CN113525375B - 一种基于人工势场法的车辆换道方法及装置 - Google Patents
一种基于人工势场法的车辆换道方法及装置 Download PDFInfo
- Publication number
- CN113525375B CN113525375B CN202010317950.2A CN202010317950A CN113525375B CN 113525375 B CN113525375 B CN 113525375B CN 202010317950 A CN202010317950 A CN 202010317950A CN 113525375 B CN113525375 B CN 113525375B
- Authority
- CN
- China
- Prior art keywords
- obstacle
- potential field
- road
- vehicle
- mth
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000003068 static effect Effects 0.000 claims abstract description 83
- 238000001514 detection method Methods 0.000 claims abstract description 71
- 230000008859 change Effects 0.000 claims abstract description 31
- 230000004888 barrier function Effects 0.000 claims description 25
- 230000015654 memory Effects 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 6
- 230000006872 improvement Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000005381 potential energy Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/50—Barriers
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于自动驾驶技术领域,具体涉及一种基于人工势场法的车辆换道方法及装置。该方法首先获取预行驶道路上的各障碍物的信息,所述障碍物的信息包括障碍物的速度和位置;然后在各预行驶道路上沿自车行驶方向的设定检测范围内均设置至少一个检测点,确定各个检测点对应的静态势场和障碍物动态势场,所述静态势场包括道路静态势场和/或障碍物静态势场;接着根据每个预行驶道路的所有检测点对应的静态势场和障碍物动态势场,确定每个预行驶道路的综合势场;最后根据各个预行驶道路的综合势场,进行换道控制。本发明的综合势场能够充分反映行驶环境的连续变化过程,考虑的更加全面,提高了换道决策的合理性和准确性,进而提高了驾驶的安全性。
Description
技术领域
本发明属于自动驾驶技术领域,具体涉及一种基于人工势场法的车辆换道方法及装置。
背景技术
自动驾驶车辆是通过车载传感***感知道路环境后,自动规划行车路线并控制车辆达到预定目的地的智能化车辆。在车辆行驶过程中,需要通过车载装置获得自车信息及外部环境信息,依据交通规则及任务要求,在安全和效率的双重约束下完成换道动作。如若换道不当,极有可能发生交通事故,造成不可预估的损失。
为了进行安全且高效的换道,申请公布号为CN110244713A的中国发明专利申请公开了一种基于人工势场法的智能车辆换道轨迹规划***及方法,当智能车辆(即自车)处于前方障碍车辆的斥力场范围之外时,决策结果为直行,当智能车辆处于前方障碍物车辆的斥力场范围之内时,决策为换道。也即,该方法根据障碍物车辆的速度,计算得到障碍物车辆的动态势场来进行换道判断。但是,影响自车是否换道的因素有很多,除了障碍物动态势场外,还有其他因素,例如预行驶道路自身也存在势场,等等。如若仅根据障碍物动态势场来判断是否进行换道不够准确,换道存在危险。
发明内容
本发明提供了一种基于人工势场法的车辆换道方法及装置,用以解决现有技术仅根据障碍物车辆的势场来判断是否进行换道不够准确的问题。
为解决上述技术问题,本发明的技术方案包括:
本发明提供了一种基于人工势场法的车辆换道方法,包括如下步骤:
1)获取预行驶道路上的各障碍物的信息,所述障碍物的信息包括障碍物的速度和位置;
2)在各预行驶道路上沿自车行驶方向的设定检测范围内均设置至少一个检测点,确定各个检测点对应的静态势场和障碍物动态势场,所述静态势场包括道路静态势场和/或障碍物静态势场;其中:
根据检测点与预行驶道路中心线之间的距离,确定该检测点对应的道路静态势场;
