[发明专利]一种基于环境不确定性的无人车动态路径规划方法

权利要求书

1.一种基于环境不确定性的无人车动态路径规划方法，其特征在于，包括以下步骤：

S1：建立车辆运动学模型，无人车和障碍物均满足车辆运动学模型，所述车辆运动学模型满足以下公式：

其中，x为车辆运动状态，(x,y)为以车辆后轴中心点为原点建立的坐标系下的横向坐标和纵向坐标，θ为车辆相对于坐标系X轴的航向角，v和δ分别为车辆的速度和前轮转角，l为车辆前轴与后轴之间的距离，分别对应为x、y、θ、v的一阶求导；

S2：建立表征无人车运动环境的动态环境模型，并根据动态环境模型建立重新规划路径的满足条件；

S3：获取无人车的车辆运动状态起始值x₀和车辆运动状态初始目标值x_g，并根据x_g获取多个车辆运动状态候选目标值其中，

下标0表示起始值，下标g表示初始目标值，下标h表示候选目标值，上标i表示第i个候选目标值，d为设定的横向间隔；

S4：基于车辆运动学模型，生成从x₀到的候选路径；

S5：评估候选路径的安全性指标和快速性指标，基于安全性指标和快速性指标从各候选路径中选取得到最优路径；

S6：跟踪无人车以最优路径运动的过程，当无人车运动环境满足重新规划路径的满足条件时，跳转步骤S3，重新规划无人车的最优路径；

所述动态环境模型包括：

1)建立坐标系，用圆心位于(x′,y′)、半径为r′的圆表示无人车，无人车速度其中，v′_x、v′_y分别表示v′在X轴和Y轴上的速度分量；

2)用圆心位于(x_o,q,y_o,q)、半径为r_q的圆表示障碍物，q表示障碍物的编号，障碍物速度v_o,q＝[v_o,q,x,v_o,q,y]^T，其中，v_o,q,x、v_o,q,y分别表示v_o,q在X轴和Y轴上的速度分量；

3)以(x′,y′)为中心、r₁为半径的区域定义为危险区域，r＜r₁＜r_d，r_d为设定值，以(x′,y′)为中心、r₂为半径的区域定义为警示区域，r_d＜r₂＜r_a，r_a为设定值；

4)定义障碍物正在靠近的满足条件为：Δv_y·Δy＜0，Δv_y表示无人车与障碍物的横向相对速度，Δv_y＝(v_o,q,y-v′_y)，Δy表示无人车与障碍物的横向相对距离，Δy＝(y_o,q-y′)；

所述步骤S4具体为：

41：设车辆的轨迹(x_e,y_e)为六阶多项式，满足以下公式：

其中，t为时间，a_k、b_k为待定系数；

42：结合车辆运动学模型和六阶多项式，根据x₀和将车辆的轨迹(x_e,y_e)表示为：

其中，表示对x_e(·)的一阶求导，表示对x_e(·)的二阶求导，表示对y_e(·)的一阶求导，表示对y_e(·)的二阶求导；

43：定义性能指标J(x_e,y_e)为偏离连接x₀和x_g的曲线的偏差之和，满足以下公式：

其中，x_n＝x_n(t)，y_n＝y_n(t)，(x_n,y_n)为连接x₀和x_g的曲线；

44：根据x₀和联立式(3)和式(4)求解得到待定系数a_k、b_k，待定系数a_k、b_k代入公式(2)得到车辆的轨迹(x_e,y_e)，即从x₀到的候选路径；

所述步骤S5中根据代价函数从各候选路径中选取得到最优路径，所述代价函数满足以下公式：

J_i＝w₁J_o,i,cp+w₂J_o,i,dev (5)

其中，J_i为从x₀到的候选路径的代价，w₁为对应安全性指标的权重系数，w₂为对应快速性指标的权重系数，J_o,i,cp为从x₀到的候选路径的安全性指标，J_o,i,dev为从x₀到的候选路径的快速性指标，最优路径为J_i最小的候选路径。