CN118144819A - 一种全向底盘的无人驾驶过障碍、系统、设备及存储介质 - Google Patents
一种全向底盘的无人驾驶过障碍、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN118144819A CN118144819A CN202410280903.3A CN202410280903A CN118144819A CN 118144819 A CN118144819 A CN 118144819A CN 202410280903 A CN202410280903 A CN 202410280903A CN 118144819 A CN118144819 A CN 118144819A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- path
- running
- safety index
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 230000001133 acceleration Effects 0.000 claims description 53
- 238000000034 method Methods 0.000 claims description 49
- 238000005381 potential energy Methods 0.000 claims description 45
- 238000004590 computer program Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000011217 control strategy Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 101100412093 Schizosaccharomyces pombe (strain 972 / ATCC 24843) rec16 gene Proteins 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005096 rolling process Methods 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
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
-
- 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
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- 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
- B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic 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
- 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
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/54—Audio sensitive means, e.g. ultrasound
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/40—High definition maps
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种全向底盘的无人驾驶过障碍、系统、设备及存储介质,S1,获取车道地图信息和障碍物地图数据;S2,根据车道地图信息和障碍物地图数据计算车辆的行驶安全指数;S3,若车辆的行驶安全指数超过设定阈值时,进行主动避障的路径规划,获取多条备用路径,选择行驶安全指数最低的路径作为当前路径;S4,在当前路径中,结合全向底盘不同行驶模式,将行驶安全指数最低的行驶模式作为该路径最终行驶模式;S5,发出按照当前路径及最终行驶模式进行避障的指令。本发明通过结合全向底盘的驾驶模式,使避障路径变的更加灵活、安全。
Description
技术领域
本发明属于无人驾驶领域,涉及一种全向底盘的无人驾驶过障碍、系统、设备及存储介质。
背景技术
随着大数据时代的发展,无人驾驶技术的研发也在不断进步。与传统的车辆驾驶方法不同,无人驾驶技术是集成了计算机科学、传感器和数据处理等技术的先进驾驶方法。
为保证无人驾驶汽车的行驶安全,研究汽车的主动避障控制策略引起了极大的关注,相关的控制方法算法层出不群,这些控制方法对车辆传感器采集的数据进行分析处理,通过一定的算法,可以在无驾驶员的情况下自主规划车辆的行驶路径,还可以减少因道路环境变化和驾驶员操作失误造成的交通事故,对于构建安全、高效、便捷的驾驶环境具有重要意义。
