CN116080678A - 一种面向菱形车辆的自动驾驶避障规划方法及装置 - Google Patents

Abstract

本申请涉及一种面向菱形车辆的自动驾驶避障规划方法、装置、计算机设备和存储介质。所述方法包括：在检测到障碍物的情况下，获取目标车辆与障碍物的实际距离，并根据目标车辆的速度，确定目标车辆与障碍物的安全距离；根据安全距离和实际距离，确定各目标指标的权重系数，目标指标包括避障时间指标、横向加速度指标及避障距离指标中的至少一项；根据各目标指标和各目标指标的权重系数，构建优化指标；确定目标车辆各项控制参数对应的参数值，各项控制参数对应的参数值使得优化指标满足优化条件，且使得目标车辆的各行驶参数满足车辆控制条件；根据各项控制参数对应的参数值，控制目标车辆行驶。采用本方法能够构建适合菱形车的避障轨迹。

Description

一种面向菱形车辆的自动驾驶避障规划方法及装置

技术领域

本申请涉及自动驾驶领域，特别是涉及一种面向菱形车辆的自动驾驶避障规划方法及装置。

背景技术

轨迹规划，也即点到点规划出一条与时间相关的带有车辆位置、速度以及加速度的路径曲线，并通过自动控制使车辆稳定跟随该路径，是自动驾驶的关键技术之一。规划出的轨迹好坏直接影响行驶的各项性能指标，如：时间长短、乘客舒适性、碰撞安全以及车辆稳定性等。菱形车作为一种新概念车辆，其四个轮子在底盘上呈菱形布置，前后两轮负责转向，左右两轮负责驱动，在这种车辆构型下其转向更为灵活且碰撞安全性更高，因此针对菱形车的运动规划出来的轨迹也可以更为灵活。

目前的自动驾驶轨迹规划方法主要以传统的两轴四轮车为对象，进行换道避障、自动泊车等场景的路径曲线规划。由于传统两轴四轮车构型及其动力学的约束，所规划的曲线相对菱形车来说具有一定局限，因此针对传统两轴四轮车的轨迹规划方法也难以适用于菱形车。因此，目前亟需一种针对菱形车构型特性及动力学约束规划避障轨迹的方法。

发明内容

基于此，有必要针对上述技术问题，提供一种面向菱形车辆的自动驾驶避障规划方法、装置、计算机设备和存储介质。

第一方面，本申请提供了一种面向菱形车辆的自动驾驶避障规划方法。所述方法包括：

在检测到障碍物的情况下，获取目标车辆与所述障碍物的实际距离，并根据所述目标车辆的速度，确定所述目标车辆与所述障碍物的安全距离；

根据所述安全距离和所述实际距离，确定各目标指标的权重系数，所述目标指标包括避障时间指标、横向加速度指标及避障距离指标中的至少一项；

根据各所述目标指标和各所述目标指标的权重系数，构建优化指标；

确定所述目标车辆各项控制参数对应的参数值，所述各项控制参数对应的参数值使得所述优化指标满足优化条件，且使得所述目标车辆的各行驶参数满足车辆控制条件；

根据所述各项控制参数对应的所述参数值，控制所述目标车辆行驶。

在其中一个实施例中，所述确定所述目标车辆各项控制参数对应的参数值，包括：

根据所述目标车辆在当前时刻的各所述行驶参数，确定所述优化指标的优化起始条件；

根据所述优化起始条件、预设的优化终止条件及所述优化指标，确定所述目标车辆各项控制参数对应的参数值，所述参数值使得所述目标车辆在避障规划结束时的各所述行驶参数满足所述优化终止条件。

在其中一个实施例中，根据所述优化指标，确定目标车辆各项控制参数对应的参数值，包括：

根据预先构建的所述目标车辆的运动学模型、所述目标车辆的动力学模型和所述优化指标，确定所述目标车辆各项控制参数对应的参数值，所述参数值使得所述目标车辆的各行驶参数之间的关系与所述目标车辆的运动学模型及所述目标车辆的动力学模型相匹配。

在其中一个实施例中，所述行驶参数包括所述目标车辆在车身坐标系下的坐标，所述方法还包括：

获取所述障碍物的轮廓坐标信息；

根据所述优化指标，确定所述目标车辆的各项控制参数对应的参数值，包括：

根据所述障碍物的轮廓坐标信息、距离阈值与所述优化指标，确定所述目标车辆的各项控制参数对应的参数值，所述参数值使得所述目标车辆在避障轨迹上各点的坐标与所述轮廓坐标信息之间的距离大于所述距离阈值。

在其中一个实施例中，所述方法还包括：

获取各车道在所述车身坐标系下的第一边界线的曲线表达及第二边界线的曲线表达；

根据所述优化指标，确定所述目标车辆的各项控制参数对应的参数值，包括：

根据所述目标车辆的车身宽度、各所述车道的上边界线、各所述车道的下边界线及所述优化指标，确定所述目标车辆的各项控制参数对应的参数值，所述参数值使得所述目标车辆的车身边界在避障规划结束时位于任一所述车道的第一边界线及第二边界线之间，所述目标车辆的车身边界根据所述目标车辆的坐标和所述目标车辆的车身宽度确定。

在其中一个实施例中，所述避障时间指标的权重系数及所述横向加速度指标的权重系数与距离余量正相关，所述避障距离指标的权重系数与所述距离余量负相关，所述距离余量为所述实际距离和所述安全距离的差值。

第二方面，本申请还提供了一种面向菱形车辆的自动驾驶避障规划装置。所述装置包括：

第一获取模块，用于在检测到障碍物的情况下，获取目标车辆与所述障碍物的实际距离，并根据所述目标车辆的速度，确定所述目标车辆与所述障碍物的安全距离；

第一确定模块，用于根据所述安全距离和所述实际距离，确定各目标指标的权重系数，所述目标指标包括避障时间指标、横向加速度指标及避障距离指标中的至少一项；

构建模块，用于根据各所述目标指标和各所述目标指标的权重系数，构建优化指标；

第二确定模块，用于确定所述目标车辆各项控制参数对应的参数值，所述各项控制参数对应的参数值使得所述优化指标满足优化条件，且使得所述目标车辆的各行驶参数满足车辆控制条件；

