CN116513246A - 一种越野环境速度规划方法、系统及设备 - Google Patents
一种越野环境速度规划方法、系统及设备 Download PDFInfo
- Publication number
- CN116513246A CN116513246A CN202310806087.0A CN202310806087A CN116513246A CN 116513246 A CN116513246 A CN 116513246A CN 202310806087 A CN202310806087 A CN 202310806087A CN 116513246 A CN116513246 A CN 116513246A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- speed
- road
- information
- speed curve
- 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 62
- 230000007613 environmental effect Effects 0.000 claims abstract description 37
- 230000004044 response Effects 0.000 claims abstract description 18
- 238000005457 optimization Methods 0.000 claims description 27
- 230000001133 acceleration Effects 0.000 claims description 21
- 238000010586 diagram Methods 0.000 claims description 11
- 230000036461 convulsion Effects 0.000 claims description 5
- 230000004888 barrier function Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 14
- 238000006073 displacement reaction Methods 0.000 description 9
- 230000003068 static effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000005096 rolling process Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000035939 shock Effects 0.000 description 3
- 239000000725 suspension Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000006096 absorbing agent Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/40—Coefficient of friction
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/50—Barriers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/10—Longitudinal speed
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种越野环境速度规划方法、系统及设备，涉及车辆自动驾驶技术领域，该方法包括获取参考路径和车辆状态信息；并通过感知系统获取越野道路参数和动态障碍物信息；根据参考路径、车辆状态信息、越野道路参数和动态障碍物信息构建综合考虑环境风险、速度跟随误差及车辆和障碍物信息的安全距离模型；根据安全距离模型以及道路条件对于车辆运行速度的影响和车辆纵向垂向响应，基于多阶段决策算法，确定初步速度曲线；根据越野道路参数建立约束条件，并根据约束条件和性能指标优化初步速度曲线，得到速度曲线。本发明能够提高车辆适应越野环境复杂运行条件的能力，进而提高车辆在越野环境运行的安全性。
Description
技术领域
本发明涉及车辆自动驾驶技术领域，特别是涉及一种越野环境速度规划方法、系统及设备。
背景技术
速度规划是自动驾驶关键技术之一，是自动驾驶车辆实现安全稳定运行的基础。当前，速度规划多针对于结构化环境，参考交通路段限速进行速度规划，对于车辆与动静态障碍物间的安全距离考虑并不全面。而越野环境，一方面地形复杂，车辆运行速度受到多种因素的影响；另一方面越野环境动静态障碍物繁杂，环境因素直接影响车辆与动态障碍物的运动状态，进一步的，车辆与动静态障碍物间的安全距离受到环境因素的影响。传统速度规划未考虑复杂地形对于车辆运行速度以及车辆与障碍物间安全距离的影响，未综合考虑环境风险，不适用于复杂越野环境。