全向底盘能够实现各个方位的移动,具有前后、左右、旋转三个自由度。可以沿直线向任何方向移动,同时保持身体方向不变。与其他类型的移动底盘车辆相比,全向底盘摆脱了了转弯半径的限制,能够以更加灵活的方式避开障碍物行驶,但目前技术没有针对全向底盘的汽车进行无人驾驶避障控制策略。
发明内容
本发明的目的在于克服上述现有技术中没有针对全向底盘的汽车进行无人驾驶避障控制策略的缺点,提供一种全向底盘的无人驾驶过障碍、系统、设备及存储介质,针对全向底盘的汽车进行无人驾驶避障控制策略,不受传统汽车底盘约束,摆脱了了转弯半径的限制。
为达到上述目的,本发明采用以下技术方案予以实现:
1.一种全向底盘的无人驾驶过障碍方法,其特征在于,包括以下过程:
S1,获取车道地图信息和障碍物地图数据;
S2,根据车道地图信息和障碍物地图数据计算车辆的行驶安全指数;
S3,若车辆的行驶安全指数超过设定阈值时,进行主动避障的路径规划,获取多条备用路径,选择行驶安全指数最低的路径作为当前路径;
S4,在当前路径中,结合全向底盘不同行驶模式,判断行驶安全指数最低的行驶模式作为该路径最终行驶模式;
S5,发出按照当前路径及最终行驶模式进行避障的指令。
优选的,S1中,通过在车辆前后端设置的超声波探测点,实时检测当前车道上与障碍物之间的距离及障碍物的运动状态;通过车辆两侧设置的双目相机,根据三角测量模型,确定相邻车道的障碍物距离及其改变行驶状态的意图,以及车道地图信息。
优选的,S2中,行驶安全指数对比提前设定的安全阈值,判断车辆所属的安全范围,行驶安全指数越大,安全性越低,安全范围包括安全行驶范围、正常避让范围和紧急避让范围。
进一步,行驶安全指数计算公式为:
式中,S为行驶安全指数,k1与k2为当前车道与目标车道所占权重,d为当前车道与障碍物距离,dmax为当前车道最小安全距离,D为相邻车道与障碍物距离,Dmax为相邻车道最小安全距离,n为可替换备选路径数目。
再进一步,当行驶安全指数处于安全行驶范围时,按照原定路线正常行驶;当行驶安全指数处于正常避让范围时,进行主动避障的路径规划,预测计算行驶过程中由不同行驶路径及全向底盘不同行驶模式在行驶中的行驶安全指数,选择行驶安全指数最低的路径作为当前路径,并保存其余路径作为备选路径;当行驶安全指数处于紧急避让范围时,采用全向地盘的不同运动模式来增加安全距离,并在备选路径中仅根据与障碍物之间的最小距离来进行避障路径选择,直到行驶安全指数进入正常避让范围。
再进一步,行驶安全指数处于正常避让范围内,当障碍物相对运动状态改变时,计算所得行驶安全指数仍然处于正常避让范围,则根据当前障碍物信息进行新一轮路径规划。
优选的,S3中,采用势能加速度驱动法进行主动避障的路径规划,汽车的行驶路径由势能加速度所确定,汽车受到由目标与当前汽车位置的相对距离产生的吸引加速度,以及由障碍物与当前汽车位置的相对距离产生的排斥加速度,汽车的势能加速度由吸引加速度和排斥加速度共同决定。
一种全向底盘的无人驾驶过障碍系统,包括:
地图数据获取模块,用于获取车道地图信息和障碍物地图数据;
行驶安全指数计算模块,用于根据车道地图信息和障碍物地图数据计算车辆的行驶安全指数;
路径规划模块,用于若车辆的行驶安全指数超过设定阈值时,进行主动避障的路径规划,获取多条备用路径,选择行驶安全指数最低的路径作为当前路径;
行驶模式确定模块,用于在当前路径中,结合全向底盘不同行驶模式,判断行驶安全指数最低的行驶模式作为该路径最终行驶模式;
避障指令模块,用于发出按照当前路径及最终行驶模式进行避障的指令。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述全向底盘的无人驾驶过障碍方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述全向底盘的无人驾驶过障碍方法的步骤。
与现有技术相比,本发明具有以下有益效果:
本发明通过所获得的障碍物信息,构造行驶安全指数,进行主动避障的路径规划,选择行驶安全指数最低的路径避障路径,在具体情况中采用全向底盘的不同转向模式,将行驶安全指数最低的行驶模式作为该路径最终行驶模式,使避障路径变的更加灵活、安全。
进一步,结合双目相机与超声波检测装置,结合两者优点,不仅满足了对当前车道上对障碍物距离的实时性准确性要求,而且可以准确判断相邻车道的障碍物行驶状态改变意图。
进一步,在行驶安全指数的不同范围,采用不同的避障策略,不仅使得避障策略的设计变得更加清晰有条理,而且减小了不同状态下避障路径规划的计算量,简化了决策过程,提高了响应速度,更好的满足了实际应用场景中实时性的要求。并将备选路径数目纳入行驶安全指数计算公式,进一步提高了灵活性与安全性。
附图说明
图1为本发明的全向底盘的无人驾驶过障碍方法流程图;
图2为本发明的麦克纳姆轮模型示意图;
图3为本发明的四麦克纳姆轮全向底盘的架构示意图;
