CN111857112A - 一种汽车局部路径规划方法及电子设备 - Google Patents
一种汽车局部路径规划方法及电子设备 Download PDFInfo
- Publication number
- CN111857112A CN111857112A CN201910292209.2A CN201910292209A CN111857112A CN 111857112 A CN111857112 A CN 111857112A CN 201910292209 A CN201910292209 A CN 201910292209A CN 111857112 A CN111857112 A CN 111857112A
- Authority
- CN
- China
- Prior art keywords
- local
- vehicle
- path
- planned
- cost
- 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 53
- 230000009471 action Effects 0.000 claims abstract description 59
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 32
- 230000001133 acceleration Effects 0.000 claims description 15
- 238000006073 displacement reaction Methods 0.000 claims description 9
- 230000036461 convulsion Effects 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 6
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 230000001172 regenerating effect Effects 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 8
- 230000008878 coupling Effects 0.000 abstract description 3
- 238000010168 coupling process Methods 0.000 abstract description 3
- 238000005859 coupling reaction Methods 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000009499 grossing Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000007704 transition Effects 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
- G05D1/0212—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, 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
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明提供一种汽车局部路径规划方法及电子设备,该方法包括如下步骤:根据选定的控制车辆运动状态的可控变量建立用于局部路径规划的整车运动学模型;获取车辆的当前状态和局部目标状态,并生成从所述当前状态运动到所述局部目标状态的过程中所述可控变量的多个控制动作值;根据所述多个控制动作值和所述整车运动学模型获得局部规划路径。本发明的路径规划方法规划的路径符合运动学要求、障碍物约束、可跟随以及操稳性与舒适性的可评价与可调节性等需求,实现了路径规划与运动控制、避障等目标的强耦合。
Description
技术领域
本发明涉及路径规划技术领域,尤其涉及一种汽车局部路径规划方法及电子设备。
背景技术
局部路径规划是自动驾驶车辆及机器人领域的一个难点,目前该技术领域所采用的路径规划方法主要为几何生成方法、人工势场法、采样算法和搜索算法。公开号为:CN105549597A的专利虽然建立了车辆运动学模型,但将车辆轨迹限制为六阶多项式,并预设了参考线,以实际轨迹与参考线的偏差评价性能,对轨迹生成影响较大的为六阶多项式特性及参考线特征,生成的轨迹受限于六阶多项式于参考线,不便于根据运动控制特性等需求进行路径规划。规划过程中运动学参数未作为影响量,不便于舒适性的评价与调节,且未在规划过程中考虑操稳特性,整车跟随路径过程中的操稳性无法保证。