因此，为提高车辆适应越野环境复杂运行条件的能力，进而提高车辆在越野环境运行的安全性，亟需提供一种综合考虑环境风险的越野环境速度规划方法或系统。
发明内容
本发明的目的是提供一种越野环境速度规划方法、系统及设备，能够提高车辆适应越野环境复杂运行条件的能力，进而提高车辆在越野环境运行的安全性。
为实现上述目的，本发明提供了如下方案：
一种越野环境速度规划方法，包括：
获取参考路径和车辆状态信息；并通过感知系统获取越野道路参数和动态障碍物信息；所述车辆状态信息包括：车辆的位姿信息和执行机构信息；所述越野道路参数包括：线形条件和路面类型及对应的附着系数和阻力系数；所述动态障碍物信息包括：动态障碍物的位姿信息和属性信息；
根据参考路径、车辆状态信息、越野道路参数和动态障碍物信息构建综合考虑环境风险、速度跟随误差及车辆和障碍物信息的安全距离模型；
根据安全距离模型以及道路条件对于车辆运行速度的影响和车辆纵向垂向响应，基于多阶段决策算法，确定初步速度曲线；
根据越野道路参数建立约束条件，并根据约束条件和性能指标优化初步速度曲线，得到速度曲线。
可选地，所述根据参考路径、车辆状态信息、越野道路参数和动态障碍物信息构建综合考虑环境风险、速度跟随误差及车辆和障碍物信息的安全距离模型，具体包括：
利用公式确定综合考虑环境风险、速度跟随误差及车辆和障碍物信息的安全距离模型；
其中，为综合考虑环境风险、速度跟随误差及车辆和障碍物信息的安全距离模型，/>为环境风险因子，/>为停车安全距离，/>为自车与动态障碍物相对速度，/>为制动响应时间，/>为由于相对运动状态和越野道路参数引起的制动距离，/>为由于纵向速度跟随误差和越野道路参数引起的制动距离。
可选地，利用公式确定环境风险因子；
其中，为良好道路参数下制动距离，/>为当前越野道路参数下车辆制动距离。
可选地，所述根据安全距离模型以及道路条件对于车辆运行速度的影响和车辆纵向垂向响应，基于多阶段决策算法，确定初步速度曲线，具体包括：
根据车辆的位姿信息和动态障碍物的位姿信息以及安全距离模型预测车辆和动态障碍物的轨迹，并基于局部参考路径和预测时域建立s-t图；
在s-t图上撒点采样，并建立综合考虑车辆运行安全性、参考偏差和速度曲线平滑性的优化问题，通过多阶段动态决策算法求解，得到速度曲线初解，并作为初步速度曲线。
可选地，所述优化问题中每个节点的代价为：
；
其中，、/>和/>为权重系数，/>为节点/>处的安全性代价项，为节点/>处的参考偏差代价项，/>为节点/>处的平滑度代价项。
可选地，所述根据越野道路参数建立约束条件，并根据约束条件和性能指标优化初步速度曲线，得到速度曲线，具体包括：
根据车辆性能、局部参考路径和越野道路参数建立约束条件；
综合考虑约束条件和性能指标，建立多目标优化问题；
建立多目标优化问题的连续性约束和边界约束，进而对多目标优化问题进行求解，确定速度曲线。
可选地，所述多目标优化问题具体为：
；
其中，为多目标优化问题，/>为初步速度曲线的节点个数，/>，/>、、/>分别代表三个优化目标的权重系数，/>、/>、/>和/>分别表示第/>个点处的纵向速度、纵向加速度、纵向加加速度和参考速度，/>为权重系数，/>为松弛因子，约束违反量。
一种越野环境速度规划系统，包括：
信息获取模块，用于获取参考路径和车辆状态信息；并通过感知系统获取越野道路参数和动态障碍物信息；所述车辆状态信息包括：车辆的位姿信息和执行机构信息；所述越野道路参数包括：线形条件和路面类型及对应的附着系数和阻力系数；所述动态障碍物信息包括：动态障碍物的位姿信息和属性信息；
安全距离模型构建模块，用于根据参考路径、车辆状态信息、越野道路参数和动态障碍物信息构建综合考虑环境风险、速度跟随误差及车辆和障碍物信息的安全距离模型；
初步速度曲线确定模块，用于根据安全距离模型以及道路条件对于车辆运行速度的影响和车辆纵向垂向响应，基于多阶段决策算法，确定初步速度曲线；
速度曲线确定模块，用于根据越野道路参数建立约束条件，并根据约束条件和性能指标优化初步速度曲线，得到速度曲线。
一种越野环境速度规划设备，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现所述的方法。
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：
本发明所提供的一种越野环境速度规划方法、系统及设备，针对越野环境，考虑到环境因素直接影响车辆与动态障碍物的运动状态，间接影响车辆与动静态障碍物间的安全距离，综合考虑环境风险、车辆纵向速度跟随误差及车辆和障碍物信息建立安全距离模型；结合综合考虑环境风险的安全距离模型，将越野道路参数对于车辆运行速度的影响和车辆纵向垂向响应考虑在内，基于多阶段决策算法求解速度规划初解；根据越野道路参数建立约束条件，引入半硬约束，综合考虑约束条件和性能指标优化初步速度曲线，最终得到一条安全平滑且符合车辆动力学约束的速度曲线，可提高车辆适应越野环境复杂运行条件的能力，提高车辆在越野环境运行的安全性。
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为本发明所提供的一种越野环境速度规划方法流程示意图；
