CN117968719A - 一种适用于环形交叉口的自动驾驶路径规划方法 - Google Patents
一种适用于环形交叉口的自动驾驶路径规划方法 Download PDFInfo
- Publication number
- CN117968719A CN117968719A CN202410376152.5A CN202410376152A CN117968719A CN 117968719 A CN117968719 A CN 117968719A CN 202410376152 A CN202410376152 A CN 202410376152A CN 117968719 A CN117968719 A CN 117968719A
- Authority
- CN
- China
- Prior art keywords
- path
- bezier
- point
- lane
- automatic driving
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000005457 optimization Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 abstract 1
- 230000007704 transition Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000005192 partition Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种适用于环形交叉口的自动驾驶路径规划方法,根据决策任务是否需要绕中心岛行驶,采用不同路径规划方法;在不需要绕中心岛行驶时,对存在车道线引导的路段拟合生成规划路径,对不存在车道线引导的路段,基于连续性条件插值生成该路段的规划路径。需要绕中心岛行驶时,对于存在车道线引导的路段拟合生成规划路径,但中心岛绕行段需先优化选取出合流点/分流点,再拟合生成规划路径;驶入路段和中心岛绕行段之间不存在车道线引导的路段,基于连续性条件插值生成该段的规划路径。本发明针对自动驾驶车辆在环形交叉口的导航问题,尤其是没有清晰车道线指引的情况,利用Bezier曲线拟合与插值分段生成参考路径,保证了路径的平滑性和连续性。
Description
技术领域
本发明涉及自动驾驶汽车决策控制技术领域,尤其涉及环形交叉口场景下的自动驾驶路径规划方法。
背景技术
在结构化城市道路中,自动驾驶车辆通常基于以车道中心线为参考的Frenet坐标系(S-L坐标系)描述车辆的运动与跟踪控制。然而,车辆在驶入与驶出环形交叉口时,并没有完整的车道线作为指引。因此,自动驾驶车辆需要基于自身感知系统或高精地图构建虚拟的车道中心线为规划和控制提供参考。
同时,虚拟车道中心线(S线)的连续性与平顺性也会影响自动驾驶车辆的控制性能。路径的舒适性取决于其连续性(即平滑性),连续性包括几何连续与参数连续。由于导数的严格约束,参数连续性不允许灵活的曲线参数化。相比之下,几何连续性施加的约束适应了相邻曲线段参数化之间的差异,因此通常使用几何连续性来平滑路径。常见的几何连续包括位置连续、切向连续/>和曲率连续/>。
在环形交叉口场景中,方向盘转角处于一个连续变化的过程,当车辆高速行驶至曲率不连续处,会导致较高的方向盘转速,在造成较大加速度变化(Jerk)使人感到不舒适的同时,也给自动驾驶车辆造成较大的跟踪误差。
因此,需要一种更加适用于环形交叉口的自动驾驶路径规划方法,可以提高自动驾驶车辆驶入与驶出环形交叉口时的安全性和舒适性。
发明内容
为了解决现有技术中存在的不足,本发明提供一种适用于环形交叉口的自动驾驶路径规划方法,旨在实现自动驾驶车辆驶入与驶出环形交叉口时的安全性、舒适性以及效率。
本发明所采用的技术方案如下:
一种适用于环形交叉口场景的自动驾驶路径规划方法,包括以下步骤:
判断自动驾驶车辆的决策任务是否需要绕中心岛行驶;
若自动驾驶车辆的决策任务不需要绕中心岛行驶,生成路径的过程为:
S2.1、针对车道两侧存在车道线引导的驶入路段和驶出路段,均采用拟合的方法生成拟合五次Bezier参考路径L1和L3;
S2.2、针对车道两侧不存在车道线引导的环岛区域,则基于连续性条件和S1.1生成的拟合五次Bezier参考路径L1和L3,采用插值的方法生成插值五次Bezier参考路径L2;
S2.3、将S2.1和S2.2生成的拟合五次Bezier参考路径L1和L3与插值五次Bezier参考路径L2按照行驶顺序依次连接,构成该决策任务对应的自动驾驶参考路径;
若自动驾驶车辆的决策任务需要绕中心岛行驶,生成路径的过程为:
S3.1、针对车道两侧存在车道线引导的驶入路段,采用拟合的方法生成拟合五次Bezier参考路径L1;
S3.2、以沿中心岛绕行的起点为合流点;设合流点在目标循环车道的道路中心线上,且优化迭代方向与交通流方向相同;沿着目标循环中心线优化迭代出理想的合流点;
S3.3、基于合流点,针对车道两侧存在车道线引导的中心岛绕行段,采用拟合的方法生成拟合五次Bezier参考路径L3;
S3.4、基于S2.1中驶入路段的拟合五次Bezier参考路径L1和L3与连续性条件,采用插值的方法生成驶入路段和中心岛绕行段之间的插值五次Bezier参考路径L2;
S3.5、按照行驶顺序依次连接S3.1- S3.4中的参考路径L1、L2和L3,得到驶入环形交叉口的参考路径;
S3.6、驶出环形交叉口是驶入环形交叉口的镜像行为,参考S3.1- S3.5得到驶出环形交叉口的参考路径,构成该决策任务对应的自动驾驶参考路径。
进一步,采用拟合生成参考路径的方法是:根据两侧车道线计算道路中心点,采用最小二乘法对离散的道路中心点进行拟合,反算出五次Bezier曲线的控制点,再根据控制点正算出拟合五次Bezier参考路径。
进一步,采用插值生成参考路径的方法是:基于已经确定的拟合五次Bezier参考路径,由于插值五次Bezier参考路径两端控制点与其两端已经确定的拟合五次Bezier参考路径的端点重合且满足连续性条件,由此构建插值五次Bezier参考路径的控制点,获得插值五次Bezier参考路径。
进一步,所述连续性条件是指满足G 0、G 1、G 2连续性。
进一步,优化迭代出理想的合流点或分流点的方法为:
以环形交叉口的中心为原点,建立环形交叉口全局坐标系;
以驶入路段的拟合五次Bezier参考路径L1上最后一个控制点P 1,5点处的切线与目标循环车道中心线的交叉点P * 2,5为迭代的起点;P * 2,5是车辆保持其当前航向通过驶入线并行驶到目标循环车道中心线的地点;
P 1,5到P * 2,5的线段为最小成本路径;
P * 2,5与坐标系原点的连线与x轴之间的夹角为迭代初始角θ;
以P * 2,5为迭代起点,沿着目标循环中心线优化迭代出理想的偏转角度,/> ∈[0,π/2]。
进一步,将合流点、分流点、高阶连续性的比例系数的优化过程中的多个约束条件概括多目标优化问题,表示如下:
其中,为相对路径长度,/>是路径曲率峰值绝对值的总和;/>是路径曲率一阶导数峰值绝对值的总和;/>是路径曲率二阶导数峰值绝对值的总和;均为高阶连续性的比例系数;∆为偏转角度;k是路径的曲率,/>是路径的曲率的变化率;/>为最小转弯半径的倒数;/>为最大曲率率。
进一步,是参考路径生成的四个评价指标,分别表示如下:
其中,相对路径长度为真实路径/>与最小成本路径/>之间的差值;/>是路径曲率峰值绝对值/>的总和;/>是路径曲率一阶导数峰值/>绝对值的总和;/>是路径曲率二阶导数峰值/>绝对值的总和。
进一步,采用NSGA对多个约束条件形成的多目标优化问题进行求解。
进一步,五次Bezier曲线的数学表达式为:其中,/>表示决策任务涉及的行驶区域a的Bezier曲线;/>是区域a中Bezier曲线的第i个控制点,i = 0,1, 2, ..., 5;函数的输入u∈[0,1]决定Bezier曲线从起点到终点的位置比例;B i,5 (u)是5次Bezier曲线上第i个控制点的伯恩斯坦多项式。
进一步,五次Bezier曲线上的一个伯恩斯坦多项式表示如下:其中,/>为5的阶乘,为i的阶乘,i为控制点的序号。
与现有技术相比,其具有如下优势:
本发明提供的环形交叉口参考路径规划方法,根据环形交叉口内道路两侧是否存在车道指引线的情况,利用五次Bezier曲线,分别采用拟合与基于高阶连续性的差值方法分段生成参考路径。基于环形交叉口的几何特征、车辆转向执行器限制、相对路径长度与路径平顺性等约束条件,设计参考路径的优化函数求解连续性比例系数与车辆合流/分流点位置,解决了自动驾驶车辆驶入/驶出环形交叉口满足高效性、平顺性与舒适性的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明方法的流程框图。
图2为本发明实施例的环形交叉口的分区、车道线指引及连接点示意图。
图3是五次Bezier曲线的生成方式示意图;其中,(a)为没有循环部分的情况下(右转场景)分段五次Bezier曲线的生成方式示意图;(b)为车辆需要绕行中心岛的Bezier曲线生成方式示意图。
图4为本发明实施例中环形交叉口直角坐标系以及合流/分流点优化方法的示意图。
图5显示了#1入口和#5出口的参考路径曲线、控制点坐标和控制多边形结果图。
图6显示了#1入口驶入目标循环车道的参考路径曲线、控制点坐标和控制多边形结果图。
图7显示了#1入口和#5出口的参考路径曲线曲率变化图。
图8显示了#1入口驶入目标循环车道的参考路径曲线曲率变化图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然,所描述的实施例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。
如图1所示,一种适用于环形交叉口的自动驾驶路径规划方法,具体包括:
步骤1:车辆在驶入环形交叉口时,对自动驾驶车辆的决策任务是否需要绕中心岛行驶进行判断。同时,在本实施例中,为了对执行决策任务过程中车辆经过环形交叉口的路段描述的更方便,本实施例中将环形交叉口划分成六个区域;如图2所示,本发明具体实施例以一个非标准结构化环形交叉口为例。其几何特征包括但不限于中心岛、分离岛、循环车道、驶入线和驶出线等。根据环形交叉口的几何特征以及车道两侧的车道线情况,将环形交叉口划分成六个区域。
(1)驶入前区域:覆盖从分离岛之后到驶入线之前的区域,该区域存在车道线指引。
(2)过渡区域:覆盖从驶入线之后到驶出线之前的区域,仅适用右转(右侧通行)场景,该区域不存在车道线指引。
(3)驶入区域:覆盖从驶入线之后到合流点之前的区域,该区域不存在车道线指引。
(4)循环区域:覆盖从合流点之后到分流点之前的区域,该区域存在车道线指引。
(5)驶出区域:覆盖从分流点之后到驶出线之前的区域,该区域不存在车道线指引。
(6)驶出后区域:覆盖从驶出线之后到分离岛之前的区域,该区域存在车道线指引。
此外,不同区域之间由不同的连接点连接:驶入前区域与过渡区域、驶入前区域与驶入区域由驶入点连接;驶入区域与循环区域由合流点连接;循环区域与驶出区域由分流点连接;过渡区域与驶出后区域由驶出点连接。其中,参考路径与驶入线相交的点为驶入点,参考路径与驶出线相交的点为驶出点。合流点与分流点位于目标循环车道中心线上。
步骤2:自动驾驶车辆在环形交叉口中不同的决策任务会涉及到不同的区域;结合附图2各种决策任务涉及到的区域如下:
如自动驾驶车辆从1#号口进入,从2#/3#号口驶出,其决策任务为右转,所涉及到的区域依次为驶入前区域、过渡区域和驶出后区域。
如自动驾驶车辆从1#号口进入,从6#号口驶出,其决策任务为直行,所涉及到的区域依次为驶入前区域、驶入区域、循环区域、驶出区域和驶出后区域。
如自动驾驶车辆从1#号口进入,从8#号口驶出,其决策任务为左转,所涉及到的区域依次为驶入前区域、驶入区域、循环区域、驶出区域和驶出后区域。
如自动驾驶车辆从1#号口进入,从10#号口驶出,其决策任务为掉头,所涉及到的区域依次为驶入前区域、驶入区域、循环区域、驶出区域和驶出后区域。
以上4种决策任务中,右转是不需要绕中心岛行驶;而直行、左转和掉头均需要绕中心岛行驶。本发明根据决策任务是否需要绕中心岛行驶,分为两种自动驾驶路径规划方法;具体如下:
针对右转的决策任务,可将右转过程的路径看做是由驶入前区域、过渡区域和驶出后区域这三个区域中对应的路径连接而成,3段曲线分别记为L1、L2、L3,生成路径的过程为:
S2.1、因为驶入前区域、驶出后区域均存在车道线指引,故采用拟合生成参考路径,即L1和L3;根据两侧车道线计算道路中心点,并采用最小二乘法对离散的道路中心点进行拟合,进而反算出五次Bezier曲线的控制点,再根据控制点正算出驶入前区域、驶出后区域对应的拟合五次Bezier参考路径。
五次Bezier曲线的数学表达式为:
其中,P a (u)表示决策任务涉及的行驶区域a的Bezier曲线;P a,i 是决策任务涉及的行驶区域a中Bezier曲线的第i个控制点,i = 0, 1, 2, ..., 5;a 取 1,2,3分别表示决策任务涉及的行驶区域,如a = 1表示驶入前区域内的Bezier曲线,a = 2表示过渡区内的Bezier曲线,a = 3表示驶出后区内的Bezier曲线;函数的输入u∈[0,1]的是决定Bezier曲线从起点到终点的位置比例。B i,5 (u)是5次Bezier曲线上第i个控制点的伯恩斯坦多项式。由以下公式给出:
其中,用于表示/>,/>为5的阶乘,/>为i的阶乘。
为了便于解释,车道中心线的离散点、控制点P a 及其对应的Bernstein多项式B用以下向量表示:
其中,为区域a中车道中心线的离散点,/>为第m个离散点对应的曲线位置比例系数 ,/>为区域a第m个车道中心线的离散点。
由于车道中心线的离散点存在误差,因此控制点P a 采用最小二乘法计算:
因此,通过将控制点P a 带入五次Bezier曲线的数学表达式,可以得到Bezier曲线 ,即可以得到驶入前区域(a = 1)、驶出后区域(a = 3)的拟合五次Bezier参考路径。
S2. 2、因为过渡区域不存在车道线指引,故采用插值生成参考路径L3。由于驶入前区域、过渡区域和驶出后区域之间有固定的连接点,即驶入点和驶出点。且S2. 1中已经通过拟合车道中心离散点分别确定了驶入前区域、驶出后区域的控制点,因此可以根据G 0、G 1、G 2与相邻Bezier曲线的连续性,进一步计算过渡区的控制点P2,b。具体过程可以表示如下:
根据Bezier曲线的端点插值性质,如果L2与L1和L3具有G 0连续性,则需要L2两个端点处的控制点P 2,0,P 2,5分别与端点相接处L1的控制点P 1,5,L2的控制点 P 3,0,满足位置连续性条件,且必须相互重合:
根据Bezier曲线的端点切线性质,如果L2与L1和L3满足G 1连续性,除满足G 0连续性外,还要求L2、L1、L3上的控制点P 2,0,P 1,5,P 2,5,P 3,0的一阶导数满足以下条件:
其中,α 1,2和α 2,3是任意的正常数。的一阶导数/>的描述如下:
L1、L2、L3的连接点的一阶导数表示如下:
将式(4),(7),(8),(9),(10)代入等式(5)得:
其中,P 2,1和P 2,4可以通过调整α 1,2和α 2,3的值来计算。
如果L2在端点与L1、L3达到G 2连续性,除了满足G 0和G 1连续性外,L1、L2、L3的连接点的二阶导数还需要满足以下条件:
其中,β 1,2和β 2,3是任意常数。的二阶导数/>描述为以下方程:
控制点P 2,0,P 1,5,P 2,5,P 3,0的二阶导数表示如下:
将等式(4),(11),(14),(15),(16),(17)代入等式(12)得:
其中,P 2,2,P 2,3可以通过调整α 1,2,α 2,3,β 1,2,β 2,3的值来计算。
因此,可以找到图3(a)中L2的所有控制点:控制点P 2,0、P 2,5可以由等式(4)确定;控制点P 2,1、P 2,2、P 2,3、P 2,4可以通过根据等式(11)和(18)调整α 1,2,α 2,3,β 1,2,β 2,3来计算。最后,通过将控制点P 2,b代入等式(1),可以确定Bezier曲线P a (U)(a = 2),即得到过渡区域内的曲线L2。
更进一步的,关于α 1,2,α 2,3,β 1,2,β 2,3的值可以采用NSGA进行优化。
S2.3、基于步骤1.1中获得的曲线L1、L3,步骤1.2得到的曲线L2,按照行驶顺序依次连接曲线,获得右转这类不需要绕中心岛行驶的决策任务对应的规划路径。
步骤3,针对直行、左转、掉头的决策任务,车辆进入环形交叉口后会绕中心岛行驶,当车辆进入环形交叉口时,规划的参考路径包括驶入前区域、驶入区域和循环区域。驶出环岛时,参考路径包括驶出后区域、驶出区域和循环区域;由各分区内对应的路径连接得到该决策任务的规划路径。但因为车辆驶出环形交叉口可以视为车辆驶入环形交叉口的镜像行为,因此本实施中仅以生成驶入前区域(a = 1)、驶入区域(a = 2)和循环区域(a = 3)的规划路径为例进行说明,驶入前区域、驶入区域和循环区域对应的曲线分别记为L1、L2、L3,生成路径的过程为:
S3.1、因为驶入前区域存在车道线指引,故采用拟合生成参考路径L1。具体过程可以参考上文S2.1:根据两侧车道线计算道路中心点,并采用最小二乘法对离散的道路中心点进行拟合,进而反算出五次Bezier曲线的控制点(P 1,b),再根据控制点正算出驶入前区域、循环区域对应的拟合五次Bezier参考路径L1。
S3.2、因为驶入区域不存在车道线指引,且驶入区域内参考路径L2的两端分别与前区域、循环区域内的参考路径L1、L3的端点连接,L2与L1的连接点为驶入点,所以驶入点是L1上的控制点P 1,5;L2与L3的连接点为合流点,合流点的位置可以沿着循环车道中心线移动,不是固定点,因此需要确定合流点。确定合流点的方法为:
假设理想的合流/分流点在目标循环车道的道路中心线上,且优化迭代方向与交通流方向相同。为了便于表示优化迭代的过程,如图4所示,建立环形交叉口全局坐标系,环形交叉口的中心为笛卡尔坐标系的原点。迭代的起点是曲线1上P 1,5点处的切线和目标循环车道中心线的交叉点P * 2,5,P * 2,5是车辆保持其当前航向通过驶入线并行驶到目标循环车道中心线的地点。所以,P 1,5到P * 2,5的线段被称为最小成本路径。P * 2,5与坐标系原点的连线与x轴之间的夹角为迭代初始角θ。以P * 2,5为迭代起点,沿着目标循环中心线优化迭代出理想的偏转角度,/>∈[0,π/2]。
S3.3、基于合流点,采用拟合生成循环区域内的参考路径L3,具体可参考S1.1的步骤。
S3.4、基于参考路径L1和L3以及G 0、G 1和G 2连续性,插值获得驶入区域内五次Bezier曲线的控制点,进而生成驶入区域内的参考路径L2。
S3.5、按照驶入顺序,依次连接L1、L2、L3得到驶入环形交叉口时的参考路径。
S3.6、同理镜像得到驶出环形交叉口时的参考路径。
更优选地,在对出合流/分流点P 2,5的优化、高阶连续性的比例系数α 1,2,α 2,3,β 1,2,β 2,3优化过程中,本发明提出一种合适的代价函数,代价函数考虑了参考路径生成的关键指标:相对长度和平滑性。建立了参考路径生成的四个评价指标如下:
其中,相对路径长度为真实路径/>与最小成本路径/>之间的差值;/>是路径曲率峰值绝对值/>的总和;/>是路径曲率一阶导数峰值/>绝对值的总和;/>是路径曲率二阶导数峰值/>绝对值的总和。上述四个评价指标均与α 1,2,α 2,3,β 1,2,β 2,3,P 2,5等参数有关。
此外,为了提高优化算法的搜索速度,L2的第一段的长度被视为是曲线1的最后一段的一部分,并且L2的最后一段的长度是L3的第一段的一部分,因此α 1,2,α 2,3∈(0,1)。
同时,鉴于机械转向系统固有的约束和保持车辆运动舒适性的必要性,路径的曲率k及其变化率受到特定的限制。这些约束条件可以用数学方法表示如下:
其中,,/>为最小转弯半径;/>为最大曲率率,其作为舒适指数之一。
最后,需要解决的多目标优化问题可以总结如下:
本发明利用MATLAB工具箱中的NSGA-II搜索几何连续尺度参数(α 1,2,α 2,3,β 1,2,β 2,3)和合流/分流点P 2,5,以提高约束非线性多目标优化问题的求解性能。帕累托前沿的个体比例为0.4;总体规模为200;算法停止前的最大迭代次数为300;“MaxStallGenerations”为100,“FunctionTolerance”为1e-4。
图5、6显示了两种场景对应的参考路径生成结果。每个路径都由其控制点和控制多边形来定义,曲率梳可视化了路径的局部曲率轮廓。结果表明,曲率的变化是连续且平滑地,没有急转弯。图5显示了#1入口和#5出口的参考路径,其中α 1,2=0.99870、α 2,3=0.99637、β 1,2=15.8472和β 2,3=−9.4905。图6显示了#1入口驶入目标循环车道的参考路径,其中α 1,2=0.78688、α 2,3=0.81987、β 1,2=2.3239、β 2,3=−4.5521和∆= 0.5947。与图5相比,图6的曲率方向发生了变化,这表明车辆驶入循环车道的路径更为复杂。图7、8中曲率变化的平滑性更清晰、更直接地证明了该路径达到了G 2的连续性。
需要说明的是,本发明具体实施例中的“步骤1、步骤2、步骤3”只是为了便于对方案的描述更为出清,并非限定执行的顺序,可以更加实际同时或者调序执行。
本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,本领域技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (10)
1.一种适用于环形交叉口场景的自动驾驶路径规划方法,其特征在于,包括以下步骤:
判断自动驾驶车辆的决策任务是否需要绕中心岛行驶;
若自动驾驶车辆的决策任务不需要绕中心岛行驶,生成路径的过程为:
S2.1、针对车道两侧存在车道线引导的驶入路段和驶出路段,均采用拟合的方法生成拟合五次Bezier参考路径L1和L3;
S2.2、针对车道两侧不存在车道线引导的环岛区域,则基于连续性条件和S1.1生成的拟合五次Bezier参考路径L1和L3,采用插值的方法生成插值五次Bezier参考路径L2;
S2.3、将S2.1和S2.2生成的拟合五次Bezier参考路径L1和L3与插值五次Bezier参考路径L2按照行驶顺序依次连接,构成该决策任务对应的自动驾驶参考路径;
若自动驾驶车辆的决策任务需要绕中心岛行驶,生成路径的过程为:
S3.1、针对车道两侧存在车道线引导的驶入路段,采用拟合的方法生成拟合五次Bezier参考路径L1;
S3.2、以沿中心岛绕行的起点为合流点;设合流点在目标循环车道的道路中心线上,且优化迭代方向与交通流方向相同;沿着目标循环中心线优化迭代出理想的合流点;
S3.3、基于合流点,针对车道两侧存在车道线引导的中心岛绕行段,采用拟合的方法生成拟合五次Bezier参考路径L3;
S3.4、基于S2.1中驶入路段的拟合五次Bezier参考路径L1和L3与连续性条件,采用插值的方法生成驶入路段和中心岛绕行段之间的插值五次Bezier参考路径L2;
S3.5、按照行驶顺序依次连接S3.1- S3.4中的参考路径L1、L2和L3,得到驶入环形交叉口的参考路径;
S3.6、驶出环形交叉口是驶入环形交叉口的镜像行为,参考S3.1- S3.5得到驶出环形交叉口的参考路径,构成该决策任务对应的自动驾驶参考路径。
2.根据权利要求1所述的一种适用于环形交叉口场景的自动驾驶路径规划方法,其特征在于,包括以下步骤:采用拟合生成参考路径的方法是:根据两侧车道线计算道路中心点,采用最小二乘法对离散的道路中心点进行拟合,反算出五次Bezier曲线的控制点,再根据控制点正算出拟合五次Bezier参考路径。
3.根据权利要求1所述的一种适用于环形交叉口场景的自动驾驶路径规划方法,其特征在于,采用插值生成参考路径的方法是:基于已经确定的拟合五次Bezier参考路径,由于插值五次Bezier参考路径两端控制点与其两端已经确定的拟合五次Bezier参考路径的端点重合且满足连续性条件,由此构建插值五次Bezier参考路径的控制点,获得插值五次Bezier参考路径。
4.根据权利要求3所述的一种适用于环形交叉口场景的自动驾驶路径规划方法,其特征在于,所述连续性条件是指满足G 0、G 1、G 2连续性。
5.根据权利要求1所述的一种适用于环形交叉口场景的自动驾驶路径规划方法,其特征在于,优化迭代出理想的合流点或分流点的方法为:
以环形交叉口的中心为原点,建立环形交叉口全局坐标系;
以驶入路段的拟合五次Bezier参考路径L1上最后一个控制点P 1,5点处的切线与目标循环车道中心线的交叉点P * 2,5为迭代的起点;P * 2,5是车辆保持其当前航向通过驶入线并行驶到目标循环车道中心线的地点;
P 1,5到P * 2,5的线段为最小成本路径;
P * 2,5与坐标系原点的连线与x轴之间的夹角为迭代初始角θ;
以P * 2,5为迭代起点,沿着目标循环中心线优化迭代出理想的偏转角度,/>∈[0,π/2]。
6.根据权利要求5所述的一种适用于环形交叉口场景的自动驾驶路径规划方法,其特征在于,将合流点、分流点、高阶连续性的比例系数的优化过程中的多个约束条件概括多目标优化问题,表示如下:其中,/>为相对路径长度,/>是路径曲率峰值绝对值的总和;/>是路径曲率一阶导数峰值绝对值的总和;/>是路径曲率二阶导数峰值绝对值的总和;/>均为高阶连续性的比例系数;∆为偏转角度;k是路径的曲率,/>是路径的曲率的变化率;/>为最小转弯半径的倒数;/>为最大曲率率。
7.根据权利要求6所述的一种适用于环形交叉口场景的自动驾驶路径规划方法,其特征在于,是参考路径生成的四个评价指标,分别表示如下:
其中,相对路径长度/>为真实路径/>与最小成本路径/>之间的差值;/>是路径曲率峰值绝对值的总和;/>是路径曲率一阶导数峰值/>绝对值的总和;/>是路径曲率二阶导数峰值/>绝对值的总和。
8.根据权利要求6所述的一种适用于环形交叉口场景的自动驾驶路径规划方法,其特征在于,采用NSGA对多个约束条件形成的多目标优化问题进行求解。
9.根据权利要求1-8中任意一项所述的一种适用于环形交叉口场景的自动驾驶路径规划方法,其特征在于,五次Bezier曲线的数学表达式为:
其中,/>表示决策任务涉及的行驶区域a的Bezier曲线;/>是区域a中Bezier曲线的第i个控制点,i =0, 1, 2, ..., 5;函数的输入u∈[0,1]决定Bezier曲线从起点到终点的位置比例;B i,5 (u)是5次Bezier曲线上第i个控制点的伯恩斯坦多项式。
10.根据权利要求1所述的一种适用于环形交叉口场景的自动驾驶路径规划方法,其特征在于,五次Bezier曲线上的一个伯恩斯坦多项式表示如下:其中,/>为5的阶乘,为i的阶乘,i为控制点的序号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410376152.5A CN117968719A (zh) | 2024-03-29 | 2024-03-29 | 一种适用于环形交叉口的自动驾驶路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410376152.5A CN117968719A (zh) | 2024-03-29 | 2024-03-29 | 一种适用于环形交叉口的自动驾驶路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117968719A true CN117968719A (zh) | 2024-05-03 |