发明内容
本发明所要解决的技术问题在于,提供一种汽车局部路径规划方法及电子设备,以解决现有技术中局部路径规划方法不能结合运动控制的特点等需求进行路径规划的缺点。
为了解决上述技术问题,本发明提供一种汽车局部规划路径规划方法,该方法包括如下步骤:
根据车辆运动状态的可控变量建立用于局部路径规划的整车运动学模型,所述可控变量为所述整车运动学模型的决策变量;
获取车辆的当前状态和局部目标状态,并生成车辆从所述当前状态运动到所述局部目标状态所述可控变量的控制动作值;
根据所述控制动作值和所述整车运动学模型获得局部规划路径。
其中,所述获取车辆的当前状态和局部目标状态,并生成车辆从所述当前状态运动到所述局部目标状态所述可控变量的控制动作值具体包括:
获取车辆的当前状态和至少两个局部目标状态,并生成从所述当前状态运动到所述至少两个局部目标状态所述可控变量的至少两组控制动作值;
所述根据所述控制动作值和所述整车运动学模型获得局部规划路径具体包括:
根据所述至少两组控制动作值和所述整车运动学模型生成至少两条局部规划路径;
从所述至少两条局部规划路径中选取总代价最小的作为最终规划路径。
其中,所述生成从所述当前状态运动到所述局部目标状态所述可控变量的控制动作值,具体包括:
根据所述局部目标状态生成对应的输入参考值;
将所述输入参考值与反馈误差进行求差运算获得差值;
根据所述差值、设定的目标函数和约束条件计算获得所述可控变量的控制动作值。
其中,若所述可控变量为车轮转角,则设定的目标函数为:
设定的约束条件为:
其中,获取车辆的当前状态和局部目标状态,并生成车辆从所述当前状态运动到所述局部目标状态所述可控变量的控制动作值;根据所述控制动作值和所述整车运动学模型获得局部规划路径具体包括:
当需要至少两个所述控制动作值才能实现所述车辆从所述当前状态运动到所述局部目标状态时,将至少两个所述控制动作值按照时间先后顺序进行排序,并依序分别代入所述整车运动学模型,获得每一个所述控制动作值对应的整车运动学模型的输出值;
根据每一个所述控制动作值对应的整车运动学模型的输出值计算得到对应的坐标点,由所述对应的坐标点生成局部规划路径。
其中,从所述至少两条局部规划路径中选取总代价最小的作为最终规划路径具体包括:
建立局部规划路径评价指标,根据所述评价指标分别对所述至少两条局部规划路径进行评价,获得路径总代价最小的局部规划路径;
对所述路径总代价最小的局部规划路径进行路径优化,获得优化后的局部规划路径;
判断所述优化后的局部规划路径的可通行性,若所述优化后的局部规划路径满足可通行性,则将优化后的局部规划路径选为最终局部规划路径,否则,重新生成从所述当前状态运动到所述局部目标状态所述可控变量的控制动作值,根据所述控制动作值和所述整车运动学模型获得局部规划路径或者将不满足所述可通行性的所述优化后的局部规划路径对应的原路径从所述至少两条局部规划路径中删除,从所述至少两条局部规划路径中剩余的局部规划路径中选取路径总代价最小的局部规划路径为最终规划路径。
其中,所述建立局部规划路径评价指标具体包括:
Cost=wsafetyCostsafety+wcomfortCostcomfort+wefficiencyCostefficiency
Costsafety=kobstaclefo(distanceobstacle)+kvehfv(distanceveh)+kafa(ay)+kωfω(ω)
其中,Cost为路径总代价,Costsafety、Costcomfort和Costefficiency分别为安全性、舒适性和效率代价,wsafety、wcomfort和wefficiency分别为安全性代价、舒适性代价和效率代价的权重,fo(distanceobstacle)为规划出的曲线与障碍物距离distanceobstacle的代价函数,fv(distanceveh)表示规划出的曲线离附近车辆距离distanceveh的代价函数,fa(ay) 表示车辆按规划的曲线行驶时的估计侧向加速度ay的代价函数,fω(ω)表示车辆按规划的曲线行驶时的估计横摆角速度ω的代价函数,fJ(Jerk)表示车辆按规划的曲线和速度行驶时,估计的纵向冲击Jerk的代价函数,表示车辆按规划的曲线和速度行驶时,估计的横摆角加速度的代价函数,fS(S)表示规划的曲线长度S的代价函数,fυ(υx)表示规划的速度υx曲线的代价函数,kobstacle、kveh、ka、 kω、kjerk、kS和分别为fo(distanceobstacle)、fv(distanceveh)、fa(ay)、fω(ω)、fJ(Jerk)、fS(S)、fυ(υx)的系数。
其中,所述判断所述优化后的局部规划路径的可通行性具体包括:
