CN112965501A - 一种自动驾驶速度规划方法及装置 - Google Patents

一种自动驾驶速度规划方法及装置 Download PDF

Info

Publication number
CN112965501A
CN112965501A CN202110351230.2A CN202110351230A CN112965501A CN 112965501 A CN112965501 A CN 112965501A CN 202110351230 A CN202110351230 A CN 202110351230A CN 112965501 A CN112965501 A CN 112965501A
Authority
CN
China
Prior art keywords
speed
vehicle
curve
candidate
acceleration
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.)
Pending
Application number
CN202110351230.2A
Other languages
English (en)
Inventor
夏然飞
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.)
Dongfeng Trucks Co ltd
Original Assignee
Dongfeng Trucks Co ltd
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 Dongfeng Trucks Co ltd filed Critical Dongfeng Trucks Co ltd
Priority to CN202110351230.2A priority Critical patent/CN112965501A/zh
Publication of CN112965501A publication Critical patent/CN112965501A/zh
Pending legal-status Critical Current

Links

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)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明公开了一种自动驾驶速度规划方法及装置，涉及自动驾驶系统技术领域，该方法包括根据当前车辆的位姿信息、自动驾驶系统输出的行为指令和轨迹规划层输出的轨迹信息，实时进行当前时刻至目标时刻速度曲线的更新；对当前时刻的速度和加速度，以及目标时刻的速度和加速度进行配置，并基于多项式速度曲线算法，生成不同配置下的速度曲线，并将生成的多条速度曲线作为候选速度曲线；通过微分求解出每条候选速度曲线的参数，所述参数包括实时速度、实时加速度和实时加加速度；基于车辆运动学约束和候选速度曲线的参数，对候选速度曲线进行筛选，得到最优的速度曲线。本发明能够有效保证速度规划的准确性以及车辆行驶的舒适性。