图2为本发明实施例提供的一种越野环境速度规划方法安全距离模型逻辑框架图；
图3为本发明实施例提供的一种越野环境速度规划方法s-t图；
图4为本发明实施例提供的一种越野环境速度规划方法可行边界及安全距离示意图。
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越野环境速度规划方法、系统及设备，能够提高车辆适应越野环境复杂运行条件的能力，进而提高车辆在越野环境运行的安全性。
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。
如图1所示，本发明所提供的一种越野环境速度规划方法，包括：
S101，获取参考路径和车辆状态信息；并通过感知系统获取越野道路参数和动态障碍物信息；所述车辆状态信息包括：车辆的位姿信息和执行机构信息；车辆的位姿信息包括车辆位置横纵坐标、车辆速度、加速度、车辆航向角、横摆角速度；车辆的执行机构信息包括油门开度信息、制动压力信息和前轮转角信息；所述越野道路参数包括：线形条件和路面类型及对应的附着系数和阻力系数；线形条件包括坡道角度、曲率、起伏程度；所述动态障碍物信息包括：动态障碍物的位姿信息和属性信息。动态障碍物的位姿信息包括动态障碍物的位置横纵坐标、高度、速度、加速度。参考路径包括局部参考路径，局部参考路径信息具体包括路径参考点横纵坐标和对应的曲率。
S102，根据参考路径、车辆状态信息、越野道路参数和动态障碍物信息构建综合考虑环境风险、速度跟随误差及车辆和障碍物信息的安全距离模型；安全距离模型逻辑框架如图2所示。
S102具体包括：
利用公式确定综合考虑环境风险、速度跟随误差及车辆和障碍物信息的安全距离模型；
其中，为综合考虑环境风险、速度跟随误差及车辆和障碍物信息的安全距离模型，/>为环境风险因子，/>为停车安全距离，越野道路参数有关，一般取2-5m，/>为自车与动态障碍物相对速度，/>为制动响应时间，/>为由于相对运动状态和越野道路参数引起的制动距离，/>为由于纵向速度跟随误差和越野道路参数引起的制动距离。
利用公式确定环境风险因子。
其中，为良好道路参数下制动距离，/>为当前越野道路参数下车辆制动距离。
首先分析环境因素对于安全距离的影响。
1）传统基于制动过程的安全距离模型可表示为:
。
其中，为制动响应时间；/>为制动最大减速度，一般给定值，并不随越野道路参数变化，/>为制动速度。
2)传统基于制动过程的安全距离模型并未考虑越野道路参数，所以考虑越野道路参数，根据制动受力分析图可以得到下坡过程中最大制动减速度可表示为：
。
其中，为主车最大制动减速度；/>为附着系数，不同路面类型对应于不同的道路系数；/>为坡道角度；/>为重力加速度。
根据制动过程分析可得简化后的车辆总制动距离可表示为：
。
其中，为制动系统响应时间；/>为制动器作用时间，由于本发明针对自动驾驶系统，所以忽略驾驶人反应时间，而是关注制动系统响应时间。
则综合考虑越野道路参数对于车辆间安全距离的影响的安全距离模型为：
。
其中，。
其次分析动态障碍物信息对于安全距离的影响，本发明应用对象为轮式车辆。根据动态障碍物属性匹配对应的，计算对应的安全距离。轮式车辆与履带车辆有不同的附着系数和阻力系数，所以将轮式车辆和履带车辆分别单独归类，设置动态障碍物类型包括轮式车辆、履带车辆和其他障碍物。
1）当动态障碍物为障碍车辆，且障碍车辆为轮式车辆时，可表示为：
。
其中，为阻碍车辆速度。
轮式车辆附着系数和阻力系数如表1所示：
表1 轮式车辆各路面附着系数和滚动阻力系数表
2）当动态障碍物为障碍车辆，且障碍车辆为履带车辆时，可表示为：
。
履带车辆附着系数和阻力系数（参考坦克车辆附着系数和阻力系数）如表2所示：
表2 履带车辆各路面附着系数和滚动阻力系数表
3）当动态障碍物不为障碍车辆时，只计算自车紧急制动距离，可表示为：
。
分析纵向速度跟随误差对于安全距离的影响，自动驾驶车辆轨迹跟随过程中存在纵向速度跟随误差，在规划过程中，车辆与障碍物间的安全距离也受到速度误差的影响，假设规划过程中速度误差保持与规划起点一致，由于纵向速度跟随误差带来的制动距离可表示为：
。
其中，为纵向速度。
量化越野环境越野道路参数风险。
根据车辆当前状态计算良好越野道路参数下制动距离：
。
根据参数辨识得到前方道路坡度、曲率及路面类型等道路参数信息，计算当前越野道路参数下车辆制动距离：
。
其中，为前方路段路面类型所对应的路面附着系数；/>为前方路段坡道角度。
获取环境风险因子为：
。
其中，为良好越野道路参数下制动距离，/>为当前越野道路参数下车辆制动距离。
S103，根据安全距离模型以及道路条件对于车辆运行速度的影响和车辆纵向垂向响应，基于多阶段决策算法，确定初步速度曲线。
S103具体包括：
步骤31，根据车辆的位姿信息和动态障碍物的位姿信息以及安全距离模型预测车辆和动态障碍物的轨迹，并基于局部参考路径和预测时域建立s-t图。
建立s-t图，具体为：
首先将局部参考路径进行坐标转换，由笛卡尔坐标系转换到frenet坐标系下，根据预测时域和路径长度建立s-t图。
