CN112148002A - 一种局部轨迹规划方法、***及装置 - Google Patents

一种局部轨迹规划方法、***及装置 Download PDF

Info

Publication number
CN112148002A
CN112148002A CN202010900948.8A CN202010900948A CN112148002A CN 112148002 A CN112148002 A CN 112148002A CN 202010900948 A CN202010900948 A CN 202010900948A CN 112148002 A CN112148002 A CN 112148002A
Authority
CN
China
Prior art keywords
vehicle
path
speed
acceleration
optimal path
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010900948.8A
Other languages
English (en)
Other versions
CN112148002B (zh
Inventor
郑南宁
简志强
陈仕韬
张崧翌
符嘉玮
辛景民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202010900948.8A priority Critical patent/CN112148002B/zh
Publication of CN112148002A publication Critical patent/CN112148002A/zh
Application granted granted Critical
Publication of CN112148002B publication Critical patent/CN112148002B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种局部轨迹规划方法、***及装置，方法为：获取感知信息和当前位姿，基于所述感知信息和当前位姿生成一条最优路径；基于所述感知信息对所述最优路径附加速度属性，根据所述最优路径与障碍物的交互情况，采取超越模式或等待模式，获取超越模式和等待模式下安全的行驶速度，如果不能获取沿最优路径行驶的安全速度，则重新生成最优路径；将所述最优路径与所述安全速度融合，生成车辆行驶轨迹，同时车辆进入监控状态行驶；并进入状态保持模式，不仅可以提升车辆在行驶过程中的舒适性，而且可以确保其快速响应交通场景的变化；同时，该框架能够避免频繁的重规划带来了计算资源的大量浪费，降低计算机运行自动驾驶***时的计算负荷。

