一种基于TEB优化框架的混合交通场景轨迹规划方法技术

本发明专利技术公开一种基于TEB优化框架的混合交通场景轨迹规划方法，考虑其他交通参与者的运动学约束、协同避障约束以及道路上下文约束，预测其他交通参与者交互式的未来轨迹；基于传统TEB算法的优化框架，考虑其他交通参与者的交互式预测轨迹、车辆的运动动力学约束以及避障约束，并以轨迹时间最短为优化目标生成本车的最优轨迹；将车辆运动学约束作为约束条件之一，生成一个时间最优的车辆运动轨迹，为了考虑其它交通参与者之间的运动交互，基于智能体的不可观测状态预测其与周围环境进行交互而产生的协同避障轨迹，考虑了其他交通参与者的意图和专注度来预测他们的交互轨迹，从而增强了混合交通场景中轨迹规划的安全性和鲁棒性。了混合交通场景中轨迹规划的安全性和鲁棒性。了混合交通场景中轨迹规划的安全性和鲁棒性。

【技术实现步骤摘要】
一种基于TEB优化框架的混合交通场景轨迹规划方法


[0001]本专利技术属于自动驾驶轨迹规划领域，具体涉及一种基于TEB优化框架的混合交通场景轨迹规划方法。

技术介绍

[0002]近几年来无人驾驶技术得到了蓬勃的发展，然而大型混合交通场景中的运动规划仍然是自动驾驶领域亟待解决的难题，其中一个关键的问题是如何在考虑交互性的同时生成一条满足各种约束(运动动力学)的可行驶轨迹。密集的交通流使得难以为自动驾驶车辆规划最佳可行的轨迹.。另外，在混合交通场景中异构的代理表现出不同的运动特性并且相互之间存在复杂的交互。它们的运动轨迹会受到自己的状态以及周围环境变化的影响，这让它们变得难以准确预测。现有的方法难以同时考虑智能体之间的交互并生成可行的运动轨迹，因为这两者属于两个不同的范畴。有一些方法可以直接生成一条满足车辆运动动力学约束的轨迹。但是，由于没有考虑其它交通参与者之间的交互，无法准确推理出其未来的运动轨迹，这会造成潜在的危险。另外有一些方法考虑了智能体之间的交互式协同避障，能够对其他交通参与者未来的行为进行更准确地推理，从而做出更安全、合理的决策。然而，它们没有将考虑交互性的决策信息转化为车辆最终的运动轨迹，这不利于后续的优化与控制。

技术实现思路

[0003]为了解决现有技术中存在的问题，本专利技术提供了一个针对复杂混合交通场景的自动驾驶汽车轨迹规划方法，考虑了智能体之间的交互性，并最终优化生成一条运动轨迹，利用时间弹性带算法(TEB)的整体优化框架，将车辆运动学约束作为约束条件之一，生成一个时间最优的车辆运动轨迹，为了考虑其它交通参与者之间的运动交互，基于智能体的不可观测状态预测其与周围环境进行交互而产生的协同避障轨迹。
[0004]为了实现上述目的，本专利技术采用的技术方案是：一种基于TEB优化框架的混合交通场景轨迹规划方法，包括以下步骤：
[0005]步骤1，考虑其他交通参与者的运动学约束、协同避障约束以及道路上下文约束，预测其他交通参与者交互式的未来轨迹；
[0006]步骤2，基于传统TEB算法的优化框架，考虑其他交通参与者的交互式预测轨迹、车辆的运动动力学约束以及避障约束，并以轨迹时间最短为优化目标生成本车的最优轨迹；对于其他交通参与者的交互式预测轨迹，考虑其他交通参与者的意图和专注度进行预测。
[0007]步骤1所述的考虑其他交通参与者的运动学约束具体为：采用一种离散化的方式表示考虑运动学约束下智能体可行速度空间，给定一系列速度朝向角，并计算所述朝向角下的最大可行速度v
max
，将所有速度朝向角下的智能体最大速度作为一个速度区域的边界，生成考虑运动约束的可行速度区域K
τ
。
[0008]步骤1所述的考虑其他交通参与者的协同避障约束具体为：先计算本车的速度障
碍物，随后通过给本车和障碍物车辆施加偏置速度使二者的相对速度位于速度障碍物之外，最后做垂直于偏置速度的半平面构建出可行速度半平面；针对每个邻居智能体，获得一个可行速度区域半平面，获得智能体A考虑交互式协同避障的可行速度区域。
[0009]将最小偏置速度v
off
按设定比例分配给本车A和邻居智能体B，并分别表示为u
A
和u
B
，最小偏置速度v
off
的分配由智能体的避碰责任γ来决定，避碰责任γ越大，为其分配更高的偏置速度，使其做出更大的避让，避碰责任γ越小，为其分配相对更小的偏置速度，使其做出更小的避让动作。
[0010]步骤1所述的考虑道路上下文约束具体为：当智能体距离道路边界d米处，提供另一个速度约束半平面C
τ
对车辆的横向速度进行约束，位于速度平面C
τ
中的速度满足v
x
＜d/τ，τ为规划时间间隔。
[0011]步骤1所述的预测其他交通参与者交互式未来轨迹具体为：
[0012]基于可行速度空间生成最优预测速度，最优预测速度满足：位于可行速度空间内并且与智能体偏爱速度最接近；在获取最优预测速度之后，基于智能体的运动模型进行状态转移，获取其下一个预测轨迹点，进行最优速度预测以及智能体的状态转移，获取一系列预测轨迹点，最终得到预测轨迹。
[0013]步骤2所述的考虑其他交通参与者的交互式预测轨迹具体为：计算本车轨迹与其他交通参与者预测轨迹的时空距离，并将时空距离的大小作为动态障碍物避障约束添加到TEB轨迹优化框架中，对本车轨迹进行优化。
[0014]对于静态障碍物，时空距离即为障碍物当前位置与轨迹点的距离；对于动态障碍物，首先从动态障碍物预测轨迹中获取时间T＝T1时的预测位置P
k
，随后在统一时间的基础上计算P
k
与轨迹点c
k
的欧氏距离，从而得到时空距离，采用轨迹点与障碍物的时空距离大于最小距离作为轨迹规划的避障约束。
[0015]车辆的轨迹由一系列离散点以及离散点之间的时间间隔组成，优化的对象为离散点与时间间隔的集合，轨迹规划问题转化为以轨迹点时间间隔的平方和最小为优化目标、以车辆运动动力学和车辆与障碍物距离为约束函数的有约束非线性优化问题。
[0016]运动学具体为：在两个连续的轨迹点之间采用恒定控制，车辆在两个连续的离散点之间做匀速直线运动或匀速圆周运动，v
k
和v
k+1
分别表示车辆在轨迹点s
k
与s
k+1
时朝向角与e
k
的夹角，e
k
表示轨迹点s
k
与s
k+1
的连线，两个离散点同时位于一段恒定曲率的圆弧或直线上，当且仅当v
k
＝v
k+1
时成立。
[0017]与现有技术相比，本专利技术至少具有以下有益效果：
[0018]本专利技术方法考虑智能体之间的交互性，并最终优化生成一条运动轨迹，利用时间弹性带算法(TEB)的整体优化框架，将车辆运动学约束作为约束条件之一，生成一个时间最优的车辆运动轨迹，为了考虑其它交通参与者之间的运动交互，基于智能体的不可观测状态预测其与周围环境进行交互而产生的协同避障轨迹；本专利技术在生成符合运动动力学约束轨迹的同时考虑了其它交通参与者之间的交互，考虑了其他交通参与者的意图和专注度来预测他们的交互轨迹，从而增强了混合交通场景中轨迹规划的安全性和鲁棒性，在仿真平台summit上设置了不同道路结构与交通流密度的场景，同时测试本专利技术在该场景中的性能，经验证，基于本专利技术所述方法规划路径的安全、舒适和有效。
[0019]进一步的，基于可靠的交互式轨迹计算本车轨迹与动态障碍物的时空距离，并作
为动态避障约束加入到轨迹优化的过程中，大大提高了自动驾驶车辆在复杂交互式环境中的动态避障能力。
[0020]进一步的，考虑其它交通参与者状态的不确定性，本专利技术针对智能体的意图与专注度两种不可观测状态建立概率模型，设计了一个隐状态推理机对不可观本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于TEB优化框架的混合交通场景轨迹规划方法，其特征在于，包括以下步骤：步骤1，考虑其他交通参与者的运动学约束、协同避障约束以及道路上下文约束，预测其他交通参与者交互式的未来轨迹；步骤2，基于传统TEB算法的优化框架，考虑其他交通参与者的交互式预测轨迹、车辆的运动动力学约束以及避障约束，并以轨迹时间最短为优化目标生成本车的最优轨迹；对于其他交通参与者的交互式预测轨迹，考虑其他交通参与者的意图和专注度进行预测。2.根据权利要求1所述的一种基于TEB优化框架的混合交通场景轨迹规划方法，其特征在于，步骤1所述的考虑其他交通参与者的运动学约束具体为：采用一种离散化的方式表示考虑运动学约束下智能体可行速度空间，给定一系列速度朝向角，并计算所述朝向角下的最大可行速度v
max
，将所有速度朝向角下的智能体最大速度作为一个速度区域的边界，生成考虑运动约束的可行速度区域K
τ
。3.根据权利要求1所述的一种基于TEB优化框架的混合交通场景轨迹规划方法，其特征在于，步骤1所述的考虑其他交通参与者的协同避障约束具体为：先计算本车的速度障碍物，随后通过给本车和障碍物车辆施加偏置速度使二者的相对速度位于速度障碍物之外，最后做垂直于偏置速度的半平面构建出可行速度半平面；针对每个邻居智能体，获得一个可行速度区域半平面，获得智能体A考虑交互式协同避障的可行速度区域。4.根据权利要求3所述的一种基于TEB优化框架的混合交通场景轨迹规划方法，其特征在于，将最小偏置速度v
off
按设定比例分配给本车A和邻居智能体B，并分别表示为u
A
和u
B
，最小偏置速度v
off
的分配由智能体的避碰责任γ来决定，避碰责任γ越大，为其分配更高的偏置速度，使其做出更大的避让，避碰责任γ越小，为其分配相对更小的偏置速度，使其做出更小的避让动作。5.根据权利要求1所述的一种基于TEB优化框架的混合交通场景轨迹规划方法，其特征在于，步骤1所述的考虑道路上下文约束具体为：当智能体距离道路边界d米处，提供另一个速度约束半平面C
τ
对车辆的横向速度进行约束，位于速度平面C
τ
中的速度满足v
x
＜d/τ，τ为规划时间间隔。6.根据权利要求1所述的一种基于TE...

【专利技术属性】
技术研发人员：陈仕韬，王嘉诚，符嘉玮，辛景民，郑南宁，
申请(专利权)人：宁波市舜安人工智能研究院，
类型：发明
国别省市：