[发明专利]基于智能驾驶员模型IDM的轨迹规划方法、装置及存储介质

权利要求书

1.一种基于智能驾驶员模型IDM的轨迹规划方法，其特征在于，所述方法包括：

获取当前车辆的环境感知信息和地图信息；

基于所述环境感知信息和所述地图信息，在Frenet坐标系下生成候选轨迹簇，所述候选轨迹簇包括多条候选轨迹；

基于智能驾驶员模型IDM确定所述当前车辆的周围车辆在每个候选轨迹影响下的预测轨迹；

筛除所述候选轨迹簇中不满足预设约束条件的候选轨迹、以及与所述预测轨迹存在碰撞的候选轨迹，得到筛选后的候选轨迹；

基于所述筛选后的候选轨迹确定所述当前车辆的规划轨迹；

所述智能驾驶员模型IDM通过下式表示：

其中，Δv = v-vlead，vLead 是所述当前车辆的速度，v是所述周围车辆的当前速度，v₀是期望速度，s是间隙，s*是当前状态下驾驶员的期望间距，s₀是最小间隙，T是最小时距，是最大加速度，b是舒适减速度，δ为常数；

所述周围车辆在预设时长Δt内以恒定转率恒加速度CTRA模型运动，所述周围车辆的当前速度v和间隙s通过下式更新：

v（t+Δt）=v（t）+（dv/dt）Δt；

令 k = dv/dt

s（t+Δt）=P_L（t+Δt）- P（t+Δt）-L_L；

其中，L_L为所述当前车辆的车长，x和y为所述周围车辆在当前车辆坐标系下的位置，P_L为所述当前车辆在所述当前车辆坐标系下的位置投影至Frenet坐标系后的位置，P为所述周围车辆在所述当前车辆坐标系下的位置投影至Frenet坐标系后的位置，ω为周围车辆的角速度，为周围车辆的朝向角。

2.根据权利要求1所述的方法，其特征在于，所述基于智能驾驶员模型IDM确定所述当前车辆的周围车辆在每个候选轨迹影响下的预测轨迹，包括：

将各个时刻通过所述智能驾驶员模型IDM计算出dv/dt的值输入恒定转率恒加速度CTRA模型，得到所述周围车辆的预测轨迹。

3.根据权利要求1所述的方法，其特征在于，所述预设约束条件包括以下几种中的至少一种：

候选轨迹对应的加速度小于最大加速度阈值、且大于最小加速度阈值；

后车的加速度大于最小后车加速度阈值；

与前车的时距大于第一最小时距；

与前车的间距大于最小间距；

与后车的时距大于第二最小时距。

4.根据权利要求1所述的方法，其特征在于，所述基于所述筛选后的候选轨迹确定所述当前车辆的规划轨迹，包括：

从所述筛选后的候选轨迹中选择代价最小的候选轨迹；

将所述代价最小的候选轨迹从所述Frenet坐标系转换至以自车后轴中心点为原点的笛卡尔坐标系，得到所述当前车辆的规划轨迹。

5.根据权利要求4所述的方法，其特征在于，所述从所述筛选后的候选轨迹中选择代价最小的候选轨迹，包括：

将所述筛选后的候选轨迹输入预设的代价函数，得到所述代价最小的候选轨迹。

6.根据权利要求1所述的方法，其特征在于，所述基于所述环境感知信息和所述地图信息，在Frenet坐标系下生成候选轨迹簇，包括：

将所述环境感知信息和所述地图信息转换至所述Frenet坐标系；

通过5次多项式构建拟合曲线方程，得到参考路径；

分别在横向方向和纵向方向上，基于所述参考路径进行离散采样，并基于初始配置、目标配置和采样点进行曲线拟合，得到所述候选轨迹簇。