Description

一种局部轨迹规划方法、***及装置
技术领域
本发明属于无人驾驶汽车技术领域，具体涉及一种局部轨迹规划方法、***及装置。
背景技术
局部轨迹规划是自动驾驶***中的重要一环。它是在全局导航的引导下，生成一条车辆可行驶的轨迹。该轨迹必须满足以下条件：满足车辆动力学约束，避免碰撞，高效和舒适等。局部轨迹规划提供了自动驾驶***在动态交通场景中的敏捷性与安全性
由于无人驾驶***面临的是动态的交通场景，它需要能够对于环境的变化产生敏捷的反应。而针对这一问题，当前的规划框架都只是以固定时间频率进行轨迹重规划，再不断将重规划的轨迹输出到控制***中。这种方法过于简单，并没有考虑到两次规划之间差异性可能导致的问题。并且频繁的重规划带来了计算资源的大量浪费，以及对于规划算法时间开销的过度依赖。综上，这种框架无疑是不合适的，会导致车辆在行驶路径、速度和舒适性方面出现问题。
发明内容
为了解决现有技术中存在的问题，本发明提供一种局部轨迹规划方法、***及装置，所提出的规划框架不仅可以提升车辆在行驶过程中的舒适性，而且可以确保其快速响应交通场景的变化，实现环境自适应重规划。
为了实现上述目的，本发明采用的技术方案是，一种局部轨迹规划方法，包括以下步骤：
S100，获取车辆对外部环境的感知信息以及当前位姿，
S200，基于所述感知信息和当前位姿生成一条最优路径；
S300，基于S100所述感知信息以及当前位姿，对S200所述最优路径附加速度属性，根据所述最优路径与障碍物的交互情况，采取超越模式或等待模式，基于匀加速运动模型获取超越模式和等待模式下安全的行驶速度，如果不能获取沿最优路径行驶的安全速度，则根据S200重新生成最优路径；速度生成时，将车辆实际速度与轨迹期望速度的误差作为补偿项添加到计算过程；
S400，将S200所述最优路径与S300所述安全速度融合，生成车辆行驶轨迹，同时车辆进入监控状态行驶；并进入状态保持模式。
S200，采用终点状态采样的方法生成待选路径组，再从待选路径中选出最优路径，具体如下：
S201，规划距离在参考线的纵向偏移s与车辆当前速度成一次函数，可以得到参考点R，在R处以不同的横向偏移量di进行采样，就可以得到不同的目标状态Gi，求解Gi在笛卡尔坐标下的位姿；
S202，得到从车辆初始位姿I＝(x(init),y(init),θ(init),κ(init))到Gi的参数曲线Pathi；生成多样化的路径，即得到待选路径组；
S203，考虑静态和低速障碍物，判断每一条路径是否与障碍物发生碰撞，得到每一条路径的碰撞风险，综合考虑路径的最大曲率和离参考线的横向偏移量，计算所述碰撞风险、最大曲率和离参考线的横向偏移量损失，再进行加权求和，损失最小的就是最优路径。
S300中，根据最优路径上动态障碍物信息，得到每一个障碍物的交互过程中加速度的可行区间，最终的加速度的可行区间就是每个动态障碍物交互过程生成的加速度可行区间的交集，得到加速度的可行区间，再从所述可行区间中找到最优的加速度，采用所述最优的加速度，根据匀加速运动模型，计算出车辆的速度曲线。
S300具体包括以下步骤：
S301，根据动态障碍物信息，得到每一个障碍物的交互过程中加速度的可行区间，获取车辆与动态障碍物的碰撞点，在碰撞点处，车辆进入超越模式或等待模式；
基于每一个动态障碍物信息以及碰撞点信息，获取车辆在遇到每一个动态障碍物时超越模式和等待模式下可行的加速度区间；
根据车辆当前加速度对应的期望加速度、当前加速度和所述加速度区间的边界，计算所述加速度区间内任意加速度的损失，损失最小的加速度为最优加速度，根据此最优加速度，利用匀加速运动模型，得到车辆的速度曲线。
车辆在监控状态行驶和状态保持模式时，实时判断当前速度曲线是否满足超越模式或等待模式的条件，如果不满足，则发出警报；实时计算车辆当前位置与最优轨迹目标点之间的距离，所述距离小于设定阈值时，重新规划新的最优路径。
一种局部轨迹规划***，包括控制模块、路径规划模块、速度生成模块、安全监视模块和行驶监视模块，路径规划模块根据车载传感***提供的信息生成一条路径；速度生成模块对生成的路径附加速度属性；速度生成模块获取生成的路径和障碍物信息同时输入到速度生成模块中，根据最优路径与障碍物的交互情况，确定安全的行驶速度，如果没能够得到沿路径进行行驶的安全速度，则生成“路径规划”的指令，如果得到所述安全速度，则将所述路径与速度结合，完成轨迹的生成；安全监视模块用于判断车辆是否处于危险状态中；行驶监视模块用于判断是否到达规划路径的目标点；安全监视模块和行驶监视模块还将车辆的轨迹保存并输出，即输出最优路径；控制模块根据所述最优路径生成对应行为，使车辆开始沿最优路径进行行驶。
速度生成模块包括速度生成单元和低通滤波单元，速度生成单元会以0.5赫兹的频率不断对轨迹的速度属性进行更新，低通滤波单元用于获取车辆实际速度与轨迹期望速度之间存在的误差，并反馈至速度生成单元。
安全监控模块以10赫兹的频率不断更新车辆当前的状态和感知模块给出的障碍物信息，并根据当前的轨迹，对车辆的安全性进行判断，如果沿当前轨迹继续行驶会出现紧急情况，安全监控模块会生成对应信号并发送；
行驶监控模块会以同样10赫兹的频率接收车辆当前的位姿，并根据保存的当前轨迹，判断车辆是否将要到达轨迹的目标点，如果车辆到达目标点，则行驶监控模块生成对应信号并发送。
一种计算机设备，包括一个或多个处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取部分或全部所述计算机可执行程序并执行，处理器执行部分或全部计算可执行程序时能实现本发明所述局部轨迹规划方法。
一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本发明所述的局部轨迹规划方法。
与现有技术相比，本发明至少具有以下有益效果：
本发明所述方法获取生成的路径和障碍物信息同时根据规划出路径与障碍物的交互情况，确定安全的行驶速度，如果没能够得到沿路径进行行驶的安全速度，形成连续平滑的速度曲线，如果得到所述安全速度，则将所述路径与速度结合本发明所提出的规划方法不仅可以提升车辆在行驶过程中的舒适性，而且可以确保其快速响应交通场景的变化；同时能够避免频繁的重规划带来计算资源的大量浪费，降低计算机运行自动驾驶***时的计算负荷；
