CN115848363A - 一种避撞和降损轨迹规划方法 - Google Patents

Abstract

本发明公开一种避撞和降损轨迹规划方法，包括基于传感器获取和预测自车周围车辆运动信息，从而计算出避撞临界距离，基于纵向避撞临界距离和横向避撞临界距离，构建轨迹规划可行域，构建的轨迹规划可行域，可为轨迹规划提供尺寸约束。基于五次多项式和不同的横向加速度，可生成多段避撞轨迹，即生成避撞轨迹簇。建立碰撞受损度代价函数K，代价函数K由碰撞速度系数K_v、碰撞角度系数

换道稳定度系数K_S组成。采用多目标优化法，在尺寸约束和动力学约束下，求解出最小碰撞受损度代价函数K对应的横向加速度a_yref，从而确定出碰撞受损度最小的避撞轨迹。

Description

一种避撞和降损轨迹规划方法

技术领域

本发明涉及无人驾驶汽车的紧急避撞领域，特别是涉及一种无人驾驶应急场景下避撞和降损轨迹规划方法。

背景技术

汽车紧急避让***作为一种主动安全技术，通过毫米波雷达、激光雷达或者是摄像头来检测周围环境信息，在即将发生碰撞时帮助驾驶员完成避撞操作，提升驾驶安全性。紧急避让***按照执行器划分，可分为制动避撞、转向避撞、制动转向联合避撞。目前的汽车避撞产品主要通过制动方式实现，它通过检测道路前方的障碍物，根据汽车车速和相对距离，当将要发生碰撞时，通过主动制动方式使汽车停车。一般来说，一个完整的汽车避让***包括4部分：1.环境识别及融合；2.行为决策；3.路径规划；4.路径跟踪。基于智能车辆、无人驾驶车辆的紧急工况下的避撞***，是在环境识别模块做出避撞决策后，经过上层的路径规划和下层路径跟踪，进行紧急避撞控制。

当前无人驾驶避撞技术存在对应急场景下和降损方面考虑的不足。大多仅考虑自车与单一的障碍车辆，很少考虑自车周围存在多个障碍车的应急场景；另外考虑的场景多是速度较低的情况，大部分仅考虑自车时速在80km/h及以下的情况，对于80km/h～120km/h的高速紧急情况考虑较少；而对于80km/h～120km/h的高速紧急情况，则必然会出现不能完全避撞的情况，因此需要将不能完全避撞情况下的降损纳入考量范围。

发明内容

为了解决上述技术中的问题，本发明提出了一种无人驾驶应急场景下避撞和降损轨迹规划方法，使规划出的轨迹的碰撞受损度最低。

一种无人驾驶应急场景下避撞和降损轨迹规划方法，包括以下步骤：

步骤1：基于传感器获取自车周围车辆运动信息。

步骤2：基于步骤1获取的周围车辆运动信息，基于纵向避撞临界距离和横向避撞临界距离，构建轨迹规划可行域。

步骤3：基于五次多项式，在可行域生成避撞轨迹簇。根据不同的横向加速度，可生成多段避撞轨迹，即生成避撞轨迹簇。

步骤4：建立碰撞受损度代价函数K，代价函数K由碰撞速度系数K_v、碰撞角度系数

换道稳定度系数K_S组成。采用多目标优化法，求解出最小碰撞受损度代价函数K对应的横向加速度a_yref，从而确定出碰撞受损度最小的换道轨迹。

进一步的，基于传感器所获取的自车周围车辆运动信息，具体为，各车位置信息(X_i、Y_i)，由位置信息可以计算得到周围车与自车的相对角度信息(θ_ij)、各车速度信息

各车加速度信息/>

进一步的，基于步骤1获取的周围车辆运动信息，基于纵向避撞临界距离和横向避撞临界距离，构建轨迹规划可行域。具体为，所述纵向避撞临界距离公式如下：

式中，

为自车纵向车速，/>

为周围车辆纵向车速，T_delay为制动***延迟时间，α_xmax为最大制动减速度，S_safe为安全车距。参数取值为，T_delay＝0.2s，α_xmax＝0.8g，S_safe＝5m。

所述横向避撞临界距离公式如下：

式中，μ为路面附着系数。

基于计算得到的周围各车相对于自车的纵向避撞临界距离和横向避撞临界距离，可构建出轨迹规划可行域，为轨迹规划提供约束。

进一步的，基于五次多项式，在可行域生成避撞轨迹簇。具体为，所述五次多项式轨迹公式如下：

式中，x_ref(t)为参考纵向位置随时间t的关系，y_ref(t)为参考横向位置随时间t的关系，y_e为横向总位移即避撞过程横向总位移，y_e＝3.75m，t_e为总的换道时间。

所生成避撞轨迹的横向加速度为：

根据不同的横向加速度，可生成多段避撞轨迹，即生成避撞轨迹簇。

进一步的，建立碰撞受损度代价函数K，代价函数K由碰撞速度系数K_v、碰撞角度系数

换道稳定度系数K_S组成。

具体为，所述碰撞速度系数K_v，基于运动学计算自车与周围车纵向发生碰撞时的相对速度，其数学表示为

进一步的，所述碰撞角度系数

基于自车与邻道车辆位置和换道避撞轨迹曲线，判断邻道车辆在轨迹中处于何等位置，其数学表示为

/>

进一步的，所述换道稳定度系数K_S，基于自车换道的横向加速度，判断自车换道过程的稳定性，其数学表示为

进一步的，所述碰撞受损度代价函数K为

通过步骤2中建立的可行域建立约束为

采用多目标优化法，求解出最小碰撞受损度代价函数K对应的横向加速度α_yref，从而确定出碰撞受损度最小的换道轨迹。

本发明的有益效果在于：本发明基于传感器获取自车周围车辆运动信息，基于纵向避撞临界距离和横向避撞临界距离，构建轨迹规划可行域。基于五次多项式，在可行域生成避撞轨迹簇。构建的轨迹规划可行域，为轨迹规划提供约束，减小了规划多段轨迹的计算复杂度。根据不同的横向加速度，可生成多段避撞轨迹，即生成避撞轨迹簇。建立碰撞受损度代价函数K，代价函数K由碰撞速度系数K_v、碰撞角度系数

换道稳定度系数K_s组成。采用多目标优化法，求解出最小碰撞受损度代价函数K对应的横向加速度a_yref，从而确定出碰撞受损度最低的换道轨迹，达到最好的避撞和降损效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的避撞和降损轨迹规划方法总体框图；

图2为本发明提供的构建轨迹规划可行域示意图；

图3为本发明提供的碰撞角度系数

示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明提供了一种人驾驶应急场景下避撞和降损轨迹规划方法。其总体结构包括：环境感知和预测模块、可行域生成模块、轨迹簇生成模块和轨迹优化模块。

环境感知和预测模块基于传感器获取自车周围车辆运动信息。具体为，各车位置信息(X_i、Y_i)，由位置信息可以计算得到周围车与自车的相对角度信息(θ_ij)、各车速度信息

各车加速度信息/>

可行域生成模块基于环境感知和预测模块获取的周围车辆运动信息，基于纵向避撞临界距离和横向避撞临界距离，构建轨迹规划可行域。

轨迹簇生成模块基于五次多项式，在可行域生成避撞轨迹簇。根据不同的横向加速度，可生成多段避撞轨迹，即生成避撞轨迹簇。

轨迹优化模块建立碰撞受损度代价函数K，代价函数K由碰撞速度系数K_v、碰撞角度系数

换道稳定度系数K_S组成。采用多目标优化法，求解出最小碰撞受损度代价函数K对应的横向加速度a_yref，从而确定出碰撞受损度最小的换道轨迹。

本发明的技术方案是一种无人驾驶应急场景下避撞和降损轨迹规划方法，包括以下步骤：

步骤1：基于传感器获取自车周围车辆运动信息。具体为，各车位置信息(X_i、Y_i)，由位置信息可以计算得到周围车与自车的相对角度信息(θ_ij)、各车速度信息

各车加速度信息/>

步骤2：基于步骤1获取的周围车辆运动信息，基于纵向避撞临界距离和横向避撞临界距离，构建轨迹规划可行域，如图2所示。具体为，所述纵向避撞临界距离公式如下：

式中，

为自车纵向车速，/>

为周围车辆纵向车速，T_delay为制动***延迟时间，a_xmax为最大制动减速度，S_safe为安全车距。参数取值为，T_delay＝0.2s，a_xmax＝0.8g，S_safe＝5m。

所述横向避撞临界距离公式如下：

式中，μ为路面附着系数。

基于计算得到的周围各车相对于自车的纵向避撞临界距离和横向避撞临界距离，可构建出轨迹规划可行域，为轨迹规划提供约束。

步骤3：基于五次多项式，在可行域生成避撞轨迹簇，如图2所示。具体为，所述五次多项式轨迹公式如下：

式中，x_ref(t)为参考纵向位置随时间t的关系，y_ref(t)为参考横向位置随时间t的关系，y_e为横向总位移即避撞过程横向总位移，y_e＝3.75m，t_e为总的换道时间。

所生成避撞轨迹的横向加速度为：

根据不同的横向加速度，可生成多段避撞轨迹，即生成避撞轨迹簇。

步骤4：建立碰撞受损度代价函数K，代价函数K由碰撞速度系数K_v、碰撞角度系数

换道稳定度系数K_S组成。

具体为，所述碰撞速度系数K_v，基于运动学计算自车与周围车纵向发生碰撞时的相对速度，其数学表示为

所述碰撞角度系数

如图3所示，基于自车与邻道车辆位置和换道避撞轨迹曲线，判断邻道车辆在轨迹中处于何等位置，其数学表示为

所述换道稳定度系数K_s，基于自车换道的横向加速度，判断自车换道过程的稳定性，其数学表示为

综上，所述碰撞受损度代价函数K为

通过步骤2中建立的可行域建立约束为

采用多目标优化法，求解出最小碰撞受损度代价函数K对应的横向加速度α_yref，从而确定出碰撞受损度最小的换道轨迹。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，对于本技术领域的技术人员在本发明揭露的技术范围内，还可以做出若干改动和调整。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (10)

1.一种避撞和降损轨迹规划方法，其特征在于，包括以下步骤，

步骤1：基于传感器获取自车及周围车辆运动信息；

步骤2：基于步骤1获取的周围车辆运动信息，基于纵向避撞临界距离和横向避撞临界距离，构建轨迹规划可行域；

步骤3：基于五次多项式轨迹公式，在所述可行域内根据不同的横向加速度生成多段避撞轨迹簇；

步骤4：建立碰撞受损度代价函数K，采用多目标优化法，求解出最小碰撞受损度代价函数K对应的横向加速度α_yref，确定碰撞受损度最小的换道轨迹。

2.根据权利要求1所述的一种避撞和降损轨迹规划方法，其特征在于，所述自车及周围车辆运动信息为，各车位置信息(X_i、Y_i)，根据位置信息计算得到周围车与自车的相对角度信息θ_ij、各车速度信息

各车加速度信息/>

3.根据权利要求1所述的一种避撞和降损轨迹规划方法，其特征在于，所述纵向避撞临界距离计算公式如下：

所述横向避撞临界距离计算公式如下：

式中，

为自车纵向车速，/>

为周围车辆纵向车速，T_delay为制动***延迟时间，α_xmax为最大制动减速度，S_safe为安全车距，μ为路面附着系数，T_steer为横向避撞时间。

4.根据权利要求1所述的一种避撞和降损轨迹规划方法，其特征在于，所述步骤3具体为，五次多项式轨迹公式如下：

式中，x_ref(t)为参考纵向位置与时间t的关系函数，y_ref(t)为参考横向位置与时间t的关系函数，y_e为横向总位移即避撞过程横向总位移，t_e为总的换道时间。

5.根据权利要求1所述的一种避撞和降损轨迹规划方法，其特征在于，所述碰撞受损度代价函数K由碰撞速度系数K_v、碰撞角度系数

换道稳定度系数K_S组成。

6.根据权利要求5所述的一种避撞和降损轨迹规划方法，其特征在于，所述碰撞速度系数K_v，基于运动学计算自车与周围车纵向发生碰撞时的相对速度，其数学表示为

式中，X_i为周围各车辆纵向坐标，X₀为自车纵向坐标。

7.根据权利要求5所述的一种避撞和降损轨迹规划方法，其特征在于，所述碰撞角度系数

基于自车与邻道车辆位置和换道避撞轨迹曲线，判断邻道车辆在轨迹中处于何等位置，其数学表示为

式中，X_i为周围各车辆纵向坐标，X₀为自车纵向坐标，t_e为总的换道时间，t_e为总的换道时间。

8.根据权利要求5所述的一种避撞和降损轨迹规划方法，其特征在于，所述换道稳定度系数K_s，基于自车换道的横向加速度，判断自车换道过程的稳定性，其数学表示为

式中，α_yref为横向加速度，a_ymax为最大横向加速度。

9.根据权利要求5至8任一项所述的一种避撞和降损轨迹规划方法，其特征在于，所述碰撞受损度代价函数K为

式中，ω₁、ω₂、ω₃分别为各系数的权重系数。

10.根据权利要求5至8任一项所述的一种避撞和降损轨迹规划方法，其特征在于，通过步骤2中建立的可行域建立约束为：

式中，a_ymin、a_ymax分别为最小、最大横向加速度，X_min、X_max分别为最小、最大纵向位移，Y为横向总位移即避撞过程横向总位移，t_e为总的换道时间；

采用多目标优化法，求解出最小碰撞受损度代价函数K对应的横向加速度α_yref，从而确定出碰撞受损度最小的换道轨迹。

Images