[发明专利]一种无人驾驶汽车轨迹规划方法

说明书

本发明公开了一种无人驾驶汽车轨迹规划方法，包括：获取待轨迹规划的无人驾驶汽车的环境及车辆状态信息；将环境及车辆状态信息输入局部轨迹规划器，基于运动学模型，遵循相应的评价指标，规划局部最优轨迹；将规划得到的局部最优轨迹作为期望轨迹输入轨迹跟踪控制器，以囊括优化参数的目标函数为评价依据，在相应的预设约束条件下，计算待轨迹规划的无人驾驶汽车的车辆前转向轮的最优动作序列；根据最优动作序列，通过操纵待轨迹规划的无人驾驶汽车的执行机构，保证待轨迹规划的无人驾驶汽车按照规划的轨迹安全行驶。该方法在保证模型精确性的前提下，提高了轨迹规划效率，降低了模型复杂度，并减少了计算时间。

技术领域

本发明涉及无人驾驶技术领域，特别涉及一种无人驾驶汽车轨迹规划方法。

背景技术

在过去的数十年中，交通事故造成的伤亡人数每年都在增加。自动驾驶汽车由于操作快速且感知准确，可以大大减少驾驶员分心和疲劳引起的事故。除了提高安全性外，自动驾驶汽车还可以大大提高驾驶舒适性、交通效率和能源经济性。

目前，轨迹规划的四种主要方法为基于图搜索的方法、增量搜索法、曲线插值法和数值优化法。其中，图搜索通过遍历所有环境网格找到最短路径。但是，所得路径并不连续，因此不适用于自动驾驶汽车。增量搜索方法允许节点在连续空间中随机地向目标延伸。但是，生成的轨迹是生涩的，通常不是最佳轨迹。曲线插值法可以生成平滑的路径，但是轨迹规划的结果取决于全局航路点，并且该方法在多变的环境中非常耗时。现有技术中，通常使用数值优化法来考虑道路和主车辆的约束。轨迹则是由约束和目标函数生成的。但是，优化过程需要在每个时间同步执行，耗时且需要较高级别的硬件。

因此，在现有无人驾驶轨迹规划技术的基础上，如何在保证模型精确性的前提下，提高轨迹规划效率，并减少计算时间，成为本领域技术人员亟需解决的问题。

发明内容

鉴于上述问题，本发明提出了一种至少解决上述部分技术问题的无人驾驶汽车轨迹规划方法，该方法可有效提高轨迹规划效率，并减少计算时间。

本发明实施例提供一种无人驾驶汽车轨迹规划方法，包括如下步骤：

S1、获取待轨迹规划的无人驾驶汽车的环境及车辆状态信息；所述环境及车辆状态信息包括：本车状态、本车位置、环境信息、交通信息和道路信息；

S2、将所述环境及车辆状态信息输入局部轨迹规划器，基于运动学模型，遵循相应的评价指标，规划局部最优轨迹；

S3、将规划得到的局部最优轨迹作为期望轨迹输入轨迹跟踪控制器，以囊括优化参数的目标函数为评价依据，在相应的预设约束条件下，计算所述待轨迹规划的无人驾驶汽车的车辆前转向轮的最优动作序列；所述优化参数包括：横向跟踪误差和控制量变化率；

S4、根据所述最优动作序列，通过操纵所述待轨迹规划的无人驾驶汽车的执行机构，保证所述待轨迹规划的无人驾驶汽车按照规划的轨迹安全行驶。

进一步地，所述步骤S3还包括：将规划得到的局部最优轨迹进行重采样，将较大的离散时间步长转变成较小的离散时间步长；将重采样后的局部最优轨迹作为期望轨迹输入轨迹跟踪控制器。

进一步地，所述步骤S2中，所述局部轨迹规划器将规划所述局部最优轨迹表示为方程的最优控制问题，在预设预测范围中生成控制变量的最优控制序列：

上式中，L(X(t),U(t),t)为预设预测范围[t，t+T]的成本函数；U(t)为预设预测范围[t，t+T]内的最优控制序列；f(X(t),U(t))为状态空间表达式；X(t)为状态变量。

进一步地，所述成本函数包括环境成本和轨迹成本；所述环境成本包括：车道保持成本函数、道路边界成本函数和避障成本函数；所述轨迹成本包括：轨迹速度指标成本函数、轨迹控制量变化量成本函数和轨迹一致性成本函数。