根据检测点与各个障碍物之间的距离,确定该检测点对应的各个障碍物静态势场;
根据障碍物与自车之间的距离、以及各个障碍物的速度,确定各个障碍物动态势场;
3)根据每个预行驶道路的所有检测点对应的静态势场和障碍物动态势场,确定每个预行驶道路的综合势场;
4)根据各个预行驶道路的综合势场,进行换道控制。
上述技术方案的有益效果为:本发明基于人工势场法,考虑障碍物信息和预行驶道路的信息,除了得到障碍物动态势场外,还考虑静态势场,静态势场为道路静态势场、或者障碍物静态势场、或者道路静态势场和障碍物静态势场均考虑在内,从而构建得到每条预行驶道路的综合势场,该综合势场能够充分反映行驶环境的连续变化过程,考虑的更加全面,进而比较每条预行驶道路的综合势场,根据比较结果来判断是否进行换道,或者换道至哪条道路上,提高了换道决策的合理性和准确性,进而提高了换道的安全性以及驾驶的安全性。
作为方法的进一步改进,为了准确确定障碍物动态势场,步骤2)中,所述障碍物动态势场包括障碍物横向动态势场和障碍物纵向动态势场;所述障碍物横向动态势场根据障碍物与自车的横向距离、以及障碍物的横向速度得到;所述障碍物纵向动态势场根据障碍物与自车的纵向距离、以及障碍物的纵向速度得到。
作为方法的进一步改进,步骤2)中,所述检测点对应的道路静态势场为:
式中,uci为第i个检测点对应的道路静态势场,ρci为第i个检测点与当前道路中心线之间的距离,Uc为当前道路中心线的势场强度,Lc为当前道路引力场的影响范围宽度,kc为道路静态势场对应的系数。
作为方法的进一步改进,步骤2)中,所述检测点对应的各个障碍物静态势场为:
式中,uomi为第i个检测点对应的第m个障碍物的障碍物静态势场,Usm为第m个障碍物的安全范围内的势场强度,ρomi为为第i个检测点与第m个障碍物之间的距离,ko为障碍物静态势场对应的系数,Lobsm为第m个障碍物的影响范围宽度,Ls为设定的安全距离。
作为方法的进一步改进,障碍物纵向动态势场为:
式中,ulom为第m个障碍物的障碍物纵向动态势场,sign()为符号函数,vTy为设定的纵向速度限值,vym为第m个障碍物的纵向速度,klo为障碍物纵向动态势场对应的系数,Llom为第m个障碍物纵向动态势场影响长度,yminm为第m个障碍物与自车的最近纵向距离,Ls为设定的安全距离,ρym为第m个障碍物与自车之间的纵向距离,ymaxm为第m个障碍物与自车的最远纵向距离。
作为方法的进一步改进,障碍物横向动态势场为:
式中,ulatm为第m个障碍物的障碍物横向动态势场,sign()为符号函数,vTx为设定的横向速度限值,vxm为第m个障碍物的横向速度,klat为障碍物横向动态势场对应的系数,Llatm为第m个障碍物的横向动态势场影响长度,xminm为第m个障碍物与自车的最近横向距离,Ls为设定的安全距离,ρxm为第m个障碍物与自车之间的横向距离,xmaxm为第m个障碍物与自车的最远横向距离。
作为方法的进一步改进,步骤4)中,将各个预行驶道路的综合势场与对应的道路系数相乘,得到各个预行驶道路的换道概率,比较各个预行驶道路的换道概率,进行换道控制。
作为方法的进一步改进,为了准确得到预行驶道路的综合势场,所述静态势场包括道路静态势场和障碍物静态势场,则预行驶道路的综合势场为:
式中,Uj为第个预行驶道路的综合势场,uci为第i个检测点对应的道路静态势场,uomi为第i个检测点对应的第m个障碍物的障碍物静态势场,ulom为第m个障碍物的障碍物纵向动态势场,ulatm为第m个障碍物的障碍物横向动态势场,len为预行驶道路上沿自车行驶方向的设定检测范围内检测点的个数,nobs为预行驶道路上的障碍物的个数,wi、wo、wlo和wlat分别为道路静态势场、障碍物静态势场、障碍物纵向动态势场和障碍物横向动态势场对应的系数。
作为方法的进一步改进,步骤4)中,为了提高换道的安全性,进行换道控制时,控制换道至综合势场最小的预行驶道路。
本发明还提供了一种基于人工势场法的车辆换道装置,包括存储器和处理器,所述处理器用于执行存储在存储器中的指令以实现上述介绍的基于人工势场法的辆换道方法,并达到与方法相同的效果。
附图说明
图1是本发明的方法实施例中基于人工势场法的车辆换道方法的流程框图;
图2是本发明的障碍物静态势场和障碍物动态势场的示意图;
图3是本发明的道路静态势场的示意图;
图4是本发明的道路的综合势场的示意图;
图5是本发明的装置实施例中基于人工势场法的车辆换道装置的结构图。
具体实施方式
本发明基于人工势场法,考虑障碍物信息和预行驶道路的信息,得到道路静态势场、障碍物静态势场和障碍物动态势场,障碍物动态势场包括障碍物横向动态势场和障碍物纵向动态势场,从而根据这些势场信息,得到每个预行驶道路的综合势场,根据各预行驶道路的综合势场,进行换道控制,确定是否换道以及如何换道。下面先对道路静态势场、障碍物静态势场和障碍物动态势场进行介绍。
1、道路静态势场
