[发明专利]一种面向无人自行车的局部避障路径规划方法

说明书

技术领域

本发明涉及无人自行车技术，特别是一种面向无人自行车避障路径规划方法。

背景技术

自20世纪60年代移动机器人诞生以来，研究人员一直梦想研究无人智能交通工具，作为智能交通系统的重要组成部分，无人自行车排除了人为不确定因素的影响，不仅可以提高驾驶安全性，而且可以解决交通拥堵，提高能源利用率，百度曾宣布开发复杂人工智能无人自行车，该产品是具备环境感知、规划和自平衡控制等复杂人工智能的无人自行车，主要集合了百度在人工智能、深度学习、大数据和云计算技术的成就，然而对技术细节没有任何披露。目前大多采用采用覆盖面广、成本低，且针对性强的运动干预服务系统，对无人自行车的运动进行符合实际情况的干预，有望解决自行车避障等问题。

作为无人自行车的智能核心，避障路径规划系统决定车辆如何在多种约束条件和路径障碍物条件下到达目标位置，这些约束包括体现为安全性的环境约束，体现可行性的系统运动学约束，体现平顺性和稳定性的系统动力学约束以及特定的优化指标约束，如最短时间或最短距离等。在无人自行车应用中，这些约束集中在全局路径规划中得到满足，全局路径规划问题等同于起点和终点间路径生成的问题，解决全局路径规划问题一般要求提前获知完成的典型道路及其数字化存储方式，也就是环境地图，当环境变化或其他因素导致规划结果不可行时，需要重启全局规划得到新的可行路径才能继续行使。

然而目前无人自行车的工作环境与一般机器人应用存在很多不同，因此需要规划一种新的局部避障路径规划方法。局部路径规划及轨迹生成的主要任务是确保自行车安全、平顺的形式，其首先从感知系统获取道路信息，经过处理后实时生成安全、平顺的行车轨迹，并以车速和转向角的数据形式传输给控制系统，从而使自行车实现车道跟随和避障功能。

所谓避障路径规划是指在给定的障碍条件以及起始和目标的位姿，选择一条从起始点到达目标点的路径，使运动物体能安全、无碰撞的通过所有的障碍。

发明内容

本发明的目的在于提供一种面向无人自行车的局部避障路径规划方法，包括如下步骤：

(1)利用环境感知系统所得环境数据将统一到同一坐标系下，并生成环境地图，环境地图包含障碍物地图和自行车道线地图两种类型；

(2)根据一般工况下自行车自主驾驶跟随自行车道线行驶的原则，采用拟合车道中心线作为行驶路径，建立当量包围盒，确定障碍物几何中心，确定避障过程路径；

(3)根据无人自行车与障碍物发生碰撞的条件公式以及选取的路径，无人自行车执行避障步骤。

优选的，所述步骤(1)中的所述障碍物地图以极坐标形式给出，坐标原点为无人自行车后轴中心点，包括720个数据，即0.5度一个数据，用来表示该方向上的最近物体离自行车中心的直线距离，如果没有障碍物，其数值设为最大距离值。

优选的，所述步骤(1)中的所述自行车道线地图由一组车道线数据组成，用车道线位置数据和线型数据两部分表示，位置数据为车道线上所提取10个采样点的直角坐标，线型包含：路边线、双黄线、单实线、单虚线、停车线、斑马线、禁停线等。

优选的，所述步骤(2)中设圆心坐标为O(x₀,y₀,z₀)，无人自行车末端执行器参考点坐标为P(p_x,p_y,p_z)，当式(1)成立时，无人自行车与障碍物发生碰撞。

优选的，所述步骤(2)中设障碍物圆心为o，半径为r，无人自行车末端执行器运动起始点为A，目标点为B，避障规划过程中，根据运动路径最短和末端执行器可达空间最大化原则选择多种曲线路径，其中末端点由末端执行器和障碍物的空间尺寸及避碰安全系数决定。

优选的，所述步骤(3)按照如下流程进行：(3-1)确定无人自行车工作空间，求解障碍物中心与末端执行器空间坐标；(3-2)将空间圆弧ADB离散化若干控制点，确定避障路径的起点与终点；(3-3)运用运动学逆解求得起点、终点与离散控制点对应无人自行车各部分运动变量；(3-4)对步骤(3)中所得关节变量进行三次样条插值，得到各运动变量的运动函数；(3-5)生成初级行车路径；(3-6)取运动函数极值对应点，进行运动学正解，利用式(1)判断是否与障碍物相碰，检验三次样条插值精度和离散点数目是否符合要求；(3-7)利用符合要求的关节运动函数驱动人的腿部关节，实现无人自行车避障。