CN110928290A - 五次曲线路径规划方法及车道中心线维护方法 - Google Patents
五次曲线路径规划方法及车道中心线维护方法 Download PDFInfo
- Publication number
- CN110928290A CN110928290A CN201910168155.9A CN201910168155A CN110928290A CN 110928290 A CN110928290 A CN 110928290A CN 201910168155 A CN201910168155 A CN 201910168155A CN 110928290 A CN110928290 A CN 110928290A
- Authority
- CN
- China
- Prior art keywords
- lane
- vehicle
- point
- track
- path
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000012423 maintenance Methods 0.000 title claims abstract description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 238000006073 displacement reaction Methods 0.000 claims description 21
- 230000001133 acceleration Effects 0.000 claims description 17
- 238000006467 substitution reaction Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 238000012795 verification Methods 0.000 abstract description 2
- 238000002474 experimental method Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 241001463014 Chazara briseis Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0253—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 extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明涉及自动驾驶技术领域,具体来说是一种五次曲线路径规划方法及车道中心线维护方法,在车辆的车身坐标系中采用四元组(x,y,r,k)描述车辆的状态模型,设置轨迹起点S的位置限制、曲率限制、以及姿态限制条件;设置轨迹终点T的位置限制、曲率限制、以及姿态限制条件;求解满足步骤a和步骤b中所有限制条件的n次曲线模型,n为大于等于5的正整数。由此方法出来的路径不仅满足起始点的位姿条件,同时对起始点的轨迹的曲率给出限制条件,保证了车辆的转向控制的平滑性。该方法的跟随性能非常好,避免了方向盘控制的阶跃跳变,实车测试验证结果也表明,根据该方法进行自动驾驶控制,人的乘车体验的舒适性与人类司机的控制效果没有明显区别。
Description
技术领域
本发明涉及自动驾驶技术领域,具体来说是一种五次曲线路径规划方法及 车道中心线维护方法。
背景技术
自动驾驶中一个重要的任务是使计算机可以代替人来自动控制车辆的方向 盘,保证车辆可以以合理的、安全的位置和姿态在道路上自动行驶。在L3的自 动驾驶应用场景里最典型的功能就是车道保持,该功能对车辆的要求是使车辆 在车道中间,沿着车道线的方向进行行驶,在多数的车道保持的应用场景中, 要求车辆需要配置一个图像传感器或者其他定位传感器来检测车辆当前的位置 与姿态,比如有些图像传感器能够检测车辆所在车道的车道线的形状模型, mobileye就是这种类型的可以用于相对定位的传感器,车道线模型描述了车辆 与左右车道线的位置关系以及方向关系,由此提供了车辆位姿调整的传感器依 据。
转向控制系统中的软件模块一般有三个,分别是路径规划模块、路径跟随 模块、pid控制模块。路径规划的目的是规划一条车辆可以行驶的路径,这个路 径给出了车辆调整姿态的过程,在自动驾驶领域一般使用三元组(x,y,r) 来描述车辆的位置(x,y)和姿态r。路径规划出来的轨迹使车辆从一个不合理 的位姿S=(x0,y0,r0)逐渐调整到一个预设的合理的位姿T=(x1,y1, r1),保证车辆的运行轨迹符合车道保持或其他应用场景中对车辆姿态的要求。 路径规划问题的数学描述可以表示为下面的公式:y=path(x)。