道路静态势场引导车辆沿同向车道行驶,是对道路的引力进行建立。如图3所示,车辆在行驶过程中,同向行驶道路对自车具有一定引力,诱导自车保持当前方向道路行驶,逆向车道对自车具有斥力作用,避免自车逆向行驶,从而可通过对当前道路建立引力场和斥力场以建立道路静态势场。考虑到车辆沿道路行驶时保持车道中心行驶,将当前道路静态势场中心设为道路中心线,势场强度随远离中心线方向消弱,当前道路引力场的影响范围宽度为Lc,当前道路中心线势场强度Uc。
在预行驶道路上沿自车行驶方向的设定检测范围内设置多个检测点后,可根据第i个检测点与当前道路中心线之间的距离,确定第i个检测点对应的道路静态势场uci,称下式为公式(1):
式中,uci为第i个检测点对应的道路静态势场,ρci为第i个检测点与预行驶道路中心线之间的距离,kc为道路静态势场对应的系数,Uc为预行驶道路中心线的势场强度,Lc为当前道路引力场的影响范围宽度。
2、障碍物静态势场
障碍物静态势场是对障碍物周边一定安全距离范围内的斥力进行建立。如图2所示,障碍物在道路行驶时,作为交通参与者,对周边行驶车辆存在一定斥力,需要与周边障碍物保持一定的安全距离,障碍物周边建立一定安全范围内的静态势场,避免换道过程距离障碍物过近。设定的安全距离为Ls,安全范围内采用固定势场Usm,安全范围外随远离障碍物方向消弱,斥力场影响范围宽度Lobsm。
在预行驶道路上沿自车行驶方向的设定检测范围内设置多个检测点后,可根据第i个检测点与各障碍物之间的距离,确定第i个检测点对应的各个障碍物静态势场uomi,称下式为公式(2):
式中,uomi为第i个检测点对应的第m个障碍物的障碍物静态势场,Usm为第m个障碍物的势场强度,ρomi为第i个检测点与第m个障碍物之间的距离,ko为障碍物静态势场对应的系数,Lobsm为第m个障碍物的影响范围宽度,Ls为设定的安全距离。
3、障碍物动态势场
如图2所示,运动障碍物除一定安全距离范围内的静态势场,障碍物的运动导致障碍物周边势能重新进行分配,某一方向上的速度越大,该方向上势能影响范围越大,势场能量越强,反向势场强度随着距离障碍物越远,势场能量消弱越明显,这便是障碍物动态势场。障碍物沿道路行驶,根据其运动行为(换道、车道巡航等)建立不同动态势场。本发明针对自车换道模型进行势场建立,因此障碍物运动行为仅关注自车坐标系下障碍物运动信息,根据障碍物横纵向速度vxm、vym确定横向动态势场影响长度Llatm和纵向动态势场影响长度Llom,进而确定障碍物动态势场区间。且障碍物沿某一方向运动速度越大,势场影响范围越广。
车辆换道判断时,除根据障碍物速度确定势场影响区间,同时需要考虑障碍物相对本车运动方向以及速度大小。当障碍物纵向速度vym大于设定的纵向速度限值vTy行驶,其对后方车辆产生一定引力,吸引车辆跟车行驶;反之,对后方车辆产生斥力,强迫车辆换道。同理,当障碍物横向速度vxm大于设定的横向速度限值vTx行驶,其对同向行驶车辆产生一定引力,反之产生斥力。
在预行驶道路上沿自车行驶方向的设定检测范围内设置多个检测点后,可根据障碍物与自车的纵向距离、以及障碍物的纵向速度,得到障碍物纵向动态势场ulom,称下式为公式(3):
式中,ulom为第m个障碍物的障碍物纵向动态势场,sign()为符号函数,vTy为设定的纵向速度限值,vym为第m个障碍物的纵向速度,klo为障碍物纵向动态势场对应的系数,Llom为第m个障碍物纵向动态势场影响长度,yminm为第m个障碍物与自车的最近纵向距离,Ls为设定的安全距离,ρym为第m个障碍物与自车之间的纵向距离,ymaxm为第m个障碍物与自车的最远纵向距离。
同理,根据障碍物与自车的横向距离、以及障碍物的横向速度,便可障碍物横向动态势场ulatm,下式称为公式(4):
式中,ulatm为第m个障碍物的障碍物横向动态势场,sign()为符号函数,vTx为设定的横向速度限值,vxm为第m个障碍物的横向速度,klat为障碍物横向动态势场对应的系数,Llatm为第m个障碍物的横向动态势场影响长度,xminm为第m个障碍物与自车的最近横向距离,Ls为设定的安全距离,ρxm为第m个障碍物与自车之间的横向距离,xmaxm为第m个障碍物与自车的最远横向距离。
其中,公式(3)中的第m个障碍物与自车的最近纵向距离yminm是指障碍物的车尾与自车的车头之间的纵向距离,第m个障碍物与自车的最远纵向距离ymaxm为障碍物的车头与自车的车尾之间的纵向距离;当障碍物在自车的左边或左前方,第m个障碍物与自车的最近横向距离xminm为障碍物的车体右侧与自车的车体左侧之间的横向距离,第m个障碍物与自车的最远横向距离xmaxm为障碍物的车体左侧与自车的车体右侧之间的横向距离;当障碍物在自车的右边或右前方,第m个障碍物与自车的最近横向距离xminm为障碍物的车体左侧与自车的车体右侧之间的横向距离,第m个障碍物与自车的最远横向距离xmaxm为障碍物的车体右侧与自车的车体左侧之间的横向距离。
在进行上述分析后,便可实现本发明的一种基于人工势场法的车辆换道方法。下面结合图1,以预行驶道路包括当前道路和右侧的旁侧道路为例,来具体说明该方法。
