CN112068445A - 自动驾驶车辆路径规划与路径跟踪集成控制方法及系统 - Google Patents

Abstract

本发明涉及一种自动驾驶车辆路径规划与路径跟踪集成控制方法及系统。该方法包括：获取自动驾驶车辆当前时刻的5个输入控制变量以及11个系统状态变量；根据所述当前时刻的5个输入控制变量以及11个系统状态变量构建车辆路径规划‑跟踪一体化状态模型；利用椭圆包络曲线分别对两辆自动驾驶车辆的外廓进行包络，确定两辆自动驾驶车辆的车辆椭圆形包络曲线；根据车辆椭圆包络曲线以及车辆行驶状态确定车辆之间的距离碰撞时间；根据所述车辆路径规划‑跟踪一体化状态模型建立模型预测控制器MPC的目标函数；基于所述距离碰撞时间，求解所述目标函数，确定所述MPC的下一时刻的输入控制变量。本发明能够实现车辆避撞、降低碰撞伤害两个目标之间的自主切换。

Description

自动驾驶车辆路径规划与路径跟踪集成控制方法及系统

技术领域

本发明涉及自动驾驶车辆控制领域，特别是涉及一种自动驾驶车辆路径规划与路径跟踪集成控制方法及系统。

背景技术

现有的智能车辆决策、控制方法往往是通过路径规划以及路径跟踪两个单独的模块实现的。从路径规划角度而言，技术方法多来源于机器人控制领域，其所使用模型多为基于运动学的车辆包络模型，对高速、大侧偏角、横向角速度行驶条件下的智能车辆而言，所生成路径的实现性往往难以保证。近期，针对智能车辆系统，在路径规划方向出现了大量论文、发明进行讨论。比如路径规划方面，现有技术中多采用模糊、势能场或RRT等算法进行了可行路径生成，但大多为结合感知，形成平滑路径曲线，车辆实际动力学约束(如稳定域、路面附着系数的约束)未过多考虑，且所述方法迁移性存在局限(感知的结果是客观的，但是车型不同导致的动力学约束差异无法在现有方法中体现，所提出的方法难以应用于不同车型)。此外，路径规划中往往涉及到多个待调整参数，对参数调整工作提出了较大挑战。

在路径跟踪模块方面，目前的算法较为多样，且一般均对车辆动力学模型、约束进行考虑，但跟踪多基于已生成的路径进行，对路径的合理性缺乏判断标准，由于路径生成的独立性以及车型差异性，导致车辆跟踪性能难以保证。

由此可见，现有的方法主要针对避障或者降低撞击伤害的方法进行单独研究，对于避障、降低撞击伤害两者的集成控制以及如何进行切换较少研究。主要存在以下问题：

1.路径规划与路径跟踪/避障两个环节进行单独研究，两部分中所使用的模型往往不一致，导致生成的路径难以被跟踪(难以实现)。

2.现有的方法在进行路径规划时，多考虑运动学关系，具体会对路径的平滑等，而对于车辆的动力学约束则较为简单，特别是对于车辆纵向、横向中的关键约束：轮胎附着椭圆基本没有考虑，对于不同路面条件下的系统差异无法体现。

3.现在单独的模块控制方法的触发依赖于阈值。即当车辆运行达到设定值：将在X秒后碰撞时，进行算法的切换，切换过程中可能存在系统失稳的风险。

因此，现有的集成规划与跟踪算法，仍属于基于散点拟合的方法类别，且存在路径规划、跟踪的明显界限，即先规划、后跟踪，这种先规划，后跟踪的方式直接限制了自动驾驶车辆的反应速度，从而无法实现对自动驾驶车辆进行实时控制，目前还未见到将路径规划和跟踪真正进行结合一体化的方法。

发明内容

本发明的目的是提供一种自动驾驶车辆路径规划与路径跟踪集成控制方法及系统，以解决现有的先规划、后跟踪的自动驾驶车辆控制方法自动驾驶车辆的反应速度慢，无法实现对自动驾驶车辆实时控制的问题。

