CN114559923A

CN114559923A - 一种无人驾驶车辆自动紧急避障系统及其控制方法

Info

Publication number: CN114559923A
Application number: CN202111650349.6A
Authority: CN
Inventors: 杨正才; 景辉; 张友兵; 蔡林; 周奎; 刘成武; 姚胜华; 王科银; 吕科
Original assignee: Hubei University of Automotive Technology
Current assignee: Hubei University of Automotive Technology
Priority date: 2021-12-30
Filing date: 2021-12-30
Publication date: 2022-05-31

Abstract

本发明属于智能汽车安全驾驶领域，公开了一种无人驾驶车辆自动紧急避障控制方法(Consensus Behavior Migration Algorithm,CBMA)，包括以下步骤，首先判断本车道内是否可以通过制动来避免碰撞，若判断自车与前车可以避免碰撞，采用自动刹车；若判断自车制动后无法与前车避免碰撞，采用自车对前方障碍物车辆的临界车头时距，计算前方碰撞预警系数作出避障策略，通过对自车和周围车辆进行圆形聚类，引入共识行为迁移算法，计算基于规划安全避障轨迹点的适应度函数，进行自动紧急转向避障。CBMA算法解决了无人驾驶车辆自动紧急避障的移动轨迹点规划问题，降低了与前车碰撞的危险程度。

Description

一种无人驾驶车辆自动紧急避障系统及其控制方法

技术领域

本发明涉及智能汽车安全驾驶领域，尤其涉及一种无人驾驶车辆自动紧急避障系统及其控制方法。

背景技术

在交通便利的今天，智能驾驶已经逐渐得到乘客的认可，很多复杂的交通场景也充斥着它们的身影。如果用自动驾驶代替人类驾驶员，它需要更多的智能设备来面对更复杂的工况。比如在行车过程中，遇到前车有突发制动情况，这时自车有避撞功能就显得尤为重要，目前市场上关于避障的功能有前方碰撞预警主动紧急制动避障功能、自动紧急转向避障功能，通过这两个系统避免本车与前车的碰撞控制。前方预警功能：利用摄像头、雷达等感知传感器检测前方车辆的状态信息，通过检测并做出决策提醒驾驶员进行预动或者制动。为了避免与本车道障碍物发生碰撞，通过前向碰撞危险系数判别潜在的危险作为判断条件提出了自动紧急避障控制方法。通过上述分析，现有技术中存在的问题及缺陷：

1.在避撞工况中，识别潜在危险的障碍物作为避障的关键技术之一无法保证自车周围车辆都被定位在传感器范围内。

2.在复杂场景避障系统中，只有纵向碰撞而缺乏综合协调的系统避障效果差。

3.在现有的转向避障系统中，限制了最优路径的设计变量，从而降低了车辆被动安全约束的保护作用。

发明内容

针对现有技术存在的问题，本发明的目的之一是提供一种基于圆形聚类共识行为迁移算法的无人驾驶车辆自动紧急避障控制方法。

由于高速行驶工况下车辆面对的动态障碍物是汽车，因此本发明对自车和其他车辆进行圆形聚类，根据车速、车辆宽度、转向角、偏航率等参数设置路径估计半径计算临界车头时距；在此基础上，当自车无法避开前方障碍物车辆时计算前方碰撞预警系数判别潜在的危险行为，激活避障系统；通过对自车和前方障碍物车辆进行圆形聚类，利用共识行为迁移算法，计算基于换道目标位置引力和前车斥力原理的适应度函数，选择适应度最低的引导点帮助自车找到下一个轨迹点，并进行自动紧急避撞，否则仍采用自动紧急制动，即共识行为迁移算法。

本发明的基于圆形聚类共识行为迁移算法的无人驾驶车辆自动紧急避障控制方法，首先判断自车是否可以通过自动制动避免前车碰撞，若判断自动制动可以避免碰撞，同时后车与自车无追尾危险，采用自动制动；若判断自动制动无法与前车避免碰撞，通过对自车和周围障碍物车辆进行圆形聚类，利用共识行为迁移算法创建一组避障轨迹点，帮助自车找到可移动的紧急避障轨迹。