路径规划算法难点在设计一种轨迹模型,使得该模型可以满足车辆从当前 姿态到目标姿态变化的条件,多数的自动驾驶系统中使用三次曲线模型作为轨 迹的模型,比日本明古屋大学的自动驾驶开源项目autoware仿真器中用到的路 径规划曲线hermit曲线就是这种三次曲线模型,三次曲线的轨迹模型要求轨迹 曲线满足起点和终点轨迹的位置和轨迹的一阶导数满足位置限制以及朝向限制, 共4个限制方程,该方法的缺点是用路径跟随算法对三次曲线路径规划算法求 解出来的路径进行跟随时,角速度曲线在轨迹的起点有一个阶跃,这种跳变导 致在实车测试中,车辆的方向盘摆动非常大,车辆无法按照预设的轨迹进行跟 随,即三次曲线的跟随性能非常差。
发明内容
本发明的目的在于解决现有技术的不足,提供一种五次曲线路径规划方法, 提升路径跟随的精度;并提供一种采用五次曲线路径规划方法的车道中心线维 护方法,能够在车道线突然不可见的情况下保持车身稳定。
为了实现上述目的,设计一种五次曲线路径规划方法,设车辆轨迹模型为 path(x),所述的方法首先进行路径规划步骤,而后再进行速度规划步骤,所 述的路径规划步骤具体如下:在车辆的车身坐标系中采用四元组(x,y,r,k)描 述车辆的状态模型,其中x为车辆的横坐标,y为车辆的纵坐标,r为姿态,即 车辆轨迹与x轴的夹角,k为车辆轨迹的曲率,所述的方法包括如下步骤:步骤 a.设置轨迹起点S的位置限制、姿态限制、以及曲率限制条件;步骤b.设置轨 迹终点T的位置限制、姿态限制、以及曲率限制条件;步骤c.求解满足步骤a 和步骤b中所有限制条件的最简多项式模型。
本发明还具有如下优选的技术方案:
所述的步骤a具体包括:步骤a1.设起点S的位置条件为x0=0,y0=0,并得 到起点位置限制条件为path(0)=0;步骤a2.设起点S的姿态条件为r0=0,tan (r0)=path’(x0),并设定起点姿态限制条件为path’(0)=0;步骤a3.设置 起点曲率限制条件及姿态限制条件为其中x0为起点S的横坐 标,y0为起点S的纵坐标,r0为车辆在起点S的姿态,k0为车辆轨迹在起点的曲 率。
所述的步骤b具体包括:步骤b1.设终点T的终点位置限制条件Path(x1) =mid_lane(x1);步骤b2.设终点T的姿态条件为r1=atan(mid_lane’(x1)) 且path‘(x1)=tan(r1),由此得到姿态限制条件:path′(x1)=mid_lane′(x1);步 骤b3.设置终点曲率限制条件为path″(x1)=mid_lane″(x1);其中,x1为终点T的横 坐标,r1为车辆在终点T的姿态,k1为车辆轨迹在终点的曲率,mid_lane(x) 为车道线的中线模型方程。
所述的终点T的横坐标x1=Mdis,终点T的纵坐标y1=mid_lane(Mdis),Mdis 为车道线模型最大可信覆盖距离。
通过图像采集设备获得左右车道线的模型即y=left_lane(x)和y=right _lane(x),中线模型定义为y=mid_lane(x)=0.5*(left_lane(x)+right_lane (x))。
通过所述的步骤c具体如下:设所述的车辆轨迹模型为path(x)为五次曲 线模型:Y=X*P,并根据公式P=inv(X)*Y,获得曲线的参数向量P,其中:
所述的速度规划步骤具体如下:设位移模型s(t)=D4t4+D3t3+D2t2+D1t+D0,D0、 D1、D2、D3、D4、D5为多项式系数,t表示时刻,将S(0)=D0=0、D1=v0、2D2=a0tg、和代入tg时刻的终态位移条件 S(tg)=Sg可得式中vg为车tg时刻的线速度,ag为车tg时刻的线加速度,v0为车当前时刻的线速度,a0为车当前时刻的线加速度,由此 求解得出tg,并进而得到D3和D4的值,以确定位移模型s(t)。得到位移模型后, 对轨迹path(x)上的每一点Pk进行积分求出轨迹上的每一点距离起点S的位移 Sk,根据Sk=s(t),使用牛顿拉普拉斯算法计算出从S移动到Pk处所用的时间Tk, 然后将Tk带入速度模型和加速度模型,计算出Pk处的线速度以及线加速度,从 而完成速度规划。
本发明还设计一种采用如权利要求1-6任一所述的五次曲线路径规划方法 的车道中心线维护方法,所述的方法以固定周期运行,运行的规划周期为H赫 兹,具体包括如下步骤:
步骤1.追踪车道线特征点,对车道线质量进行判断,并丢弃差质量的车道 线数据。
步骤2.根据上一规划周期计算出的车道线、本车历史轨迹、本车速度、角 速度,融合预测出当前时刻的车道中心线。
步骤3.根据预测的车道中心线,对于轨迹规划的目标点,根据所述的五次 曲线路径规划方法规划出局部轨迹。
所述的采用五次曲线路径规划方法的车道中心线维护方法还包括如下优选 的技术方案:
在第t+1个规划周期,根据接受到的左车道线或右车道线和车道宽度,把 左车道线或右车道线平移到车道中心线的位置,计算k个局部坐标系特征点, 记为其中l表示局部坐标系,并根据第t+1个规划周期的本车全局定位信 息把中的每一个点转换到局部坐标系,得到的点集记为
