[发明专利]基于多目标优化的无人驾驶车辆运动规划方法

权利要求书

1.一种基于多目标优化的无人驾驶车辆运动规划方法，其特征在于，包括以下步骤：

1)将车辆及环境从笛卡尔坐标系映射到Frenet坐标系；

2)在Frenet坐标系下，以平滑代价、障碍物代价、参考线代价的加权和作为评价指标，建立无人驾驶车辆多目标路径规划问题的数学模型；

3)利用线性动态规划方法进行路径规划，求解所述多目标路径规划问题的数学模型，得到路径；

4)以分段五次多项式描述轨迹，分别以距离线性动态规划得到的路径最近、轨迹斜率最小、曲率最小、乘坐体验舒适作为优化目标，以分段五次多项式连接点处位置、一阶导、二阶导、三阶导作为等式约束，以道路自然边界约束和障碍物边界约束作为不等式约束，建立无人驾驶车辆多目标轨迹生成问题的数学模型；

5)使用NSGAⅡ进行多目标轨迹生成问题的数学模型的求解，获得无人驾驶车辆多目标轨迹生成问题的最优解。

2.根据权利要求1所述的基于多目标优化的无人驾驶车辆运动规划方法，其特征在于，步骤1)中，利用下式计算障碍物或车辆在Frenet坐标系下的坐标(s,l,l',l)：

其中，(x,y,θ,κ,v,a)为障碍物或车辆在笛卡尔坐标系中的位置、航向、曲率、速度、加速度；(s,l,l',l)为(x,y,θ,κ,v,a)映射到Frenet坐标系下的坐标；(s,l,l',l)为沿参考线距离，距参考线横向距离，横向距离的导数、二阶导；Δθ＝θ-θ_r；(x_r,y_r,θ_r,κ_r)为距离障碍物或车辆(x,y,θ,κ,v,a)最近的点(s_r,l_r)对应的笛卡尔坐标系。

3.根据权利要求1所述的基于多目标优化的无人驾驶车辆运动规划方法，其特征在于，步骤2)中，多目标路径规划问题的数学模型中，代价函数表达式为：C_total(f(s))＝C_smooth(f)+C_obs(f)+C_guidance(f)；其中，f(s)为表示路径的五次多项式，C_smooth(f)为平滑代价，C_obs(f)为障碍物代价，C_guidance(f)为参考线代价。

4.根据权利要求3所述的基于多目标优化的无人驾驶车辆运动规划方法，其特征在于，平滑代价的表达式如下：其中，w₁，w₂，w₃分别为一阶导、二阶导、三阶导的代价权重，s₀、s_e分别为路径起点、终点横坐标值；

障碍物代价的表达式如下：

其中，d为车辆与已知障碍物之间的距离，d_n为绝对安全距离，d_c为危险距离，C_nudge、C_collision为常数；

参考线代价表达式如下：

其中，g(s)为表示参考线的五次多项式。

5.根据权利要求3所述的基于多目标优化的无人驾驶车辆运动规划方法，其特征在于，步骤3)中，利用线性动态规划方法进行路径规划的具体实现过程包括：

1)以列为阶段计算从起点到每一个点的总代价，并记录每一个点的父节点；

2)在最后一列中找出代价最小的路径点，并沿父路径点反向查找直到车辆当前位置，得到的一组路径点以及路径点之间的五次多项式即为利用线性动态规划方法进行路径规划的结果。