根据车辆和动态障碍物位姿信息将车辆和动态障碍物投影到s-t图上。
根据车辆和动态障碍物位姿信息预测预测时域内动态障碍物轨迹，并将轨迹投影到s-t图上，如图3所示。
步骤32，在s-t图上撒点采样，并建立综合考虑车辆运行安全性、参考偏差和速度曲线平滑性的优化问题，通过多阶段动态决策算法求解，得到速度曲线初解，并作为初步速度曲线。
所述优化问题中每个节点的代价为：
。
其中，、/>和/>为权重系数，/>为节点/>处的安全性代价项，/>为节点/>处的参考偏差代价项，/>为节点/>处的平滑度代价项。
其中，为：/>
其中，为时间维度上的索引，/>为纵向维度上的索引，/>为第/>个时间节点障碍物下边界，/>为第/>个时间节点障碍物上边界，/>为第/>个时间节点安全跟车距离，根据所提安全距离模型计算得到，/>为第/>个时间节点安全超车距离，/>为节点/>处的纵向位移，/>为下界。
表示如下：
。
其中，为节点/>处的速度，/>；/>为节点/>处的参考速度，/>为节点/>处的纵向位移，/>为节点与节点/>的时间差。
表示为：
。
其中，、/>、/>和/>分别表示纵向加速度、纵向冲击度、车身垂向加速度和车身垂向冲击度的权重。/>为节点/>处的纵向加速度，/>为节点/>处的纵向冲击度，可表示为：
。
其中，表示节点/>处的纵向速度，/>表示节点/>处的纵向速度，/>表示节点/>处的纵向加速度。
为节点/>处的车身垂向加速度，垂向加速度的平方可表示为：
。
其中，。
式中，为地面的输入激振频率，/>；/>为质量比，/>；/>为车轮质量；/>为刚度比，/>；/>为轮胎刚度；/>为悬架弹簧刚度；/>为悬架系统的固有频率，/>；/>为车身质量；/>为悬架阻尼比，/>；/>为减振器阻尼系数；/>为路面不平度系数；/>为参考空间频率，取/>。
为节点/>处的车身垂向冲击度，可表示为：
。
其中，表示节点/>处的垂向加速度，/>表示节点处的垂向加速度。
步骤33，基于多阶段动态决策算法求解得到初步速度曲线，通过多阶段动态决策算法分别遍历时间维度和空间维度处于最外层的节点，然后找到各节点所对应的最小代价速度曲线为候选曲线，最后对比各候选曲线的代价，获取代价最小的候选曲线即为初步速度曲线。
S104，根据越野道路参数建立约束条件，并根据约束条件和性能指标优化初步速度曲线，得到速度曲线。
S104具体包括：
步骤41，根据车辆性能、局部参考路径和越野道路参数建立约束条件。
1）坡道条件下车辆临界速度计算，为坡道条件提供车辆速度限制。
坡道条件下最大行驶阻力具体为：
。
其中，。
式中，为滚动阻力；/>为滚动阻力系数，/>为车辆质量。
。
式中，为空气阻力；/>为空气阻力系数；/>为迎风面积；/>为汽车和空气的相对速度，/>为空气密度。
。
式中，表示坡度阻力；/>表示坡道角度。
则，根据车辆功率和最大行驶阻力可得，车辆坡道条件下最高行驶车速为：
。
式中，为车辆驱动系统额定功率。
2）弯道条件下车辆临界速度计算，为弯道条件提供车辆速度限制；
车辆弯道行驶离心力为：
。
其中，为路径曲率，/>为车辆弯道行驶速度。
如果弯道存在超高，则将超高考虑在内，超高所造成的横坡坡道角度为，则车辆不发生侧滑的临界条件为：
。
即，车辆不发生侧滑的临界速度为：
。
其中，为对应的路面附着系数，/>为弯道半径。
3）起伏路面条件下车辆临界速度计算，为起伏越野道路参数提供车辆速度限制。
起伏越野道路参数下车辆速度过快会导致轮胎离地，车辆腾空，导致车辆运行稳定性变差甚至失稳，轮胎不离地的条件为：
。
其中，为起伏路面条件下的路径曲率。
则，起伏路面条件下车辆临界速度为：
。
4）路径约束：为躲避动静态障碍物，路径规划的重规划路径相对原参考路径会有曲率变化，车辆运行速度会受到变化曲率的影响，需保证在变化曲率下安全平稳运行。
路径约束可以被定义为如下形式：
。
。
其中，为车辆运行速度，/>为车辆运行速度最大值，/>为在变化曲率下的最大速度，/>为参考速度曲线最大速度阈值，/>为根据规划路径曲率计算得到的速度阈值。
步骤42，综合考虑约束条件和性能指标，建立多目标优化问题；
优化问题的目标是得到个点的坐标/>，组成最终的曲线从/>开始，每隔固定间隔/>取值，得到/>个/>坐标：/>。对于第/>个点，/>表示了纵向位移；/>为其/>坐标相对于时间/>的变化率，表示了纵向速度；/>为其/>坐标相对于时间/>的二阶导数，表示了纵向加速度。因此，优化变量可表示为
。
代价函数主要包括与参考速度的偏移程度和速度曲线的平滑性两个指标。第一个指标可以通过最小化来完成。对于第二个指标，可以使速度变化尽量轻微，即最小化纵向加速度/>和纵向冲击度/>。
因此代价函数可表示为：
。
式中，、/>、/>分别代表三个优化目标的权重系数；/>、/>、/>和/>分别表示第/>个点处的速度、加速度、加加速度和参考速度。
引入半硬约束，将其表现为权重系数和松弛因子，在保证车辆运行安全及垂向冲击保持在一定范围的条件下提升车辆的运动能力。