利用所述车辆遍历所述优化后的局部规划路径,判断是否有障碍点在所述车辆范围内,若有,则优化后的局部规划路径不满足可通行性,否则,优化后的局部规划路径满足可通行性。
其中,所述整车运动学模型为:
Y=CX
C=[1 0 0 0]
X,Y为整车运动学模型的输出,为X的导数,υx为车辆纵向速度,m为车辆质量,a、b分别为车辆质心到前轴和后轴的距离,CF、CR分别为前后轮胎的侧偏刚度,J为整车z轴惯量,Posy为车辆在大地坐标系下的侧向位移,υy为车辆侧向速度,ω为车辆横摆角速度,θ为车辆横摆角,u为车轮转角,A、B、 C为对应的系数矩阵。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,以实现前述的汽车局部路径规划方法。
本发明实施例的有益效果在于:本发明的局部路径规划方法,建立整车运动学模型并通过获取车辆的当前状态和局部目标状态,生成从当前状态到局部目标状态的控制动作,根据控制动作和整车运动学模型获得规划路径。该方法克服了现有路径规划不能结合运动控制特点等需求进行路径规划的缺点,通过本发明的方法生成的路径符合运动学以及操稳性与舒适性等需求,并能保证规划出的路径结合了运动控制等特性,实现了路径规划与运动控制的强耦合。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的一种汽车局部路径规划方法的流程示意图。
图2是本发明实施例的一种汽车局部路径规划方法的模型预测控制方法的结构示意图。
具体实施方式
以下各实施例的说明是参考附图,用以示例本发明可以用以实施的特定实施例。
以下参照图1进行说明,本发明实施例一提供一种汽车局部路径规划方法,该方法包括如下步骤:
S1、根据车辆运动状态的可控变量建立用于局部路径规划的整车运动学模型,所述可控变量为所述整车运动学模型的决策变量。
根据对整车运动学模型的精度需求和现实运算资源的限制,整车运动学模型具有不同的复杂度,从而有不同的参数需求。常见的整车运动学模型包括二自由度车辆模型,其包括的参数有:整车质量、z轴惯量、前轴距、后轴距、前轮侧偏刚度、后轮侧偏刚度等。根据不同的需求,可控变量可以是车轮转角、制动力和不同程度的加速度。
具体地,二自由度车辆模型Gm为:
Y=CX
其中,
C=[1 0 0 0]
X=[Posy υy ω θ]T
Y=Posy
在上式中,X,Y为整车运动学模型的输出,为X的导数,υx为车辆纵向速度, m为车辆质量,a、b分别为车辆质心到前轴和后轴的距离,CF、CR分别为前后轮胎的侧偏刚度,J为整车z轴惯量,Posy为车辆在大地坐标系下的侧向位移,υy为车辆侧向速度,ω为车辆横摆角速度,θ为车辆横摆角,u为车轮转角,A、B、 C为对应的系数矩阵。
S2、获取车辆的当前状态和局部目标状态,并生成车辆从所述当前状态运动到所述局部目标状态所述可控变量的控制动作值。
具体地,车辆当前状态信息和车辆局部目标状态信息包括车辆位置信息、航向信息、速度信息等。不同的规划任务,状态信息可以不同。其中,局部目标状态可以是根据全局路径上的目标生成的局部目标。该局部目标状态可以是一个或至少两个。
以根据全局路径上的目标生成多个局部目标进行举例说明,假设全局路径上目标为(xg,yg,θg),则至少两个局部目标可为(xg±i·xstep,yg±j·ystep,θg),其中xg、yg、θg分别为全局目标点在大地坐标系下的x轴坐标、y轴坐标和航向角,xstep、ystep分别为在x轴、y轴方向偏移的单步步长,i、j分别为x轴、y轴方向偏移的步数,取值为0到某个设定值。
具体地,当获取的车辆局部目标状态为一个时,则生成从所述当前状态到该局部目标状态的过程中可控变量的多个控制动作值,当获取的局部目标状态为至少两个时,则生成从当前状态到每一个局部目标状态的过程中可控变量的多个控制动作值。
为了实现车辆从当前状态运动到局部目标状态,需要将当前状态到局部目标状态分为多个子状态来加以控制,从而逐渐实现从当前状态到局部目标状态的转换,而生成从当前状态到局部目标状态的过程中可控变量的多个控制动作值就是为了获得每一个子状态。控制动作值的生成可以采用模型预测算法、A* 算法、强化学习算法等。根据不同的任务需求、动作类型和数量,控制动作可不同。
请一并参阅图2,以通过控制车轮转角u来控制车辆状态,以模型预测算法为例举例说明生成车轮转角u的多个控制动作值,其中控制动作值可以是目标转角、转角的变化量等参数。
在图2中,R为根据局部目标状态生成的输入参考线,典型地,可取为:
输入参考线R经过模块GR处理后输出YR,其对应的序列参数为yt=yg,YR与GF模块的反馈输出作差后,将差值输入给内部控制器Gc模块进行滚动优化,内部控制器Gc模块根据选定的目标函数和约束条件计算得到车轮转角在每一个预测时间段内的车轮转角u的控制动作值。
