CN116118780A - 一种车辆避障轨迹规划方法、***、车辆及存储介质 - Google Patents

一种车辆避障轨迹规划方法、***、车辆及存储介质 Download PDF

Info

Publication number
CN116118780A
CN116118780A CN202310168828.7A CN202310168828A CN116118780A CN 116118780 A CN116118780 A CN 116118780A CN 202310168828 A CN202310168828 A CN 202310168828A CN 116118780 A CN116118780 A CN 116118780A
Authority
CN
China
Prior art keywords
vehicle
obstacle
coordinate system
point
transverse
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.)
Pending
Application number
CN202310168828.7A
Other languages
English (en)
Inventor
李铖
王月强
贺勇
任凡
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.)
Chongqing Changan Automobile Co Ltd
Original Assignee
Chongqing Changan Automobile Co Ltd
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 Chongqing Changan Automobile Co Ltd filed Critical Chongqing Changan Automobile Co Ltd
Priority to CN202310168828.7A priority Critical patent/CN116118780A/zh
Publication of CN116118780A publication Critical patent/CN116118780A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/105—Speed
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及车辆自动驾驶技术领域，提供了一种车辆避障轨迹规划方法、***、车辆及存储介质，方法包括根据车辆定位信息，获取车道线的坐标点信息和车道中心线的坐标点信息；以本车所在车道的车道中心线作为参考线，将本车位置、航向、速度、加速度换成frenet坐标系中的纵向位置、横向偏移、横向速度、纵向速度、横向加速度和纵向加速度；取障碍物信息，若存在障碍物时，将障碍物坐标转换成frenet坐标系中的Sobs,Lobs，若存在多个障碍物，将每个障碍物坐标都转换成frenet坐标系中的Sobsi,Lobsi，通过撒点采样经由动态规划计算出目标点；将目标点转换成自然坐标系中的坐标，通过平滑算法进行平滑得到轨迹点集；对轨迹点集拟合生成轨迹方程。本发明计算过程简单，成本更低。

Description

一种车辆避障轨迹规划方法、***、车辆及存储介质
技术领域
本发明涉及车辆自动驾驶技术领域，具体涉及一种车辆避障轨迹规划方法、***、车辆及存储介质。
背景技术
随着人工智能技术的兴起，以自动驾驶车辆为研究对象的运动轨迹规划问题越来越受到重视，而避障轨迹规划是自动驾驶汽车的关键部分，对自动驾驶汽车的研究具有重大意义。在自动驾驶汽车行驶过程中，准确，安全，实时避开障碍物，不仅能够提高智能车的安全性，对于出行效率也有一定提高，所以智能车的避障问题也成为了一个研究的热点。
在进行换道规划时，目前主流的规划方法有搜索法、采样法；其中，申请公布号为CN114194215A的专利公开了一种智能车辆避障换道轨迹规划方法及***，根据道路环境、障碍物信息以及当前车速，基于操稳性极限起始回正点以及多项式曲线生成可行轨迹簇，对可行轨迹簇中的换道轨迹进行预碰撞检测，筛选并剔除出不满足预碰撞检测条件的轨迹得到无碰撞轨迹簇；在无碰撞轨迹簇的基础上建立关于舒适性、避障效率、侧滑这三个评价指标的代价函数；并采用模糊推理来确定三个评价指标的权重，通过求解多目标优化问题，搜索出最优的避障换道回正点，即规划出最终的避障换道轨迹。
上述专利文件的技术方案可以在兼顾安全性、实时性以及曲率连续的同时，使得轨迹的性能指标如舒适性、避障效率等最大化，有效改善乘员的乘坐体验；但是其评价指标着重于舒适性、避障效率、侧滑等指标，针对车辆避障的方法的计算复杂，成本较高，较难商业化运用。
发明内容
有鉴于此，本申请实施例的目的在于提供一种车辆避障轨迹规划方法、***、车辆及存储介质，能够更简单的对车辆避障轨迹进行规划，整个计算过程简单，成本更低，易于商业化应用。
为实现上述技术目的，本申请采用的技术方案如下：
第一方面，本申请提供了一种车辆避障轨迹规划方法，包括以下步骤，
S1、获取车辆定位信息，并根据所述车辆定位信息，获取高精度地图中的车道线自然坐标系的坐标点信息和车道中心线自然坐标系的坐标点信息；
S2、以本车所在车道的所述车道中心线作为参考线，将本车位置、航向、速度、加速度换成frenet坐标系s，l中的纵向位置s、横向偏移l、横向速度
Figure BDA0004097135330000021
纵向速度l'、横向加速度
Figure BDA0004097135330000022
和纵向加速度l”；
S3、获取障碍物信息，若不存在障碍物时，车辆根据所述参考线行驶；若存在障碍物时，将障碍物坐标转换成frenet坐标系中的Sobs,Lobs，若存在多个障碍物，将每个障碍物坐标都转换成frenet坐标系中的Sobsi,Lobsi，通过撒点采样经由动态规划计算出目标点；
S4、将计算出的目标点通过坐标变换转换成自然坐标系中的坐标，然后通过平滑算法进行平滑得到轨迹点集；
S5、对轨迹点集进行拟合，生成轨迹方程。
进一步，所述以本车所在车道的车道中心线作为参考线包括：根据本车的坐标以及航向，确定本车所在车道，然后将本车所在车道的中心线平滑后作为所述参考线；将自然坐标系中的参考线点坐标(xi,yi)转换成frenet坐标系中的(si,li)。
进一步，所述将本车位置、航向、速度、加速度换成frenet坐标系s，l中的纵向位置s、横向偏移l、横向速度
Figure BDA0004097135330000023
纵向速度l'、横向加速度
Figure BDA0004097135330000024
和纵向加速度l”的方法包括：
s＝sr
Figure BDA0004097135330000025
Figure BDA0004097135330000026
Figure BDA0004097135330000027
l'＝(1-krl)tan(θx-θr)
Figure BDA0004097135330000028
其中，下标x表示本车，下标r表示本车在参考线上的投影点，k表示曲率，θ表示航向角，v表示速度，a表示加速度。
进一步，所述通过撒点采样经由动态规划计算出目标点包括：通过两采样点的纵向位置、横向偏移、横纵向速度，横纵向加速度得到连接两个采样点的五次多项式系数，然后求得两个采样点之间五次多项式曲线的代价函数；所述代价函数为偏离参考线的距离代价，或者横向速度代价，或者横向加速度代价，或者横向加加速度代价，或者偏离参考线的距离代价、横向速度代价、横向加速度代价、横向加加速度代价的任一个与静态障碍物的危险度代价之和。
进一步，所述静态障碍物的危险度代价与静态障碍物的距离成负相关，当本车至静态障碍物距离小于limitdown时，则认为会碰撞，代价函数设定为无穷大；当本车至静态障碍物距离大于limitup时，则不会碰撞，代价函数为0，当本车至静态障碍物距离大于limitdown，小于limitup时，代价函数与本车至静态障碍物距离呈负相关；其中limitdown表示认为存在危险的判断下限阈值，limitup表示认为存在危险的判断上限阈值。
进一步，所述将计算出的目标点通过坐标变换转换成自然坐标系中的坐标，然后通过平滑算法进行平滑得到轨迹点集包括：将在frenet坐标系下计算出的目标点通过坐标变换转换成自然坐标系中的坐标：
xx＝xr-lsin(θr)
yx＝yr+lcos(θr)
其中，下标x表示采样点，下标r表示采样点在参考线上的投影点，θ表示航向角；
然后通过平滑算法进行平滑得到轨迹点集。
进一步，所述对轨迹点集进行拟合，生成轨迹方程包括：运用最小二乘方法对平滑后的轨迹点集进行拟合，生成3次多项式轨迹方程。
第二方面，本发明还公开了一种自动驾驶***，所述自动驾驶***使用了上述的车辆避障轨迹规划方法。
第三方面，本发明还公开了一种车辆，所述车辆包括车辆本体和上述的自动驾驶***，所述自动驾驶***搭载于所述车辆本体上。
第四方面，本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述的方法。
采用上述技术方案的发明，具有如下优点：
本发明通过高精度地图的车道信息，车道中心线信息；以平滑后的中心线作为参考线建立frenet坐标系，同时将静态障碍物投影到frenet坐标系中，在撒点采样后通过动态规划计算合适的采样点；将frenet坐标系下选取的采样点坐标转换到自然坐标系下并进行平滑处理；最后通过最小二乘方法对平滑处理后的采样点进行拟合生成参考轨迹方程，整个计算过程简单，成本更低，易于商业化应用。
附图说明
本申请可以通过附图给出的非限定性实施例进一步说明。应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明一种车辆避障轨迹规划方法的步骤流程图。
图2为本发明实施例中的撒点采样示意图。
具体实施方式
以下将结合附图和具体实施例对本申请进行详细说明，需要说明的是，在附图或说明书描述中，相似或相同的部分都使用相同的图号，附图中未绘示或描述的实现方式，为所述技术领域中普通技术人员所知的形式。在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1、
本实施例为一种车辆避障轨迹规划方法，如图1所示，步骤包括：
S1、获取车辆定位信息，并根据所述车辆定位信息，获取高精度地图中的车道线自然坐标系的坐标点信息和车道中心线自然坐标系的坐标点信息。
S2、根据本车的坐标以及航向，确定本车所在车道，然后将该车道的中心线平滑后作为参考线。将自然坐标系中的参考线点坐标(xi,yi)转换成frenet坐标系中的(si,li)。
s1＝0；li＝0,i＝1,2,…
Figure BDA0004097135330000041
由于frenet坐标系以参考线为基准建立，所以参考线点的横向偏移量li皆为0。
将本车位置、航向、速度、加速度换成frenet坐标系(S,L)中的纵向位置(s)、横向偏移(l)、横纵向速度(
Figure BDA0004097135330000042
l')，横纵向加速度(
Figure BDA0004097135330000043
l”)。
s＝sr
Figure BDA0004097135330000044
Figure BDA0004097135330000045
Figure BDA0004097135330000046
l'＝(1-krl)tan(θx-θr)
Figure BDA0004097135330000047
其中，下标x表示本车，下标r表示本车在参考线上的投影点，k表示曲率，θ表示航向角，v表示速度，a表示加速度。
S3、根据传感器数据获取障碍物信息。不存在障碍物时，车辆根据参考线行驶；存在障碍物时，将障碍物坐标转换成frenet坐标系中的Sobs,Lobs。若存在多个障碍物，将每个障碍物坐标都转换成frenet坐标系中的Sobsi,Lobsi。根据参考线的进行撒点采样，经由动态规划计算出目标点，如图2所示。图中的曲线表示参考线，A点均为采样点，B指向的星状点表示障碍物位置，最后C指向圆圈选中的A点为最终计算出的目标采样点。动态规划计算时，通过两采样点的纵向位置、横向偏移、横纵向速度，横纵向加速度可以得到连接两个采样点的五次多项式系数，然后可以求得这两个采样点之间五次多项式曲线的代价函数。代价函数可以表示为偏离参考线的距离代价(l)，横向速度代价(l')，横向加速度代价(l”)，横向加加速度代价(l”')以及同静态障碍物的危险度代价和。其中静态障碍物的危险度代价与静态障碍物的距离成负相关。例如：
Figure BDA0004097135330000051
当与障碍物距离小于limitdown时认为会碰撞，代价函数可以设定为无穷大，实际操作中可以设定为一个非常大的数值。当与障碍物距离大于limitup时认为不会碰撞，代价函数为0。距离在两者之间时代价与距离成负相关，其中limitdown表示认为存在危险的判断下限阈值，limitup表示认为存在危险的判断上限阈值。
S4、将在frenet坐标系下计算出的目标点(如图2中所示)，通过坐标变换转换成自然坐标系中的坐标。
xx＝xr-lsin(θr)
yx＝yr+lcos(θr)
式中的下标x表示采样点，下标r表示采样点在参考线上的投影点。然后通过平滑算法进行平滑得到轨迹点集，在实际计算中，平滑算法可以使用二次规划，B样条等方法。
S5、最后运用最小二乘方法对平滑后的轨迹点集进行拟合，生成3次多项式轨迹方程。
实施例2、
本实施例为一种自动驾驶***，所述自动驾驶***使用了上述实施例1的一种车辆避障轨迹规划方法。本实施例的自动驾驶***通过高精度地图的车道信息，车道中心线信息；以平滑后的中心线作为参考线建立frenet坐标系，同时将静态障碍物投影到frenet坐标系中，在撒点采样后通过动态规划计算合适的采样点；将frenet坐标系下选取的采样点坐标转换到自然坐标系下并进行平滑处理；最后通过最小二乘方法对平滑处理后的采样点进行拟合生成参考轨迹方程，整个计算过程简单，成本更低，易于商业化应用。
实施例3、
本实施例为一种车辆，所述车辆包括车辆本体和实施例2的自动驾驶***，所述自动驾驶***搭载于所述车辆上。
实施例4、
本实施例为一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述的方法。通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现，基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，制动设备，或者网络设备等)执行本申请各个实施场景所述的方法。
在本申请所提供的实施例中，应该理解到，所揭露的装置、***和方法，也可以通过其它的方式实现。以上所描述的装置、***和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种车辆避障轨迹规划方法，其特征在于：包括以下步骤，
S1、获取车辆定位信息，并根据所述车辆定位信息，获取高精度地图中的车道线自然坐标系的坐标点信息和车道中心线自然坐标系的坐标点信息；
S2、以本车所在车道的所述车道中心线作为参考线，将本车位置、航向、速度、加速度换成frenet坐标系s，l中的纵向位置s、横向偏移l、横向速度
Figure FDA0004097135320000011
纵向速度l'、横向加速度
Figure FDA0004097135320000012
和纵向加速度l”；
S3、获取障碍物信息，若不存在障碍物时，车辆根据所述参考线行驶；若存在障碍物时，将障碍物坐标转换成所述frenet坐标系中的Sobs,Lobs，若存在多个障碍物，将每个障碍物坐标都转换成所述frenet坐标系中的Sobsi,Lobsi，通过撒点采样经由动态规划计算出目标点；
S4、将计算出的所述目标点通过坐标变换转换成自然坐标系中的坐标，然后通过平滑算法进行平滑得到轨迹点集；
S5、对所述轨迹点集进行拟合，生成轨迹方程。
2.根据权利要求1所述的一种车辆避障轨迹规划方法，其特征在于：所述以本车所在车道的车道中心线作为参考线包括：根据本车的坐标以及航向，确定本车所在车道，然后将本车所在车道的中心线平滑后作为所述参考线；将自然坐标系中的参考线点坐标(xi,yi)转换成frenet坐标系中的(si,li)。
3.根据权利要求2所述的一种车辆避障轨迹规划方法，其特征在于：所述将本车位置、航向、速度、加速度换成frenet坐标系s，l中的纵向位置s、横向偏移l、横向速度
Figure FDA0004097135320000013
纵向速度l'、横向加速度
Figure FDA0004097135320000014
和纵向加速度l”，包括：
s＝sr
Figure FDA0004097135320000015
Figure FDA0004097135320000016
Figure FDA0004097135320000017
l'＝(1-krl)tan(θx-θr)
Figure FDA0004097135320000018
其中，下标x表示本车，下标r表示本车在参考线上的投影点，k表示曲率，θ表示航向角，v表示速度，a表示加速度。
4.根据权利要求3所述的一种车辆避障轨迹规划方法，其特征在于：所述通过撒点采样经由动态规划计算出目标点，包括：
通过两采样点的纵向位置、横向偏移、横纵向速度，横纵向加速度得到连接两个采样点的五次多项式系数，然后求得两个采样点之间五次多项式曲线的代价函数；所述代价函数为偏离参考线的距离代价，或者横向速度代价，或者横向加速度代价，或者横向加加速度代价，或者偏离参考线的距离代价、横向速度代价、横向加速度代价、横向加加速度代价的任一个与静态障碍物的危险度代价之和。
5.根据权利要求4所述的一种车辆避障轨迹规划方法，其特征在于：所述静态障碍物的危险度代价与静态障碍物的距离成负相关，当本车至静态障碍物距离小于limitdown时，则认为会碰撞，代价函数设定为无穷大；当本车至静态障碍物距离大于limitup时，则不会碰撞，代价函数为0，当本车至静态障碍物距离大于limitdown，小于limitup时，代价函数与本车至静态障碍物距离呈负相关；其中limitdown表示认为存在危险的判断下限阈值，limitup表示认为存在危险的判断上限阈值。
6.根据权利要求5所述的一种车辆避障轨迹规划方法，其特征在于：所述将计算出的所述目标点通过坐标变换转换成自然坐标系中的坐标，然后通过平滑算法进行平滑得到轨迹点集，包括：
将在frenet坐标系下计算出的目标点通过坐标变换转换成自然坐标系中的坐标：
xx＝xr-lsin(θr)
yx＝yr+lcos(θr)
其中，下标x表示采样点，下标r表示采样点在参考线上的投影点，θ表示航向角；
然后通过平滑算法进行平滑得到轨迹点集。
7.根据权利要求5所述的一种车辆避障轨迹规划方法，其特征在于：所述对所述轨迹点集进行拟合，生成轨迹方程，包括：
运用最小二乘方法对平滑后的轨迹点集进行拟合，生成3次多项式轨迹方程。
8.一种自动驾驶***，其特征在于：所述自动驾驶***使用了权利要求1-7中任一项所述的一种车辆避障轨迹规划方法。
9.一种车辆，其特征在于：所述车辆包括车辆本体和权利要求8的自动驾驶***，所述自动驾驶***搭载于所述车辆本体上。
10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行权利要求1-7中任一项所述的一种车辆避障轨迹规划方法。
CN202310168828.7A 2023-02-27 2023-02-27 一种车辆避障轨迹规划方法、***、车辆及存储介质 Pending CN116118780A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310168828.7A CN116118780A (zh) 2023-02-27 2023-02-27 一种车辆避障轨迹规划方法、***、车辆及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310168828.7A CN116118780A (zh) 2023-02-27 2023-02-27 一种车辆避障轨迹规划方法、***、车辆及存储介质

Publications (1)

Publication Number Publication Date
CN116118780A true CN116118780A (zh) 2023-05-16

Family

ID=86310058

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310168828.7A Pending CN116118780A (zh) 2023-02-27 2023-02-27 一种车辆避障轨迹规划方法、***、车辆及存储介质

Country Status (1)

Country Link
CN (1) CN116118780A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115586773A (zh) * 2022-10-26 2023-01-10 上海木蚁机器人科技有限公司 移动机器人的路径规划方法、装置、设备和介质
CN116424319A (zh) * 2023-06-12 2023-07-14 上海鉴智其迹科技有限公司 一种车辆控制方法、装置、电子设备及计算机存储介质
CN117341683A (zh) * 2023-12-04 2024-01-05 苏州观瑞汽车技术有限公司 一种基于多目标识别的车辆动态轨迹拟合避障方法及***
CN117885765A (zh) * 2024-03-15 2024-04-16 中国第一汽车股份有限公司 车辆的控制方法、装置及车辆
CN117885765B (zh) * 2024-03-15 2024-06-21 中国第一汽车股份有限公司 车辆的控制方法、装置及车辆

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115586773A (zh) * 2022-10-26 2023-01-10 上海木蚁机器人科技有限公司 移动机器人的路径规划方法、装置、设备和介质
CN115586773B (zh) * 2022-10-26 2023-09-01 上海木蚁机器人科技有限公司 移动机器人的路径规划方法、装置、设备和介质
CN116424319A (zh) * 2023-06-12 2023-07-14 上海鉴智其迹科技有限公司 一种车辆控制方法、装置、电子设备及计算机存储介质
CN116424319B (zh) * 2023-06-12 2023-08-29 上海鉴智其迹科技有限公司 一种车辆控制方法、装置、电子设备及计算机存储介质
CN117341683A (zh) * 2023-12-04 2024-01-05 苏州观瑞汽车技术有限公司 一种基于多目标识别的车辆动态轨迹拟合避障方法及***
CN117341683B (zh) * 2023-12-04 2024-04-23 苏州观瑞汽车技术有限公司 一种基于多目标识别的车辆动态轨迹拟合避障方法及***
CN117885765A (zh) * 2024-03-15 2024-04-16 中国第一汽车股份有限公司 车辆的控制方法、装置及车辆
CN117885765B (zh) * 2024-03-15 2024-06-21 中国第一汽车股份有限公司 车辆的控制方法、装置及车辆

Similar Documents

Publication Publication Date Title
US11921510B1 (en) Approach for consolidating observed vehicle trajectories into a single representative trajectory
CN110298122B (zh) 基于冲突消解的无人驾驶车辆城市交叉口左转决策方法
EP3730370B1 (en) Method and device for acquiring automatic driving track
CN110341711B (zh) 一种基于码头环境的行驶轨迹生成***及方法
CN108256233B (zh) 基于驾驶员风格的智能车轨迹规划及跟踪方法和***
CN116118780A (zh) 一种车辆避障轨迹规划方法、***、车辆及存储介质
CN110928297B (zh) 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
CN108919795A (zh) 一种自动驾驶汽车换道决策方法及装置
US20200317192A1 (en) Vehicle control device
CN106926844A (zh) 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
CN113916246A (zh) 一种无人驾驶避障路径规划方法和***
CN107813820A (zh) 一种仿优秀驾驶员的无人车换道路径规划方法
CN111681452A (zh) 一种基于Frenet坐标系下的无人驾驶汽车动态换道轨迹规划方法
CN110286681A (zh) 一种变曲率弯道的动态自动驾驶换道轨迹规划方法
CN109084798A (zh) 网络下发带有道路属性的控制点的路径规划方法
CN112046484A (zh) 一种基于q学习的车辆变道超车路径规划方法
KR101503473B1 (ko) 차량의 주행 상황 판단 시스템 및 방법
CN112965476A (zh) 一种基于多窗口抽样的高速无人车轨迹规划***及方法
CN114265411B (zh) 一种解决车辆预测模型性能受限于感知数据性能的方法
CN113515111B (zh) 一种车辆避障路径规划方法及装置
Aryal Optimization of geometric road design for autonomous vehicle
Wei et al. Driver-centred autonomous vehicle motion control within a blended corridor
CN114889589A (zh) 一种智能汽车转向与制动协同避撞控制***及方法
CN115140048A (zh) 一种自动驾驶行为决策与轨迹规划模型与方法
Goswami Trajectory generation for lane-change maneuver of autonomous vehicles

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