基于障碍物动态虚拟膨胀的智能车辆避碰路径规划方法技术

本发明专利技术提供了一种基于障碍物动态虚拟膨胀的智能车辆避碰路径规划方法，属于智能驾驶领域。包括以下步骤：利用车载传感器及V2X技术对车辆周边环境进行信息获取；建立障碍物虚拟膨胀的椭圆模型，确定障碍物虚拟膨胀模型的动态参数；采用人工势场法对虚拟膨胀后的障碍物、道路、局部目标点进行建模，利用梯度下降算法寻找综合势能场中沿梯度方向下降最快的路径点，并通过五次多项式对路径点进行拟合得到平滑的路径。与现有技术相比，本发明专利技术为障碍物提供了动态虚拟膨胀模型，量化了障碍物膨胀的形状与尺寸，并结合人工势场法和梯度下降算法生成避碰，保障了智能车辆规划路径的安全性、可跟踪性。可跟踪性。可跟踪性。

【技术实现步骤摘要】
Control：A Nonconvex Approach for Obstacle Avoidance[J].IEEE Transactions on Control Systems Technology，2017，25(2)：469
‑
484.(Rosolia U，Bruyne S D和Alleyne A G.自动车辆控制：一种非凸的避障方法，IEEE控制系统技术杂志，2017年第25卷第2期，第469页到484页)”提出障碍物采用椭圆表示，椭圆长、短半轴分别代表障碍物的长和宽，分别将车辆的半长半宽加倍来增加安全裕度，不能适用于所有交通环境中。
[0008]综上所述，现有技术存在以下问题：
[0009]1、参考文献1报道的避碰路径规划算法采用增加矩形安全边际对障碍物进行膨胀的方法来确保规划路径的安全性，但矩形膨胀区域会不仅会使膨胀区域过大，而且矩形轮廓可能会导致规划的路径不平滑。
[0010]2、文献2将障碍物分解为沿车辆纵轴等距分布的特定半径的圆，会导致路径规划的计算量增大，不利于路径规划的实时性；
[0011]3、文献3提出将障碍本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于障碍物动态虚拟膨胀的智能车辆避碰路径规划方法，其特征在于，所述规划方法包括以下步骤：步骤1，智能车辆状态信息及周边环境信息的获取通过智能车辆的车载传感器、定位系统和V2X系统获取智能车辆状态信息及周边环境信息；步骤2，参考坐标系的设定以智能车辆几何中心点为原点，以交通流方向为x轴、垂直于x轴的方向为y轴，设定车辆坐标系；设智能车辆开始换道时刻为t0，以t0时刻智能车辆所在道路的最右侧边界为u轴，垂直于u轴的方向为v轴，设定地球坐标系；将智能车辆在t0时刻所在的车道记为原始车道，原始车道的中心线在地球坐标系中的v轴坐标记为v
cr
；并将原始车道左侧相邻车道记为左侧车道，左侧车道的中心线在地球坐标系中的v轴坐标为v
cl
；将智能车辆沿着地球坐标系u轴方向行驶的速度为纵向速度，智能车辆沿着地球坐标系v轴方向行驶的速度为横向速度；步骤3，障碍物动态虚拟膨胀将智能车辆前方静止物体称为静态障碍物，纵向速度小于智能车辆纵向速度的运动物体称为动态障碍物，静态障碍物和动态障碍物统称为障碍物，进行障碍物动态虚拟膨胀；步骤3.1，将智能车辆的车身形状简化为矩形，并将该矩形的四个角分别记为智能车辆左前角P
LF
、智能车辆右前角P
RF
、智能车辆左后角P
LR
和智能车辆右后角P
RR
，在t0时刻智能车辆左前角P
LF
、智能车辆右前角P
RF
、智能车辆左后角P
LR
和智能车辆右后角P
RR
在车辆坐标系中的坐标分别如下：P
LF
：P
RF
：P
LR
：P
RR
：其中，θ表示智能车辆的初始航向角，L
ego
为智能车辆车身长度，W
ego
为智能车辆车身宽度；步骤3.2，设智能车辆沿着地球坐标系u轴方向行驶的距离为纵向距离，智能车辆沿着地球坐标系v轴方向行驶的距离为横向距离；设智能车辆前方有障碍物，智能车辆在t0时刻开始向左侧车道换道，且经过t时间后智能车辆右前角P
RF
与障碍物发生碰撞，将t0时刻智能车辆几何中心点与障碍物几何中心点的
纵向距离记为换道初始纵向安全距离其计算式如下：其中，L
obs
为障碍物的长度，v
obs
为障碍物的纵向速度，a
obs
为障碍物的纵向加速度，v
ego
为智能车辆的纵向速度，a
ego
为智能车辆的纵向加速度；将智能车辆右前角P
RF
与障碍物发生碰撞时，智能车辆几何中心点与障碍物几何中心点的纵向距离记为临界纵向距离临界纵向距离的计算公式如下：步骤3.3，设t0时刻障碍物几何中心点在车辆坐标系中的坐标记为(x0，y0)，将障碍物的形状简化为矩形，使用该矩形的外接椭圆对障碍物进行虚拟膨胀，该外接椭圆划定的区域即为虚拟膨胀后的障碍物所占用的道路范围，并记为危险区域A
danger
，其中，外接椭圆的长轴σ1和外接椭圆的短轴σ2的计算式分别为：的计算式分别为：其中，W
obs
表示障碍物的宽度；步骤4，环境建模步骤4.1，设在t0时刻，障碍物几何中心点在地球坐标系中的坐标为(u
obs
(t0)，v
obs
(t0))；将车辆换道避碰过程分为两个阶段，分别记为阶段S1和阶段S2，定义阶段S1为智能车辆从t0时刻开始，换道至左侧车道中心线后继续行驶，直到智能车辆几何中心点超过障碍物几何中心点的纵向距离等于临界纵向距离的位置结束，定义阶段S2为从左侧车道上智能车辆几何中心点超过障碍物几何中心点的纵向距离等于临界纵向距离的位置开始，到障碍物前方的原始车道中心线位置结束；设立局部目标点，并计算局部目标点势能场的场强，计算过程如下：步骤4.1.1，设任意时刻智能车辆的几何中心点的位置为路径点P
k
，路径点P
k
在地球坐标系中的坐标为(u
k
，v
k
)，判断路径点P
k
是否处于阶段S1；如果处于阶段S1，则进入步骤4.1.2；如果不处于阶段S1，则进入步骤4.1.3；步骤4.1.2，设在阶段S1中任意一个障碍物的几何中心点位置为第一动态位置P
L1
，第一动态位置P
L1
在地球坐标系中的坐标为(u
L1
，v
L1
)，在左侧车道中心线上选取第一局部目标点P
g1
，第一局部目标点P
g1
在地球坐标系上的坐标为(u
g1
，v
g1
)，若障碍物为静止障碍物时，若障碍物为动态障碍物时，v
g1
＝v
cl
，进入步骤
4.1.4；步骤4.1.3，设在阶段S2中任意一个障碍物的几何中心点位置为第二动态位置P
L2
，第二动态位置P
L2
在地球坐标系中的坐标为(u
L2
，v
L2
)，取消第一局部目标点P
g1
，在原始车道中心线上设立第二局部目标点P
g2
，第二局部目标点P
g2
在地球坐标系中的坐标记为(u
g2
，v
g2
)，若障碍物为静止障碍物时，v
g2
＝v
cr
，若障碍物为动态障碍物时，v
g2
＝v
cr
；步骤4.1.4，引入局部目标点P
gi
，i或为1，或为2，计算局部目标点P
gi
的势能场在路径点P
k
处的场强U
goali
，i或为1，或为2，计算公式如下：U
goali
＝A
goal
[(u
k
‑
u
gi
)2+(v
k
‑
v
gi
)2]其中，A
goal
为局部目标点势能场的场强系数；步骤4.2，对步骤3得到的危险区域A
danger
计算势能场场强，危险区域A
danger
产生的势能场在路径点P
k
处的场强U
obstacle
的计算公式如下：其中，A
obstacle
为危险区域势能场系数，SD0为危险区域的影响距离，SD为智能车辆几何中心点到危险区域A
danger
边界的最短距离；步骤4.3，将智能车辆周边的道路车道线分成不可跨越车道线和可跨越车道线，且假设车道线是直线，道路车道线产生的势能场在路径点P
k
处的场强U
road
的计算公式如下：其中，A
road
为道路势能场系数，L
w
为车道宽度，m1为不可跨越障碍物车道线的系数，m2为可跨越障碍物车道线的系数；步骤4.4，将与局部目标点P
gi
对应的在路径点P
k
处的智能车辆周边环境综合势能场记为综合势能场，并将综合势能场的场强记为综合场强U
i
，i或为1，或为2，其计算公式如下：U
i
＝U
obstacle
+U
road
+U
goali
步骤5，避碰路径的生成定义避碰路径如下：以智能车辆从原始车道开始向左侧车道换道时的几何中心点为起点、智能车辆几何中心点到达第二局部目标点P
g2
的位置为终点，由N个避碰路径点组成的避碰路径；步骤5.1，计算综合场强U
i
的负梯度i或为1，或为2，计算公式如下：
其中，表示路径点P
k
处综合场强U
i
沿地球坐标系中u轴的变化率，表示路径点P
k
处综合场强U
i
沿地球坐标系中v轴的变化率，i或为1，或为2；将路径点P
k
处的最快下降速度记为v
ki
，i或为1，或为2，并令最快下降速度v
ki
等于综合场强U
i
的负梯度其计算公式如下：将最快下降速度v
ki
单位化，得到单位最快下降速度i或为1，或为2，计算公式如下：将路径点P
k
的下一个相邻路径点记为路径点P
k+1
，用步长λ乘以单位最快下降速度得出每次迭代前进的距离，并与路径点P
k
在地球坐标系中的坐标(u
k
，v
k
)相加，迭代得到路径点P
k+1
在地球坐标系中的坐标(u
k+1
，v
k+1
)，计算公式如下：步骤5.2，以智能车辆在避碰过程中到达第一局部目标点P
g1
将避碰路径分成两段，分别记为避碰路径1和避碰路径2；将避碰路径1中任...

【专利技术属性】
技术研发人员：孔慧芳，张倩，胡杰，张晓雪，夏露，曹诚，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：