所述的步骤3具体如下:根据车道中心线曲线y=ft+1(x),给定轨迹规划目标 点x方向坐标xd,计算目标点y方向坐标yd=ft+1(xd),并根据目标点(xd,yd), 采用所述的五次曲线路径规划方法规划出局部轨迹。
本发明的五次曲线规划方法同现有技术相比,其优点在于:使用四元组来 描述车辆的状态模型(x,y,r,k),设置了轨迹的位置限制、曲率限制、 以及姿态限制条件,尤其是设置了轨迹的曲率限制条件,即设置了轨迹在起点 和终点的曲率限制条件,给出了车辆在起点S处的曲率k0和终点T处的曲率k1的估算方法,并优选地使用五次曲线作为轨迹y=path(x)的模型,保证了轨 迹的曲率连续平滑变化,由此降低轨迹跟随的难度,同时,本发明根据位置和 姿态进行路径规划,然后在已经规划的路径上采用位移模型进行速度规划,极大地降低了问题的维度和难度,运算简单且实时性高。并且本发明还涉及采用 五次曲线规划方法的车道中心线维护方法,能够在车道线突然不可见的情况下 保持车身稳定。
附图说明
图1是一实施方式中本发明车身坐标系的示意图。
图2是一实施方式中本发明的控制流程示意图。
图3是一实施方式中本发明仿真对比实验的结果示意图。
图中:1.图像采集设备2.运动测量设备(motion measurement)。
具体实施方式
下面结合附图对本发明作进一步说明,这种装置的结构和原理对本专业的 人来说是非常清楚的。应当理解,此处所描述的具体实施例仅仅用以解释本发 明,并不用于限定本发明。
实施例1
首先进行路径规划步骤,参见图1,本实施方式中所描述车辆起点S和终点 T的状态模型、以及轨迹模型path(x)、车道线线模型全部使用车身坐标系表 示,车身坐标系的坐标原点在车辆的两个后轮连线的中点,后轮连线为车身坐 标系的y轴,从后轮连线中点向前轮连线中点看去,向左为车身坐标系的y轴 的正方向,与y轴垂直向前的方向为车身坐标系的x轴正方向,即由后轮连线 中点指向前轮连线中点的方向;运动测量设备测量的车辆的瞬时运动特征,主 要包括车辆前进方向的速度vel,以及车辆所在二维平面的旋转速度yaw rate; 图像采集设备用于对车辆所在车道的左右两条车道线的检测,以及模型表示,左右车道线的模型定义为y=lane(x),本实施方式中使用最简单的姿态控制 策略,即要求车辆始终沿着道路的中线行驶,图像采集设备可以获得左右车道 线的模型即y=left_lane(x),y=right_lane(x),中线模型定义为y= mid_lane(x)=0.5*(left_lane(x)+right_lane(x)),同时要求图像算 法要给出车道线模型最大可信覆盖距离,定义为Mdis。
图2是本实施方式所采用的转向控制系统的控制流程示意图,本实施方式 中用到的道路跟随算法(path follower算法)是PurePursuit算法,PID控制 算法使用P控制。
本实施方式中所述的方法在车辆的车身坐标系中采用四元组(x,y,r,k)描 述车辆的状态模型,其中x为车辆的横坐标;y为车辆的纵坐标;r为姿态,定 义的是车辆的朝向,即车辆轨迹与x轴的夹角;k为车辆轨迹的曲率,所述的方 法包括如下步骤:
步骤a.设置轨迹起点S的位置限制、曲率限制、以及姿态限制条件,其包 括如下步骤。
a1.设起点S的位置条件为x0=0,y0=0,并得到起点位置限制条件为path (0)=0。
a2.设起点S的姿态条件为r0=0,tan(r0)=path’(x0),并得到起点姿态 限制条件为path’(0)=0。
步骤b.设置轨迹终点T的位置限制、曲率限制、以及姿态限制条件,由于 从起点S到终点T的调整是一个过程,需要一定的调整时间,因此为了保证方 向盘调整的时间尽量充裕,预期姿态设置在车道线模型的最大可信覆盖距离所 在的中线位置,并且人在开车时,控制实现的运行轨迹的曲率大概等于道路的 曲率,所以将终点T的曲率k1设定为道路上的车道线的曲率,设定终点的姿态 等于中线的方向。其具体包括如下步骤。
b1.设终点T的位置条件为x1=Mdis,y1=mid_lane(Mdis),并得到终点位 置限制条件Path(Mdis)=mid_lane(Mdis)。
b2.设终点T的姿态条件为r1=atan(mid_lane’(Mdis))且path‘(Mdis) =tan(r1),并得到终点姿态限制条件:path′(x1)=mid_lane′(x1)。
由于路径跟随算法是通过在规划出来的轨迹上找到一个预瞄点,由此估算 车辆的预期的角速度,再由PID算法根据当前角速度与预期角速度的差值来给 出方向盘的控制量,车辆角速度w与曲率以K及车辆的速度vel的关系是w= K*vel,车辆的速度是连续变化的,所以跟随曲线的连续性由轨迹的曲率k决定, 因此本实施方式在步骤a和步骤b中设置了轨迹在起点和终点的曲率连续性限 制,就能够保证跟随曲线的连续性。
