基于动态障碍物碰撞评估窗口缩减的动态窗口法制造技术

本发明专利技术公开了一种基于动态障碍物碰撞评估窗口缩减的动态窗口法，具体为一种针对阿克曼智能车利用动态窗口法(DWA)进行局部路径规划时，面对动态障碍物通过性差的解决方法。针对阿克曼转向模型，首先将最小转弯半径约束条件融合至DWA算法的速度

【技术实现步骤摘要】
基于动态障碍物碰撞评估窗口缩减的动态窗口法


[0001]本专利技术涉及无人驾驶路径规划和自主导航、自动驾驶汽车和移动智能体局部避障路径规划
，具体涉及一种基于动态障碍物碰撞评估窗口缩减的动态窗口法。特别是一种针对阿克曼智能车利用动态窗口法(DWA)进行局部路径规划时，面对动态障碍物通过性差的解决方法。

技术介绍

[0002]智能汽车是集环境感知、动态决策与规划、行为控制与执行等多种功能于一体的综合系统。它可根据预先给定的任务按照己知地图作出目标规划，并在行进过程中不断感知周围环境的信息实时的进行避障、停车及道路跟踪沿着正确的路径前进。而路径规划直接关系到了智能车的行驶轨迹与行驶距离，对智能车的研究意义重大。所谓的路径规划就是在给定起点终点的环境状态下通过一定的算法避开静态障碍物，寻找一条最优路径。路径规划又可以分为局部路径规划和全局路径规划。
[0003]动态窗口法是一种局部路径规划方法，是ROS机器人的内置路径规划算法。
[0004]动态窗口法(Dynamic Window Approach，DWA)中，起决策作用的为其评价函数，包括朝向角函数、障碍物函数、速度函数等三部分，评价函数完全依靠当前时刻的信息。当面对静态障碍物时，由于障碍物自身位置不会发生改变，算法所计算出来的速度
‑
角速度驱动指令具有较好的通过性；而当面对动态障碍物时，DWA算法评价函数只依靠当前时刻信息，而不具备未来状态预测这一缺陷，会使其动态避障能力较差，导致动态障碍物通过性较低。

技术实现思路
r/>[0005]本专利技术目的在于针对现有技术存在的缺陷和不足，针对现有DWA算法路径规划算法，缺乏有效规避动态障碍的能力这一缺陷，提供一种基于融合智能车、动态障碍物运动状态信息的碰撞预测策略，能够有效规避动态障碍物的DWA算法。即一种基于动态障碍物碰撞评估窗口缩减的动态窗口法。
[0006]本专利技术针对阿克曼转向模型，首先将最小转弯半径约束条件融合至DWA算法的速度
‑
角速度约束中；之后基于速度障碍法，当智能车与动态障碍物之间距离小于危险距离，进行危险状态的评定。若智能车被判定处于危险状态，进行基于模拟轨迹、智能车与障碍物的速度信息的未来碰撞预测评估，该过程会剔除碰撞风险较大的速度
‑
角速度组合，缩小原DWA算法所确定的速度角速度窗口，使得智能车最快脱离危险状态，从而达到安全躲避动态障碍物目的。最后通过Python3平台仿真，验证算法的有效性。
[0007]为实现上述目的，本专利技术采取如下技术方案：
[0008]一种基于动态障碍物碰撞评估窗口缩减的动态窗口法，其特征在于：
[0009]步骤S1：根据阿克曼转向模型的最小转弯半径约束条件，改进DWA算法的速度
‑
角速度约束；随机初始化地图环境，初始化智能车速度v0、角速度w0、朝向角θ0为0，将智能车置于起点P0，终点设置为G；
[0010]步骤S2：考虑极限速度
‑
角速度、极限线加速度
‑
角加速度、制动距离限制、最小转弯半径限制的速度
‑
角速度约束得到t时刻的速度
‑
角速度窗口；
[0011]步骤S3：由智能车位置P0、动态障碍物位置M0信息计算出此时智能车与动态障碍物之间的欧式距离|P1M1|；若|P1M1|小于安全距离D
S
且当前时刻不为初始时刻0，跳至步骤S6；否则进入步骤S4；
[0012]步骤S4：根据步骤S2得到的t时刻的速度
‑
角速度窗口，或步骤S7得到的t时刻的改进速度
‑
角速度窗口，进行速度
‑
角速度组合的采样，在微小间隔Δ
t
内的运动模型假设下，计算出t时刻模拟轨迹集τ
t
；
[0013]步骤S5：利用评价函数完成对步骤S4得到的模拟轨迹集τ
t
的评分，选取出分数最高的一组速度
‑
角速度组合(v
t
，w
t
)，以(v
t
，w
t
)驱动智能车前行时长Δ
t
，智能车到达位置P
t+1
；若位置P
t+1
不为终点G，则进入t+1时刻，并重复执行步骤S1
‑
S5；若位置P
t+1
为终点G，则终止循环；
[0014]步骤S6：进行速度障碍法分析，若智能车被判定为危险状态，则进入步骤S7；否则进入步骤S4；
[0015]步骤S7：当智能车处于危险状态时，进行基于模拟轨迹、智能车与障碍物的速度信息的未来碰撞预测评估；该过程对步骤S2中，所述t时刻的速度
‑
角速度窗口进行缩减改进，最终得到t时刻的改进速度
‑
角速度窗口，并回到步骤S4。
[0016]进一步地，步骤S1中所述阿克曼转向模型的最小转弯半径约束具体为：
[0017]在阿克曼智能车简化的单车模型中，设四个车轮绕着同一个瞬时旋转中心ICR转动，根据几何关系得：
[0018][0019][0020]式中L为轴距，R为转弯半径，α为转向角，当转弯半径R取到最小值r
min
，转向角α达到极限值α
lim
；
[0021][0022]在已知线速度v条件下所能达到的极限角速度绝对值w
lim
为：
[0023][0024]故考虑最小转弯半径的角速度约束表示为下式：
[0025][0026]综上，将速度
‑
角速度窗口V
v
缩减为：
[0027]V
v
＝V
m
∩V
d
∩w
a
。
[0028]进一步地，步骤S2中所述极限速度
‑
角速度、加速度限制的速度
‑
角速度、制动距离限制速度
‑
角速度约束具体为：
[0029](1)极限速度
‑
角速度
[0030]V
m
＝{(v，w)|v∈[v
min
，v
max
]∧w∈[w
min
，w
max
]}
[0031]式中[v
min
，v
max
]为极限线速度范围，[w
min
，w
max
]为极限角速度范围；具智能车能到达的速度
‑
角速度必须在其极限范围内；
[0032](2)加速度限制的速度
‑
角速度：智能车下一个Δ
t
时间内能到达的速度、角速度分别受加速度、角加速度约束：
[0033][0034]v
c
、w
c...

【技术保护点】

【技术特征摘要】
1.一种基于动态障碍物碰撞评估窗口缩减的动态窗口法，其特征在于：步骤S1：根据阿克曼转向模型的最小转弯半径约束条件，改进DWA算法的速度
‑
角速度约束；随机初始化地图环境，初始化智能车速度v0、角速度w0、朝向角θ0为0，将智能车置于起点P0，终点设置为G；步骤S2：考虑极限速度
‑
角速度、极限线加速度
‑
角加速度、制动距离限制、最小转弯半径限制的速度
‑
角速度约束得到t时刻的速度
‑
角速度窗口；步骤S3：由智能车位置P0、动态障碍物位置M0信息计算出此时智能车与动态障碍物之间的欧式距离|P1M1|；若|P1M1|小于安全距离D
S
且当前时刻不为初始时刻0，跳至步骤S6；否则进入步骤S4；步骤S4：根据步骤S2得到的t时刻的速度
‑
角速度窗口，或步骤S7得到的t时刻的改进速度
‑
角速度窗口，进行速度
‑
角速度组合的采样，在微小间隔Δ
t
内的运动模型假设下，计算出t时刻模拟轨迹集τ
t
；步骤S5：利用评价函数完成对步骤S4得到的模拟轨迹集τ
t
的评分，选取出分数最高的一组速度
‑
角速度组合(v
t
，w
t
)，以(v
t
，w
t
)驱动智能车前行时长Δ
t
，智能车到达位置P
t+1
；若位置P
t+1
不为终点G，则进入t+1时刻，并重复执行步骤S1
‑
S5；若位置P
t+1
为终点G，则终止循环；步骤S6：进行速度障碍法分析，若智能车被判定为危险状态，则进入步骤S7；否则进入步骤S4；步骤S7：当智能车处于危险状态时，进行基于模拟轨迹、智能车与障碍物的速度信息的未来碰撞预测评估；该过程对步骤S2中，所述t时刻的速度
‑
角速度窗口进行缩减改进，最终得到t时刻的改进速度
‑
角速度窗口，并回到步骤S4。2.根据权利要求1所述的基于动态障碍物碰撞评估窗口缩减的动态窗口法，其特征在于：步骤S1中所述阿克曼转向模型的最小转弯半径约束具体为：在阿克曼智能车简化的单车模型中，设四个车轮绕着同一个瞬时旋转中心ICR转动，根据几何关系得：据几何关系得：式中L为轴距，R为转弯半径，α为转向角，当转弯半径R取到最小值r
min
，转向角α达到极限值α
lim
；在已知线速度v条件下所能达到的极限角速度绝对值w
lim
为：故考虑最小转弯半径的角速度约束表示为下式：
综上，将速度
‑
角速度窗口V
v
缩减为：V
v
＝V
m
∩V
d
∩w
a
。3.根据权利要求1所述的基于动态障碍物碰撞评估窗口缩减的动态窗口法，其特征在于：步骤S2中所述极限速度
‑
角速度、加速度限制的速度
‑
角速度、制动距离限制速度
‑
角速度约束具体为：(1)极限速度
‑
角速度V
m
＝{(v，w)|v∈[v
min
，v
max
]∧w∈[w
min
，w
max
]}式中[v
min
，v
max
]为极限线速度范围，[w
min
，w
max
]为极限角速度范围；具智能车能到达的速度
‑
角速度必须在其极限范围内；(2)加速度限制的速度
‑
角速度：智能车下一个Δ
t
时间内能到达的速度、角速度分别受加速度、角加速度约束：v
c
、w
c
为当前线速度、角速度，为线加速度范围，为角加速度范围；(3)制动距离限制的速度
‑
角速度：最大减加速度下，智能车应能够在与障碍物碰撞前减速至0：dist(v，w)为速度
‑
角速度组合(v，w)对应轨迹离障碍物的最近距离。4.根据权利要求1所述的基于动态障碍物碰撞评估窗口缩减的动态窗口法，其特征在于：步骤S3中所述安全距离D
S
具体为：D
S
＝mΔ
t
V
max
式中m为模拟轨迹的采样步数，Δ
t
为模拟轨迹的采样时间间隔，V
max
为智能车的最大线速度。5.根据权利要求1所述的基于动态障碍物碰...

【专利技术属性】
技术研发人员：张卫波，黄赐坤，黄晓军，温珍林，封士宇，
申请(专利权)人：福州大学，
类型：发明
国别省市：