【技术实现步骤摘要】
本专利技术属于自动化控制。
技术介绍
1、随着汽车保有量的不断增加，汽车已经成为了现代生活中不可缺少的交通工具。然而车辆数量的增加也导致个更多的交通事故发生。世界卫生组织数据显示，每年，全世界大约有130万人死于交通事故，大约2000万人受到非致命伤害，而超过百分之九十的事故原因归因于司机驾驶失误。无信号灯十字路口是发生事故最多的场景之一，随着人工智能技术的蓬勃发展，自动驾驶可以减少交通事故，避免人力物力损失。运动规划是实现自动驾驶的关键一步，根据当前环境以及所选择的驾驶行为，运动规划模块计算出未来一段时间的车辆轨迹，然后发送至轨迹跟踪模块实现轨迹跟踪，最终完成驾驶任务。
2、目前运动规划方法主要分为四类：基于图搜索的方法，基于曲线插值的方法，基于采样的方法以及基于数值优化的方法。目前基于图搜索的方法主要体现在路径规划方面，常见的比如使用a*算法进行地图导航或游戏寻路。以rrt算法为代表，基于采样的方法从当前状态逐步构建搜索树，在高维空间中,基于采样的方法计算量小，在时间足够时总能找到最优解。然而，其解总是不连续的、不稳定的，这将导致轨迹跟踪模块难以使用规划轨迹进行跟踪。基于曲线插值的方法在保证轨迹连续性以及车辆约束的情况下，使用之前的轨迹生成了新的平滑轨迹，常见的插值方法有贝塞尔曲线，多项式曲线等等。然而，在无信号灯十字路口轨迹规划问题中，其难以考虑十字路口中其他车辆的轨迹信息，因此生成的轨迹安全难以保证。
技术实现思路
1、本专利技术的目的是根据环境信息、交互车辆信
2、本专利技术的步骤是：
3、s1、车辆运动学模型构建
4、
5、
6、
7、
8、
9、其中，x和y是在惯性坐标系下的质心坐标，是横摆角，v是质心车速，vx和vy分别是车辆坐标系下的分速度，ax和ay分别是车辆坐标系下的加速度。模型的控制量可以简化为ax和ay；
10、s2、构建最优控制问题目标函数
11、
12、其中，第一项为常数的积分，第二项为纵向加速度导数在时间域内的积分，第三项和第四项则代表了行驶过程中的车辆稳定性，w1,w2,w3,w4分别为各项的权重系数；
13、s3、车辆膨胀处理以及避免碰撞约束设置
14、本车和交互车保持安全距离为d，交互车坐标为(xobs,yobs)，假设本车和交互车简化成的平面圆半径为rego和robs，施加约束如下：
15、
16、s4、构建十字路口可行域
17、将路肩假设成四个半圆，圆心坐标分别为(xverge1,yverge1)，(xverge2,yverge2)，(xverge3,yverge3)和(xverge4,yverge4)，半径为rverge，在行驶中保证车不碰到路肩需要施加约束：
18、
19、
20、
21、
22、s5、构建行驶过程中的约束条件和终端状态
23、x(t0)＝x0,y(t0)＝y0
24、x(tf)＝xf,y(tf)＝yf
25、vx(t0)＝v0，vy(t0)＝0
26、vxf,min≤vx(tf)≤vxf,max
27、vy(tf)＝0 (5)
28、其中，(x0,y0)代表了本车初始位置，v0代表了本车速度，(xf,yf)代表了本车目标位置，vxf,min，vxf,max代表了本车终端速度约束；
29、ax,min≤ax≤ax,max
30、ay,min≤ay≤ay,max (6)
31、其中，ax,min代表了纵向加速度的最小值，ax,max代表了纵向加速度最大值，ay,min代表了侧向加速度的最小值，ay,max代表了侧向加速度最大值；
32、s6、构建十字路口最优控制问题如公式7所示：
33、
34、
35、x(t0)＝x0,y(t0)＝y0
36、x(tf)＝xf,y(tf)＝yf
37、vx(t0)＝v0，vy(t0)＝0
38、vxf,min≤vx(tf)≤vxf,max，vy(tf)＝0
39、ax,min≤ax≤ax,max
40、ay,min≤ay≤ay,max
41、
42、
43、
44、
45、
46、s7、使用拉格朗日基函数对系统状态和控制进行离散
47、考虑n个lg点(τ1,...,τn)且满足τ1＞-1,τn＜1，定义
48、τ0＝-1,τn+1＝1 (8)
49、lg点都被定义在[-1,1]区间内，因此最优问题时域t∈[t0,tf]需要转换到τ∈[-1,1]区间上，转换公式为
50、
51、则n次拉格朗日插值基函数被定义为
52、
53、状态量x(τ)和控制量u(τ)为
54、
55、
56、式中xi＝x(τi),ui＝u(τi)，τ0＝0不是lg点，而是状态近似点；
57、状态函数的一阶导数表示为
58、
59、最优问题的动力学约束表示为
60、
61、
62、式中，矩阵d＝[dki],1≤k≤n,0≤i≤n为一个n×(n+1)矩阵，称为高斯微谱微分矩阵；边界条件约束表示为
63、
64、lg点路径约束为
65、
66、最优问题的代价函数表示为
67、
68、s8、使用插值算法对规划轨迹进行平滑处理
69、当已知点(x0,y0)和(x1,y1)时，线性插值公式如公式19所示
70、
71、最终，经过公式19，轨迹进行均匀插值后被发送至轨迹跟踪模块进行跟踪验证。
72、本专利技术针对十字路口场景，不同的车辆的驾驶行为都可能会对本车左转构成威胁，构建了三种典型的驾驶场景。针对十字路口规划问题，考虑了车辆运动学约束，可行域约束，避免碰撞约束等等，构建了十字路口轨迹规划最优控制问题，然后基于高斯伪谱法进行了离散求解得到规划轨迹，最终使用线性插值解决轨迹离散不均匀的问题。最终，使用本说明中规划方法可以完美的解决十字路口下驾驶冲突问题，帮助自动驾驶车辆安全通过十字路口。
本文档来自技高网...【技术保护点】
1.一种十字路口冲突情况轨迹规划方法，其特征在于：其步骤是：
【技术特征摘要】
1.一种十字路口冲突情况轨迹规...
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。