[发明专利]一种基于状态机的自动驾驶控制方法

说明书

本发明公开了一种基于状态机的自动驾驶控制方法，行为决策模块接收环境感知模块采集的信息、以及整车CAN网络信息；将自动驾驶决策系统划分为横向决策状态机、纵向决策状态机；在横向决策状态机、纵向决策状态机中分别包含不同的状态并设置对应的状态切换条件；对横向决策状态机和纵向决策状态机之间的输出结果进行整车动力学横纵向耦合，输出控制车辆驾驶的信号。本发明的优点在于：通过有限状态机来实现对于车辆的自动驾驶控制，结构简单明了、对处理器计算要求低、实时性较强、决策准确性高、对于异常工况的处理较好，适用于自动驾驶规模化量产；系统明确状态决定控制，决策状态信息同时返回环境感知模块，有利于降低环境感知模块计算量。

技术领域

本发明涉及自动驾驶领域，特别涉及一种基于状态机的自动驾驶控制方法。

背景技术

智能车辆从根本上改变传统的车辆驾驶方式，将驾驶员从“驾驶员车辆道路的闭环系统中解放出来，利用先进的电子与信息技术控制车辆行驶，让驾驶活动中常规的、持久且疲劳的操作自动完成，能够极大地提高交通系统的效率和人员的安全性。智能驾驶主要分为环境感知、行为决策、运动控制三大模块，其中行为决策控制系统类似人的大脑，对于自动驾驶整个系统起着“总指挥”的作用。行为决策模块主要从环境感知模块接受车辆周围环境信息，然后对运动控制模块发出控制指令。从可查阅国内外文献，目前关于行为决策的控制算法主要包含势场法、区域划分法、深度学习、决策树算法。势场法是一种对电场进行模拟的方法，区域划分法无人驾驶车辆附近环境划分为安全区域和不可避免碰撞区域。这两类方法计算程序比较复杂，实时性较差，，难以满足车规级自动驾驶应用。深度学习是目前比较热门的算法，也确实是解决符合不同类型驾驶员的驾驶行为习惯的决策方法，但是其对于训练模型数据要求较多，对处理器计算能力要求较大，目前来说并不适用于自动驾驶大规模量产开发。决策树算法，结构复杂，需把自动驾驶所有场景以及相应的决策规划成树型结构，此类决策算法能够很好的覆盖行为决策系统，但是易引起决策重叠。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于有限状态机的自动驾驶决策控制方法，根据条件在不同的有限状态机的状态下进行车辆状态的切换，实现自动驾驶。

为了实现上述目的，本发明采用的技术方案为：一种基于有限状态机的自动驾驶决策控制算法；把自动驾驶决策系统划分为横向决策状态机、纵向决策状态机；最后对输出结果进行整车动力学横纵向耦合。其中纵向决策状态机包含：巡航状态、跟随状态、紧急制动状态。横向决策状态机包含：车道保持状态、换道状态、异常变线状态。根据车辆的感知信息进行边界条件计算，系统在横纵向不同的子状态间进行切换，从而计算出车辆目标加减速度、目标转向角，进而使自动驾驶车辆能够安全行驶。

一种基于状态机的自动驾驶控制方法，其特征在于：行为决策模块接收环境感知模块采集的信息、以及整车CAN网络信息；

将自动驾驶决策系统划分为横向决策状态机、纵向决策状态机；在横向决策状态机、纵向决策状态机中分别包含不同的状态并设置对应的状态切换条件；

对横向决策状态机和纵向决策状态机之间的输出结果进行整车动力学横纵向耦合，输出控制车辆驾驶的信号。

纵向决策状态机包含子状态：巡航状态、跟随状态、紧急制动状态；

横向决策状态机包含子状态：车道保持状态、换道状态、异常变线状态。

分别定义横向决策状态机中不同状态切换的条件、定义纵向决策状态机中不同状态切换条件，并根据采集的数据信息切换对应的状态。

在横向决策状态机中，车道保持状态为默认状态，通过预先定义状态切换条件来切换不同状态，其切换包括：

(1)、车道保持状态进入换道状态：

A：自动驾驶车辆产生换道意图；

B：输出决策换道方向；