一种多势场融合的智能驾驶汽车安全避障方法技术

一种多势场融合的智能驾驶汽车安全避障方法，包括：1、分别构建智能驾驶汽车与多个障碍物对应的相对速度区域；2、分别构建智能驾驶汽车与多个障碍物对应的速度势场；3、构建满足不同道路边界安全避障的道路势场；4、自适应地分配道路势场和多个速度势场的权值，将加权后的道路势场和多个速度势场相结合得到总势场；5、利用梯度下降法计算总势场的负梯度，得到同时满足多个不同速度的障碍物和不同边界道路的安全避障路径；6、根据智能驾驶汽车在道路上的行驶状态和障碍物的运动情况，判断是否避障完成。本发明专利技术所提出方法能够同时适应多个不同速度障碍和不同边界道路，为智能驾驶汽车在复杂动态环境中安全避障提供了解决方案。杂动态环境中安全避障提供了解决方案。杂动态环境中安全避障提供了解决方案。

【技术实现步骤摘要】
一种多势场融合的智能驾驶汽车安全避障方法


[0001]本专利技术涉及汽车行驶
，特别涉及一种多势场融合的智能驾驶汽车安全避障方法。

技术介绍

[0002]随着社会与经济的发展，汽车已经成为人们不可或缺的交通工具。汽车的出现极大地便利了人们的出行，提高了社会运转的效率，对人们生活的改善、社会和经济的发展起到了重要的推动作用。然而，由于汽车保有量的急剧增加，城市交通堵塞问题的日益突出和交通事故的稳步增长严重阻碍了汽车产业的健康发展。为了解决汽车产业发展所面临的一系列问题，世界各国纷纷将智能驾驶汽车作为未来汽车产业发展的重点。智能驾驶汽车能够大幅提高城市交通运行效率，缓解城市交通堵塞，杜绝人为交通事故，保证行驶安全，对实现我国汽车产业的弯道超车，具有重要的社会和经济意义。
[0003]安全避障作为智能驾驶汽车不可或缺的重要组成部分，近年来取得了长足的发展；然而目前复杂的动态行驶环境对智能驾驶汽车避障提出了新的要求，需要提升汽车的避障能力；所以在此情形下，迫切需要一种驾驶汽车安全避障方法。

技术实现思路

[0004]本专利技术提供了一种多势场融合的智能驾驶汽车安全避障方法，以解决现有技术中动态行驶环境复杂，汽车避障能力差的技术问题。
[0005]为达到上述目的，本专利技术的技术方案是这样实现的：
[0006]本专利技术提供了一种多势场融合的智能驾驶汽车安全避障方法，包括如下步骤：
[0007]步骤S10、计算智能驾驶汽车分别与多个障碍物的范围角和倾斜角，得到智能驾驶汽车分别与多个障碍物的相对速度区域；
[0008]步骤S20、根据智能驾驶汽车分别与多个障碍物的相对速度区域，构建智能驾驶汽车分别与多个障碍物的对应的速度势场，以满足多个不同速度的障碍物的安全避障要求；
[0009]步骤S30、构建满足不同道路边界安全避障的道路势场；
[0010]步骤S40、结合道路势场和多个速度势场，设计模糊权重分配方法，用以自适应地分配道路势场和多个速度势场的权值，将加权后的道路势场和多个速度势场相结合得到总势场；
[0011]步骤S50、利用梯度下降法计算总势场的负梯度，建立智能驾驶汽车的运动方程，将总势场的负梯度代入到智能驾驶汽车的运动方程内，得到同时满足多个不同速度的障碍物和不同边界道路的安全避障路径；
[0012]步骤S60、根据智能驾驶汽车在安全避障路径上的行驶状态和多个障碍物的运动情况，判断是否满足设定的完成避障的条件，不满足，则重复步骤S10至步骤S60；满足，则智能驾驶汽车避障完成。
[0013]进一步地，所述步骤S10中多个障碍物的数量为n个，n＝1、2...i...n；其中智能驾
驶汽车与第i个障碍物的相对速度区域如下：
[0014][0015][0016]式中，α(i)和β(i)分别表示智能驾驶汽车与第i个障碍物的相对速度区域的范围角和倾斜角，X和Y分别表示智能驾驶汽车的纵向坐标和侧向坐标，X
o
(i)和Y
o
(i)分别表示第i个障碍物的纵向坐标和侧向坐标，R(i)表示智能驾驶汽车与第i个障碍物不发生碰撞的人为设定的安全半径。
[0017]进一步地，所述步骤S20中多个障碍物的数量为n个，n＝1、2...i...n；其中智能驾驶汽车与第i个障碍物的速度势场为：
[0018][0019]式中，U
v
(i)为智能驾驶汽车与第i个障碍物的速度势场，c1表示强度系数，c2为一个小的正常数，D
v
(i)表示智能驾驶汽车与第i个障碍物的相对速度区域边界到中心线的距离，其计算公式如下所示：
[0020]D
v
(i)＝l
v
(i)
·
tan(β(i))
[0021]式中，β(i)表示智能驾驶汽车与第i个障碍物的相对速度区域的倾斜角；l
v
(i)表示智能驾驶汽车与第i个障碍物的相对速度区域中心线上与d
v
(i)对应的长度，其计算公式如下所示：
[0022][0023]式中，v
x
和v
y
分别表示智能驾驶汽车的纵向速度和侧向速度，v
ox
(i)和v
oy
(i)分别表示第i个障碍物的纵向速度和侧向速度，d
v
(i)表示智能驾驶汽车的速度到智能驾驶汽车与第i个障碍物的相对速度区域中心线的距离，其计算公式如下所示：
[0024][0025]式中，α(i)表示智能驾驶汽车与第i个障碍物的相对速度区域的范围角。
[0026]进一步地，所述的道路势场为：
[0027][0028]式中，U
r
(X,Y)为道路势场，c3表示强度系数，c4为一个小的正常数，D
r
表示道路势场的作用范围，d
r
(X,Y)表示智能驾驶汽车到道路边界的距离。
[0029]进一步地，所述步骤S40中的模糊权重分配方法的输入包括为智能驾驶汽车与第i个障碍物的估计碰撞时间t
v
(i)、智能驾驶汽车与道路边界的估计碰撞时间t
r
，输出包括智能驾驶汽车与第i个障碍物的速度势场权值c
v
(i)、道路势场权值c
r
，所述的模糊权重分配方法包括以下步骤：
[0030]步骤a：将智能驾驶汽车与第i个障碍物的估计碰撞时间t
v
(i)和智能驾驶汽车与道路边界的估计碰撞时间t
r
归一化，归一化的范围设置为[
‑
4,4]，归一化计算公式如下所示：
[0031][0032][0033]式中，min(t
v
)、min(t
r
)分别是智能驾驶汽车与障碍物的估计碰撞时间的最小值、智能驾驶汽车与道路边界的估计碰撞时间的最小值，max(t
v
)、max(t
r
)分别是智能驾驶汽车与障碍物的估计碰撞时间的最大值、智能驾驶汽车与道路边界的估计碰撞时间的最大值；
[0034]步骤b：建立第一隶属度函数、第二隶属度函数、第三隶属度函数和第四隶属度函数，第一隶属度函数、第二隶属度函数分别用于将转变为对应的模糊变量；
[0035]步骤c：对避障的一般经验进行细化，得到c
v
(i)的推理规则表和c
r
的推理规则表，根据第三隶属度函数、第四隶属度函数和两个推理规则表得到c
v
(i)的模糊变量和c
r
的模糊变量；避障的一般经验为：
[0036]当t
v
(i)小而t
r
大时，c
v
(i)取大值，而c
r
应该取小值；
[0037]当t
v
(i)小而t
r
小时，c
v
...

【技术保护点】

【技术特征摘要】
1.一种多势场融合的智能驾驶汽车安全避障方法，其特征在于：包括如下步骤：步骤S10、计算智能驾驶汽车分别与多个障碍物的范围角和倾斜角，得到智能驾驶汽车分别与多个障碍物的相对速度区域；步骤S20、根据智能驾驶汽车分别与多个障碍物的相对速度区域，构建智能驾驶汽车分别与多个障碍物的对应的速度势场，以满足多个不同速度的障碍物的安全避障要求；步骤S30、构建满足不同道路边界安全避障的道路势场；步骤S40、结合道路势场和多个速度势场，设计模糊权重分配方法，用以自适应地分配道路势场和多个速度势场的权值，将加权后的道路势场和多个速度势场相结合得到总势场；步骤S50、利用梯度下降法计算总势场的负梯度，建立智能驾驶汽车的运动方程，将总势场的负梯度代入到智能驾驶汽车的运动方程内，得到同时满足多个不同速度的障碍物和不同边界道路的安全避障路径；步骤S60、根据智能驾驶汽车在安全避障路径上的行驶状态和多个障碍物的运动情况，判断是否满足设定的完成避障的条件，不满足，则重复步骤S10至步骤S60；满足，则智能驾驶汽车避障完成。2.根据权利要求1所述的智能驾驶汽车安全避障方法，其特征在于，所述步骤S10中多个障碍物的数量为n个，n＝1、2...i...n；其中智能驾驶汽车与第i个障碍物的相对速度区域如下：域如下：式中，α(i)和β(i)分别表示智能驾驶汽车与第i个障碍物的相对速度区域的范围角和倾斜角，X和Y分别表示智能驾驶汽车的纵向坐标和侧向坐标，X
o
(i)和Y
o
(i)分别表示第i个障碍物的纵向坐标和侧向坐标，R(i)表示智能驾驶汽车与第i个障碍物不发生碰撞的人为设定的安全半径。3.根据权利要求2所述的智能驾驶汽车安全避障方法，其特征在于，所述步骤S20中多个障碍物的数量为n个，n＝1、2...i...n；其中智能驾驶汽车与第i个障碍物的速度势场为：式中，U
v
(i)为智能驾驶汽车与第i个障碍物的速度势场，c1表示强度系数，c2为一个小的正常数，d
v
(i)表示智能驾驶汽车的速度到智能驾驶汽车与第i个障碍物的相对速度区域中心线的距离；D
v
(i)表示智能驾驶汽车与第i个障碍物的相对速度区域边界到中心线的距离，其计算公式如下所示：D
v
(i)＝l
v
(i)
·
tan(β(i))式中，β(i)表示智能驾驶汽车与第i个障碍物的相对速度区域的倾斜角；l
v
(i)表示智能
驾驶汽车与第i个障碍物的相对速度区域中心线上与d
v
(i)对应的长度，其计算公式如下所示：式中，v
x
和v
y
分别表示智能驾驶汽车的纵向速度和侧向速度，v
ox
(i)和v
oy
(i)分别表示第i个障碍物的纵向速度和侧向速度，其计算公式如下所示：式中，α(i)表示智能驾驶汽车与第i个障碍物的相对速度区域的范围角。4.根据权利要求3所述的智能驾驶汽车安全避障方法，其特征在于，所述的道路势场为：式中，U
r
(X,Y)为道路势场，c3表示强度系数，c4为一个小的正常数，D
r
表示道路势场的作用范围，d
r
(X,Y)表示智能驾驶汽车到道路边界的距离。5.根据权利要求4所述的智能驾驶汽车安全避障方法，其特征在于，所述步骤S40中的模糊权重分配方法的输入包括为智能驾驶汽车与第i个障碍物的估计碰撞时间t
v
(i)、智能驾驶汽车与道路边界的估计碰撞时间t
r
，输出包括智能驾驶汽车与第i个障碍物的速度势场权值c
v
(i)、道路势场权值c
r
，所述的模糊权重分配方法包括以下步骤：步骤a：将智能驾驶汽车与第i个障碍物的估计碰撞时间t
v
(i)和智能驾驶汽车与道路边界的估计碰撞时间t
r
归一化，归一化的范围设置为[
‑
4,4]，归一化计算公式如下所示：4,4]，归一化计算公式如下所示：式中，min(t
v
)、min(t
r
)分别是智能驾驶汽车与障碍物的估计碰撞时间的最小值、智能驾驶汽车与道路边界的估计碰撞时间的最小值，max(t
v
)、max(t
r
)分别是智能驾驶汽车与障碍物的估计碰撞时间的最大值、智能驾驶汽车与道路边界的估计碰撞时间的最大值；步骤b：建立第一隶属度函数、第二隶属度函数、第三隶属度函数和第四隶属度函数，第一隶属度函数、第二隶属度函数分别用于将转变为对应的模糊变量；步骤c：对避障的一般经验进行细化，得到c
v
(i)的推理规则表和c
r
的推理规则表，根据第三隶属度函数、第四隶属度函数和两个推理规则表得到c
v
(i)的模糊变量和c
r
的模糊变量；避障的一般经验为：当t
v
(i)小而t
r
大时，c
v
(i)取大值，而c

【专利技术属性】
技术研发人员：袁小芳，刘指先，李哲，黄国明，王耀南，张辉，
申请(专利权)人：湖南大学，
类型：发明
国别省市：