基于iLQR和粒子群优化的轨迹规划方法及电子设备技术

本发明专利技术提供一种基于iLQR和粒子群优化的轨迹规划方法及电子设备，首先通过iLQR算法根据车辆的状态向量、运动学模型以及约束条件得到最佳初始轨迹，最佳初始轨迹是未考虑避开障碍物、掉头等复杂场景下得到的轨迹。在此基础上，以最佳初始轨迹作为粒子群优化算法模型的输入信息，同时将车辆所在道路上的环境车数据和参考线形状数据作为所述粒子群优化算法模型的适应度函数的输入信息，利用粒子群优化方式对最佳初始轨迹进一步优化，此时考虑了环境车辆、障碍物、车道中心线等动态因素，实现了复杂场景下对轨迹进行全局优化。

【技术实现步骤摘要】

本专利技术涉及自动驾驶路径规划，具体地，涉及一种基于ilqr和粒子群优化的轨迹规划方法及电子设备。

技术介绍

1、在自动驾驶系统中，轨迹规划是关键环节之一，尤其是在掉头、避障、换道等场景中，轨迹规划需要保证车辆在安全区域内，符合物理动力学约束，同时避开障碍物，完成高效且安全的移动。

2、现有技术主要通过传统的轨迹规划方法如基于静态地图的a*算法、dijkstra算法、快速扩展随机树等进行路径搜索，或者采用ilqr(迭代线性二次调节器)作为局部轨迹优化算法，生成基于车辆动力学约束的平滑轨迹。传统轨迹规划方法适用于简单的路径规划任务，但当面对动态环境或复杂的交通场景时，往往会出现计算效率低、生成轨迹不够平滑等问题。ilqr在考虑动态环境(如障碍物、动态车辆)时，难以实现全局最优。因此，传统的规划方法常常在转弯、掉头、避障等复杂场景中生成不够平滑的轨迹，影响车辆的控制稳定性，而在使用ilqr或粒子群优化(pso)时，如果没有有效的初始解作为参考，算法往往需要更多的迭代次数才能收敛，增加了计算时间。

技术实现思路...

【技术保护点】

1.一种基于iLQR和粒子群优化的轨迹规划方法，其特征在于，包括：

2.根据权利要求1所述的基于iLQR和粒子群优化的轨迹规划方法，其特征在于，所述应用iLQR算法模型，更新所述运动学模型的控制输入向量，并令所述运动学模型的输出向量满足所述约束条件，包括：

3.根据权利要求2所述的基于iLQR和粒子群优化的轨迹规划方法，其特征在于，所述根据所述状态向量建立所述车辆的运动学模型中：

4.根据权利要求2所述的基于iLQR和粒子群优化的轨迹规划方法，其特征在于，所述确定行驶轨迹的约束条件中，包括：

5.根据权利要求4所述的基于iLQR和粒子群优化...

【技术特征摘要】

1.一种基于ilqr和粒子群优化的轨迹规划方法，其特征在于，包括：

2.根据权利要求1所述的基于ilqr和粒子群优化的轨迹规划方法，其特征在于，所述应用ilqr算法模型，更新所述运动学模型的控制输入向量，并令所述运动学模型的输出向量满足所述约束条件，包括：

3.根据权利要求2所述的基于ilqr和粒子群优化的轨迹规划方法，其特征在于，所述根据所述状态向量建立所述车辆的运动学模型中：

4.根据权利要求2所述的基于ilqr和粒子群优化的轨迹规划方法，其特征在于，所述确定行驶轨迹的约束条件中，包括：

5.根据权利要求4所述的基于ilqr和粒子群优化的轨迹规划方法，其特征在于，所述令所述运动学模型的输出向量满足所述约束条件包括：

6.根据权利要求5所述的基于ilqr和粒子群优化的轨迹规划方法，其特征在于，所述令所述运动学模型的输出向量满足所述约束条件，还包括...

【专利技术属性】
技术研发人员：邓晨，
申请(专利权)人：云控智行科技有限公司，
类型：发明
国别省市：