车辆在起伏路面运行过程中，若速度过快轮胎会脱离路面导致车辆悬空，起伏路面速度限制会强制车辆速度保持在不发生轮胎离地的范围内，表现为硬约束，这样虽然会保证车辆的高舒适性，但却以车辆的运动能力为代价，当紧急情况出现时，速度规划器必须打破该硬约束，以利用更多的移动能力生成安全的速度曲线，通过暂时忽略舒适度约束来避免规划失败。当问题中有上述硬约束时，无法达到上述目标。因此，本发明采用罚函数和松驰因子松驰接地约束，这就使硬约束转变为半硬约束。通过松驰因子获取一个等价的优化问题。
所述多目标优化问题具体为：
。
其中，为多目标优化问题，/>为初步速度曲线的节点个数，/>，/>、、/>分别代表三个优化目标的权重系数，/>为权重系数，/>为松弛因子，约束违反量。
步骤43，建立多目标优化问题的连续性约束和边界约束，进而对多目标优化问题进行求解，确定速度曲线。
建立连续性约束：由于优化问题中的曲线是通过离散点来表示的，因此在点与点之间需要施加连续性约束。在第n和第n+1个点之间，需要满足以下关系：
。
其中，为纵向冲击度，/>。
建立边界约束：速度曲线上每一个点都应满足边界约束，保障车辆运动在合理区域且不会与动态障碍物相碰撞，因此全部个路径点都应在/>方向满足位置的边界约束，纵向可行边界及安全距离示意如图4所示。边界约束可表示为：
。
其中，为全部规划点的纵向位移、纵向速度、纵向加速度和纵向冲击度信息，/>和/>分别为全部规划点的纵向位移、纵向速度、纵向加速度和纵向冲击度上下界，具体可以表示为：/>
。
。
。
其中，纵向位移边界由速度曲线初解所在的可行区域给出，分别为和/>，纵向位移、纵向速度、纵向加速度和纵向冲击度上、下边界，其中/>，/>为第/>个点处的纵向位移下界，/>为第/>个点处的纵向位移上界，/>为第/>个点处的纵向速度下界，/>为第/>个点处的纵向速度上界，/>为第/>个点处的纵向加速度下界，/>为第/>个点处的纵向加速度上界，/>为第/>个点处的纵向冲击度下界，/>为第/>个点处的纵向冲击度上界。
本发明主要从越野环境复杂环境因素出发，建立综合考虑复杂道路环境因素、车辆纵向速度跟随误差及车辆和障碍物信息的安全距离模型，将车辆纵垂向响应考虑在内，结合多阶段决策算法和多目标优化算法求解优化得到一条安全平滑且符合车辆动力学约束的速度曲线，可提高车辆适应越野环境复杂运行条件的能力，提高车辆在越野环境运行的安全性。
本发明的技术方案转化后的预期收益和商业价值为：对于越野环境自动驾驶车辆，如矿山车辆、基建运输车辆执行运输任务搭载本发明提出的速度规划方法，可提高其适应越野环境复杂环境因素的能力，提高车辆在越野环境运行的安全性。
本发明填补了综合考虑环境风险的越野环境速度规划技术空白。传统速度规划多针对于结构化环境，参考交通路段限速进行速度规划，且对于车辆与动静态障碍物间的安全距离考虑并不全面。而越野环境，一方面地形复杂，车辆运行速度受到多种因素的影响；另一方面越野环境动静态障碍物繁杂，环境因素直接影响车辆与动态障碍物的运动状态，进一步的，车辆与动静态障碍物间的安全距离受到环境因素的影响。传统速度规划未考虑复杂地形对于车辆运行速度以及车辆与障碍物间安全距离的影响，未综合考虑环境风险，不适用于复杂越野环境。本发明针对上述问题，设计了一种综合考虑环境风险的越野环境速度规划方法，综合考虑环境风险、车辆纵向速度跟随误差及车辆和障碍物信息建立安全距离模型；结合综合考虑环境风险安全距离模型，将越野道路参数对于车辆运行速度的影响和车辆纵向垂向响应考虑在内，基于多阶段决策算法求解速度规划初解；根据越野道路参数建立约束条件，综合考虑约束条件和性能指标优化初步速度曲线，最终得到一条安全平滑且符合车辆动力学约束的速度曲线，可提高车辆适应越野环境复杂运行条件的能力，提高车辆在越野环境运行的安全性。
作为另一个具体的实施例，本发明所提供的一种越野环境速度规划系统，包括：
信息获取模块，用于获取参考路径和车辆状态信息；并通过感知系统获取越野道路参数和动态障碍物信息；所述车辆状态信息包括：车辆的位姿信息和执行机构信息；所述越野道路参数包括：线形条件和路面类型及对应的附着系数和阻力系数；所述动态障碍物信息包括：动态障碍物的位姿信息和属性信息。
安全距离模型构建模块，用于根据参考路径、车辆状态信息、越野道路参数和动态障碍物信息构建综合考虑环境风险、速度跟随误差及车辆和障碍物信息的安全距离模型。
初步速度曲线确定模块，用于根据安全距离模型以及道路条件对于车辆运行速度的影响和车辆纵向垂向响应，基于多阶段决策算法，确定初步速度曲线。
速度曲线确定模块，用于根据越野道路参数建立约束条件，并根据约束条件和性能指标优化初步速度曲线，得到速度曲线。
为了执行上述实施例对应的方法，以实现相应的功能和技术效果，本发明所提供的一种越野环境速度规划设备，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现所述的方法。
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 (9)
1.一种越野环境速度规划方法，其特征在于，包括：
获取参考路径和车辆状态信息；并通过感知系统获取越野道路参数和动态障碍物信息；所述车辆状态信息包括：车辆的位姿信息和执行机构信息；所述越野道路参数包括：线形条件和路面类型及对应的附着系数和阻力系数；所述动态障碍物信息包括：动态障碍物的位姿信息和属性信息；
根据参考路径、车辆状态信息、越野道路参数和动态障碍物信息构建综合考虑环境风险、速度跟随误差及车辆和障碍物信息的安全距离模型；
根据安全距离模型以及道路条件对于车辆运行速度的影响和车辆纵向垂向响应，基于多阶段决策算法，确定初步速度曲线；
根据越野道路参数建立约束条件，并根据约束条件和性能指标优化初步速度曲线，得到速度曲线。
2.根据权利要求1所述的一种越野环境速度规划方法，其特征在于，所述根据参考路径、车辆状态信息、越野道路参数和动态障碍物信息构建综合考虑环境风险、速度跟随误差及车辆和障碍物信息的安全距离模型，具体包括：
利用公式确定综合考虑环境风险、速度跟随误差及车辆和障碍物信息的安全距离模型；
其中，为综合考虑环境风险、速度跟随误差及车辆和障碍物信息的安全距离模型，为环境风险因子，/>为停车安全距离，/>为自车与动态障碍物相对速度，/>为制动响应时间，/>为由于相对运动状态和越野道路参数引起的制动距离，/>为由于纵向速度跟随误差和越野道路参数引起的制动距离。
3.根据权利要求2所述的一种越野环境速度规划方法，其特征在于，利用公式确定环境风险因子；
其中，为良好道路参数下制动距离，/>为当前越野道路参数下车辆制动距离。
4.根据权利要求2所述的一种越野环境速度规划方法，其特征在于，所述根据安全距离模型以及道路条件对于车辆运行速度的影响和车辆纵向垂向响应，基于多阶段决策算法，确定初步速度曲线，具体包括：
根据车辆的位姿信息和动态障碍物的位姿信息以及安全距离模型预测车辆和动态障碍物的轨迹，并基于局部参考路径和预测时域建立s-t图；
在s-t图上撒点采样，并建立综合考虑车辆运行安全性、参考偏差和速度曲线平滑性的优化问题，通过多阶段动态决策算法求解，得到速度曲线初解，并作为初步速度曲线。
5.根据权利要求4所述的一种越野环境速度规划方法，其特征在于，所述优化问题中每个节点的代价为：
；
其中，、/>和/>为权重系数，/>为节点/>处的安全性代价项，/>为节点/>处的参考偏差代价项，/>为节点/>处的平滑度代价项。
6.根据权利要求5所述的一种越野环境速度规划方法，其特征在于，所述根据越野道路参数建立约束条件，并根据约束条件和性能指标优化初步速度曲线，得到速度曲线，具体包括：
根据车辆性能、局部参考路径和越野道路参数建立约束条件；
综合考虑约束条件和性能指标，建立多目标优化问题；
建立多目标优化问题的连续性约束和边界约束，进而对多目标优化问题进行求解，确定速度曲线。
7.根据权利要求6所述的一种越野环境速度规划方法，其特征在于，所述多目标优化问题具体为：
；
其中，为多目标优化问题，/>为初步速度曲线的节点个数，/>，/>、/>、分别代表三个优化目标的权重系数，/>、/>、/>和/>分别表示第/>个点处的纵向速度、纵向加速度、纵向加加速度和参考速度，/>为权重系数，/>为松弛因子。
8.一种越野环境速度规划系统，其特征在于，包括：
信息获取模块，用于获取参考路径和车辆状态信息；并通过感知系统获取越野道路参数和动态障碍物信息；所述车辆状态信息包括：车辆的位姿信息和执行机构信息；所述越野道路参数包括：线形条件和路面类型及对应的附着系数和阻力系数；所述动态障碍物信息包括：动态障碍物的位姿信息和属性信息；
安全距离模型构建模块，用于根据参考路径、车辆状态信息、越野道路参数和动态障碍物信息构建综合考虑环境风险、速度跟随误差及车辆和障碍物信息的安全距离模型；
初步速度曲线确定模块，用于根据安全距离模型以及道路条件对于车辆运行速度的影响和车辆纵向垂向响应，基于多阶段决策算法，确定初步速度曲线；
速度曲线确定模块，用于根据越野道路参数建立约束条件，并根据约束条件和性能指标优化初步速度曲线，得到速度曲线。
9.一种越野环境速度规划设备，其特征在于，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310806087.0A CN116513246B (zh) | 2023-07-04 | 2023-07-04 | 一种越野环境速度规划方法、系统及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310806087.0A CN116513246B (zh) | 2023-07-04 | 2023-07-04 | 一种越野环境速度规划方法、系统及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116513246A true CN116513246A (zh) | 2023-08-01 |
| CN116513246B CN116513246B (zh) | 2023-09-12 |
Family
ID=87401556
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310806087.0A Active CN116513246B (zh) | 2023-07-04 | 2023-07-04 | 一种越野环境速度规划方法、系统及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116513246B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117091618A (zh) * | 2023-10-18 | 2023-11-21 | 理工雷科智途(北京)科技有限公司 | 一种无人驾驶车辆路径规划方法、装置及电子设备 |
| CN117146845A (zh) * | 2023-08-28 | 2023-12-01 | 北京理工大学 | 一种无人越野车辆通过障碍地形的安全行为检测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200339153A1 (en) * | 2019-04-25 | 2020-10-29 | WeRide Corp. | Apparatus and method for controlling velocity of autonomous driving vehicle, and storage medium |
| CN113044029A (zh) * | 2021-03-19 | 2021-06-29 | 北京理工大学 | 一种保证无人车在三维地形上安全行驶的运动规划方法 |
| CN114372375A (zh) * | 2022-01-13 | 2022-04-19 | 华中科技大学 | 一种越野车安全行驶区域求解方法及系统 |
| CN114879665A (zh) * | 2022-04-22 | 2022-08-09 | 重庆长安汽车股份有限公司 | 用于车辆远程召唤系统的安全节能运动规划方法及系统 |
| CN115257724A (zh) * | 2022-07-07 | 2022-11-01 | 同济大学 | 一种插电式混动汽车安全节能决策控制方法和系统 |
| CN116136417A (zh) * | 2023-04-14 | 2023-05-19 | 北京理工大学 | 一种面向越野环境的无人驾驶车辆局部路径规划方法 |
| CN116202533A (zh) * | 2023-05-05 | 2023-06-02 | 山东科技大学 | 一种基于地形重构的车辆轨迹导航规划方法及设备 |
-
2023
- 2023-07-04 CN CN202310806087.0A patent/CN116513246B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200339153A1 (en) * | 2019-04-25 | 2020-10-29 | WeRide Corp. | Apparatus and method for controlling velocity of autonomous driving vehicle, and storage medium |
| CN113044029A (zh) * | 2021-03-19 | 2021-06-29 | 北京理工大学 | 一种保证无人车在三维地形上安全行驶的运动规划方法 |
| CN114372375A (zh) * | 2022-01-13 | 2022-04-19 | 华中科技大学 | 一种越野车安全行驶区域求解方法及系统 |
| CN114879665A (zh) * | 2022-04-22 | 2022-08-09 | 重庆长安汽车股份有限公司 | 用于车辆远程召唤系统的安全节能运动规划方法及系统 |
| CN115257724A (zh) * | 2022-07-07 | 2022-11-01 | 同济大学 | 一种插电式混动汽车安全节能决策控制方法和系统 |
| CN116136417A (zh) * | 2023-04-14 | 2023-05-19 | 北京理工大学 | 一种面向越野环境的无人驾驶车辆局部路径规划方法 |
| CN116202533A (zh) * | 2023-05-05 | 2023-06-02 | 山东科技大学 | 一种基于地形重构的车辆轨迹导航规划方法及设备 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117146845A (zh) * | 2023-08-28 | 2023-12-01 | 北京理工大学 | 一种无人越野车辆通过障碍地形的安全行为检测方法 |
| CN117091618A (zh) * | 2023-10-18 | 2023-11-21 | 理工雷科智途(北京)科技有限公司 | 一种无人驾驶车辆路径规划方法、装置及电子设备 |
| CN117091618B (zh) * | 2023-10-18 | 2024-01-26 | 理工雷科智途(北京)科技有限公司 | 一种无人驾驶车辆路径规划方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116513246B (zh) | 2023-09-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116513246B (zh) | 一种越野环境速度规划方法、系统及设备 | |