图4为本发明的智能车辆驾驶区示意图。
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。
需要说明的是,下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向,词语“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1所示,为本发明所述的一种全向底盘汽车的无人驾驶过障碍策略,包括以下过程:
步骤S1,获取车道地图信息和障碍物地图数据,通过超声波探测装置与双目相机,获取车道线与障碍物信息,初步进行变道可行性判断。
汽车装有超声波探测装置,并在汽车前后端均设有超声波探测点。用来实时检测当前车道上与障碍物之间的距离及障碍物的运动状态。判断纵向行驶的安全性,在汽车两侧车轮处搭载双目相机,通过三角测量模型,确定相邻车道的障碍物距离及其改变行驶状态的意图,以及车道线等地图信息。
步骤S2,障碍物评定规则。
将各障碍物带入以车身为原点的坐标系中,识别各障碍物相对于自车的运动状态,根据车道地图信息和障碍物地图数据计算行驶安全指数,通过此数值的大小来判断当前行驶路线的安全性以及未来状态危险发生的可能性。
定义行驶安全指数计算公式为:
式中,S为行驶安全指数,k1与k2为当前车道与目标车道所占权重,d为当前车道与障碍物距离,dmax为当前车道最小安全距离,D为相邻车道与障碍物距离,Dmax为相邻车道最小安全距离,n为可替换备选路径数目。
当S小于避障设定值S1时,为安全行驶范围。
当S大于避障设定值S1而小于危险设定值S2时,为正常避让范围。
当S大于危险设定值S2时,为紧急避让范围。
步骤S3,行驶安全指数不同范围下避障规则包括:
安全行驶范围:按照原定路线正常行驶。双目相机与超声波检测装置正常工作,实时计算行驶安全指数。不产生其余备选路径。直到车道地图信息改变或障碍物相对运动状态发生改变则重新判定范围。
正常避让范围:生成多条路径,预测计算行驶过程中由不同行驶路径及全向底盘不同行驶模式在行驶中的行驶安全指数,选择行驶安全指数最低的路径作为当前路径,并保存其余路径作为备选路径。实时计算行驶安全指数。直到行驶安全指数处于安全行驶范围内,当障碍物自身运动状态改变时,计算所得行驶安全指数仍然处于正常避让范围,则由当前障碍物信息进行新一轮路径规划。
紧急避让范围:首先采用全向地盘的不同运动模式来增加安全距离,并在之前状态的备选路径中仅根据与障碍物之间的最小距离来进行避障路径选择,直到行驶安全指数进入正常避让范围。
步骤S4,当车辆的行驶安全指数处于正常避让范围内时,采用势能加速度驱动法进行主动避障的路径规划,获取多条备用路径,选择行驶安全指数最低的路径作为当前路径。
汽车的行驶路径由势能加速度所确定,汽车受到由目标与当前汽车位置的相对距离产生的吸引加速度,以及由障碍物与当前汽车位置的相对距离产生的排斥加速度,汽车的势能加速度由吸引加速度和排斥加速度共同决定。
其中,首先由目标与当前车辆所处位置的相对距离产生虚拟吸引力,由目标与当前车辆所处位置的相对距离产生虚拟排斥力,由虚拟吸引力在汽车上产生吸引加速度,由虚拟排斥力产生排斥加速度,势能加速度由二者合成所得。
进一步的,为了解决车辆到达目标附近但仍然存在障碍物,由吸引力过小而排斥力过大而所导致的无法到达目标点的情况,在排斥力计算公式中增加了调节因子,避免目标附近障碍物排斥力所导致逻辑错误。增加了道路边界排斥力来限制车辆的横向移动,以适应实际城市驾驶场景。
在当前路径中,结合全向底盘不同行驶模式,采用行驶安全指数最低的行驶模式作为该路径最终的行驶模式,车辆按照规划的路径进行避障。
S2-S4的具体过程为:
判断汽车所处的不同行驶安全指数范围。
计算处汽车当前位置的障碍物信息带入行驶安全指数计算公式,并划分为不同的范围;
汽车的行驶安全指数范围包括,安全行驶范围,正常避让范围,紧急避让范围。
建立不同避障策略:
当由S1中所获得的车道地图信息进行变道可行性判断时,若无法变道,则执行以下操作:
若与前方障碍物的相对距离减小,则降速直至停车或行驶至车道地图信息改变进入正常避让状态。
若与后方障碍物的相对距离减小,则加速直至达到安全距离或行驶至车道地图信息改变进入正常避让状态。
在非变道避障过程中,利用全向底盘的不同运动模式,充分调整车身姿态,与前后障碍物保持高的安全距离。
若可以变道,则执行以下操作:
当行驶安全指数处于安全行驶范围时,按照当前行驶路径继续行驶。
感知模块通过双目相机与超声波测距装置检测障碍物相对运动状态。
将上述所得信息带入行驶安全指数计算模块实时计算行驶安全指数。
当行驶安全指数处于正常避让状态时,执行以下操作:
根据当前车道地图信息与障碍物距离信息,生成一系列备选路径,选择行驶安全指数最低的路径作为最优路径。
通过全向底盘的360°转向特性,产生一系列针对特殊障碍物状态的行驶路径,在保证车身稳定的前提下,得到更小的行驶安全指数。
而在最优路径中,在各小段位移中采用全向底盘的不同行驶模式,充分调整车身姿态,得到同一路径不同行驶模式下的行驶安全指数。
并将最小行驶安全指数的行驶模式作为该路径下的行驶模式。
综合考虑不同时刻的行驶安全指数,选择行驶安全指数最小的路径更改为当前行驶路径。将其余备选路径保留至预存路径库中。
并通过感知模块所获取信息以及备选路径数目实时计算行驶安全指数。
当障碍物自身运动状态改变时,若行驶安全指数仍然处于正常避让范围。则根据新的障碍物距离信息进行上述步骤,并更新预存路径库。
若行驶安全指数进入安全行驶范围时,则清空预存路径库。
当行驶安全指数进入紧急避让范围时:执行以下操作:
当与障碍物自身运动状态发生突变所导致行驶安全指数过大时,进入紧急避让范围。
由正常避让范围所产生的预存路径库中,首先根据车道地图信息分析各预存路径变道可行性。
从预存路径中目标车道与障碍物的最小距离来确定最优路径。
在上述过程同时产生新的备选路径。
重复上述过程,直到行驶安全指数进入正常避让范围为止。
全向底盘不同行驶模式为:
如图2所示的麦克纳姆轮模型,固定于底盘上的中心轮为i轮,其中心位置为bPi=[xi,yi]T,图中行驶方向即为i轮滚动不打滑得方向,其相对于{b}坐标系中的x轴倾斜一个角度轮辋周围的滚轮允许在垂直于驱动方向的上以角度ui自由滑动,ui的范围为±45°。
i轮中心点bpi的线速度可以表示为驱动速度和自由滑动速度之和,在{b}坐标系中的车身扭转可以由式1计算:
式中xi,yi分别为中心位置在{b}坐标系下的横纵坐标,Vb为车身扭转速度。
沿着行驶方向上的分量为/>可以表述为:
因此,车轮驱动速度wi可以计算为:
式中,cθ=cos(θ),sθ=sin(θ),tθ=tan(θ),ri为车轮半径。
给定m个车轮的底盘,车轮驱动速度与扭转速度Vb的关系为式4:
中心轮的位置和方向及其自由滑动的方向ui,使得矩阵H(0)的秩为3。
四麦克纳姆轮全向底盘的架构如图3所示,其中将式4带入四麦克纳姆轮全向地盘中,可以导出该底盘的Vb与w之间的关系,由式5表示:
式中l,w为底盘中心点与各车轮中心点之间在x轴与y轴之间的距离, 与/>为扭转速度Vb在各个方向上的分量。
由式5可知,四麦克纳姆轮的H(0)矩阵是非正方形的,因此任意选择车轮速度可能导致车轮在行驶方向上打滑,为了避免打滑,必须在思维车轮速度空间的三维表面上选择驱动角速度。
可以通过矩阵H(0)的逆矩阵H-(0)来计算车轮速度与底盘扭转速度之间的反比关系,由式6表示:
由上述论证可知在通过控制麦克纳姆轮上不同行星轮(滚子)的转动,即可使汽车底盘在不改变车身整体姿态的情况下使得汽车实现全向移动。由图2所示地盘架构中中P1,P3称之为A轮,P2,P4称之为B轮。
定义滚子沿滚子轴向上转动为正转,向下为反转,可以得到麦克纳姆轮底盘的不同移动模式如下。
(1)当AB轮子上滚子同时正转时,汽车底盘前进。
(2)当AB轮子上滚子同时反转时,汽车底盘后退。
(3)当A轮反转,B轮正转时,汽车底盘向左平移。
(4)当B轮反转,A轮正转时,汽车底盘向右平移。
(5)当P1,P4反转,P2,P3正转时,汽车底盘原地左转掉头。
(6)当P2,P3反转,P1,P4正转时,汽车底盘原地右转掉头。
(7)当B轮正转,A轮不转时,汽车向左前方行驶。
(8)当A轮正转,B轮不转时,汽车向右前方行驶。
(9)当B轮反转,A轮不转时,汽车向右后方行驶。
(10)当A轮反转,B轮不转时,汽车向左后方行驶。
(11)当P1,P2不转,P3正转,P4反转,汽车底盘绕前轴中心左转。
(12)当P1,P2不转,P4正转,P3反转,汽车底盘绕前轴中心右转。
(13)当P3,P4不转,P2正转,P1反转,汽车底盘绕后轴中心右转。
(14)当P3,P4不转,P1正转,P2正转,汽车底盘绕后轴中心左转。
由障碍物探测设备检测出的自车与障碍物距离s,障碍物车速vb自车车速vc,自车车速在行驶方向以及横向移动方向上的速度分量vcx与vcy以及所设定的安全距离Ss与变换到安全车道所需的横向位移sh,可以推导出是否满足安全避撞变道的关系式如下:
在传统转向模式,也即车轮转角θ在30°-40°之间时若与不同障碍物之间的关系可以满足上式,则按照传统底盘汽车的变道方式进行变道,对于底盘则采用先旋转底盘再在行驶方向上移动,最后恢复车身姿态的运动模式。
若无法满足则可以通过全向底盘的不同行驶模式来行驶所需的目标路径,减少了改变车身姿态与回复车身姿态的时间,以及避免了汽车在转向过程中向向前行驶所造成的不安全性。
在不同的障碍物状态下,将全向底盘不同的行驶模式纳入避障方式中,不仅提高了行驶的灵活性,而且提高了算法的效率与实时性。
进一步地,障碍信息获取及危险性判断方法如下:
车辆通过超声波检测装置实时检测行驶前方的障碍物,将检测到的障碍物的位置信息和尺寸信息通过通信层设备传输至地图服务器。
以及两侧轮胎处所搭载的双目相机检测相邻车道的障碍物以及车道线等地图信息并通过通信层设备传输至地图服务器。
障碍物探测设备在检测到障碍物时,向通信层设备发送避障通知信息,在经过行驶安全指数计算之后,根据行驶安全指数所处的范围进行路径规划判断,进而发送路径规划请求。
所述超声波检测装置与双目相机探测周期设置为100ms-500ms。
基于所读取的地图数据,以车辆实时位置为中心,扫描设定半径范围内的所有障碍物。
若超声波检测装置扫描到至少一个障碍物,则分别对各障碍物边界进行采样,根据采样结果确定影响车辆行驶的障碍物,以及其中距离车辆最近的障碍物及其与车辆之间的距离。
基于所读取的地图数据,以车辆实时位置为中心,扫描设定半径D范围内行驶前方的所有障碍物,若扫描到至少一个障碍物,则对于各个方向的障碍物,分别执行上述避障规则重新规划安全的行驶路径。
通过双目相机所检测到相邻车道的障碍物信息,首先用于进行各备选路径的变道可行性分析,其次可计算备选路径变道后的行驶安全指数,进而影响最优路径的选择。
基于势能加速度驱动法进行主动避障的路径规划方法如下:
势能加速度驱动法的原理是假设车辆处于虚拟空间中;目标产生吸引力和障碍物产生排斥力。汽车上由排斥力产生的排斥加速度驱使汽车远离排斥力发生点,而由吸引力产生的吸引加速度趋势汽车靠近吸引力发生点,汽车整体的行驶轨迹由排斥加速度和吸引加速度所合成的势能加速度所确定。
在引力场中,势能加速度大小由虚拟势能所产生的力所决定,而势能则随车辆位置与目标之间的距离而变化。
势能函数定义为:
其中Uatt(X)为吸引势能,Ka为吸引势能系数,ρ(P,PG)为一个向量,其大小为车辆位置P与目标位置Pg之间的欧式距离,方向为车辆位置朝向目标位置。
势能加速度由引力势能的负梯度除以车重所得,可由下式计算:
其中m是汽车总质量,势能加速度作用点在整车质心处。
斥力势能是由障碍物产生的虚势能。每个障碍都有自己的影响范围。当车辆不在障碍物影响范围内时,车辆的势能大小为零;当车辆进入障碍物的影响范围时,车辆的势能随车辆位置与障碍物的距离而变化。斥力势能定义为:
式中Urep(X)为斥力势能,Kr为斥力势能系数,ρ(P,Pobs)为一个向量,其大小为车辆位置P与障碍物位置Pobs之间的欧式距离,方向为障碍物到车辆的距离,ρ0为障碍物影响范围半径。
由斥力势场的负梯度产生的排斥加速度,可由下式计算
车辆在向目标移动的过程中,经常受到多个障碍物的排斥势能的影响。因此,联合势能是一个吸引势能和多个排斥势能的叠加。
合力势能函数可表示为:
上式中,Utotal(X)为联合势能,n为障碍数。
汽车整体的势能加速度可以表示为:
为了减少车辆在起点处初始势能加速度的数值,可以对引力势能函数进行修改。改进后的吸引势能函数可表示为:
对应的势能加速度可表示为:
式中,d0为车辆与目标距离的阈值;为吸引场调制因子。改进后最显著的区别是,当车辆与目标之间的距离大于0时,认为引力是恒定的。
为了解决车辆在目标附近的振荡问题,在斥力势能函数中增加了调节因子ρn(P,Pg),改进后的排斥势能函数可表示为:
对应的排斥势能加速度可表示为:
其中排斥势能加速度arep1的方向为障碍物对车辆的方向,排斥势能加速度arep2的方向为车辆对目标的方向。
arep1和arep2的大小由下面的方程式决定:
其中n为任意非零常数,本文取n=2。
道路边界势场主要用于限制智能车辆的行驶区域,本质上是一种排斥力。在本文中,以双车道道路为例,两个绿色区域表示智能车辆应该运动的区域,如图4所示。道路边界势场函数用分段函数表示,可以使车辆在道路边界内平稳运动。道路边界势场函数可表示为:
对应的道路边界排斥势能加速度可表示为:
式中,W为车辆宽度,D为车道宽度,Kroad为道路边界势场系数,l为调制因子,Py为车辆质心位置在道路坐标系XOY中的纵坐标。道路边界势场的势能加速度方向垂直于道路边界。当智能车辆可以在不变道的情况下避开障碍物时,智能车辆被限制在当前车道上,除非对车辆的纵向排斥势能加速度大于道路边界的最大排斥势能加速度而不变道,以降低变道的驾驶风险。
将上述三种势场叠加,得到车辆在势场作用下的平衡方程:
Utotal=Uatt+Urep+Uroad
作用在车辆上的势能加速度的平衡方程可以表示为:
atotal=aatt+arep+aroad
通过在虚拟势场中车辆所受势能加速度来控制汽车的运动,目标点的吸引加速度与汽车和终点的距离成正比,障碍在汽车上产生的排斥加速度(及道路边界排斥势能加速度)与障碍(道路边界)和汽车之间的距离成反比。由二者综合作用产生一个总的势能加速度。
在合势能加速度的作用下,汽车不断调整行驶方向。进而生成一个从初始位置到终止位置的路径规划。
在汽车的不同行驶状态(包括传统转向与全向地盘的自由移动)下考虑不同的转向方式。进而生成不同的路径。
对可行路径集的每条可行路径进行评分,选取最优的路径。
在行驶安全指数处于正常避让范围时,根据行驶安全指数来确定最优路径。
而当行驶安全指数处于紧急避让范围时,通过各备选路径的变道可行性以及与目标车道障碍物的最小距离来确定最优路径。
下述为本发明的装置实施例,可以用于执行本发明方法实施例。对于装置实施例中未纰漏的细节,请参照本发明方法实施例。
本发明再一个实施例中,提供了一种全向底盘的无人驾驶过障碍系统,该全向底盘的无人驾驶过障碍系统可以用于实现上述全向底盘的无人驾驶过障碍方法,具体的,该全向底盘的无人驾驶过障碍系统包括地图数据获取模块、行驶安全指数计算模块、路径规划模块、行驶模式确定模块以及避障指令模块。
其中,地图数据获取模块用于获取车道地图信息和障碍物地图数据。
行驶安全指数计算模块用于根据车道地图信息和障碍物地图数据计算车辆的行驶安全指数。
路径规划模块用于若车辆的行驶安全指数超过设定阈值时,进行主动避障的路径规划,获取多条备用路径,选择行驶安全指数最低的路径作为当前路径。
行驶模式确定模块用于在当前路径中,结合全向底盘不同行驶模式,判断行驶安全指数最低的行驶模式作为该路径最终行驶模式。
避障指令模块用于发出按照当前路径及最终行驶模式进行避障的指令。
本发明再一个实施例中,提供了一种终端设备,该终端设备包括处理器以及存储器,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(Central ProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor、DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其是终端的计算核心以及控制核心,其适于实现一条或一条以上指令,具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能;本发明实施例所述的处理器可以用于全向底盘的无人驾驶过障碍方法的操作,包括:S1,获取车道地图信息和障碍物地图数据;S2,根据车道地图信息和障碍物地图数据计算车辆的行驶安全指数;S3,若车辆的行驶安全指数超过设定阈值时,进行主动避障的路径规划,获取多条备用路径,选择行驶安全指数最低的路径作为当前路径;S4,在当前路径中,结合全向底盘不同行驶模式,判断行驶安全指数最低的行驶模式作为该路径最终行驶模式;S5,发出按照当前路径及最终行驶模式进行避障的指令。
再一个实施例中,本发明还提供了一种计算机可读存储介质(Memory),所述计算机可读存储介质是终端设备中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机可读存储介质既可以包括终端设备中的内置存储介质,当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间,该存储空间存储了终端的操作系统。并且,在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令,这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机可读存储介质可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatilememory),例如至少一个磁盘存储器。
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令,以实现上述实施例中有关全向底盘的无人驾驶过障碍方法的相应步骤;计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤:S1,获取车道地图信息和障碍物地图数据;S2,根据车道地图信息和障碍物地图数据计算车辆的行驶安全指数;S3,若车辆的行驶安全指数超过设定阈值时,进行主动避障的路径规划,获取多条备用路径,选择行驶安全指数最低的路径作为当前路径;S4,在当前路径中,结合全向底盘不同行驶模式,判断行驶安全指数最低的行驶模式作为该路径最终行驶模式;S5,发出按照当前路径及最终行驶模式进行避障的指令。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、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。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置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。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供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步骤。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
应该理解,以上描述是为了进行图示说明而不是为了进行限制。通过阅读上述描述,在所提供的示例之外的许多实施例和许多应用对本领域技术人员来说都将是显而易见的。因此,本专利的范围不应该参照上述描述来确定,而是应该参照前述权利要求以及这些权利要求所拥有的等价物的全部范围来确定。出于全面之目的,所有文章和参考包括专利申请和公告的公开都通过参考结合在本文中。在前述权利要求中省略这里公开的主题的任何方面并不是为了放弃该主题内容,也不应该认为申请人没有将该主题考虑为所公开的发明主题的一部分。
Claims (10)
1.一种全向底盘的无人驾驶过障碍方法,其特征在于,包括以下过程:
S1,获取车道地图信息和障碍物地图数据;
S2,根据车道地图信息和障碍物地图数据计算车辆的行驶安全指数;
S3,若车辆的行驶安全指数超过设定阈值时,进行主动避障的路径规划,获取多条备用路径,选择行驶安全指数最低的路径作为当前路径;
S4,在当前路径中,结合全向底盘不同行驶模式,将行驶安全指数最低的行驶模式作为该路径最终行驶模式;
S5,发出按照当前路径及最终行驶模式进行避障的指令。
2.根据权利要求1所述的全向底盘的无人驾驶过障碍方法,其特征在于,S1中,通过在车辆前后端设置的超声波探测点,实时检测当前车道上与障碍物之间的距离及障碍物的运动状态;通过车辆两侧设置的双目相机,根据三角测量模型,确定相邻车道的障碍物距离及其改变行驶状态的意图,以及车道地图信息。
3.根据权利要求1所述的全向底盘的无人驾驶过障碍方法,其特征在于,S2中,行驶安全指数对比提前设定的安全阈值,判断车辆所属的安全范围,行驶安全指数越大,安全性越低,安全范围包括安全行驶范围、正常避让范围和紧急避让范围。
4.根据权利要求2所述的全向底盘的无人驾驶过障碍方法,其特征在于,行驶安全指数计算公式为:
式中,S为行驶安全指数,k1与k2为当前车道与目标车道所占权重,d为当前车道与障碍物距离,dmax为当前车道最小安全距离,D为相邻车道与障碍物距离,Dmax为相邻车道最小安全距离,n为可替换备选路径数目。
5.根据权利要求3所述的全向底盘的无人驾驶过障碍方法,其特征在于,当行驶安全指数处于安全行驶范围时,按照原定路线正常行驶;当行驶安全指数处于正常避让范围时,进行主动避障的路径规划,预测计算行驶过程中由不同行驶路径及全向底盘不同行驶模式在行驶中的行驶安全指数,选择行驶安全指数最低的路径作为当前路径,并保存其余路径作为备选路径;当行驶安全指数处于紧急避让范围时,采用全向地盘的不同运动模式来增加安全距离,并在备选路径中仅根据与障碍物之间的最小距离来进行避障路径选择,直到行驶安全指数进入正常避让范围。
6.根据权利要求5所述的全向底盘的无人驾驶过障碍方法,其特征在于,行驶安全指数处于正常避让范围内,当障碍物相对运动状态改变时,计算所得行驶安全指数仍然处于正常避让范围,则根据当前障碍物信息进行新一轮路径规划。
7.根据权利要求1所述的全向底盘的无人驾驶过障碍方法,其特征在于,S3中,采用势能加速度驱动法进行主动避障的路径规划,汽车的行驶路径由势能加速度所确定,汽车受到由目标与当前汽车位置的相对距离产生的吸引加速度,以及由障碍物与当前汽车位置的相对距离产生的排斥加速度,汽车的势能加速度由吸引加速度和排斥加速度共同决定。
8.一种全向底盘的无人驾驶过障碍系统,其特征在于,包括:
地图数据获取模块,用于获取车道地图信息和障碍物地图数据;
行驶安全指数计算模块,用于根据车道地图信息和障碍物地图数据计算车辆的行驶安全指数;
路径规划模块,用于若车辆的行驶安全指数超过设定阈值时,进行主动避障的路径规划,获取多条备用路径,选择行驶安全指数最低的路径作为当前路径;
行驶模式确定模块,用于在当前路径中,结合全向底盘不同行驶模式,判断行驶安全指数最低的行驶模式作为该路径最终行驶模式;
避障指令模块,用于发出按照当前路径及最终行驶模式进行避障的指令。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述全向底盘的无人驾驶过障碍方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述全向底盘的无人驾驶过障碍方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410280903.3A CN118144819A (zh) | 2024-03-12 | 2024-03-12 | 一种全向底盘的无人驾驶过障碍、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410280903.3A CN118144819A (zh) | 2024-03-12 | 2024-03-12 | 一种全向底盘的无人驾驶过障碍、系统、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118144819A true CN118144819A (zh) | 2024-06-07 |
Family
ID=91293111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410280903.3A Pending CN118144819A (zh) | 2024-03-12 | 2024-03-12 | 一种全向底盘的无人驾驶过障碍、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118144819A (zh) |