Family
ID=90848249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410376152.5A Pending CN117968719A (zh) | 2024-03-29 | 2024-03-29 | 一种适用于环形交叉口的自动驾驶路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117968719A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160161271A1 (en) * | 2014-12-09 | 2016-06-09 | Toyota Motor Engineering & Manufacturing North America, Inc. | Autonomous vehicle detection of and response to intersection priority |
CN111674405A (zh) * | 2020-05-12 | 2020-09-18 | 坤泰车辆系统(常州)有限公司 | 自动驾驶系统车道居中辅助功能使用Bezier曲线进行路径预测的方法 |
CN113587950A (zh) * | 2021-08-26 | 2021-11-02 | 清华大学 | 自动驾驶汽车静态路径规划方法、装置及存储介质 |
CN113815645A (zh) * | 2021-09-14 | 2021-12-21 | 江苏大学 | 一种适用于环形交叉口的自动驾驶行为决策系统与运动规划方法 |
CN115610446A (zh) * | 2022-10-18 | 2023-01-17 | 张慧永 | 一种冰雪条件下自动驾驶汽车驶离环形交叉口的极限轨迹的确定方法 |
CN115762133A (zh) * | 2022-10-19 | 2023-03-07 | 北京航空航天大学 | 一种基于交叉口进出口道位置关系的车辆统一路径模型 |
-
2024
- 2024-03-29 CN CN202410376152.5A patent/CN117968719A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160161271A1 (en) * | 2014-12-09 | 2016-06-09 | Toyota Motor Engineering & Manufacturing North America, Inc. | Autonomous vehicle detection of and response to intersection priority |
CN111674405A (zh) * | 2020-05-12 | 2020-09-18 | 坤泰车辆系统(常州)有限公司 | 自动驾驶系统车道居中辅助功能使用Bezier曲线进行路径预测的方法 |
CN113587950A (zh) * | 2021-08-26 | 2021-11-02 | 清华大学 | 自动驾驶汽车静态路径规划方法、装置及存储介质 |
CN113815645A (zh) * | 2021-09-14 | 2021-12-21 | 江苏大学 | 一种适用于环形交叉口的自动驾驶行为决策系统与运动规划方法 |
CN115610446A (zh) * | 2022-10-18 | 2023-01-17 | 张慧永 | 一种冰雪条件下自动驾驶汽车驶离环形交叉口的极限轨迹的确定方法 |
CN115762133A (zh) * | 2022-10-19 | 2023-03-07 | 北京航空航天大学 | 一种基于交叉口进出口道位置关系的车辆统一路径模型 |
Non-Patent Citations (1)
Title |
---|
