[发明专利]自动驾驶车辆实时轨迹规划方法

说明书

本发明公开了一种自动驾驶车辆实时轨迹规划方法，该方法包括：S1，实时获取自车的相关信息；S2，基于自车的相关信息，生成参考轨迹以及由参考轨迹确定的可行轨迹簇和可行轨迹簇中的每一条可行轨迹对应的速度；S3，根据可行轨迹和其相对应的速度，利用以安全性和高效性为驾驶目标的目标优化函数，计算每一条可行轨迹的作用量，并选择具有最小作用量的可行轨迹作为期望最优轨迹，并优化得到与期望最优轨迹对应的期望最优速度；目标优化函数根据最小作用量原理和等效力方法获得。本发明能够使自动驾驶车辆在未知环境条件中仿照驾驶人驾驶特性，能够实时根据周边车辆和环境信息，以安全性和高效性为驾驶目标规划出一条最符合驾驶人驾驶期望的轨迹。

技术领域

本发明涉及一种自动驾驶领域，特别是关于一种自动驾驶车辆实时轨迹规划方法。

背景技术

智能车辆指在传统车辆的基础上安装传感器、控制器和执行器等，通过环境感知、人工智能和自动控制等技术实现人员货物运输能力的车辆。智能驾驶技术有助于改善车辆行驶的安全性和舒适性，受到了学术界和工业界的广泛关注。轨迹规划是无人驾驶领域的核心技术之一。车辆的轨迹规划指的是已知车辆的起始状态、目标状态和环境中的障碍物分布，规划出一条与障碍物不相碰撞的且满足车辆的运动学约束、环境约束和时间约束的可行驶轨迹。轨迹规划算法在移动机器人领域得到了广泛研究，衍生出许多经典的轨迹规划算法，包括人工势场法、可视图法、数学规划法等。考虑自动驾驶车辆的运动学约束、动力学约束和控制约束等，在结构化道路上，自动驾驶车辆的轨迹规划算法主要包括：基于采样点算法、基于最优化算法、固定轨迹类型和人工势场等算法。其中，人工势场法实时性好，便于实现，搜索轨迹具有启发信息，但却容易陷入局部最小而不能顺利到达最终目标位置。为解决陷入局部最优的问题，Vadakkepat等人提出了一种陷入局部最优后的逃逸策略。Mei等人将蚁群算法和人工势场法相结合，通过蚁群算法规划全局轨迹，通过人工势场法优化局部轨迹。但同时又增加了调参难度和搜索算法收敛性的保证难度。

基于模糊逻辑的轨迹规划方法参考人的驾驶经验，通过查表的方法，实现实时局部轨迹规划。这种方法通过规划体上装配的感应器来分辨障碍物，克服了其它方法的缺点，在动态变化的未知环境中能够进行实时规划。该方法最大的优点是实时性非常好，但是模糊隶属函数的设计、模糊控制规则的制定主要靠人的经验，如何得到最优的隶属函数以及控制规则是该方法最大的问题。近年来一些学者引入神经网络技术，提出一种模糊神经网络控制的方法，效果较好，但复杂度过高。

发明内容

本发明的目的在于提供一种自动驾驶车辆实时轨迹规划方法，其能够使自动驾驶车辆在未知环境条件中仿照驾驶人驾驶特性，能够实时根据周边车辆和环境信息，以安全性和高效性为驾驶目标规划出一条最符合驾驶人驾驶期望的轨迹。

为实现上述目的，本发明提供一种自动驾驶车辆实时轨迹规划方法，所述自动驾驶车辆实时轨迹规划方法包括以下步骤：

S1，实时获取自车及周边环境相关信息；

S2，基于所述自车及周边环境相关信息，生成参考轨迹以及由所述参考轨迹确定的可行轨迹簇和所述可行轨迹簇中的每一条可行轨迹对应的速度；

S3，根据所述可行轨迹和其相对应的速度，利用以安全性和高效性为驾驶目标的目标优化函数，计算每一条所述可行轨迹的作用量，并选择具有最小作用量的可行轨迹作为期望最优轨迹，并优化得到与所述期望最优轨迹对应的期望最优速度；所述目标优化函数根据最小作用量原理和等效力方法获得。

进一步地，S3中的所所述目标优化函数表示成式(1)：