【技术实现步骤摘要】
本专利技术涉及一种智能汽车动态场景规划方法，尤其涉及一种基于分时运算的智能汽车动态场景规划方法及系统。
技术介绍
1、智能汽车科技是未来出行领域的重要战略高地，它致力于为人类提供前所未有的便捷、安全与舒适的移动体验。在这一技术框架中，路径规划扮演着至关重要的角色，即通过集成车辆当前状态信息、目的地坐标以及实时环境数据，来精确计算出一条既符合行驶约束条件又尽可能优化的行驶轨迹。路径规划方法通常分为两个层次：全局规划和局部规划。全局规划是在整个地图范围内，根据道路拓扑结构和交通规则，生成一条从起点到终点的粗略路径。局部规划是在全局规划的基础上，根据汽车的动力学模型和周围障碍物的位置，生成一条更加精细和平滑的路径。
2、全局规划方法在智能汽车决策系统中起着决定性作用，它奠定了车辆整体行驶方向和行动策略的基础，并为后续的局部规划提供了关键性的指导原则与边界条件。然而，现行的全局规划算法在面对动态变化的驾驶场景时暴露了一些局限性，其主要体现在较高的计算复杂度和较长的运算时间上，因此它们往往只能提供一个相对静态的路径指引。由于全局规划需要处理庞大的搜索空间和复杂的优化问题，由此产生的巨大计算负荷延迟了对环境快速变化的响应能力，从而削弱了路径规划结果的实时性。因此，亟待研发一种能够高效应对环境动态变化的新型全局规划方法，通过强大的实时计算性能和场景感知适应性，迅速识别并适应不断变化的道路环境，进而高效地计算出最适宜的行驶路径，从而有力支持智能汽车做出更为精准且及时的决策与控制动作。
技术实现思路
1、为了解决上述现有全局路径规划方法存在的计算实时性和结果有效性问题，本专利技术提供一种基于分时运算的智能汽车动态场景规划方法，包括以下步骤：
2、步骤一、场景信息处理与关键要素提取：处理传感器输入的场景信息，进行道路栅格转换，构建基础栅格，并提取场景中的关键要素；
3、步骤二、短时运动预测判断与输出：基于基础运动学构建预测模型，已知当前车辆状态参数，根据历史状态运算得出未来的驱动指令，根据运动学预测模型方程进行积分运算，得到未来时间的车辆状态，输出未来预设时间段内运动主体的阶段性参数，填充场景栅格；
4、步骤三、场景分时阶段划分：利用预测数据和场景周期识别分时特征，进行分时运算阶段划分，包括：
5、31)场景周期计算：设定在固定周期内执行一次全局规划算法；设定固定的场景更新周期t，每次运算完成将当前全局触发时间tc保存；若实际运行时间t＝n×t+tc，则进行下一轮运算过程，并基于最新的环境状态进行场景状态整体增量更新；
6、32)在a*算法运算出最佳的行车路径后，如果其他车辆在此过程中出现异常行为干扰，则根据干扰程度判断下一步决策，方法如下：
7、对a*运算出的轨迹进行膨胀处理，设定原始轨迹宽度lex，划定主车行车区域；
8、对场景中的运动主体当前及未来运动情况进行判断，如果运动区域侵入主车行车区域，则将与轨迹中心最近点作为侵入点，计算侵入点到轨迹中心的距离lin，如果lin>lex/2，则表示侵入过度，直接进行整体增量更新；如果lin≤lex/2，则计算轨迹外侧空余距离，以两倍车长向外延升，直至遇到障碍物，记录外端空余距离lout，如果lout<lin，则表示外端距离不够，直接进行整体增量更新，如果lout≥lin，则进行局部动态修正；
9、33)场景分时运算结果保存：根据上述分析和决策，执行对应的路径修正措施，并将经过优化处理后的分时运算结果保存，作为下一时刻决策的基础。
10、步骤四、a*算法架构初始化：初始化a*算法的节点并赋予相应的属性，为每个节点设置相应的代价函数和启发式函数，设定迭代深度，定义双向优化启发式函数；
11、步骤五、路径双向迭代循环搜索：双向搜索路径，逐步迭代加深循环过程，合并双向路径实现迅速规划；
12、步骤六、场景动态更新与路径输出：当步骤三计算状态为局部动态修正时，采用局部动态修正策略，当步骤三计算状态为整体增量更新时，采用整体增量更新策略，通过局部动态修正或整体增量更新实现场景动态变化的应对，进行最终路径输出。
13、作为优选，步骤一场景信息处理与关键要素提取具体包括：
14、11)原始数据获取与预处理：从车载传感器获取实时环境数据作为原始数据，对原始数据进行去噪处理，并进行坐标系转换，统一到同一个参考坐标系下。
15、12)根据实际应用场景，确定栅格地图的分辨率：栅格地图的分辨率应该尽可能地大，但应小于车辆宽度的一半，小于车辆最小转弯半径的一半，小于车辆在一个感知和控制周期内可能行驶的最大距离；
16、13)提取关键场景要素：提取场景中与主车运动相关的交通参与者与障碍物的位置和尺寸信息，用于栅格地图的更新，根据传感器的数据，将每个栅格赋予属性值，以表示该栅格的特征。
17、特征包括该位置的道路情况、该位置是否有车、该位置的附属信息。
18、作为优选，步骤二短时运动预测判断与输出具体包括：
19、21)构建基础运动学预测模型：采用非线性运动学模型来描述车辆运动；该模型的基本构造如下：①车辆由两个轮子组成，通过前轮转向角δ控制方向；②车辆质心的位置用坐标(x,y)表示，航向角用θ表示；动力学方程如下：
20、纵向动力学包括：
21、
22、
23、其中，v表示车辆速度，即质心沿车辆前进方向的速度，a表示车辆加速度；横向动力学包括：
24、
25、
26、其中，ω表示车辆横摆角速度，β表示转向滑移角，l为轴距，r为转弯半径；
27、利用frenet坐标系下的关系推导得到：
28、
29、将纵向动力学与横向动力学方程结合起来，形成完整的运动学预测模型，用于计算未来时刻车辆的状态(x,y,θ,v,ω)。
30、22)运动学短时预测输出：已知当前车辆状态参数(x(0),y(0),θ(0),v(0),ω(0))，根据历史状态运算得出未来的驱动指令，根据运动学预测模型方程进行积分运算，得到未来时间t的车辆状态包括位置、速度和航向角，计算公式如下：
31、x(t)＝x(0)+∫[v]dt
32、y(t)＝y(0)+∫[v×sin(θ+β)]dt
33、θ(t)＝θ(0)+∫[ω]dt
34、v(t)＝v(0)+∫[a]dt
35、
36、由此，输出未来预设时间段内的车辆轨迹数据，包括各时间节点上的位置(x,y)和姿态(θ)信息。
37、23)场景栅格映射：将输出的车辆轨迹数据填充到步骤一的栅格化地图中。
38、作为优选，步骤四a*算法架构初始化具体包括：
39、41)初始化起始节点(s)和目标节点(g)，并赋予相应的属性，包括坐标和状态；为每个节点本文档来自技高网...
【技术保护点】
1.一种基于分时运算的智能汽车动态场景规划方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于分时运算的智能汽车动态场景规划方法，其特征在于：步骤一场景信息处理与关键要素提取方法包括：
3.根据权利要求1所述的一种基于分时运算的智能汽车动态场景规划方法，其特征在于：步骤二短时运动预测判断与输出方法包括：
4.根据权利要求1所述的一种基于分时运算的智能汽车动态场景规划方法，其特征在于：步骤四A*算法架构初始化方法包括：
5.根据权利要求4所述的一种基于分时运算的智能汽车动态场景规划方法，其特征在于：采用曼哈顿距离作为启发式函数，确保双向搜索的一致性；
6.根据权利要求1所述的一种基于分时运算的智能汽车动态场景规划方法，其特征在于：步骤五路径双向迭代循环搜索方法包括：
7.根据权利要求1所述的一种基于分时运算的智能汽车动态场景规划方法，其特征在于：步骤六场景动态更新与路径输出方法包括：
8.一种基于分时运算的智能汽车动态场景规划系统，其特征在于：执行权利要求1所述的一种基于分时运算的智能
...【技术特征摘要】
1.一种基于分时运算的智能汽车动态场景规划方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于分时运算的智能汽车动态场景规划方法，其特征在于：步骤一场景信息处理与关键要素提取方法包括：
3.根据权利要求1所述的一种基于分时运算的智能汽车动态场景规划方法，其特征在于：步骤二短时运动预测判断与输出方法包括：
4.根据权利要求1所述的一种基于分时运算的智能汽车动态场景规划方法，其特征在于：步骤四a*算法架构初始化方法包括：
5.根据权利要求4所述的一种基于分时运算的智能汽车动态场景规划方法，其特征在于：采用曼哈顿距离作为启发式函数，确保双向搜索的一致性；
6.根据权利要求1所述的一种基于分时运算的智能汽车动态场景规划方法，其特征在于：步骤五路径双向迭代循环搜索方法包括：
7.根据权利要求1所述的一种基于分时运算的智能汽车动态场景规划方法，其特征在于：步骤六场景动态更新与路径输出...
【专利技术属性】
技术研发人员：朱冰，汤瑞，赵健，张培兴，李文旭，王帅，张锡智，曹昕然，
申请(专利权)人：吉林大学，
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。