一种智能驾驶基于动态规划的障碍物绕行决策方法技术

本发明专利技术公开一种智能驾驶基于动态规划的障碍物绕行决策方法，该方法建立

【技术实现步骤摘要】
一种智能驾驶基于动态规划的障碍物绕行决策方法


[0001]本专利技术属于智能汽车
，涉及到智能驾驶系统中的障碍物绕行，具体涉及到一种智能驾驶基于动态规划的障碍物绕行决策方法
。

技术介绍

[0002]在汽车行驶中时常会遇到许多障碍物，比如：其他车辆
、
栏杆
、
石墩
、
自行车等
。
其中有些障碍物在车道外，距离自车较远可以忽略，但有些障碍物会侵入车道，甚至占据车道，阻碍了车辆的正常通行
。
为了保证自车安全通行，避免碰撞，智能驾驶系统会针对障碍物计算出合理的轨迹进行绕行
。
[0003]现有技术通常利用的是贪心算法寻找最佳路径，但是碍于算法自身的局限性，往往只能找到局部最优的路径，甚至找不到可通行的路径
。
例如，车道环境1中，障碍物占据车道中心线左边，并向前延伸，车道中心线右边的末端被障碍物占据全部通行区域；此环境下，需要对障碍物进行绕行，现有的贪心算法在此环境下的体现类似于走一步看一步，即先对最近的障碍物点进行决策，有左右两个可通行区域，右边的通行区域更宽，并离自车更近，贪心算法往往就选了右边通行，但是显而易见，在右边区域的末端有障碍物，最终会走入死胡同，而最佳的通行区域应当是靠左边行驶
。
例如，车道环境2中，在
S
弯状车道中心线处有扩散的障碍物点，离自车较近的障碍物占据车道中心线左边，离自车较远的障碍物占据车道中心线右边，在离自车较远车道线的外部左侧和右侧均有障碍物阻挡，且车道线外部右侧的障碍物与中心线距离自车较远的障碍物点形成车道阻碍，此环境下，现有的贪心算法由于离自车较近处左边有障碍物占道，会选择靠右行驶，但是显而易见，离自车较远处，中心线障碍物与车道线外部的右侧障碍物占道，造成堵塞，不能通行
。
[0004]由上述两个例子可知，现有的贪心算法通常不会考虑全局的策略，离自车最近的障碍物决定了绕行的第一步，后续的决策都会受绕行第一步的影响，所以在很多场景中，现有的贪心算法无法提供全局最优解，甚至提供了错误的解
。

技术实现思路

[0005]针对上述问题，本专利技术的主要目的在于设计一种智能驾驶基于动态规划的障碍物绕行决策方法，通过采用动态规划的算法计算最优的可通行区域解空间，解决现有技术不能全局考量，易被断头路阻塞的问题
。
[0006]为了实现上述目的本专利技术采用如下技术方案：
[0007]一种智能驾驶基于动态规划的障碍物绕行决策方法，包括以下步骤：
[0008]步骤1：在智能驾驶系统的环境感知模块中，获取车辆的周边环境信息；
[0009]步骤2：在智能驾驶系统的地图与定位模块中，获取车辆的当前定位与周边的地图拓扑关系；
[0010]步骤3：建立车道
Frenet
坐标系，
Frenet
坐标系以车道中心线的方向为纵向，以车道中心线垂直的方向为横向；
[0011]步骤4：基于建立的
Frenet
坐标系，对纵向的车道按预设距离进行分段采样，并根据采样点在
Frenet
坐标系的横向设置初始的可通行区域；
[0012]步骤5：基于步骤4中设置的初始可通行区域，进行障碍物碰撞检测，得到多个安全的可通行区域；
[0013]步骤6：基于步骤5得到的多个安全可通行区域，进行基于动态规划计算，选择最佳的通行区域；
[0014]步骤7：基于最佳的通行区域获得通行空间，并求解出车辆的绕行轨迹
。
[0015]作为本专利技术进一步的描述，步骤1中，周边环境信息包括：周边车辆信息
、
周边交通标志信息
、
周边障碍物信息；
[0016]所述周边车辆信息包括每辆车的
ID、
类型
、
长宽高
、
位置坐标
、
速度
、
航向角；
[0017]所述周边交通标志信息包括当前所有车道对应的交通标志信息；
[0018]所述周边障碍物信息包括静态障碍物与动态障碍物，障碍物的表示方式包括雷达点云或者二维框
。
[0019]作为本专利技术进一步的描述，步骤2中，车辆的当前定位信息包括自车当前的平面位置坐标和高程；
[0020]地图拓扑关系包括周边每条车道之间的拓扑连接关系
。
[0021]作为本专利技术进一步的描述，步骤4中，可通行区域为自车的中心点能够占据的区域，可通行区域的边界为最大绕行范围，在最大绕行范围外不允许车辆行驶
。
[0022]作为本专利技术进一步的描述，步骤5中，障碍物碰撞检测包括二维框碰撞检测法和雷达点云碰撞检测法；
[0023]所述二维框碰撞检测法为感知获取到障碍物的多边形边界，计算出横向与纵向的边界，并根据障碍物边界更新可通行范围的边界；
[0024]所述雷达点云碰撞检测法为遍历每个可通行区域，将自车模型投影到可通行区域的点上，通过自车模型在可通行区域的点与障碍物是否有碰撞风险，判定为禁止通行点或者安全通行点，并根据全部安全通行点更新可通行区域
。
[0025]作为本专利技术进一步的描述，步骤6中，基于动态规划寻找最佳通行区域，其打分公式表示为：
[0026][0027]其中，
i
表示
Frenet
坐标系的纵向，
j
表示
Frenet
坐标系的横向，
W
i
，
j
表示位于
{i
，
j}
的可通行区域的权重，
V
i
，
j
表示位于
{i
，
j}
可通行区域的自身得分，包括当前可通行区域的宽度
、
离自车的横向距离
、
滤波得分，
W
i
‑1，
k
表示位于
{i
‑1，
j}
可通行区域的权重，
C
i
‑1，
k
，
i
，
j
表示从第
i
‑1层到第
i
层可通行区域的消耗
。
[0028]作为本专利技术进一步的描述，步骤6中的最高得分表示为：
[0029]W
final
＝
max
j
＝0，1，2…
n
(W
m
，
j
)
[0030]其中，
m
表示当纵向距离最远时的可通行区域；
[0031]通过得到最高得分后，用回溯算法得到最佳的可通行区域
。
[0032]一种车辆，该车辆实现上述的决策方法
...

【技术保护点】

【技术特征摘要】
1.
一种智能驾驶基于动态规划的障碍物绕行决策方法，其特征在于，包括以下步骤：步骤1：在智能驾驶系统的环境感知模块中，获取车辆的周边环境信息；步骤2：在智能驾驶系统的地图与定位模块中，获取车辆的当前定位与周边的地图拓扑关系；步骤3：建立车道
Frenet
坐标系，
Frenet
坐标系以车道中心线的方向为纵向，以车道中心线垂直的方向为横向；步骤4：基于建立的
Frenet
坐标系，对纵向的车道按预设距离进行分段采样，并根据采样点在
Frenet
坐标系的横向设置初始的可通行区域；步骤5：基于步骤4中设置的初始可通行区域，进行障碍物碰撞检测，得到多个安全的可通行区域；步骤6：基于步骤5得到的多个安全可通行区域，进行基于动态规划计算，选择最佳的通行区域；步骤7：基于最佳的通行区域获得通行空间，并求解出车辆的绕行轨迹
。2.
根据权利要求1所述的一种智能驾驶基于动态规划的障碍物绕行决策方法，其特征在于：步骤1中，周边环境信息包括：周边车辆信息
、
周边交通标志信息
、
周边障碍物信息；所述周边车辆信息包括每辆车的
ID、
类型
、
长宽高
、
位置坐标
、
速度
、
航向角；所述周边交通标志信息包括当前所有车道对应的交通标志信息；所述周边障碍物信息包括静态障碍物与动态障碍物，障碍物的表示方式包括雷达点云或者二维框
。3.
根据权利要求1所述的一种智能驾驶基于动态规划的障碍物绕行决策方法，其特征在于：步骤2中，车辆的当前定位信息包括自车当前的平面位置坐标和高程；地图拓扑关系包括周边每条车道之间的拓扑连接关系
。4.
根据权利要求1所述的一种智能驾驶基于动态规划的障碍物绕行决策方法，其特征在于：步骤4中，可通行区域为自车的中心点能够占据的区域，可通行区域的边界为最大绕行范围，在最大绕行范围外不允许车辆行驶
。5.
根据权利要求1所述的一种智能驾驶基于动态规划的障碍物绕行决策方法，其特征在于：步骤5中，障碍物碰撞检测包括二维框碰撞检测法和雷达点云碰撞检测法；所述二维框碰撞检测法为感知获取到障碍物的多边形边界，计算出横向与纵向的边界，并根据障碍物边界更新可通行范围的边界；所述雷达点云碰撞检测法为遍历每个可通行区域，将自车模型投影到可通行区域的点上，通过自车模型在可...

【专利技术属性】
技术研发人员：陈子杰，罗元福，李晓芸，
申请(专利权)人：上海友道智途科技有限公司，
类型：发明
国别省市：