具体步骤如下：

步骤一，采集毫米波雷达、两目相机和车载传感器的实时数据，获取自车与前车纵向距离、前车速度、自车与相邻车道目标车的横向距离、自车与目标车辆的纵向距离以及前车的几何尺寸信息；

步骤二，根据车速、车辆宽度、转向角、偏航率等参数计算路径曲率半径，结合两目相机获取的实时数据计算临界车头时距，比较自车与前车的临界车头时距和实际车头时距，判断本车道内是否可以通过制动来避免碰撞；

所述步骤二具体包括以下步骤：

(1)取实际距离差分得到相对速度V_r，结合自车速度获取前车速度；选用较小曲率半径与环感单元采集的数据结合获得期望临界车头时距L₀；

(2)若L₀>D₁，且D₁＝V_r·TTC_A+D₀，C_b＝1，启动自动制动避障；其中，TTC_A为一级报警阈值，D₁为与其对应的一级制动临界车距，D₀为车距固定值，即在相对速度为零时仍需保持最小车距；

若L₀≤D₂，且D₂＝V_r·TTC_B+D₀，C_b＝2，当自动制动无法进行避障，激活自动紧急避障系统；

其中，TTC_B为二级避障阈值；C_b＝2是自动紧急避障状态。

步骤三，基于紧急避障所需安全时距TTC的基础上引入前方碰撞预警系数 FCW，作为采取避障措施判别的前提性条件，FCW>0.3，场景为紧急状况，激活CBMA算法避障。

步骤四，基于圆形聚类共识行为迁移方法，初始化汽车的避障轨迹点，通过交叉行为干扰自车原始轨迹点进行迭代，创建一组新的移动轨迹点。

所述步骤四包括：

(1)围绕自车的实际位置初始化，其中包含x轴和y轴上的两个参数，定义CBMA参数及其边界，为当前轨迹点迭代选择一个引导点；

(2)为保证轨迹点的多样性，CBMA定义一个轨迹点干扰向量PRT，这个参数决定了初始化轨迹点是否会直接向下一个引导点移动；将[0.1]产生的随机数与定义的PRT向量进行比较，每个轨迹点的参数必须从给定的范围[lo,hi]中随机选择；

initial P＝X_act+rand[0,1]×(x^(hi)-x^(lo))

其中，P是轨迹点初始位置，X_act是自车的实际位置，rand[0,1]是0～1之间的随机数，x^(hi)、x^(lo)是最大位置范围；

(3)在CBMA中，参考智能生物的交叉行为模拟，通过交叉行为获取新的移动轨迹点；通过代价函数对每个生成的轨迹点进行评估，计算基于换道目标位置引力和周围车辆斥力的原理的适应度函数，为当前迭代选择适应度最低的一个引导点作为自车将要移动的位置，直至到达目标点。

步骤五，采用约束函数将自车移动步长引入一个可行区域的距离度量，计算适应度函数并对生成的新轨迹点进行评估，选择适应度值最低的轨迹点作为自车将要移动的新位置。

所述步骤五包括以下步骤：

(1)CBMA的显著特征是在每次交叉时改变PRT向量，使自车的实际位置到新引导点的距离必须小于自车移动步长；采用软约束(惩罚)方法对移动步长约束函数进行处理，将自车移动轨迹引入到一个可行区域；

(2)计算适应度函数评估生成的避障轨迹点，适应度函数由目标产生的吸引元素和前车和邻车道车辆产生的排斥元素两部分组成，选择适应度最低的轨迹点作为自车要移动的新位置，进而通过障碍物间隙，到达目标位置。

本发明的另一目的在于提供一种无人驾驶汽车的自动紧急避障系统，包括环感单元、决策单元和控制单元；

a.环感单元，通过两个毫米波雷达、一架两目像机和自车传感器数据获取自车及周围车辆信息，包括前车、相邻车道前车、相邻车道后车的行驶速度、加速度、距离；

b.决策单元，根据环感单元上传数据判断自车纵向制动是否避障，做出避障决策；

c.控制单元，用于响应决策单元发出的决策指令，以实现对车辆的避障，所述控制单元包括线控制动和线控转向系统，根据共识行为迁移算法作出的避障决策自动制动或按照规划的路径控制自车自动转向。

所述环感单位包括两个毫米波雷达、一架两目像机，毫米波雷达为远距毫米波雷达，测距范围为0-300m，方位角±10°，俯仰角13°，安装在汽车尾鳍部和前保险杠车标处；两目像机通过利用像素宽度、焦距可记录紧急情况发生前后一段时间内的自车速度、加速度、制动操作、转向操作、GPS和车辆前方的图像等信息，安装在车前风窗玻璃内侧中央后视镜附近。

所述自车传感器包括汽车车速传感器、汽车方向盘转角传感器和横摆角传感器。

所述控制单元涉及到的控制设备包括中央处理器和存储器，所述的存储器有高精度地图以及计算机程序，所述计算机程序可以执行所述的无人驾驶车辆自动紧急避障控制方法。

与现有技术相比，本发明的方案具有以下的有益技术效果：

所述的基于圆形聚类共识行为迁移算法的车辆避障控制方法保证了无人驾驶汽车即使在在复杂的道路形状和附近有多辆车的情况下也能准确识别汽车间距，不仅提高了转向精度，而且避免了因简化导致的路径误差而发生事故。CBMA 算法解决了无人驾驶车辆自动紧急避障的移动轨迹点规划问题，降低了与前车碰撞的危险程度。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述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是本发明实施例提供的基于圆形聚类共识行为迁移算法的无人驾驶车辆自动紧急避障控制方法流程图；

图2是本发明实施例提供的车辆自动紧急避障系统示意图；

图3是本发明实施例提供的两目相机工作原理示意图以及车辆基于圆形聚类工作状态下的示意性俯瞰图；

图4是本发明实施例提供的TTC碰撞时间变化过程；

图5是本发明实施例提供的轨迹点跟踪曲线效果图；

具体实施方式

为使本申请的目的、技术方案和优点更加清楚明了，下面结合附图、实施例对本发明作进一步说明。应当理解，本领域技术人员对本发明的各种等价形式修改均落在本申请所附权利要求限定范围内。

下面结合具体实施例和附图对本申请作进一步描述。

如图二所示，本发明实施例提供一种无人驾驶车辆自动紧急避障系统，包括环感单元、决策单元和控制单元；

a.环感单元，通过两个毫米波雷达、一架两目像机和自车传感器获取自车及周围车辆信息，包括前车、相邻车道前车、相邻车道后车的行驶速度、加速度、距离；

b.决策单元，根据自车传感器数据结合环感单元上传数据判断自车纵向制动无法避障，做出避障决策；

所述两个毫米波雷达为远距毫米波雷达，测距范围为0-300m，方位角±10°，俯仰角13°，安装在汽车尾鳍部和前保险杠车标处；所述两目像机通过利用像素宽度、焦距可记录紧急情况发生前后一段时间内的自车速度、加速度、制动操作、转向操作、GPS和车辆前方的图像等信息，安装在车前风窗玻璃内侧中央后视镜附近。

如图一所示，本发明实施例提供的基于圆形聚类共识行为迁移算法的无人驾驶车辆自动紧急避障控制方法，基本流程包括：

使用两目相机以及毫米波雷达采集自车的动态数据，获取自车与前车的相对速度、前车速度、自车速度、前车几何尺寸，通过路径曲率半径结合雷达获取的数据计算临界车头时距，判断自车本车道内制动是否避障，纵向制动无法避障时，计算前方碰撞预警系数判别预警等级，进而激活避障系统。

所述基于圆形聚类共识行为迁移算法的无人驾驶车辆自动紧急避障控制方法具体包括以下步骤：

步骤一，采集毫米波雷达、两目相机和车载传感器的实时数据，获取自车与前车纵向距离、前车速度、自车与相邻车道目标车的横向距离、自车与目标车辆的纵向距离以及前车的几何尺寸信息。

步骤二，根据车速、车辆宽度、转向角、偏航率等参数计算路径曲率半径，结合两目相机获取的实时数据计算临界车头时距，比较自车与前车的临界车头时距和实际车头时距，判断本车道内是否可以通过制动来避免碰撞。

步骤三，基于纵向临界车头时距计算紧急避障所需安全时距TTC，引入前方碰撞预警系数FCW，确认场景为紧急状况，系统采取自动紧急避障策略；

步骤四，基于圆形聚类共识行为迁移方法，初始化汽车避障轨迹点，通过交叉行为干扰自车原始轨迹点进行迭代，创建一组新的移动轨迹点；

在本实施例中具体操作如下：

结合图三工作状态下的两目相机工作原理示意图进行说明，所述车辆外部环感单元包括两个毫米波雷达，为远距毫米波雷达，测距范围为0-300m，方位角±10°，俯仰角13°，安装在汽车尾鳍部分和前保险杠车标处；一架两目相机，安装在车前风窗玻璃内侧中央后视镜附近，利用两目相机的像素宽度、焦距可记录紧急情况发生前后一段时间内的自车速度、加速度、制动操作、转向操作、GPS 和车辆前方的图像等信息。为了获取跟车过程中车间距和前车速度等信息本发明采用了基于小孔成像原理的测距方法，计算前车速度：

PD＝WF，D＝WF/P (1)

其中，P是像素宽度，D是实际距离，F是焦距，W是实际物体宽度，通过对实际距离差分得到相对速度，结合自车速度获取前车速度。

结合图三中车辆基于圆形聚类工作状态下的示意性俯瞰图，所述车辆自动紧急避障控制方法分为两个目标：

一是路径估计算法，采集两目相机、毫米波雷达获取到的目标前车数据；结合车辆动力学获取临界车头时距L₀。该算法可以应用于车速高达80-100km/h的条件下，并且道路环境是一个直线的高速公路，曲率半径高于30米，性能会随着前一辆车的距离变远而下降。具体步骤如下：

进行路径的估计曲率半径R由两个估计曲率半径R₁和R₂决定，第一个估计曲率半径R₁由车辆速度和转向角度得到，第二个估计曲率半径R₂由车辆速度和横摆率得到。车辆自动紧急避障控制系统以车距作为判断变量，根据跟车状态进行一级制动系统，二级激活避障系统。

其中，S是稳定系数，L是轮基，δ是转向角，γ是偏航率，Q是传动比，V是车速。出于自车工况考虑，选用最小曲率半径与雷达数据(距离、方向)结合获得期望临界车头时距。

二是安全/危险决策算法，临界车头时距由路面状况(湿/干)、跟随车辆速度和相对速度计算，相对速度是路径估计算法指定的车头时距的微分值。通过路面条件、自车车速和相对速度计算实际车头时距，临界车头时距与测量的车头时距进行比较来处理安全/危险决策。临界车头时距表示为：

其中，L₀是临界车头时距，α₁是自动制动控制减速度，α₂是前车减速度，t₁是减速时间，t₂是延迟时间，d是车头时距偏移，v是相对速度。

紧急避障所需安全时距TTC体现了自车对追尾危险的判断机制与潜在追尾危险的紧急程度，见图四。基于这一结论，以临界车距L₀作为判断变量，考虑到车辆行驶时出现相对速度为零而车距很近，算法中添加了车距固定值D₀即在相对速度为零时仍需保持最小车距，本文取3m。系统实时采集车距L₀、相对速度V_r、基于TTC计算安全车距并与当前车距L₀比较，作为系统状态切换依据。

系统一级制动状态，该状态下系统启动自动制动避撞，其条件为：

if L₀＞D₁，

Then D₁＝V_r·TTC_A+D₀ (5)

C_b＝1

其中，TTC_A为一级报警阈值，D₁为与其对应的一级制动临界车距。当车距大于D₁实施制动，C_b＝1是自动制动状态级别。

系统二级避障状态，该状态下系统随着危险程度的继续升高激活避障系统，其条件为：

if L₀≤D₂，

Then D₂＝V_r·TTC_B+D₀ (6)

C_b＝2

其中，TTC_B为二级避障阈值；C_b＝2是自动紧急避障状态。

当系统触发自动紧急避障系统时，控制单元控制执行器执行自动紧急避障动作，转向避障所需安全时距应满足:

在碰撞时间TTC概念的基础上，本文引入前方碰撞预警系数(FCW)作为是否采取避障措施的一项前提性判别条件:

其中，V_R为本车与障碍物相对速度，L₀为临界车头时距。FCR>0.3，系数上升到III级，其应用场景为紧急状态。

在避障过程中使用共识行为迁移算法，在与周围车辆不发生碰撞的情况下，从起始位置移动到目标位置，实时寻找其运动轨迹；这个轨迹被认为是汽车必须经过的距离较小的点的集合，使自车在移动过程中不碰到障碍物，从而生成向目标移动的安全轨迹，包括以下步骤：

第一步，轨迹点初始化，假设自车位置P，包含自车将要移动到的两个轴x 和y上的两个参数。算法开始时，定义CBMA算法参数及其边界(表一所示)。

表1 CBMA算法定义参数

S<sub>d</sub>	remove	PRT	WPL
				MinDiv	total	r<sub>sensor</sub>	r<sub>mobilestep</sub>

围绕自车的实际位置初始化轨迹点，与每个轨迹点相关的还有一个所谓的成本值，成本值代表被用来评估轨迹点的适应度，为当前迭代选择一个引导点。

第二步，质变，为保证轨迹点的多样性，CBMA算法算法定义一个轨迹点干扰向量PRT，这个参数决定了初始化轨迹点是否会直接向下一个引导点移动；将[0.1]产生的随机数与定义的PRT向量进行比较，每个轨迹点的参数必须从给定的范围[lo，hi]中随机选择：

initialP＝X_act+rand[0，1]×(x^(hi)-x^(lo)) (9)

其中，P是轨迹点初始位置，X_act是自车的实际位置，rand[0，1]是0-1之间的随机数，x^(hi)、x^(lo)是最大位置范围。

第三步，交叉，PRT向量是轨迹点在搜索空间中执行交叉运动前进行的，每次跳跃时都改变PRT向量。轨迹点的轨迹不再是直线，而是阶梯状。PRT向量值为：

if rand<PRT；PRTVector＝1；else，PRT Vector＝0 (10)

其中，PRT代表干扰运动。

CBMA算法的显著特征是在交叉之前改变PRT向量，使原始轨迹点向引导点移动，CBMA算法的交叉过程是在搜索空间中干扰移动原始轨迹点，从而创建一组新的移动轨迹点，新的移动位置为：

其中，

是迭代的新移动位置，

是迭代中的初始轨迹点位置，

是迭代中的引导点位置，k是质变步长。

第四步，约束函数，原始轨迹点到新引导点的距离必须小于自车移动步长，采用软约束(惩罚)方法对移动步长约束函数进行处理，将自车移动轨迹点引入到一个可行区域，表述如下:

其中，β是用于对约束函数值进行适当的缩放，σ是修改优化平面的形状，a是常数，当a的值设置得足够高时，它不会影响轨迹点搜索过程。

第五步，CBMA算法与成本功能评估，在单个轨迹点迭代期间成本函数评估的数量：

其中，WPL是初始化轨迹点与引导点之间的距离，Sd是轨迹点分布的间隔距离。

每次迭代都将有一个引导点，因此共有(total-1)个点在迭代中运行，在每一个迭代中，针对其代价函数的优劣进行评估：

其中，total-1是轨迹点样本(不包括引导点)。

进一步地，所有迁移过程中给出的代价函数的总数是

其中，remove表示轨迹点的迭代次数，指的是轨迹点在平面中移动，寻找最佳解决方案。如果引导点和最差轨迹点之间的差值不低于最大允许差异MinDiv，并且达到最大迁移数，即在搜索过程中定位到最佳解决轨迹。

第六步，适应度函数，计算适应度函数进而评估生成的避障轨迹点，适应度函数由目标产生的吸引元素和周围障碍物车辆产生的排斥元素两部分组成，选择适应度低的轨迹点作为自车要移动的新位置，进而通过障碍物间隙，到达目标位置。

CBMA算法考虑了两个指标是：适应度函数的构建和向目标点移动和避开障碍物。向目标移动需要两个力：目标吸引力T_attract和障碍物排斥力O_repul。引力和斥力经调整后有适当的权重。适应度函数由两部分组成:一个是由目标产生的吸引元素，一个是由障碍物产生的排斥元素；目标吸力取决于自车到目标的距离，障碍物的排斥元素有三个：自车到障碍物的距离、障碍物尺寸、障碍物影响系数C，C决定自车通过两个障碍物之间的间隙。当自车被困在局部最小的障碍物之间，影响系数C将被改变，在力的两个分量之间产生一种相对平衡。

其中，T_attract、O_repul分别表示目标引力和障碍物斥力的平衡系数，f_value表示适应度值，d_target是自车到目标点的距离，n表示障碍物数量，c表示障碍物的影响系数，r_obs表示障碍物半径，自车到障碍物的距离。

仿真结果

在Matlab中建立仿真，使用一个地图:自车初始放置在(1，1)m，目标在位置(17，27)m；CBMA算法参数、传感器活动范围和自车的最大移动步长如表3所示。

表2仿真参数

Sd

remove

r<sub>mobilestep</sub>

PRT

WPL

r<sub>sensor</sub>

MinDiv

0.21

20

1m

0.1

3

5m

1

结合上述约束条件，假设相同期望侧向位移y_e＝1m，绘制轨迹点曲线效果图如图五所示，贴合度较好，但有一定时间滞后。

以上所述，仅为本发明的具体实施方式，可以根据上述说明进行改进，而这些所有改进在本发明的精神和原则内都应涵盖在本发明的保护范围内。

Claims

1.一种无人驾驶车辆自动紧急避障控制方法，其特征在于，包括以下步骤：

系统首先判断自车是否可以通过自动制动避免前车碰撞，若判断自动制动可以避免碰撞,同时后车与自车无追尾危险,采用自动制动；若判断自动制动无法与前车避免碰撞,通过对自车和障碍物车辆进行圆形聚类,利用共识行为迁移算法，计算基于规划安全避障轨迹点的适应度函数，进行自动紧急转向避障。

2.如权利要求1所述的无人驾驶车辆自动紧急避障控制方法，其特征在于，具体步骤包括：

步骤二，通过自车车速和两车相对速度计算纵向临界车头时距L₀，对比自车与前车期望的车头时距和实际车头时距，判断自动制动功能是否避障；

3.如权利要求2所述的无人驾驶车辆自动紧急避障控制方法，其特征在于，所述步骤二包括：

其中，TTC_B为二级避障阈值；C_b＝2是自动紧急避障状态。

4.如权利要求2所述的无人驾驶车辆自动紧急避障控制方法，其特征在于，所述步骤三包括：

基于紧急避障所需安全时距TTC的基础上引入前方碰撞预警系数FCW，作为采取避障措施判别的前提性条件，FCW>0.3，场景为紧急状况，激活CBMA算法避障。

5.如权利要求2所述的无人驾驶车辆自动紧急避障控制方法，其特征在于，所述步骤四包括：

initial P＝X_act+rand[0,1]×(x^(hi)-x^(lo))

6.如权利要求2所述的无人驾驶车辆自动紧急避障控制方法，其特征在于，所述步骤五包括：

7.一种实施权利要求1-6任意一项所述无人驾驶车辆自动紧急避障控制方法的系统，其特征在于，包括：环感单元、决策单元和控制单元；

a.环感单元，通过两个毫米波雷达、一架两目像机和自车传感器获取自车及周围车辆信息，包括前车、相邻车道前车、相邻车道后车的行驶速度、加速度、距离以及前车的几何尺寸信息；

b.决策单元，根据环感单元上传数据判断自车纵向制动无法避障，做出避障决策；

c.控制单元，根据决策单元分析和环感单元上传的数据控制执行器做出制动/转向动作，以实现对前车的避障；所述控制单元包括线控制动和线控转向系统，根据共识行为迁移算法作出的避障决策自动制动或按照规划的路径控制自车自动转向。

8.如权利要求7所述的无人驾驶车辆自动紧急避障控制系统，其特征在于，所述两个毫米波雷达为远距毫米波雷达，测距范围为0-300m，方位角±10°，俯仰角13°，安装在汽车尾鳍部和前保险杠车标处；所述两目像机通过利用像素宽度、焦距可记录紧急情况发生前后一段时间内的自车速度、加速度、制动操作、转向操作、GPS和车辆前方的图像等信息，安装在车前风窗玻璃内侧中央后视镜附近；

9.如权利要求7所述的无人驾驶车辆自动紧急避障控制系统，其特征在于，所述控制单元涉及到的控制设备包括中央处理器和存储器，所述的存储器有高精度地图以及计算机程序，所述计算机程序可以执行权利要求1-6所述无人驾驶车辆自动紧急避障控制方法。