CN107264531A - 一种半结构化环境中智能车辆自主换道超车运动规划方法 - Google Patents

Abstract

本发明公开了一种半结构化环境中智能车辆自主换道超车运动规划方法，包括以下步骤：步骤一，确定车辆所处的当前行驶状态；步骤二，采用基于GPS与车道线融合的换道路径规划方法规划超车换道轨迹向左换道；步骤三，确定超车换道预瞄点坐标，更新超车换道轨迹；步骤四，向左换道结束后，依据设定超车速度和时间进行超车；步骤五，按照步骤二所述方法向右回道；步骤六，确定超车回道预瞄点坐标，更新超车回道轨迹；步骤七，向右回道结束后，按照设定的直行速度开始直行。采用基于GPS与车道线融合的变道路径规划方法，具有较好的容错能力和鲁棒性，在变道过程中动态更新变道点，使车辆能够更好的避开动静态障碍物，顺利驶入相邻车道。

Description

一种半结构化环境中智能车辆自主换道超车运动规划方法

技术领域

本发明属于智能驾驶及其控制技术领域，特别涉及一种半结构化环境中智能车辆自主换道超车运动规划方法。

背景技术

超车换道行为在日常车辆驾驶过程中频繁发生，驾驶员为驶达目的地经常使用该驾驶技能，同时它也成为日常交通中非常危险的行为策略。驾驶员需掌握熟练的技术和技巧，并遵守交通法规，防止意外和事故发生。随行车速度的提高，超车时换道碰撞有明显的上升趋势。超车引发的事故不算多，由换道碰撞引起的死亡率不高，约占交通事故死亡人数的0.5％，但后果都较严重，而且造成严重的交通延时，大大降低了公路的运输效能。因此研究更加安全的智能车辆换道超车方法在我国具有很大的现实意义。借助一系列智能感知等手段，自动驾驶的智能型汽车可大大提升车辆的主动安全性能，纠正驾驶员错误的驾驶行为，在未来智能化交通发展的前景下，智能型汽车将最终彻底消灭交通事故

真实交通环境中驾驶员需要的超车换道信息90％来源与视觉，所以当前智能车辆超车换道实验信息来源于毫米波雷达、激光雷达、相机和GPS等高精度传感器。近几十年来，国内外关于超车换道问题的相关研究主要分为两类：即基于理论模型仿真分析和超车换道控制研究。模型仿真分析是尝试通过模型建立、分析和仿真找出最优的安全超车轨迹；而超车换道控制研究则基于实验方法研究找出适合智能车的最优控制算法。

在智能驾驶及其决策与规划领域，对超车换道的实现提出了较高的要求。特别是在城郊这种半结构化道路中，车道线时有时无，给智能车辆超车换道增加了难度。为此，需研究一种在城郊道路中基于信息融合的智能车超车换道规划方法，使得该方法能够合理的切换跟踪GPS点和车道线信息，实施更新换道点或回道点来更好地躲避动静态障碍物，更加安全的完成行驶任务。

发明内容

本发明提出了一种半结构化环境中智能车辆自主换道超车运动规划方法，其目的在于，为了解决现有理论和设计上存在超车换道、车辆回道不流畅的不足，通过采用跟踪GPS与车道线融合的超车换道、车辆回道路径规划方法，提高了智能车辆换道和回道的容错性和鲁棒性；在换道和回道过程中实时更新变道点，使车辆可以更好地避开动态、静态障碍物，顺利得到达目标车道。

一种半结构化环境中智能车辆自主换道超车运动规划方法，包括以下步骤：

步骤一，建立车辆导航坐标系，根据上一时刻车辆行驶状态，并结合当前车道上的前方障碍物情况，确定车辆所处的当前行驶状态；

所述车辆行驶状态包括：直行、换道、超车或回道；

步骤二，检测当前道路环境，若符合向左换道条件，实施向左换道，确定换道速度，并采用基于GPS与车道线融合的换道路径规划方法规划超车换道轨迹；

步骤三，基于实时车速获取超车换道最优预瞄距离，从而确定超车换道预瞄点坐标，基于超车换道预瞄点坐标采用考虑车辆运动学方程的三次多项式方法实时计算并更新超车换道轨迹；

