CN208061025U - 一种基于Dubins路径的无人驾驶车辆避障控制装置 - Google Patents

Abstract

本实用新型提供了一种基于Dubins路径的无人驾驶车辆避障控制装置，包括设置在无人驾驶车辆左侧A柱外部的摄像头和一个设置在无人驾驶车辆右侧A柱外部的摄像头以及一个设于无人驾驶车辆车顶的激光雷达；本实用新型将摄像头设于无人驾驶车辆的两A柱中部，有效地解决了无人驾驶车辆视野盲区的问题，同时提高了采集信息的完善、准确程度；将无人驾驶中不同的障碍物采用不同的避障判断算法，提高了无人驾驶车辆避障的准确度与精度。

Description

一种基于Dubins路径的无人驾驶车辆避障控制装置

技术领域

本实用新型属于汽车领域，涉及一种基于Dubins路径的无人驾驶车辆避障控制装置。

背景技术

随着汽车技术的不断发展与完善，无人驾驶技术应时而生，无人驾驶依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。其主要原理在于通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标；同时通过车载传感器感知周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。

然而现阶段的无人驾驶技术主要存在这以下两个方面的问题：1.传感器存在识别障碍，雷达、摄像头对周围环境的感知受天气、环境影响大，传感器技术不完善且往往存在监控死角，无法准确获得附近障碍物信息；2.智能车处理器不能像人脑一样正确认知车辆、行人的行为，具有认知缺陷；3.人们对于无人驾驶技术的不信赖。

前两个主要问题都导致了无人驾驶车辆不能准确的进行避障，也加剧了第三个问题的恶化，而现阶段很多专利也并没有很好的解决无人驾驶车辆避障问题。

申请号为201610782894.3的专利公开了一种无人驾驶汽车的激光避障方法及系统,该系统包括驾驶控制模块、激光器组件、自主避障模块,其中,驾驶控制模块通过自主避障模块的指令来控制无人驾驶汽车的行驶，激光发射器向外界发送激光并接收外界障碍物反射回来的激光,将激光信号发送至无人驾驶汽车的自主避障模块进行避障，该实用新型能够通过接受被外接反射的激光信号来判断障碍物,实现无人驾驶汽车的自动避障；申请号为201610749321.0的专利公开了一种无人驾驶汽车的避障方法及系统,该系统包括信息采集模块、信息处理模块、行驶控制模块，信息采集模块采用激光测距阵列在无人驾驶汽车的前进方向上进行立体场景信息采集，信息处理模块根据采集到的立体场景信息,对无人驾驶汽车的前方进行障碍点侦测,确定避障路径,控制无人驾驶汽车按照所述避障路径进行行驶；但是，以上两专利虽然能够准确避免静态障碍物，但是对于动态障碍物不能起到很好的避障作用。

发明内容

本实用新型所要解决的技术问题是克服了现有技术存在的问题，提供了一种基于Dubins路径的无人驾驶车辆避障控制装置。

所述装置能够预测其他车辆、行人的行驶路径，并且根据其行驶路径控制自身车辆的行驶状态，本实用新型能够提高无人驾驶车辆行车的安全性，具体目的为：

1.帮助无人驾驶车辆进行障碍物的识别，提高无人驾驶技术的完善性，解决现阶段由于传感器技术不完善引起的一系列问题；

2.解决无人驾驶车辆处理器的认知缺陷问题，帮助进行运动障碍物的路径预判，以降低无人驾驶交通事故的产生。

本实用新型是采用如下技术方案实现的：

本实用新型提供了一种基于Dubins路径的无人驾驶车辆避障控制装置，其特征在于，包括一个设置在无人驾驶车辆左侧A柱外部的摄像头、一个设置在无人驾驶车辆右侧A柱外部的摄像头以及一个设于无人驾驶车辆车顶的激光雷达，两个摄像头均处于所在A柱的中部且位于同一水平线上，激光雷达与无人驾驶车辆的质心处于同一直线上，且该直线与水平面相垂直，两个摄像头以及激光雷达均与无人驾驶车辆的ECU连接。

