CN109032131B - 一种应用于无人驾驶汽车的动态超车避障方法 - Google Patents

一种应用于无人驾驶汽车的动态超车避障方法 Download PDF

Info

Publication number
CN109032131B
CN109032131B CN201810728149.XA CN201810728149A CN109032131B CN 109032131 B CN109032131 B CN 109032131B CN 201810728149 A CN201810728149 A CN 201810728149A CN 109032131 B CN109032131 B CN 109032131B
Authority
CN
China
Prior art keywords
vehicle
track
overtaking
planning
lane
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810728149.XA
Other languages
English (en)
Other versions
CN109032131A (zh
Inventor
陈一洲
黄永明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201810728149.XA priority Critical patent/CN109032131B/zh
Publication of CN109032131A publication Critical patent/CN109032131A/zh
Application granted granted Critical
Publication of CN109032131B publication Critical patent/CN109032131B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS

Abstract

本发明公开了一种应用于无人驾驶汽车的动态超车避障方法，本发明能够根据道路环境感知及车辆状态信息，实时生成动态超车轨迹，并提出了基于模型预测算法的“轨迹规划+跟踪控制”双层控制体系，控制无人驾驶汽车快速且平稳地追踪规划超车轨迹，实现安全有效地超车避障。

Description

一种应用于无人驾驶汽车的动态超车避障方法
技术领域
本发明涉及自动化和车辆工程技术领域，尤其是一种应用于无人驾驶汽车的动态超车避障方法。
背景技术
随着计算机技术的发展与信息化时代的进步，现代汽车行业正在朝着智能化方向发展，无人驾驶就是汽车智能化发展方向最重要的表现形式。作为信息科学和现代控制技术高度发展的产物，无人驾驶技术在运输、消防、军事、民用等许多领域都有着广阔的应用前景，是衡量一个国家科学技术和工业能力的重要标志。
车辆避障是无人驾驶技术中的一项重要功能。在遇到障碍物时，无人驾驶系统可以根据传感器获得的障碍物与车辆位置等道路交通信息，控制无人驾驶车辆的速度和转向，使用最佳的避障方法实现安全避障。据统计，每年全世界有近百万人死于道路交通事故，而其中大部分事故发生原因是因为汽车驾驶员注意力不集中或疲劳驾驶造成的。如果汽车上可以应用智能避障系统，则不仅可以增强驾驶员对道路交通环境的感知，帮助驾驶员提前判断潜在的危险情况，而且可以在遇到障碍物的紧急情况下辅助或代替驾驶员采取必要的避障措施，避免与障碍物发生碰撞，从而最大程度地避免交通事故的发生，减少事故可能造成的伤亡。