为实现上述目的，本发明提供了如下方案：

一种自动驾驶车辆路径规划与路径跟踪集成控制方法，包括：

获取自动驾驶车辆当前时刻的5个输入控制变量以及11个系统状态变量；所述5个输入控制变量为前轮转向角以及四个车轮处的控制力矩；所述11个系统状态变量为一个车辆横向速度、一个横摆角速度、四个车轮侧偏角、两个车轮处相对速度、车辆广义坐标中的横坐标、车辆广义坐标中的纵坐标以及一个车辆航向角；

根据所述当前时刻的5个输入控制变量以及11个系统状态变量构建车辆路径规划-跟踪一体化状态模型；

利用椭圆包络曲线分别对两辆自动驾驶车辆的外廓进行包络，确定两辆自动驾驶车辆的车辆椭圆形包络曲线；

根据所述车辆椭圆包络曲线以及车辆行驶状态确定所述自动驾驶车辆与距离所述自动驾驶车辆小于距离阈值的车辆之间的距离碰撞时间；

根据所述车辆路径规划-跟踪一体化状态模型建立模型预测控制器MPC的目标函数；

基于所述距离碰撞时间，求解所述目标函数，确定所述MPC的下一时刻的输入控制变量；所述输入控制信号用于以最小控制能量，增大两辆自动驾驶车辆之间距离，以实时控制自动驾驶车辆的运动轨迹。

可选的，所述获取所述自动驾驶车辆的5个输入控制变量以及11个系统状态变量之前，还包括：

获取自动驾驶车辆的车轮参数以及车辆参数；所述车轮参数包括车轮半径、车轮转速、车轮纵向速度、车轮纵向力、单轮所施加的转矩以及车轮转动惯量；所述车辆参数包括车辆横摆角速度以及车辆横向速度；

根据所述车轮参数构建自动驾驶车辆的每一个车轮的车轮动力学模型；

根据所述车轮参数以及所述车辆参数构建自动驾驶车辆的车辆动力学模型；

基于所述车轮动力学模型以及所述车辆动力学模型，确定所述自动驾驶车辆在大地坐标系中的车辆广义坐标。

可选的，所述根据所述输入控制变量以及所述系统状态变量构建车辆路径规划-跟踪一体化状态模型之后，还包括：

对所述车辆路径规划-跟踪一体化状态模型进行离散化处理，确定离散化后的车辆路径规划-跟踪一体化状态模型。

可选的，所述根据所述车辆椭圆包络曲线以及车辆行驶状态确定所述自动驾驶车辆与距离所述自动驾驶车辆小于距离阈值的车辆之间的距离碰撞时间之前，还包括：

根据两个所述车辆椭圆包络曲线求解椭圆交点；

根据所述椭圆交点确定所述自动驾驶车辆与距离所述自动驾驶车辆小于距离阈值的车辆之间的碰撞区域。

可选的，所述根据所述车辆椭圆包络曲线以及车辆行驶状态确定所述自动驾驶车辆与距离所述自动驾驶车辆小于距离阈值的车辆之间的距离碰撞时间，具体包括：

根据所述车辆椭圆包络曲线确定每辆自动驾驶车辆的质点，确定两个质点的速度方向上的延长线；

确定两个所述延长线之间的欧氏距离；

当所述欧式距离小于距离阈值时，确定碰撞发生，并获取两辆自动驾驶车辆的距离碰撞时间。

一种自动驾驶车辆路径规划与路径跟踪集成控制系统，包括：

当前时刻参数获取模块，用于获取自动驾驶车辆当前时刻的5个输入控制变量以及11个系统状态变量；所述5个输入控制变量为前轮转向角以及四个车轮处的控制力矩；所述11个系统状态变量为一个车辆横向速度、一个横摆角速度、四个车轮侧偏角、两个车轮处相对速度、车辆广义坐标中的横坐标、车辆广义坐标中的纵坐标以及一个车辆航向角；