| CN110362096B (zh) | 一种基于局部最优性的无人驾驶车辆动态轨迹规划方法 | |
| CN104859650B (zh) | 一种多时间尺度的车辆横摆稳定性滚动优化控制方法 | |
| Ahn et al. | Ecodrive application: Algorithmic development and preliminary testing | |
| Novi et al. | Real-time control for at-limit handling driving on a predefined path | |
| CN106004870A (zh) | 一种基于变权重模型预测算法的车辆稳定性集成控制方法 | |
| CN110716562A (zh) | 基于强化学习的无人驾驶汽车多车道行驶的决策方法 | |
| CN114379583B (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 | |
| CN116499486B (zh) | 一种复杂越野环境路径规划方法、系统及电子设备 | |
| CN111930112A (zh) | 一种基于mpc的智能车辆路径跟踪控制方法及系统 | |
| Hongbo et al. | Lane‐keeping control based on an improved artificial potential method and coordination of steering/braking systems | |
| CN115593433A (zh) | 一种自动驾驶车辆远程接管方法 | |
| Tajeddin et al. | Ecological cruise control of a plug-in hybrid electric vehicle: A comparison of different gmres-based nonlinear model predictive controls | |
| Kebbati et al. | Coordinated PSO-PID based longitudinal control with LPV-MPC based lateral control for autonomous vehicles | |
| Zhao et al. | PID slip control based on vertical suspension system for in-wheel-motored electric vehicles | |
| Lin et al. | Adaptive prediction-based control for an ecological cruise control system on curved and hilly roads | |
| CN116039672A (zh) | 一种面向自动驾驶决策控制功能的数据-模型后端融合方法 | |
| Wu et al. | An optimal longitudinal control strategy of platoons using improved particle swarm optimization | |
| CN113327457B (zh) | 一种基于车路协同技术的车辆避碰系统及方法 | |
| Wei et al. | Minimum time approach to emergency collision avoidance by vehicle handling inverse dynamics | |
| CN115140048A (zh) | 一种自动驾驶行为决策与轨迹规划模型与方法 | |
| Hou et al. | Vehicle ride comfort optimization in the post-braking phase using residual reinforcement learning | |
| US20220402508A1 (en) | Model Predictive Control of Multiple Components of a Motor Vehicle | |
| Németh et al. | Design of fault-tolerant cruise control in a hierarchical framework for connected automated vehicles | |
| Liu et al. | Optimal control of path tracking for vehicle-handling dynamics |
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 |