[发明专利]一种智能车辆避障换道轨迹规划方法及系统

说明书

本发明公开了一种智能车辆避障换道轨迹规划方法及系统，根据道路环境、障碍物信息以及当前车速，基于操稳性极限起始回正点以及多项式曲线生成可行轨迹簇，对可行轨迹簇中的换道轨迹进行预碰撞检测，筛选并剔除出不满足预碰撞检测条件的轨迹得到无碰撞轨迹簇；在无碰撞轨迹簇的基础上建立关于舒适性、避障效率、侧滑这三个评价指标的代价函数；并采用模糊推理来确定三个评价指标的权重，通过求解多目标优化问题，搜索出最优的避障换道回正点，即规划出最终的避障换道轨迹。同时本申请还提出了一种智能车辆避障换道轨迹规划系统，可以在兼顾安全性、实时性以及曲率连续的同时，使得轨迹的性能指标如舒适性、避障效率等最大化，有效改善乘员的乘坐体验。

技术领域

本发明属于智能驾驶车辆规划技术领域，具体涉及一种智能车辆避障换道轨迹规划方法。

背景技术

目前我国机动车保有量呈逐年上升趋势，由此所带来的交通安全、道路拥堵等问题日益突出。经研究表明，驾驶员注意力不集中或驾驶经验不足等人为因素是导致交通事故的主要原因。因此，智能驾驶车辆正在飞速的发展和进步，它可承担人类驾驶员的更多负担和压力，从而提高道路安全性，关键技术包括感知、定位、决策、规划和控制。

目前智能车辆的主动避障策略主要分为制动避障和转向避障两种。但车辆在高速行驶时，基于制动的主动避障需要较长的制动距离，仍然会有很高的碰撞风险，甚至有可能导致后方车辆追尾。因此，通过制动避免碰撞更适用于低车速以及障碍车辆较多的城市道路；而如果在车道畅通的高速公路，更适合采用转向来避免碰撞。因此在紧急避障时，快速的规划出一条合理的换道路径是至关重要的。

智能车辆运动规划是指根据决策层输入的行为意图，在相应的时空内搜索出一条具有详细路径、速度信息，并且满足各个约束条件的轨迹，最后发送给控制模块去跟踪。运动规划最初起源于机器人领域，主要分为三类方法：基于采样的方法、基于曲线插值的方法和基于数值优化的方法。其中，基于采样的方法实时性一般且生成的曲线可能存在曲率突变；曲线插值法虽然实时性好且曲率连续，但灵活性较差；而数值优化法需要处理多约束的搜索问题，计算成本很高。其中各类规划方法都有各自的特点，单一的方法无法实现最优。

发明内容

针对现有技术存在的不足，本发明提出了一种智能车辆避障换道轨迹规划方法及系统。可以保证安全、曲率连续以及实时性好，使得车辆在顺利避障的同时，并最大化的满足乘员要求，提高规划轨迹的灵活性。

本发明采用的技术方案如下：

一种智能车辆避障换道轨迹规划方法，包括如下步骤：

S1，采用多项式曲线求得广义换道轨迹，由广义换道轨迹得到参考侧向加速度关于时间的表达式，对参考侧向加速度求极值得到参考轨迹下最大侧向加速度a_{y_rmax}，由当前路面状况结合侧向加速度相关标准定义阈值：

|a_{y_rmax}|≤a_ymax＝fμg，其中系数f1

其中，a_ymax为最大侧向加速度，系数f1，μ为路面附着系数；g为重力加速度；

根据最大侧向加速度阈值计算换道起始回正点；由换道起始回正点在横向上进行等距离迭代，采样得到N-1个换道回正点，带入到多项式曲线广义轨迹公式中得到可行轨迹簇；

S2，对可行轨迹簇中的N条换道轨迹进行预碰撞检测，筛选并剔除出不满足预碰撞检测条件的轨迹即可能发生碰撞的轨迹，得到无碰撞轨迹簇；

S3，在无碰撞轨迹簇的基础上建立关于舒适性指标、避障效率指标、侧滑指标这三个评价指标的代价函数；并采用模糊推理来确定舒适性指标、避障效率指标、侧滑指标这三个评价指标的权重，最后通过求解多目标优化问题，搜索出最优的避障换道回正点X_{T_R}，即规划出最终的避障换道轨迹。

进一步，所述S3中所建立的代价函数表示为：