步骤四，向左换道结束后，依据设定超车速度和时间进行超车；

步骤五，超车结束后检测当前车道情况，若符合向右回道条件，实施向右回道，确定回道速度，并采用基于GPS与车道线融合的换道路径规划方法规划超车回道轨迹；

步骤六，基于实时车速获取超车回道最优预瞄距离，从而确定超车回道预瞄点坐标，基于超车回道预瞄点坐标采用考虑车辆运动学方程的三次多项式方法实时计算并更新超车回道轨迹；

步骤七，向右回道结束后，按照设定的直行速度开始直行。

进一步地，采用基于GPS与车道线融合的换道路径规划方法规划变道轨迹是指：

以GPS为准校验车道线是否被正确识别，当车道线中线与GPS点横向距离小于0.8m时，车道线被正确识别，以车道线为基准规划变道轨迹；否则，以GPS为基准规划变道轨迹；

进行超车换道时，若以车道线为基准进行换道，将当前车道内左车道线沿Y轴正方向平移半个车道宽度作为全局期望路径点；若以GPS点为基准进行换道，将GPS点沿Y轴正方向平移一个车道宽度得到的点作为全局期望路径点；

进行超车回道时，若以车道线为基准进行回道，将当前车道内右车道线沿Y轴反方向平移半个车道宽度作为全局期望路径点；若以GPS点为基准进行回道，将GPS点沿Y轴反方向平移一个车道宽度得到的点作为全局期望路径点。

进一步地，所述变道点按照以下步骤获取：

步骤1：根据车辆的当前车速算出最优预瞄距离L_a：

式中，L_amin、v_change、K_la为常数，其中L_amin＝6.55，v_change＝2.28，K_la＝287；v表示车辆当前速率；L_amin表示智能车辆遇紧急情况时安全做出反应所需要的最小距离，即最小转弯半径；

步骤2：分别计算车辆前方5个点到车辆所处位置(x₀,y₀)的距离d_i：

每个点的坐标为(x_i,y_i)，i＝1,2,3,4,5，其中，第1个点为车辆当前位置在偏移后的全局期望路径上所对应的点，后续四个点以第1个点为起始点每隔5米确定；

步骤3：分别计算d_i线段与x轴的航向角delta_d_i：delta_d_i＝arctan[(y_i-y₀)/(x_i-x₀)]；

步骤4：分别计算每个点在车辆行驶方向的横向距离m_later(i)：

m_later(i)＝d_i×sin(yaw_vehicle-delta_d_i)

其中，yaw_vehicle表示车辆当前航向角；

步骤5：计算每个点对应的曲率半径R_i：R_i＝d_i ²/(2×m_later(i))；

步骤6：在R_i中选择大于等于L_a，且与L_a误差最小的R_i所对应的点为预瞄点，即变道点(X_f，Y_f)。

进一步地，采用考虑车辆运动学方程的三次多项式方法实时计算得到的变道轨迹方程为Y(X)＝a₀+a₁X+a₂X²+a₃X³；

其中，a₀＝a₁＝0，y_offset＝Y_f cosθ+X_f sinθ；

y_offset为车辆当前位置和期望全局路径在变道点处切线之间的横向距离，θ表示变道点处期望航向角。

期望轨迹每50ms重新刷新一次，实时滚动优化，既可以消除横向的位置偏差，也能保证行车路线安全可靠。同时，由于控制对象的惯性与滞后性，设计控制器控制周期为100ms。对于横向控制器而言，每100ms读取一次期望给定轨迹(更新a₀～a₃轨迹系数)，给客车转向***足够的时间完成在控制周期内的轨迹跟踪。而控制器的采样时间为100ms，快速采样计算能有效消除外部干扰。

进一步地，所述车辆导航坐标系是指坐标原点为车头中心位置，车辆正前方为X轴，车辆正左方为Y轴，车辆正上方为Z轴。

进一步地，所述向左换道条件是指车辆不在缓冲区、弯道及匝道；前方车辆速度小于本车车速；本车道左侧存在同向车道；左侧车道中安全距离内不存在障碍物；

所述向右回道条件是指本车道右侧存在同向车道；右侧车道中安全距离内不存在障碍物。

车辆当前车道前方的障碍物用毫米波雷达检测，侧方如左右车道障碍物用激光雷达检测；

前方车辆速度采用毫米波雷达检测；

采用毫米波雷达检测前方障碍，并对障碍物信息按照以下处理过程进行排序，获得排序：

对于低速动态障碍物的滤除，采用速度门限的方法，通过对动态障碍物速度信息的比较，高于门限值的动态障碍物将得以保存，低于门限值的障碍物将被滤除，完成低速障碍物的滤除之后，需要对障碍物的进行排序并编号，编号的依据是每一组障碍物当中所包含的距离信息，按照距离由近到远，依次进行排序。

有益效果

本发明提供了一种半结构化环境中智能车辆自主换道超车运动规划方法，包括以下步骤：步骤一，建立车辆导航坐标系，根据上一时刻车辆行驶状态，并结合当前车道上的前方障碍物情况，确定车辆所处的当前行驶状态；步骤二，实施向左换道，确定换道速度，并采用基于GPS与车道线融合的换道路径规划方法规划超车换道轨迹；步骤三，确定超车换道预瞄点坐标，更新超车换道轨迹；步骤四，向左换道结束后，依据设定超车速度和时间进行超车；步骤五，实施向右回道，确定回道速度，并采用基于GPS与车道线融合的换道路径规划方法规划超车回道轨迹；步骤六，确定超车回道预瞄点坐标，基更新超车回道轨迹；步骤七，向右回道结束后，按照设定的直行速度开始直行。

其优点具体体现在以下几点：

1.采用基于GPS与车道线融合的换道和回道路径规划方法，在丢失车道线信息或者GPS点信息其中的一种时，智能车辆仍然能够安全的进行超车操作，具有更好的容错性与鲁棒性。

2.动态更新换道点和回道点并生成轨迹，使车辆能够更好的躲避动静态障碍物，使整个超车过程更加安全；

3.改善了智能车辆在整个超车阶段的轨迹生成方法与速度分配方法，有效的克服了换道或回道时横向速度和加速度过大的问题，提高了乘车的舒适性。

附图说明

图1为本发明所述方法的流程图；

图2为车辆坐标系；

图3为采用三次多项式生成轨迹示意图；

图4为实施例换道效果图。

具体实施方式

以下将结合附图和具体实施例对本发明作进一步详细说明。

本实施例采用长12m，宽2.5m大客车改装的智能车，装有激光雷达，毫米波雷达，摄像头以及GPS/IMU***，在标准双向六车道的道路展开智能车辆的超车实验。

参见图1所示的流程图，一种半结构化环境中智能车辆自主换道超车运动规划方法，规划周期为50ms，包括以下步骤：

步骤一，建立车辆导航坐标系，根据上一时刻车辆行驶状态，并结合当前车道上的前方障碍物情况，确定车辆所处的当前行驶状态；

所述车辆行驶状态包括：直行、换道、超车或回道；

步骤二，检测当前道路环境，若符合向左换道条件，实施向左换道，确定换道速度，并采用基于GPS与车道线融合的换道路径规划方法规划超车换道轨迹；

步骤三，基于实时车速获取超车换道最优预瞄距离，从而确定超车换道预瞄点坐标，基于超车换道预瞄点坐标采用考虑车辆运动学方程的三次多项式方法实时计算并更新超车换道轨迹；

步骤四，向左换道结束后，依据设定超车速度和时间进行超车；

步骤五，超车结束后检测当前车道情况，若符合向右回道条件，实施向右回道，确定回道速度，并采用基于GPS与车道线融合的换道路径规划方法规划超车回道轨迹；

步骤六，基于实时车速获取超车回道最优预瞄距离，从而确定超车回道预瞄点坐标，基于超车回道预瞄点坐标采用考虑车辆运动学方程的三次多项式方法实时计算并更新超车回道轨迹；

步骤七，向右回道结束后，按照设定的直行速度开始直行。

采用毫米波雷达检测前方障碍，并对障碍物信息按照以下处理过程进行排序，获得排序：

对于低速动态障碍物的滤除，采用速度门限的方法，通过对动态障碍物速度信息的比较，高于门限值的动态障碍物将得以保存，低于门限值的障碍物将被滤除，完成低速障碍物的滤除之后，需要对障碍物的进行排序并编号，编号的依据是每一组障碍物当中所包含的距离信息，按照距离由近到远，依次进行排序。

所述的步骤一具体包括以下步骤：

(1.1)由于客车车长为12m，车头与车尾在转弯时存在较大的角度误差，GPS/IMU接收器安装在车头位置，有效减少车辆转向误差及GPS反馈误差。为了在换道和回道阶段平移车道线或GPS点，定义车辆坐标系，其中坐标原点为车头中心位置，车辆正前方为X轴，车辆正左方为Y轴，车辆正上方为Z轴，满足右手定则，参见图2。

(1.2)毫米波雷达检测当前车道中车辆前方是否存在障碍物，如果不存在，则车辆进行直行操作，目标速度为v_d＝5.4m/s；如果存在，则需考虑障碍物与本车之间的距离来进行下一步判断，距离不同则智能车辆进行的操作不同。当毫米波雷达检测到存在障碍物，且两车之间距离大于最小换道距离s1时(最小换道距离s1为：s1＝4v+17.5m，其中v为车辆当前速度，单位m/s)，考虑换道；当毫米波雷达检测到存在障碍物，且两车之间距离小于最小换道距离s1，且大于安全距离s2时(安全距离s2为：s2＝2.5v+12m，其中v为车辆当前速度，单位m/s)，车辆减速直行；当毫米波雷达检测到存在障碍物，且两车之间距离小于安全距离s2时，车辆紧急停车。

(1.3)根据上一时刻车辆状态确定车辆当前状态：直行、换道、超车或者回道，然后分别进入不同的步骤中开始执行相应的操作。上一时刻车辆状态为直行时，车辆当前状态为直行并转步骤二执行；上一时刻车辆状态为换道时，车辆当前状态为换道并转步骤三执行；上一时刻车辆状态为超车时，车辆当前状态为超车并转步骤四执行；上一时刻车辆状态为回道时，车辆当前状态为回道并转步骤六执行。

所述步骤二具体包括以下步骤：

(2.1)当激光雷达等感知检测到当前环境符合换道条件后，实施向左换道；否则，继续直行。具体换道的条件包括以下四项：车辆不在缓冲区、弯道、匝道等特殊路段；毫米波雷达检测到前方车辆速度小于本车车速；本车道左侧存在同向车道；激光雷达检测到左侧车道中换道安全距离s3内不存在障碍物(依据经验换道安全距离s3定义为：s3＝4v+30m，其中v为车辆当前速度，单位m/s)。

(2.2)换道速度：为保证换道安全以及舒适性，换道阶段速度应低于直行阶段速度，因此，应适当减速，令目标速度v_d＝2.7m/s。

(2.3)采用基于GPS与车道线融合的换道路径规划方法：以GPS为准校验车道线是否正确识别，当车道线中线与GPS点横向距离小于0.8m时，车道正确识别，以车道线为基准规划换道轨迹；否则，以GPS为基准规划换道轨迹。

所述步骤三具体包括以下步骤：

(3.1)若以车道线为基准进行换道，将当前车道内左车道线沿Y轴正方向平移半个车道宽度作为全局期望路径点；若以GPS点为基准进行换道，将GPS点沿Y轴正方向平移一个车道宽度得到的点作为全局期望路径点。其中，车道宽度为2m。

为使换道轨迹具有连续性，动态更新换道点，每隔50ms刷新一次，具体计算步骤如下：

步骤3.1.1：为根据车辆的当前车速算出最优预瞄距离L_a，并根据最优预瞄距离L_a及车辆前方五个路径点确定换道点。

式中，L_amin、v_change、K_la为常数，其中L_amin＝6.55，v_change＝2.28，K_la＝287。v表示车辆当前速率。L_amin表示智能车辆遇紧急情况时安全做出反应所需要的最小距离，即最小转弯半径。

步骤3.1.2：取车辆前方5个点坐标，点的选取方法如下：选取车辆当前位置在偏移后的全局期望路径上所对应的点作为第1个点，，然后每隔5米确定剩余4个点。

分别计算车辆前方5个点坐标(x_i,y_i)，i＝1,2,3,4,5到车辆所处位置(x₀,y₀)的距离d_i：

步骤3.1.3：分别计算d_i线段与x轴的航向角delta_d_i：

delta_d_i＝arctan[(y_i-y₀)/(x_i-x₀)]

步骤3.1.4：分别计算每个点在车辆行驶方向的横向距离m_later(i)：

m_later(i)＝d_i×sin(yaw_vehicle-delta_d_i)

步骤3.1.5：分别算出曲率半径R_i：

R_i＝d_i ²/(2×m_later(i))

步骤3.1.6：在R_i中选择大于等于L_a，且与L_a误差最小的R_i所对应的点为预瞄点，也即换道点(X_f，Y_f)。

(3.2)采用考虑车辆运动学方程的三次多项式方法，生成换道轨迹，参见图3，期望轨迹每50ms重新刷新一次，实时滚动优化，既可以消除横向的位置偏差，也能保证行车路线安全可靠。同时，由于控制对象的惯性与滞后性，设计控制器控制周期为100ms。对于横向控制器而言，每100ms读取一次基于三次多项式生成的期望轨迹，以此更新轨迹系数a₀～a₃轨迹系数)，给客车转向***足够的时间完成在控制周期内的轨迹跟踪。而控制器的采样时间为100ms，快速采样计算能有效消除外部干扰；本实例中的换道效果图如图4所示。

设换道轨迹方程为：

Y(X)＝a₀+a₁X+a₂X²+a₃X³

其中，a₀＝a₁＝0，y_offset＝Y_f cosθ+X_f sinθ；

其中，y_offset为车辆当前位置和期望全局路径在换道点处切线之间的横向距离，θ表示换道点处期望航向角。

所述步骤四具体包括以下步骤：

(4.1)向左换道结束后，开始超车操作；否则，继续向左换道。向左换道结束条件如下：车辆当前位置与期望轨迹横向偏差小于设定值，设定值为0.2m。

(4.2)确定超车速度并判定车回道时刻：为保证能够实现超车任务，超车阶段速度应高于换道阶段速度，因此应适当加速，令目标速度v_d＝5.4m/s。并使加速保持一段时间，令加速时间t＝100s。

所述步骤五具体包括以下步骤：

(5.1)超车结束条件：超车阶段时间到达设定值，即100s。

(5.2)超车结束并满足向右回道条件后，实施向右回道，若不满足向右回道条件，则车辆在当前车道直行直到满足向右回道条件。向右回道条件包括以下两项：本车道右侧存在同向车道；激光雷达检测到右侧车道中回道安全距离s4内不存在障碍物(依据经验安全距离s4定义为：s2＝4v+30m，其中v为车辆当前速度，单位m/s)。

(5.3)确定回道速度：为确保安全以及舒适性，回道速度应低于超车阶段速度，因此适当减速，令目标速度v_d＝2.7m/s。

(5.4)采用基于GPS与车道线融合的回道路径规划方法：以GPS为准校验车道线是否正确识别，当车道线中线与GPS点横向距离小于0.8m时，车道正确识别，以车道线为基准规划回道轨迹；否则，以GPS为基准规划回道轨迹。

所述步骤六具体包括以下步骤：

(6.1)若以车道线为基准进行回道，将当前车道内右车道线沿Y轴反方向平移半个车道宽度作为全局期望路径点；若以GPS点为基准进行回道，将GPS点沿Y轴反方向平移一个车道宽度得到的点作为全局期望路径点。其中，车道宽度为2m。

为使回道轨迹具有连续性，动态更新回道点，每隔50ms刷新一次，具体计算步骤如下：

步骤6.1.1：根据车辆的当前车速算出最优预瞄距离L_a，并根据最优预瞄距离L_a及车辆前方五个路径点确定回道点。

式中，L_amin、v_change、K_1a为常数，其中L_amin＝6.55，v_change＝2.28，K_1a＝287。v表示车辆当前速率。L_amin表示智能车辆遇紧急情况时安全做出反应所需要的最小距离，即最小转弯半径。

步骤6.1.2：取车辆前方5个点坐标，点的选取方法如下：选取车辆当前位置在偏移后的全局期望路径上所对应的点，作为第1个点，然后每隔5米确定剩余4个点。

分别计算车辆前方5个点坐标(x_i,y_i)，i＝1,2,3,4,5到车辆所处位置(x₀,y₀)的距离d_i：

步骤6.1.3：分别计算d_i线段与x轴的航向角delta_d_i：

delta_d_i＝arctan[(y_i-y₀)/(x_i-x₀)]

步骤6.1.4：分别计算每个点在车辆行驶方向的横向距离m_later(i)：

m_later(i)＝d_i×sin(yaw_vehicle-delta_d_i)

步骤6.1.5：分别算出曲率半径R_i：

R_i＝d_i ²/(2×m_later(i))

步骤6.1.6：在R_i中选择大于等于L_aL_a，且与L_aL_a误差最小的R_i所对应的点为预瞄点，也即回道点(X_f′，Y_f′)。

(6.2)采用考虑车辆运动学方程的三次多项式方法，生成回道轨迹，期望轨迹每50ms重新刷新一次，实时滚动优化，既可以消除横向的位置偏差，也能保证行车路线安全可靠。同时，由于控制对象的惯性与滞后性，设计控制器控制周期为100ms。对于横向控制器而言，每100ms读取一次基于三次多项式生成的期望轨迹，以此更新轨迹系数a₀′～a₃′，给客车转向***足够的时间完成在控制周期内的轨迹跟踪。而控制器的采样时间为100ms，快速采样计算能有效消除外部干扰。

设回道轨迹方程为：

Y(X)＝a₀+a₁X+a₂X²+a₃X³

其中，a₀＝a₁＝0，y_offset＝Y_f'cosθ'+X_f'sinθ'；

其中，y′_offset为车辆当前位置和期望全局路径在回道点处切线之间的横向距离，θ′表示回道点处期望航向角。

所述步骤七具体包括以下步骤：

(7.1)向右回道结束后开始直行；否则，继续向右回道。向右回道结束的条件：车辆当前位置与期望轨迹横向偏差小于设定值，设定值为0.2m。

(7.2)确定直行速度：回道时为保证安全以及舒适性，车辆以较低速度行驶，为此回道结束进入直行阶段后，车辆应适当加速，令目标速度v_d＝5.4m/s。

当前周期结束后，在新的周期内根据条件判断选择性执行上述步骤，从而实现在城郊道路中基于信息融合的智能车超车换道。

以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。

Claims (6)

1.一种半结构化环境中智能车辆自主换道超车运动规划方法，其特征在于，包括以下步骤：

步骤一，建立车辆导航坐标系，根据上一时刻车辆行驶状态，并结合当前车道上的前方障碍物情况，确定车辆所处的当前行驶状态；

所述车辆行驶状态包括：直行、换道、超车或回道；

步骤二，检测当前道路环境，若符合向左换道条件，实施向左换道，确定换道速度，并采用基于GPS与车道线融合的换道路径规划方法规划超车换道轨迹；

步骤三，基于实时车速获取超车换道最优预瞄距离，从而确定超车换道预瞄点坐标，基于超车换道预瞄点坐标采用考虑车辆运动学方程的三次多项式方法实时计算并更新超车换道轨迹；

步骤四，向左换道结束后，依据设定超车速度和时间进行超车；

步骤五，超车结束后检测当前车道情况，若符合向右回道条件，实施向右回道，确定回道速度，并采用基于GPS与车道线融合的换道路径规划方法规划超车回道轨迹；

步骤六，基于实时车速获取超车回道最优预瞄距离，从而确定超车回道预瞄点坐标，基于超车回道预瞄点坐标采用考虑车辆运动学方程的三次多项式方法实时计算并更新超车回道轨迹；

步骤七，向右回道结束后，按照设定的直行速度开始直行。

2.根据权利要求1所述的方法，其特征在于，采用基于GPS与车道线融合的换道路径规划方法规划变道轨迹是指：

以GPS为准校验车道线是否被正确识别，当车道线中线与GPS点横向距离小于0.8m时，车道线被正确识别，以车道线为基准规划变道轨迹；否则，以GPS为基准规划变道轨迹；

进行超车换道时，若以车道线为基准进行换道，将当前车道内左车道线沿Y轴正方向平移半个车道宽度作为全局期望路径点；若以GPS点为基准进行换道，将GPS点沿Y轴正方向平移一个车道宽度得到的点作为全局期望路径点；

进行超车回道时，若以车道线为基准进行回道，将当前车道内右车道线沿Y轴反方向平移半个车道宽度作为全局期望路径点；若以GPS点为基准进行回道，将GPS点沿Y轴反方向平移一个车道宽度得到的点作为全局期望路径点。

3.根据权利要求2所述的方法，其特征在于，所述变道点按照以下步骤获取：

步骤1：根据车辆的当前车速算出最优预瞄距离L_a：

<mrow> <msub> <mi>L</mi> <mi>a</mi> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <msub> <mi>L</mi> <mrow> <mi>a</mi> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> </msub> </mtd> <mtd> <mrow> <mi>v</mi> <mo>&lt;</mo> <msub> <mi>v</mi> <mrow> <mi>c</mi> <mi>h</mi> <mi>a</mi> <mi>n</mi> <mi>g</mi> <mi>e</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>K</mi> <mrow> <mi>l</mi> <mi>a</mi> </mrow> </msub> <mi>v</mi> </mrow> </mtd> <mtd> <mrow> <mi>v</mi> <mo>&amp;GreaterEqual;</mo> <msub> <mi>v</mi> <mrow> <mi>c</mi> <mi>h</mi> <mi>a</mi> <mi>n</mi> <mi>g</mi> <mi>e</mi> </mrow> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>

式中，L_amin、v_change、K_la为常数，其中L_amin＝6.55，v_change＝2.28，K_la＝287；v表示车辆当前速率；L_amin表示智能车辆遇紧急情况时安全做出反应所需要的最小距离，即最小转弯半径；

步骤2：分别计算车辆前方5个点到车辆所处位置(x₀,y₀)的距离d_i：

<mrow> <msub> <mi>d</mi> <mi>i</mi> </msub> <mo>=</mo> <msqrt> <mrow> <msup> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>x</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>y</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>y</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <mo>;</mo> </mrow>

每个点的坐标为(x_i,y_i)，i＝1,2,3,4,5，其中，第1个点为车辆当前位置在偏移后的全局期望路径上所对应的点，后续四个点以第1个点为起始点每隔5米确定；

步骤3：分别计算d_i线段与x轴的航向角delta_d_i：delta_d_i＝arctan[(y_i-y₀)/(x_i-x₀)]；

步骤4：分别计算每个点在车辆行驶方向的横向距离m_later(i)：

m_later(i)＝d_i×sin(yaw_vehicle-delta_d_i)

其中，yaw_vehicle表示车辆当前航向角；

步骤5：计算每个点对应的曲率半径R_i：R_i＝d_i ²/(2×m_later(i))；

步骤6：在R_i中选择大于等于L_a，且与L_a误差最小的R_i所对应的点为预瞄点，即变道点(X_f，Y_f)。

4.根据权利要求3所述的方法，其特征在于，采用考虑车辆运动学方程的三次多项式方法实时计算得到的变道轨迹方程为Y(X)＝a₀+a₁X+a₂X²+a₃X³；

其中，a₀＝a₁＝0，y_offset＝Y_f cosθ+X_fsinθ；

y_offset为车辆当前位置和期望全局路径在变道点处切线之间的横向距离，θ表示变道点处期望航向角。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述车辆导航坐标系是指坐标原点为车头中心位置，车辆正前方为X轴，车辆正左方为Y轴，车辆正上方为Z轴。

6.根据权利要求5所述的方法，其特征在于，所述向左换道条件是指车辆不在缓冲区、弯道及匝道；前方车辆速度小于本车车速；本车道左侧存在同向车道；左侧车道中安全距离内不存在障碍物；

所述向右回道条件是指本车道右侧存在同向车道；右侧车道中安全距离内不存在障碍物。