Description

一种自动驾驶速度规划方法及装置
技术领域
本发明涉及自动驾驶系统技术领域，具体涉及一种自动驾驶速度规划方法及装置。
背景技术
速度规划作为自动驾驶的关键技术，其主要是根据车辆的轨迹规划输出的最优轨迹信息，确定车辆沿这条路线行进的速度。由于希望改变在该路线上的速度，所以真正需要选择的是与路径点相关的一系列速度，而不是单个速度，因此，将该系列速度称为“速度曲线”。通过优化功能为路径选择良好的速度曲线，将路径和速度曲线相结合从而可以构建车辆行驶轨迹。速度规划模块作为运动规划子系统的重要功能，直接影响到下游纵向控制层的执行优劣，不适当的目标速度和加速度会超出车辆运动的极限工况，且影响到驾乘人员的安全性和舒适性。
当前，对于自动驾驶车辆的速度规划，一种是只针对定点停车的速度平滑规划，此种速度规划方法未考虑其它道路场景下的速度规划，且此种速度规划方法策略较为单一，只能进行匀加减速，加速度无法稳定的变化；另一种是采用现有的经典速度规划算法，其核心是根据相对距离和相对速度进行比例补偿控制，由于比例参数需要通过实际测试进行标定，从而导致速度规划的准确性不高。
发明内容
针对现有技术中存在的缺陷，本发明的目的在于提供一种自动驾驶速度规划方法及装置，能够有效保证速度规划的准确性以及车辆行驶的舒适性。
为达到以上目的，本发明提供的一种自动驾驶速度规划方法，具体包括以下步骤：
根据当前车辆的位姿信息、自动驾驶系统输出的行为指令和轨迹规划层输出的轨迹信息，实时进行当前时刻至目标时刻速度曲线的更新；
对当前时刻的速度和加速度，以及目标时刻的速度和加速度进行配置，并基于多项式速度曲线算法，生成不同配置下的速度曲线，并将生成的多条速度曲线作为候选速度曲线；
通过微分求解出每条候选速度曲线的参数，所述参数包括实时速度、实时加速度和实时加加速度；
基于车辆运动学约束和候选速度曲线的参数，对候选速度曲线进行筛选，得到最优的速度曲线。
在上述技术方案的基础上，所述根据当前车辆的位姿信息、自动驾驶系统输出的行为指令和轨迹规划层输出的轨迹信息，实时进行当前时刻至目标时刻速度曲线的更新，具体步骤为：
根据当前车辆的位姿信息、自动驾驶系统输出的行为指令和轨迹规划层输出的轨迹信息，并按照预设采样周期，进行当前时刻至目标时刻时间段内，速度和时间的采样；
基于对速度和时间的采样，得到速度曲线，并实时进行当前时刻至目标时刻速度曲线的更新。
在上述技术方案的基础上，所述基于多项式速度曲线算法，生成不同配置下的速度曲线，并将生成的多条速度曲线作为候选速度曲线，具体步骤为：
基于多项式速度曲线算法，生成不同配置下的速度曲线、加速度曲线和加加速度曲线，并将生成的多条速度曲线作为候选速度曲线；
对生成的速度曲线的系数、加速度曲线的系数和加加速度曲线的系数进行计算。
在上述技术方案的基础上，所述多项式速度曲线算法为三次多项式速度曲线算法和五次多项式速度曲线算法。
在上述技术方案的基础上，所述车辆运动学约束包括位移约束、最大限速约束和最大加速度限制约束。
在上述技术方案的基础上，
所述位移约束为车辆纵向方向上的位移必须单调递增；
所述最大限速约束为车辆纵向方向上的速度不超过设定的最大限速；
所述最大加速度限制约束为车辆纵向方向上的加速度不超过设定的最大加速度限制。
在上述技术方案的基础上，所述自动驾驶速度规划的应用场景包括定速巡航、跟车和停车，且不同应用场景下的车辆运动学约束不同。
在上述技术方案的基础上，所述基于车辆运动学约束和候选速度曲线的参数，对候选速度曲线进行筛选，得到最优的速度曲线，具体步骤包括：
基于当前自动驾驶速度规划的应用场景，得到当前应用场景下的车辆运动学约束；
根据得到的当前应用场景下的车辆运动学约束，并结合候选速度曲线的参数，对候选速度曲线进行筛选，得到最优的速度曲线，所述最优的速度曲线为满足车辆运动学约束条件的速度曲线。
在上述技术方案的基础上，当得到最优的速度曲线之后，还包括：将得到的最优的速度曲线，传输给自动驾驶系统纵向控制层。
本发明提供的一种自动驾驶速度规划装置，包括：
更新模块，其用于根据当前车辆的位姿信息、自动驾驶系统输出的行为指令和轨迹规划层输出的轨迹信息，实时进行当前时刻至目标时刻速度曲线的更新；
生成模块，其用于对当前时刻的速度和加速度，以及目标时刻的速度和加速度进行配置，并基于多项式速度曲线算法，生成不同配置下的速度曲线，并将生成的多条速度曲线作为候选速度曲线；
求解模块，其用于通过微分求解出每条候选速度曲线的参数，所述参数包括实时速度、实时加速度和实时加加速度；
筛选模块，其用于基于车辆运动学约束和候选速度曲线的参数，对候选速度曲线进行筛选，得到最优的速度曲线。
