一种基于自动驾驶的车辆避障规划方法及系统技术方案

本发明专利技术公开了一种基于自动驾驶的车辆避障规划方法及系统，基于自动驾驶的车辆避障规划方法包括以下步骤：利用传感器获取自动驾驶车辆行驶环境数据及车辆自身数据并进行预处理；基于获取的行驶环境数据对周围环境数据进行障碍物识别；基于获取的车辆自身数据构建车辆动力学模型；基于识别出的障碍物以及车辆动力学模型判断车辆危险系数；基于所述车辆危险系数对自动驾驶车辆进行避障路径规划；根据避障路径规划控制自动驾驶车辆进行避障行驶。本发明专利技术能够提高自动驾驶车辆的主动避障能力，降低自动驾驶车辆在行驶过程中的事故率，进而能够提高车辆行驶的安全性，保证驾驶员和乘客的安全。安全。安全。

【技术实现步骤摘要】
一种基于自动驾驶的车辆避障规划方法及系统


[0001]本专利技术涉及自动驾驶
，具体来说，涉及一种基于自动驾驶的车辆避障规划方法及系统。

技术介绍

[0002]随着人工智能技术的发展和车辆工业的不断进步，车辆的自动驾驶技术也是愈发成熟。自动驾驶，也称无人驾驶，是指无需驾驶员对车辆进行驾驶操作，而是通过人工智能、视觉计算、雷达、监控装置和全球定位系统等的协同合作，让控制器自动安全地操作车辆，以驱动汽车在道路上行驶的技术。自动驾驶技术的发展离不开各种先进科学技术的支撑，传感和网联技术的发展可以更好地为汽车控制系统提供丰富、快速、准确的环境信息，大数据分析技术以及人工智能等一系列先进技术的飞速发展为汽车控制提供了更加智能高效的手段，汽车因为集成了这些先进技术，因此各项性能都得到了很大的提升，总而言之，智能时代新兴技术的快速发展，为汽车驾驶自动化产业的发展提供了很好的机遇。
[0003]自动驾驶技术的研究主要集中在四个模块：环境感知、路径规划、行为决策及运动控制，运动控制作为四大核心技术模块之一，在自动驾驶汽车开发过程中有着极其重要的地位。自动驾驶车辆的主动避障系统是提高行驶安全最有效和最直接的手段，它可以在车辆与障碍物发生碰撞之前为其规划出一条安全可行的路径，避免交通事故的发生，轨迹规划与跟踪控制是主动避障系统的核心技术。但是，由于路面上的情况较为复杂，而现有技术中的车辆避障规划中往往只能对路面上的凸形障碍物进行识别，不能够对路面上的沟槽、沟类的洼处等凹形障碍物进行识别，无法更全面的对道路上的障碍物进行识别，存在一定的局限性。
[0004]针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]针对相关技术中的问题，本专利技术提出一种基于自动驾驶的车辆避障规划方法及系统，以克服现有相关技术所存在的上述技术问题。
[0006]为此，本专利技术采用的具体技术方案如下：
[0007]根据本专利技术的另一方面，提供了一种基于自动驾驶的车辆避障规划方法，该方法包括以下步骤：
[0008]S1、利用传感器获取自动驾驶车辆行驶环境数据及车辆自身数据并进行预处理；
[0009]S2、基于获取的行驶环境数据对周围环境数据进行障碍物识别；
[0010]S3、基于获取的车辆自身数据构建车辆动力学模型；
[0011]S4、基于识别出的障碍物以及车辆动力学模型判断车辆危险系数；
[0012]S5、基于所述车辆危险系数对自动驾驶车辆进行避障路径规划；
[0013]S6、根据避障路径规划控制自动驾驶车辆进行避障行驶。
[0014]进一步的，所述基于获取的周围环境数据对周围环境数据进行障碍物识别包括以
下步骤：
[0015]S11、通过设置在自动驾驶车辆前侧的两个不同探测角度的超声波传感器采集自动驾驶车辆的前方道路数据；
[0016]S12、通过设置在自动驾驶车辆四周的激光雷达传感器和视觉传感器采集自动驾驶车辆的周围环境数据；
[0017]S13、对获取的所述前方道路数据及所述周围环境数据进行去噪处理以及滤波处理。
[0018]进一步的，所述基于获取的行驶环境数据对周围环境数据进行障碍物识别包括以下步骤：
[0019]S21、基于所述前方道路数据采用交叉探测法对凹形障碍物进行识别；
[0020]S22、基于所述周围环境数据对道路上的凸形障碍物进行识别。
[0021]进一步的，所述基于所述前方道路数据采用交叉探测法对凹形障碍物进行识别包括以下步骤：
[0022]S211、定义自动驾驶车辆前侧的两个不同探测角度超声波传感器形成的两条探测线分别为探测线一和探测线二；
[0023]S212、获取两个不同探测角度超声波传感器与地面的垂直距离h以及两个超声波传感器的探测角度；
[0024]S213、基于获取的所述垂直距离h以及所述探测角度并利用三角函数求得两个超声波传感器沿着探测方向到地面的距离，分别记为OA和OB；
[0025]S214、实时计算OA和OB的大小，当OA和OB的计算值在预设的范围内出现浮动时，表示该自动驾驶车辆的前方未出现凹形障碍物；当OA和OB的计算值出现超过预设范围内的跃变时，表示该自动驾驶车辆的前方出现凹形障碍物。
[0026]进一步的，所述基于所述周围环境数据对道路上的凸形障碍物进行识别包括以下步骤：
[0027]S221、将激光雷达传感器获取的凸形障碍物信息传递至视觉传感器，并对视觉传感器采集的图像信息进行处理，得到凸形障碍物的轮廓信息，识别出障碍物；
[0028]S222、对障碍物底部的阴影特征进行分析，并建立感兴趣区域，确立目前的区域，检测出前方凸形障碍物是否为动态障碍物；
[0029]S223、利用数据融合法对激光雷达传感器及视觉传感器获取的信息进行时间融合和空间融合；
[0030]S224、通过联合卡尔曼滤波算法融合后的时间数据和空间数据再次融合，确定前方凸形障碍物的运动状态。
[0031]进一步的，所述将激光雷达传感器获取的凸形障碍物信息传递至视觉传感器，并对视觉传感器采集的图像信息进行处理，得到凸形障碍物的轮廓信息，识别出障碍物包括以下步骤：
[0032]S2211、利用地面分割算法对采集的图像新进行分割处理，将道路数据部分与凸形障碍物部分进行分离；
[0033]S2212、对所述凸形障碍物部分的点云数据进行特征提取，得到特征信息；
[0034]S2213、基于提取的特征信息利用支持向量机分类器对凸形障碍物进行分类，确定
凸形障碍物的类型。
[0035]进一步的，所述基于识别出的障碍物以及车辆动力学模型判断车辆危险系数包括以下步骤：
[0036]S41、获取自动驾驶车辆与障碍物之间的距离；
[0037]S42、根据自动驾驶车辆的形式速度及方向，通过速度预测法预测自动驾驶车辆与障碍物的交点位置和时间，并判断出自动驾驶车辆的危险系数。
[0038]进一步的，所述基于所述车辆危险系数对自动驾驶车辆进行避障路径规划包括以下步骤：
[0039]S51、基于人工势场法规划出自动驾驶车辆的所需到达的下一个点坐标，基于前一时刻的位姿来确定自动车辆到达下一个坐标点时自动驾驶车辆所需的转弯半径；
[0040]S52、若转弯半径小于自动驾驶的最小转弯半径，则根据自动驾驶的最小转弯半径大小来计算出下一点的坐标，若转弯半径大于自动驾驶的最小转弯半径，则根据转弯半径大小来计算出下一点的坐标；
[0041]S53、判断计算出来的下一坐标点与目标点坐标的关系，若两者出现重合则路径规划结束，若两者不重合，则返回人工势场法继续进行计算，直至达到目标点坐标。
[0042]进一步的，所述根据避障路径规划控制自动驾驶车辆进行避障行驶包括以下步骤：
[0043]S61、基于避障路径规划控制自动驾驶车辆的车轮转动对应的角度和转速；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自动驾驶的车辆避障规划方法，其特征在于，该方法包括以下步骤：S1、利用传感器获取自动驾驶车辆行驶环境数据及车辆自身数据并进行预处理；S2、基于获取的行驶环境数据对周围环境数据进行障碍物识别；S3、基于获取的车辆自身数据构建车辆动力学模型；S4、基于识别出的障碍物以及车辆动力学模型判断车辆危险系数；S5、基于所述车辆危险系数对自动驾驶车辆进行避障路径规划；S6、根据避障路径规划控制自动驾驶车辆进行避障行驶。2.根据权利要求1所述的一种基于自动驾驶的车辆避障规划方法，其特征在于，所述基于获取的周围环境数据对周围环境数据进行障碍物识别包括以下步骤：S11、通过设置在自动驾驶车辆前侧的两个不同探测角度的超声波传感器采集自动驾驶车辆的前方道路数据；S12、通过设置在自动驾驶车辆四周的激光雷达传感器和视觉传感器采集自动驾驶车辆的周围环境数据；S13、对获取的所述前方道路数据及所述周围环境数据进行去噪处理以及滤波处理。3.根据权利要求2所述的一种基于自动驾驶的车辆避障规划方法，其特征在于，所述基于获取的行驶环境数据对周围环境数据进行障碍物识别包括以下步骤：S21、基于所述前方道路数据采用交叉探测法对凹形障碍物进行识别；S22、基于所述周围环境数据对道路上的凸形障碍物进行识别。4.根据权利要求3所述的一种基于自动驾驶的车辆避障规划方法，其特征在于，所述基于所述前方道路数据采用交叉探测法对凹形障碍物进行识别包括以下步骤：S211、定义自动驾驶车辆前侧的两个不同探测角度超声波传感器形成的两条探测线分别为探测线一和探测线二；S212、获取两个不同探测角度超声波传感器与地面的垂直距离h以及两个超声波传感器的探测角度；S213、基于获取的所述垂直距离h以及所述探测角度并利用三角函数求得两个超声波传感器沿着探测方向到地面的距离，分别记为OA和OB；S214、实时计算OA和OB的大小，当OA和OB的计算值在预设的范围内出现浮动时，表示该自动驾驶车辆的前方未出现凹形障碍物；当OA和OB的计算值出现超过预设范围内的跃变时，表示该自动驾驶车辆的前方出现凹形障碍物。5.根据权利要求3所述的一种基于自动驾驶的车辆避障规划方法，其特征在于，所述基于所述周围环境数据对道路上的凸形障碍物进行识别包括以下步骤：S221、将激光雷达传感器获取的凸形障碍物信息传递至视觉传感器，并对视觉传感器采集的图像信息进行处理，得到凸形障碍物的轮廓信息，识别出障碍物；S222、对障碍物底部的阴影特征进行分析，并建立感兴趣区域，确立目前的区域，检测出前方凸形障碍物是否为动态障碍物；S223、利用数据融合法对激光雷达传感器及视觉传感器获取的信息进行时间融合和空间融合；S224、通过联合卡尔曼滤波算法融合后的时间数据和空间数据再次融合，确定前方凸形障碍物的运动状态。
6.根据权利要求5所述的一种基...

【专利技术属性】
技术研发人员：李明，沈钰杰，王锦森，徐兴，
申请(专利权)人：江苏大学扬州江都新能源汽车产业研究所，
类型：发明
国别省市：