[发明专利]一种基于横纵向协调的自动驾驶汽车动态轨迹规划及跟踪方法

说明书

本发明涉及一种基于横纵向协调的自动驾驶汽车轨迹动态规划及跟踪方法，首先在车辆行驶的Frenet空间中对运动状态进行密集采样，完成横、纵向的局部轨迹重规划。在横纵向轨迹协调规划中，考虑复杂交通环境中车辆及环境中的静、动态障碍物都不能简单地等效为质点，引入超平面理论评估车辆轨迹是否与周围交通环境中的静、动态障碍物发生干涉及发生碰撞的风险，并设计轨迹的平顺性、舒适性、行使效率等轨迹评价指标体系对轨迹质量进行评估。在轨迹跟踪阶段，采用Brush轮胎模型设计自动驾驶车辆动力学操纵极限约束规则，利用模型预测控制(MPC)完成自动驾驶车辆主动转向(AFS)与直接横摆力矩(DYC)集成轨迹跟踪控制。

技术领域

本发明属于智能交通自动驾驶汽车领域，具体涉及一种基于横纵向协调的自动驾驶汽车轨迹动态规划及跟踪方法。

背景技术

自动驾驶车辆作为智能交通系统的重要组成环节，把传统车辆驾驶过程中“人-车-环境”的闭环变成了“车-环境”系统，通过赋予汽车足够的智能，使车辆部分地乃至完全地取代人类驾驶者的操作，避免了人类驾驶者的操作失误，可有效提高交通系统的效率和安全性，自动驾驶车辆的研发已经逐渐受到国内外各大汽车厂商和研究机构的重视。

自动驾驶汽车通过摄像头、雷达等外部传感器感知与识别周围环境并做出相应的决策规划反应，再利用先进的硬件设备和电子信息技术控制车辆的自动运行。轨迹规划算法是自动驾驶技术的关键之一，与人类正常驾驶的汽车一样，自动驾驶汽车的轨迹规划主要是拟规划出一条从起始位置抵达目标位置，能够避开障碍物的安全、可靠可行路径，其性能的好坏将直接影响汽车的行驶安全性和无人驾驶汽车的智能化程度。目前存在的轨迹规划算法大致可以分为图搜索、数值优化和采样等三类；大多数研究集中于前两类轨迹规划方法。事实上,基于图搜索的方法将环境空间映射到加权图上从而将避障路径规划转换为图搜索问题，其计算时间会随着地图规模的增大快速增长。基于数值优化的算法是把目标函数和约束条件转化成凸优化形式，然后使用数值优化迭代器计算出其最优解，该方法最大的优点在于最优解空间是连续的，然而要将周围环境抽象成凸优化的目标函数这一条件难以满足，同时求解最优解往往依赖于计算开销较大的梯度迭代；这两类方法难以满足自动驾驶的高实时性要求。

另外，目前自动驾驶车辆的轨迹规划方法多针对横向运动规划的静态障碍物场景，但在自动驾驶实际行驶场景复杂，会随机存在临时障碍物以及动态障碍物，基于静态障碍物场景的单一横向轨迹规划难以满足自动驾驶的高可靠性要求，如何在综合交通环境中规划出能应对动、静态障碍物的横纵向协调的自动驾驶汽车动态轨迹，且满足无人驾驶车辆行驶的安全性、舒适性和通行效率等条件。同时，规划所得的轨迹跟踪还需要考虑自动驾驶车辆动力学操纵极限约束，保证其可执行性，也是应该对待的重要问题。

发明内容

本发明的目的是针对已有技术的不足，提供一种基于横纵向协调的自动驾驶汽车轨迹动态规划及跟踪方法，首先进行车辆轨迹Frenet坐标映射，在车辆行驶的状态空间中对规划时域内车辆末端运动状态进行密集采样，分别利用五次和四次多项式曲线对车辆的状态转移过程进行插值完成横、纵向的局部轨迹重规划，然后引入超平面理论进行障碍物碰撞检测，综合考虑横纵向协调的轨迹并对轨迹的平顺性、舒适性、行使效率进行评估，在设计轨迹操纵动力学极限约束规则下采用AFS+DYC集成系统对轨迹进行MPC跟踪控制，具有高实时、安全、可靠的优点。

为了实现上述目的，本发明提供如下方案：

一种基于横纵向协调的自动驾驶汽车动态轨迹规划及跟踪方法，包括如下步骤：

S1、车辆行驶状态空间轨迹采样：

将自动驾驶车辆轨迹规划问题从笛卡尔坐标系映射至Frenet坐标系下进行，在车辆行驶的状态空间中对规划时域内车辆末端运动状态进行密集采样，分别利用五次和四次多项式曲线对车辆的状态转移过程进行插值完成横、纵向的局部轨迹重规划；

S2、横纵向轨迹协调规划与车辆轨迹评估：