[发明专利]一种基于障碍物构型重构的无人车避障方法及系统

说明书

本发明公开了一种基于障碍物构型重构的无人车避障方法及系统，该方法通过重构全局坐标系下的障碍物数据，并建立相应目标函数，通过求解目标函数的最优解得到无人车避障最优路径。由于采用了上述技术方案，与现有技术相比，本发明重构了带安全区域的膨胀构型(双八字、圆形、椭圆形或矩形构型)，由于重构后的膨胀构型是根据检测到的障碍物数据来重新进行构建，因此即使在首次检测障碍物数据时，重构的膨胀构型出现偏差，本发明也能继续实时检测障碍物数据，并据此来不断调整障碍物构型，从而更加准确、实时地估算障碍物大小，最终实现无人车避障的路径规划。

技术领域

本发明涉及自动驾驶技术领域，具体涉及一种基于障碍物构型重构的无人车避障方法及系统。

背景技术

局部路径规划作为无人驾驶汽车研究的关键技术之一，其根据车载传感器采集的障碍物信息和全局期望路径信息重新规划出避开障碍物的局部最优路径，侧重于依赖车载传感器(毫米波雷达，激光雷达，视觉相机等)的采集信息，具有很强的实时性。目前局部路径规划方法归纳为两类：传统局部路径规划方法和智能局部路径规划方法。传统局部路径规划方法主要有人工势场法、栅格法和向量场直方图法等，对于障碍物信息已知的情况下处理避障问题尚可，但是遇到障碍物信息未知或动态障碍物，则不能很好处理。智能局部路径规划方法主要有模糊控制法、神经网络法、混合智能法、协同控制法等，对于障碍物信息未知或部分未知的情况下处理避障问题需要的硬件设备要求苛刻，且每种规划算法都有其优点及局限性，难以采用单一的算法实现动态环境精准、安全可靠的路径规划。

现有的避障方法中，为了路径规划实际可行，一般需要结合车身尺寸对障碍物进行膨胀处理，膨胀处理的结果由权重系数决定。其缺点在于，现有避障方法一般是直接预先确定权重系数或根据首次检测到的障碍物检测数据来确定膨胀处理的权重系数，其权重系数为固定值，因此当一旦确定了障碍物的检测数据，便确定了膨胀处理后的障碍物大小。而在实际应用中，往往会出现识别障碍物类型出现偏差或障碍物遮挡的问题，从而导致障碍物大小被错误地估算；若对障碍物大小的估算偏小，则会导致车辆从障碍物中间穿越，即车辆刮擦或碰撞；若对障碍物大小的估算偏大，则会导致路径规划线路的绕障半径过长，造成不必要的浪费。因此，亟待开发一种可以更加实时、准确地估算障碍物大小的基于障碍物构型重构的无人车避障方法及系统。

发明内容

为解决背景技术中现有无人车避障方法对障碍物大小的估算不准确的问题，本发明提供了一种基于障碍物构型重构的无人车避障方法及系统，具体技术方案如下。

一种基于障碍物构型重构的无人车避障方法，该方法包括：求解如下目标函数的最优解，得到无人车避障最优路径；

其中，J_obs，i为采样时刻第i预测时域的避障惩罚函数；η(t+i|t)为时刻t的状态变量；η_ref(t+i|t)为时刻t的参考状态变量；U_t为控制量前轮偏角的物理约束条件、U_i为控制量符合安全避障距离约束条件；Q为反映控制器对全局参考路径跟随能力的权重矩阵；R为对控制量平稳变化的权重矩阵；Np为预测时域。(公式参考文献陈慧岩,龚建伟,姜岩等.无人驾驶车辆模型预测控制研究[M].北京:北京理工大学出版社,2014:138-139.)

在第i预测时域时，所述避障惩罚函数为：