控制模块，用于根据所述各项控制参数对应的所述参数值，控制所述目标车辆行驶。

在其中一个实施例中，所述第二确定模块，还用于：

根据所述目标车辆在当前时刻的各所述行驶参数，确定所述优化指标的优化起始条件；

根据所述优化起始条件、预设的优化终止条件及所述优化指标，确定所述目标车辆各项控制参数对应的参数值，所述参数值使得所述目标车辆在避障规划结束时的各所述行驶参数满足所述优化终止条件。

在其中一个实施例中，所述第二确定模块，还用于：

根据预先构建的所述目标车辆的运动学模型、所述目标车辆的动力学模型和所述优化指标，确定所述目标车辆各项控制参数对应的参数值，所述参数值使得所述目标车辆的各行驶参数之间的关系与所述目标车辆的运动学模型及所述目标车辆的动力学模型相匹配。

在其中一个实施例中，所述行驶参数包括所述目标车辆在车身坐标系下的坐标，所述装置还包括：

第二获取模块，用于获取所述障碍物的轮廓坐标信息；

所述第二确定模块，还用于：

根据所述障碍物的轮廓坐标信息、距离阈值与所述优化指标，确定所述目标车辆的各项控制参数对应的参数值，所述参数值使得所述目标车辆在避障轨迹上各点的坐标与所述轮廓坐标信息之间的距离大于所述距离阈值。

在其中一个实施例中，所述装置还包括：

第三获取模块，用于获取各车道在所述车身坐标系下的第一边界线的曲线表达及第二边界线的曲线表达；

所述第二确定模块，还用于：

根据所述目标车辆的车身宽度、各所述车道的上边界线、各所述车道的下边界线及所述优化指标，确定所述目标车辆的各项控制参数对应的参数值，所述参数值使得所述目标车辆的车身边界在避障规划结束时位于任一所述车道的第一边界线及第二边界线之间，所述目标车辆的车身边界根据所述目标车辆的坐标和所述目标车辆的车身宽度确定。

在其中一个实施例中，所述避障时间指标的权重系数及所述横向加速度指标的权重系数与距离余量正相关，所述避障距离指标的权重系数与所述距离余量负相关，所述距离余量为所述实际距离和所述安全距离的差值。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以上任一项方法。

第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以上任一项方法。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以上任一项方法。

上述面向菱形车辆的自动驾驶避障规划方法、装置、计算机设备和存储介质，在检测到障碍物的情况下确定安全距离和实际距离，进而根据安全距离和实际距离确定各目标指标的权重系数，目标指标包括避障时间指标、横向加速度指标及避障距离指标中的至少一项，并根据各目标指标和各目标指标的权重系数构建优化指标，进而根据优化条件和车辆控制条件确定各控制参数对应的参数值，并根据参数值控制目标车辆行驶。由于菱形车的转弯半径更大，避障轨迹更加灵活，故而将目标指标设置为避障时间指标、横向加速度指标和避障距离指标，同时根据实际距离和安全距离对各目标指标的权重系数进行动态调整，可以在避障规划过程中充分考虑到菱形车所注重的各项性能，规划出更加适合菱形车的避障轨迹。

附图说明

图1为一个实施例中面向菱形车辆的自动驾驶避障规划方法的流程示意图；

图2为一个实施例中步骤108的流程示意图；

图3为一个实施例中车身坐标系的示意图；

图4为一个实施例中目标车辆坐标与障碍物坐标信息之间距离的示意图；

图5为一个实施例中目标车辆拟合椭圆与障碍物拟合圆的示意图；

图6为一个实施例中车道边界线的示意图；

图7为一个实施例中面向菱形车辆的自动驾驶避障规划方法的流程示意图；

图8为一个实施例中面向菱形车辆的自动驾驶避障规划装置的结构框图；

图9为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一个实施例中，如图1所示，提供了一种面向菱形车辆的自动驾驶避障规划方法，本实施例以该方法应用于车载控制终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括车载控制终端和服务器的系统，并通过车载控制终端和服务器的交互实现。本实施例中，该方法包括以下步骤：

步骤102，在检测到障碍物的情况下，获取目标车辆与障碍物的实际距离，并根据目标车辆的速度，确定目标车辆与障碍物的安全距离。

本申请实施例中，目标车辆可以为菱形底盘的车辆，也即菱形车；目标车辆上可以设置有用于检测车身附近障碍物的传感器，例如雷达传感器、激光传感器或超声波传感器等。车载控制终端可以每间隔一定时长通过传感器探测一次车身周围的障碍物，并根据探测结果判断是否要进行避障规划。

在检测到障碍物，且障碍物处于目标车辆的运动方向上的情况下，可以开始进行避障规划过程。可以通过传感器获取目标车辆与障碍物之间的实际距离，并根据目标车辆的速度确定目标车辆与障碍物之间的安全距离。安全距离用于表征在某一速度下，使得避障时间充分所需的最短距离。安全距离可以通过取目标车辆的速度与时间常数(用于表征预留的最小避障时间)的乘积，进而将该乘积与预留距离求和得到(参见公式(一))：

h＝τv+d 公式(一)

其中，h为安全距离，τ为时间常数，v为目标车辆的速度，d为预留距离。时间常数和预留距离余量可以由本领域技术人员根据目标指标的类型和实际需求进行设定。

步骤104，根据安全距离和实际距离，确定各目标指标的权重系数，目标指标包括避障时间指标、横向加速度指标及避障距离指标中的至少一项。

本申请实施例中，可以根据安全距离和实际距离判断各目标指标的权重系数。目标指标用于反映规划出的避障轨迹(也即若目标车辆按照确定的控制参数对应的参数值行驶，目标车辆将行驶出的轨迹)在某一方面的性能，可以包括避障时间指标，横向加速度指标及避障距离指标等。其中避障时间指标是避障过程的总耗时；横向加速度指标是在避障过程中，沿车身横向方向的加速度，横向加速度指标越大，则在避障过程中车身晃动越剧烈，舒适性越低；避障距离指标是在整个避障过程中，目标车辆在车辆行驶方向上的位移，避障距离指标越小，说明目标车辆的避障能力越强。此外，也可以设置其他的用于表征避障轨迹性能的目标指标，本申请实施例对此不作具体限定。

