一种动态结构化道路的自动驾驶实时轨迹规划方法技术

本发明专利技术公开了一种动态结构化道路的自动驾驶实时轨迹规划方法,包括获取障碍物信息、自车状态信息和全局路径信息，基于障碍物信息、自车状态信息和全局路径信息获得驾驶模式、目标采样范围及目标速度；对全局路径信息进行平滑处理，结合自车状态信息、驾驶模式、目标采样范围和所述目标速度信息对所述目标采样范围进行采样和拟合处理获得初始轨迹集；对所述初始轨迹集进行坐标转换获得所述初始轨迹集的笛卡尔坐标系下的轨迹集；基于所述初始轨迹集的笛卡尔坐标系下的轨迹集进行优先队列处理并计算轨迹损失，结合障碍物筛选结果进行轨迹筛选，获得最优轨迹，完成自动驾驶实时轨迹规划。本发明专利技术确保了自动驾驶的实时性与安全性。全性。全性。

【技术实现步骤摘要】
一种动态结构化道路的自动驾驶实时轨迹规划方法


[0001]本专利技术属于自动驾驶
，尤其涉及一种动态结构化道路的自动驾驶实时轨迹规划方法。

技术介绍

[0002]自动驾驶汽车是近年来的热门研究方向，轨迹规划作为无人车的核心模块之一也受到了越来越多人的关注。轨迹规划模块需要保证车辆行驶的安全性，乘客的舒适性，以及规划的实时性。轨迹规划方法主要分为基于图搜索的，基于采样的，以及基于曲线和多项式拟合的轨迹规划方法。基于图搜索的方法主要有：Dijkstra算法和A*算法，以及基于A*衍生出来的hybrid A*，D*等。图搜索算法能得到分辨率最优结果，但动态环境下，算法的求解难度较大，算法的搜索时间也随着搜索范围而急剧增加。基于采样的方法主要有RRT(Rapidly
‑
exploring Random Trees)算法，以及基于RRT衍生出来的informed RRT*算法等，该方法的结果往往不是最优解，需要使用二次规划等数值优化方法进行优化，同时，算法求解时间也不稳定，而这也导致算法的实时性不能得到保证。基于曲线和多项式拟合的方法主要有基于贝塞尔曲线，Reeds Shepp曲线以及多项式曲线等。不考虑车辆z向的移动以及俯仰运动，轨迹规划问题是一个三维的问题，由于车辆的非完整约束特性，且无人车的轨迹规划问题往往是非凸的，计算复杂度大，求解难度较高，再加上高速动态环境较为复杂，为保证行驶的安全性，算法的实时性就成为了不能忽视的问题。