与现有技术相比，本发明的优点在于：根据当前车辆的位姿信息、自动驾驶系统输出的行为指令和轨迹规划层输出的轨迹信息，进行候选速度曲线的生成，并基于车辆运动学约束对候选速度曲线进行筛选，得到最优的速度曲线，完成速度规划，采用了一种基于多项式算法的速度优化方法，从而实现加减速度均匀地变化，且能够根据不同的应用场景实时计算出不同的目标速度和目标加速度曲线，应用场景广，且考虑车辆运动学约束的限制，有效保证速度规划的准确性以及车辆行驶的舒适性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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为本发明实施例中一种自动驾驶速度规划方法的流程图；
图2为本发明实施例中一种自动驾驶速度规划装置的结构示意图。
具体实施方式
本发明实施例提供一种自动驾驶速度规划方法，根据当前车辆的位姿信息、自动驾驶系统输出的行为指令和轨迹规划层输出的轨迹信息，进行候选速度曲线的生成，并基于车辆运动学约束对候选速度曲线进行筛选，得到最优的速度曲线，完成速度规划，能够实现加减速度均匀的变化，应用场景广，且考虑车辆运动学约束的限制，有效保证速度规划的准确性。本发明实施例相应地还提供了一种自动驾驶速度规划装置。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
参见图1所示，本发明实施例提供的一种自动驾驶速度规划方法，具体包括以下步骤：
S1：根据当前车辆的位姿信息、自动驾驶系统输出的行为指令和轨迹规划层输出的轨迹信息，实时进行当前时刻至目标时刻速度曲线的更新；
S2：对当前时刻的速度和加速度，以及目标时刻的速度和加速度进行配置，并基于多项式速度曲线算法，生成不同配置下的速度曲线，并将生成的多条速度曲线作为候选速度曲线；
S3：通过微分求解出每条候选速度曲线的参数，所述参数包括实时速度、实时加速度和实时加加速度；
S4：基于车辆运动学约束和候选速度曲线的参数，对候选速度曲线进行筛选，得到最优的速度曲线。
本发明实施例中，根据当前车辆的位姿信息、自动驾驶系统输出的行为指令和轨迹规划层输出的轨迹信息，实时进行当前时刻至目标时刻速度曲线的更新，具体步骤为：
S101：根据当前车辆的位姿信息、自动驾驶系统输出的行为指令和轨迹规划层输出的轨迹信息，并按照预设采样周期，进行当前时刻至目标时刻时间段内，速度和时间的采样；
S102：基于对速度和时间的采样，得到速度曲线，并实时进行当前时刻至目标时刻速度曲线的更新。
即自动驾驶车辆从当前时刻开始进行速度规划至目标时刻完成，在这段时间内，需要不断地实时更新速度曲线，便于后续对对当前时刻的速度和加速度，以及目标时刻的速度和加速度进行配置。
在实际的应用过程中，自动驾驶车辆从当前时刻t0开始进行速度规划目标时刻tT完成，在这段时间内，需要不断地实时更新速度曲线，当前时刻t0至目标时刻tT这段时间表示速度规划更新周期dt，一般来说，要求速度规划更新周期dt小于100ms，若速度规划更新周期dt的取值太大，则导致速度更新缓慢，无法满足周围环境要求以及自动驾驶的实时性要求。
当上游的自动驾驶系统行为规划层发现周围道路环境良好，并发出自适应巡航的指令后，则车辆实时规划从当前位置到目标位置的速度和加速度等参数，输出给控制执行系统。当自动驾驶车辆到达目标速度时，则反馈给行为规划层，表示自动驾驶车辆已完成巡航指令。在不同的自动驾驶速度规划应用场景下，需要考虑驾驶行为、路况、限速等因素，通常情况下用一个期望车辆保持的驾驶速度来约束整个纵向速度规划过程。
本发明实施例中，基于多项式速度曲线算法，生成不同配置下的速度曲线，并将生成的多条速度曲线作为候选速度曲线，具体步骤为：
S201：基于多项式速度曲线算法，生成不同配置下的速度曲线、加速度曲线和加加速度曲线，并将生成的多条速度曲线作为候选速度曲线；本发明实施例中，多项式速度曲线算法为三次多项式速度曲线算法和五次多项式速度曲线算法。
S202：对生成的速度曲线的系数、加速度曲线的系数和加加速度曲线的系数进行计算。
对于本发明中的多项式速度曲线算法，具体说明如下：
根据车辆当前位置点和目标位置点的的速度和加速度来配置自动驾驶车辆所需要的行驶参数，即速度曲线可以用三次多项式的时间函数表示：
Si(t)＝αi0+αi1t+αi2t2+αi3t3
其中，表示Si(t)第i条三次多项式速度曲线对应的t时刻的位移，αi0、αi1、αi2和αi3均表示第i条三次多项式速度曲线的参数。
由上面公式可知，第i条三次多项式速度曲线有4个参数，因此需要4个约束进行配置，即当前时刻的状态参数[s1,v1]和目标时刻的状态参数[s2,v2]，[s1,v1]表示在t1时刻，车辆的纵向位移为s1，纵向速度为v1，[s2,v2]表示在t2时刻，车辆的纵向位移为s2，纵向速度为v2。因此，根据上述纵向参数配置，可以计算出位移-时间的多项式系数矩阵。
当前位置点s1的参数表达式为：
S(t1)＝αi0+αi1t1+αi2t1 2+αi3t1 3
Figure BDA0003002426000000081
Figure BDA0003002426000000082
同样的，目标位置点s2的参数表达式为：
S(t2)＝αi0+αi1t2+αi2t2 2+αi3t2 3