车辆路径规划-跟踪一体化状态模型构建模块，用于根据所述当前时刻的5个输入控制变量以及11个系统状态变量构建车辆路径规划-跟踪一体化状态模型；

车辆椭圆形包络曲线确定模块，用于利用椭圆包络曲线分别对两辆自动驾驶车辆的外廓进行包络，确定两辆自动驾驶车辆的车辆椭圆形包络曲线；

距离碰撞时间确定模块，用于根据所述车辆椭圆包络曲线以及车辆行驶状态确定所述自动驾驶车辆与距离所述自动驾驶车辆小于距离阈值的车辆之间的距离碰撞时间；

目标函数建立模块，用于根据所述车辆路径规划-跟踪一体化状态模型建立模型预测控制器MPC的目标函数；

下一时刻的输入控制变量确定模块，用于基于所述距离碰撞时间，求解所述目标函数，确定所述MPC的下一时刻的输入控制变量；所述输入控制信号用于以最小控制能量，增大两辆自动驾驶车辆之间距离，以实时控制自动驾驶车辆的运动轨迹。

可选的，还包括：

车轮参数以及车辆参数获取模块，用于获取自动驾驶车辆的车轮参数以及车辆参数；所述车轮参数包括车轮半径、车轮转速、车轮纵向速度、车轮纵向力、单轮所施加的转矩以及车轮转动惯量；所述车辆参数包括车辆横摆角速度以及车辆横向速度；

车轮动力学模型构建模块，用于根据所述车轮参数构建自动驾驶车辆的每一个车轮的车轮动力学模型；

车辆动力学模型构建模块，用于根据所述车轮参数以及所述车辆参数构建自动驾驶车辆的车辆动力学模型；

车辆广义坐标确定模块，用于基于所述车轮动力学模型以及所述车辆动力学模型，确定所述自动驾驶车辆在大地坐标系中的车辆广义坐标。

可选的，还包括：

离散化处理模块，用于对所述车辆路径规划-跟踪一体化状态模型进行离散化处理，确定离散化后的车辆路径规划-跟踪一体化状态模型。

可选的，所述距离碰撞时间确定模块具体包括：

椭圆交点求解单元，用于根据两个所述车辆椭圆包络曲线求解椭圆交点；

距离碰撞时间确定单元，用于根据所述椭圆交点确定所述自动驾驶车辆与距离所述自动驾驶车辆小于距离阈值的车辆之间的碰撞区域。

可选的，所述距离碰撞时间确定模块具体包括：

延长线确定单元，用于根据所述车辆椭圆包络曲线确定每辆自动驾驶车辆的质点，确定两个质点的速度方向上的延长线；

欧氏距离确定单元，用于确定两个所述延长线之间的欧氏距离；

距离碰撞时间确定单元，用于当所述欧式距离小于距离阈值时，确定碰撞发生，并获取两辆自动驾驶车辆的距离碰撞时间。

根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供了一种自动驾驶车辆路径规划与路径跟踪集成控制方法及系统，基于自动驾驶车辆当前时刻的输入控制变量以及系统状态变量构建车辆路径规划-跟踪一体化状态模型，通过车辆椭圆形包络曲线确定车辆发生碰撞的距离碰撞时间，基于该距离碰撞时间，根据车辆路径规划-跟踪一体化状态模型以及控制方法，能够直接求解出下一时刻的输入控制变量，无需额外的路径规划模块提前规划路径，而是基于距离碰撞时间TTC，实时调节车辆下一时刻的输入控制变量，实现车辆避撞、降低碰撞伤害两个目标之间的自主切换，提高了自动驾驶车辆的反应速度。

同时，本发明一一解决了现有技术中所存在问题：1)本发明使用一个模型，而这一个模型可适用不同的环节，区别只是目标函数的变化，能够有效避免生成路径难跟踪的现象。

2)本发明基于椭圆包络曲线分别对两辆自动驾驶车辆的外廓进行包络，将轮胎纵向、横向联合滑移特性进行考虑，并施加控制，体现了不同路面条件下的系统差异。

3)本发明的切换虽然也依赖于设定值，但切换的是系统控制目标函数。也就是说，本发明的主要特点为：将车辆正常行驶、避撞、伤害降低等不同目标集成到一个完整的控制体系下，利用一个模型实现了多个目标的控制，并对控制切换过程的稳定性给与了证明。

本发明以模型预测控制为主体方法，以考虑联合滑移特性的车辆动力学模型为对象，提供了一种自动驾驶中针对不同场景/不同情况的统一动力学控制框架。

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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明所提供的自动驾驶车辆路径规划与路径跟踪集成控制方法流程图；

图2为本发明所提供的车辆动力学模型示意图；

图3为本发明所提供的车辆椭圆形包络曲线图；

图4为本发明所提供的自动驾驶车辆路径规划与路径跟踪集成控制系统结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种自动驾驶车辆路径规划与路径跟踪集成控制方法及系统，能够实现车辆避撞、降低碰撞伤害两个目标之间的自主切换，提高自动驾驶车辆的反应速度。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明所提供的自动驾驶车辆路径规划与路径跟踪集成控制方法流程图，如图1所示，一种自动驾驶车辆路径规划与路径跟踪集成控制方法，包括：

步骤101：获取自动驾驶车辆当前时刻的5个输入控制变量以及11个系统状态变量；所述5个输入控制变量为前轮转向角以及四个车轮处的控制力矩；所述11个系统状态变量为一个车辆横向速度、一个横摆角速度、四个车轮侧偏角、两个车轮处相对速度、车辆广义坐标中的横坐标、车辆广义坐标中的纵坐标以及一个车辆航向角。

在所述步骤101之前，还包括：

获取自动驾驶车辆的车轮参数以及车辆参数；所述车轮参数包括车轮半径、车轮转速、车轮纵向速度、车轮纵向力、单轮所施加的转矩以及车轮转动惯量；所述车辆参数包括车辆横摆角速度以及车辆横向速度。

根据所述车轮参数构建自动驾驶车辆的每一个车轮的车轮动力学模型。

建立一个统一化的车辆动力学模型，这一模型将同时应用于路径规划以及路径跟踪以及后续避撞、伤害降低算法，如图2所示。

每一个车轮的动力学模型可以下式描述：

其中，

为每个角(轮胎处)映射的纵向加速度，I_ω为轮胎转向惯量，T_ij为每个轮胎上的总扭矩，u_ij是车辆质心速度映射到车轮的速度，i＝F/R(前后轮)，j＝L/R(左右轮)，u_r＝Rω-u_t，R为车轮半径，ω为车轮转速，u_t为车轮纵向速度。u_ij为映射至车轮的纵向加速度，

为车轮纵向力，T_ij为单轮所施加的转矩，I_ω为车轮转动惯量。注：此处车轮力可以任意轮胎力学模型进行生成，轮胎的复杂动态行为能够得到准确描述。

根据所述车轮参数以及所述车辆参数构建自动驾驶车辆的车辆动力学模型。

建立车辆动力学模型，以横摆角速度

以及横向速度

可表示如下：

其中，

表示前(后)车轮处的纵(横)向力，

表示前(后)轴纵(横)向两侧轮胎力差值；δ为车轮转向角。

基于所述车轮动力学模型以及所述车辆动力学模型，确定所述自动驾驶车辆在大地坐标系中的车辆广义坐标。

其中，车辆广义坐标是由车辆质心处的横向、纵向速度以及航向角确定的，在车辆碰撞控制模型中，将广义坐标视为系统状态之一，并依据此位置实现控制输入，避免碰撞/降低碰撞伤害。

与现有路径规划以及路径跟踪算法不同，本发明将车辆在大地坐标系中的坐标进行考虑：

其中，X,Y为大地坐标系下的车辆质心点坐标，即：车辆广义坐标；u为质心的纵向速度，v为车辆质心的横向速度的速度值，ψ为车辆航向角。为便于控制器实现以及解决实时性问题，可将其进行局部线性化。

步骤102：根据所述当前时刻的5个输入控制变量以及11个系统状态变量构建车辆路径规划-跟踪一体化状态模型：

其中，

选择系统控制输入为前轮转向角以及四个车轮处的控制力矩u＝[δ T_fl T_fr T_rlT_rr]，采用不同的控制输入组合实现相同的目标。

系统状态变量为x＝[v r τ_f τ_r u_r X Y ψ]，即车辆横向速度v、横摆角速度r，车轮侧偏角(τ_f为前轮侧偏角，τ_r为后轮侧偏角)，车轮处相对速度u_r(具体包括四个车轮的映射速度

)，车辆广义坐标(X,Y)，车辆航向角ψ。

系统输出为车辆侧偏角，横摆角速度以及车辆广义坐标，

为系统不受控输入状态。本发明所提供的路径规划、跟踪一体化算法的核心有赖于将车辆广义坐标考虑入系统状态，并进行控制，通过构造车轮侧偏角变量、车轮相对速度，并将车辆广义坐标局部线性化，实现了系统状态的完全解耦。

为实现系统控制，进一步将系统离散化：

其中，下角标加d是对相应字母的离散，k为离散时间。

基于离散后的车辆路径规划-跟踪一体化状态模型，本发明依托TTC判断算法激活条件，构造统一的MPC，求解约束优化问题，根据判断TTC与时间阈值的大小来判断进行切换目标函数，生成车辆的作动器控制信号，实现路径规划、跟踪一体化的控制目标。

智能车辆的路径规划、跟踪需要触发条件，如：车辆转向、出现障碍物、周围车辆的动态行为等。

以周围车辆的动态行为导致的场景为例来进行说明，所以首先定义TTC，TTC为距离碰撞时间，对于转向等主动行为，其可能不依赖于TTC的计算，但后续步骤仍可纳入本发明所要求保护的范围内。

在计算TTC前，首先需要定义车辆撞击点，并依据此点以及当前车速，计算TTC。

步骤103：利用椭圆包络曲线分别对两辆自动驾驶车辆的外廓进行包络，确定两辆自动驾驶车辆的车辆椭圆形包络曲线。

使用椭圆形状对车辆外廓进行包络，图3为本发明所提供的车辆椭圆形包络曲线图，如图3所示，与现有论文不同(圆形、正方形、双圆形包络等)，本申请采用的椭圆包络曲线更符合车辆实际特性。

根据周围车辆的质心、长轴、短轴长度信息，能够以自身车辆为中心，绘制周围车辆分布图，每一辆车由一个椭圆包络曲线表示，其中，车宽度是短轴长度的2倍，车长度是长轴长度的2倍；借助车联网、先进感知技术，获取周围车辆车速、航向信息。在当前t时刻，规定时间间隔T，并依据当前周围车辆行驶状况，即：周围车辆车速和航向信息，对未来时间序列[t+T t+2T … t+nT]内车辆位置进行预测。

步骤104：根据所述车辆椭圆包络曲线以及车辆行驶状态确定所述自动驾驶车辆与距离所述自动驾驶车辆小于距离阈值的车辆之间的距离碰撞时间。

在每一个时间间隔T下，计算各车辆间距。根据车载计算机计算能力，可考虑以下两种方法判断是否发生撞击：

方法①根据各车椭圆包络曲线解析求解不同椭圆交点；

方法②计算不同轨迹延长线的欧氏距离，若小于某一距离阈值S_c，则判断为碰撞可能发生。该延长线为质心速度方向的延长线

当以上两种方法之一判断的结论为碰撞可能发生时，可得到TTC＝t+nT，其中，T为用户定义的计算时间间隔，比如是5ms。n是多少个T，n为正整数，比如1秒后撞，就是200T。此处可定义距离碰撞时间t_c，只有当TTC＜t_c时，激活路径规划、跟踪算法，t_c的设定主要考虑避免过高频率地激活激活车辆作动系统，产生不必要的车辆作动行为，降低驾驶舒适度。

步骤105：根据所述车辆路径规划-跟踪一体化状态模型建立模型预测控制器MPC的目标函数。

根据车辆动力学特性，即车辆动力学模型中的各项车辆参数，建立系统MPC规划-控制器。MPC规划-控制器的目标函数定义如下：

其中，s_p为在p时刻本车与相近车辆质心位置的距离，u_p为p时刻控制输入，

为前一时刻控制输入，Q，H，M分别为车辆相对距离、控制输入的平滑性、控制输入的权重矩阵，N_p为MPC预测时域长度。

步骤106：基于所述距离碰撞时间，求解所述目标函数，确定所述MPC的下一时刻的输入控制变量；所述输入控制信号用于以最小控制能量，增大两辆自动驾驶车辆之间距离，以实时控制自动驾驶车辆的运动轨迹。

基于上述目标函数，MPC问题可归纳如下：

其中u^*为计算得到的控制输入，约束包括系统状态约束、控制输入上下限以及系统状态稳定域。对上述MPC问题进行求解，能够得到下一时刻系统输入控制变量，从而使得两车距离最大化；输入尽可能小；输入的变化率尽可能小，减小功耗。

根据上述MPC目标函数，所述MPC规划-控制器能够在考虑系统输入、动力学约束的前提下，通过调整系统作动器输出，实现与相近车辆距离的最大化，进而完成路径规划与路径跟踪的同步实现。可以看出，与当前路径规划、路径跟踪相对独立的方法相比，所提出算法仅需一个控制器即可完成规划与跟踪控制的同步控制。

本发明能够覆盖未来车辆行驶状态，同时在每个控制间隔时进行的更新保证了算法所使用的车辆状态与实际状态保持一致。

图4为本发明所提供的自动驾驶车辆路径规划与路径跟踪集成控制系统结构图，如图4所示，一种自动驾驶车辆路径规划与路径跟踪集成控制系统，包括：

当前时刻参数获取模块401，用于获取自动驾驶车辆当前时刻的5个输入控制变量以及11个系统状态变量；所述5个输入控制变量为前轮转向角以及四个车轮处的控制力矩；所述11个系统状态变量为一个车辆横向速度、一个横摆角速度、四个车轮侧偏角、两个车轮处相对速度、车辆广义坐标中的横坐标、车辆广义坐标中的纵坐标以及一个车辆航向角。

车辆路径规划-跟踪一体化状态模型构建模块402，用于根据所述当前时刻的5个输入控制变量以及11个系统状态变量构建车辆路径规划-跟踪一体化状态模型。

车辆椭圆形包络曲线确定模块403，用于利用椭圆包络曲线分别对两辆自动驾驶车辆的外廓进行包络，确定两辆自动驾驶车辆的车辆椭圆形包络曲线。

距离碰撞时间确定模块404，用于根据所述车辆椭圆包络曲线以及车辆行驶状态确定所述自动驾驶车辆与距离所述自动驾驶车辆小于距离阈值的车辆之间的距离碰撞时间。

目标函数建立模块405，用于根据所述车辆路径规划-跟踪一体化状态模型建立模型预测控制器MPC的目标函数。

下一时刻的输入控制变量确定模块406，用于基于所述距离碰撞时间，求解所述目标函数，确定所述MPC的下一时刻的输入控制变量；所述输入控制信号用于以最小控制能量，增大两辆自动驾驶车辆之间距离，以实时控制自动驾驶车辆的运动轨迹。

本发明还包括：车轮参数以及车辆参数获取模块，用于获取自动驾驶车辆的车轮参数以及车辆参数；所述车轮参数包括车轮半径、车轮转速、车轮纵向速度、车轮纵向力、单轮所施加的转矩以及车轮转动惯量；所述车辆参数包括车辆横摆角速度以及车辆横向速度；车轮动力学模型构建模块，用于根据所述车轮参数构建自动驾驶车辆的每一个车轮的车轮动力学模型；车辆动力学模型构建模块，用于根据所述车轮参数以及所述车辆参数构建自动驾驶车辆的车辆动力学模型；车辆广义坐标确定模块，用于基于所述车轮动力学模型以及所述车辆动力学模型，确定所述自动驾驶车辆在大地坐标系中的车辆广义坐标。

本发明还包括：离散化处理模块，用于对所述车辆路径规划-跟踪一体化状态模型进行离散化处理，确定离散化后的车辆路径规划-跟踪一体化状态模型。

本发明所述距离碰撞时间确定模块404具体包括：椭圆交点求解单元，用于根据两个所述车辆椭圆包络曲线求解椭圆交点；距离碰撞时间确定单元，用于根据所述椭圆交点确定所述自动驾驶车辆与距离所述自动驾驶车辆小于距离阈值的车辆之间的碰撞区域。

所述距离碰撞时间确定模块404具体包括：延长线确定单元，用于根据所述车辆椭圆包络曲线确定每辆自动驾驶车辆的质点，确定两个质点的速度方向上的延长线；欧氏距离确定单元，用于确定两个所述延长线之间的欧氏距离；距离碰撞时间确定单元，用于当所述欧式距离小于距离阈值时，确定碰撞发生，并获取两辆自动驾驶车辆的距离碰撞时间。

本发明通过对于制动、转向、驱动等车辆作动子模块的协调控制，实现车辆避撞、降低碰撞伤害两个目标之间的自主切换，且无需额外的路径规划模块。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种自动驾驶车辆路径规划与路径跟踪集成控制方法，其特征在于，包括：

获取自动驾驶车辆当前时刻的5个输入控制变量以及11个系统状态变量；所述5个输入控制变量为前轮转向角以及四个车轮处的控制力矩；所述11个系统状态变量为一个车辆横向速度、一个横摆角速度、四个车轮侧偏角、两个车轮处相对速度、车辆广义坐标中的横坐标、车辆广义坐标中的纵坐标以及一个车辆航向角；

根据所述当前时刻的5个输入控制变量以及11个系统状态变量构建车辆路径规划-跟踪一体化状态模型；

利用椭圆包络曲线分别对两辆自动驾驶车辆的外廓进行包络，确定两辆自动驾驶车辆的车辆椭圆形包络曲线；

根据所述车辆椭圆包络曲线以及车辆行驶状态确定所述自动驾驶车辆与距离所述自动驾驶车辆小于距离阈值的车辆之间的距离碰撞时间；

根据所述车辆路径规划-跟踪一体化状态模型建立模型预测控制器MPC的目标函数；

基于所述距离碰撞时间，求解所述目标函数，确定所述MPC的下一时刻的输入控制变量；所述输入控制信号用于以最小控制能量，增大两辆自动驾驶车辆之间距离，以实时控制自动驾驶车辆的运动轨迹。

2.根据权利要求1所述的自动驾驶车辆路径规划与路径跟踪集成控制方法，其特征在于，所述获取所述自动驾驶车辆的5个输入控制变量以及11个系统状态变量之前，还包括：

获取自动驾驶车辆的车轮参数以及车辆参数；所述车轮参数包括车轮半径、车轮转速、车轮纵向速度、车轮纵向力、单轮所施加的转矩以及车轮转动惯量；所述车辆参数包括车辆横摆角速度以及车辆横向速度；

根据所述车轮参数构建自动驾驶车辆的每一个车轮的车轮动力学模型；

根据所述车轮参数以及所述车辆参数构建自动驾驶车辆的车辆动力学模型；

基于所述车轮动力学模型以及所述车辆动力学模型，确定所述自动驾驶车辆在大地坐标系中的车辆广义坐标。

3.根据权利要求1所述的自动驾驶车辆路径规划与路径跟踪集成控制方法，其特征在于，所述根据所述输入控制变量以及所述系统状态变量构建车辆路径规划-跟踪一体化状态模型之后，还包括：

对所述车辆路径规划-跟踪一体化状态模型进行离散化处理，确定离散化后的车辆路径规划-跟踪一体化状态模型。

4.根据权利要求1所述的自动驾驶车辆路径规划与路径跟踪集成控制方法，其特征在于，所述根据所述车辆椭圆包络曲线以及车辆行驶状态确定所述自动驾驶车辆与距离所述自动驾驶车辆小于距离阈值的车辆之间的距离碰撞时间之前，还包括：

根据两个所述车辆椭圆包络曲线求解椭圆交点；

根据所述椭圆交点确定所述自动驾驶车辆与距离所述自动驾驶车辆小于距离阈值的车辆之间的碰撞区域。

5.根据权利要求1所述的自动驾驶车辆路径规划与路径跟踪集成控制方法，其特征在于，所述根据所述车辆椭圆包络曲线以及车辆行驶状态确定所述自动驾驶车辆与距离所述自动驾驶车辆小于距离阈值的车辆之间的距离碰撞时间，具体包括：

根据所述车辆椭圆包络曲线确定每辆自动驾驶车辆的质点，确定两个质点的速度方向上的延长线；

确定两个所述延长线之间的欧氏距离；

当所述欧式距离小于距离阈值时，确定碰撞发生，并获取两辆自动驾驶车辆的距离碰撞时间。

6.一种自动驾驶车辆路径规划与路径跟踪集成控制系统，其特征在于，包括：

当前时刻参数获取模块，用于获取自动驾驶车辆当前时刻的5个输入控制变量以及11个系统状态变量；所述5个输入控制变量为前轮转向角以及四个车轮处的控制力矩；所述11个系统状态变量为一个车辆横向速度、一个横摆角速度、四个车轮侧偏角、两个车轮处相对速度、车辆广义坐标中的横坐标、车辆广义坐标中的纵坐标以及一个车辆航向角；

车辆路径规划-跟踪一体化状态模型构建模块，用于根据所述当前时刻的5个输入控制变量以及11个系统状态变量构建车辆路径规划-跟踪一体化状态模型；

车辆椭圆形包络曲线确定模块，用于利用椭圆包络曲线分别对两辆自动驾驶车辆的外廓进行包络，确定两辆自动驾驶车辆的车辆椭圆形包络曲线；

距离碰撞时间确定模块，用于根据所述车辆椭圆包络曲线以及车辆行驶状态确定所述自动驾驶车辆与距离所述自动驾驶车辆小于距离阈值的车辆之间的距离碰撞时间；

目标函数建立模块，用于根据所述车辆路径规划-跟踪一体化状态模型建立模型预测控制器MPC的目标函数；

下一时刻的输入控制变量确定模块，用于基于所述距离碰撞时间，求解所述目标函数，确定所述MPC的下一时刻的输入控制变量；所述输入控制信号用于以最小控制能量，增大两辆自动驾驶车辆之间距离，以实时控制自动驾驶车辆的运动轨迹。

7.根据权利要求6所述的自动驾驶车辆路径规划与路径跟踪集成控制系统，其特征在于，还包括：

车轮参数以及车辆参数获取模块，用于获取自动驾驶车辆的车轮参数以及车辆参数；所述车轮参数包括车轮半径、车轮转速、车轮纵向速度、车轮纵向力、单轮所施加的转矩以及车轮转动惯量；所述车辆参数包括车辆横摆角速度以及车辆横向速度；

车轮动力学模型构建模块，用于根据所述车轮参数构建自动驾驶车辆的每一个车轮的车轮动力学模型；

车辆动力学模型构建模块，用于根据所述车轮参数以及所述车辆参数构建自动驾驶车辆的车辆动力学模型；

车辆广义坐标确定模块，用于基于所述车轮动力学模型以及所述车辆动力学模型，确定所述自动驾驶车辆在大地坐标系中的车辆广义坐标。

8.根据权利要求6所述的自动驾驶车辆路径规划与路径跟踪集成控制系统，其特征在于，还包括：

离散化处理模块，用于对所述车辆路径规划-跟踪一体化状态模型进行离散化处理，确定离散化后的车辆路径规划-跟踪一体化状态模型。

9.根据权利要求6所述的自动驾驶车辆路径规划与路径跟踪集成控制系统，其特征在于，所述距离碰撞时间确定模块具体包括：

椭圆交点求解单元，用于根据两个所述车辆椭圆包络曲线求解椭圆交点；

距离碰撞时间确定单元，用于根据所述椭圆交点确定所述自动驾驶车辆与距离所述自动驾驶车辆小于距离阈值的车辆之间的碰撞区域。

10.根据权利要求6所述的自动驾驶车辆路径规划与路径跟踪集成控制系统，其特征在于，所述距离碰撞时间确定模块具体包括：

延长线确定单元，用于根据所述车辆椭圆包络曲线确定每辆自动驾驶车辆的质点，确定两个质点的速度方向上的延长线；

欧氏距离确定单元，用于确定两个所述延长线之间的欧氏距离；

距离碰撞时间确定单元，用于当所述欧式距离小于距离阈值时，确定碰撞发生，并获取两辆自动驾驶车辆的距离碰撞时间。

Images