[发明专利]基于障碍物动态虚拟膨胀的智能车辆避碰路径规划方法

说明书

本发明提供了一种基于障碍物动态虚拟膨胀的智能车辆避碰路径规划方法，属于智能驾驶领域。包括以下步骤：利用车载传感器及V2X技术对车辆周边环境进行信息获取；建立障碍物虚拟膨胀的椭圆模型，确定障碍物虚拟膨胀模型的动态参数；采用人工势场法对虚拟膨胀后的障碍物、道路、局部目标点进行建模，利用梯度下降算法寻找综合势能场中沿梯度方向下降最快的路径点，并通过五次多项式对路径点进行拟合得到平滑的路径。与现有技术相比，本发明为障碍物提供了动态虚拟膨胀模型，量化了障碍物膨胀的形状与尺寸，并结合人工势场法和梯度下降算法生成避碰，保障了智能车辆规划路径的安全性、可跟踪性。

技术领域

本发明属于智能驾驶领域的路径规划技术，具体涉及一种基于障碍物动态虚拟膨胀的智能车辆避碰路径规划方法。

背景技术

随着人工智能技术的应用和发展，以智能车辆为研究对象的路径规划问题越来越受到重视，其中避障路径规划是智能驾驶的关键部分。避障路径规划，即考虑本车和障碍物之间的几何关系寻找出一条避免与障碍物发生碰撞的路径，是智能车辆的重要功能模块之一。

智能车辆需要安全实时地避开障碍物，且具有较高的乘坐舒适性，提高出行效率，而可靠的路径规划算法是保证智能车辆成功避碰的关键。目前常用的避碰路径规划算法有人工势场法、模拟退火法、模糊逻辑法、神经网络法、动态窗口法、强化学习法及基于行为的路径规划方法。人工势场法是一种虚拟力法，它的基本思想是把车辆在周围环境中的运动视为车辆在人工建立的虚拟力场中的运动。目标点产生引力，引导车辆向目标点运动。障碍物产生斥力，避免车辆与障碍物发生碰撞，根据引力和斥力的合力来规划车辆的运动路径。应用人工势场法规划出来的路径一般比较平滑且安全，算法简明，实时性良好，适合智能车辆领域。

目前智能车辆在路径规划阶段，通常使用点质量模型，可以有效地降低路径规划的计算量。为了使路径规划的结果实际可行，需要根据车身尺寸对障碍物进行膨胀处理。

参考文献1：“Plessen MG，Bernardini D，Esen H，et al.Spatial-BasedPredictive Control and Geometric Corridor Planning for Adaptive CruiseControl Coupled With Obstacle Avoidance[J].IEEE Transactions on ControlSystems Technology，2017：1-13.(Plessen M G，Bernardini D和Esen H等，基于空间预测控制和几何廊道规划的自适应巡航避障控制，IEEE控制系统技术杂志，2017年，第1页到1027页)”提出安全裕度被添加到障碍物的轮廓中以反映车辆尺寸，形成一个矩形膨胀区域。障碍物的矩形膨胀会导致障碍物占地面积过大，且矩形的轮廓会导致规划的路径不平滑，不利于车辆的跟踪控制。

参考文献2：“Benjamin，Gutjahr，Lutz，et al.Lateral Vehicle TrajectoryOptimization Using Constrained Linear Time-Varying MPC[J].IEEE Transactionson Intelligent Transportation Systems，2017.(Benjamin，Gutjahr和Lutz等，基于约束线性时变MPC的车辆横向轨迹优化，IEEE智能交通系统杂志，2017年)”以及发明专利申请文献《基于模型预测的无人驾驶汽车局部路径规划方法》(CN111338340A)提出将智能车辆及障碍物建模成矩形，并用若干个沿车辆纵轴等距分布的特定半径的圆来近似智能车辆及障碍物。在路径规划过程中利用多圆实现智能车辆及障碍物的近似会造成计算量的增大，不利于车辆路径规划的实时性。