[发明专利]一种自主规划路径的自动驾驶系统

权利要求书

1.一种自主规划路径的自动驾驶系统，其特征在于：包括复杂环境感知与建模、全局路径规划模块、局部路径优化模块、轨迹跟踪模块、安全检测模块；

所述复杂环境感知与建模是通过GPS技术,SLAM技术以及视觉导航和惯性导航的数据融合，实现车载计算机对实时复杂环境的理解及建模；

所述全局路径规划模块使用环境模型映射得到的电势场模型进行最佳路径的选择；

所述局部路径优化模块使用B-样条曲线对全局路径光滑处理；

所述轨迹跟踪模块使用模型预测控制对优化路径进行实时跟踪；

所述安全检测模块利用车体自身的故障检测系统，对车体安全实时监控。

2.如权利要求1所述一种自主规划路径的自动驾驶系统，其特征在于：所述全局路径规划模块为瞬时策略强化学习算法，对车辆的行驶路径进行全局规划，基于人工势能场Q-Learning算法，规划步骤如下：

Step1：确认已知初始点start与目标goal的位置，并基于目标位姿构造出目标引力势能场；

Step2：由下式将在势能场中后继状态s_i的势能值定义成后继状态s_i的最大折算累积回报：

WS₀(s_i,a)＝|1/U(s_i)|；

Step3：利用改进的环境状态值函数来更新状态-动作值函数表，并通过下式对Q值进行初始化；

Step4：对于每一次尝试trials执行循环，并初始化当前状态s；

Step5：对于每一次尝试中的每一次迭代interation执行循环；

Step6：根据随机选择策略从当前的状态s下所有即将发生的动作中选出动作α；

Step7：车辆通过执行选出的动作α，将当前的状态s更新转移到后继状态s′，然后反馈所获得的立即奖赏值r给车辆；

Step8：观察更新后的新状态s′；

Step9：根据所获得的立即奖赏值r，由下式更新Q(s,a)值：

Step10：判断s′是否为车辆目标状态，若不是则结束本次迭代学习过程，迭代interation+1，则继续返回到Step6，否则返回到Step11；

Step11：结束该次尝试学习，尝试trials+1，并返回到Step4，继续进行下一次尝试学习。

3.如权利要求1所述一种自主规划路径的自动驾驶系统，其特征在于：所述局部路径优化模块，优化步骤入下：

1)确定从点一绕过障碍物到达点三所经过的路径，点二是在避开障碍物的过程中产生的转折点，点二距离矩形障碍物的最小安全距离为d；

2)假定车在转向时的转弯半径为r，两条路径行进方向之间的夹角为θ，两条路径中的最短者的长度为m，双轮机器人两轮之间的距离为l，对于满足约束条件的转弯半径r都能够让机器人在转向过程中保持连贯性且不触碰障碍物；约束条件如下所示：

3)路径长度在经过平滑处理后的产生了2次变化，需要对长度数据进行二次更新，由几何关系可知，新路径长度相较于原路径长度在节点i上产生的变化为：

则第j个可行解的长度值更新为：