[发明专利]降低事故严重程度的无人驾驶车辆轨迹规划方法及系统

权利要求书

1.一种降低事故严重程度的无人驾驶车辆轨迹规划方法，其特征在于，包括：

步骤M1：将车辆及环境信息由笛卡尔坐标系转换到Frenet坐标系；

步骤M2：在Frenet坐标系中利用三次样条曲线生成参考路径；

步骤M3：以撒点的方式沿参考路径进行采样，通过预设次多项式进行拟合，生成轨迹簇；

步骤M4：以最大速度、最大加速度、最大曲率作为控制约束，去除不符合控制约束的轨迹，保留符合控制约束的轨迹；

步骤M5：对保留的符合控制约束的轨迹进行碰撞检测，当检测后存在不碰撞的轨迹，则将不碰撞的轨迹记为无碰撞轨迹簇，在无碰撞轨迹簇中通过预设的损失函数筛选使损失函数值最小的轨迹作为最优轨迹；当检测后所有轨迹都将碰撞，即所有轨迹构成碰撞轨迹簇，则在碰撞轨迹簇中，通过事故严重程度预测模型筛选严重程度最低的轨迹作为最优轨迹；

所述事故严重程度预测模型是在车辆面临碰撞风险时，根据感知层获得的信息，提取包括车辆状态参数、车辆固有属性、人员属性以及组合参数作为事故严重程度预测模型的输入，实时预测主车在沿不同候选轨迹行进发生碰撞的事故严重程度，选择事故严重程度最低的轨迹作为最优轨迹。

2.根据权利要求1所述的降低事故严重程度的无人驾驶车辆轨迹规划方法，其特征在于，所述步骤M1包括：

车辆的姿态向量其中，(x,y)表示车辆在二维平面的位置，θ表示车辆的朝向，k表示曲率，即朝向θ的变化率，v表示车辆的速度；

则车辆的姿态变量满足下述关系：

其中，表示x的导数，即x方向速度；表示y的导数，即y方向速度；表示θ的导数，即位于(x,y)位置的航向角的导数；

在上述基础上考虑一条由车辆运行产生的连续轨迹，记沿轨迹方向的位移为s方向，则沿轨迹s方向的位移与车辆姿态向量的关系如下：

其中，dx表示微分；θ(s)表示车辆航向角关于沿轨迹s方向的位移的函数；k(s)表示路径曲率关于沿轨迹s方向的位移的函数；s代表道路的中心线切向方向的位移，也称纵向位移s；与此对应的是道路的中心线垂直方向位移l，也称横向位移；则由笛卡尔坐标系转换到Frenet坐标系：

其中，定义道路的采样函数为r(s)＝[r_x(s)，r_y(s)，r_θ(s)，r_κ(s)]，x_r(s，l)表示笛卡尔坐标系下横坐标通过沿轨迹s方向的位移和横向偏移l表示的关系，y_r(s，l)表示笛卡尔坐标系下纵坐标通过沿轨迹s方向的位移和横向偏移l表示的关系，θ_r(s，l)表示笛卡尔坐标系下航向角通过沿轨迹s方向的位移和横向偏移l表示的关系，k_r(s，l)表示笛卡尔坐标系下路径曲率通过沿轨迹s方向的位移和横向偏移l表示的关系；

则由上式推出车辆姿态向量在Frenet坐标系下的坐标(s，l，l′，l″)：

s＝r(s)

l′＝(1-r_κl)tanΔθ

其中，r(s)表示道路采样函数，即参考路径的函数表示；r_k′表示沿道路采样函数的曲率导数，(s，l，l′，l″)为车辆的姿态向量转换到Frenet坐标系下的坐标，s表示沿道路参考线的距离，l表示距离参考线的横向距离，l′表示横向距离的导数，l″表示表示沿参考路径横向偏移的二阶导数，表征横向加速度；Δθ＝θ-r_θ；(r_x，r_t，r_θ，r_k)为参考路径中距离环境中的车辆或障碍物(x，y，θ，k，v)最近的点的笛卡儿坐标系下的坐标。