方法实施例:
步骤一,进行环境信息的获取,包括预行驶道路上的各障碍物的信息。根据车身定位和高清地图确定当前车辆行驶道路以及当前道路信息,包括车道条数,本车当前所处位置信息等,利用车身激光雷达对车身周边一定范围内障碍物进行扫描,确定障碍物相对车***置和速度信息。
步骤二,根据自车的纵向速度和反应时间等信息,确定各预行驶道路上沿自车行驶方向的设定检测范围,并在该设定检测范围内设置多个检测点。检测点并不是真的在实际道路上设置,是为了计算综合势场需要而添加的虚拟的点。
步骤三,根据检测点与预行驶道路中心线之间的距离以及公式(1),确定第i个检测点对应的道路静态势uci。根据检测点与各个障碍物之间的距离以及公式(2),确定第i个检测点对应的第m个障碍物的障碍物静态势场uomi。根据障碍物与自车的纵向距离、障碍物的纵向速度、以及公式(3),确定第m个障碍物的障碍物纵向动态势场ulom。根据障碍物与自车的横向距离、障碍物的横向速度、以及公式(4),确定第m个障碍物的障碍物横向动态势场ulatm。至此,完成了自车运行环境下势场分配,为进一步确定各预行驶道路的综合势场打下基础。
步骤四,确定预行驶道路的综合势场。如图4所示,预行驶道路的综合势场是周边环境共同作用的下的效果,道路静态势场、障碍物静态势场和障碍物动态势场对道路上不同位置产生不同的势场。具体过程如下:
1)先将第i个检测点对应的障碍物静态势场、障碍物纵向动态势场和障碍物横向动态势场进行加权求和,以得到将第i个检测点对应的障碍物势场uzi:
式中,wo、wlo和wlat分别为障碍物静态势场、障碍物纵向动态势场和障碍物横向动态势场对应的加权系数,根据Uc、Usm的大小标定得到。
2)将第i个检测点对应的障碍物势场uzi和第i个检测点对应的道路静态势场相加,得到第i个检测点对应的综合势场ui:
ui=uci+uzi
3)将各个检测点对应的综合势场进行加权求和,得到第j个预行驶道路的综合势场Uj:
式中,wi为各个检测点对应的加权系数,各个加权系数根据检测点相对自车车头沿行驶方向距离确定,当然也可采用相同加权系数,根据对不同距离的关注程度确定。
步骤五,在得到各个预行驶道路的综合势场后,将各个预行驶道路的综合势场与对应的道路系数相乘,得到各个预行驶道路的换道概率。当前道路和旁侧道路对应的换道概率分别为:
Pcurr=Ucurr*Wcurr
Pneighbor=Uneighbor*Wneighbor
式中,Pcurr为当前道路的换道概率,Pneighbor为旁侧道路的换道概率,Ucurr为当前道路的综合势场,Uneighbor为旁侧道路的综合势场,Wcurr为当前道路的道路系数,Wneighbor为旁侧道路对应的道路系数,用于区分可行驶道路为当前道路还是旁侧道路,不可行驶道路该系数可设置的较大,以表示对道路进行禁行处理。
维修,突然发生车坡。
步骤六,比较各个预行驶道路的换道概率,构建得到如下所示的换道模型,以确定是否换道:
至此,便可根据上述结果来控制自车是否换道。
需说明的是,该实施例中出现的多个系数,公式(1)中的道路静态势场对应的系数kc、公式(2)中的障碍物静态势场对应的系数ko、公式(3)中的障碍物纵向动态势场对应的系数klo、公式(4)中的障碍物横向动态势场对应的系数klat,根据设定的初始势场Uc、Usm的大小标定,可以认为是增益常量。
在本实施中,预行驶道路的综合势场考虑了三种势场,即除了考虑障碍物动态势场外,还考虑了静态势场中的道路静态势场和障碍物静态势场,以全面考虑自车周边环境,得到的综合势场较为准确。作为其他实施方式,静态势场可只考虑道路静态势场和障碍物静态势场中的一种势场。
在本实施例中,是以预行驶道路包括当前道路和右侧的旁侧道路为例来进行说明。作为其他实施方式,预行驶道路可包括当前道路、左侧的旁侧道路、以及右侧的旁侧道路,则需要计算这三个预行驶道路的综合势场,并比较这三个预行驶道路的换道概率,从中挑选出换道概率最低的道路进行行驶。
在本实施例中,在计算得到各个预行驶道路的综合势场后,将各个预行驶道路与对应的道路系数相乘,从而得到各个预行驶道路的换道概率,根据换道概率确定是否换道。该种处理方法可应用于一些出现不可行驶道路的状况,例如,某一条道路出现了车祸,则设置该道路对应的道路系数较大一些,以表示对该道路进行禁行处理。当然,作为其他实施方式,若每条道路均没有出现这种完全不能行驶的状况,此时得到各个预行驶道路的综合势场后,直接将各个预行驶道路的综合势场进行比较,根据比较结果换道即可,无需再将各个预行驶道路的综合势场乘以对应的道路系数,并根据换道概率来确定是否换道。
装置实施例:
该实施例提供了一种基于人工势场法的车辆换道装置,如图5所示,包括存储器、处理器和内部总线,处理器、存储器之间通过内部总线完成相互间的通信。
处理器可以为微处理器MCU、可编程逻辑器件FPGA等处理装置。
存储器可为利用电能方式存储信息的各式存储器,RAM、ROM等;利用磁能方式存储信息的各式存储器,例如硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘等;利用光学方式存储信息的各式存储器,例如CD、DVD等。当然,还有其他方式的存储器,例如量子存储器、石墨烯存储器等。
处理器可以调用存储器中的逻辑指令,以实现一种基于人工势场法的车辆换道方法。在方法实施例中对该方法做了详细介绍。
Claims (9)
1.一种基于人工势场法的车辆换道方法,其特征在于,包括如下步骤:
1)获取预行驶道路上的各障碍物的信息,所述障碍物的信息包括障碍物的速度和位置;
2)在各预行驶道路上沿自车行驶方向的设定检测范围内均设置至少一个检测点,确定各个检测点对应的静态势场和障碍物动态势场,所述静态势场包括道路静态势场和/或障碍物静态势场;其中:
根据检测点与预行驶道路中心线之间的距离,确定该检测点对应的道路静态势场;所述检测点对应的道路静态势场为:
式中,uci为第i个检测点对应的道路静态势场,ρci为第i个检测点与预行驶道路中心线之间的距离,kc为道路静态势场对应的系数,Uc为预行驶道路中心线的势场强度,Lc为当前道路引力场的影响范围宽度;
根据检测点与各个障碍物之间的距离,确定该检测点对应的各个障碍物静态势场;
根据障碍物与自车之间的距离、以及各个障碍物的速度,确定各个障碍物动态势场;
3)根据每个预行驶道路的所有检测点对应的静态势场和障碍物动态势场,确定每个预行驶道路的综合势场;
4)根据各个预行驶道路的综合势场,进行换道控制。
2.根据权利要求1所述的基于人工势场法的车辆换道方法,其特征在于,步骤2)中,所述障碍物动态势场包括障碍物横向动态势场和障碍物纵向动态势场;所述障碍物纵向动态势场根据障碍物与自车的纵向距离、以及障碍物的纵向速度得到;所述障碍物横向动态势场根据障碍物与自车的横向距离、以及障碍物的横向速度得到。
3.根据权利要求1所述的基于人工势场法的车辆换道方法,其特征在于,步骤2)中,所述检测点对应的各个障碍物静态势场为:
式中,uomi为第i个检测点对应的第m个障碍物的障碍物静态势场,Usm为第m个障碍物的安全范围内的势场强度,ρomi为为第i个检测点与第m个障碍物之间的距离,ko为障碍物静态势场对应的系数,Lobsm为第m个障碍物的影响范围宽度,Ls为设定的安全距离。
4.根据权利要求2所述的基于人工势场法的车辆换道方法,其特征在于,障碍物纵向动态势场为:
式中,ulom为第m个障碍物的障碍物纵向动态势场,sign()为符号函数,vTy为设定的纵向速度限值,vym为第m个障碍物的纵向速度,klo为障碍物纵向动态势场对应的系数,Llom为第m个障碍物纵向动态势场影响长度,yminm为第m个障碍物与自车的最近纵向距离,Ls为设定的安全距离,ρym为第m个障碍物与自车之间的纵向距离,ymaxm为第m个障碍物与自车的最远纵向距离。
5.根据权利要求2所述的基于人工势场法的车辆换道方法,其特征在于,障碍物横向动态势场为:
式中,ulatm为第m个障碍物的障碍物横向动态势场,sign()为符号函数,vTx为设定的横向速度限值,vxm为第m个障碍物的横向速度,klat为障碍物横向动态势场对应的系数,Llatm为第m个障碍物的横向动态势场影响长度,xminm为第m个障碍物与自车的最近横向距离,Ls为设定的安全距离,ρxm为第m个障碍物与自车之间的横向距离,xmaxm为第m个障碍物与自车的最远横向距离。
6.根据权利要求1所述的基于人工势场法的车辆换道方法,其特征在于,步骤4)中,将各个预行驶道路的综合势场与对应的道路系数相乘,得到各个预行驶道路的换道概率,比较各个预行驶道路的换道概率,进行换道控制。
7.根据权利要求2所述的基于人工势场法的车辆换道方法,其特征在于,所述静态势场包括道路静态势场和障碍物静态势场,则预行驶道路的综合势场为:
式中,Uj为第j个预行驶道路的综合势场,uci为第i个检测点对应的道路静态势场,uomi为第i个检测点对应的第m个障碍物的障碍物静态势场,ulom为第m个障碍物的障碍物纵向动态势场,ulatm为第m个障碍物的障碍物横向动态势场,len为预行驶道路上沿自车行驶方向的设定检测范围内检测点的个数,nobs为预行驶道路上的障碍物的个数,wo、wlo和wlat分别为道路静态势场、障碍物静态势场、障碍物纵向动态势场和障碍物横向动态势场对应的加权系数,wi为各个检测点对应的加权系数。
8.根据权利要求1~7任一项所述的基于人工势场法的车辆换道方法,其特征在于,步骤4)中,进行换道控制时,控制换道至综合势场最小的预行驶道路。
9.一种基于人工势场法的车辆换道装置,其特征在于,包括存储器和处理器,所述处理器用于执行存储在存储器中的指令以实现如权利要求1~8任一项所述的基于人工势场法的车辆换道方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010317950.2A CN113525375B (zh) | 2020-04-21 | 2020-04-21 | 一种基于人工势场法的车辆换道方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010317950.2A CN113525375B (zh) | 2020-04-21 | 2020-04-21 | 一种基于人工势场法的车辆换道方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113525375A CN113525375A (zh) | 2021-10-22 |
CN113525375B true CN113525375B (zh) | 2023-07-21 |
Family
ID=78093887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010317950.2A Active CN113525375B (zh) | 2020-04-21 | 2020-04-21 | 一种基于人工势场法的车辆换道方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113525375B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115546319B (zh) * | 2022-11-24 | 2023-03-28 | 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) | 车道保持方法、装置、计算机设备及存储介质 |
CN116691667A (zh) * | 2023-07-24 | 2023-09-05 | 中国第一汽车股份有限公司 | 车辆的行驶轨迹规划方法、装置、车辆和存储介质 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10018873A1 (de) * | 2000-04-14 | 2001-12-06 | Daimler Chrysler Ag | Hindernisvermeidungsverfahren für das Fahrzeugverfolgen |
DE102004009085A1 (de) * | 2003-02-25 | 2005-01-20 | Kabushiki Kaisha Toshiba | Verkehrsfluss-Simulationssystem und Verfahren und Speichermedien |
CN105974917A (zh) * | 2016-05-11 | 2016-09-28 | 江苏大学 | 一种基于新型人工势场法的车辆避障路径规划研究方法 |
CN107161143A (zh) * | 2017-05-18 | 2017-09-15 | 江苏大学 | 一种采用人工势场法的车辆主动避撞方法 |
CN107608346A (zh) * | 2017-08-30 | 2018-01-19 | 武汉理工大学 | 基于人工势场的船舶智能避障方法及*** |
CN107664993A (zh) * | 2016-07-29 | 2018-02-06 | 法乐第(北京)网络科技有限公司 | 一种路径规划方法 |
GB201801968D0 (en) * | 2018-02-07 | 2018-03-28 | Jaguar Land Rover Ltd | A system for a vehicle |
WO2018176594A1 (zh) * | 2017-03-31 | 2018-10-04 | 深圳市靖洲科技有限公司 | 一种面向无人自行车的人工势场路径规划法 |
CN109318890A (zh) * | 2018-06-29 | 2019-02-12 | 北京理工大学 | 一种基于动态窗口及障碍物势能场的无人车动态避障方法 |
CA3028642A1 (en) * | 2017-12-29 | 2019-06-29 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for path determination |
CN110244713A (zh) * | 2019-05-22 | 2019-09-17 | 江苏大学 | 一种基于人工势场法的智能车辆换道轨迹规划***及方法 |
CN110329263A (zh) * | 2019-07-05 | 2019-10-15 | 西南交通大学 | 自动驾驶车辆自适应换道轨迹规划方法 |
CN110471408A (zh) * | 2019-07-03 | 2019-11-19 | 天津大学 | 基于决策过程的无人驾驶车辆路径规划方法 |
CN110550029A (zh) * | 2019-08-12 | 2019-12-10 | 华为技术有限公司 | 障碍物避让方法及装置 |
CN110893849A (zh) * | 2018-08-22 | 2020-03-20 | 郑州宇通客车股份有限公司 | 一种自动驾驶车辆避障换道控制方法及装置 |
CN110908373A (zh) * | 2019-11-11 | 2020-03-24 | 南京航空航天大学 | 一种基于改进人工势场的智能车辆轨迹规划方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013013747A1 (de) * | 2013-08-21 | 2015-02-26 | GM Global Technology Operations, LLC (n.d. Ges. d. Staates Delaware) | Fahrassistenzsystem, Fahrzeug mit einem Fahrassistenzsystem und Verfahren zum Betrieb eines Fahrerassistenzsystems |
US11231715B2 (en) * | 2018-05-22 | 2022-01-25 | King Fahd University Of Petroleum And Minerals | Method and system for controlling a vehicle |
-
2020
- 2020-04-21 CN CN202010317950.2A patent/CN113525375B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10018873A1 (de) * | 2000-04-14 | 2001-12-06 | Daimler Chrysler Ag | Hindernisvermeidungsverfahren für das Fahrzeugverfolgen |
DE102004009085A1 (de) * | 2003-02-25 | 2005-01-20 | Kabushiki Kaisha Toshiba | Verkehrsfluss-Simulationssystem und Verfahren und Speichermedien |
CN105974917A (zh) * | 2016-05-11 | 2016-09-28 | 江苏大学 | 一种基于新型人工势场法的车辆避障路径规划研究方法 |
CN107664993A (zh) * | 2016-07-29 | 2018-02-06 | 法乐第(北京)网络科技有限公司 | 一种路径规划方法 |
WO2018176594A1 (zh) * | 2017-03-31 | 2018-10-04 | 深圳市靖洲科技有限公司 | 一种面向无人自行车的人工势场路径规划法 |
CN107161143A (zh) * | 2017-05-18 | 2017-09-15 | 江苏大学 | 一种采用人工势场法的车辆主动避撞方法 |
CN107608346A (zh) * | 2017-08-30 | 2018-01-19 | 武汉理工大学 | 基于人工势场的船舶智能避障方法及*** |
CA3028642A1 (en) * | 2017-12-29 | 2019-06-29 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for path determination |
GB201801968D0 (en) * | 2018-02-07 | 2018-03-28 | Jaguar Land Rover Ltd | A system for a vehicle |
CN109318890A (zh) * | 2018-06-29 | 2019-02-12 | 北京理工大学 | 一种基于动态窗口及障碍物势能场的无人车动态避障方法 |
CN110893849A (zh) * | 2018-08-22 | 2020-03-20 | 郑州宇通客车股份有限公司 | 一种自动驾驶车辆避障换道控制方法及装置 |
CN110244713A (zh) * | 2019-05-22 | 2019-09-17 | 江苏大学 | 一种基于人工势场法的智能车辆换道轨迹规划***及方法 |
CN110471408A (zh) * | 2019-07-03 | 2019-11-19 | 天津大学 | 基于决策过程的无人驾驶车辆路径规划方法 |
CN110329263A (zh) * | 2019-07-05 | 2019-10-15 | 西南交通大学 | 自动驾驶车辆自适应换道轨迹规划方法 |
CN110550029A (zh) * | 2019-08-12 | 2019-12-10 | 华为技术有限公司 | 障碍物避让方法及装置 |
CN110908373A (zh) * | 2019-11-11 | 2020-03-24 | 南京航空航天大学 | 一种基于改进人工势场的智能车辆轨迹规划方法 |
Non-Patent Citations (3)
Title |
---|
基于改进人工势场法的智能车辆超车路径规划研究;王树凤;张钧鑫;刘宗锋;;汽车技术(第03期);全文 * |
基于模型预测控制的汽车主动避障***;杨丰萍;谢梦莎;彭理群;郑文奇;刘锋;;华东交通大学学报(第01期);全文 * |
基于红外测距传感器信息的通风管道清扫机器人控制算法研究;宋章军;陈恳;杨向东;;制造业自动化(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113525375A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112389427B (zh) | 车辆轨迹优化方法、装置、电子设备和存储介质 | |
US11532167B2 (en) | State machine for obstacle avoidance | |
EP3647728B1 (en) | Map information system | |
US10678248B2 (en) | Fast trajectory planning via maneuver pattern selection | |
CN107792065B (zh) | 道路车辆轨迹规划的方法 | |
US11427191B2 (en) | Obstacle avoidance action | |
CN110077397B (zh) | 一种智能车避障轨迹规划方法及装置 | |
CN111552284A (zh) | 无人驾驶车辆的局部路径规划方法、装置、设备及介质 | |
CN105809130B (zh) | 一种基于双目深度感知的车辆可行驶区域计算方法 | |
EP3717324B1 (en) | Autonomous vehicle operational management scenarios | |
EP3407329B1 (en) | Driving assistance method and device | |
US11898855B2 (en) | Assistance control system that prioritizes route candidates based on unsuitable sections thereof | |
CN114341950A (zh) | 占据预测神经网络 | |
KR102588008B1 (ko) | 진입하거나 진출하는 차량을 검출하기 위한 방법 및 제어 유닛 | |
CN113525375B (zh) | 一种基于人工势场法的车辆换道方法及装置 | |
CN112577506B (zh) | 一种自动驾驶局部路径规划方法和*** | |
US11300968B2 (en) | Navigating congested environments with risk level sets | |
CN109690650A (zh) | 车辆的行驶控制方法及行驶控制装置 | |
CN113720346B (zh) | 基于势能场和隐马尔可夫模型的车辆路径规划方法及*** | |
Althoff et al. | Stochastic reachable sets of interacting traffic participants | |
CN112327888B (zh) | 路径规划方法、装置、电子设备和存储介质 | |
CN115230729A (zh) | 一种自动驾驶避障方法及***、存储介质 | |
CN114200917B (zh) | 一种车辆换道控制方法及装置 | |
CN115476874A (zh) | 车辆控制设备、包括车辆控制设备的***及车辆控制方法 | |
CN117826825B (zh) | 基于人工势场算法的无人矿卡局部路径规划方法及*** |
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 | ||
CB02 | Change of applicant information |
Address after: No. 6, Yutong Road, Guancheng Hui District, Zhengzhou, Henan 450061 Applicant after: Yutong Bus Co.,Ltd. Address before: No.1, Shibali Heyu Road, Guancheng Hui District, Zhengzhou City, Henan Province Applicant before: ZHENGZHOU YUTONG BUS Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |