System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及自动驾驶领域,尤其涉及一种适用于结构化弯道场景的轨迹规划方法。
技术介绍
1、自动驾驶被认为是智能交通领域中的一项关键技术。它具有提升道路安全性、缓解交通拥堵以及提供更便捷出行方式的潜力。通常,自动驾驶系统的主要模块包括定位、感知、预测、规划和控制等。其中,轨迹规划作为关键组成部分,其目标是生成安全、舒适和高效的轨迹。具体而言,安全性意味着避免碰撞,舒适性涉及保持轨迹的高平滑性,同时避免速度或加速度的突然变化,而高效性要求算法具备处理复杂且快速变化的城市道路环境的高实时能力。
2、在城市环境中,弯曲道路以道路参考线为基准,曲率会出现快速变化。尽管道路在物理上可能是笔直的,但两侧停放的车辆或其他不规则障碍物的存在可能会迫使自车沿着弯曲的轨迹行驶。车辆必须在短距离内迅速适应弯曲道路,以确保与其运动学能力对齐,实现安全、舒适和高效的行驶。在转弯处曲率的显著变化使轨迹规划变得更具挑战性。当前结构化弯道场景下主要为基于优化的轨迹规划方法,为满足车辆的运动学原理,首先在笛卡尔坐标系中将道路轨迹规划任务描述为一个最优控制问题,然后基于梯度的优化器进行数值求解。然而,笛卡尔坐标系中的碰撞避免约束较为复杂,与道路障碍和障碍物相关的碰撞避免约束在名义上不可微,这对于求解器的计算效率提出了较高的要求,甚至还可能导致求解失败的情况。因此,在结构化弯曲道路场景中,如何实现快速、精确、最优的轨迹生成成为一个亟待解决的问题。
技术实现思路
1、为解决现有技术存在的缺点与不足,本专利技术
2、为了实现上述目的,本专利技术的技术方案如下:一种适用于结构化弯道场景的轨迹规划方法,包括以下步骤:
3、a、确定车辆几何参数、初始位置及规划时域
4、用顶点依次为a、b、c、d的矩形表示车身形状,初始化与车辆运动学模型相关的几何参数,所述几何参数包括前悬长度lf、后悬长度lr、轴距lm、车长l及车宽w。车辆后轴中心点p在笛卡尔坐标系中的坐标由px和py表示,车辆的航向角和前轮转向角分别由θ和表示。
5、b、生成障碍物膨胀地图
6、b1、对于顶点为a、b、c、d的矩形车身,沿着车身长度方向均匀分成nc个子矩形。每个子矩形上覆盖一个半径为rd的圆盘,且每个子矩形的四个顶点均位于圆盘边缘,以这样形成的nc个圆盘替代原始的矩形车身。
7、b2、依次获取每个圆盘中心的横坐标xj(t)和纵坐标yj(t)以及圆盘半径rd,具体计算公式如下:
8、
9、
10、
11、式中,px(t)、py(t)分别表示在t时刻车辆后轴中心点p在笛卡尔坐标系上的横坐标和纵坐标,xj(t)、yj(t)分别表示在t时刻第j个圆盘中心的横坐标和纵坐标,θ(t)表示在t时刻车辆的航向角。
12、b3、获取存在道路障碍及多智能体障碍物的地图,在地图中将主车上覆盖的每个圆盘收缩至中心质点,同时,将道路障碍及多智能体障碍物沿径向向外膨胀rd长度,获得障碍物膨胀地图。所述智能体包括车辆、行人。
13、c、搜索粗糙轨迹并进行重采样
14、c1、基于步骤a中的几何参数,设置车辆的初始位置pf及规划时域tf,在frenet坐标系下,通过动态规划算法在障碍物膨胀地图上搜索出一系列二维路径离散点其中sdp、ldp分别表示车辆后轴中心点p在frenet坐标系上的横坐标和纵坐标。之后,在相邻的两个离散点之间通过五次多项式连接并重新进行重采样,获取一系列密集的二维路径离散点其中s0、l0分别表示经过密集采样后车辆后轴中心点p在frenet坐标系上的横坐标和纵坐标。
15、c2、将步骤c1中frenet坐标系下的进行坐标变换,获得笛卡尔坐标系下的二维路径离散点其中分别表示车辆后轴中心点p在笛卡尔坐标系上的横坐标和纵坐标。之后,沿着离散点附上其他决策变量初始值,获得一条初始的粗糙轨迹所述其他决策变量初始值包含初始航向角θ0、初始速度v0、初始前轮转向角初始加速度a0、初始角速度w0。
16、d、设置优化目标并构建优化问题
17、利用以下标准优化问题描述结构化弯道场景下的轨迹规划任务:
18、
19、式中,z(t)表示在笛卡尔坐标系中,主车在时刻t的状态变量,整个规划时间域tf内通过调整控制变量u(t)驱动车辆。j(·)表示需要最小化的目标函数,与z(t)和u(t)有关。车辆的运动学等式约束由描述。[zmin,umin]和[zmax,umax]分别表示车辆状态[z(t),u(t)]的下界和上界约束。[zstart,ustart]和[zfinal,ufinal]分别表示车辆状态[z(t),u(t)]的两点边界约束,用于描述车辆的初始和终端状态。整个工作空间和障碍物占据的空间分别用和表示,函数表示将车辆状态映射到其足迹的映射关系。在时刻t,将圆盘中心的横坐标xj(t)和纵坐标yj(t)限定到一个矩形驾驶走廊中,通过迭代生成的矩形边界取代传统的碰撞避免约束,从而在驾驶走廊的自由空间内完成轨迹规划任务,限定范围见以下公式:
20、
21、
22、e、获得最优轨迹
23、使用基于原始-对偶内点法的ipopt求解器求解非线性规划nlp问题,将步骤c2中获得的粗糙轨迹作为初始解,加速数值求解的过程,获得一条安全、舒适和高效的轨迹。
24、进一步地,步骤c1中所述通过动态规划算法在障碍物膨胀地图上搜索出一系列二维路径离散点的方法如下:
25、假设轨迹决策的时间域为假设轨迹决策的时间域为[0,tf],其中tf是一个固定的常数。将该时间域均匀分割为nt段,第k段对应于时间子区间其中k∈{1,2,…,nt}。在此子区间内,假设车辆沿着引导线方向行驶了距离sk。显然,其中vmax代表允许的最大车速,并且在此范围内均匀采样ns个值。在时刻假设车辆相对于引导线的横向偏移为在此范围内均匀采样nl个值。结构化道路轨迹决策的离散解空间通过时间nt、里程ns和偏移nl的节点进行描述。因此,依次确定frenet坐标系上的点将完成整个时间域t∈[0,tf]上的决策任务,获得离散路径
26、进一步地,所述在相邻的两个离散点之间通过五次多项式连接并重新进行重采样的方法如下:
27、在获取后,通过一系列五次多项式连接相邻节点,具体公式如下:
28、l(s)=a0+a1s+a2s2+a3s3+a4s4+a5s5
29、式中,a1、a2、a3、a4和a5表示五次多项式的系数,a0表示常数项。之后,在整个时间域t∈[0,tf]上以时间间隔δt进行重新采样得到nt个时间节点。类似地,在经过五次多项式连接后形成的轨迹上采样相同数量的节点,得到一系列密集的二维路径离散点
30、与现有技术相比,本专利技术具有以下有益效果:
31、1、本发本文档来自技高网...
【技术保护点】
1.一种适用于结构化弯道场景的轨迹规划方法,其特征在于:包括以下步骤:
2.根据权利要求1所述一种适用于结构化弯道场景的轨迹规划方法,其特征在于:步骤C1中所述通过动态规划算法在障碍物膨胀地图上搜索出一系列二维路径离散点的方法如下:
3.根据权利要求1所述一种适用于结构化弯道场景的轨迹规划方法,其特征在于:所述在相邻的两个离散点之间通过五次多项式连接并重新进行重采样的方法如下:
【技术特征摘要】
1.一种适用于结构化弯道场景的轨迹规划方法,其特征在于:包括以下步骤:
2.根据权利要求1所述一种适用于结构化弯道场景的轨迹规划方法,其特征在于:步骤c1中所述通过动态规划算法在障碍物膨胀地...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。