[发明专利]一种无人驾驶汽车动态障碍物避撞的方法和系统

说明书

本发明简述了一种无人驾驶汽车动态障碍物的避撞方法，主要通过无人驾驶汽车对人类避撞操作实例或仿真平台测试数据的深度强化学习，建立模糊控制规则库。然后根据传感器或摄像设备所采集到无人驾驶速度、与障碍物之间纵向或横向之间距离，进行模糊化处理，根据模糊规则库，进行规则推理，输出一个模糊处理结果，再根据反模糊化处理，确定一个具体操作行为结果：速度不变、减速以及减速+换道等行为操作。

技术领域

本发明涉及无人驾驶汽车避撞控制领域，尤其涉及一种无人驾驶汽车避撞模糊控制的方法和系统。

背景技术

当前无人驾驶汽车避障控制策略，主要通过无人驾驶汽车上雷达传感器或者拍摄图像设备，来判断周围是否存在障碍物。若存在障碍物，通过立即刹车或绕道等方式避撞障碍物。这样会带来两个方面问题：1采取立即减速方式，可能会带来无人驾驶汽车上乘客不舒服，特别速度变化加速度大于6m/s2，则可能会导致车上乘客的受伤或不平稳；2采取绕道方式，可以避免碰撞静态障碍物，而对于移动障碍物来说，还存在一些碰撞的危险。所以针对这两个方面问题，提出一种动态障碍物避撞的方法和系统，通过无人驾驶汽车对人类避撞实例或仿真平台测试数据的深度强化学习，建立模糊控制规则库，根据模糊控制策略，能够平稳的实行动态障碍物避撞功能。

发明内容

有鉴于此，本发明的主要目的在于提供了一种无人驾驶汽车动态避障物避撞控制方法，主要采用深度强化学习方式，确定最佳避撞控制参数，建立起模糊控制规则库。后根据采集到无人驾驶汽车自身的运动速度、与障碍物之间纵向和横向距离等参量，进行模糊规则推理，确定一个特定行为：速度不变、减速、减速+变道等操作行为，实现动态避障物避撞。

为达到上述目的，本发明的技术方案是这样实现的：

本发明提供了无人驾驶汽车根据人类避撞控制策略或仿真平台测试数据，统计出各种运行状态下发生碰撞的可能性，选择发生碰撞可能性最小的运行参数作为最佳避撞策略，确定模糊控制规则库。

对无人驾驶汽车与障碍物之间纵向和横向距离参量进行模糊化处理，将距离分成：小距离、中距离和大距离三个模糊区域。再对无人驾驶汽车的当前运行速度作为模糊输入变量，进行模糊处理，将运动速度分为低速、中速、快速和高速四个模糊区域。而将无人驾驶汽车所采取减速或/和变道操作作为模糊输出变量，也可模糊设定为：速度不变、慢减速、快减速、快减速+变道四个模糊行为。

当无人驾驶汽车在行驶中，检测到前方存在可移动障碍物时，传感器或图像设备等采集相关信息后，将无人驾驶汽车与障碍物之间纵向和横向距离，根据模糊控制规则库，进行逻辑推理，确定一个距离模糊域。再根据该距离模糊域，对无人驾驶汽车运动速度数据，根据模糊控制规则库，进行逻辑推理，确定一种模糊输出的行为或结果。

根据上面输出行为或结果，进行反模糊化，选定一个特定减速加速度或/和左右变道的具体行为，实现与动态障碍物的避撞。。

在上述方案中，无人驾驶汽车根据人类避撞控制策略或仿真平台测试数据，统计出各种运行状态下发生碰撞的可能性，确定模糊控制的规则库，其特征还包括：无人驾驶汽车根据确定距离和运行速度情况下，障碍物采取不同移动速度，统计在各种加速度情况下发生碰撞的机率，选择机率最小作为确定最佳控制策略，建立对应的模糊避撞规则库。

在上述方案中，所述无人驾驶汽车与障碍物之间纵向和横向距离，根据模糊控制规则库，进行逻辑推理，确定一个距离模糊域。其特征还包括：分别为无人驾驶汽车与障碍物之间纵向和横向距离建立一个三角形的模糊隶属函数。。

在上述方案中，所述无人驾驶汽车和障碍物的运动速度作为模糊变量，其特征还包括：分别为无人驾驶汽车的运动速度建立一个对应三角形的模糊隶属函数。

在上述方案中，模糊输出行为或结果，进行反模糊化操作，其进一步特征：在选择特定减速加速度或/和左右变道操作时，考虑一种有利于无人驾驶汽车与前方障碍物之间最近距离最大化方向操作。