与现有技术相比本实用新型的有益效果是：

1.将采集摄像头设于无人驾驶车辆的两A柱中部，有效地解决了无人驾驶车辆视野盲区的问题，同时提高了采集信息的完善、准确程度；

2.将无人驾驶中所遇到的障碍物进行分类，对不同的障碍物采用不同的避障判断算法，且实时地采集所处障碍物环境下的障碍物信息，并实时更新障碍物序列，提高了无人驾驶车辆避障的准确度与精度；

3.所述控制系统采用卡尔曼滤波算法对运动障碍物进行观测点运动轨迹的预判，采用Dubins路径进行路径规划，相比于以往的通过车载处理器进行障碍物行为预判准确度更高，提高了无人驾驶车辆行车的安全性，同时可有效避免因无人驾驶车辆处理器识别障碍而导致的交通事故；

附图说明

下面结合附图对本实用新型作进一步的说明：

图1为本实用新型所述的一种基于Dubins路径的无人驾驶车辆避障控制装置的结构示意图；

图2为本实用新型所述的一种基于Dubins路径的无人驾驶车辆避障控制方法的流程图；

图3为无人驾驶车辆搜索模型；

图4为Dubins路径示意图；

图中：1、无人驾驶车辆车顶，2、激光雷达，3、A柱，4、摄像头。

具体实施方式

下面结合附图对本实用新型作详细的描述：

一种基于Dubins路径的无人驾驶车辆避障控制装置，其特征在于，包括一个设置在无人驾驶车辆左侧A柱3外部的摄像头4、一个设置在无人驾驶车辆右侧A柱3外部的摄像头4以及一个设于无人驾驶车辆车顶1的激光雷达2，两个摄像头4均处于所在A柱3的中部且位于同一水平线上，激光雷达2与无人驾驶车辆的质心处于同一直线上，且该直线与水平面相垂直。如图1所示；

所述的摄像头4设于无人驾驶车辆外部左右A柱3上，有利于解决无人驾驶车辆存在的视野盲区问题；

一种基于Dubins路径的无人驾驶车辆避障控制方法，其特征在于，具体步骤如下：

步骤(一)雷达对进入摄像头监控范围内的障碍物进行定位测速；

步骤(二)基于避障算法确定即将与智能车发生碰撞的障碍物序列；

步骤(三)智能车根据新的障碍物序列对当前避障路径进行重新规划，以完成避障操作；

避障控制方法流程图如图2所示。

其中，步骤(一)具体过程为：

无人驾驶车辆通过位于左右两侧A柱3中部的两个摄像头4以及车顶1的激光雷达2探测所处多障碍物环境下的障碍物信息；

建立无人驾驶车辆搜索模型，假设无人驾驶车辆的搜索区域为半径为R、开角为2θ的区域，θ由摄像头可见角度决定，R由摄像头监控距离决定。无人驾驶车辆搜索模型如图3所示；

激光雷达2检测到处于无人驾驶车辆的搜索区域的障碍物的个数、障碍物的行驶速度、障碍物的位置以及无人驾驶车辆质心与障碍物观测点之间的距离，并将运动数据传送至无人驾驶车辆中央处理器中；

步骤(二)具体过程为：

定义范围圆为以无人驾驶车辆质心为圆心，以R₁为半径的圆，且该范围圆应包围无人驾驶车辆轮廓线并且使l′≥l，l′为范围圆与无人驾驶车辆轮廓线之间的最短距离，l为两个车辆间的最短安全距离；

当障碍物进入搜索区域后，则开始进行避障判断；

无人驾驶车辆在行驶过程中一般处于多障碍物环境下，为了更加准确的执行避障操作，将无人驾驶车辆遇到的障碍物分为两种：静止障碍物以及运动障碍物；

判断方法为：激光雷达每隔0.05s获取雷达监测范围内的障碍物的速度、位置信息，若每一时刻障碍物的速度为0，则该障碍物为静止障碍物，若存在某一时刻障碍物的速度不为0，则该障碍物为运动障碍物；

假设无人驾驶车辆做直线运动，构建二维平面xoy，以无人驾驶车辆的质心为原点，以无人驾驶车辆前进方向为y轴，y轴沿顺时针方向旋转90度为x轴的正方向；

(1)对静止障碍物进行避障判断：

因为静止障碍物的速度为0，即静止障碍物观测点坐标不变，设静止障碍物观测点坐标为(x₀,y₀)，所以做直线运动的无人驾驶车辆与静止障碍物的最短距离就是静止障碍物观测点到y轴的垂线长度；可知该垂线长度就是静止障碍物观测点横坐标的绝对值，即|x₀|；当|x₀|大于范围圆半径R₁时，可判断该静止障碍物不会与无人驾驶车辆发生碰撞；当|x₀|小于或等于范围圆半径R₁时，判断该静止障碍物会与无人驾驶车辆发生碰撞，将判断会发生碰撞的静止障碍物加入障碍物序列中；

(2)对运动障碍物进行避障判断：

首先，采用卡尔曼滤波算法对运动障碍物观测点轨迹进行轨迹预测，具体操作为：

a、构建系统预测方程

以k-1表示当前时刻，设激光雷达测量到的k-1时刻运动障碍物观测点在二维平面xoy的位置为(x(k-1),y(k-1))；设激光雷达测量到的k-1时刻运动障碍物观测点在二维平面xoy的速度为(v_x(k-1),v_y(k-1))；设每一个时刻的时间间隔即为采样间隔时间t，取t＝0.15s；设Q_x(k-1),Q_y(k-1)是均值为零、方差为σ₀ ²的k-1时刻的高斯白噪声Q(k-1)的2个正交向量，Q_x(k-1),Q_y(k-1)任意时刻相互独立，e为自然常数也称欧拉数，则根据物理运动公式，得到k时刻运动障碍物观测点在二维平面xoy内的位置和速度方程如下：

式中，为k时刻运动障碍物观测点在二维平面xoy内位置的预测值，为k时刻运动障碍物观测点在二维平面xoy内速度的预测值；

整理得到系统预测方程为：

其中，令

X(k-1)＝(x(k-1)v_x(k-1)y(k-1)v_y(k-1))^T

为k时刻运动障碍物观测点在二维平面xoy内的预测值，X(k-1)为k-1时刻运动障碍物观测点在二维平面xoy内的激光雷达测量值；

令

于是得到简化的系统预测方程：

b、构建系统测量方程

同理，设激光雷达测量到的k时刻运动障碍物观测点在二维平面xoy的位置为(x(k),y(k))；设激光雷达测量到的k时刻运动障碍物观测点在二维平面xoy的速度为(v_x(k),v_y(k))；设R_x(k),R_y(k)是均值为零、方差为σ₁ ²的k时刻的高斯白噪声R(k)的2个正交向量，R_x(k),R_y(k)任意时刻相互独立，则k时刻运动障碍物观测点在二维平面xoy内坐标和速度的测量方程为：

其中，令

X(k)＝(x(k)v_x(k)y(k)v_y(k))^T

X(k)为k时刻运动障碍物观测点在二维平面xoy内的激光雷达测量值；

得到简化的系统测量方程：

Y(k)＝HX(k)+IR(k)

c、计算k时刻的误差协方差P_k

d、计算卡尔曼增益K_k，并得到k+1时刻运动障碍物观测点在二维平面下的预测值

K_k＝P_kH^T(HP_kH^T+R(k))^-1

e、计算k+1时刻运动障碍物观测点在二维平面xoy内的预测值和激光雷达测量值X(k+1)之间的协方差矩阵P_k+1，为下次递推做准备

P_k+1＝(I-K_kH)P_k

由此，可得到每一时刻运动障碍物观测点在二维平面xoy下的预测位置，将每一个预测位置连线即可得到障碍物观测点位置预测轨迹。

其次，在二维平面xoy下根据两点间距离公式，计算同一时刻下运动障碍物观测点与无人驾驶车辆质心之间的距离L，若L≤R₁，则证明运动障碍物会在该时刻与无人驾驶车辆发生碰撞，将判断会发生碰撞的运动障碍物添加至障碍物序列；