在无人驾驶技术蓬勃发展的背景下，设计无人驾驶车辆的避障策略，研究合理的控制方法，规划不同道路情况下的避障方式，可以在理论和应用上指导未来无人驾驶车辆避障控制系统的研究开发。本发明提出一种应用于无人驾驶汽车的动态超车避障方法，根据道路环境感知及车辆状态信息，实时生成动态超车轨迹，并提出了基于模型预测算法的“轨迹规划+跟踪控制”双层控制体系，控制无人驾驶汽车快速且平稳地追踪规划超车轨迹，实现安全有效地超车避障。
发明内容
本发明所要解决的技术问题在于，提供一种应用于无人驾驶汽车的动态超车避障方法，能够根据道路环境感知及车辆状态信息，实时生成动态超车轨迹，并提出了基于模型预测算法的“轨迹规划+跟踪控制”双层控制体系，控制无人驾驶汽车快速且平稳地追踪规划超车轨迹，实现安全有效地超车避障。
为解决上述技术问题，本发明提供一种应用于无人驾驶汽车的动态超车避障方法，包括如下步骤：
(1)无人驾驶汽车车载传感器对无人驾驶汽车的周围道路环境进行感知，提供周边信息；同时车载计算机提供车辆信息；
(2)超车轨迹规划模块接收来自车载传感器的道路环境信息及车辆状态信息，根据动态超车轨迹规划算法实时规划出参考超车轨迹；
(3)根据步骤(2)中规划出的参考超车轨迹，通过基于模型预测算法的“轨迹规划+跟踪控制”双层控制体系，实现对参考轨迹的跟踪控制，该控制系统主要由轨迹重规划模块和轨迹跟踪控制模块组成；
(4)受控的无人驾驶汽车的车载计算机根据控制输入增量控制无人驾驶车辆的速度和转向，并输出车辆行驶状态量，反馈给轨迹规划模块与轨迹跟踪控制器，再进行下一参考点的跟踪。
优选的，步骤(1)中，周边信息包括车辆周围可行驶区域的几何描述、路面特征及路面摩擦系数、车道宽度、待超车辆的速度、距离及车身长宽信息；车辆信息包括车辆位置及车辆内部状态信息，包括纵横向速度、加速度、轮速参数。
优选的，步骤(2)中，超车轨迹规划模块接收来自车载传感器的道路环境信息及车辆状态信息，根据动态超车轨迹规划算法实时规划出参考超车轨迹具体为：
(21)轨迹参数设定：令V表示本车的纵向速度，D表示在车道变换过程中在x方向上行驶的总距离，W表示在y方向上行驶的总距离，T为换道时间，A为本车的最大合加速度的大小，其中V通过车辆状态信息得知，并假定换道过程中本车纵向保持速度V恒定，W设定为当前车道宽度，A设定为1～2m/s2，最大不超过3～4m/s2，参数D与T通过优化模型的近似最优解公式计算得出：
Figure BDA0001720206930000021
Figure BDA0001720206930000022
(22)规划参考轨迹：设x(t)为车辆运动的纵向方向，y(t)为正交于车辆运动的侧向方向，本车首先采用如下轨迹从本车道变换到相邻车道：
Figure BDA0001720206930000023
变换到相邻车道后，在相邻车道以速度V匀速直线行驶Tp秒，
Figure BDA0001720206930000031
式中L为本车车身长度，为车辆固有系数，L1为待超车辆长度，V1为待超车辆速度，0＜V1＜V，L1与V1通过传感器测量获得；
之后返回原车道，通过坐标对称和时间转换，第二次车道变换轨迹(x3，y3，t)与第一次变换车道的轨迹(x1，y1，t)关系如下：
Figure BDA0001720206930000032
(23)参考变道轨迹规划完成后，当两车之间的相对距离为Drel时，开始执行换道超车，其中Drel最小值为D-V1T，考虑到行车安全，一般取Drel＝D；
(24)为了避免超车时发生碰撞，需要实时调整避障路线规划时的规划参数：正在换道时，当传感器检测到两车距离过近，换道时可能发生碰撞，则放宽超车时的加速度约束A到1.5倍，但不超过最大加速度上界；当在相邻车道行驶时，若传感器检测到原车道仍有车辆，无法回到原车道，则延长Tp直到检测到可以安全返回原车道；将调整后的轨迹参数代入步骤(22)中，规划新的参考超车轨迹。
优选的，步骤(3)中，根据步骤(2)中规划出的参考超车轨迹，通过基于模型预测算法的“轨迹规划+跟踪控制”双层控制体系，实现对参考轨迹的跟踪控制具体为：
(31)轨迹重规划模块根据规划得到的实时参考轨迹信息，通过模型预测控制算法规划出车辆的局部参考轨迹，其中该模块的模型预测算法基于车辆点质量模型，系统约束为车辆动力学约束，目标函数为尽量减少与给定参考路径的偏差；
(32)对规划出的离散局部参考轨迹进行5次多项式拟合，形式如下：
Y＝a0t5+a1t4+a2t3+a3t2+a4t+a5
Figure BDA0001720206930000033
式中，Y为车辆侧向位置，
Figure BDA0001720206930000034
为车辆航向角，ap＝[a0，a1，a2，a3，a4，a5]，bp＝[b0，b1，b2，b3，b4，b5]为拟合得到的局部参考轨迹参数；
(33)将局部参考轨迹参数发送给轨迹跟踪控制模块；
(34)轨迹跟踪控制模块接收来自规划层的局部参考轨迹状态量，将其离散化后通过模型预测控制算法进行轨迹跟踪控制，其中预测模型为基于前轮偏角较小和线性轮胎模型假设后的车辆动力学非线性模型，系统约束包括质心侧偏角约束、车辆附着条件约束及轮胎侧偏角约束，控制器目标函数为保证无人驾驶汽车快速且平稳地追踪期望轨迹；
(35)在每个控制周期内完成求解后，得到了控制时域内的一系列控制输入增量和松弛因子，将该控制序列中第一个元素作为实际的控制输入增量作用于无人驾驶汽车；进入下一个控制周期后，重复上述过程，如此循环实现对期望轨迹的跟踪控制。
本发明的有益效果为：(1)本发明针对汽车在道路行驶时遇到障碍的不同工况，提出了基于多项式函数，并最小化超车机动过程中消耗的总动能的动态超车避障轨迹。在具体求解轨迹参数时，考虑到控制系统的实时性要求，提出了优化模型的近似最优解公式。最后综合考虑复杂路况下的超车轨迹调整，设计出一种全面、高效和灵活的超车避障路线规划算法；
(2)本发明采用了基于模型预测控制算法的轨迹跟踪控制器，对未来轨迹的预测和处理多目标约束条件的能力较强；该控制器能准确跟踪超车避障轨迹，控制量前轮转角的变化也比较平稳，同时可以将质心侧偏角等反映无人驾驶汽车平稳行驶的特征量控制在合理范围内；并且控制系统对速度具有很强的鲁棒性，车速增加并不会导致车辆稳定性能的下降；
(3)本发明针对无人驾驶汽车在实际环境中进行自主驾驶时，由于外部环境是动态的、变化的，给定期望轨迹下的跟踪控制并不能保证无人驾驶车辆准确地处理任何轨迹跟踪问题，因此从轨迹重规划的角度出发，在传统的轨迹跟踪层之上建立轨迹规划层，提出了“轨迹规划+跟踪控制”双层控制体系；该规划层能够根据传感器获得的道路障碍物信息和车辆自身约束条件信息，重新规划出局部期望轨迹信息，再将局部期望轨迹信息输入跟踪控制层，实现超车避让障碍物。
附图说明
图1为本发明的工作原理示意图。
图2为本发明的动态轨迹规划算法流程示意图。
具体实施方式
如图1所示，一种应用于无人驾驶汽车的动态超车避障方法，包括如下步骤：
步骤1：无人驾驶汽车车载传感器，如激光雷达、车载摄像头、GPS等对无人驾驶汽车的周围道路环境进行感知，提供包括车辆周围可行驶区域的几何描述、路面特征及路面摩擦系数、车道宽度、待超车辆的速度、距离及车身长宽等信息；同时车载计算机提供车辆位置及车辆内部状态信息，包括纵横向速度、加速度、轮速等参数；
步骤2：超车轨迹规划模块接收来自传感器的道路环境信息及车辆状态信息，根据动态超车轨迹规划算法实时规划出参考超车轨迹：
步骤2.1：轨迹参数设定：令V表示本车的纵向速度，D表示在车道变换过程中在x方向上行驶的总距离，W表示在y方向上行驶的总距离，T为换道时间，A为本车的最大合加速度的大小，其中V通过车辆状态信息得知，并假定换道过程中本车纵向保持速度y恒定，W设定为当前车道宽度，A设定为1～2m/s2，最大不超过3～4m/s2，参数D与T通过优化模型的近似最优解公式计算得出：
Figure BDA0001720206930000051
Figure BDA0001720206930000052
步骤2.2：规划参考轨迹：设x(t)为车辆运动的纵向方向，y(t)为正交于车辆运动的侧向方向，本车首先采用如下轨迹从本车道变换到相邻车道：
Figure BDA0001720206930000053
变换到相邻车道后，在相邻车道以速度V匀速直线行驶Tp秒，
Figure BDA0001720206930000054
式中L为本车车身长度，为车辆固有系数，L1为待超车辆长度，V1为待超车辆速度，0＜V1＜V，L1与V1通过传感器测量获得；
之后返回原车道，通过坐标对称和时间转换，第二次车道变换轨迹(x3，y3，t)与第一次变换车道的轨迹(x1，y1，t)关系如下：
Figure BDA0001720206930000055
步骤2.3：参考变道轨迹规划完成后，当两车之间的相对距离为Drel时，开始执行换道超车，其中Drel最小值为D-V1T，考虑到行车安全，一般取Drel＝D；
步骤2.4：为了避免超车时发生碰撞，需要实时调整避障路线规划时的规划参数：正在换道时，当传感器检测到两车距离过近，换道时可能发生碰撞，则放宽超车时的加速度约束A到1.5倍，但不超过最大加速度上界；当在相邻车道行驶时，若传感器检测到原车道仍有车辆，无法回到原车道，则延长Tp直到检测到可以安全返回原车道；将调整后的轨迹参数代入步骤2.2中，规划新的参考超车轨迹，如图2所示；
步骤3：根据规划出的参考超车轨迹，通过基于模型预测算法的“轨迹规划+跟踪控制”双层控制体系，实现对参考轨迹的跟踪控制，该控制系统主要由轨迹重规划模块和轨迹跟踪控制模块组成：
步骤3.1：轨迹重规划模块根据规划得到的实时参考轨迹信息，通过模型预测控制算法规划出车辆的局部参考轨迹，其中该模块的模型预测算法基于车辆点质量模型，系统约束为车辆动力学约束，目标函数为尽量减少与给定参考路径的偏差；
步骤3.2：对规划出的离散局部参考轨迹进行5次多项式拟合，形式如下：
Y＝a0t5+a1t4+a2t3+a3t2+a4t+a5
Figure BDA0001720206930000061
式中，Y为车辆侧向位置，
Figure BDA0001720206930000062
为车辆航向角，ap＝[a0，a1，a2，a3，a4，a5]，bp＝[b0，b1，b2，b3，b4，b5]为拟合得到的局部参考轨迹参数；
步骤3.3：将局部参考轨迹参数发送给轨迹跟踪控制模块；
步骤3.4：轨迹跟踪控制模块接收来自规划层的局部参考轨迹状态量，将其离散化后通过模型预测控制算法进行轨迹跟踪控制，其中预测模型为基于前轮偏角较小和线性轮胎模型假设后的车辆动力学非线性模型，系统约束包括质心侧偏角约束、车辆附着条件约束及轮胎侧偏角约束，控制器目标函数为保证无人驾驶汽车快速且平稳地追踪期望轨迹；
步骤3.6：在每个控制周期内完成求解后，得到了控制时域内的一系列控制输入增量和松弛因子，将该控制序列中第一个元素作为实际的控制输入增量作用于无人驾驶汽车；进入下一个控制周期后，重复上述过程，如此循环实现对期望轨迹的跟踪控制；
步骤4：受控的无人驾驶汽车的车载计算机根据控制输入增量控制无人驾驶车辆的速度和转向，并输出车辆行驶状态量，反馈给轨迹规划模块与轨迹跟踪控制器，再进行下一参考点的跟踪。
本发明能够根据道路环境感知及车辆状态信息，实时生成动态超车轨迹，并提出了基于模型预测算法的“轨迹规划+跟踪控制”双层控制体系，控制无人驾驶汽车快速且平稳地追踪规划超车轨迹，实现安全有效地超车避障。

Claims (3)

1.一种应用于无人驾驶汽车的动态超车避障方法，其特征在于，包括如下步骤：
(1)无人驾驶汽车车载传感器对无人驾驶汽车的周围道路环境进行感知，提供周边信息；同时车载计算机提供车辆信息；
(2)超车轨迹规划模块接收来自车载传感器的道路环境信息及车辆状态信息，根据动态超车轨迹规划算法实时规划出参考超车轨迹；
(3)根据步骤(2)中规划出的参考超车轨迹，通过基于模型预测算法的“轨迹规划+跟踪控制”双层控制体系，实现对参考轨迹的跟踪控制，控制系统主要由轨迹重规划模块和轨迹跟踪控制模块组成；
(4)受控的无人驾驶汽车的车载计算机根据控制输入增量控制无人驾驶车辆的速度和转向，并输出车辆行驶状态量，反馈给轨迹规划模块与轨迹跟踪控制器，再进行下一参考点的跟踪；具体为：
(31)轨迹重规划模块根据规划得到的实时参考轨迹信息，通过模型预测控制算法规划出车辆的局部参考轨迹，其中模块的模型预测算法基于车辆点质量模型，系统约束为车辆动力学约束，目标函数为尽量减少与给定参考路径的偏差；
(32)对规划出的离散局部参考轨迹进行5次多项式拟合，形式如下：
Y＝a0t5+a1t4+a2t3+a3t2+a4t+a5
Figure FDA0003099616260000011
式中，Y为车辆侧向位置，
Figure FDA0003099616260000012
为车辆航向角，ap＝[a0,a1,a2,a3,a4,a5]，bp＝[b0,b1,b2,b3,b4,b5]为拟合得到的局部参考轨迹参数；
(33)将局部参考轨迹参数发送给轨迹跟踪控制模块；
(34)轨迹跟踪控制模块接收来自规划层的局部参考轨迹状态量，将其离散化后通过模型预测控制算法进行轨迹跟踪控制，其中预测模型为基于前轮偏角较小和线性轮胎模型假设后的车辆动力学非线性模型，系统约束包括质心侧偏角约束、车辆附着条件约束及轮胎侧偏角约束，控制器目标函数为保证无人驾驶汽车快速且平稳地追踪期望轨迹；
(35)在每个控制周期内完成求解后，得到了控制时域内的一系列控制输入增量和松弛因子，将控制输入增量和松弛因子中第一个元素作为实际的控制输入增量作用于无人驾驶汽车；进入下一个控制周期后，重复上述过程，如此循环实现对期望轨迹的跟踪控制。
2.如权利要求1所述的应用于无人驾驶汽车的动态超车避障方法，其特征在于，步骤(1)中，周边信息包括车辆周围可行驶区域的几何描述、路面特征及路面摩擦系数、车道宽度、待超车辆的速度、距离及车身长宽信息；车辆信息包括车辆位置及车辆内部状态信息，包括纵横向速度、加速度、轮速参数。
3.如权利要求1所述的应用于无人驾驶汽车的动态超车避障方法，其特征在于，步骤(2)中，超车轨迹规划模块接收来自车载传感器的道路环境信息及车辆状态信息，根据动态超车轨迹规划算法实时规划出参考超车轨迹具体为：
(21)轨迹参数设定：令V表示本车的纵向速度，D表示在车道变换过程中在x方向上行驶的总距离，W表示在y方向上行驶的总距离，T为换道时间，A为本车的最大合加速度的大小，其中V通过车辆状态信息得知，并假定换道过程中本车纵向保持速度V恒定，W设定为当前车道宽度，A设定为1～2m/s2，最大不超过3～4m/s2，参数D与T通过优化模型的近似最优解公式计算得出：
Figure FDA0003099616260000021
Figure FDA0003099616260000022
(22)规划参考轨迹：设x(t)为车辆运动的纵向方向，y(t)为正交于车辆运动的侧向方向，本车首先采用如下轨迹从本车道变换到相邻车道：
Figure FDA0003099616260000023
变换到相邻车道后，在相邻车道以速度V匀速直线行驶Tp秒，
Figure FDA0003099616260000024
式中L为本车车身长度，为车辆固有系数，L1为待超车辆长度，V1为待超车辆速度，0<V1<V，L1与V1通过传感器测量获得；
之后返回原车道，通过坐标对称和时间转换，第二次车道变换轨迹(x3,y3,t)与第一次变换车道的轨迹(x1,y1,t)关系如下：
Figure FDA0003099616260000025
(23)参考变道轨迹规划完成后，当两车之间的相对距离为Drel时，开始执行换道超车，其中Drel最小值为D-V1T，考虑到行车安全，一般取Drel＝D；
(24)为了避免超车时发生碰撞，需要实时调整避障路线规划时的规划参数：正在换道时，当传感器检测到两车距离过近，换道时可能发生碰撞，则放宽超车时的加速度约束A到1.5倍，但不超过最大加速度上界；当在相邻车道行驶时，若传感器检测到原车道仍有车辆，无法回到原车道，则延长Tp直到检测到可以安全返回原车道；将调整后的轨迹参数代入步骤(22)中，规划新的参考超车轨迹。
CN201810728149.XA 2018-07-05 2018-07-05 一种应用于无人驾驶汽车的动态超车避障方法 Active CN109032131B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810728149.XA CN109032131B (zh) 2018-07-05 2018-07-05 一种应用于无人驾驶汽车的动态超车避障方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810728149.XA CN109032131B (zh) 2018-07-05 2018-07-05 一种应用于无人驾驶汽车的动态超车避障方法

Publications (2)

Publication Number Publication Date
CN109032131A CN109032131A (zh) 2018-12-18
CN109032131B true CN109032131B (zh) 2021-07-27

Family

ID=65521782

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810728149.XA Active CN109032131B (zh) 2018-07-05 2018-07-05 一种应用于无人驾驶汽车的动态超车避障方法

Country Status (1)

Country Link
CN (1) CN109032131B (zh)

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110109451B (zh) * 2019-04-10 2022-07-12 东南大学 一种考虑路径曲率的新型几何学路径跟踪算法
CN111845724B (zh) * 2019-04-22 2021-11-09 上海汽车集团股份有限公司 一种自动驾驶车辆的避障方法、装置和车辆
CN109976355B (zh) * 2019-04-26 2021-12-10 腾讯科技（深圳）有限公司 轨迹规划方法、系统、设备及存储介质
CN110260872B (zh) * 2019-05-06 2023-08-01 合肥工业大学 一种车路协同环境下基于gps的动态超车轨迹规划系统
CN110103968A (zh) * 2019-05-16 2019-08-09 北方工业大学 一种基于三维激光雷达的无人车自主超车轨迹规划系统
CN110103956A (zh) * 2019-05-16 2019-08-09 北方工业大学 一种无人车自动超车轨迹规划方法
CN110147105A (zh) * 2019-05-27 2019-08-20 安徽江淮汽车集团股份有限公司 无人驾驶车辆的路径控制方法、设备、存储介质及装置
CN110211424B (zh) * 2019-06-04 2021-01-22 京东方科技集团股份有限公司 车辆预警方法和系统
CN110254422B (zh) * 2019-06-19 2021-02-12 中汽研（天津）汽车工程研究院有限公司 一种基于多目标增强学习及贝塞尔曲线的汽车避障方法
CN110329263B (zh) * 2019-07-05 2020-08-21 西南交通大学 自动驾驶车辆自适应换道轨迹规划方法
CN110297494B (zh) * 2019-07-15 2020-07-10 吉林大学 一种基于滚动博弈的自动驾驶车辆换道决策方法及系统
CN110362096B (zh) * 2019-08-13 2021-05-18 东北大学 一种基于局部最优性的无人驾驶车辆动态轨迹规划方法
CN110688920B (zh) * 2019-09-17 2022-06-14 宁波吉利汽车研究开发有限公司 一种无人驾驶控制方法、装置及服务器
CN110843789B (zh) * 2019-11-19 2021-07-06 苏州智加科技有限公司 一种基于时序卷积网络的车辆换道意图预测方法
CN111142532B (zh) * 2020-01-03 2023-04-28 三一汽车制造有限公司 基于5g网络通讯的无人驾驶压路机群避障方法和系统
US11400930B2 (en) * 2020-02-14 2022-08-02 GM Global Technology Operations LLC Simultaneous lane change situational awareness
CN111338340B (zh) * 2020-02-21 2022-05-10 天津大学 基于模型预测的无人驾驶汽车局部路径规划方法
CN111381597B (zh) * 2020-05-14 2021-08-03 吉林大学 一种基于高斯伪谱法的车辆避障轨迹规划方法
CN112558608B (zh) * 2020-12-11 2023-03-17 重庆邮电大学 一种基于无人机辅助的车机协同控制及路径优化方法
CN112578672B (zh) * 2020-12-16 2022-12-09 吉林大学青岛汽车研究院 基于底盘非线性的无人驾驶汽车轨迹控制系统及其轨迹控制方法
CN113561972B (zh) * 2021-08-25 2023-03-07 京东鲲鹏(江苏)科技有限公司 一种避障控制方法、装置、车辆和存储介质
CN113844442B (zh) * 2021-10-22 2023-06-23 大连理工大学 一种无人运输的全局多源感知融合及局部避障方法和系统
CN114548608B (zh) * 2022-04-26 2022-08-05 腾讯科技（深圳）有限公司 模型处理方法、装置、目标交通设备及存储介质
CN114815857B (zh) * 2022-06-28 2022-10-11 广东邦盛北斗科技股份公司 基于北斗导航的智能化农机管理方法、系统及云平台
CN115588299B (zh) * 2022-11-25 2023-02-28 陕西风润智能制造研究院有限公司 一种无人驾驶车辆轨迹控制系统及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101837781A (zh) * 2009-03-06 2010-09-22 通用汽车环球科技运作公司 用于自动车道对正或换道的控制系统的基于模型的预测控制
EP2848487A1 (en) * 2013-09-12 2015-03-18 Volvo Car Corporation Manoeuvre generation for automated drive
CN106671982A (zh) * 2017-01-09 2017-05-17 厦门大学 基于多智能体的无人驾驶电动汽车自动超车系统及方法
CN106845716A (zh) * 2017-01-25 2017-06-13 东南大学 一种基于导航误差约束的水面无人艇局部分层路径规划方法
CN106926844A (zh) * 2017-03-27 2017-07-07 西南交通大学 一种基于实时环境信息的动态自动驾驶换道轨迹规划方法
CN107168319A (zh) * 2017-06-01 2017-09-15 同济大学 一种基于模型预测控制的无人车避障方法
CN107867290A (zh) * 2017-11-07 2018-04-03 长春工业大学 一种考虑运动障碍物的汽车紧急避撞分层式控制方法
CN108162960A (zh) * 2016-12-07 2018-06-15 丰田自动车株式会社 车辆行驶控制装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9669828B2 (en) * 2012-06-01 2017-06-06 Toyota Motor Engineering & Manufacturing North America, Inc. Cooperative driving and collision avoidance by distributed receding horizon control
US20170139423A1 (en) * 2015-11-12 2017-05-18 King Fahd University Of Petroleum And Minerals Control system and method for multi-vehicle systems

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101837781A (zh) * 2009-03-06 2010-09-22 通用汽车环球科技运作公司 用于自动车道对正或换道的控制系统的基于模型的预测控制
EP2848487A1 (en) * 2013-09-12 2015-03-18 Volvo Car Corporation Manoeuvre generation for automated drive
CN108162960A (zh) * 2016-12-07 2018-06-15 丰田自动车株式会社 车辆行驶控制装置
CN106671982A (zh) * 2017-01-09 2017-05-17 厦门大学 基于多智能体的无人驾驶电动汽车自动超车系统及方法
CN106845716A (zh) * 2017-01-25 2017-06-13 东南大学 一种基于导航误差约束的水面无人艇局部分层路径规划方法
CN106926844A (zh) * 2017-03-27 2017-07-07 西南交通大学 一种基于实时环境信息的动态自动驾驶换道轨迹规划方法
CN107168319A (zh) * 2017-06-01 2017-09-15 同济大学 一种基于模型预测控制的无人车避障方法
CN107867290A (zh) * 2017-11-07 2018-04-03 长春工业大学 一种考虑运动障碍物的汽车紧急避撞分层式控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
无人驾驶车辆轨迹跟踪分层协调控制方法研究;马腾;《中国优秀硕士学位论文全文数据库（电子期刊） 工程科技Ⅱ辑》;20180415;全文 *
智能车辆自主换道方法的研究;王政;《中国优秀硕士学位论文全文数据库（电子期刊） 工程科技Ⅱ辑》;20160915;第14-63页 *

Also Published As

Publication number Publication date
CN109032131A (zh) 2018-12-18

Similar Documents

Publication Publication Date Title
CN109032131B (zh) 一种应用于无人驾驶汽车的动态超车避障方法
CN113386795B (zh) 一种自动驾驶车辆智能决策及局部轨迹规划方法及其决策系统
CN110341711B (zh) 一种基于码头环境的行驶轨迹生成系统及方法
WO2020143288A1 (zh) 一种复杂工况下自动驾驶车辆决策系统及其轨迹规划方法
EP3291202B1 (en) Method of road vehicle trajectory planning
Werling et al. Automatic collision avoidance using model-predictive online optimization
CN111806467B (zh) 一种基于车辆行驶规律的变速动态换道轨迹规划方法
Cao et al. An optimal hierarchical framework of the trajectory following by convex optimisation for highly automated driving vehicles
US11719549B2 (en) Vehicle control apparatus
CN105691388A (zh) 一种汽车主动避撞系统及其轨迹规划方法
JP2022552413A (ja) 視覚に基づいて先導車両に追従させる横方向位置のコントローラ
US20230211786A1 (en) Path-controlling module, associated path-controlling device and associated method
CN104192144A (zh) 一种汽车主动防撞弯道虚警消除方法
CN104527638A (zh) 汽车主动防撞弯道虚警消除方法及虚警消除装置
Choi et al. Emergency collision avoidance maneuver based on nonlinear model predictive control
CN205396080U (zh) 一种汽车主动避撞系统
Fassbender et al. An optimization approach to trajectory generation for autonomous vehicle following
Zhang et al. Segmented trajectory planning strategy for active collision avoidance system
Peng et al. Lane-change model and tracking control for autonomous vehicles on curved highway sections in rainy weather
Gutjahr et al. Automatic collision avoidance during parking and maneuvering—An optimal control approach
Ho et al. Lane change algorithm for autonomous vehicles via virtual curvature method
CN115743174A (zh) 考虑主动安全的自主驾驶车辆轨迹规划与跟踪控制方法
Li et al. Anti-collision system design of vehicle lane change overtaking
Yuan et al. Research on emergency collision avoidance system of man-machine cooperative driving vehicles based on additional yaw moment control
CN114889643A (zh) 一种运动障碍物的三元素自主避障方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant