一种基于图论和改进一阶算法的车辆编队避障方法技术

本发明专利技术提供一种基于图论和改进一阶算法的车辆编队避障方法，包括以下步骤：使用激光雷达采集车辆运行环境数据以及通过传感器采集车辆位姿数据，基于采集到的数据建立车辆拓扑结构模型实现车辆间信息交互，分析拓扑图的生成树情况，确保拓扑图的稳定性；设置车辆理想编队位置，选择领航

【技术实现步骤摘要】
一种基于图论和改进一阶算法的车辆编队避障方法


[0001]本专利技术涉及计算机视觉的
，特别是一种基于图论和改进一阶算法的车辆编队避障方法。

技术介绍

[0002]在汽车为人们出行提供方便的同时，汽车保有量的持续增长也引发了交通堵塞、交通事故、交通停车、环境污染等社会问题，而这些问题的解决，不仅依赖于道路改造及建设，更需要制定科学有效的交通管理规划方案，解决特定时段内人、车、路三者的矛盾。在此背景下，目前的研究热点已经聚焦于解决实际道路环境下，特定时段内多车辆的协同统筹问题，通过合理的路径规划实现车辆协同控制。
[0003]编队车辆中的领航车可以起到屏蔽气流的作用，从而降低整个系统的空气阻力，减少燃油消耗；且车辆间距较小，道路占用率低，可以提高道路通行能力。因此车辆协同控制是智能交通系统的一个重要研究方向，对缓解交通拥堵、降低能源消耗、提高交通效率具有重要意义，而且可以促进交通规划和管理。
[0004]目前智能车辆协同控制主要包括编队控制和路径规划两方面。
[0005]首先是车辆编队，车辆编队常用的控制方法主要有：领航
‑
跟随法，是指领航车和跟随车之间保持特定的位置误差和速度误差就可以实现编队；人工势场法，假定所有车辆位于磁场中，车辆之间通过斥力和吸引力保持队形；行为控制法，即将编队分解为队形形成、变换及避障行为，系统为这些行为设定触发条件，根据外界信号的刺激做出运动决策；虚拟结构法，是指定义虚拟领航点，和领航法不同的是每辆车都有虚拟点需要跟踪，将编队问题转化成了路径跟踪问题；仿生群体智能法，是指以生物集群行为中的邻近个体交互、自组织性等特点为思想对车辆编队控制的局部性、分布式以及鲁棒性进行研究；预测控制法，是指利用预测模型来估计被控过程未来的输出与设定值之间的偏差，以此为基础计算当前输入，通过实际输出值进行反馈校正，核心在于对车辆间的状态误差进行控制。但是这些方法存在以下局限点：(1)车辆编队调节时间过长，虽然能达到稳态值，但是车辆误差变化大，整个系统的稳定性有待提高；(2)单一的编队方法存在缺点，例如领航跟随法不仅需要保持队形还需要实现对领航车状态跟踪，导致系统过多依赖领航车信息；传统人工势场法不适用于复杂障碍物环境，行为控制法不易分析其稳定性，虚拟结构法中的虚拟领航车的设置对系统通信以及计算能力要求高等。
[0006]第二就是路径规划，车辆避障路径规划作为保证车队安全行驶的前提，是多智能车协同控制研究的重中之重。A
*
算法引入了启发函数避免了路径规划问题中产生大量的无效搜索路径；蚁群算法是一种启发式随机搜索算法，存在计算量大、收敛速度慢等问题；Dijkstra算法主要特点是由中心向外扩散，直到扩展到终点，但其遍历计算节点较多；遗传算法得到的路径符合现实中路径选择需求，但运算量大且耗时长；快速随机搜索树法是一种基于采样的概率算法，其特点主要是在空间中随机生成新节点并在新节点上继续向目标点延伸，但存在路径不平滑的问题；粒子群算法同遗传算法都是迭代算法，相较于遗传算
法，粒子群算法收敛速度较快，但粒子同一化后，收敛速度较慢。

技术实现思路

[0007]为了解决上述的技术问题，本专利技术提出一种基于图论和改进一阶算法的车辆编队避障方法，考虑到车辆协同编队的通信协议，建立控制节点有向图的拓扑结构，通过计算邻接矩阵和拉普拉斯矩阵分析拓扑结构生成树情况，保证有向图的稳定性；选择领航跟随法建立车辆间误差模型，在原有一阶算法的基础上添加了随相对位置变化的权重对误差模型进行控制实现编队；为了克服传统人工势场法陷入震荡现象无法趋近目标点的行为，对人工势场法进行改进，在障碍物影响范围内，将障碍物对车辆的影响分为障碍物与车辆方向以及车辆与目标方向的分量，再分别将其映射在水平和竖直方向进行叠加，通过建立引力函数改进斥力函数对控制模型添加引力和斥力影响。
[0008]本专利技术提供一种基于图论和改进一阶算法的车辆编队避障方法，包括使用激光雷达采集车辆运行地图以及通过车身上的传感器采集车辆相关信息数据，包括以下步骤：
[0009]步骤1：根据所述车辆运行地图和所述车辆相关信息数据建立拓扑结构有向图模型；
[0010]步骤2：设置车辆编队理想相对位置，根据有向图建立领航
‑
跟随误差模型；
[0011]步骤3：得到跟随车与领航车的位置误差后，建立一阶一致性编队控制模型对所述领航
‑
跟随误差模型进行控制；
[0012]步骤4：判断车队前进路线中是否存在障碍物；
[0013]当前方存在障碍物时，建立改进人工势场法的斥力函数进行避障；
[0014]当前方不存在障碍物时，建立引力函数计算车辆所受目标点引力确定下一步方向直到到达目标点。
[0015]优选的是，所述车辆相关信息数据包括车辆初始位置、车辆速度和车辆航向角。
[0016]在上述任一方案中优选的是，所述步骤1包括以下子步骤：
[0017]步骤11：根据车辆自身传感器位置及数量确定好车辆间的信息交互情况，建立理想队形的拓扑图，也就是有向图；
[0018]步骤12：得到有向图的邻接矩阵A和入度矩阵D；
[0019]步骤13：得到有向图的拉普拉斯矩阵L＝D
‑
A；
[0020]步骤14：计算拉普拉斯矩阵的秩，设智能车辆个数为N，如果矩阵的秩为N
‑
1，则表明编队队形稳定，如果矩阵的秩不是N
‑
1，则返回步骤11，重新确定车辆信息交互方向，直到拉普拉斯矩阵的秩为N
‑
1。在上述任一方案中优选的是，所述步骤12包括针对理想队形的拓扑图G(5,8)，其邻接矩阵A＝(a
ij
)是一个i
×
j的矩阵，如果(ij)∈E，则a
ij
＝1，反之a
ij
＝0；设图中节点的入度是以该节点为信息接收端的边的数量为d
i
，则
[0021][0022][0023]节点的入度矩阵为：
[0024]D＝diag[4,1,2,2,0][0025]其中，V为有向图节点的集合，E为边的集合，n为节点的个数，i和j分别为邻接矩阵的行数和列数。
[0026]在上述任一方案中优选的是，所述步骤14包括当且仅当L有唯一的特征向量c＝[0.4472,0.4472,0.4472,0.4472,0.4472]使得特征值Lc＝0。
[0027]在上述任一方案中优选的是，令x＝[x1,x2,
…
,x
i
]，其中x
i
是有向图G中节点车辆的状态值，定义向量为组成图G每条边的M维对应差值矩阵，定义e
i
＝(h
i
,t
i
)∈E，i＝1,2,
…
,8，h
i
和t
i
分别为每条边的头部和尾部节点，令
[0028][0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图论和改进一阶算法的车辆编队避障方法，包括使用激光雷达采集车辆运行地图数据以及通过车身上的传感器采集车辆相关信息数据，其特征在于，包括以下步骤：步骤1：根据所述车辆运行地图和所述车辆相关信息数据建立拓扑结构有向图模型；步骤2：设置车辆编队理想相对位置，根据有向图建立领航
‑
跟随误差模型；步骤3：得到跟随车与领航车的位置误差后，建立一阶一致性编队控制模型对所述领航
‑
跟随误差模型进行控制；步骤4：判断车队前进路线中是否存在障碍物；当前方存在障碍物时，建立改进人工势场法的斥力函数进行避障；当前方不存在障碍物时，建立引力函数计算车辆所受目标点引力确定下一步方向直到到达目标点。2.如权利要求1所述的基于图论和改进一阶算法的车辆编队避障方法，其特征在于，所述车辆相关信息数据包括车辆初始位置、车辆速度和车辆航向角。3.如权利要求2所述的基于图论和改进一阶算法的车辆编队避障方法，其特征在于，所述步骤1包括以下子步骤：步骤11：根据车辆自身传感器位置及数量确定好车辆间的信息交互情况，建立理想队形的拓扑图，也就是有向图；步骤12：得到有向图的邻接矩阵A和入度矩阵D；步骤13：得到有向图的拉普拉斯矩阵L＝D
‑
A；步骤14：计算拉普拉斯矩阵的秩，设智能车辆个数为N，如果矩阵的秩为N
‑
1，则表明编队队形稳定，如果矩阵的秩不是N
‑
1，则返回步骤11，重新确定车辆信息交互方向，直到拉普拉斯矩阵的秩为N
‑
1。4.如权利要求3所述的基于图论和改进一阶算法的车辆编队避障方法，其特征在于，所述步骤12包括针对理想队形的有向图G(5,8)，其邻接矩阵A＝(a
ij
)是一个i
×
j的矩阵，如果(ij)∈E，则a
ij
＝1，反之a
ij
＝0；设图中节点的入度是以该节点为信息接收端的边的数量为d
i
，则，则节点的入度矩阵为：D＝diag[4,1,2,2,0]其中，V为有向图节点的集合，E为边的集合，n为节点的个数，i和j分别为邻接矩阵的行数和列数。5.如权利要求1所述的基于图论和改进一阶算法的车辆编队避障方法，其特征在于，所述步骤14包括当且仅当拉普拉斯矩阵L有唯一的特征向量c＝[0.4472,0.4472,0.4472,0.4472,0.4472]使得特征值Lc＝0。
6.如权利要求5所述的基于图论和改进一阶算法的车辆编队避障方法，其特征在于，令x＝[x1,x2,
…
,x
i
]，其中x
i
是有向图G中节点车辆的状态值，定义向量为组成图G每条边的M维对应差值矩阵，定义e
i
＝(h
i
,t
i
)∈E，i＝1,2,
…
,8，h
i
和t
i
分别对每条边的头部和尾部节点，令则得到：因此定义矩阵B(b
ij
)为有向图的关联矩阵，如果节点i是节点j的头部，则b
ij
＝1，如果节点i是节点j的尾部，则b
ij
＝
‑
1，否则b
ij
＝0，可以发现L＝BB
T
。其中，为每条边的M维差值矩阵，也就是每辆车的位置误差，M表示有向图边的条数，为每条边头部节点的状态值，为尾部节点的状态值，为每条边对应的头尾车辆状态误差，L为拉普拉斯矩阵，x为节点也就...

【专利技术属性】
技术研发人员：佟世文，赵叶，
申请(专利权)人：北京联合大学，
类型：发明
国别省市：