本发明所述***通过路径规划与速度生成的完全解耦，作为两个独立模块运行，路径规划的延时并不会让整体***产生延时；即使是时间开销再大的路径规划算法也对不会对整体***的实时性产生影响；另一方面，当前规划***以固定频率更新轨迹的方式对于计算资源的消耗特别严重，而本发明所述规划***中并不需要对路径进行固定频率更新，在很大程度上减少了计算资源的开销，降低计算机运行自动驾驶***时的计算负荷。
附图说明
图1为所提出的轨迹规划框架图。
图2为路径规划算法的示意图。
图3为障碍物交互中超越模式的示意图。
图4为障碍物交互中等待模式的示意图。
具体实施方式
下面结合附图对本发明进行详细阐述。
速度生成模块获取生成的路径和障碍物信息同时输入到“速度生成”中，根据规划出路径与障碍物的交互情况，确定安全的行驶速度，如果没能够得到沿路径进行行驶的安全速度，则生成“路径规划”的指令，如果得到所述安全速度，则将所述路径与速度结合，完成轨迹的生成规划过程可以分为三层：第一层为路径规划，第二层为速度生成，第三层为规划调度；路径规划层生成最基础的行驶路径，速度生成层为生成的路径添加速度，保证车辆的动态性能；规划调度层根据环境和车辆行驶状态，自适应对前两层的模块进行调度。
框架的运行流程如图1所示，当自动驾驶***接收到开始规划的指令后，***在感知模块提供的障碍物信息的基础上，在“路径规划”模块中利用基于五次样条插值的终点状态采样路径规划算法生成一条路径，毫无疑问，此路径是满足G2连续的。下一步就是对生成的路径附加速度属性。将生成的路径和障碍物信息同时输入到速度规划模块中，根据规划出路径与障碍物的交互情况，确定安全的行驶速度。如果没能够找出沿路径进行行驶的安全速度，则生成重新路径规划指令，触发路径规划模块进行路径重新规划。反之则将路径与速度结合，完成轨迹的生成，将所述轨迹输入车辆状态监控层中；车辆状态监控层包含两个部分，分别为安全监视模块和行驶监视模块，前者是用于判断车辆是否处于危险状态中，后者用于判断是否到达规划路径的目标点；安全监视模块和行驶监视模块保存速度生成模块生成的轨迹后便将其输入到控制模块。控制模块根据轨迹生成对应行为，使车辆开始沿轨迹进行行驶；至此规划的第一个周期结束，接下来并不是进行规划的第二个周期，而是进入状态保持模式。
状态保持模式中，路径规划模块除非接收到路径重新规划指令，否则不会规划新的路径，速度生成模块包括速度生成单元和低通滤波单元，而速度生成单元会以0.5赫兹的频率不断对轨迹的速度属性进行更新；在更新的过程中，车辆实际速度与轨迹期望速度之间可能存在误差，此误差将经过一个低通滤波单元后被反馈到速度生成单元中，成为其更新速度属性的因素之一。如果“速度生成”模块无法为接下来的路径找到合适的速度属性，则会触发“速度生成”模块进行重新路径规划。此外，安全性监控模块会以10赫兹的频率不断更新车辆当前的状态和感知模块给出的障碍物信息，并根据当前的轨迹，对车辆的安全性进行判断。一旦安全性监控模块认为沿当前轨迹继续行驶会出现紧急情况，其会发送信号给速度生成模块，促使其对当前轨迹的速度属性进行调整以避免危险的发生。而行驶监控模块会以同样10赫兹的频率接收车辆当前的位姿，并根据保存的当前轨迹，判断车辆是否将要到达轨迹的目标点。如果车辆到达目标点，则“行驶监控”模块将发送信号给“路径规划”模块使其进入规划的下一个周期。以上过程不断重复，直到自动驾驶***的行驶任务全部完成。
通过上述流程，可以让车辆一直沿着规划算法生成的路径从起点行驶到终点，保障行驶过程中的舒适性。并且，在此过程中轨迹速度属性不断改变实现了车辆在动态环境中的敏捷性。轨迹的速度属性以0.5赫兹的低频率进行更新，其原因一方面是降低计算资源的消耗，另一方面是避免轨迹更新过于频繁导致控制模块难以对速度进行跟踪的问题。同时，安全性监控模块以10赫兹的高频率进行更新，有效弥补了轨迹速度更新频率过低导致对突发状况响应不及时的问题。其保证自动驾驶***可以在0.1秒的时间滞后以内对紧急情况做出响应，要超过人类的反应速度，有效提升了***的敏捷性。
除了可以保障车辆行驶的舒适性和敏捷性之外，本发明所述***还存在其他优势，规划算法的时间开销一直都是其研究的难点之一。但是，本发明所述***解决了这一问题，通过路径规划与速度生成的完全解耦，作为两个独立模块运行，路径规划的延时并不会让整体***产生延时；即使是时间开销再大的路径规划算法也对不会对整体***的实时性产生影响；另一方面，当前规划***以固定频率更新轨迹的方式对于计算资源的消耗特别严重，而本发明所述规划***中并不需要对路径进行固定频率更新，在很大程度上减少了计算资源的开销，降低计算机运行自动驾驶***时的计算负荷。
另外，由于此***很少会在沿规划路径行驶的过程中进行重新规划，在行驶过程中，车辆难以出现因为路径不满足G3连续性而出现转向不足或横向偏移超调的问题，另一方面，车辆的动态响应主要依靠于速度生成，因此规划生成的路径与感知模块并没有紧密耦合，感知模块产生的误差首先影响车辆的行驶速度，并不会直接使得它的曲率变化率不连续。
本发明所述***在进行速度生成的时候，会将车辆实际速度与轨迹期望速度的误差作为补偿项添加到计算过程中，通过补偿的反馈，***即便以0.5赫兹的频率对轨迹的速度属性进行更新，控制模块依旧可以较好的对轨迹进行跟踪；综上所述，本发明提出的***可以较好的解决当前规划框架中存在的问题。
接下来对框架中的每一个模块进行更进一步的阐述：
路径规划模块：首先采用终点状态采样的方法生成待选路径，再在其中选出最优路径，如图2所示，由全局导航得到参考线后，可以依据车辆当前位姿I计算出其在参考线上的对应点C；
之后，规划距离在参考线的纵向偏移s与车辆当前速度成一次函数，可以得到参考点R，在R处以不同的横向偏移量di进行采样，就可以得到不同的目标状态Gi；
接下来就是求解Gi在笛卡尔坐标下的位姿，参考点R在笛卡尔坐标系下的位姿(x(r),y(r),θ(r),κ(r))可以由参考线提供，其每一维度分别表示R的x坐标，y坐标，朝向和曲率。由此，可以通过以下表达式计算出Gi在笛卡尔坐标下的位姿
Figure BDA0002659764310000081
Figure BDA0002659764310000082
下一步，就是得到从车辆初始位姿I＝(x(init),y(init),θ(init),κ(init))到Gi的参数曲线Pathi。为了保证规划相邻周期之间的曲率连续，采用五次样条对参数曲线Pathi＝{x(s),y(s)}进行描述，表达式如下所示：
Figure BDA0002659764310000083
其中，sf为参数曲线的弧长，通常情况下，可以使用弦长作为弧长的估计进行计算；此时，得到表达式2中的未知参数，Pathi就可以被唯一确定；而所述未知参数可以通过参数曲线的边界限制条件进行计算，表达式如下所示：