步骤(三)具体过程为：

(1)无人驾驶车辆障碍物序列中通常可能会存在多个可能与无人驾驶车辆发生碰撞的障碍物，当无人驾驶车辆障碍物序列中存在多个障碍物时，按与无人驾驶车辆距离的远近依次进行避障，先对距离无人驾驶车辆最近的障碍物进行避障，依次类推，静止障碍物与运动障碍物按各自的避障算法进行避障处理；

(2)静止障碍物避障算法如下：

由于障碍物序列中的静止障碍物位置不变，直接根据监测的情况对无人驾驶车辆行驶速度的方向进行调整，即可有效避障；

即使得无人驾驶车辆方向盘向静止障碍物反方向转过一定角度θ即可有效避障，θ满足：

(3)运动障碍物避障算法如下：

定义障碍圆为以运动障碍物质心为圆心，R₂为半径的圆,且该障碍圆应包围运动障碍物轮廓线；

a、确定起始圆Cs、故障圆D以及目标圆Cf的位置：

在二维平面轨迹图上，取T₁＝T_t-nt时刻的范围圆为起始圆Cs，取T_t时刻的障碍圆作为故障圆D，取T₁＝T_t+nt时刻即成功避开障碍圆D并返回到原路径时的范围圆为目标圆Cf；

T_t＝L/v_x

v_x＝|v-v_z|

其中，T_t为运动障碍物与无人驾驶车辆相撞时对应的时间，v_x为运动障碍物与无人驾驶车辆间的相对速度，v为无人驾驶车辆的速度，v_z为运动障碍物的速度，为了使无人驾驶车辆有足够的反映时间，取n≥3且为正整数；

b、确定起始圆Cs与故障圆D之间的Dubins路径

根据故障圆D的行驶方向，即可得出两条有效的Dubins路径，即两条无人驾驶车辆范围圆由起始圆Cs位置驶向与故障圆D相切位置的Dubins路径，分别为SD-1和SD-2.

c、确定故障圆D与目标圆Cf之间的Dubins路径

对故障圆D和目标圆Cf做Dubins路径，同理，可以获得2条有效的Dubins路径，即两条无人驾驶车辆范围圆由与故障圆D相切位置驶向目标圆Cf位置的Dubins路径，分别为Df-1和Df-2；

路径SD-1与路径Df-1构成的路径称为路径SD₁f，

路径SD-2与路径Df-2构成的路径称为路径SD₂f；

d、确定起始圆Cs与目标圆Cf之间的Dubins路径

根据障碍圆D的行驶方向分析可知，路径SD₂f与障碍圆D的行驶方向产生干涉，即与障碍圆D的行驶方向靠近的路径SD₂f，路径SD₁f与障碍圆D的行驶方向无干涉，即与障碍圆D的行驶方向远离的路径SD₁f，可得有效避障路径为SD₁f；

Dubins路径如图4所示。

Claims (1)

1.一种基于Dubins路径的无人驾驶车辆避障控制装置，其特征在于，包括一个设置在无人驾驶车辆左侧A柱(3)外部的摄像头(4)、一个设置在无人驾驶车辆右侧A柱(3)外部的摄像头(4)以及一个设于无人驾驶车辆车顶(1)的激光雷达(2)，两个摄像头(4)均处于所在A柱(3)的中部且位于同一水平线上，激光雷达(2)与无人驾驶车辆的质心处于同一直线上，且该直线与水平面相垂直，两个摄像头(4)以及激光雷达(2)均与无人驾驶车辆的ECU连接。