CN108594812A - 一种结构化道路的智能车辆平滑轨迹规划方法 - Google Patents

Abstract

本发明公开了一种结构化道路的智能车辆平滑轨迹规划方法，先通过传感器检测本车在当前行驶的车道前方是否有车辆，再计算其碰撞时间，根据碰撞时间判断换道条件，然后在满足换道条件下检测超车车道的车辆状态，并建立局部栅格地图并规划轨迹，最后对规划的所有轨迹进行评价并选择最优轨迹，具体一定的推广性，满足当前无人车驾驶领域发展的需要。

Description

一种结构化道路的智能车辆平滑轨迹规划方法

技术领域

本发明属于智能车技术领域，更为具体地讲，涉及一种结构化道路的智能车辆平滑轨迹规划方法。

背景技术

无人驾驶技术是人工智能发展的重要领域，也是智能交通，智慧城市未来的重要组成部分，其顶层智能算法可分为环境感知、世界认知、规划决策。其中规划决策是实现无人驾驶车辆行驶的直接环节，也是该领域需要攻克的重难点技术。

在封闭的路段，实现无人驾驶已不再有技术难点，如何让无人车安全行驶在有行人和车辆的环境或公路上成为了需要攻克的关键技术，此时规划决策模块需要充分考虑和理解车辆与周围环境的关系，交互和遵守交通规则。

在目前成熟的规划技术中，适用于无人驾驶车辆的主要有以下几种算法：快速搜索随机树(RRT)、基于启发式搜索的高维状态空间法、混合A*算法等等。这些算法能让无人车在封闭的路段中规划出可跟踪行驶的路径，同时也可以结合一些其他方法，例如障碍物轨迹预测等在一定程度上躲避障碍物。汽车在结构化道路上行驶，其互动对象主要是周围来往的车辆，最常见的驾驶行为如车道保持，跟车，减速避让，加速超车，左右换道，紧急刹车等等，从车道级进行划分，可分为保持车道和换道，如何完成无人车拟人化的规划决策，还需要进一步研究。

发明内容

本发明的目的在于克服现有技术的不足，提供一种结构化道路的智能车辆平滑轨迹规划方法，根据其他车辆行驶的结构化道路环境，规划出最优局部路径。

为实现上述发明目的，本发明一种结构化道路的智能车辆平滑轨迹规划方法，其特征在于，包括以下步骤：

(1)、计算碰撞时间

(1.1)、通过传感器检测本车在当前行驶的车道前方是否有车辆，如果没有，则保持原道原速行驶；如果有车辆，则检测出前方车辆的速度与位置；

(1.2)、根据前方车辆的速度与位置，判断前方车辆的速度是否小于本车车速且两车相对距离在安全范围外，如果是，则计算出碰撞时间TTC；

TTC＝d/(v₁-v₂) (1)

其中，d为两车相对距离，v₁为本车车速，v₂为前方车辆车速；

(2)、换道条件判断

将TTC与预设的阈值比较，如果TTC小于或等于阈值，则进入步骤(3)，如果TTC大于阈值，则动态调整本车车速，并返回步骤(1)；

(3)、超车车道的车辆状态检测

(3.1)、检测出超车车道没有车辆行驶，则可直接换道，并进入步骤(4)；

(3.2)、检测出超车车道有车辆行驶，则进行换道条件预判；

(3.2.1)、计算侧向碰撞时间

设本车的当前位置为A，纵向速度为v₁，与待换车道最近的车辆的位置为B，两车的相对距离为d，两辆车分别行驶于车道的中心，车道的宽度为L，两辆车的宽度都为w，忽略车长，本车在换道时的侧向加速度恒定为a₁，本车从t＝0时刻开始以侧向加速度a₁行驶，纵向速度v₁保持不变，当车辆到达两车道交界点时，侧向速度开始以-a₁减速度减速，直至行驶到目标车道，此时的纵向速度为0；

用时间t的参数方程表示待换车道最近的车辆的瞬时位置为：

用时间t的参数方程表示本车的瞬时位置为：

当

时，

两车之间的距离l以时间为因变量可得：用时间t的参数方程表示两车之间的距离l为：

当

将本车到达碰撞点时的侧向位移为L-w代入到式(5)中替代l，然后计算出时间t，即为侧向碰撞时间T_c；

(3.2.2)、计算本车速度与加速度是否满足约束范围

设本车换道后，本车与待换车道最近车辆间的安全距离为D₁；

如果本车换道后位于待换车道最近车辆的前面，设待换车道最近车辆在T_c时间段内匀速行驶；

计算本车的横向加速度为a₁：

判断如下条件是否满足：

其中，[a_min,a_max]表示本车加速度的限制范围，[v_min,v_max]表示本车车速在T时间段内的最小值和最大值；

如果满足上述条件，则可直接换道，并进入步骤(4)；否则动态调整本车车速，并返回步骤(1)；

如果本车换道后位于待换车道最近车辆的后面，设待换车道最近车辆在T时间段内匀速行驶；

计算本车的横向加速度为a₁：

同样判断如下条件是否满足：

如果满足上述条件，则可直接换道，并进入步骤(4)；否则动态调整本车车速，并返回步骤(1)；

(4)、建立局部栅格地图并规划轨迹

(4.1)、建立局部栅格地图

以车道为边界，建立局部栅格地图，每个栅格的状态分为占有与空闲；

(4.2)、规划轨迹

以与前方车辆水平方向的车道中间位置作为局部目标点，在其附近左右间距相等的位置处取k个点作为局部目标点集合；

根据本车的前进速度和侧向加速度，确定当前位置下，以时间t为间隔，下一时刻本车可能到达的位置集合，同时选取的位置需要满足在当前时刻下，对应栅格状态为空闲，再将这些栅格单元平滑连接，得到多条规划轨迹；

(5)、评价并选择最优轨迹

以路径长短、两车之间的安全距离，以及车辆在目标点的状态是否靠近车道中央作为评价标准，选出一条最优车辆轨迹。

本发明的发明目的是这样实现的：

本发明一种结构化道路的智能车辆平滑轨迹规划方法，先通过传感器检测本车在当前行驶的车道前方是否有车辆，再计算其碰撞时间，根据碰撞时间判断换道条件，然后在满足换道条件下检测超车车道的车辆状态，并建立局部栅格地图并规划轨迹，最后对规划的所有轨迹进行评价并选择最优轨迹，具体一定的推广性，满足当前无人车驾驶领域发展的需要。

同时，本发明一种结构化道路的智能车辆平滑轨迹规划方法还具有以下有益效果：

(1)、本发明采用的方法易于理解，理论简单，推广性强，适用于所有无人驾驶车辆；

(2)、本发明在检测超车车道的车辆状态时理论分析了车辆换道超车整个过程的安全性，在实际上保证了车辆间的安全距离，决策结果具有拟人特性；

(3)、本发明能够能规划出最优或近似最优的局部路径，同时路径满足无人车的行驶要求，能合理跟踪。

附图说明

图1是本发明一种结构化道路的智能车辆平滑轨迹规划方法流程图；

图2是车辆间的位置关系图；

图3是侧向碰撞时间分析图；

图4是本车换道后位于待换车道最近车辆的前面示意图；

图5是本车换道后位于待换车道最近车辆的后面示意图；

图6是不同时刻的栅格图；

图7是车道轨迹规划示意图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

实施例

图1是本发明一种结构化道路的智能车辆平滑轨迹规划方法流程图。

在本实施例中，如图1所示，本发明一种结构化道路的智能车辆平滑轨迹规划方法，包括以下步骤：

S1、计算碰撞时间

S1.1、一般无人驾驶车辆都装备激光雷达传感器与视觉传感器，可通过视觉传感器检测本车在当前行驶的车道前方是否有车辆，如果没有，则保持原道原速行驶；如果有车辆，则通过激光雷达传感器检测出前方车辆的速度与位置；

S1.2、根据前方车辆的速度与位置，判断前方车辆的速度是否小于本车车速且两车相对距离在安全范围外，如果是，则计算出碰撞时间TTC；

TTC＝d/(v₁-v₂) (1)

其中，d为两车相对距离，v₁为本车车速，v₂为前方车辆车速；

S2、换道条件判断

将TTC与预设的阈值比较，本实施例中阈值设置为0.6，如果TTC小于或等于阈值，则进入步骤S3，如果TTC大于阈值，则动态调整本车车速，并返回步骤S1；

S3、超车车道的车辆状态检测

S3.1、如图2(a)所示，检测出超车车道没有车辆行驶，则可直接换道，并进入步骤S4；

S3.2、如图2(b)所示，检测出超车车道有车辆行驶，则进行换道条件预判；

S3.2.1、分析在无人车换道过程中，是否会与旁边行驶车辆发生侧碰，或者是否能保持车辆间的安全距离，因此，首先需要计算侧向碰撞时间。

如图3所示，设本车的当前位置为A，纵向速度为v₁，与待换车道最近的车辆的位置为B，两车的相对距离为d，两辆车分别行驶于车道的中心，车道的宽度为L，两辆车的宽度都为w，忽略车长，本车在换道时的侧向加速度恒定为a₁，本车从t＝0时刻开始以侧向加速度a₁行驶，纵向速度v₁保持不变，当车辆到达两车道交界点时，侧向速度开始以-a₁减速度减速，直至行驶到目标车道，此时的纵向速度为0；

用时间t的参数方程表示待换车道最近的车辆的瞬时位置为：

用时间t的参数方程表示本车的瞬时位置为：

当

时，

两车之间的距离l以时间为因变量可得：用时间t的参数方程表示两车之间的距离l为：

当

公式(5)表示计算本车还未到达超车道的目标位置之前与最近车辆的距离，公式(6)表示计算本车到达超车道的目标位之后，与最近车辆的距离。

在本实施例中，计算侧向碰撞时间则需要考虑公式(5)情况，因此我们将本车到达碰撞点时的侧向位移为L-w代入到式(5)中替代l，然后计算出时间t，即为侧向碰撞时间T_c；

S3.2.2、计算本车速度与加速度是否满足约束范围

设本车换道后，本车与待换车道最近车辆间的安全距离为D₁；

如图4所示，如果本车换道后位于待换车道最近车辆的前面，设待换车道最近车辆在T_c时间段内匀速行驶；计算本车的横向加速度为a₁：

判断如下条件是否满足：

其中，[a_min,a_max]表示本车加速度的限制范围，[v_min,v_max]表示本车车速在T时间段内的最小值和最大值；

如果满足上述条件，则可直接换道，并进入步骤S4；否则动态调整本车车速，并返回步骤S1；

如图5所示，如果本车换道后位于待换车道最近车辆的后面，设待换车道最近车辆在T时间段内匀速行驶；

计算本车的横向加速度为a₁：

同样判断如下条件是否满足：

如果满足上述条件，则可直接换道，并进入步骤S4；否则动态调整本车车速，并返回步骤S1；

在本实施例中，上述步骤中动态调整本车车速的方法为：

设无人车当前车速为v₁，待换车道最近车辆车速为v₂，且两车相对相距d，设定车辆间的安全距离为d₀，此时无人车加速度为：

a＝k₀(v₂-v₁)+k₁(d-d₀)

a_{max_deceleration}≤a≤a_{max_acceleration}

v₁≤v_max

其中，k₀表示速度差的影响权重，k₁表示距离差的影响权重。

S4、建立局部栅格地图并规划轨迹

S4.1、建立局部栅格地图

以车道为边界，建立局部栅格地图，每个栅格的状态分为占有与空闲；

由于行车轨迹只存在于车道范围以内，所以我们以车道为边界，建立局部栅格地图，供后续规划使用，由于环境中存在高速行驶的车辆，且我们希望一次规划的轨迹尽量不需要改变和更新，因此，最好的方法是尽可能保证栅格地图准确。按无人车大小，将局部感知地图划分为小的栅格，每个栅格的状态分为占有与空闲，我们已有换道车辆的运动模型，以t＝0.2为时间分辨率，可计算每个栅格在0.6s内是否被行驶的车辆占据，如图6所示，因此每个栅格将保存30个状态。

S4.2、规划轨迹

首先确定车辆在地图上的局部目标点,以与前方车辆水平方向的车道中间位置作为局部目标点，在其附近左右间距相等的位置处取3-4个点作为局部目标点集合；

根据本车的前进速度和侧向加速度，确定当前位置下，以时间t为间隔，下一时刻本车可能到达的位置集合，同时选取的位置需要满足在当前时刻下，对应栅格状态为空闲，再将这些栅格单元平滑连接，如图7所示，得到多条规划轨迹；

S5、评价并选择最优轨迹

评价标准包括路径长短、两车之间的安全距离，以及车辆在目标点的状态是否靠近车道中央，我们通过评价轨迹这几方面影响因素选出一条最优车辆轨迹。

S6、根据最优车辆轨迹对本车进行实时跟踪。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (2)

1.一种结构化道路的智能车辆平滑轨迹规划方法，其特征在于，包括以下步骤：

(1)、计算碰撞时间

(1.1)、通过传感器检测本车在当前行驶的车道前方是否有车辆，如果没有，则保持原道原速行驶；如果有车辆，则检测出前方车辆的速度与位置；

(1.2)、根据前方车辆的速度与位置，判断前方车辆的速度是否小于本车车速且两车相对距离在安全范围外，如果是，则计算出碰撞时间TTC；

TTC＝d/(v₁-v₂) (1)

其中，d_r为两车相对距离，v₁为本车车速，v₂为前方车辆车速；

(2)、换道条件判断

将TTC与预设的阈值比较，如果TTC小于或等于阈值，则进入步骤(3)，如果TTC大于阈值，则动态调整本车车速，并返回步骤(1)；

(3)、超车车道的车辆状态检测

(3.1)、检测出超车车道没有车辆行驶，则可直接换道，并进入步骤(4)；

(3.2)、检测出超车车道有车辆行驶，则进行换道条件预判；

(3.2.1)、计算侧向碰撞事件

设本车的当前位置为A，纵向速度为v₁，与待换车道最近的车辆的位置为B，两车的相对距离为d，两辆车分别行驶于车道的中心，车道的宽度为L，两辆车的宽度都为w，忽略车长，本车在换道时的侧向加速度恒定为a₁，本车从t＝0时刻开始以侧向加速度a₁行驶，纵向速度v₁保持不变，当车辆到达两车道交界点时，侧向速度开始以-a₁减速度减速，直至行驶到目标车道，此时的纵向速度为0；

用时间t的参数方程表示待换车道最近的车辆的瞬时位置为：

用时间t的参数方程表示本车的瞬时位置为：

当

时，

两车之间的距离l以时间为因变量可得：用时间t的参数方程表示两车之间的距离l为：

当

将本车到达碰撞点时的侧向位移位移为L-w代入到式(5)中替代l，然后计算出时间t，即为侧向碰撞时间T_c；

(3.2.2)、计算本车速度与加速度是否满足约束范围

设本车换道后，本车与待换车道最近车辆间的安全距离为D₁；

如果本车换道后位于待换车道最近车辆的前面，设待换车道最近车辆在T_c时间段内匀速行驶；

计算本车的横向加速度为a₁：

判断如下条件是否满足：

其中，[a_min,a_max]表示本车加速度的限制范围，[v_min,v_max]表示本车车速在T时间段内的最小值和最大值；

如果满足上述条件，则可直接换道，并进入步骤(4)；否则动态调整本车车速，并返回步骤(1)；

如果本车换道后位于待换车道最近车辆的后面，设待换车道最近车辆在T时间段内匀速行驶；

计算本车的横向加速度为a₁：

同样判断如下条件是否满足：

如果满足上述条件，则可直接换道，并进入步骤(4)；否则动态调整本车车速，并返回步骤(1)；

(4)、建立局部栅格地图并规划轨迹

(4.1)、建立局部栅格地图

以车道为边界，建立局部栅格地图，每个栅格的状态分为占有与空闲；

(4.2)、规划轨迹

以与前方车辆水平方向的车道中间位置作为局部目标点，在其附近左右间距相等的位置处取k个点作为局部目标点集合；

根据本车的前进速度和侧向加速度，确定当前位置下，以时间t为间隔，下一时刻本车可能到达的位置集合，同时选取的位置需要满足在当前时刻下，对应栅格状态为空闲，再将这些栅格单元平滑连接，得到多条规划轨迹；

(5)、评价并选择最优轨迹

以路径长短、两车之间的安全距离，以及车辆在目标点的状态是否靠近车道中央作为评价标准，选出一条最优车辆轨迹。

2.根据权利要求1所述的一种结构化道路的智能车辆平滑轨迹规划方法，其特征在于，所述动态调整本车车速的方法为：

设无人车当前车速为v₁，待换车道最近车辆车速为v₂，且两车相对相距d，设定车辆间的安全距离为d₀，此时无人车加速度为：

a＝k₀(v₂-v₁)+k₁(d-d₀)

a_{max_deceleration}≤a≤a_{max_acceleration}

v₁≤v_max

其中，k₀表示速度差的影响权重，k₁表示距离差的影响权重。