技术实现思路

[0003]本专利技术的目的在于提出一种动态结构化道路的自动驾驶实时轨迹规划方法，采用多项式拟合的方法，将高维问题分解成两个二维问题，即在预设范围内分别求解横向和纵向的规划问题，同时，针对动态环境下的结构化道路，通过合理的设计，动态调整轨迹点的选取范围，并进行了轨迹和障碍物的筛选，优化了算法结构，确保在车辆动力学约束下的可行性，在提升自动驾驶实时性的同时，保证了轨迹的安全性和舒适性。
[0004]为实现上述目的，本专利技术提供了一种动态结构化道路的自动驾驶实时轨迹规划方法，包括以下步骤：
[0005]获取障碍物信息、自车状态信息和全局路径信息，基于所述障碍物信息、所述自车状态信息和所述全局路径信息获得驾驶模式、目标采样范围及目标速度；
[0006]对所述全局路径信息进行平滑处理，结合所述自车状态信息、所述驾驶模式、所述目标采样范围和所述目标速度信息对所述目标采样范围进行采样和拟合处理获得初始轨迹集；
[0007]对所述初始轨迹集进行坐标转换获得所述初始轨迹集的笛卡尔坐标系下的轨迹集；
[0008]基于所述初始轨迹集的笛卡尔坐标系下的轨迹集进行优先队列处理并计算轨迹损失，结合障碍物筛选结果进行轨迹筛选，获得最优轨迹，完成自动驾驶实时轨迹规划。
[0009]可选的，获取障碍物信息、自车状态信息和全局路径信息的方法包括：根据感知模块、定位模块、高精地图模块话题分别进行订阅，并使用ROS消息过滤器进行时间粗同步，根据地图模块获取自车与地图间的坐标变换关系，并对自车状态信息以及障碍物信息进行处理获得障碍物信息、自车状态信息和全局路径信息。
[0010]可选的，基于所述障碍物信息、所述自车状态信息和所述全局路径信息获得驾驶模式、目标采样范围及目标速度的方法包括：
[0011]存在与自车产生交互的障碍物，驾驶模式为跟车，则调整目标速度为前车速度，目标采样范围限定在自车车道内，且保持与障碍物的安全时距；驾车模式为换道，则调整目标速度不超过阈值，目标采样范围限定在目标车道两侧，缩短采样时间步长；
[0012]不存在与自车产生交互的障碍物，驾驶模式为巡航，根据车道限速信息调整目标速度，基于前一周期最优轨迹确定目标采样范围。
[0013]可选的，所述阈值计算如下，
[0014][0015]其中，B为自车轮距，H为质心高度，c为曲率，g为重力加速度。
[0016]可选的，对所述全局路径信息进行平滑处理的方法包括：基于所述全局路径信息，通过三次样条插值算法对全局路径进行平滑处理，并计算出道路曲率、弧长和航向角。
[0017]可选的，对所述目标采样范围进行采样和拟合处理获得初始轨迹集的方法包括：对所述目标采样范围进行横向和纵向采样，获得横向末状态和纵向末状态，再分别采用若干次多项式进行拟合处理获得所述初始轨迹集。
[0018]可选的，对所述初始轨迹集进行坐标转换获得所述初始轨迹集的笛卡尔坐标系下的轨迹集的方法包括：
[0019]对于初始轨迹上点的坐标[s,d]获取参考线上的对应点[x_ref,y_ref]，同时获得参考线上对应点的航向角θ_ref，通过计算，获取笛卡尔坐标系下的轨迹坐标。
[0020]可选的，计算轨迹损失包括：
[0021][0022]其中，w*为权重，ki为轨迹点曲率，li为轨迹点横向坐标，ai为轨迹点加速度，为轨迹点加加速度，jerk表征轨迹的舒适性，ldifi为前后两周期内轨迹相应点的横向坐标差值。
[0023]可选的，基于所述初始轨迹集的笛卡尔坐标系下的轨迹集进行优先队列处理，结合障碍物筛选结果进行轨迹筛选，获得最优轨迹的方法包括：基于轨迹代价利用优先队列对初始轨迹集进行预处理，获得根据代价排序后的轨迹集，利用所述轨迹集结合横向速度和当前车道横向距离预设范围内的障碍物依次对轨迹进行碰撞检测；若轨迹无碰撞则直接输出最优轨迹；若轨迹有碰撞则舍弃当前轨迹，对优先队列中下一条轨迹进行碰撞检测，直到输出最优轨迹或优先队列为空停止。
[0024]本专利技术技术效果：本专利技术公开了一种动态结构化道路的自动驾驶实时轨迹规划方法，针对结构化道路动态场景，实现了基于多项式的实时局部轨迹规划，针对高速场景，为保证规划模块的实时性，同时确保自车行驶过程中不发生剧烈抖动，在考虑到周期间轨迹稳定性的前提下，减小了轨迹生成过程中横向的采样范围，提高了高速行驶的安全性与实时性。在低速，有障碍物场景中，对障碍物实现了筛选，在进行碰撞检测时，只考虑自车一定范围内，与自车产生交互的障碍物，减少了碰撞检测时的时间消耗，同时，优化了算法结构，提升了规划模块的实时性。在复杂动态场景下，实现了动态采样，基于自车驾驶状态，动态改变采样参数，确保了自动驾驶的实时性与安全性。
附图说明
[0025]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0026]图1为本专利技术实施例动态结构化道路的自动驾驶实时轨迹规划方法的流程示意图；
[0027]图2为本专利技术实施例确定驾驶模式及目标采样范围过程示意图；
[0028]图3为本专利技术实施例算法流程示意图。
具体实施方式
[0029]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0030]需要说明的是，在附图的流程图示出的步骤可以在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动态结构化道路的自动驾驶实时轨迹规划方法，其特征在于，包括以下步骤：获取障碍物信息、自车状态信息和全局路径信息，基于所述障碍物信息、所述自车状态信息和所述全局路径信息获得驾驶模式、目标采样范围及目标速度；对所述全局路径信息进行平滑处理，结合所述自车状态信息、所述驾驶模式、所述目标采样范围和所述目标速度信息对所述目标采样范围进行采样和拟合处理获得初始轨迹集；对所述初始轨迹集进行坐标转换获得所述初始轨迹集的笛卡尔坐标系下的轨迹集；基于所述初始轨迹集的笛卡尔坐标系下的轨迹集进行优先队列处理并计算轨迹损失，结合障碍物筛选结果进行轨迹筛选，获得最优轨迹，完成自动驾驶实时轨迹规划。2.如权利要求1所述的动态结构化道路的自动驾驶实时轨迹规划方法，其特征在于，获取障碍物信息、自车状态信息和全局路径信息的方法包括：根据感知模块、定位模块、高精地图模块话题分别进行订阅，并使用ROS消息过滤器进行时间粗同步，根据地图模块获取自车与地图间的坐标变换关系，并对自车状态信息以及障碍物信息进行处理获得障碍物信息、自车状态信息和全局路径信息。3.如权利要求1所述的动态结构化道路的自动驾驶实时轨迹规划方法，其特征在于，基于所述障碍物信息、所述自车状态信息和所述全局路径信息获得驾驶模式、目标采样范围及目标速度的方法包括：存在与自车产生交互的障碍物，驾驶模式为跟车，则调整目标速度为前车速度，目标采样范围限定在自车车道内，且保持与障碍物的安全时距；驾车模式为换道，则调整目标速度不超过阈值，目标采样范围限定在目标车道两侧，缩短采样时间步长；不存在与自车产生交互的障碍物，驾驶模式为巡航，根据车道限速信息调整目标速度，基于前一周期最优轨迹确定目标采样范围。4.如权利要求3所述的动态结构化道路的自动驾驶实时轨迹规划方法，其特征在于，所述阈值计算如下，其中，B为自车轮距，H为质心高度，c为曲率，g为...

【专利技术属性】
技术研发人员：魏超，苏孟伦，赵博通，张哲，吕茉，
申请(专利权)人：北京理工大学长三角研究院嘉兴，
类型：发明
国别省市：