其中,在一具体实施方式中,内部控制器Gc模块进行滚动优化时选定的目标函数为:
设定的约束条件为:
S3、根据所述控制动作值和所述整车运动学模型获得局部规划路径。
具体地,将生成的可控变量的多个控制动作值按照时间的先后顺序进行排序,并将每一控制动作值依次代入整车运动学模型中,从而获得每一控制动作值对应的整车运动学模型的输出,根据每一控制动作值对应的整车运动学模型的输出形成对应的坐标点,多个坐标点形成一条局部规划路径。当获得多个局部目标状态时,则对应形成多条局部规划路径。
以可控变量为车轮转角、整车运动学模型为前述的二自由度车辆模型为例进行说明,假设从当前状态到一个局部目标状态的过程中车轮转角的多个控制动作值按照时间先后顺序分别为u1、u2、u3…un,将u1代入二自由度整车模型中,计算获得二自由度整车模型的输出和y,即获得了此时车辆的横向位移Posy和航向角θ,通过计算获得此时车辆的纵向位移,因而形成了坐标点(横向位移、纵向位移、航向角),将u2、u3…un分别代入二自由度整车模型中可以获得对应的坐标点,将多个坐标点连接起来从而形成了一条规划路径。
在一具体实施方式中,为了对形成的多条局部规划路径进行评价,还建立了局部规划路径评价指标。具体可以为:
Cost=wsafety Costsafety+wcomfort Costcomfort+wefficiency Costefficiency
Costsafety=kobstaclefo(distanceobstacle)+kvehfv(distanceveh)+kafa(ay)+kωfω(ω)
其中,Cost为路径总代价,Costsafety、Costcomfort和Costefficiency分别为安全性、舒适性和效率代价,wsafety、wcomfort和wefficiency分别为安全性代价、舒适性代价和效率权重,fo(distanceobstacle)表示规划出的曲线与障碍物距离distanceobstacle的代价函数, fv(distanceveh)表示规划出的曲线离附近车辆距离distanceveh的代价函数,fa(ay)表示车辆按规划的曲线行驶时的估计侧向加速度ay的代价函数,fω(ω)表示车辆按规划的曲线行驶时的估计横摆角速度ω的代价函数,fJ(Jerk)表示车辆按规划的曲线和速度行驶时,估计的纵向冲击Jerk的代价函数,表示车辆按规划的曲线和速度行驶时,估计的横摆角加速度的代价函数,fS(S)表示规划的曲线长度S的代价函数,fυ(υx)表示规划的速度υx曲线的代价函数,kobstacle、kveh、ka、 kω、kjerk、kS和分别表示各代价的系数。通过上述公式可以选出路径总代价最小的局部规划路径,并将路径总代价最小的局部规划路径作为最终局部规划路径
需要说明的是,局部路径评价指标根据对路径及运动控制的需求不同,也可以有不同的评价指标和权重值。如从安全性考虑,有离障碍物距离、离障碍物时距、离操稳边界距离等参数,从行车效率考虑,有路径长度、车速等参数,从舒适性角度考虑,有纵向加速度、侧向加速度、横摆角速度等参数。
在一具体实施方式中,该方法还包括,在获得了路径总代价最小的局部规划路径后,对获得的路径代价最小的局部规划路径进行优化,获得优化后的局部规划路径。根据场景特性和任务需求的不同,可选择不同的路径优化方法,常用的优化算法包括样条线平滑法、共轭梯度下降平滑法和移动窗口最小二乘多项式平滑法等。如复杂场景采用共轭梯度下降平滑法,简单场景采用样条曲线平滑法等。
由于优化后的路径与原路径相比发生了变化,其可通行性不能保证,为了确保最终的局部规划路径的可通行性,判断优化后的局部路径的可通行性,若优化后的局部规划路径满足可通行性,则将优化后的局部规划路径作为最终局部规划路径并进行输出,若优化后的局部规划路径不满足可通行性,则重新生成从当前状态到局部目标状态的可控变量的多个控制动作值,并根据多个控制动作值和所述整车运动学模型获得局部规划路径或者将不满足通行性的优化后的局部规划路径对应的原局部规划路径从生成的至少两条局部规划路径中删除后,再次从生成的至少两条局部规划路径中剩余的局部规划路径中选择路径代价最小的局部规划路径。
其中,判断优化后的局部路径是否满足可通行性的方法是:将车辆遍历优化局部规划路径,判断是否有障碍点在车辆范围内,如果有,则优化后的局部规划路径不满足可通行性条件,否则,满足可通行性条件。
本发明实施例的局部路径规划方法,建立整车运动学模型,通过获取车辆的当前状态和局部目标状态,并生成从当前状态到局部目标状态的控制动作,根据控制动作和整车运动学模型获得规划路径。该方法克服了现有局部路径规划不能结合运动控制特点等需求进行路径规划的缺点,通过本发明生成的路径符合运动学需求、障碍物约束、可跟随以及操稳性与舒适性的可评价与可调节性等需求,并能保证规划出的路径结合了运动控制等特性,实现了路径规划与运动控制、避障等目标的强耦合。