Figure BDA0003002426000000083
Figure BDA0003002426000000084
参数αi0、αi1、αi2和αi3表示为：
Figure BDA0003002426000000085
将参数带入到三次多项式的时间函数中，便可计算出速度曲线的位移-时间模型。
本发明实施例中，通过微分求解出每条候选速度曲线的参数，对于候选速度曲线的参数，由上述计算出的速度曲线的位移-时间模型可知，每条候选速度曲线的速度、加速度和加加速度由Si(t)决定。例如，第j条候选速度曲线上第i个点的实时速度、实时加速度和实时加加速度分别表述如下：
Figure BDA0003002426000000086
Figure BDA0003002426000000091
Figure BDA0003002426000000092
其中，vi,j(t)表示第j条候选速度曲线上第i个点在t时刻的实时速度，Si,j(t)表示第j条候选速度曲线上第i个点在t时刻的纵向位移，d表示求导，ai,j(t)表示第j条候选速度曲线上第i个点在t时刻的实时加速度，Jerki,j(t)表示第j条候选速度曲线上第i个点在t时刻的实时加加速度。
本发明实施例中，车辆运动学约束包括位移约束、最大限速约束和最大加速度限制约束。位移约束为车辆纵向方向上的位移必须单调递增；最大限速约束为车辆纵向方向上的速度不超过设定的最大限速；最大加速度限制约束为车辆纵向方向上的加速度不超过设定的最大加速度限制。
自动驾驶速度规划的应用场景包括定速巡航、跟车和停车，且不同应用场景下的车辆运动学约束不同。基于车辆运动学约束和候选速度曲线的参数，对候选速度曲线进行筛选，得到最优的速度曲线，具体步骤包括：
S404：基于当前自动驾驶速度规划的应用场景，得到当前应用场景下的车辆运动学约束；
S402：根据得到的当前应用场景下的车辆运动学约束，并结合候选速度曲线的参数，对候选速度曲线进行筛选，得到最优的速度曲线，所述最优的速度曲线为满足车辆运动学约束条件的速度曲线。
对于本发明实施例中的位移约束，对于自动驾驶车辆而言，通常考虑车辆纵向的位移必须单调递增，即不能出现倒车现象，即下一时刻时车辆的整体位移必须大于或等于上一时刻的整体位移。
例如，车辆从当前位置点到目标位置点，纵向位移先增大后减小，虽然到达目标位置点，但出现了前进至62m然后倒车的现象，这种结果是不可取的，因此需要筛选掉此种情形对应的候选速度曲线。
对于本发明实施例中最大限速约束，自动驾驶车辆到达目标位置点的速度，必须满足车辆最大最小速度的上下界约束，即需要小于或等于最大限速，同时大于或等于最小限速。
例如，车辆从起点速度逐渐降低到负值，然后再加速到目标速度，虽然对应规划出的速度曲线目标速度满足要求，但由于车辆的实际速度需满足不低于零的要求，因此需要筛选掉此种情形对应的速度曲线。例如，车辆从当前位置点到目标位置点，速度先增大后减小，虽然到达目标速度，但在行驶过程中规划的最大速度超过限制，因此需要需要筛选掉此种情形对应的速度曲线。
对于本发明实施例中的最大加速度限制约束，加速度是速度对时间的导数，表示速度的变化率，即纵向方向的加速度是否超过设定的最大加速度。采用加速度的最大值来保留出加速度较小的路径，淘汰加速度较大的路径。从当前位置点到达设定目标位置点规划的加速度，需小于或等于设定的最大加速度，同时大于或等于设定的最小加速度。
本发明实施例中，当得到最优的速度曲线之后，还包括：将得到的最优的速度曲线，传输给自动驾驶系统纵向控制层。
对于最优轨迹生成，在获取到当前点的状态(坐标、速度、加速度)和目标点的状态(纵向距离、速度、加速度)后，进行速度规划生成满足位移、速度和加速度等约束条件的最优曲线，将对应的S(t)、S'(t)、S”(t)输出给纵向控制。
Figure BDA0003002426000000111
例如，当前位置点作为起点，当前速度0m/s以及加速度0m/s2，目标点的纵向距离50m，目标速度10m/s，目标加速度0m/s2，若位移曲线单调递增，速度均匀地加速到10m/s，加速度区间在[0m/s2-1.5m/s2]之间则满足约束限制。
本发明实施例中，基于车辆运动学约束和候选速度曲线的参数，对候选速度曲线进行筛选，得到最优的速度曲线，还可以为：接着考虑实际车辆运动学约束限制，分别建立不同场景下(定速巡航、跟车或停车)的成本函数模型，通过成本函数模型对候选的速度曲线进行动态筛选，实时计算出最优的速度曲线，从而输出给纵向控制层。
本发明的自动驾驶速度规划方法，结合实际道路场景下的车辆信息，采用了一种基于多项式算法的速度优化方法，从而实现加减速度均匀地变化。同时，考虑到车辆运动学约束，能根据不同的工况(定速巡航、跟车或停车)实时计算出不同的目标速度和目标加速度曲线，提高了舒适性和准确性。考虑了定速巡航、跟车或停车不同工况，可以实时计算出不同的目标速度和目标加速度曲线；采用了一种基于多项式算法的速度优化方法，实现了加减速度均匀变化；考虑了车辆运动学约束限制，建立了成本函数模型计算曲线系数，提高计算准确性。