可以根据安全距离和实际距离确定各目标指标的权重系数。示例性的，当实际距离大于或者等于安全距离时，说明此时还有充足的距离进行避障，因此可以使得表征避障舒适性的目标指标的权重系数相较于其余目标指标的权重系数较大；当实际距离小于安全距离时，说明此时应尽快进行避障避免碰撞，因此可以使得表征避障能力的目标指标的权重系数相较于其余目标指标的权重系数较大。

示例性的，当目标指标为避障时间指标、横向加速度指标和避障距离指标时，可以在实际距离大于或者等于安全距离时，将避障时间指标的权重系数和横向加速度指标的权重系数设置的较大，将避障距离指标的权重系数设置的较小；在实际距离小于安全距离时，可以将避障时间指标的权重系数和横向加速度指标的权重系数设置的较小，将避障距离指标的权重系数设置的较大。

步骤106，根据各目标指标和各目标指标的权重系数，构建优化指标。

本申请实施例中，优化指标为各目标指标的综合，用于反映避障轨迹的整体性能。可以将各目标指标和各目标指标的权重系数相乘，得到加权指标，进而根据加权指标的类型构建优化指标。例如，当在避障过程中的优化目标是使优化指标达到极大值时，则可以使得全部加权指标中，越大表征避障轨迹性能越优的加权指标取值为正，越小表征避障轨迹性能越优的加权指标取值为负；类似的，当在避障过程中的优化目标是使优化指标达到极小值时，则可以使得全部加权指标中，越小表征避障轨迹性能越优的加权指标取值为正，越大表征避障轨迹性能越优的加权指标取值为负。示例性的，假设x、y、z为三个目标指标，x的权重系数为α，y的权重系数为β，z的权重系数为γ，优化目标是使优化指标达到极小值，其中x、y越大表征避障轨迹性能越优，z越小表征避障轨迹性能越优，则最终的优化指标可以为-αx-βy+γz。

步骤108，确定目标车辆各项控制参数对应的参数值，各项控制参数对应的参数值使得优化指标满足优化条件，且使得目标车辆的各行驶参数满足车辆控制条件。

本申请实施例中，可以将如何求解使得优化指标满足优化条件、且使得目标车辆的各行驶参数满足车辆控制条件的控制参数的参数值的问题构建为一个最优控制问题。其中优化条件指在避障规划中需要达到的目标，如使得避障时间最短、避障距离最短等。在最优控制问题中，一般将优化条件设置为使得优化指标达到极大值，或者使得优化指标达到极小值。车辆控制条件为避障规划中目标车辆受到的约束条件，例如，目标车辆的横向位移小于某一数值，目标车辆的速度小于某一数值等等。行驶参数指的是用于表征目标车辆的行驶状态的各参数，如速度、加速度、坐标等；控制参数同样用于表征目标车辆的行驶状态，是在避障过程中目标车辆需要进行调整以完成避障的参数。

示例性的，可以采用任一求解最优控制问题的方式求解目标车辆的各项控制参数对应的参数值。在采用的求解最优控制问题的方式可以求得控制参数对应的解析解(也即可以直接求出控制参数关于时间的函数)时，控制参数对应的参数值应当是控制参数关于时间的函数；当采用的求解最优控制问题的方式只能求得控制参数在有限个求解时间点上的数值解时，控制参数对应的参数值应当是一个数值集合，其中包括控制参数在各求解时间点上的数值。

步骤110，根据各项控制参数对应的参数值，控制目标车辆行驶。

本申请实施例中，在确定各项控制参数的参数值后，车辆控制系统可以根据参数值控制目标车辆行驶完成避障。举例来说，若控制参数为目标车辆的加速度，加速度对应的参数值是一个数值集合，其中包括加速度在各求解时间点上的数值，则车辆控制系统可以在求解时间点t₁上按照t₁对应的加速度数值a₁控制汽车行驶，在时间来到求解时间点t₂时改为按照t₂对应的加速度数值a₂控制汽车行驶……以此类推，直至避障过程结束为止。或者，当控制参数对应的参数值是一个数值集合时，也可以首先对该数值集合进行曲线拟合，得到控制参数关于时间的函数，进而使车辆控制系统根据该函数控制目标车辆行驶。

本申请实施例提供的面向菱形车辆的自动驾驶避障规划方法，在检测到障碍物的情况下确定安全距离和实际距离，进而根据安全距离和实际距离确定各目标指标的权重系数，目标指标包括避障时间指标、横向加速度指标及避障距离指标中的至少一项，并根据各目标指标和各目标指标的权重系数构建优化指标，进而根据优化条件和车辆控制条件确定各控制参数对应的参数值，并根据参数值控制目标车辆行驶。由于菱形车的转弯半径更大，避障轨迹更加灵活，故而将目标指标设置为避障时间指标、横向加速度指标和避障距离指标，同时根据实际距离和安全距离对各目标指标的权重系数进行动态调整，可以在避障规划过程中充分考虑到菱形车所注重的各项性能，规划出更加适合菱形车的避障轨迹。

在一个实施例中，如图2所示，步骤108中，确定目标车辆各项控制参数对应的参数值，包括：

步骤202，根据目标车辆在当前时刻的各行驶参数，确定优化指标的优化起始条件。

步骤204，根据优化起始条件、预设的优化终止条件及优化指标，确定目标车辆各项控制参数对应的参数值，参数值使得目标车辆在避障规划结束时的各行驶参数满足优化终止条件。

本申请实施例中，优化终止条件是目标车辆在避障规划结束时，各行驶参数应当满足的条件。可以根据目标车辆在避障规划开始时(也即当前时刻)的各行驶参数，确定优化指标的优化起始条件，进而根据优化起始条件和优化终止条件构建约束条件，以使得在确定目标车辆各项控制参数对应的参数值时，参数值使得目标车辆满足该约束条件。

示例性的，可以以目标车辆的质心为原点，以目标车辆原先的行驶方向为纵轴(x轴)，以垂直于纵轴的方向为横轴(y轴)建立车身坐标系(参见图3所示)，进而根据当前时刻时，目标车辆相对于车身坐标系的坐标、速度、航向角等行驶参数构建优化起始条件。

由于避障的目标一般为使得车辆在避障过程结束时继续沿原先的方向行驶，因此可以使得优化终止条件中包括目标车辆的横向速度(目标车辆沿y轴的速度)、横摆角加速度、前轮转角、车辆质心侧偏角等用于表征目标车辆是否偏离原先的方向的行驶参数，并将上述参数全部设置为0，以使得在避障过程结束时目标车辆可以继续沿原先的方向行驶。

示例性的，以目标车辆在当前时刻直线行驶为例，若行驶参数包括目标车辆在车身坐标系下的纵坐标(x)、目标车辆在车身坐标系下的横坐标(y)、航向角(θ)、纵向速度(v_x)、横向速度(v_y)、横摆角加速度

车辆质心侧偏角(β)和前轮转角(δ_f)，则优化起始条件如公式(二)所示：

其中，x₀是目标车辆当前时刻在车身坐标系下的纵坐标，y₀是目标车辆当前时刻在车身坐标系下的横坐标，v_x0是目标车辆当前时刻的纵向速度。由于将目标车辆在当前时刻的行驶方向设置为了x轴，且在本示例中目标车辆在当前时刻直线行驶，因此目标车辆在当前时刻的航向角、横向速度、横摆角加速度、车辆质心侧偏角和前轮转角都应为0。

为使得目标车辆在避障过程结束时继续沿原先的方向(也即目标车辆在当前时刻的行驶方向)行驶，可以将优化终止条件设置为公式(三)：

其中，x₁是目标车辆在避障规划结束时在车身坐标系下的纵坐标，y₁是目标车辆在避障规划结束时在车身坐标系下的横坐标，v_x1是目标车辆在避障规划结束时的纵向速度，由于不需要对上述三个参数做限定，因此x₁、y₁、v_x1可以取任意值。而为了满足目标车辆在避障过程结束时继续沿原先的方向行驶的条件，应当将目标车辆在避障规划结束时的航向角、横向速度、横摆角加速度、车辆质心侧偏角和前轮转角均设置为0。

需要说明的是，上述优化终止条件仅为一种示例，实际上在对目标车辆在避障过程结束时需要处于的状态有不同需求时，可以设置不同的优化终止条件，本申请实施例对此不作限定。

进一步地，在设置上述约束条件后，可以采用任一求解最优控制问题的方式求解目标车辆的各项控制参数对应的参数值，以使得参数值同时满足上述约束条件和优化条件。

本申请实施例提供的面向菱形车辆的自动驾驶避障规划方法，可以构建优化起始条件和优化终止条件，以使得目标车辆在避障结束时能够按照优化终止条件所限定的车辆状态进行行驶，因此能够使得目标车辆的避障轨迹更加符合实际需求。

在其中一个实施例中，步骤204中，根据优化指标，确定目标车辆各项控制参数对应的参数值，包括：

根据预先构建的目标车辆的运动学模型、目标车辆的动力学模型和优化指标，确定目标车辆各项控制参数对应的参数值，参数值使得目标车辆的各行驶参数之间的关系与目标车辆的运动学模型及目标车辆的动力学模型相匹配。

本申请实施例中，可以预先构建目标车辆的运动学模型和动力学模型，并根据目标车辆的运动学模型和动力学模型构建约束条件，以使得在确定目标车辆各项控制参数对应的参数值时，参数值使得目标车辆满足该约束条件。运动学模型和动力学模型用于表征目标车辆在运动时，各行驶参数之间的关系。

由于本申请实施例用于菱形车的避障规划，而菱形车的车轮布置与传统两轴四轮车不同，因此需要针对菱形车提出新的运动学模型和动力学模型。其中运动学模型用于描述目标车辆的横向速度、纵向速度、航向角速度与目标车辆的速度、车辆横摆角、质心侧偏角、前轮转角、后轮转角、车轴长之间的关系。具体而言，目标车辆的纵向速度可以通过取车辆横摆角与质心侧偏角之和的余弦值与目标车辆的速度的乘积得到(参见公式(四))，目标车辆的横向速度可以通过取车辆横摆角与质心侧偏角之和的正弦值与目标车辆的速度的乘积得到(参见公式(五))，目标车辆的航向角速度可以通过取目标车辆的速度和目标车辆瞬时转动中心半径的比值得到，进一步地，由于菱形车的前轮转角和后轮转角大小相同方向相反，目标车辆的航向角速度也可以通过取目标车辆的前轮转角的正切值与目标车辆速度以及质心侧偏角的余弦值的乘积，进而取该乘积的两倍与车轴长的比值得到(参见公式(六))：

其中，

是目标车辆的纵坐标关于时间的导数，也即目标车辆的纵向速度；

是目标车辆的横坐标关于时间的导数，也即目标车辆的横向速度，v是速度，φ是车辆横摆角，β是目标车辆的质心侧偏角，

是目标车辆的航向角关于时间的导数，也即目标车辆的航向角速度，r是瞬时转动中心半径，δ_f和δ_r分别表示前后轮的转角，由于菱形车的转向特性，理论上前后轮的转向大小相同方向相反。L是车轴长。

而动力学模型用于描述目标车辆的轮胎驱动力、车轮转角等和目标车辆的纵向加速度、横向加速度、横摆角加速度之间的关系，可参见公式(七)、公式(八)和公式(九)所示：

由于菱形车前后轮转角大小相同方向相反，故

δ_f＝-δ_r

其中

是目标车辆的纵向加速度，

是目标车辆的横向加速度，m是目标车辆的质量，F是中间轮驱动力，δ_f是前轮转角，δ_r是后轮转角，

表示车辆前轮纵向力，

表示车辆前轮侧向力，

表示车辆中间轮纵向力，

表示车辆中间轮侧向力，

表示车辆后轮纵向力，

表示车辆后轮侧向力，可以通过线性轮胎模型计算，I是车辆的转动惯量，l_f是车辆前轮轴线到车辆质心的距离，l_m是车辆中间轮到车辆质心的距离，l_r是车辆后轮到车辆质心的距离，

是横摆角加速度。其中：

其中，

是前轮侧偏刚度，

是中间轮侧偏刚度，

是后轮侧偏刚度。

是前轮纵向刚度，

是中间轮纵向刚度，

是后轮纵向刚度，S_f是前轮滑移率，S_m是中间轮滑移率、S_r是后轮滑移率，α_f是前轮侧偏角，α_m是中间轮侧偏角，α_r是后轮侧偏角。

进一步地，在设置上述约束条件后，可以采用任一求解最优控制问题的方式求解目标车辆的各项控制参数对应的参数值，以使得参数值同时满足上述约束条件和优化条件。

本申请实施例提供的面向菱形车辆的自动驾驶避障规划方法，可以构建目标车辆的运动学模型和动力学模型，以使得在确定行驶参数的参数值时，目标车辆的行驶参数之间的关系符合目标车辆的运动学模型和动力学模型，能够使得目标车辆行驶出的避障轨迹更加符合目标车辆的运动原理，提升参数值的精度。

在一个实施例中，行驶参数包括目标车辆在车身坐标系下的坐标，上述方法还包括：

获取障碍物的轮廓坐标信息。

根据优化指标，确定目标车辆的各项控制参数对应的参数值，包括：

根据障碍物的轮廓坐标信息、距离阈值与优化指标，确定目标车辆的各项控制参数对应的参数值，参数值使得目标车辆在避障轨迹上各点的坐标与轮廓坐标信息之间的距离大于距离阈值。

本申请实施例中，可以通过目标车辆上设置的传感器检测障碍物的轮廓坐标信息，轮廓坐标信息为一个坐标信息集合，其中包括传感器检测到的障碍物轮廓上各点在车身坐标系下的坐标信息。

进一步地，还可以在通过传感器获取到障碍物的轮廓坐标信息后，根据轮廓坐标信息，在目标车辆的质心所处的平面上拟合出一个用于表征障碍物的拟合圆，以解决传感器可能无法探测到障碍物部分轮廓的问题。

在获取障碍物的轮廓坐标信息后，可以根据障碍物的轮廓坐标信息，以及预设的距离阈值(用于表征最小安全距离)构建约束条件，以使得在确定目标车辆各项控制参数对应的参数值时，参数值使得目标车辆满足该约束条件。

示例性的，为保证目标车辆在避障过程中与障碍物始终不会发生碰撞，可以在避障规划时，使得规划出的避障轨迹上任一点的坐标与轮廓坐标信息中的每一个坐标之间的直线距离均大于距离阈值，其中距离阈值可以由本领域技术人员根据实际需求进行设定。举例来说，如图4所示，若距离阈值为r，轮廓坐标信息中包括坐标a，坐标b，坐标c，若在避障轨迹上取一点x，且x与坐标a之间的距离为r₁，x与坐标b之间的距离为r₂，x与坐标c之间的距离为r₃，则r₁、r₂、r₃应满足r₁＞r、r₂＞r且r₃＞r；若在避障轨迹上取一点y，且y与坐标a之间的距离为r₄，y与坐标b之间的距离为r₅，y与坐标c之间的距离为r₆，则r₄、r₅、r₆应满足r₄＞r、r₅＞r且r₆＞r。

或者，还可以根据目标车辆的轮廓信息构建该约束条件，其中目标车辆的轮廓信息可以为目标车辆的实际轮廓在车身坐标系下的曲线表达，也可以为根据目标车辆的实际轮廓拟合出的形状(如椭圆、圆等)在车身坐标系下的曲线表达。可以根据目标车辆的轮廓信息、障碍物的轮廓坐标信息、距离阈值与优化指标，确定目标车辆的各项控制参数对应的参数值，参数值使得目标车辆在避障轨迹上各点的轮廓信息上的任一坐标点与轮廓坐标信息之间的距离大于距离阈值。也即若x为目标车辆的轮廓信息上的一点，则x与轮廓坐标信息中的任一坐标之间的距离均应大于距离阈值。

另一方面，在将障碍物的轮廓坐标信息拟合为拟合圆时，还可以根据目标车辆的轮廓信息、目标车辆的质心、障碍物拟合圆的半径和障碍物拟合圆的圆心构建约束条件，以使得确定目标车辆的各项控制参数对应的参数值时，参数值使得目标车辆的质心与障碍物拟合圆的圆心之间的距离，大于或者等于障碍物拟合圆的半径、距离阈值以及目标车辆的轮廓信息半径之和。其中目标车辆的轮廓信息半径定义为目标车辆的质心与障碍物拟合圆的圆心的直线连线与目标车辆的轮廓信息之间的交点，与目标车辆的质心之间的距离。由于计算出的目标车辆的轮廓信息半径是动态变化的值，能反映目标车辆的轮廓信息在其最为贴近障碍物的一点处与目标车辆的质心之间的距离，因此确保目标车辆的轮廓信息半径与障碍物拟合圆的半径、距离阈值之间的和小于或者等于目标车辆的质心与障碍物拟合圆的圆心之间的距离，就可以保证目标车辆不与障碍物发生碰撞，因此通过此种约束方式规划出的避障轨迹更为极限。

以目标车辆的轮廓信息为一拟合椭圆举例说明，参见图5所示，可以以目标车辆车身最外侧的四个点拟合出车辆拟合椭圆。在以车辆拟合椭圆表征车辆轮廓，以障碍物拟合圆表征障碍物轮廓时，上述约束条件可以表达为目标车辆的质心与障碍物拟合圆圆心之间的直线连线与车辆拟合椭圆的交点，与目标车辆的质心之间的距离(以下简称为R₁)，以及距离阈值和障碍物拟合圆的半径之和，小于或者等于目标车辆的质心与障碍物拟合圆圆心之间的实际距离(参见公式(十)、公式(十一))：

其中，x₁为目标车辆的质心的纵坐标，x₂为障碍物拟合圆圆心的纵坐标，y₁为目标车辆的质心的横坐标，y₂为障碍物拟合圆圆心的横坐标，R为目标车辆的质心与障碍物拟合圆圆心之间的实际距离，R₂为障碍物拟合圆的半径，R₀为距离阈值。

R₁为一个可以计算的值，其可以通过求解穿过目标车辆质心与障碍物拟合圆圆心的直线在车身坐标系下的表达式，并求解该表达式与车辆拟合椭圆之间的交点在车身坐标系下的坐标，进而计算其中距离障碍物拟合圆圆心较近的交点的坐标与目标车辆质心之间的直线距离得到。举例来说，假设目标车辆质心为(x₁,y₁)，障碍物拟合圆圆心为(x₂,y₂)，则可以计算出穿过(x₁,y₁)和(x₂,y₂)两点的直线的表达式，并根据车辆拟合椭圆在车身坐标系下的表达式，求得上述直线与车辆拟合椭圆之间的两个交点在车身坐标系下的坐标(c₁,d₁)，(c₂,d₂)，并选取其中距离(x₂,y₂)较近的交点(假设为(c₁,d₁))，进而计算(c₁,d₁)与(x₁,y₁)之间的直线距离作为R₁。

在实际距离已经小于安全距离时，考虑到此时目标车辆和障碍物之间的距离可能已经无法满足上述约束条件，因此可以将约束条件切换为R₁与障碍物拟合圆的半径之和，小于目标车辆质心与障碍物拟合圆的圆心之间的实际距离，也即R₁+R₂＜R＜R₁+R₂+R₀。

进一步地，在设置上述约束条件后，可以采用任一求解最优控制问题的方式求解目标车辆的各项控制参数对应的参数值，以使得参数值同时满足上述约束条件和优化条件。

本申请实施例提供的面向菱形车辆的自动驾驶避障规划方法，可以获取障碍物的轮廓坐标信息，以使得确定的行驶参数的参数值能够使得目标车辆和障碍物之间的距离始终大于距离阈值，因此能够使得目标车辆在避障过程中始终不与障碍物之间发生碰撞，提高目标车辆行驶的安全性。

在一个实施例中，上述方法还包括：

获取各车道在车身坐标系下的第一边界线的曲线表达及第二边界线的曲线表达。

根据优化指标，确定目标车辆的各项控制参数对应的参数值，包括：

根据目标车辆的车身宽度、各车道的上边界线、各车道的下边界线及优化指标，确定目标车辆的各项控制参数对应的参数值，参数值使得目标车辆的车身边界在避障规划结束时位于任一车道的第一边界线及第二边界线之间，目标车辆的车身边界根据目标车辆的坐标和目标车辆的车身宽度确定。

本申请实施例中，可以通过带有车道边界线位置的地图，获取各车道在世界坐标系下的第一边界线上的多个坐标点和第二边界线上的多个坐标点，进而通过坐标系转换，将第一边界线上的各坐标点和第二边界线上的各坐标点转换至车身坐标系下，并通过曲线拟合等方式拟合出各车道的第一边界线的曲线表达与第二边界线的曲线表达。进一步地，可以根据各车道的第一边界线的曲线表达、第二边界线的曲线表达、目标车辆的车身宽度构建约束条件，以使得在确定目标车辆各项控制参数对应的参数值时，参数值使得目标车辆满足该约束条件。

目标车辆的车身边界是目标车辆在车身宽度方向上的边界，可以以两个坐标点来表达：表征目标车辆的车身第一边界(例如，可以是目标车辆的左边界)的坐标点(第一边界坐标点)，和表征目标车辆的车身第二边界(例如，可以是目标车辆的右边界)的坐标点(第二边界坐标点)。示例性的，可以以目标车辆的横坐标与二分之一车身宽度的和，作为第一边界坐标点的横坐标，并以目标车辆的横坐标与二分之一车身宽度的差，作为第二边界坐标点的横坐标。第一边界坐标点和第二边界坐标点的纵坐标可以与目标车辆的纵坐标相同。例如，若目标车辆的坐标为(x，y)，车身宽度为h，则第一边界坐标点可以为(x，y+h/2)，第二边界坐标点可以为(x，y-h/2)。

进一步地，还可以引入用于表征车身与道路边界之间的安全距离阈值的参数y_s，以使得目标车辆在行驶时不会过于贴近道路边界。

示例性的，如图6所示，若目标车辆的行驶方向上共有三条直线车道：车道1、车道2和车道3，目标车辆行驶在车道2中，其中车道1的第一边界线的曲线表达为y＝y₁、第二边界线的曲线表达为y＝y₂，车道2的第一边界线的曲线表达为y＝y₂、第二边界线的曲线表达为y＝y₃，车道3的第一边界线的曲线表达为y＝y₃、第二边界线的曲线表达为y＝y₄，则目标车辆在避障规划结束时的坐标(x，y)应当满足下列任一条件：

进一步地，在设置上述约束条件后，可以采用任一求解最优控制问题的方式求解目标车辆的各项控制参数对应的参数值，以使得参数值同时满足上述约束条件和优化条件。

本申请实施例提供的面向菱形车辆的自动驾驶避障规划方法，可以获取各车道的第一边界线的曲线表达和第二边界线的曲线表达，以使得确定的行驶参数的参数值能够使得目标车辆在避障规划结束时，坐标处于任一车道中，因此能够使得目标车辆的避障路线更加符合现实中的行驶规则。

在一个实施例中，避障时间指标的权重系数及横向加速度指标的权重系数与距离余量正相关，避障距离指标的权重系数与距离余量负相关，距离余量为实际距离和安全距离的差值。

本申请实施例中，可以根据实际距离和安全距离的差值动态调整避障时间指标、横向加速度指标和避障距离指标的权重系数。示例性的，可以为避障时间指标、横向加速度指标和避障距离指标分别设置一个调整系数，并通过实际距离与安全距离的差值和避障时间指标调整系数的乘积，确定避障时间指标的权重系数；通过实际距离与安全距离的差值和横向加速度指标调整系数的乘积，确定横向加速度指标的权重系数；通过实际距离与安全距离的差值和避障距离指标调整系数的比值，确定避障距离指标的权重系数(参见公式(十二)、公式(十三)、公式(十四))：

ω₁＝k₁(d-h) 公式(十二)

ω₂＝k₂(d-h) 公式(十三)

其中，ω₁为避障时间指标的权重系数，k₁为避障时间指标的调整系数，d为实际距离，h为安全距离，ω₂为横向加速度指标的权重系数，k₂为横向加速度指标的调整系数，ω₃为避障距离指标的权重系数，k₃为避障距离指标的调整系数。

需要说明的是，在实际距离与安全距离的差值为负时，还可以为避障时间指标、横向加速度指标和避障距离指标设置另一套调整系数，以避免出现权重系数为负的情况。

本申请实施例提供的面向菱形车辆的自动驾驶避障规划方法，可以使得避障时间指标的权重系数及横向加速度指标的权重系数与距离余量正相关，避障距离指标的权重系数与距离余量负相关，以使得在距离余量较大时，规划出的避障路线更注重避障速度和舒适性，在距离余量较小时，规划出的避障路线更注重避障的能力，因此能够提升规划出的避障路线的合理性。

为使本领域技术人员更好的理解本申请实施例，以下通过具体示例对本申请实施例加以说明。

参见图7所示，示出了一种自动轨迹的避障规划方法的示意图。

本申请实施例以避障时间指标、横向加速度指标、避障距离指标作为目标指标，上述三个目标指标可以分别表示为公式(十五)、公式(十六)和公式(十七)：

其中，J₁为避障时间指标，J₂为横向加速度指标，J₃为避障距离指标，t₀为避障规划的起始时刻(当前时刻)，t_f为避障规划的结束时刻(数值未知，需要求解)，a_y为目标车辆的横向加速度，x₁为目标车辆在当前时刻的纵坐标，x₂为目标车辆在避障规划结束时的纵坐标。

对上述三个目标指标加权求和，可得到优化指标(参见公式(十八))：

J＝ω₁J₁+ω₂J₂+ω₃J₃ 公式(十八)

其中，J为优化指标，ω₁为避障时间指标的权重系数，ω₂为横向加速度指标的权重系数，ω₃为避障距离指标的权重系数。

将优化指标取值最小作为优化目标，以上述实施例中的优化起始条件、优化终止条件为第一约束条件，以上述实施例中的运动学模型、动力学模型为第二约束条件，以上述实施例中的障碍物的轮廓坐标信息、距离阈值为第三约束条件，以上述实施例中的目标车辆的车身宽度、各车道的上边界线、各车道的下边界线为第四约束条件，并增加用于表征车辆稳定性的第五约束条件构建最优控制问题。在本申请实施例中，目标车辆的行驶参数为x,y,θ,v_x,v_y,

β,δ，控制参数为F,δ，其中δ为前轮转角(也是后轮转角，因在菱形车中前轮转角与后轮转角相同)，F为中间轮驱动力。其余参数可参见前述实施例中的描述，本申请实施例在此不再赘述。

第五约束条件用于使得确定的参数值能够使目标车辆的横摆角速度处于预设的横摆角速度区间内，以及使得目标车辆的横向载荷转移率小于转移率阈值。示例性的，第五约束条件可以如下：

LTR＝|F_L-F_R|

其中，

为横摆角速度最小值，

为横摆角速度最大值，LTR为横向载荷转移率，F_L为目标车辆中间轮中左轮上的垂直载荷，F_R为目标车辆中间轮中右轮上的垂直载荷。

当横向载荷转移率为0时，目标车辆不存在侧倾，当横向载荷转移率为1时，目标车辆的左轮或右轮离地，车侧倾。转移率阈值可以由本领域技术人员根据实际需求进行设定，一般选择为0.7至0.9。示例性的，可以将转移率阈值设置为0.8。

此外，还需要给出对控制变量相应的约束。控制变量的约束用于表征目标车辆可以提供的输入：

其中，

是前轮转角的最小值，δ是前轮转角的最大值，

是中间轮驱动力的最小值，F是中间轮驱动力的最大值。

示例性的，可以通过高斯伪谱法求解上述最优控制问题。高斯伪谱法的本质为将连续优化问题变为离散优化问题进行求解，最终可以解得控制参数在高斯伪谱法各配点上的数值解。以下对高斯伪谱法的求解过程进行简要说明：

由于高斯伪谱法的配点分布在[-1,1]的时域上，因此首先将上述定义在时域t[t₀,t_f]的最优控制问题转化到时域τ[-1,1]：

给定拉格朗日插值多项式，其中K为配点个数，L_i(τ)为在配点τ_i处的拉格朗日插值多项式：

在任一时刻的行驶参数可以近似为在各配点时刻的行驶参数的取值，与各配点对应的拉格朗日插值多项式的乘积之和：

其中X(τ)为行驶参数，X(τ_i)为在配点τ_i处的行驶参数的取值。

在任一时刻的控制参数也可以近似为在各配点时刻的控制参数的取值，与各配点对应的拉格朗日插值多项式的乘积之和：

其中U(τ)为控制参数，U(τ_i)为在配点τ_i处的控制参数的取值。

将优化终止条件也进行离散化。优化终止条件可以表达为：

其中，f[x(τ),u(τ),τ]用于表征目标车辆在避障规划过程中各时刻的行驶参数。

离散化变为：

其中，η_W为权重系数。

可以用微分矩阵近似行驶参数的导数：

其中D_ki是高斯伪谱法中的微分矩阵。

对优化指标进行离散获得：

其中，η_K为权重系数。

基于以上求解原理，通过成熟的求解器可求解上述非线性规划问题，即得到满足相应优化目标和车辆控制条件的轨迹。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的面向菱形车辆的自动驾驶避障规划方法的面向菱形车辆的自动驾驶避障规划装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个面向菱形车辆的自动驾驶避障规划装置实施例中的具体限定可以参见上文中对于面向菱形车辆的自动驾驶避障规划方法的限定，在此不再赘述。

在一个实施例中，如图8所示，提供了一种面向菱形车辆的自动驾驶避障规划装置800，包括：第一获取模块802，第一确定模块804，构建模块806，第二确定模块808，控制模块810，其中：

第一获取模块802，用于在检测到障碍物的情况下，获取目标车辆与所述障碍物的实际距离，并根据所述目标车辆的速度，确定所述目标车辆与所述障碍物的安全距离；

第一确定模块804，用于根据所述安全距离和所述实际距离，确定各目标指标的权重系数，所述目标指标包括避障时间指标、横向加速度指标及避障距离指标中的至少一项；

构建模块806，用于根据各所述目标指标和各所述目标指标的权重系数，构建优化指标；

第二确定模块808，用于确定所述目标车辆各项控制参数对应的参数值，所述各项控制参数对应的参数值使得所述优化指标满足优化条件，且使得所述目标车辆的各行驶参数满足车辆控制条件；

控制模块810，用于根据所述各项控制参数对应的所述参数值，控制所述目标车辆行驶。

本申请实施例提供的面向菱形车辆的自动驾驶避障规划装置，在检测到障碍物的情况下确定安全距离和实际距离，进而根据安全距离和实际距离确定各目标指标的权重系数，目标指标包括避障时间指标、横向加速度指标及避障距离指标中的至少一项，并根据各目标指标和各目标指标的权重系数构建优化指标，进而根据优化条件和车辆控制条件确定各控制参数对应的参数值，并根据参数值控制目标车辆行驶。由于菱形车的转弯半径更大，避障轨迹更加灵活，故而将目标指标设置为避障时间指标、横向加速度指标和避障距离指标，同时根据实际距离和安全距离对各目标指标的权重系数进行动态调整，可以在避障规划过程中充分考虑到菱形车所注重的各项性能，规划出更加适合菱形车的避障轨迹。

在其中一个实施例中，所述第二确定模块808，还用于：

根据所述目标车辆在当前时刻的各所述行驶参数，确定所述优化指标的优化起始条件；

根据所述优化起始条件、预设的优化终止条件及所述优化指标，确定所述目标车辆各项控制参数对应的参数值，所述参数值使得所述目标车辆在避障规划结束时的各所述行驶参数满足所述优化终止条件。

在其中一个实施例中，所述第二确定模块808，还用于：

根据预先构建的所述目标车辆的运动学模型、所述目标车辆的动力学模型和所述优化指标，确定所述目标车辆各项控制参数对应的参数值，所述参数值使得所述目标车辆的各行驶参数之间的关系与所述目标车辆的运动学模型及所述目标车辆的动力学模型相匹配。

在其中一个实施例中，所述行驶参数包括所述目标车辆在车身坐标系下的坐标，所述装置还包括：

第二获取模块，用于获取所述障碍物的轮廓坐标信息；

所述第二确定模块808，还用于：

根据所述障碍物的轮廓坐标信息、距离阈值与所述优化指标，确定所述目标车辆的各项控制参数对应的参数值，所述参数值使得所述目标车辆在避障轨迹上各点的坐标与所述轮廓坐标信息之间的距离大于所述距离阈值。

在其中一个实施例中，所述装置还包括：

第三获取模块，用于获取各车道在所述车身坐标系下的第一边界线的曲线表达及第二边界线的曲线表达；

所述第二确定模块808，还用于：

根据所述目标车辆的车身宽度、各所述车道的上边界线、各所述车道的下边界线及所述优化指标，确定所述目标车辆的各项控制参数对应的参数值，所述参数值使得所述目标车辆的车身边界在避障规划结束时位于任一所述车道的第一边界线及第二边界线之间，所述目标车辆的车身边界根据所述目标车辆的坐标和所述目标车辆的车身宽度确定。

在其中一个实施例中，所述避障时间指标的权重系数及所述横向加速度指标的权重系数与距离余量正相关，所述避障距离指标的权重系数与所述距离余量负相关，所述距离余量为所述实际距离和所述安全距离的差值。

上述面向菱形车辆的自动驾驶避障规划装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种面向菱形车辆的自动驾驶避障规划方法。

本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种面向菱形车辆的自动驾驶避障规划方法，其特征在于，所述方法包括：

在检测到障碍物的情况下，获取目标车辆与所述障碍物的实际距离，并根据所述目标车辆的速度，确定所述目标车辆与所述障碍物的安全距离；

根据所述安全距离和所述实际距离，确定各目标指标的权重系数，所述目标指标包括避障时间指标、横向加速度指标及避障距离指标中的至少一项；

根据各所述目标指标和各所述目标指标的权重系数，构建优化指标；

确定所述目标车辆各项控制参数对应的参数值，所述各项控制参数对应的参数值使得所述优化指标满足优化条件，且使得所述目标车辆的各行驶参数满足车辆控制条件；

根据所述各项控制参数对应的所述参数值，控制所述目标车辆行驶。

2.根据权利要求1所述的方法，其特征在于，所述确定所述目标车辆各项控制参数对应的参数值，包括：

根据所述目标车辆在当前时刻的各所述行驶参数，确定所述优化指标的优化起始条件；

根据所述优化起始条件、预设的优化终止条件及所述优化指标，确定所述目标车辆各项控制参数对应的参数值，所述参数值使得所述目标车辆在避障规划结束时的各所述行驶参数满足所述优化终止条件。

3.根据权利要求2所述的方法，其特征在于，根据所述优化指标，确定目标车辆各项控制参数对应的参数值，包括：

根据预先构建的所述目标车辆的运动学模型、所述目标车辆的动力学模型和所述优化指标，确定所述目标车辆各项控制参数对应的参数值，所述参数值使得所述目标车辆的各行驶参数之间的关系与所述目标车辆的运动学模型及所述目标车辆的动力学模型相匹配。

4.根据权利要求3所述的方法，其特征在于，所述行驶参数包括所述目标车辆在车身坐标系下的坐标，所述方法还包括：

获取所述障碍物的轮廓坐标信息；

根据所述优化指标，确定所述目标车辆的各项控制参数对应的参数值，包括：

根据所述障碍物的轮廓坐标信息、距离阈值与所述优化指标，确定所述目标车辆的各项控制参数对应的参数值，所述参数值使得所述目标车辆在避障轨迹上各点的坐标与所述轮廓坐标信息之间的距离大于所述距离阈值。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

获取各车道在所述车身坐标系下的第一边界线的曲线表达及第二边界线的曲线表达；

根据所述优化指标，确定所述目标车辆的各项控制参数对应的参数值，包括：

根据所述目标车辆的车身宽度、各所述车道的上边界线、各所述车道的下边界线及所述优化指标，确定所述目标车辆的各项控制参数对应的参数值，所述参数值使得所述目标车辆的车身边界在避障规划结束时位于任一所述车道的第一边界线及第二边界线之间，所述目标车辆的车身边界根据所述目标车辆的坐标和所述目标车辆的车身宽度确定。

6.根据权利要求1所述的方法，其特征在于，所述避障时间指标的权重系数及所述横向加速度指标的权重系数与距离余量正相关，所述避障距离指标的权重系数与所述距离余量负相关，所述距离余量为所述实际距离和所述安全距离的差值。

7.一种面向菱形车辆的自动驾驶避障规划装置，其特征在于，所述装置包括：

第一获取模块，用于在检测到障碍物的情况下，获取目标车辆与所述障碍物的实际距离，并根据所述目标车辆的速度，确定所述目标车辆与所述障碍物的安全距离；

第一确定模块，用于根据所述安全距离和所述实际距离，确定各目标指标的权重系数，所述目标指标包括避障时间指标、横向加速度指标及避障距离指标中的至少一项；

构建模块，用于根据各所述目标指标和各所述目标指标的权重系数，构建优化指标；

第二确定模块，用于确定所述目标车辆各项控制参数对应的参数值，所述各项控制参数对应的参数值使得所述优化指标满足优化条件，且使得所述目标车辆的各行驶参数满足车辆控制条件；

控制模块，用于根据所述各项控制参数对应的所述参数值，控制所述目标车辆行驶。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

Images