[发明专利]一种基于并行求解的自动驾驶运动规划方法

说明书

本发明涉及一种基于并行求解的自动驾驶运动规划方法，属于自动驾驶技术领域。该方法包括：S1：构建运动规划问题，并对其离散化；S2：通过引入全局变量和松弛变量，将离散化的运动规划问题转换为并行运动规划问题；S3：针对构建的并行运动规划问题，采用分层交替方向乘子法进行数值求解。本发明方法大大降低了自动驾驶运动规划问题的优化维度和约束规模，简化了问题难度，同时通过将单一车载处理器的运载负荷分摊到多个并行处理器上，显著提高了自动驾驶运动规划问题的求解实时性。

技术领域

本发明属于自动驾驶技术领域，涉及一种基于并行求解的自动驾驶运动规划方法。

背景技术

运动规划系统是自动驾驶系统中的关键技术之一，能够根据路况信息、驾驶员出行目的以及全局地图数据库规划出自起始点至终点的一条无碰撞、可通行的最优行驶路径。

依据有无模型结构，运动规划方法可分为无模型方法以及基于模型的优化方法。无模型方法主要有基于规则的方法、人工势场法、采样法等。其中，基于规则的方法不能处理规则之外的新场景，人工势场法缺少对车辆及环境的推理预测，采样法面临自由空间搜索的维数灾问题，机器学习方法的可解释性差。在基于模型的优化方法中，基于非线性模型预测控制(Nonlinear Model Predictive Control,NMPC)的运动规划能够考虑车辆动力学等非线性约束，在滚动时域内可实现安全性、舒适性等多性能目标优化，因此成为解决高等级自动驾驶运动规划面临的问题的一条重要途径。

然而，随着交通场景变复杂，NMPC运动规划中优化指标以及非线性约束的数量也随之增加，尤其是非凸的避障约束的增加，这大大增加了运动规划问题求解的复杂度。并且，当前NMPC运动规划的求解方法通常以车载单核处理器进行求解，由于单核处理器计算能力有限，这使得NMPC运动规划的实时求解变得更加困难。

发明内容

有鉴于此，本发明的目的在于提供一种基于并行求解的自动驾驶运动规划方法，针对非线性预测控制(NMPC)架构的运动规划问题优化维度较高、约束规模较大的问题，通过一致性优化解耦与约束松弛设计分布式并行运动规划问题框架以降低问题规模；同时通过将单核车载处理器的计算负荷分摊到多个车载处理器上，实现并行计算，进而得到了一种高效的分布式并行运动规划方法。

为达到上述目的，本发明提供如下技术方案：

一种基于并行求解的自动驾驶运动规划方法，具体包括以下步骤：

S1：构建运动规划问题，并对其离散化；

S2：通过引入全局变量和松弛变量，将步骤S1离散化的运动规划问题转换为并行运动规划问题；

S3：针对步骤S2构建的并行运动规划问题，采用分层交替方向乘子法进行数值求解。

进一步，步骤S1中，构建的运动规划问题的表达式为：

满足约束条件：

x₀＝x(0)

h_o(x,u)≥0,o＝0,…,M