以下对本发明的原理进行具体说明。
自动驾驶车辆根据行为规划层输出的行为指令以及当前车辆的位姿信息，进行速度候选曲线的生成，并考虑车辆运动学约束对候选的速度曲线进行筛选，最后输出最优的速度加速度给纵向控制层。决策是自主驾驶的重要组成部分，其决定了车辆能否平稳、准确地完成各种驾驶行为。而运动规划是决策层的一个重要研究领域。速度规划模块作为运动规划子系统的重要功能，直接影响到下游纵向控制层的执行优劣，不适当的目标速度和加速度会超出车辆运动的极限工况，且影响到驾乘人员的安全性和舒适性体验。
在本发明中，首先自动驾驶车辆基于行为规划层输出的行为指令、当前车辆的位姿信息以及轨迹规划层获取到的轨迹信息，进行速度和时间的采样。即自动驾驶车辆从当前时刻开始速度规划至目标位置时刻完成，则在这段时间内，需要不断地实时更新速度曲线，其对应的当前时刻和目标时刻的速度、加速度进行配置；
然后在配置完当前时刻和目标时刻的参数后，分别采用三次多项式和五次多项式速度曲线算法，生成不同配置下的速度、加速度和加加速度曲线，并将生成的多条速度曲线作为候选速度曲线，并分别实时计算出不同配置下，速度、加速度和加加速度曲线对应的系数；
然后通过微分求解出每条候选速度曲线的对应的参数，主要包括实时的速度、加速度和加加速度；
最后基于车辆运动学约束和候选速度曲线的参数，对候选速度曲线进行筛选，得到最优的速度曲线。
本发明实施例的自动驾驶速度规划方法，根据当前车辆的位姿信息、自动驾驶系统输出的行为指令和轨迹规划层输出的轨迹信息，进行候选速度曲线的生成，并基于车辆运动学约束对候选速度曲线进行筛选，得到最优的速度曲线，完成速度规划，采用了一种基于多项式算法的速度优化方法，从而实现加减速度均匀地变化，且能够根据不同的应用场景实时计算出不同的目标速度和目标加速度曲线，应用场景广，且考虑车辆运动学约束的限制，有效保证速度规划的准确性以及车辆行驶的舒适性。
参见图2所示，本发明实施例提供的一种自动驾驶速度规划装置，包括更新模块、生成模块、求解模块和筛选模块。
更新模块用于根据当前车辆的位姿信息、自动驾驶系统输出的行为指令和轨迹规划层输出的轨迹信息，实时进行当前时刻至目标时刻速度曲线的更新；生成模块用于对当前时刻的速度和加速度，以及目标时刻的速度和加速度进行配置，并基于多项式速度曲线算法，生成不同配置下的速度曲线，并将生成的多条速度曲线作为候选速度曲线；求解模块用于通过微分求解出每条候选速度曲线的参数，所述参数包括实时速度、实时加速度和实时加加速度；筛选模块用于基于车辆运动学约束和候选速度曲线的参数，对候选速度曲线进行筛选，得到最优的速度曲线。
本发明中，自动驾驶车辆根据行为规划层输出的行为指令以及当前车辆的位姿信息，进行速度候选曲线的生成，并考虑车辆运动学约束，对候选的速度曲线进行筛选，最后输出最优的速度加速度给纵向控制层。
本发明实施例中，根据当前车辆的位姿信息、自动驾驶系统输出的行为指令和轨迹规划层输出的轨迹信息，实时进行当前时刻至目标时刻速度曲线的更新，具体过程为：
根据当前车辆的位姿信息、自动驾驶系统输出的行为指令和轨迹规划层输出的轨迹信息，并按照预设采样周期，进行当前时刻至目标时刻时间段内，速度和时间的采样；
基于对速度和时间的采样，得到速度曲线，并实时进行当前时刻至目标时刻速度曲线的更新。
即自动驾驶车辆从当前时刻开始进行速度规划至目标时刻完成，在这段时间内，需要不断地实时更新速度曲线，便于后续对对当前时刻的速度和加速度，以及目标时刻的速度和加速度进行配置。
在实际的应用过程中，自动驾驶车辆从当前时刻t0开始进行速度规划目标时刻tT完成，在这段时间内，需要不断地实时更新速度曲线，当前时刻t0至目标时刻tT这段时间表示速度规划更新周期dt，一般来说，要求速度规划更新周期dt小于100ms，若速度规划更新周期dt的取值太大，则导致速度更新缓慢，无法满足周围环境要求以及自动驾驶的实时性要求。
当上游的自动驾驶系统行为规划层发现周围道路环境良好，并发出自适应巡航的指令后，则车辆实时规划从当前位置到目标位置的速度和加速度等参数，输出给控制执行系统。当自动驾驶车辆到达目标速度时，则反馈给行为规划层，表示自动驾驶车辆已完成巡航指令。在不同的自动驾驶速度规划应用场景下，需要考虑驾驶行为、路况、限速等因素，通常情况下用一个期望车辆保持的驾驶速度来约束整个纵向速度规划过程。
本发明实施例的自动驾驶速度规划装置，根据当前车辆的位姿信息、自动驾驶系统输出的行为指令和轨迹规划层输出的轨迹信息，进行候选速度曲线的生成，并基于车辆运动学约束对候选速度曲线进行筛选，得到最优的速度曲线，完成速度规划，采用了一种基于多项式算法的速度优化方法，从而实现加减速度均匀地变化，且能够根据不同的应用场景实时计算出不同的目标速度和目标加速度曲线，应用场景广，且考虑车辆运动学约束的限制，有效保证速度规划的准确性以及车辆行驶的舒适性。
以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

Claims (10)

1.一种自动驾驶速度规划方法，其特征在于，具体包括以下步骤：
根据当前车辆的位姿信息、自动驾驶系统输出的行为指令和轨迹规划层输出的轨迹信息，实时进行当前时刻至目标时刻速度曲线的更新；
对当前时刻的速度和加速度，以及目标时刻的速度和加速度进行配置，并基于多项式速度曲线算法，生成不同配置下的速度曲线，并将生成的多条速度曲线作为候选速度曲线；
通过微分求解出每条候选速度曲线的参数，所述参数包括实时速度、实时加速度和实时加加速度；
基于车辆运动学约束和候选速度曲线的参数，对候选速度曲线进行筛选，得到最优的速度曲线。
2.如权利要求1所述的一种自动驾驶速度规划方法，其特征在于，所述根据当前车辆的位姿信息、自动驾驶系统输出的行为指令和轨迹规划层输出的轨迹信息，实时进行当前时刻至目标时刻速度曲线的更新，具体步骤为：
根据当前车辆的位姿信息、自动驾驶系统输出的行为指令和轨迹规划层输出的轨迹信息，并按照预设采样周期，进行当前时刻至目标时刻时间段内，速度和时间的采样；
基于对速度和时间的采样，得到速度曲线，并实时进行当前时刻至目标时刻速度曲线的更新。
3.如权利要求1所述的一种自动驾驶速度规划方法，其特征在于，所述基于多项式速度曲线算法，生成不同配置下的速度曲线，并将生成的多条速度曲线作为候选速度曲线，具体步骤为：
基于多项式速度曲线算法，生成不同配置下的速度曲线、加速度曲线和加加速度曲线，并将生成的多条速度曲线作为候选速度曲线；
对生成的速度曲线的系数、加速度曲线的系数和加加速度曲线的系数进行计算。
4.如权利要求3所述的一种自动驾驶速度规划方法，其特征在于：所述多项式速度曲线算法为三次多项式速度曲线算法和五次多项式速度曲线算法。
5.如权利要求1所述的一种自动驾驶速度规划方法，其特征在于：所述车辆运动学约束包括位移约束、最大限速约束和最大加速度限制约束。
6.如权利要求5所述的一种自动驾驶速度规划方法，其特征在于：
所述位移约束为车辆纵向方向上的位移必须单调递增；
所述最大限速约束为车辆纵向方向上的速度不超过设定的最大限速；
所述最大加速度限制约束为车辆纵向方向上的加速度不超过设定的最大加速度限制。
7.如权利要求1所述的一种自动驾驶速度规划方法，其特征在于：所述自动驾驶速度规划的应用场景包括定速巡航、跟车和停车，且不同应用场景下的车辆运动学约束不同。
8.如权利要求7所述的一种自动驾驶速度规划方法，其特征在于，所述基于车辆运动学约束和候选速度曲线的参数，对候选速度曲线进行筛选，得到最优的速度曲线，具体步骤包括：
基于当前自动驾驶速度规划的应用场景，得到当前应用场景下的车辆运动学约束；
根据得到的当前应用场景下的车辆运动学约束，并结合候选速度曲线的参数，对候选速度曲线进行筛选，得到最优的速度曲线，所述最优的速度曲线为满足车辆运动学约束条件的速度曲线。
9.如权利要求1所述的一种自动驾驶速度规划方法，其特征在于，当得到最优的速度曲线之后，还包括：将得到的最优的速度曲线，传输给自动驾驶系统纵向控制层。
10.一种自动驾驶速度规划装置，其特征在于，包括：
更新模块，其用于根据当前车辆的位姿信息、自动驾驶系统输出的行为指令和轨迹规划层输出的轨迹信息，实时进行当前时刻至目标时刻速度曲线的更新；
生成模块，其用于对当前时刻的速度和加速度，以及目标时刻的速度和加速度进行配置，并基于多项式速度曲线算法，生成不同配置下的速度曲线，并将生成的多条速度曲线作为候选速度曲线；
求解模块，其用于通过微分求解出每条候选速度曲线的参数，所述参数包括实时速度、实时加速度和实时加加速度；
筛选模块，其用于基于车辆运动学约束和候选速度曲线的参数，对候选速度曲线进行筛选，得到最优的速度曲线。
CN202110351230.2A 2021-03-31 2021-03-31 一种自动驾驶速度规划方法及装置 Pending CN112965501A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110351230.2A CN112965501A (zh) 2021-03-31 2021-03-31 一种自动驾驶速度规划方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110351230.2A CN112965501A (zh) 2021-03-31 2021-03-31 一种自动驾驶速度规划方法及装置

Publications (1)

Publication Number Publication Date
CN112965501A true CN112965501A (zh) 2021-06-15

Family

ID=76280707

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110351230.2A Pending CN112965501A (zh) 2021-03-31 2021-03-31 一种自动驾驶速度规划方法及装置

Country Status (1)

Country Link
CN (1) CN112965501A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113377112A (zh) * 2021-06-30 2021-09-10 东风商用车有限公司 一种自动驾驶速度规划及状态协调方法和装置
CN113524181A (zh) * 2021-07-09 2021-10-22 东莞市李群自动化技术有限公司 在线速度调整方法、设备、单元、机器人及存储介质
CN113552839A (zh) * 2021-07-23 2021-10-26 广州小鹏自动驾驶科技有限公司 速度优化方法、装置及设备
CN113641159A (zh) * 2021-08-16 2021-11-12 佛山市毕佳索智能科技有限公司 一种基于agv的拖车控制方法
CN113946155A (zh) * 2021-12-20 2022-01-18 深圳佑驾创新科技有限公司 一种自动驾驶速度规划方法、装置及存储介质
CN114670827A (zh) * 2022-04-06 2022-06-28 合众新能源汽车有限公司 自动驾驶车辆的速度规划方法及装置
CN114919588A (zh) * 2022-05-30 2022-08-19 合众新能源汽车有限公司 自动驾驶速度曲线选择方法和系统
CN115123221A (zh) * 2022-06-21 2022-09-30 合众新能源汽车有限公司 一种速度规划方法、装置和设备
CN115320616A (zh) * 2022-08-04 2022-11-11 重庆长安汽车股份有限公司 一种自动驾驶车辆速度的控制方法、装置、设备及介质
CN117826806A (zh) * 2023-12-25 2024-04-05 江苏金陵智造研究院有限公司 一种多约束单舵轮叉车顺滑控制方法
CN113238565B (zh) * 2021-06-16 2024-10-22 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

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190278276A1 (en) * 2018-03-09 2019-09-12 Baidu Usa Llc Emergency stop speed profile for autonomous vehicles
CN111026122A (zh) * 2019-12-24 2020-04-17 江苏徐工工程机械研究院有限公司 一种无人驾驶车辆的速度规划方法、装置及系统
CN112046503A (zh) * 2020-09-17 2020-12-08 腾讯科技（深圳）有限公司 一种基于人工智能的车辆控制方法、相关装置及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190278276A1 (en) * 2018-03-09 2019-09-12 Baidu Usa Llc Emergency stop speed profile for autonomous vehicles
CN111026122A (zh) * 2019-12-24 2020-04-17 江苏徐工工程机械研究院有限公司 一种无人驾驶车辆的速度规划方法、装置及系统
CN112046503A (zh) * 2020-09-17 2020-12-08 腾讯科技（深圳）有限公司 一种基于人工智能的车辆控制方法、相关装置及存储介质

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113238565B (zh) * 2021-06-16 2024-10-22 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
CN113377112A (zh) * 2021-06-30 2021-09-10 东风商用车有限公司 一种自动驾驶速度规划及状态协调方法和装置
CN113377112B (zh) * 2021-06-30 2023-05-05 东风商用车有限公司 一种自动驾驶速度规划及状态协调方法和装置
CN113524181A (zh) * 2021-07-09 2021-10-22 东莞市李群自动化技术有限公司 在线速度调整方法、设备、单元、机器人及存储介质
CN113552839A (zh) * 2021-07-23 2021-10-26 广州小鹏自动驾驶科技有限公司 速度优化方法、装置及设备
CN113552839B (zh) * 2021-07-23 2022-12-13 广州小鹏自动驾驶科技有限公司 速度优化方法、装置及设备
CN113641159A (zh) * 2021-08-16 2021-11-12 佛山市毕佳索智能科技有限公司 一种基于agv的拖车控制方法
CN113641159B (zh) * 2021-08-16 2024-04-12 佛山市毕佳索智能科技有限公司 一种基于agv的拖车控制方法
CN113946155A (zh) * 2021-12-20 2022-01-18 深圳佑驾创新科技有限公司 一种自动驾驶速度规划方法、装置及存储介质
CN114670827A (zh) * 2022-04-06 2022-06-28 合众新能源汽车有限公司 自动驾驶车辆的速度规划方法及装置
CN114670827B (zh) * 2022-04-06 2024-06-11 合众新能源汽车股份有限公司 自动驾驶车辆的速度规划方法及装置
CN114919588A (zh) * 2022-05-30 2022-08-19 合众新能源汽车有限公司 自动驾驶速度曲线选择方法和系统
CN115123221A (zh) * 2022-06-21 2022-09-30 合众新能源汽车有限公司 一种速度规划方法、装置和设备
CN115320616A (zh) * 2022-08-04 2022-11-11 重庆长安汽车股份有限公司 一种自动驾驶车辆速度的控制方法、装置、设备及介质
CN117826806A (zh) * 2023-12-25 2024-04-05 江苏金陵智造研究院有限公司 一种多约束单舵轮叉车顺滑控制方法

Similar Documents

Publication Publication Date Title
CN112965501A (zh) 一种自动驾驶速度规划方法及装置
CN110597245B (zh) 基于二次型规划和神经网络的自动驾驶换道轨迹规划方法
CN111338340B (zh) 基于模型预测的无人驾驶汽车局部路径规划方法
CN108919795B (zh) 一种自动驾驶汽车换道决策方法及装置
EP3730370A1 (en) Method and device for acquiring automatic driving track
CN110103956A (zh) 一种无人车自动超车轨迹规划方法
JPWO2018066560A1 (ja) 車両制御装置
CN115683145B (zh) 一种基于轨迹预测的自动驾驶安全避障方法
CN114707364B (zh) 一种匝道车辆汇流仿真方法、装置、设备及可读存储介质
CN111739342B (zh) 用于避让侧前方车辆的方法、装置、介质以及车辆
JP2003228800A (ja) 車両用推奨操作量生成装置
US20210271988A1 (en) Reinforcement learning with iterative reasoning for merging in dense traffic
CN110893850A (zh) 一种车辆纵向速度规划方法和纵向速度规划装置
CN114523982B (zh) 一种自动驾驶并行行驶回避的速度规划方法
CN115320616A (zh) 一种自动驾驶车辆速度的控制方法、装置、设备及介质
CN114932901A (zh) 一种自适应速度规划方法、装置和域控制器
CN114475608A (zh) 自动驾驶车辆的拟人化换道方法、装置、车辆及存储介质
JP7019885B2 (ja) 車両制御値決定装置、車両制御値決定方法、およびプログラム
Kim et al. Identifying suitable car-following models to simulate automated vehicles on highways
CN116022143A (zh) 基于连续交通灯的时序的车辆速度规划
CN112542061B (zh) 基于车联网的借道超车控制方法、装置、系统及存储介质
CN115973179A (zh) 模型训练方法、车辆控制方法、装置、电子设备及车辆
Zhu et al. Bi-level ramp merging coordination for dense mixed traffic conditions
CN111857112A (zh) 一种汽车局部路径规划方法及电子设备
CN112622924A (zh) 一种驾驶规划方法及装置、车辆

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210615

RJ01 Rejection of invention patent application after publication