步骤c.求解满足步骤a和步骤b中所有限制条件的n次曲线模型,由于三 次曲线的轨迹模型无法满足曲率连续的限制条件,满足上诉6个条件方程的最 简曲线模型就是5次曲线,因此本实施方式中n为大于等于5的正整数。本实 施方式以5次曲线模型y=path(x)=c5*x^5+c4*x^4+c3*x^3+c2*x^2+c1* x+c0为例进行说明。五次曲线的参数向量定义为P,将上述6个限制方程整 理为形如Y=X*P的形式,其中:
最终根据公式P=inv(X)*Y,获得曲线的参数向量P。
本实施方式中,为了验证该算法的跟随性能,做了两组仿真对比实验,仿 真模拟的场景是车辆换道的过程,数据来源是人类司机控制下,录制的车辆的 实际运动轨迹,将该轨迹的起点和终点作为本次实验的起点S和终点T,观察 PurePursuit算法跟随出来的角速度曲线,对比算法是三次曲线规划算法。实验 结果如图3所示。图中的曲线a为人类司机控制车辆时的角速度曲线,曲线c 为三次曲线的角速跟随曲线,曲线b为本实施方式的五次曲线的角速度跟随曲 线。在时间起点,可以看到三次曲线的角速度从接近0的一个很小的值跳变到 了0.08,而五次曲线跟随出来的效果和人类司机非常接近,在时间起点的角速度值是平滑连续变化的。
五次曲线规划方法加入了曲率的限制保证了角速度控制的平滑性,使用相 同的仿真实验进行验证,使用PurePursuit算法对五次曲线规划出来的轨迹进 行跟随,跟随出来的角速度曲线的形状类似一个正弦曲线,在起点的角速度是 平滑变化的,加上pid控制后进行试车测试,车辆实际执行出来的运行轨迹很 好的跟随了规划的路径,实际跟随性能非常好。
由此方法出来的路径不仅满足起始点的位姿条件,同时对起始点的轨迹的 曲率给出限制条件,保证了车辆的转向控制的平滑性。实验表明,与其他常用 算法相比,该算法的跟随性能非常好,避免了方向盘控制的阶跃跳变,实车测 试验证结果也表明,根据该算法进行自动驾驶控制,人的乘车体验的舒适性与 人类司机的控制效果没有明显区别。
因此在路径规划步骤完成后,在由路径规划给出的路径上进行速度规划步 骤,速度规划的目的是给出路径上每一点的速度与加速度,由于路径规划步骤 已经规划出预期轨迹上每一点的位置信息,即由车当前的位置到轨迹上每一点 的位移已经确定,那么速度规划的任务也就仅仅需要设计一个位移与时间的模 型,假设位移模型为S=S(t),由于位移模型一阶导为速度模型S'=v(t),位移模 型的二阶导为加速度模型v'=a(t),在自动驾驶的速度调整场景中,速度调整的 稳态一般是速度达到预设值且加速度为零,所以加速度的变化趋势一般是从一 个非零值或零值变化至零值,所以本实施方式中采用抛物线(二次曲线)来设 计加速度模型,由此可知速度模型为三次曲线,位移模型为四次曲线,因此设位移模型S(t)=D4t4+D3t3+D2t2+D1t+D0,D0、D1、D2、D3、D4、D5为多项式系数, t表示时刻,式中已知车子当前时刻的位移为s(0)=0,车子当前的线速度为 v(0)=v0,车子当前的线加速度为a(0)=a0,以及车子所期望达到的期望时刻tg的 期望速度为vg,期望加速度为ag,而由当前时刻到达期望速度过程中车子的位 移Sg是未知的,Sg一般由本车前方的障碍物(跟车对象)的行车速度与本车的速 度共同决定,因此设定安全跟车距离fd(safety-follow-distance),并设 Sg=(v0+v0bs)T-fd,式中T=2s,v0bs为跟车对象的当前行车速度。
已知上述条件之后,进行位移模型St的多项式系数的推导,当前时刻的起 点位置条件为:
S(0)=D0=0 ⑤
v(0)=D1=v0 ⑥
a(0)=2D2=a0tg ⑦
tg时刻时,
a(tg)=12D4tg 2+6D3tg+2D2=ag ①
v(tg)=4D4tg 3+3D3tg 2+2D2tg+D1 ②
将上述式③-式⑦代入终态位移条件S(tg)=Sg可得而后根据一元二次方程求根公式求解出tg,将tg代入式③和式④以确定D3和D4的值,并由此得到位移模型,得到位移模型后,对轨迹path(x)上的每一点 Pk进行积分求出其距离起点S的位移Sk,根据Sk=s(t),使用牛顿拉普拉斯算法 (牛顿拉普拉斯算法,又称牛顿迭代法)计算出从S移动到Pk处所用的时间Tk, 然后将Tk带入速度模型和加速度模型,计算出Pk处的线速度以及线加速度,从 而完成速度规划。
实施例2
自动驾驶时的轨迹规划需要清晰车道线才能实现,车道线突然不可见情况 下车身将出现不稳定的情况,本实施例结合所述的五次曲线规划方法,实现对 车道中心线的维护,在车道线突然不可见情况下保持车身的稳定。
步骤1:追踪车道线特征点,计算出收到的车道线质量为差质量,丢弃计算 出为差质量的车道线数据,具体包括如下步骤1.1-1.8。
步骤1.1、算法以固定周期运行,运行周期为H赫兹,表示每1/H秒运行一 次。
步骤1.2、在第t个规划周期,车道中心线以三次曲线表示(y=ft(x)=c3x3+ c2x2+c1x+c0)。
步骤1.3、在第t个规划周期,根据车道中心线计算局部坐标系中的特征点 集合其中t表示当前时刻t,l表示局部坐标系,mi表示在局 部坐标系中的第i个特征点,其中s为任 意相邻两个特征点在x方向上的距离。
步骤1.4、根据第t个规划周期的本车全局定位信息Poset把M中每一个点 转换到全局坐标系,记为其中t表示当前时刻t, Poset=(xt,yt,rt)为三元组,xt和yt分别为本车在全局坐标系中的x方向和y方 向坐标,rt为本车行进方向在全局坐标系中x-y平面上与x方向的夹角,g表示 全局坐标系,mi=(xi,yi)表示在局部坐标系中的第i个特征点,表示在全 局坐标系中的第i个特征点。转换公式为:
步骤1.5、在第t+1个规划周期,根据接受到的左车道线和车道宽度,把左 车道线平移到车道中心线的位置,以步骤三方法计算相同的k个局部坐标系特 征点,记为根据第t+1个规划周期的本车全局定位信息把中的每一个点 转换到局部坐标系,得到的点集记为
步骤1.6、针对和中的每一个对第i个点求欧式距离,记为di,把 所有k对点的距离求和得到如果D超过一定的阈值h,则判定左车道 线质量为差,并且丢弃该车道线数据。否则判定左车道线质量为好,保留该车 道线数据。
步骤1.7、在第t+1个规划周期,根据接受到的右车道线和车道宽度,把右 车道线平移到车道中心线的位置,以步骤1.3方法计算相同的k个局部坐标系 特征点,记为根据第t+1个规划周期的本车全局定位信息把中的每一个 点转换到局部坐标系,得到的点集记为
步骤1.8、针对和中的每一个对第i个点求欧式距离,记为di,把 所有k对点的距离求和得到如果D超过一定的阈值h,则判定右车道 线质量为差,并且丢弃该车道线数据。否则判定右车道线质量为好,保留该车 道线数据。
步骤二:根据上一周期计算出的车道线、本车历史轨迹、本车速度、角速 度,融合预测出当前时刻的车道中心线,具体包括如下步骤2.1-2.2。
步骤2.1、当车道线不可见时,采用步骤1.1-1.8分别判定左右车道线质量 均为差,并丢弃左右车道线。
步骤三:根据预测的车道中心线,计算轨迹规划的目标点,规划出局部轨 迹(包括轨迹坐标和速度、角速度),具体为:根据目标点(xd,yd),采用五次 曲线拟合规划出局部轨迹,包括轨迹中每个点的坐标、速度和角速度。
步骤四:根据得到的局部轨迹计算刹车、油门、方向盘,控制车辆保持平 稳行驶。
Claims (10)
1.一种五次曲线路径规划方法,设车辆轨迹模型为path(x),其特征在于所述的方法首先进行路径规划步骤,而后再进行速度规划步骤,所述的路径规划步骤具体如下:在车辆的车身坐标系中采用四元组(x,y,r,k)描述车辆的状态模型,其中x为车辆的横坐标,y为车辆的纵坐标,r为姿态,即车辆轨迹与x轴的夹角,k为车辆轨迹的曲率,所述的方法包括如下步骤:
步骤a.设置轨迹起点S的位置限制、姿态限制、以及曲率限制条件;
步骤b.设置轨迹终点T的位置限制、姿态限制、以及曲率限制条件;
步骤c.求解满足步骤a和步骤b中所有限制条件的最简多项式模型。
3.如权利要求2所述的五次曲线路径规划方法,其特征在于所述的步骤b具体包括:
步骤b1.设终点T的终点位置限制条件Path(x1)=mid_lane(x1);
步骤b2.设终点T的姿态条件为r1=atan(mid_lane’(x1))且path‘(x1)=tan(r1),由此得到姿态限制条件:path′(x1)=mid_lane′(x1);
步骤b3.设置终点曲率限制条件为path″(x1)=mid_lane″(x1);
其中,x1为终点T的横坐标,r1为车辆在终点T的姿态,k1为车辆轨迹在终点的曲率,mid_lane(x)为车道线的中线模型方程。
4.如权利要求3所述的五次曲线路径规划方法,其特征在于所述的终点T的横坐标x1=Mdis,终点T的纵坐标y1=mid_lane(Mdis),Mdis为车道线模型最大可信覆盖距离。
5.如权利要求3所述的五次曲线路径规划方法,其特征在于通过图像采集设备获得左右车道线的模型即y=left_lane(x)和y=right_lane(x),中线模型定义为y=mid_lane(x)=0.5*(left_lane(x)+right_lane(x))。
7.如权利要求1-6任一所述的五次曲线路径规划方法,其特征在于所述的速度规划步骤具体如下:设位移模型s(t)=D4t4+D3t3+D2t2+D1t+D0,D0、D1、D2、D3、D4、D5为多项式系数,t表示从起点S移动到该位置需要的时间,将S(0)=D0=0、D1=v0、2D2=a0tg、和代入tg时刻的终态位移条件S(tg)=Sg可得式中vg为车tg时刻的线速度,ag为车tg时刻的线加速度,v0为车当前时刻的线速度,a0为车当前时刻的线加速度,由此求解得出tg,并进而得到D3和D4的值,以确定位移模型s(t),得到位移模型后,对轨迹path(x)上的每一点Pk进行积分求出轨迹上的每一点距离起点S的位移Sk,根据Sk=s(t),使用牛顿拉普拉斯算法计算出从S移动到Pk处所用的时间Tk,然后将Tk带入速度模型和加速度模型,计算出Pk处的线速度以及线加速度,从而完成速度规划。
8.一种采用如权利要求1-6任一所述的五次曲线路径规划方法的车道中心线维护方法,其特征在于所述的方法以固定周期运行,运行的规划周期为H赫兹,具体如下:
步骤1.追踪车道线特征点,对车道线质量进行判断,并丢弃差质量的车道线数据;
步骤2.根据上一规划周期计算出的车道线、本车历史轨迹、本车速度、角速度,融合预测出当前时刻的车道中心线;
步骤3.根据预测的车道中心线,对于轨迹规划的目标点,根据所述的五次曲线路径规划方法规划出局部轨迹。
9.如权利要求7所述的采用五次曲线路径规划方法的车道中心线维护方法,其特征在于所述的步骤1具体如下:
在第t+1个规划周期,根据接受到的左车道线或右车道线和车道宽度,把左车道线或右车道线平移到车道中心线的位置,计算k个局部坐标系特征点,记为其中l表示局部坐标系,并根据第t+1个规划周期的本车全局定位信息把中的每一个点转换到局部坐标系,得到的点集记为(g);
10.如权利要求8或9所述的采用五次曲线路径规划方法的车道中心线维护方法,其特征在于所述的步骤3具体如下:根据车道中心线曲线y=ft+1(x),给定轨迹规划目标点x方向坐标xd,计算目标点y方向坐标yd=ft+1(xd),并根据目标点(xd,yd),采用所述的五次曲线路径规划方法规划出局部轨迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910168155.9A CN110928290B (zh) | 2019-03-06 | 2019-03-06 | 五次曲线路径规划方法及车道中心线维护方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910168155.9A CN110928290B (zh) | 2019-03-06 | 2019-03-06 | 五次曲线路径规划方法及车道中心线维护方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110928290A true CN110928290A (zh) | 2020-03-27 |
CN110928290B CN110928290B (zh) | 2023-05-23 |
Family
ID=69855659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910168155.9A Active CN110928290B (zh) | 2019-03-06 | 2019-03-06 | 五次曲线路径规划方法及车道中心线维护方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110928290B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112009460A (zh) * | 2020-09-03 | 2020-12-01 | 中国第一汽车股份有限公司 | 一种车辆控制方法、装置、设备及存储介质 |
CN112124314A (zh) * | 2020-10-28 | 2020-12-25 | 重庆长安汽车股份有限公司 | 车辆自动变道横向路径规划方法、系统、车辆及存储介质 |
CN112785842A (zh) * | 2020-12-25 | 2021-05-11 | 际络科技(上海)有限公司 | 一种在线交通流仿真系统 |
CN113238565A (zh) * | 2021-06-16 | 2021-08-10 | 京东鲲鹏(江苏)科技有限公司 | 车辆路径规划方法、装置、车辆和存储介质 |
CN114115299A (zh) * | 2022-01-25 | 2022-03-01 | 上海仙工智能科技有限公司 | 一种移动机器人平滑回归给定轨迹的路径规划方法及装置 |
CN114644019A (zh) * | 2022-05-23 | 2022-06-21 | 苏州挚途科技有限公司 | 车道中心线的确定方法、装置和电子设备 |
CN117850413A (zh) * | 2023-12-26 | 2024-04-09 | 上海联适导航技术股份有限公司 | 一种新的基于“折线”路径的车辆控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1991009375A1 (en) * | 1989-12-11 | 1991-06-27 | Caterpillar Inc. | Integrated vehicle positioning and navigation system, apparatus and method |
JP2014044141A (ja) * | 2012-08-28 | 2014-03-13 | Nissan Motor Co Ltd | 車両走行制御装置及びその方法 |
CN106568433A (zh) * | 2016-10-28 | 2017-04-19 | 易瓦特科技股份公司 | 一种设置飞行轨迹的方法和装置 |
CN107702716A (zh) * | 2017-08-31 | 2018-02-16 | 广州小鹏汽车科技有限公司 | 一种无人驾驶路径规划方法、系统和装置 |
CN108088456A (zh) * | 2017-12-21 | 2018-05-29 | 北京工业大学 | 一种具有时间一致性的无人驾驶车辆局部路径规划方法 |
-
2019
- 2019-03-06 CN CN201910168155.9A patent/CN110928290B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1991009375A1 (en) * | 1989-12-11 | 1991-06-27 | Caterpillar Inc. | Integrated vehicle positioning and navigation system, apparatus and method |
JP2014044141A (ja) * | 2012-08-28 | 2014-03-13 | Nissan Motor Co Ltd | 車両走行制御装置及びその方法 |
CN106568433A (zh) * | 2016-10-28 | 2017-04-19 | 易瓦特科技股份公司 | 一种设置飞行轨迹的方法和装置 |
CN107702716A (zh) * | 2017-08-31 | 2018-02-16 | 广州小鹏汽车科技有限公司 | 一种无人驾驶路径规划方法、系统和装置 |
CN108088456A (zh) * | 2017-12-21 | 2018-05-29 | 北京工业大学 | 一种具有时间一致性的无人驾驶车辆局部路径规划方法 |
Non-Patent Citations (2)
Title |
---|
JIAWEI TAO等: "Attitude control and vibration suppression of flexible spacecraft based on quintic polynomial path planning", 《2017 29TH CHINESE CONTROL AND DECISION CONFERENCE (CCDC)》 * |
陈伟华等: "基于五次多项式过渡的机器人轨迹规划的研究", 《煤矿机械》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112009460B (zh) * | 2020-09-03 | 2022-03-25 | 中国第一汽车股份有限公司 | 一种车辆控制方法、装置、设备及存储介质 |
CN112009460A (zh) * | 2020-09-03 | 2020-12-01 | 中国第一汽车股份有限公司 | 一种车辆控制方法、装置、设备及存储介质 |
WO2022088380A1 (zh) * | 2020-10-28 | 2022-05-05 | 重庆长安汽车股份有限公司 | 车辆自动变道横向路径规划方法、系统、车辆及存储介质 |
CN112124314B (zh) * | 2020-10-28 | 2021-09-03 | 重庆长安汽车股份有限公司 | 车辆自动变道横向路径规划方法、系统、车辆及存储介质 |
CN112124314A (zh) * | 2020-10-28 | 2020-12-25 | 重庆长安汽车股份有限公司 | 车辆自动变道横向路径规划方法、系统、车辆及存储介质 |
CN112785842A (zh) * | 2020-12-25 | 2021-05-11 | 际络科技(上海)有限公司 | 一种在线交通流仿真系统 |
CN112785842B (zh) * | 2020-12-25 | 2022-04-12 | 际络科技(上海)有限公司 | 一种在线交通流仿真系统 |
CN113238565A (zh) * | 2021-06-16 | 2021-08-10 | 京东鲲鹏(江苏)科技有限公司 | 车辆路径规划方法、装置、车辆和存储介质 |
CN114115299A (zh) * | 2022-01-25 | 2022-03-01 | 上海仙工智能科技有限公司 | 一种移动机器人平滑回归给定轨迹的路径规划方法及装置 |
CN114115299B (zh) * | 2022-01-25 | 2022-04-22 | 上海仙工智能科技有限公司 | 一种移动机器人平滑回归给定轨迹的路径规划方法及装置 |
CN114644019A (zh) * | 2022-05-23 | 2022-06-21 | 苏州挚途科技有限公司 | 车道中心线的确定方法、装置和电子设备 |
CN114644019B (zh) * | 2022-05-23 | 2022-08-02 | 苏州挚途科技有限公司 | 车道中心线的确定方法、装置和电子设备 |
CN117850413A (zh) * | 2023-12-26 | 2024-04-09 | 上海联适导航技术股份有限公司 | 一种新的基于“折线”路径的车辆控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110928290B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110928290A (zh) | 五次曲线路径规划方法及车道中心线维护方法 | |
CN109375632B (zh) | 自动驾驶车辆实时轨迹规划方法 | |
US11390300B2 (en) | Method for using lateral motion to optimize trajectories for autonomous vehicles | |
CN107390691B (zh) | 一种agv路径跟踪方法 | |
CN107618503B (zh) | 一种自动泊车控制方法及系统 | |
CN110466516B (zh) | 一种基于非线性规划的曲线道路自动车换道轨迹规划方法 | |
CN109927716B (zh) | 基于高精度地图的自主垂直泊车方法 | |
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 | |
CN103204162B (zh) | 具有有效后转向的车道跟踪系统 | |
US10860035B2 (en) | Travel history storage method, method for producing travel path model, method for estimating local position, and travel history storage device | |
CN105292116A (zh) | 自动驾驶车辆的车道变换路径规划算法 | |
CN109415089A (zh) | 控制车辆的控制器和方法以及非暂时性计算机可读存储器 | |
CN106080598A (zh) | 实时预期速度控制 | |
CN104808590A (zh) | 一种基于关键帧策略的移动机器人视觉伺服控制方法 | |
US11780464B2 (en) | Autonomous vehicle trajectory generation using velocity-based steering limits | |
CN110147098A (zh) | 自动驾驶车辆的控制方法、装置、设备及可读存储介质 | |
Xiong et al. | Surrounding vehicle trajectory prediction and dynamic speed planning for autonomous vehicle in cut-in scenarios | |
US8924013B2 (en) | Method and system for path planning and controlling | |
Bae et al. | Steering rate controller based on curvature of trajectory for autonomous driving vehicles | |
Seo et al. | Hybrid tracker based optimal path tracking system of autonomous driving for complex road environments | |
Li et al. | Lane keeping control based on model predictive control under region of interest prediction considering vehicle motion states | |
CN116465427A (zh) | 一种基于时空风险量化的智能车辆换道避障路径规划方法 | |
CN114889643A (zh) | 一种运动障碍物的三元素自主避障方法 | |
CN114212107A (zh) | 一种基于价值图的智能网联驾驶规划方法 | |
CN110857861A (zh) | 轨迹规划方法与系统 |
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 |