[发明专利]一种结合障碍物行为意图的车辆动态轨迹规划方法

说明书

本发明公开了一种结合障碍物行为意图的车辆动态轨迹规划方法，利用传感器获得车辆当前的位置状态信息，利用感知模块获取当前环境的障碍物周围环境信息，利用决策模块获得车辆下一时刻期望的位置状态，利用预测模块获取障碍物在下一时刻的可能位置状态信息。将获取到的车辆和障碍物在当前时刻和下一时刻的信息作为约束，采用在横纵向分别建立五次、四项多项式的方式，对车辆和障碍物分别进行横纵向的解耦；随后分别对车辆和障碍物的横纵向轨迹进行碰撞检测，将没有发生碰撞的轨迹逐个进行损失评价，选出损失最小的车辆轨迹并输出。

技术领域

本发明属于智能汽车技术领域，更为具体地讲，涉及一种结合障碍物行为意图的车辆动态轨迹规划方法。

背景技术

关于车辆轨迹规划，主要是负责产生一条从当前状态到下一个目标状态的运动轨迹，并且在规划轨迹的时候应该考虑到行驶空间的约束条件，以及满足车辆运动学约束与乘坐舒适性。无人驾驶车辆的路径规划算法主要有，一类是基于随机采样的算法，一类是基于优化理论的算法。

随机采样方法主要是通过在空间中通过随机生成目标可能性的状态，来通过概率的方法对生成的状态进行更新迭代。随机抽样方法是随机的去采样。也就是说，只要对当前状态下的运动计划问题有一个理论上的解决方案，算法就需要在无数次迭代之后找到一个理论上的解决方案。随机采样方法通常包括PRM(概率路线图方法)算法和RRT(快速搜索随机树)算法。

但PRM算法无法用于情况较为复杂的环境，如障碍物较多时，同时该算法生成的路径一般可行性比较差，众多学者对其方法进行改进变种算法。原始的RRT算法采用的是均匀采样的方法，从而该方法效率较差，且规划的结果是不连续的，众多专家学者对其进行了改进优化，提出了很多变种算法，如RRT-Connect算法通过在起点与目标同时构建随机树，当两棵树相遇时便找到了解。启发式RRT算法，使用启发函数引导RRT节点的生长方向，从而提高算法的收敛速度。PCL-RRT算法结合交通场景下其他车辆的不确定性，通过将碰撞概率做为启发函数，从而找出最优路径。RRT算法及其变种算法在原有的基础上提高了规划效率，但存在求解结果不稳定等缺陷。

基于优化理论的算法的一种思路是将运动计划问题分为两个步骤。首先，对地图进行随机采样以获取粗略的路径，然后使用优化的路径曲率生成满足道路几何约束的路径。顾天宇等提出了一种基于最优控制理论的轨迹规划，并改进了轨迹评估功能，使当前驾驶环境下的轨迹成为最优轨迹。基于优化理论的运动计划算法可以生成适合于驾驶场景的最优轨迹，但是存在效率低下的问题。

以上车俩轨迹规划算法虽考虑轨迹规划的安全性、可行性，但均仅仅将驾驶环境中行人或者其他车辆障碍物静态信息直接输入，没有考虑到的障碍物动态信息(如障碍物的意图，和可能的未来轨迹)，存在一定的缺陷(如行人在将要横穿马路时，和行人将要继续向前行走或者停止，车辆规划出的最优轨迹是不一样的)。目前有人虽提出障碍物的可能碰撞半径或者采用引力势场等方法来减少动态障碍物对汽车碰撞的可能，但仍未考虑行人、其他车辆的动作意图和未来可能的轨迹情况。针对以上问题，本发明针对动态障碍物避让领域，基于车载移动计算平台，结合行人、车辆的动作意图信息，以车辆和障碍物在横纵向轨迹的分解再融合的方法来规划轨迹，来减少碰撞的可能，从而实现一种结合障碍物动作意图的轨迹规划方法，提高无人驾驶的安全性。

发明内容

本发明的目的在于克服现有技术的不足，提供一种结合障碍物行为意图的车辆动态轨迹规划方法，以轨迹的横纵向解耦为基础，通过障碍物的动作意图，规划出车辆的行驶轨迹，以提高车辆行驶的安全性。

为实现上述发明目的，本发明一种结合障碍物行为意图的车辆动态轨迹规划方法，其特征在于，包括以下步骤：

(1)、利用全局路径模块获取车辆行驶过程中的全局路径；

(2)、车辆解耦

(2.1)、车辆横向解耦