到半局部规划路径上得到全局路径这一步骤，包括以下步骤：将所述第一路径拼接到所述半局部规划路径中；通过所述第二路径确定所述状态向量和所述控制向量。4.根据权利要求1所述的一种无人赛车路径规划方法，其特征在于，所述赛车动力学模型的表达式为：其中，m为赛车的质量，I
z
为赛车绕z轴的转动惯量，l
f
为赛车质心到赛车前轴的距离，l
r
为赛车质心到后轴的距离，X为惯性坐标系下赛车质心的横坐标，Y为惯性坐标系下赛车质心的纵坐标，为所述横坐标对时间变量的一阶导数，为纵坐标对时间变量的一阶导数，为赛车质心的航偏角，v
x
为赛车质心的纵向速度，为所述纵向速度对时间变量的一阶导数，v
y
为赛车质心的横向速度，为所述横向速度对时间变量的一阶导数，ω为赛车的角速度，为所述角速度对时间变量的一阶导数，δ为赛车前轮转角，τ
TV
为附加扭矩，F
x
为赛车所受纵向力，F
f,y
为赛车的前轮的侧向力，F
r,y
为后轮的侧向力。5.根据权利要求1所述的一种无人赛车路径规划方法，其特征在于，所述对所述赛车动力学模型进...
【专利技术属性】
技术研发人员：李巍华，龚国铮，郑少武，陈少豪，叶鸣，黎杰，于善虎，卢仲康，
申请(专利权)人：广州华工机动车检测技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。