一种基于能量最优的无人车轨迹规划方法技术

本发明专利技术提供一种基于能量最优的无人车轨迹规划方法，包括：基于点云信息更新无人车中周边的复杂无规则障碍物信息，依据每次反馈的点云信息计算栅格的后验概率，实时构造占据栅格地图；根据传感器构造的地形与环境信息，采用基于车辆运动学的A*算法进行避开障碍物的路径点的搜索；采用路径回溯方法得到一系列较为稠密的路径点，采用不过控制点的均匀B样条曲线进行曲线拟合；构建欧氏距离地图进一步构造关于最小能耗、行驶速度、行驶加速度以及避障避碰距离的无约束优化问题，采用开源的求解库进行求解进而得到一条能耗最优、满足动力学可行性以及可以以避开障碍物的最优轨迹；对最优轨迹进行时间重分配，使轨迹点对应的速度和加速度值不超过阈值。加速度值不超过阈值。加速度值不超过阈值。

【技术实现步骤摘要】
一种基于能量最优的无人车轨迹规划方法


[0001]本专利技术涉及无人车运动规划
，具体而言，尤其涉及一种基于能量最优的无人车轨迹规划方法。

技术介绍

[0002]随着通信技术以及同步定位与建图技术的发展，近年来，智能化、网联化、共享化和电动化逐渐成为自动驾驶汽车的主要特征。自动驾驶车辆的出现和发展显著增强了车路之间的耦合关系，对与其密切相关的道路基础设施建设体系提出了更新更复杂的要求。在自动驾驶发展较为迅速的前提下，基于视觉信息或者激光雷达反馈的点云信息进行车辆自主导航就有了更多更为突出的应用。自动驾驶汽车依靠传感器得到的环境建模信息，对周围环境进行自主决策并规划未来一段时间内行进的路线。其中运用到的轨迹规划技术在近几年得到了显著的发展。越来越多的国家和实验机构开始对其进行研究，并取得了非常多的进展和成果，极大地促进了汽车产业的智能化趋势。轨迹规划技术会根据轨迹优化变量的不同，可以分为基于时间最短的轨迹规划方法，基于能耗最优的轨迹规划方法以及基于多目标同时优化的轨迹规划方法。其中，多目标同时优化的轨迹规划方法应用较为广泛。大多将轨迹的能耗、动力学可行性以及避障避碰距离等变量作为优化目标，实现无人车在复杂障碍物环境下的自主导航。
[0003]在现有关于无人车轨迹规划方法中，大多依靠道路边界构造采样问题或者二次规划问题进行轨迹规划，从现有无人车轨迹规划的算法来看，存在以下几个方面的问题：
[0004]一、依据采样进行的轨迹规划方法，从选取的多条轨迹中，分别对每条轨迹进行代价函数的计算，并选出最优轨迹的方法。采样的过程虽然较为简单，但是计算轨迹惩罚函数所用时间较长，不适合无人车在复杂环境下及时做出实时的决策与规划。
[0005]二、轨迹规划算法采用较为简单的二次规划算法在某些较为复杂的环境下容易发生无解，即无法得到轨迹的情况，容易对车辆安全造成一定的威胁，没有考虑最小能耗的约束并且缺少对动力学可行性的考虑，无法更好地为无人车提供合理的速度和加速度。
[0006]三、目前现有的无人车轨迹规划方法，大多数依靠五次多项式拟合的曲线或者对其进行优化生成可行使轨迹，计算过程较为复杂，参数量较多，会延长无人车进行决策和规划的时间。

技术实现思路

[0007]根据上述提出的技术问题，本专利技术提供一种基于能量最优的无人车轨迹规划方法，基于点云信息构造栅格地图和欧氏距离地图，根据占据栅格地图完成前端路径生成，根据欧氏距离地图构造关于轨迹参变量的无约束优化问题以求解无人车最优轨迹的方法。
[0008]本专利技术采用的技术手段如下：
[0009]一种基于能量最优的无人车轨迹规划方法，包括：
[0010]基于一定范围内的点云信息，不断更新无人车中周边的复杂无规则障碍物信息，
依据每次反馈的点云信息计算栅格的后验概率，实时构造占据栅格地图；
[0011]根据传感器构造的地形与环境信息，采用基于车辆运动学的A*算法进行避开障碍物的路径点的搜索；
[0012]采用路径回溯的方法得到一系列较为稠密的路径点，采用不过控制点的均匀B样条曲线进行曲线拟合；
[0013]构建欧氏距离地图进一步构造关于最小能耗、行驶速度、行驶加速度以及避障避碰距离的无约束优化问题，采用开源的求解库进行求解进而得到一条能耗最优、满足动力学可行性以及可以以避开障碍物的最优轨迹；
[0014]对最优轨迹进行时间重分配，使轨迹点对应的速度和加速度值不超过阈值。
[0015]进一步地，所述基于一定范围内的点云信息，不断更新无人车中周边的复杂无规则障碍物信息，依据每次反馈的点云信息计算栅格的后验概率，实时构造占据栅格地图，包括：
[0016]设栅格为m
i
,使用二元随机变量对栅格的占据性进行建模；
[0017]栅格状态分为三种，包括占据、空闲、未知，对应概率分别为1、0、0.5，代表每个栅格的随机变量之间是相互独立的，且根据马尔科夫假设可得，当前观测值与前几次观测值独立无关，则有如下更新公式：
[0018][0019]对于其中一个特定的感知仪器，每次更新的点云信息为固定值，第t次传感器数据总会在第t
‑
1次已有栅格状态的基础上完成占据栅格地图的更新。
[0020]进一步地，所述根据传感器构造的地形与环境信息，采用基于车辆运动学的A*算法进行避开障碍物的路径点的搜索，包括：
[0021]将起点转换为栅格地图对应的地址进行存储，每次进行节点搜索，考虑车辆的最大转弯半径、行进速度、运动总时间；
[0022]对三者进行不同的取值进行采样，得到一系列节点，同时维护着一个开集和一个闭集，所依据的车辆运动学公式如下所示：
[0023][0024]设车辆所在节点当前状态为进行邻居节点搜索之后，节点状态为进行节点扩张的公式如下所示：
[0025][0026]计算扩张的邻居节点与目标节点之间的二维欧氏距离作为由扩张点选取路径点的依据，以此得到一系列最优路径点。
[0027]进一步地，所述开集中存放着刚才采样得到的一系列节点，每次搜索节点完成后都从开集中寻找总代价值最小的节点作为当前节点，然后从当前节点重复进行节点搜索得到待检查节点，一直循环直到终点；所述闭集中存放着不再检查的节点，每当选出一个当前节点加入到开集中，这个当前节点便成为了一个不再检查的节点，所以要把它加入到闭集中，防止再次检查；若所述开集为空，则表示搜索了所有地图而没有找到路径；若所述开集不为空，则沿着当前节点的父节点按照设置时间进行路径点回溯，得到前端避开障碍物的路径点数据。
[0028]进一步地，所述采用路径回溯的方法得到一系列较为稠密的路径点，采用不过控制点的均匀B样条曲线进行曲线拟合，包括：
[0029]基于车辆运动学的A*得到N+1个避开障碍物的路径点{Q0,Q1,Q2,...,Q
N
}，设B样条曲线阶数为p
b
(p
b
＝3)，同时对于N+1个控制点设有M个节点向量{t0,t1,t2,...,t
M
，且节点向量t
i
∈R，节点数量M的计算公式如下所示：
[0030]M＝N+p
b
+1
[0031]对于均匀B样条曲线，每一段节点向量Δt＝t
i+1
‑
t
i
有唯一确定的值，设置归一化变量u，计算公式如下所示：
[0032][0033]设B样条曲线的参数化表达式为p(u)，归一化的变量矩阵为U，系数矩阵为M3，对应控制点矩阵为q
m
，对应表达式如下所示：
[0034][0035]将上述拟合的3阶B样条曲线转换为如下表达形式：
[0036][0037]其中，p＝3，由以下求导公式对轨迹点的速度、加速度继续求解：
[0038][0039]对轨迹点的速度进行求导，求导公式如下所示：
[0040][0041]对轨迹点的速度进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于能量最优的无人车轨迹规划方法，其特征在于，包括：基于一定范围内的点云信息，不断更新无人车中周边的复杂无规则障碍物信息，依据每次反馈的点云信息计算栅格的后验概率，实时构造占据栅格地图；根据传感器构造的地形与环境信息，采用基于车辆运动学的A*算法进行避开障碍物的路径点的搜索；采用路径回溯的方法得到一系列较为稠密的路径点，采用不过控制点的均匀B样条曲线进行曲线拟合；构建欧氏距离地图进一步构造关于最小能耗、行驶速度、行驶加速度以及避障避碰距离的无约束优化问题，采用开源的求解库进行求解进而得到一条能耗最优、满足动力学可行性以及可以以避开障碍物的最优轨迹；对最优轨迹进行时间重分配，使轨迹点对应的速度和加速度值不超过阈值。2.根据权利要求1所述的基于能量最优的无人车轨迹规划方法，其特征在于，所述基于一定范围内的点云信息，不断更新无人车中周边的复杂无规则障碍物信息，依据每次反馈的点云信息计算栅格的后验概率，实时构造占据栅格地图，包括：设栅格为m
i
,使用二元随机变量对栅格的占据性进行建模；栅格状态分为三种，包括占据、空闲、未知，对应概率分别为1、0、0.5，代表每个栅格的随机变量之间是相互独立的，且根据马尔科夫假设可得，当前观测值与前几次观测值独立无关，则有如下更新公式：对于其中一个特定的感知仪器，每次更新的点云信息为固定值，第t次传感器数据总会在第t
‑
1次已有栅格状态的基础上完成占据栅格地图的更新。3.根据权利要求1所述的基于能量最优的无人车轨迹规划方法，其特征在于，所述根据传感器构造的地形与环境信息，采用基于车辆运动学的A*算法进行避开障碍物的路径点的搜索，包括：将起点转换为栅格地图对应的地址进行存储，每次进行节点搜索，考虑车辆的最大转弯半径、行进速度、运动总时间；对三者进行不同的取值进行采样，得到一系列节点，同时维护着一个开集和一个闭集，所依据的车辆运动学公式如下所示：设车辆所在节点当前状态为进行邻居节点搜索之后，节点状态为进行节点扩张的公式如下所示：
计算扩张的邻居节点与目标节点之间的二维欧氏距离作为由扩张点选取路径点的依据，以此得到一系列最优路径点。4.根据权利要求3所述的基于能量最优的无人车轨迹规划方法，其特征在于，所述开集中存放着刚才采样得到的一系列节点，每次搜索节点完成后都从开集中寻找总代价值最小的节点作为当前节点，然后从当前节点重复进行节点搜索得到待检查节点，一直循环直到终点；所述闭集中存放着不再检查的节点，每当选出一个当前节点加入到开集中，这个当前节点便成为了一个不再检查的节点，所以要把它加入到闭集中，防止再次检查；若所述开集为空，则表示搜索了所有地图而没有找到路径；若所述开集不为空，则沿着当前节点的父节点按照设置时间进行路径点回溯，得到前端避开障碍物的路径点数据。5.根据权利要求1所述的基于能量最优的无人车轨迹规划方法，其特征在于，所述采用路径回溯的方法得到一系列较为稠密的路径点，采用不过控制点的均匀B样条曲线进行曲线拟合，包括：基于车辆运动学的A*得到N+1个避开障碍物的路径点{Q0,Q1,Q2,...,Q
N
}，设B样条曲线阶数为p
b
(p
b
＝3)，同时对于N+1个控制点设有M个节点向量{t0,t1,t2,...,t

【专利技术属性】
技术研发人员：柳丽川，王逸琪，何欣桐，李琬莹，王瑞彬，李登科，南旺辉，朱蕙莲，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：