基于本发明实施例一,本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,以实现如实施例一所述的车辆局部路径规划方法。
存储器还可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)和/或高速缓存存储器。仅作为举例,存储系统可以用于读写不可移动的、非易失性磁介质(图未显示,通常称为“硬盘驱动器”)。尽管图中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其他光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线相连。存储器可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块的程序/实用工具,可以存储在例如存储器中,这样的程序模块包括——但不限于——操作系统、一个或者多个应用程序、其他程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块通常执行本申请所描述的实施例中的功能和/或方法。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种汽车局部路径规划方法,其特征在于,包括如下步骤:
根据车辆运动状态的可控变量建立用于局部路径规划的整车运动学模型,所述可控变量为所述整车运动学模型的决策变量;
获取车辆的当前状态和局部目标状态,并生成车辆从所述当前状态运动到所述局部目标状态所述可控变量的控制动作值;
根据所述控制动作值和所述整车运动学模型获得局部规划路径。
2.根据权利要求1所述的方法,其特征在于,所述获取车辆的当前状态和局部目标状态,并生成车辆从所述当前状态运动到所述局部目标状态所述可控变量的控制动作值具体包括:
获取车辆的当前状态和至少两个局部目标状态,并生成从所述当前状态运动到所述至少两个局部目标状态所述可控变量的至少两组控制动作值;
所述根据所述控制动作值和所述整车运动学模型获得局部规划路径具体包括:
根据所述至少两组控制动作值和所述整车运动学模型生成至少两条局部规划路径;
从所述至少两条局部规划路径中选取总代价最小的作为最终规划路径。
3.根据权利要求1所述的方法,其特征在于,所述生成从所述当前状态运动到所述局部目标状态所述可控变量的控制动作值,具体包括:
根据所述局部目标状态生成对应的输入参考值;
将所述输入参考值与反馈误差进行求差运算获得差值;
根据所述差值、设定的目标函数和约束条件计算获得所述可控变量的控制动作值。
5.根据权利要求2所述的方法,其特征在于,获取车辆的当前状态和局部目标状态,并生成车辆从所述当前状态运动到所述局部目标状态所述可控变量的控制动作值;根据所述控制动作值和所述整车运动学模型获得局部规划路径具体包括:
当需要至少两个所述控制动作值才能实现所述车辆从所述当前状态运动到所述局部目标状态时,将至少两个所述控制动作值按照时间先后顺序进行排序,并依序分别代入所述整车运动学模型,获得每一个所述控制动作值对应的整车运动学模型的输出值;
根据每一个所述控制动作值对应的整车运动学模型的输出值计算得到对应的坐标点,由所述对应的坐标点生成局部规划路径。
6.根据权利要求2所述的方法,其特征在于,从所述至少两条局部规划路径中选取总代价最小的作为最终规划路径具体包括:
建立局部规划路径评价指标,根据所述评价指标分别对所述至少两条局部规划路径进行评价,获得路径总代价最小的局部规划路径;
对所述路径总代价最小的局部规划路径进行路径优化,获得优化后的局部规划路径;
判断所述优化后的局部规划路径的可通行性,若所述优化后的局部规划路径满足可通行性,则将优化后的局部规划路径选为最终局部规划路径,否则,重新生成从所述当前状态运动到所述局部目标状态所述可控变量的控制动作值,根据所述控制动作值和所述整车运动学模型获得局部规划路径或者将不满足所述可通行性的所述优化后的局部规划路径对应的原路径从所述至少两条局部规划路径中删除,从所述至少两条局部规划路径中剩余的局部规划路径中选取路径总代价最小的局部规划路径为最终规划路径。
7.根据权利要求6所述的方法,其特征在于,所述建立局部规划路径评价指标具体包括:
Cost=wsafetyCostsafety+wcomfortCostcomfort+wefficiencyCostefficiency
Costsafety=kobstaclefo(distanceobstacle)+kvehfv(distanceveh)+kafa(ay)+kωfω(ω)
其中,Cost为路径总代价,Costsafety、Costcomfort和Costefficiency分别为安全性、舒适性和效率代价,wsafety、wcomfort和wefficiency分别为安全性代价、舒适性代价和效率代价的权重,fo(distanceobstacle)为规划出的曲线与障碍物距离distanceobstacle的代价函数,fv(distanceveh)表示规划出的曲线离附近车辆距离distanceveh的代价函数,fa(ay)表示车辆按规划的曲线行驶时的估计侧向加速度ay的代价函数,fω(ω)表示车辆按规划的曲线行驶时的估计横摆角速度ω的代价函数,fJ(Jerk)表示车辆按规划的曲线和速度行驶时,估计的纵向冲击Jerk的代价函数,表示车辆按规划的曲线和速度行驶时,估计的横摆角加速度的代价函数,fS(S)表示规划的曲线长度S的代价函数,fυ(υx)表示规划的速度υx曲线的代价函数,kobstacle、kveh、ka、kω、kjerk、kS和分别为fo(distanceobstacle)、fv(distanceveh)、fa(ay)、fω(ω)、fJ(Jerk)、fS(S)、fυ(υx)的系数。
8.根据权利要求6所述的方法,其特征在于:所述判断所述优化后的局部规划路径的可通行性具体包括:
利用所述车辆遍历所述优化后的局部规划路径,判断是否有障碍点在所述车辆范围内,若有,则优化后的局部规划路径不满足可通行性,否则,优化后的局部规划路径满足可通行性。
10.一种电子设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,以实现如权利要求1-9任一项所述的汽车局部路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910292209.2A CN111857112B (zh) | 2019-04-12 | 2019-04-12 | 一种汽车局部路径规划方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910292209.2A CN111857112B (zh) | 2019-04-12 | 2019-04-12 | 一种汽车局部路径规划方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111857112A true CN111857112A (zh) | 2020-10-30 |
CN111857112B CN111857112B (zh) | 2023-11-14 |
Family
ID=72951979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910292209.2A Active CN111857112B (zh) | 2019-04-12 | 2019-04-12 | 一种汽车局部路径规划方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111857112B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113625724A (zh) * | 2021-08-31 | 2021-11-09 | 东风柳州汽车有限公司 | 无人驾驶车路径规划方法、装置、设备及存储介质 |
CN114384916A (zh) * | 2022-01-13 | 2022-04-22 | 华中科技大学 | 一种越野车路径规划的自适应决策方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110015833A (ko) * | 2009-08-10 | 2011-02-17 | 삼성전자주식회사 | 로봇의 경로 계획방법 및 장치 |
EP2450763A1 (en) * | 2005-07-26 | 2012-05-09 | MacDonald Dettwiler & Associates Inc. | Global position and orientation estimation system for a vehicle in a passageway environment |
CN105549597A (zh) * | 2016-02-04 | 2016-05-04 | 同济大学 | 一种基于环境不确定性的无人车动态路径规划方法 |
KR101669622B1 (ko) * | 2015-07-15 | 2016-10-26 | 국방과학연구소 | 무인주행차량의 자율주행을 위한 최적화기반 경로계획 방법 및 그 장치 |
CN106527452A (zh) * | 2016-12-30 | 2017-03-22 | 广州汽车集团股份有限公司 | 一种无人驾驶汽车遇障时运动路径规划方法及系统 |
US20170357270A1 (en) * | 2016-06-09 | 2017-12-14 | X Development Llc | Sensor Trajectory Planning for a Vehicle |
CN107479558A (zh) * | 2017-09-22 | 2017-12-15 | 中国人民解放军63983部队 | 基于车辆运动模型的无人车辆野外路径规划方法 |
CN107992050A (zh) * | 2017-12-20 | 2018-05-04 | 广州汽车集团股份有限公司 | 无人驾驶汽车局部路径运动规划方法和装置 |
CN108444488A (zh) * | 2018-02-05 | 2018-08-24 | 天津大学 | 基于等步采样a*算法的无人驾驶局部路径规划方法 |
CN109017808A (zh) * | 2018-08-16 | 2018-12-18 | 天津大学 | 一种无人驾驶汽车模型预测控制器设计方法 |
-
2019
- 2019-04-12 CN CN201910292209.2A patent/CN111857112B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2450763A1 (en) * | 2005-07-26 | 2012-05-09 | MacDonald Dettwiler & Associates Inc. | Global position and orientation estimation system for a vehicle in a passageway environment |
KR20110015833A (ko) * | 2009-08-10 | 2011-02-17 | 삼성전자주식회사 | 로봇의 경로 계획방법 및 장치 |
KR101669622B1 (ko) * | 2015-07-15 | 2016-10-26 | 국방과학연구소 | 무인주행차량의 자율주행을 위한 최적화기반 경로계획 방법 및 그 장치 |
CN105549597A (zh) * | 2016-02-04 | 2016-05-04 | 同济大学 | 一种基于环境不确定性的无人车动态路径规划方法 |
US20170357270A1 (en) * | 2016-06-09 | 2017-12-14 | X Development Llc | Sensor Trajectory Planning for a Vehicle |
CN106527452A (zh) * | 2016-12-30 | 2017-03-22 | 广州汽车集团股份有限公司 | 一种无人驾驶汽车遇障时运动路径规划方法及系统 |
CN107479558A (zh) * | 2017-09-22 | 2017-12-15 | 中国人民解放军63983部队 | 基于车辆运动模型的无人车辆野外路径规划方法 |
CN107992050A (zh) * | 2017-12-20 | 2018-05-04 | 广州汽车集团股份有限公司 | 无人驾驶汽车局部路径运动规划方法和装置 |
CN108444488A (zh) * | 2018-02-05 | 2018-08-24 | 天津大学 | 基于等步采样a*算法的无人驾驶局部路径规划方法 |
CN109017808A (zh) * | 2018-08-16 | 2018-12-18 | 天津大学 | 一种无人驾驶汽车模型预测控制器设计方法 |
Non-Patent Citations (2)
Title |
---|
WANG YIJING 等: "ocal path planning of autonomous vehicles based on A* algorithm with equal-step sampling", 《PROCEEDINGS OF THE 37TH CHINESE CONTROL CONFERENCE》, pages 7828 - 7833 * |
王富奎: "高动态环境下智能车局部路径规划研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, no. 9, pages 035 - 37 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113625724A (zh) * | 2021-08-31 | 2021-11-09 | 东风柳州汽车有限公司 | 无人驾驶车路径规划方法、装置、设备及存储介质 |
CN113625724B (zh) * | 2021-08-31 | 2023-07-21 | 东风柳州汽车有限公司 | 无人驾驶车路径规划方法、装置、设备及存储介质 |
CN114384916A (zh) * | 2022-01-13 | 2022-04-22 | 华中科技大学 | 一种越野车路径规划的自适应决策方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111857112B (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7150067B2 (ja) | 車両の制御システム、車両を制御する方法、及び非一時的コンピュータ可読メモリ | |
CN110286681B (zh) | 一种变曲率弯道的动态自动驾驶换道轨迹规划方法 | |
JP4586795B2 (ja) | 車両用制御装置 | |
Zhou et al. | Event-triggered model predictive control for autonomous vehicle path tracking: Validation using CARLA simulator | |
Ritschel et al. | Nonlinear model predictive path-following control for highly automated driving | |
CN112577506B (zh) | 一种自动驾驶局部路径规划方法和系统 | |
CN114510063B (zh) | 一种无人履带车辆及其轨迹跟踪控制方法和系统 | |
CN112578672B (zh) | 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 | |
CN114379583A (zh) | 一种基于神经网络动力学模型的自动驾驶车辆轨迹跟踪系统及方法 | |
CN114237256B (zh) | 一种适用于欠驱动机器人的三维路径规划与导航方法 | |
Kapania | Trajectory planning and control for an autonomous race vehicle | |
CN114942642A (zh) | 一种无人驾驶汽车轨迹规划方法 | |
Zhang et al. | Structured road-oriented motion planning and tracking framework for active collision avoidance of autonomous vehicles | |
CN114637292A (zh) | 一种兼顾避障的车辆轨迹跟踪鲁棒控制方法和系统 | |
CN111857112B (zh) | 一种汽车局部路径规划方法及电子设备 | |
Farag | Track maneuvering using PID control for self-driving cars | |
CN114442630A (zh) | 一种基于强化学习和模型预测的智能车规划控制方法 | |
Kabtoul et al. | Proactive and smooth maneuvering for navigation around pedestrians | |
CN117002520A (zh) | 一种智能车辆滚动优化非合作博弈决策方法 | |
Li et al. | Decision making for autonomous vehicles | |
KR101930163B1 (ko) | 차로 유지 제어 장치 및 방법 | |
Guirguis et al. | ROS-based Model Predictive Trajectory Tracking Control Architecture using LiDAR-Based Mapping and Hybrid A Planning | |
CN117950395A (zh) | 轨迹规划方法及装置、移动工具、存储介质 | |
Pauca et al. | Velocity computation for vehicle trajectory tracking: A comparative analysis of performance and efficiency | |
Zhuang et al. | Model-Predictive-Control-Based Simultaneous Trajectory Tracking and Speed Control for Intelligent Vehicles |
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 |