Figure BDA0002659764310000084
将表达式3代入表达式2中，便可以计算出其中的未知参数，得到最终的生成路径Pathi。不同的Gi可以得到不同的Pathi，从而生成多样化的路径，也就是所得到的路径组。
接下来是最优路径选择；在此过程中，只考虑静态和低速障碍物，判断每一条路径是否与障碍物发生碰撞，从而得到每一条路径的碰撞风险，另外，路径的最大曲率和离参考线的横向偏移量是另外两个需要考虑的因素，计算以上三个因素的损失，将它们进行加权求和，损失最小的就是最优路径；至此，路径生成模块功能完成。
对于速度生成模块，假定车辆在接下来一段时间内做匀变速运动，则速度生成的关键在于得到合适的加速度，解决这一问题的方法为：
根据动态障碍物信息，得到加速度的可行区间，再从所述可行区间中找到最优的加速度。
车辆沿最优路径行驶时，与每一个动态障碍物的交互过程中都存在一个加速度的可行区间，而最终的加速度的可行区间就是每个动态障碍物交互过程生成的加速度可行区间的交集；
作为一个可选示例，本发明所述速度规划时间周期为2s。
每一个加速度的可行区间的计算方法如下：首先，计算车辆与动态障碍物的碰撞点，如图3和4所示，车辆和动态障碍物均通过矩形框进行描述；只要判断两个矩形框是否发生重叠，就可以判断出是否发生碰撞，矩形框重叠的判定方法采用的是分离轴定理；得到车辆碰撞点cp(ego)和障碍物碰撞点cp(obs)后，本车的行为模式可以分为两种。第一种是超越，如图3所示，即在动态障碍物之前越过碰撞点，第二种是等待，如图4所示，即在动态障碍物之后才到达碰撞点。两种行为模式均可以保证车辆的安全性。
针对超越模式，车辆的行驶必须要满足两个条件；第一个条件为在车辆到达碰撞点cp(ego)时，动态障碍物离碰撞点cp(obs)还存在安全距离distsafe，即为图3情景一中的①号框所示位置；第二个条件为当动态障碍物到达cp(obs)时，车辆已经超出cp(ego)安全距离distsafe，即为图3情景二中的②号框所示位置；安全距离distsafe与车辆当前速度以及动态障碍物速度均有关系，其计算表达式如下：
Figure BDA0002659764310000101
其中，dist1和dist2为设定的距离常量，vobs为障碍物速度，acc(obs)为障碍物最大加速度，vego为车辆速度，acc(ego)为车辆最大加速度，coef为设定的参数，ε为阶跃函数，表达式分为了两项，第一项表示在本车进行紧急刹车时，障碍物也进行紧急刹车，最终停下后，两者的距离为dist1，第二项为在行驶过程中期望的与障碍物保持的距离。
随后，对于车辆的每一个加速度acc，判断以该加速度行驶时是否满足上述两个条件。对于条件一，可以通过变加速度运动公式求解出车辆到cp(ego)的时间开销t和速度vego，并根据表达式4计算出distsafe，最后计算在t时间内，障碍物的运动，判断其是否超越①号框位置，如果不超越，则acc满足条件一；对于条件二，可以计算障碍物到cp(obs)的时间开销t，之后计算在t时间内，车辆以acc运动的最终位置和最终速度vego；根据表达式4计算出distsafe，判断车辆最终位置是否超出cp(ego)距离distsafe；如果超出，则acc满足条件二，如果acc同时满足两个条件，则acc为可行的。
针对等待模式，同样存在两个条件，第一个条件为当动态障碍物到达cp(obs)时，车辆离cp(ego)还存在安全距离distsafe，即为图4情景一中的②号框所示位置；第二个条件为车辆到达cp(ego)时，动态障碍物超过碰撞点cp(obs)安全距离distsafe，即为图4情景二中的①号框所示位置。这种模式下，安全距离distsafe计算表达式如下：
Figure BDA0002659764310000102
其中变量的含义与表达式4中一致，Sgn为符号函数。此表达式的含义与表达式4也一致。接下来的过程与超越行为模式中的描述基本相同，判断加速度是否满足两个条件，如果满足则认为可行，进而得到可行的加速度区间。
下一步就是选择最优加速度，最优加速度考虑到多个因素，包括当前速度对应的期望加速度a(exp)(预先设定)，当前加速度a(cur)和加速度区间的边界；区间内任意加速度a的损失计算包括a与a(exp)的距离，与a(cur)的距离，和与加速度区间的边界距离的倒数，损失最小的加速度就是最优加速度；得到最优加速度后，速度曲线自然可以计算得到。
安全性监控模块与行驶监控模块的实现较为简单；安全性监控模块不断的判断当前速度曲线是否能够满足之前提到的超越模式或等待模式的条件，如果不满足，则发出警报。行驶监控模块计算车辆当前位置与最优轨迹目标点之间的距离，一旦距离小于阈值，发出重新规划信号。
可选的，本发明还提供一种计算机设备，包括但不限于一个或多个处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取部分或全部所述计算机可执行程序并执行，处理器执行部分或全部计算可执行程序时能实现本发明所述局部轨迹规划方法的部分步骤或所有步骤，存储器还能用于存储车载传感器信息、道路信息以及地图信息。
一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本发明所述的局部轨迹规划方法。
所述计算机设备可以采用车载计算机、笔记本电脑、平板电脑、桌面型计算机、手机或工作站。
本发明还提供用于输出预测结果的输出装置，所述输出装置连接处理器的输出端，输出装置为显示器或打印机。
处理器可以是中央处理器(CPU)、数字信号处理器(DSP)、专用集成电路(ASIC)或现成可编程门阵列(FPGA)。
对于本发明所述存储器，可以是车载计算机、笔记本电脑、平板电脑、桌面型计算机、手机或工作站的内部存储单元，如内存、硬盘；也可以采用外部存储单元，如移动硬盘、闪存卡。
计算机可读存储介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、固态硬盘(SSD，Solid State Drives)或光盘等。其中，随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM,Resistance Random Access Memory)和动态随机存取存储器(DRAM，Dynamic Random Access Memory)。

Claims (10)

1.一种局部轨迹规划方法，其特征在于，包括以下步骤：
S100，获取车辆对外部环境的感知信息以及当前位姿，
S200，基于所述感知信息和当前位姿生成一条最优路径；
S300，基于S100所述感知信息以及当前位姿，对S200所述最优路径附加速度属性，根据所述最优路径与障碍物的交互情况，采取超越模式或等待模式，基于匀加速运动模型获取超越模式和等待模式下安全的行驶速度，如果不能获取沿最优路径行驶的安全速度，则根据S200重新生成最优路径；速度生成时，将车辆实际速度与轨迹期望速度的误差作为补偿项添加到计算过程；
S400，将S200所述最优路径与S300所述安全速度融合，生成车辆行驶轨迹，同时车辆进入监控状态行驶；并进入状态保持模式。
2.根据权利要求1所述的局部轨迹规划方法，其特征在于，S200，采用终点状态采样的方法生成待选路径组，再从待选路径中选出最优路径，具体如下：
S201，规划距离在参考线的纵向偏移s与车辆当前速度成一次函数，可以得到参考点R，在R处以不同的横向偏移量di进行采样，就可以得到不同的目标状态Gi，求解Gi在笛卡尔坐标下的位姿；
S202，得到从车辆初始位姿I＝(x(init),y(init),θ(init),κ(init))到Gi的参数曲线Pathi；生成多样化的路径，即得到待选路径组；
S203，考虑静态和低速障碍物，判断每一条路径是否与障碍物发生碰撞，得到每一条路径的碰撞风险，综合考虑路径的最大曲率和离参考线的横向偏移量，计算所述碰撞风险、最大曲率和离参考线的横向偏移量损失，再进行加权求和，损失最小的就是最优路径。
3.根据权利要求1所述的局部轨迹规划方法，其特征在于，S300中，根据最优路径上动态障碍物信息，得到每一个障碍物的交互过程中加速度的可行区间，最终的加速度的可行区间就是每个动态障碍物交互过程生成的加速度可行区间的交集，得到加速度的可行区间，再从所述可行区间中找到最优的加速度，采用所述最优的加速度，根据匀加速运动模型，计算出车辆的速度曲线。
4.根据权利要求1所述的局部轨迹规划方法，其特征在于，S300具体包括以下步骤：
S301，根据动态障碍物信息，得到每一个障碍物的交互过程中加速度的可行区间，获取车辆与动态障碍物的碰撞点，在碰撞点处，车辆进入超越模式或等待模式；
基于每一个动态障碍物信息以及碰撞点信息，获取车辆在遇到每一个动态障碍物时超越模式和等待模式下可行的加速度区间；
根据车辆当前加速度对应的期望加速度、当前加速度和所述加速度区间的边界，计算所述加速度区间内任意加速度的损失，损失最小的加速度为最优加速度，根据此最优加速度，利用匀加速运动模型，得到车辆的速度曲线。
5.根据权利要求1所述的局部轨迹规划方法，其特征在于，车辆在监控状态行驶和状态保持模式时，实时判断当前速度曲线是否满足超越模式或等待模式的条件，如果不满足，则发出警报；实时计算车辆当前位置与最优轨迹目标点之间的距离，所述距离小于设定阈值时，重新规划新的最优路径。
6.一种局部轨迹规划***，其特征在于，包括控制模块、路径规划模块、速度生成模块、安全监视模块和行驶监视模块，路径规划模块根据车载传感***提供的信息生成一条路径；速度生成模块对生成的路径附加速度属性；速度生成模块获取生成的路径和障碍物信息同时输入到速度生成模块中，根据最优路径与障碍物的交互情况，确定安全的行驶速度，如果没能够得到沿路径进行行驶的安全速度，则生成“路径规划”的指令，如果得到所述安全速度，则将所述路径与速度结合，完成轨迹的生成；安全监视模块用于判断车辆是否处于危险状态中；行驶监视模块用于判断是否到达规划路径的目标点；安全监视模块和行驶监视模块还将车辆的轨迹保存并输出，即输出最优路径；控制模块根据所述最优路径生成对应行为，使车辆开始沿最优路径进行行驶。
7.根据权利要求6所述的局部轨迹规划***，其特征在于，速度生成模块包括速度生成单元和低通滤波单元，速度生成单元会以0.5赫兹的频率不断对轨迹的速度属性进行更新，低通滤波单元用于获取车辆实际速度与轨迹期望速度之间存在的误差，并反馈至速度生成单元。
8.根据权利要求6所述的局部轨迹规划***，其特征在于，安全监控模块以10赫兹的频率不断更新车辆当前的状态和感知模块给出的障碍物信息，并根据当前的轨迹，对车辆的安全性进行判断，如果沿当前轨迹继续行驶会出现紧急情况，安全监控模块会生成对应信号并发送；
行驶监控模块会以同样10赫兹的频率接收车辆当前的位姿，并根据保存的当前轨迹，判断车辆是否将要到达轨迹的目标点，如果车辆到达目标点，则行驶监控模块生成对应信号并发送。
9.一种计算机设备，其特征在于，包括一个或多个处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取部分或全部所述计算机可执行程序并执行，处理器执行部分或全部计算可执行程序时能实现权利要求1～5中任一项所述局部轨迹规划方法。
10.一种计算机可读存储介质，其特征在于，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现如权利要求1-5中任一项所述的局部轨迹规划方法。
CN202010900948.8A 2020-08-31 2020-08-31 一种局部轨迹规划方法、***及装置 Active CN112148002B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010900948.8A CN112148002B (zh) 2020-08-31 2020-08-31 一种局部轨迹规划方法、***及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010900948.8A CN112148002B (zh) 2020-08-31 2020-08-31 一种局部轨迹规划方法、***及装置

Publications (2)

Publication Number Publication Date
CN112148002A true CN112148002A (zh) 2020-12-29
CN112148002B CN112148002B (zh) 2021-12-28

Family

ID=73890418

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010900948.8A Active CN112148002B (zh) 2020-08-31 2020-08-31 一种局部轨迹规划方法、***及装置

Country Status (1)

Country Link
CN (1) CN112148002B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110568847A (zh) * 2019-08-30 2019-12-13 驭势科技（北京）有限公司 一种车辆的智能控制***、方法，车载设备和存储介质
CN112721931A (zh) * 2021-01-18 2021-04-30 智马达汽车有限公司 一种车辆会车方法、装置、设备及存储介质
CN112904858A (zh) * 2021-01-20 2021-06-04 西安交通大学 一种曲率连续的路径规划方法、***及设备
CN113074734A (zh) * 2021-03-23 2021-07-06 北京三快在线科技有限公司 一种轨迹规划方法、装置、存储介质及电子设备
CN113611109A (zh) * 2021-07-26 2021-11-05 上海德衡数据科技有限公司 基于雾计算的智能交通管控方法及***
CN113734202A (zh) * 2021-09-22 2021-12-03 驭势科技（北京）有限公司 多车协同方法、装置、***、设备、介质和产品
CN113793520A (zh) * 2021-09-15 2021-12-14 苏州挚途科技有限公司 车辆轨迹预测方法、装置及电子设备
CN113848869A (zh) * 2021-10-20 2021-12-28 北京三快在线科技有限公司 一种无人设备控制方法、装置、存储介质及电子设备
CN113867365A (zh) * 2021-10-28 2021-12-31 广州文远知行科技有限公司 无人驾驶车辆变加速度的确定方法、装置和相关设备
CN114274968A (zh) * 2021-11-09 2022-04-05 天津天瞳威势电子科技有限公司 一种车辆控制方法、装置、计算设备及存储介质
CN114815853A (zh) * 2022-06-21 2022-07-29 清华大学 一种考虑路面障碍特征的路径规划方法和***
CN115588299A (zh) * 2022-11-25 2023-01-10 陕西风润智能制造研究院有限公司 一种无人驾驶车辆轨迹控制***及方法
WO2023097874A1 (zh) * 2021-12-01 2023-06-08 上海仙途智能科技有限公司 用于行驶轨迹规划的方法和装置

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8442714B2 (en) * 2007-04-12 2013-05-14 Panasonic Corporation Autonomous mobile device, and control device and program product for the autonomous mobile device
CN106372758A (zh) * 2016-09-13 2017-02-01 同济大学 一种辅助泊车***的路径跟随方法及装置
CN106926844A (zh) * 2017-03-27 2017-07-07 西南交通大学 一种基于实时环境信息的动态自动驾驶换道轨迹规划方法
CN106931961A (zh) * 2017-03-20 2017-07-07 成都通甲优博科技有限责任公司 一种自动导航方法及装置
US20170364083A1 (en) * 2016-06-21 2017-12-21 Baidu Online Network Technology (Beijing) Co., Ltd. Local trajectory planning method and apparatus for smart vehicles
CN107703948A (zh) * 2017-11-14 2018-02-16 上海理工大学 基于自适应动态窗口的移动机器人局部动态路径规划方法
CN108073176A (zh) * 2018-02-10 2018-05-25 西安交通大学 一种改进型D*Lite车辆动态路径规划方法
CN108369777A (zh) * 2015-12-22 2018-08-03 爱信艾达株式会社 自动驾驶支援***、自动驾驶支援方法以及计算机程序
CN108519773A (zh) * 2018-03-07 2018-09-11 西安交通大学 一种结构化环境下无人驾驶车辆的路径规划方法
CN109765887A (zh) * 2018-12-21 2019-05-17 费子偕 一种自动驾驶控制方法
CN109976355A (zh) * 2019-04-26 2019-07-05 腾讯科技（深圳）有限公司 轨迹规划方法、***、设备及存储介质
CN110196590A (zh) * 2019-04-23 2019-09-03 华南理工大学 一种用于机器人路径跟踪的时间最优轨迹规划***及方法
KR102033924B1 (ko) * 2018-06-04 2019-10-18 이성식 빅데이터 기반의 무인자율 주행차 주행 경로 제공 시스템 및 이를 이용한 제공 방법
CN110928297A (zh) * 2019-10-28 2020-03-27 中南大学 基于多目标动态粒子群优化的智能公交车辆路径规划方法
CN111289008A (zh) * 2020-04-28 2020-06-16 南京维思科汽车科技有限公司 一种用于无人驾驶车辆的局部路径规划算法
CN111390902A (zh) * 2020-01-06 2020-07-10 广州视源电子科技股份有限公司 轨迹规划方法、轨迹规划装置、设备和存储介质
WO2020153985A1 (en) * 2019-01-27 2020-07-30 Navioptronix, Llc Infrastructure, methods, and systems for high accuracy global positioning and self-driving vehicles

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8442714B2 (en) * 2007-04-12 2013-05-14 Panasonic Corporation Autonomous mobile device, and control device and program product for the autonomous mobile device
CN108369777A (zh) * 2015-12-22 2018-08-03 爱信艾达株式会社 自动驾驶支援***、自动驾驶支援方法以及计算机程序
US20170364083A1 (en) * 2016-06-21 2017-12-21 Baidu Online Network Technology (Beijing) Co., Ltd. Local trajectory planning method and apparatus for smart vehicles
CN106372758A (zh) * 2016-09-13 2017-02-01 同济大学 一种辅助泊车***的路径跟随方法及装置
CN106931961A (zh) * 2017-03-20 2017-07-07 成都通甲优博科技有限责任公司 一种自动导航方法及装置
CN106926844A (zh) * 2017-03-27 2017-07-07 西南交通大学 一种基于实时环境信息的动态自动驾驶换道轨迹规划方法
CN107703948A (zh) * 2017-11-14 2018-02-16 上海理工大学 基于自适应动态窗口的移动机器人局部动态路径规划方法
CN108073176A (zh) * 2018-02-10 2018-05-25 西安交通大学 一种改进型D*Lite车辆动态路径规划方法
CN108519773A (zh) * 2018-03-07 2018-09-11 西安交通大学 一种结构化环境下无人驾驶车辆的路径规划方法
KR102033924B1 (ko) * 2018-06-04 2019-10-18 이성식 빅데이터 기반의 무인자율 주행차 주행 경로 제공 시스템 및 이를 이용한 제공 방법
CN109765887A (zh) * 2018-12-21 2019-05-17 费子偕 一种自动驾驶控制方法
WO2020153985A1 (en) * 2019-01-27 2020-07-30 Navioptronix, Llc Infrastructure, methods, and systems for high accuracy global positioning and self-driving vehicles
CN110196590A (zh) * 2019-04-23 2019-09-03 华南理工大学 一种用于机器人路径跟踪的时间最优轨迹规划***及方法
CN109976355A (zh) * 2019-04-26 2019-07-05 腾讯科技（深圳）有限公司 轨迹规划方法、***、设备及存储介质
CN110928297A (zh) * 2019-10-28 2020-03-27 中南大学 基于多目标动态粒子群优化的智能公交车辆路径规划方法
CN111390902A (zh) * 2020-01-06 2020-07-10 广州视源电子科技股份有限公司 轨迹规划方法、轨迹规划装置、设备和存储介质
CN111289008A (zh) * 2020-04-28 2020-06-16 南京维思科汽车科技有限公司 一种用于无人驾驶车辆的局部路径规划算法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
LI QING等: "Path planning in environment with moving obstacles for mobile robot", 《PROCEEDINGS OF THE 31ST CHINESE CONTROL CONFERENCE》 *
ZEHUI MENG等: "Obstacle-guided informed planning towards robot navigation in cluttered environments", 《2017 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND BIOMIMETICS (ROBIO)》 *
ZHIQIANG JIAN等: "High-Definition Map Combined Local Motion Planning and Obstacle Avoidance for Autonomous Driving", 《2019 IEEE INTELLIGENT VEHICLES SYMPOSIUM (IV)》 *
刘子熠，等: "一种基于共点映射的无人车可行驶区域检测方法", 《ENGINEERING》 *
彭晓燕，等: "无人驾驶汽车局部路径规划算法研究", 《汽车工程》 *
朱琪: "自主车路径跟踪控制中的参考输入优化与扰动补偿技术研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
程新景: "煤矿救援机器人地图构建与路径规划研究", 《中国优秀硕士学位论文全文数据库 工程科技I辑》 *

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110568847B (zh) * 2019-08-30 2022-09-23 驭势科技（北京）有限公司 一种车辆的智能控制***、方法，车载设备和存储介质
CN110568847A (zh) * 2019-08-30 2019-12-13 驭势科技（北京）有限公司 一种车辆的智能控制***、方法，车载设备和存储介质
CN112721931A (zh) * 2021-01-18 2021-04-30 智马达汽车有限公司 一种车辆会车方法、装置、设备及存储介质
CN112904858A (zh) * 2021-01-20 2021-06-04 西安交通大学 一种曲率连续的路径规划方法、***及设备
CN113074734A (zh) * 2021-03-23 2021-07-06 北京三快在线科技有限公司 一种轨迹规划方法、装置、存储介质及电子设备
CN113074734B (zh) * 2021-03-23 2023-05-30 北京三快在线科技有限公司 一种轨迹规划方法、装置、存储介质及电子设备
CN113611109A (zh) * 2021-07-26 2021-11-05 上海德衡数据科技有限公司 基于雾计算的智能交通管控方法及***
CN113611109B (zh) * 2021-07-26 2022-08-16 上海德衡数据科技有限公司 基于雾计算的智能交通管控方法及***
CN113793520A (zh) * 2021-09-15 2021-12-14 苏州挚途科技有限公司 车辆轨迹预测方法、装置及电子设备
CN113793520B (zh) * 2021-09-15 2023-09-01 苏州挚途科技有限公司 车辆轨迹预测方法、装置及电子设备
CN113734202A (zh) * 2021-09-22 2021-12-03 驭势科技（北京）有限公司 多车协同方法、装置、***、设备、介质和产品
CN113734202B (zh) * 2021-09-22 2023-12-01 驭势科技（北京）有限公司 多车协同方法、装置、***、设备、介质和产品
CN113848869B (zh) * 2021-10-20 2023-03-07 北京三快在线科技有限公司 一种无人设备控制方法、装置、存储介质及电子设备
CN113848869A (zh) * 2021-10-20 2021-12-28 北京三快在线科技有限公司 一种无人设备控制方法、装置、存储介质及电子设备
CN113867365A (zh) * 2021-10-28 2021-12-31 广州文远知行科技有限公司 无人驾驶车辆变加速度的确定方法、装置和相关设备
CN113867365B (zh) * 2021-10-28 2024-05-14 广州文远知行科技有限公司 无人驾驶车辆变加速度的确定方法、装置和相关设备
CN114274968A (zh) * 2021-11-09 2022-04-05 天津天瞳威势电子科技有限公司 一种车辆控制方法、装置、计算设备及存储介质
WO2023097874A1 (zh) * 2021-12-01 2023-06-08 上海仙途智能科技有限公司 用于行驶轨迹规划的方法和装置
CN114815853A (zh) * 2022-06-21 2022-07-29 清华大学 一种考虑路面障碍特征的路径规划方法和***
CN114815853B (zh) * 2022-06-21 2024-05-31 清华大学 一种考虑路面障碍特征的路径规划方法和***
CN115588299A (zh) * 2022-11-25 2023-01-10 陕西风润智能制造研究院有限公司 一种无人驾驶车辆轨迹控制***及方法
CN115588299B (zh) * 2022-11-25 2023-02-28 陕西风润智能制造研究院有限公司 一种无人驾驶车辆轨迹控制***及方法

Also Published As

Publication number Publication date
CN112148002B (zh) 2021-12-28

Similar Documents

Publication Publication Date Title
CN112148002B (zh) 一种局部轨迹规划方法、***及装置
JP7455851B2 (ja) 自律型車両の計画および予測
CN110834644B (zh) 一种车辆控制方法、装置、待控制车辆及存储介质
CN108692734B (zh) 一种路径规划方法和装置
EP3610345B1 (en) Control system of vehicle, method for controlling vehicle, and non-transitory computer readable memory
CN109941275B (zh) 车道变换方法、装置、电子设备及存储介质
Li et al. Real-time trajectory planning for autonomous urban driving: Framework, algorithms, and verifications
EP3474254B1 (en) Surrounding environment recognition device
CN107792065B (zh) 道路车辆轨迹规划的方法
US20220080961A1 (en) Control system and control method for sampling based planning of possible trajectories for motor vehicles
JP7345676B2 (ja) 自動または半自動運転車両の適応制御
JP2022516614A (ja) 衝突回避システム
US10571916B2 (en) Control method for autonomous vehicles
CN110834631A (zh) 一种行人避让方法、装置、车辆及存储介质
Jian et al. Multi-model-based local path planning methodology for autonomous driving: An integrated framework
JP2023547745A (ja) 車両の障害物回避方法、装置、電子機器、記憶媒体
Tomar et al. Safety of Lane Change Maneuver Through A Priori Prediction of Trajectory Using Neural Networks.
Ma et al. Collision-avoidance lane change control method for enhancing safety for connected vehicle platoon in mixed traffic environment
CN114932901A (zh) 一种自适应速度规划方法、装置和域控制器
JP7019885B2 (ja) 車両制御値決定装置、車両制御値決定方法、およびプログラム
JP5835132B2 (ja) 運転支援装置
Chandru et al. Motion planning for autonomous lane change manoeuvre with abort ability
WO2022249218A1 (ja) 軌道計画装置
JP6599817B2 (ja) 演算装置、演算方法およびプログラム
CN111176285B (zh) 一种行进路径规划的方法及装置、车辆、可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant