CN116495013B - 面向任务需求的速度规划方法、***、设备及存储介质 - Google Patents
面向任务需求的速度规划方法、***、设备及存储介质 Download PDFInfo
- Publication number
- CN116495013B CN116495013B CN202310735462.7A CN202310735462A CN116495013B CN 116495013 B CN116495013 B CN 116495013B CN 202310735462 A CN202310735462 A CN 202310735462A CN 116495013 B CN116495013 B CN 116495013B
- Authority
- CN
- China
- Prior art keywords
- speed
- curve
- planning
- road
- task
- 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 44
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 230000001133 acceleration Effects 0.000 claims description 39
- 238000005070 sampling Methods 0.000 claims description 18
- 238000006073 displacement reaction Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 10
- 238000005096 rolling process Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000007704 transition Effects 0.000 description 10
- 230000036461 convulsion Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect 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
- 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
- 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
- B60W30/14—Adaptive cruise control
- B60W30/143—Speed control
-
- 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
-
- 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
- B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
-
- 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
-
- 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
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/10—Longitudinal speed
-
- 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)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种面向任务需求的速度规划方法、***、设备及存储介质,涉及车辆速度规划技术领域,该方法包括获得任务需求条件下的全局参考路径和道路参数;任务需求为目标时间或者目标车速;根据道路参数获得各道路条件下的临界速度;根据任务需求和各道路条件下的临界速度,确定全局参考路径中各道路条件下的路段目标车速;根据各路段目标车速,基于S型曲线进行速度规划,获得长时域参考速度曲线;根据长时域参考速度曲线和动态障碍物信息,基于改进的动态规划算法得到初步规划速度曲线;基于车辆运行的安全性、任务需求指标和速度曲线的平滑性的约束优化初步规划速度曲线,得到速度规划曲线,本发明提高车辆在越野环境中运行的安全性。
Description
技术领域
本发明涉及车辆速度规划技术领域,特别是涉及一种面向任务需求的速度规划方法、***、设备及存储介质。
背景技术
速度规划是自动驾驶关键技术之一,是实现自动驾驶车辆运行安全稳定的基础。速度规划根据环境信息、期望路径以及车辆自身状态信息,通过规划算法规划速度曲线,使自动驾驶车辆以合理车速在期望路径行驶。
当前,速度规划多针对于结构化环境,考虑交通限制以及车辆本身的运动特性限制,进行速度规划。而越野环境,地形复杂,车辆运行速度受到多种因素的影响,传统速度规划未考虑复杂地形对于车辆运行速度的影响,不适用于复杂越野环境;且没有考虑驾驶任务需求,规划一条符合任务需求的速度曲线。
发明内容
本发明的目的是提供一种面向任务需求的速度规划方法、***、设备及存储介质,提高车辆在越野环境中运行的安全性。
为实现上述目的,本发明提供了如下方案:
一种面向任务需求的速度规划方法,包括:
获得任务需求条件下的全局参考路径,以及全局参考路径范围内的道路参数;所述任务需求为驾驶任务目标时间或者驾驶任务目标车速;
根据所述道路参数获得全局参考路径中各道路条件下的临界速度;
根据所述任务需求和各道路条件下的临界速度,确定全局参考路径中各道路条件下的路段目标车速;
根据各路段目标车速,基于S型曲线对全局参考路径进行速度规划,获得长时域参考速度曲线;
根据所述长时域参考速度曲线和动态障碍物信息,基于改进的动态规划算法得到初步规划速度曲线;所述改进的动态规划算法的采样点为基于车辆速度和加速度限制范围内的采样点;
基于车辆运行的安全性、任务需求和速度曲线的平滑性的约束优化所述初步规划速度曲线,得到速度规划曲线。
本发明还公开了一种面向任务需求的速度规划***,包括:
全局参考路径和道路参数获取模块,用于获得任务需求条件下的全局参考路径,以及全局参考路径范围内的道路参数;所述任务需求为驾驶任务目标时间或者驾驶任务目标车速;
临界速度确定模块,用于根据所述道路参数获得全局参考路径中各道路条件下的临界速度;
路段目标车速确定模块,用于根据所述任务需求和各道路条件下的临界速度,确定全局参考路径中各道路条件下的路段目标车速;
长时域参考速度曲线确定模块,用于根据各路段目标车速,基于S型曲线对全局参考路径进行速度规划,获得长时域参考速度曲线;
初步规划速度曲线确定模块,根据所述长时域参考速度曲线和动态障碍物信息,基于改进的动态规划算法得到初步规划速度曲线;所述改进的动态规划算法的采样点为基于车辆速度和加速度限制范围内的采样点;
初步规划速度曲线优化模块,用于基于车辆运行的安全性、任务需求和速度曲线的平滑性的约束优化所述初步规划速度曲线,得到速度规划曲线。
本发明还公开了一种电子设备,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行所述的面向任务需求的速度规划方法。
本发明还公开了一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现所述的面向任务需求的速度规划方法。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明根据任务需求和各路面类型对应的临界速度,确定各路面类型对应的路段目标车速,并基于S型曲线对全局参考路径进行速度规划,获得长时域参考速度曲线,根据长时域参考速度曲线和动态障碍物信息,基于改进的动态规划算法得到初步规划速度曲线,基于车辆运行的安全性、任务需求和速度曲线的平滑性优化初步规划速度曲线,得到速度规划曲线,从而提高了车辆在越野环境中运行的安全性;其中采用基于改进的动态规划算法优化初步规划速度曲线,提高了计算效率。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种面向任务需求的速度规划方法流程示意图;
图2为本发明实施例提供的长时域速度规划流程示意图;
图3为本发明实施例提供的短时域速度规划流程示意图;
图4为本发明实施例提供的S形速度曲线示意图;
图5为本发明实施例提供的障碍物占据s-t图;
图6为本发明实施例提供的改进的动态规划采用的可行采样点示意图;
图7为本发明实施例提供的一种面向任务需求的速度规划***结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种面向任务需求的速度规划方法、***、设备及存储介质,提高车辆在越野环境中运行的安全性。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
本实施例提供了一种面向任务需求的速度规划方法,如图1所示,本实施例所述的方法具体包括以下步骤。
步骤101:获得任务需求条件下的全局参考路径,以及全局参考路径范围内的道路参数;所述任务需求为驾驶任务目标时间或者驾驶任务目标车速。
所述全局参考路径包括一系列包含位置坐标的航向点。
每次长时域速度规划获取的全局参考路径的长度为200米。
作为具体实施方式,通过车辆感知***获取路面类型,然后获取对应的附着系数和滚动阻力系数。
作为另一个具体实施方式,获取路面的激光雷达点云信息和图像信息,利用多源信息融合算法融合激光雷达点云信息和图像信息,得到待识别图像;基于待识别图像,通过卷积神经网络对路面类型进行识别,获得路面类型。卷积神经网络为采用训练集训练过的卷积神经网络。
如图2和图3所示,获得的全局参考路径、车辆状态信息和道路参数为长时域速度规划和短时域速度规划提供信息基础。
驾驶人确定驾驶任务即任务需求,根据任务需求确定性能指标,即驾驶任务目标时间或者驾驶任务目标车速。
车辆状态信息包括车辆位姿信息和执行机构信息;道路参数包括路面类型,及路面类型对应的线形条件、附着系数和滚动阻力系数。线形条件包括坡道角度、曲率和起伏程度,通过全局参考路径点信息计算获取。
车辆位姿信息包括车辆位置横纵坐标、车辆速度、车辆航向角、横摆角速度。车辆执行机构信息包括油门开度信息、制动压力信息和前轮转角信息。
步骤102:根据所述道路参数获得全局参考路径中各道路条件下的临界速度。
道路条件由道路参数确定。道路条件包括坡道、弯道和起伏路面。
当路面的坡道角度大于坡道角度阈值,将对应路段定义为坡道;当路面的曲率大于曲率阈值,将对应路段定义为弯道;当路面的起伏程度大于起伏程度阈值,将对应路段定义为起伏路面。
各路面类型对应的附着系数和滚动阻力系数如表1所示。
图2中前方道路条件包括全局参考路径中各道路条件下的临界速度。速度阈值即为临界速度。
其中,步骤102具体包括:
步骤1021:结合获得的滚动阻力系数,计算坡道条件下车辆临界速度计算,为坡道条件提供车辆速度约束条件。
坡道条件下最大行驶阻力Fr具体为:
Fr=Ff+Fi+FW;
其中,Ff =mgf,Ff为滚动阻力,f为滚动阻力系数;,FW为空气阻力,CD为空气阻力系数,A为迎风面积,v为车辆和空气的相对速度;Fi=mgsinβ,Fi为坡度阻力,β表示坡道角度,m为车辆质量,g表示重力加速度,ρ表示空气密度。
根据车辆功率和最大行驶阻力可得,车辆坡道条件下最高行驶车速(临界速度)为:
;
其中,vs_max表示车辆坡道条件下的临界速度,Pp表示车辆驱动***额定功率。
步骤1022:获得的滚动阻力系数,计算弯道条件下车辆临界速度,为弯道条件提供车辆速度约束条件。
车辆弯道行驶时离心力Fa为:Fa=mv2κ;
其中,κ为路径曲率。
如果弯道存在超高,则将超高考虑在内,超高所造成的横坡坡道角度为,则车辆不发生侧滑的临界条件为:
;
则,车辆不发生侧滑的临界速度vc_max为:
;
其中,μ为路面附着系数,r为弯道半径。
步骤1023:计算起伏路面条件下车辆临界速度,为起伏道路条件提供车辆速度约束条件。
起伏道路条件下车辆速度过快会导致轮胎离地,车辆腾空,导致车辆运行稳定性变差甚至失稳,轮胎不离地的条件为:
mv2κs≤mg;
其中,κs表示道路法向曲率。
则,起伏路面条件下车辆临界速度vz为:
。
本发明考虑越野道路条件对于车辆运行速度的影响,根据越野道路条件计算其速度限制,获取临界速度,为长时域速度规划和短时域速度规划提供速度限制。
步骤103:根据所述任务需求和各道路条件下的临界速度,确定全局参考路径中各道路条件下的路段目标车速。
本发明根据任务需求和速度限制获取一系列位置速度目标点,为长时域速度规划提供参考序列。
其中,步骤103具体包括:
若所述任务需求为驾驶任务目标时间,则根据驾驶任务目标时间计算期望平均车速,对于一种道路条件,将期望平均车速和路面类型对应的临界速度中的较小速度作为路段目标车速(路段期望速度)。
若所述任务需求为驾驶任务目标车速,对于一种道路条件,将驾驶任务目标车速和路面类型对应的临界速度中的较小速度作为路段目标车速。
步骤104:根据各路段目标车速,基于S型曲线对全局参考路径进行速度规划,获得长时域参考速度曲线。
本发明根据获取一系列的位置速度目标点基于S型曲线进行长时域速度规划,得到一条符合任务需求和越野道路条件限制的速度曲线,即长时域参考速度曲线,长时域参考速度曲线为短时域速度规划提供参考速度曲线。
本发明根据任务需求及路段速度限制规划一条长时域参考速度曲线。
图4展示了S形速度曲线规划过程,其中:vs表示初始速度;vmax表示最大速度;ve表示截止速度;tk表示第k阶段的过渡点时刻;vk表示第k个过渡点时刻的速度;sk表示截止第k个过渡点时刻的运行距离;Tk表示第k阶段的持续运行时间;τk表示t相对于tk-1时刻的时间;amax表示最大加速度;-amax表示最小加速度,k取值为1至7。
Tk=tk-tk-1,k=1,2,…7;
τk=t-tk-1,k=1,2,…7;
S型曲线在加减速过程中,加速度a是变化的,加加速度J可表示为:
;
各阶段运行持续时间Tk的关系推导可表示为:
T1=T3,T5=T7;
;
。
各阶段加速度可表示为:
;
基于S型曲线规划的速度曲线具有连续平滑,加速度连续的特点。相较于梯形速度规划,S型加减速控制各段衔接加速度连续,能够减少对控制过程中的冲击。本发明基于七段型S曲线,进行速度规划,其核心公式包括各阶段速度公式和各阶段运行位移公式。
各阶段速度公式表示为:
各阶段运行位移公式表示为:
;
其中,v(t)表示t时间的速度,J表示加加速度,t1表示第一阶段的过渡点时刻,t2表示第二阶段的过渡点时刻,t3表示第三阶段的过渡点时刻,t4表示第四阶段的过渡点时刻,t5表示第五阶段的过渡点时刻,t6表示第六阶段的过渡点时刻,t7表示第七阶段的过渡点时刻。s(t)表示t时间的位移。
步骤105:根据所述长时域参考速度曲线和动态障碍物信息,基于改进的动态规划算法得到初步规划速度曲线;所述改进的动态规划算法的采样点为基于车辆速度和加速度限制范围内的采样点。
改进的动态规划算法的采样点如图6所示。
所述动态障碍物信息包括动态障碍物的位置坐标、高度、速度和加速度。
其中,步骤105还包括:获取局部参考路径。
局部参考路径根据局部路径规划获取,因为局部路径规划在速度规划之前就已经进行,所以局部路径已知。
步骤106:基于车辆运行的安全性、任务需求和速度曲线的平滑性的约束优化所述初步规划速度曲线,得到速度规划曲线。
本发明步骤105和步骤106构成短时域速度规划,短时域速度规划时,根据长时域参考速度曲线和动态障碍物信息,综合考虑车辆运行安全性、任务指标和速度曲线平滑性建立优化问题,对优化问题求解得到速度规划曲线。
其中,步骤106具体包括:
步骤1061:根据车辆性能、任务指标(任务需求)、局部参考路径和越野道路参数建立约束条件。约束条件包括碰撞约束和路径约束。
建立碰撞约束,以保证车辆与动态障碍物间无碰撞,需要保证两者间距离时刻大于或者等于安全停车距离。
;其中,/>为两车之间的纵向距离(进行速度规划的车辆与动态障碍物之间的纵向距离),dsafe为保证两车无碰撞的纵向安全停车距离,根据实际驾驶环境确定,单位为米。
建立路径约束,由于路径规划的原因,为躲避动静态障碍物,规划路径相对原参考路径会有曲率变化,车辆运行速度会受到变化曲率的影响,建立路径约束以保证在变化曲率下安全平稳运行。
路径约束可以被定义为如下形式:
vx(i,j)≤vjmax,j∈[1,K];
vjmax=min(vrefmax(j),vlpmax(j));
其中,vx(i,j)为节点(i,j)处的速度,,K表示位移维度节点个数,vjmax为位移维度节点j处的目标速度阈值,vrefmax(j)为位移维度节点j处的参考速度(路段目标车速),对于任意时间维度上的节点位移维度节点j处参考速度一样,所以vrefmax(j)也表示节点(i,j)处的参考速度,/>i∈[1,M],M表示时间维度上节点个数,/>表示时间节点i+1与时间节点i之间的时间间隔,/>表示节点(i,j)处坐标,表示节点(i+1,j+k)处坐标,/>表示节点(i,j)与节点(i+1,j+k)之间的位移。vlpmax(j)为位移维度节点j处根据规划路径曲率计算得到的速度阈值,对于任意时间维度上的节点位移维度节点j处速度阈值一样,所以vlpmax(j)也表示节点(i,j)处根据规划路径曲率计算得到的速度阈值,/>i∈[1,M]。
步骤1062:根据车辆和动态障碍物位姿信息,预测车辆和动态障碍物轨迹,基于局部参考路径和预测时域建立s-t图。
其中,步骤1062具体包括:
首先将局部参考路径由全局坐标系转换到frenet坐标系下,根据预测时域和路径长度建立s-t图,如图5所示,图5中两段阴影表示两个不同运动方向的动态障碍物位置。
根据车辆和动态障碍物位姿信息将车辆和动态障碍物投影到s-t图上。
根据车辆和动态障碍物位姿信息预测时域内动态障碍物轨迹,并将轨迹投影到s-t图上。
步骤1063:建立综合考虑车辆运行安全性、任务指标和速度曲线平滑性的优化问题,基于改进的动态规划算法求解得到初步速度曲线。
其中,步骤1063具体包括:建立综合考虑车辆运行安全性、任务指标和速度曲线平滑性的优化问题,通过求解该问题可得到一条符合任务需求和越野道路条件限制的初步速度曲线。
所述初步规划速度曲线上每个节点的代价值表示为:
;
其中,表示节点(i,j)的代价值,i表示时间维度,j表示位移维度,Jsafe(i,j)表示安全性代价项,Js(i,j)表示平滑性代价项,Jref(i,j)表示任务需求代价项,ωsafe表示安全性权重系数,ωs表示平滑性权重系数,ωref表示任务需求权重系数;
节点(i,j)的安全性代价项表示为:
;
其中,dis(i,j)为节点(i,j)处车辆与障碍物之间的纵向距离,Dsafe为纵向安全距离阈值;
节点(i,j)的任务需求代价项表示为:
;
节点(i,j)的平滑性代价项表示为:
;
其中,σa为纵向加速度的权重,σj为纵向冲击度的权重,为节点(i,j)处的纵向加速度,/>为节点(i,j)处的纵向冲击度;
。
其中,表示节点(i+1,j+k)处的纵向速度,/>表示节点(i+1,j+k)处的纵向加速度。
基于初步规划速度曲线上每个节点的代价值,采用改进的动态规划算法获取总代价值最小的曲线为速度规划曲线,总代价值为初步规划速度曲线上所有节点的代价值之和。
步骤1064:基于综合考虑约束条件和任务指标建立带有等式和不等式约束的凸优化问题。
其中,步骤1064具体包括:从平滑性及与任务指标两方面对速度曲线优化的目标函数进行设计,且将目标函数构建为二次凸函数,因此定义目标函数为加速度、加加速度和与原始速度曲线位置误差的优化问题,目标函数表示为:
;
其中,ω1表示第一权重系数,ω2表示第二权重系数,ω3表示第三权重系数,表示第n段五次多项式曲线第m个点处的速度,/>表示第n段五次多项式曲线第m个点处的加速度,/>表示第n段五次多项式曲线第m个点处的加加速度,N为正整数。一共N段五次多项式曲线,每段五次多项式曲线划分为k段,得到一共k+1个点,m取值0至k。
步骤1066:基于二次规划求解凸优化问题得到一条面向任务需求的安全平滑且符合车辆动力学约束的速度规划曲线。
为了获得加速度和加加速度连续变化的曲线,使用多项式曲线拟合来平滑速度曲线,五次多项式可以最小化车辆纵向的波动,因此采用五次多项式来连接相邻节点,五次多项式表示为:
sn(t)=c0n+c1nt+c2nt2+c3nt3+c4nt4+c5nt5,n=1,2…N。
其中,c0n~c5n为五次多项式的系数,sn(t)表示在第n段多项式曲线上t时刻对应的位移。
建立终点约束:规划起点和终点均需要满足边界值约束,即给定规划起始时t0的位置s0、速度v0和加速度a0,以及规划终点时刻tf的位置sf、速度vf和加速度af,使用的约束形式可表示为:
;/>
。
其中,c0,0、c1,0、…c5,0均为多项式系数,s0(t0)表示规划起始时刻车辆位置,表示规划起始时刻车辆的速度,/>表示规划起始时刻车辆的加速度,/>表示规划终点时刻车辆的位置,/>表示规划终点时刻车辆的速度,/>表示规划终点时刻车辆的加速度。
建立连续性约束:以保证曲线二阶平滑,邻接曲线连接点的位置、速度、加速度、加加速度应相等,连续性约束表示为:
。
其中,sn(tf)表示第n段曲线终点时刻tf车辆的位置,表示第n+1段曲线初始时刻to车辆的位置,/>表示第n段曲线终点时刻tf车辆的速度,/>表示第n+1段曲线初始时刻to车辆的速度,/>表示第n段曲线终点时刻tf车辆的加速度,/>表示第n+1段曲线初始时刻to车辆的加速度,/>表示第n段曲线终点时刻tf车辆的加加速度,/>表示第n+1段曲线初始时刻to车辆的加加速度。
建立边界约束:多项式速度曲线上每一个点都应满足动态障碍物约束,因此在每段曲线上均匀划分为k个段,取k+1个点,每个点都应在s方向满足位置的上下界约束,设上边界为,下边界为/>,m∈[0,k]。/>
;
。
建立速度及加速度约束:根据实际道路场景和车辆动力学约束,车辆的速度和加速度也需要满足约束,不等式约束形式可表示为:
;
其中,为第n段曲线第m个点的速度下界,/>为第n段曲线第m个点的速度上界,/>为第n段曲线第m个点的加速度下界,/>为第n段曲线第m个点的加速度上界。
本发明获取参考路径、车辆状态信息,并通过感知***获取越野道路参数;根据越野道路条件计算其速度限制,获取临界速度;根据任务需求和速度限制获取一系列位置速度目标点;根据获取一系列的位置速度目标点基于S型曲线进行长时域速度规划;获取动态障碍物状态信息;根据长时域参考速度曲线和动态障碍物信息,综合考虑车辆运行安全性、任务指标和速度曲线平滑性建立优化问题,基于改进动态规划算法进行短时域速度规划,本发明采用长时域速度规划与短时域速度规划相结合,最终得到一条面向任务需求的安全平滑且符合车辆动力学约束的速度曲线。传统的动态规划算法在遍历采样点的过程会把所有采样点都遍历一遍,但是由于车辆动力学限制,一些采样点并不符合要求,所以不需要遍历。依据车辆速度和加速度的约束,改进传统动态规划算法,使动态规划只在可行采样点间进行,提高算法计算效率。
本发明针对越野环境,考虑越野道路条件对于车辆运行速度的影响,计算各道路条件下车辆临界速度,并结合车辆动力学关系提出约束条件;面向任务需求,根据车辆临界速度和任务需求获取目标车速,并基于S形曲线进行长时域速度规划获取一条符合任务需求的长时域参考速度曲线,基于改进的动态规划算法初步规划速度曲线,综合考虑约束条件和任务指标优化初步速度规划曲线得到一条面向任务需求的安全平滑且符合车辆动力学约束的速度曲线,可提高车辆适应越野环境复杂道路条件的能力,提高车辆在越野环境运行的安全性。
本发明主要从越野环境复杂道路条件出发,面向任务需求,考虑复杂道路条件对于车辆运行速度的影响,设计长时域速度规划和短时域速度规划相结合的速度规划方法,在保证车辆完成任务指标且安全无碰撞运行的前提下,可提高车辆适应越野环境复杂道路条件的能力,提高车辆在越野环境运行的安全性。
本发明对于越野环境自动驾驶车辆,如矿山车辆、基建运输车辆执行运输任务搭载本发明技术方案提出的速度规划方法,可提高其适应越野环境复杂道路条件的能力,提高车辆在越野环境运行的安全性。
实施例2
本实施例公开了一种面向任务需求的速度规划***,如图7所示,该***包括:
全局参考路径和道路参数获取模块201,用于获得任务需求条件下的全局参考路径,以及全局参考路径范围内的道路参数;所述任务需求为驾驶任务目标时间或者驾驶任务目标车速。
临界速度确定模块202,用于根据所述道路参数获得全局参考路径中各道路条件下的临界速度。
路段目标车速确定模块203,用于根据所述任务需求和各道路条件下的临界速度,确定全局参考路径中各道路条件下的路段目标车速。
长时域参考速度曲线确定模块204,用于根据各路段目标车速,基于S型曲线对全局参考路径进行速度规划,获得长时域参考速度曲线。
初步规划速度曲线确定模块205,根据所述长时域参考速度曲线和动态障碍物信息,基于改进的动态规划算法得到初步规划速度曲线;所述改进的动态规划算法的采样点为基于车辆速度和加速度限制范围内的采样点。
初步规划速度曲线优化模块206,用于基于车辆运行的安全性、任务需求和速度曲线的平滑性的约束优化所述初步规划速度曲线,得到速度规划曲线。
实施例3
本发明实施例提供一种电子设备包括存储器及处理器,该存储器用于存储计算机程序,该处理器运行计算机程序以使电子设备执行实施例1的面向任务需求的速度规划方法。
可选地,上述电子设备可以是服务器。
另外,本发明实施例还提供一种计算机可读存储介质,其存储有计算机程序,该计算机程序被处理器执行时实现实施例1的面向任务需求的速度规划方法。
本发明在保证车辆完成任务指标且安全无碰撞运行的前提下,可提高车辆适应越野环境复杂道路条件的能力,提高车辆在越野环境运行的安全性。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种面向任务需求的速度规划方法,其特征在于,包括:
获得任务需求条件下的全局参考路径,以及全局参考路径范围内的道路参数;所述任务需求为驾驶任务目标时间或者驾驶任务目标车速;
根据所述道路参数获得全局参考路径中各道路条件下的临界速度;
根据所述任务需求和各道路条件下的临界速度,确定全局参考路径中各道路条件下的路段目标车速;
根据各路段目标车速,基于S型曲线对全局参考路径进行速度规划,获得长时域参考速度曲线;
根据所述长时域参考速度曲线和动态障碍物信息,基于改进的动态规划算法得到初步规划速度曲线;所述改进的动态规划算法的采样点为基于车辆速度和加速度限制范围内的采样点;
基于车辆运行的安全性、任务需求和速度曲线的平滑性的约束优化所述初步规划速度曲线,得到速度规划曲线,具体包括:
所述初步规划速度曲线上每个节点的代价值表示为:
;
其中,表示节点(i,j )的代价值,i表示时间维度,j表示位移维度,J safe (i,j )表示安全性代价项,J s (i,j )表示平滑性代价项,J ref (i,j )表示任务需求代价项,ω safe 表示安全性权重系数,ω s 表示平滑性权重系数,ω ref 表示任务需求权重系数;
节点(i,j )的安全性代价项表示为:
;
其中,dis(i,j )为节点(i,j )处车辆与障碍物之间的纵向距离,D safe 为纵向安全距离阈值;
节点(i,j )的任务需求代价项表示为:
;
其中,为节点(i,j )处的速度,v r e f ( j)为位移维度节点j处的路段目标车速;
节点(i,j )的平滑性代价项表示为:
;
其中,σ a 为纵向加速度的权重,σ j 为纵向冲击度的权重,为节点(i,j )处的纵向加速度,/>为节点(i,j )处的纵向冲击度;
基于初步规划速度曲线上每个节点的代价值,采用改进的动态规划算法获取总代价值最小的曲线为速度规划曲线,总代价值为初步规划速度曲线上所有节点的代价值之和。
2.根据权利要求1所述的面向任务需求的速度规划方法,其特征在于,所述全局参考路径包括多个包含位置坐标的航向点。
3.根据权利要求1所述的面向任务需求的速度规划方法,其特征在于,所述道路参数包括各路面类型对应的线形条件、附着系数和滚动阻力系数。
4.根据权利要求1所述的面向任务需求的速度规划方法,其特征在于,根据所述任务需求和各道路条件下的临界速度,确定全局参考路径中各道路条件下的路段目标车速,具体包括:
若所述任务需求为驾驶任务目标时间,则根据驾驶任务目标时间计算期望平均车速,对于一种道路条件,将期望平均车速和路面类型对应的临界速度中的较小速度作为路段目标车速;
若所述任务需求为驾驶任务目标车速,对于一种道路条件,将驾驶任务目标车速和路面类型对应的临界速度中的较小速度作为路段目标车速。
5.根据权利要求1所述的面向任务需求的速度规划方法,其特征在于,所述动态障碍物信息包括动态障碍物的位置坐标、高度、速度和加速度。
6.一种面向任务需求的速度规划***,其特征在于,包括:
全局参考路径和道路参数获取模块,用于获得任务需求条件下的全局参考路径,以及全局参考路径范围内的道路参数;所述任务需求为驾驶任务目标时间或者驾驶任务目标车速;
临界速度确定模块,用于根据所述道路参数获得全局参考路径中各道路条件下的临界速度;
路段目标车速确定模块,用于根据所述任务需求和各道路条件下的临界速度,确定全局参考路径中各道路条件下的路段目标车速;
长时域参考速度曲线确定模块,用于根据各路段目标车速,基于S型曲线对全局参考路径进行速度规划,获得长时域参考速度曲线;
初步规划速度曲线确定模块,根据所述长时域参考速度曲线和动态障碍物信息,基于改进的动态规划算法得到初步规划速度曲线;所述改进的动态规划算法的采样点为基于车辆速度和加速度限制范围内的采样点;
初步规划速度曲线优化模块,用于基于车辆运行的安全性、任务需求和速度曲线的平滑性的约束优化所述初步规划速度曲线,得到速度规划曲线,具体包括:
所述初步规划速度曲线上每个节点的代价值表示为:
;
其中,表示节点(i,j )的代价值,i表示时间维度,j表示位移维度,J safe (i,j )表示安全性代价项,J s (i,j )表示平滑性代价项,J ref (i,j )表示任务需求代价项,ω safe 表示安全性权重系数,ω s 表示平滑性权重系数,ω ref 表示任务需求权重系数;
节点(i,j )的安全性代价项表示为:
;
其中,dis(i,j )为节点(i,j )处车辆与障碍物之间的纵向距离,D safe 为纵向安全距离阈值;
节点(i,j )的任务需求代价项表示为:
;
其中,为节点(i,j )处的速度,v r e f ( j)为位移维度节点j处的路段目标车速;
节点(i,j )的平滑性代价项表示为:
;
其中,σ a 为纵向加速度的权重,σ j 为纵向冲击度的权重,为节点(i,j )处的纵向加速度,/>为节点(i,j )处的纵向冲击度;
基于初步规划速度曲线上每个节点的代价值,采用改进的动态规划算法获取总代价值最小的曲线为速度规划曲线,总代价值为初步规划速度曲线上所有节点的代价值之和。
7.一种电子设备,其特征在于,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至5中任一项所述的面向任务需求的速度规划方法。
8.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的面向任务需求的速度规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310735462.7A CN116495013B (zh) | 2023-06-21 | 2023-06-21 | 面向任务需求的速度规划方法、***、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310735462.7A CN116495013B (zh) | 2023-06-21 | 2023-06-21 | 面向任务需求的速度规划方法、***、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116495013A CN116495013A (zh) | 2023-07-28 |
CN116495013B true CN116495013B (zh) | 2023-12-01 |
Family
ID=87328683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310735462.7A Active CN116495013B (zh) | 2023-06-21 | 2023-06-21 | 面向任务需求的速度规划方法、***、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116495013B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111610785A (zh) * | 2020-05-26 | 2020-09-01 | 三一专用汽车有限责任公司 | 无人驾驶车辆的运动规划方法和运动规划装置 |
CN112362074A (zh) * | 2020-10-30 | 2021-02-12 | 重庆邮电大学 | 一种结构化环境下的智能车辆局部路径规划方法 |
CN112498366A (zh) * | 2020-11-20 | 2021-03-16 | 苏州智加科技有限公司 | 自动驾驶车辆、控制方法、装置、设备及存储介质 |
CN113044029A (zh) * | 2021-03-19 | 2021-06-29 | 北京理工大学 | 一种保证无人车在三维地形上安全行驶的运动规划方法 |
CN113386795A (zh) * | 2021-07-05 | 2021-09-14 | 西安电子科技大学芜湖研究院 | 一种自动驾驶车辆智能决策及局部轨迹规划方法及其决策*** |
CN115454100A (zh) * | 2022-10-12 | 2022-12-09 | 潍柴动力股份有限公司 | 全局速度规划方法、全局速度规划装置与规划*** |
CN115903854A (zh) * | 2023-01-09 | 2023-04-04 | 北京理工大学 | 一种动态结构化道路的自动驾驶实时轨迹规划方法 |
CN116182884A (zh) * | 2022-12-02 | 2023-05-30 | 华南理工大学 | 基于frenet坐标系横纵解耦的智能车辆局部路径规划方法 |
CN116185014A (zh) * | 2023-01-07 | 2023-05-30 | 湖南大学 | 一种基于动态规划的智能车全局最优轨迹规划方法与*** |
-
2023
- 2023-06-21 CN CN202310735462.7A patent/CN116495013B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111610785A (zh) * | 2020-05-26 | 2020-09-01 | 三一专用汽车有限责任公司 | 无人驾驶车辆的运动规划方法和运动规划装置 |
CN112362074A (zh) * | 2020-10-30 | 2021-02-12 | 重庆邮电大学 | 一种结构化环境下的智能车辆局部路径规划方法 |
CN112498366A (zh) * | 2020-11-20 | 2021-03-16 | 苏州智加科技有限公司 | 自动驾驶车辆、控制方法、装置、设备及存储介质 |
WO2022105368A1 (en) * | 2020-11-20 | 2022-05-27 | Suzhou Zhijia Science & Technologies Co., Ltd. | Control method and apparatus for autonomous vehicle |
CN113044029A (zh) * | 2021-03-19 | 2021-06-29 | 北京理工大学 | 一种保证无人车在三维地形上安全行驶的运动规划方法 |
CN113386795A (zh) * | 2021-07-05 | 2021-09-14 | 西安电子科技大学芜湖研究院 | 一种自动驾驶车辆智能决策及局部轨迹规划方法及其决策*** |
CN115454100A (zh) * | 2022-10-12 | 2022-12-09 | 潍柴动力股份有限公司 | 全局速度规划方法、全局速度规划装置与规划*** |
CN116182884A (zh) * | 2022-12-02 | 2023-05-30 | 华南理工大学 | 基于frenet坐标系横纵解耦的智能车辆局部路径规划方法 |
CN116185014A (zh) * | 2023-01-07 | 2023-05-30 | 湖南大学 | 一种基于动态规划的智能车全局最优轨迹规划方法与*** |
CN115903854A (zh) * | 2023-01-09 | 2023-04-04 | 北京理工大学 | 一种动态结构化道路的自动驾驶实时轨迹规划方法 |
Non-Patent Citations (1)
Title |
---|
降雨条件下基于车路协同的自动驾驶车辆速度规划与运动控制研究;郭丛帅;中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑(第03期);1-84 * |
Also Published As
Publication number | Publication date |
---|---|
CN116495013A (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106926844B (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 | |
CN109501799B (zh) | 一种车联网条件下的动态路径规划方法 | |
CN109669461B (zh) | 一种复杂工况下自动驾驶车辆决策***及其轨迹规划方法 | |
CN110471408B (zh) | 基于决策过程的无人驾驶车辆路径规划方法 | |
US9428187B2 (en) | Lane change path planning algorithm for autonomous driving vehicle | |
CN110126825B (zh) | 用于低级别前馈车辆控制策略的***和方法 | |
CN109035862A (zh) | 一种基于车车通信的多车协同换道控制方法 | |
JP4466717B2 (ja) | 走行軌跡生成方法及び走行軌跡生成装置 | |
CN108919795A (zh) | 一种自动驾驶汽车换道决策方法及装置 | |
CN111216713B (zh) | 一种自动驾驶车辆速度预瞄控制方法 | |
CN112965476B (zh) | 一种基于多窗口模型的高速无人车轨迹规划***及方法 | |
CN110286681A (zh) | 一种变曲率弯道的动态自动驾驶换道轨迹规划方法 | |
WO2009155228A1 (en) | Path generation algorithm for automated lane centering and lane changing control system | |
CN111583636B (zh) | 一种基于车路协同的混合交通横纵耦合控制方法 | |
CN112660130A (zh) | 基于智能网联信息的新能源汽车滑行控制***、方法及新能源汽车 | |
CN116499486B (zh) | 一种复杂越野环境路径规划方法、***及电子设备 | |
CN114228690B (zh) | 一种基于ddpg和迭代控制的自动驾驶车辆侧倾控制方法 | |
CN116118780A (zh) | 一种车辆避障轨迹规划方法、***、车辆及存储介质 | |
CN114194215A (zh) | 一种智能车辆避障换道轨迹规划方法及*** | |
CN115140096A (zh) | 一种基于样条曲线与多项式曲线的自动驾驶轨迹规划方法 | |
CN117141489B (zh) | 一种基于最小作用量原理的智能车辆轨迹分层规划方法 | |
CN116465427B (zh) | 一种基于时空风险量化的智能车辆换道避障路径规划方法 | |
CN116495013B (zh) | 面向任务需求的速度规划方法、***、设备及存储介质 | |
CN111824167B (zh) | 车辆的速度限制方法、装置、车辆及电子设备 | |
CN110239518B (zh) | 一种车辆横向位置控制方法及装置 |
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 |