吴伟 等: "自动驾驶环境下交叉口车辆路径规划与最优控制模型", 《自动化学报》, 30 September 2020 (2020-09-30), pages 1971 - 1983 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11460311B2 (en) | Path planning method, system and device for autonomous driving | |
CN111426330B (zh) | 路径生成方法和设备、无人化运输系统和存储介质 | |
Zhang et al. | Optimal vehicle path planning using quadratic optimization for baidu apollo open platform | |
Lan et al. | Continuous curvature path planning for semi-autonomous vehicle maneuvers using RRT | |
CN111459160B (zh) | 一种开放道路无人洗扫车大规模轨迹平滑方法 | |
JPH0324606A (ja) | 移動ロボットの経路指定方法 | |
CN112269965A (zh) | 一种非完整约束条件下的连续曲率路径优化方法 | |
CN111896004A (zh) | 一种狭窄通道车辆轨迹规划方法及系统 | |
CN116185014A (zh) | 一种基于动态规划的智能车全局最优轨迹规划方法与系统 | |
CN113985871A (zh) | 泊车路径规划方法、泊车路径规划装置、车辆及存储介质 | |
Hu et al. | Event-triggered model predictive adaptive dynamic programming for road intersection path planning of unmanned ground vehicle | |
Said et al. | Local trajectory planning for autonomous vehicle with static and dynamic obstacles avoidance | |
CN110412990B (zh) | 一种用于工厂环境下的agv避碰方法 | |
Da Silva et al. | Sparse road network model for autonomous navigation using clothoids | |
Lattarulo et al. | Real-time trajectory planning method based on n-order curve optimization | |
CN113593238B (zh) | 一种面向自动驾驶导航的路口虚拟车道建模方法 | |
CN114715192A (zh) | 一种解耦的自动驾驶车辆实时轨迹规划方法、装置及系统 | |
CN117968719A (zh) | 一种适用于环形交叉口的自动驾驶路径规划方法 | |
Park et al. | Trajectory generation method using Bézier spiral curves for high-speed on-road autonomous vehicles | |
WO2023137938A1 (zh) | 虚拟角色的路径规划方法及装置、电子设备、存储介质 | |
CN115752501A (zh) | 导航路径推荐方法、装置、设备及存储介质 | |
Lee et al. | Trajectory planning with shadow trolleys for an autonomous vehicle on bending roads and switchbacks | |
Naderi et al. | Optimal orientation for automated vehicles on large lane-free roundabouts | |
Yoon et al. | Shape-Aware and G 2 Continuous Path Planning Based on Bidirectional Hybrid A∗ for Car-Like Vehicles | |
Li et al. | An Efficient Sampling-Based Hybrid A* Algorithm for Intelligent Vehicles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |