本发明专利技术提供了一种铰链式车辆自动驾驶碰撞预测方法。该方法首先建立铰链式车辆的轮廓动态模型函数、车辆局部坐标系以及栅格地图，并获取局部坐标系下的障碍物信息、规划轨迹与曲率、自身轮廓信息，在栅格地图进行投影，在此基础上，建立铰链式车辆轮廓的初始模型，计算未来某个时间点自身车辆的位置与轮廓，再在栅格地图中进行铰链式车辆轮廓碰撞检测，得出预测结论。本发明专利技术通过构建铰链式轮廓动态模型和采用栅格障碍地图进行碰撞预测，可有效解决铰链式车辆碰撞预测问题，有如下优势：准确的轮廓描述避免碰撞预测漏检问题；通过构建动态轮廓模型，提高了轮廓边界的准确度；栅格障碍地图碰撞预测，将场景二维化、稀疏化，提高检测预测效率。
【技术实现步骤摘要】
本专利技术涉及自动驾驶车辆控制，具体涉及一种铰链式车辆自动驾驶碰撞预测方法。
技术介绍
1、铰链式车辆属于特型车辆，主要构成为后轮驱动箱体和前部设备箱体组成，中间由铰链式液压杆连接两箱体实现传动与转向，与乘用车辆的区别在于：
2、1、控制方式不同，乘用车通常为前轮驱动加方向盘转向实现控制，铰链式为后轮驱动，左右铰链推拉使前后车体形成一定的夹角实现转向控制。
3、2、车辆运动模型不同，乘用车采用简单的单车模型即可完整描述车辆状态(如图1、图2所示)，铰链式车辆由前后两个箱体组成，在运动过程中由于铰链推拉，使得前后两个箱体存在一定的夹角，从而使得铰链式车辆模型无法使用静态车辆模型来描述，运动过程中每时每刻车辆模型都不一样，是个动态的车辆模型(如图3所示)。
4、在现有自动驾驶系统技术中，运动碰撞预测采用单车模型矩形框描述轮廓，对感知障碍进行分析判断，由于单车模型为静态刚体模型，在运动过程中无法完整描述出铰链式车辆的轮廓，从而在实际存在碰撞风险的情况下无法正确的预测，因此无法适用于铰链式车辆。
技术实现思路
1、本专利技术旨在针对现有技术的技术缺陷，提供一种铰链式车辆自动驾驶碰撞预测方法，以解决目前采用单车模型所构建的碰撞预测方法不适用于铰链车辆的技术问题。
2、为实现以上技术目的，本专利技术采用以下技术方案：
3、一种铰链式车辆自动驾驶碰撞预测方法，包括以下步骤：
4、1)建立铰链式车辆的轮廓动态模型函数；
5、2)建立车辆局部坐标系；
6、3)建立栅格地图；
7、4)获取所述局部坐标系下的障碍物信息、规划轨迹与曲率、自身轮廓信息；
8、5)在所述栅格地图投影障碍物及自身轮廓；
9、6)建立铰链式车辆轮廓的初始模型，计算未来某个时间点自身车辆的位置与轮廓；
10、7)在栅格地图中进行铰链式车辆轮廓碰撞检测，得出预测结论。
11、作为优选，步骤1)中，通过采样多项式拟合建立铰链角度q与曲率v关系。
12、作为优选，步骤2)中，等距采样并计算每个采样点的曲率和采样点对应的未来时间。
13、作为优选，步骤4)中，所述障碍物信息是由传感器获取的，所述障碍物包括车辆、行人、静态物。
14、作为优选，步骤5)中，将障碍物、动态轨迹、轮廓均投影至栅格地图中，并赋予标签。
15、作为优选，步骤6)中，在建立铰链式车辆轮廓的初始模型后，根据局部坐标轨迹采样点位置和曲率，计算出在栅格障碍地图中，未来某个时间点自身车辆的位置与轮廓。
16、作为优选，步骤7)中，在栅格障碍地图中，根据未来一段时间内自身车辆轮廓与障碍物分布关系，判断自身车辆轮廓与障碍物轮廓在栅格地图中是否同时占据同一个栅格，进而得出预测结论。
17、作为优选，步骤1)包括：
18、a、人工操作车辆行驶，通过定位模块和车辆传感器采集位置信息(x,y,heading)和铰链角度θ信息；
19、b、通过位置信息计算每个位置点的曲率v，并与相同时刻对应铰链角度θ，组成多组二维的样本(v,θ)采样点p＝{(v1,θ1),(v2,θ2),,,(vn,θn),}；
20、c、构建n阶的多项关系式θ＝knvn+kn-1vn-1+…+k2v2+k1v+k0，通过多项式拟合解算出k＝{kn,kn-1,…k1,k0}，得到q(θ，v)的多项式函数。
21、作为优选，步骤6)包括：
22、a、建立初始模型，铰链式刚体模型w＝(b0，f0),其中w1为后轮轴箱体局部坐标系o1刚体多边形轮廓，w2为车前部箱体局部坐标系o2刚体多边形轮廓；通过铰链计算角度θ，可知o2到o1坐标系的转换矩阵为to12(x2,y2,to12)；
23、b、通过车体局部坐标系o1采样规划轨迹计算未来时间内车辆所属位置对应的时间t＝{t0,t1,…,tn}与曲率v＝{v0,v1,…,vn}；
24、c、根据铰链角度q和对应的转弯曲率v的多项式函数q(θ，v)，结合曲率v＝{v0,v1,…,vn}，计算出时间t＝{t0,t1,…,tn}对应的车辆预测铰链夹角q＝{θ0,θ1,…,θn}；
25、d、根据步骤a可知o2到o1坐标系的转换矩阵为to12(x2,y2,to12)，结合步骤c预测的铰链夹角q＝{θ0,θ1,…,θn}，从而得到未来时间t＝{t0,t1,…,tn}内铰链式车辆的动态模型w＝{(b0,t0o12f0),(b0,t1o12f0),...,(b0,tno12f0)},其中tno12＝(x2,y2,θn)为tn时刻前部箱体刚体坐标系到后部箱体坐标系的转换，(b0,tno12f0)为tn时刻后部箱体坐标系下后部箱体轮廓多边形和前部箱体轮廓多边形。
26、作为优选，步骤7)包括：
27、α、通过局部坐标系o下规划轨迹采样点令变换矩阵结合未来时间t＝{t0,t1,…,tn}内铰链式车辆的动态模型w，获得局部坐标系o下未来时间t＝{t0,t1,…,tn}内铰链式车辆动态模型轮廓l＝{w0,w1,…wn}；
28、β、根据栅格地图与局部坐标系o的映射矩阵tm，结合车辆动态模型轮廓l，将未来时间t中车辆动态轮廓映射至障碍栅格地图中，并判断对应栅格位置是否被障碍物所占据，是则说明某时刻t存在碰撞风险。
29、本专利技术提供了一种铰链式车辆自动驾驶碰撞预测方法。该技术方案提出建立动态车辆模型函数，采用栅格障碍地图投影自身车辆动态轮廓与障碍位置轮廓，分析自身车辆与障碍物之间的位置关系从而实现碰撞预测的功能。
30、本专利技术通过构建铰链式轮廓动态模型和采用栅格障碍地图进行碰撞预测，可有效的解决铰链式车辆碰撞预测问题，有如下优势：
31、1、准确的轮廓描述避免碰撞预测漏检问题；
32、2、通过构建动态轮廓模型，提高了轮廓边界的准确度；
33、3、栅格障碍地图碰撞预测，将场景二维化、稀疏化，提高检测预测效率。
本文档来自技高网...
【技术保护点】
1.一种铰链式车辆自动驾驶碰撞预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种铰链式车辆自动驾驶碰撞预测方法，其特征在于，步骤1)中，通过采样多项式拟合建立铰链角度Q与曲率V关系。
3.根据权利要求1所述的一种铰链式车辆自动驾驶碰撞预测方法，其特征在于，步骤2)中，等距采样并计算每个采样点的曲率和采样点对应的未来时间。
4.根据权利要求1所述的一种铰链式车辆自动驾驶碰撞预测方法，其特征在于，步骤4)中，所述障碍物信息是由传感器获取的，所述障碍物包括车辆、行人、静态物。
5.根据权利要求1所述的一种铰链式车辆自动驾驶碰撞预测方法，其特征在于，步骤5)中，将障碍物、动态轨迹、轮廓均投影至栅格地图中，并赋予标签。
6.根据权利要求1所述的一种铰链式车辆自动驾驶碰撞预测方法，其特征在于，步骤6)中，在建立铰链式车辆轮廓的初始模型后，根据局部坐标轨迹采样点位置和曲率，计算出在栅格障碍地图中，未来某个时间点自身车辆的位置与轮廓。
7.根据权利要求1所述的一种铰链式车辆自动驾驶碰撞预测方法，其特征在于，步骤7)中，在栅格障碍地图中，根据未来一段时间内自身车辆轮廓与障碍物分布关系，判断自身车辆轮廓与障碍物轮廓在栅格地图中是否同时占据同一个栅格，进而得出预测结论。
8.根据权利要求1所述的一种铰链式车辆自动驾驶碰撞预测方法，其特征在于，步骤1)包括：
9.根据权利要求1所述的一种铰链式车辆自动驾驶碰撞预测方法，其特征在于，步骤6)包括：
10.根据权利要求1所述的一种铰链式车辆自动驾驶碰撞预测方法，其特征在于，步骤7)包括：
...
【技术特征摘要】
1.一种铰链式车辆自动驾驶碰撞预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种铰链式车辆自动驾驶碰撞预测方法，其特征在于，步骤1)中，通过采样多项式拟合建立铰链角度q与曲率v关系。
3.根据权利要求1所述的一种铰链式车辆自动驾驶碰撞预测方法，其特征在于，步骤2)中，等距采样并计算每个采样点的曲率和采样点对应的未来时间。
4.根据权利要求1所述的一种铰链式车辆自动驾驶碰撞预测方法，其特征在于，步骤4)中，所述障碍物信息是由传感器获取的，所述障碍物包括车辆、行人、静态物。
5.根据权利要求1所述的一种铰链式车辆自动驾驶碰撞预测方法，其特征在于，步骤5)中，将障碍物、动态轨迹、轮廓均投影至栅格地图中，并赋予标签。
6.根据权利要求1所述的一种铰链式...
【专利技术属性】
技术研发人员：郑勇飞，王维，
申请(专利权)人：睿羿科技山东有限公司，
类型：发明
国别省市：
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。