-
2024
- 2024-03-12 CN CN202410280903.3A patent/CN118144819A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11281918B1 (en) | 3D position estimation of objects from a monocular camera using a set of known 3D points on an underlying surface | |
US10473780B1 (en) | Use of motion data in the processing of automotive radar image processing | |
US10181084B2 (en) | Combining multiple estimates of an environment into a consolidated estimate for an autonomous vehicle | |
US9213337B1 (en) | Detecting lane closures and lane shifts by an autonomous vehicle | |
CN105984461B (zh) | 车辆的行驶控制装置 | |
US8694192B2 (en) | Control of vehicles based on auditory signals | |
US9405293B2 (en) | Vehicle trajectory optimization for autonomous vehicles | |
Attia et al. | Coupled longitudinal and lateral control strategy improving lateral stability for autonomous vehicle | |
US9417631B2 (en) | Use of prior maps for estimation of lane boundaries | |
US10160485B2 (en) | Apparatus and method for automatic steering control in vehicle | |
CN111806433B (zh) | 一种自动驾驶车辆避障方法、装置及设备 | |
US11673572B2 (en) | Vehicle control apparatus | |
EP4049916A1 (en) | Vehicle control method, vehicle control system, and vehicle | |
Wu et al. | An automated guided mechatronic tractor for path tracking of heavy-duty robotic vehicles | |
WO2017164911A1 (en) | Transportation device | |
CN118144819A (zh) | 一种全向底盘的无人驾驶过障碍、系统、设备及存储介质 | |
Pérez-Morales et al. | Multi-sensor-based predictive control for autonomous parking in presence of pedestrians | |
CN112666950B (zh) | 一种基于超声波距离检测的无人驾驶汽车避障方法 | |
Bento et al. | Autonomous navigation control with magnetic markers guidance of a cybernetic car using fuzzy logic | |
Nossier et al. | Multi-obstacle avoidance algorithm for autonomous vehicles | |
JP7000870B2 (ja) | 無人搬送車およびその制御方法 | |
Manohar | Path planning with Rapid Exploring Random Tree for autonomous race vehicle | |
Paul et al. | Autonomous Vehicle Lane Change Maneuver: A Comprehensive Analysis | |
JP2023008219A (ja) | 車速制御方法及び車速制御装置 | |
JP2023008220A (ja) | 車速制御方法及び車速制御装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |