[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

摘要

本发明涉及一种基于环境不确定性的无人车动态路径规划方法，包括以下步骤：S1：建立车辆运动学模型；S2：建立动态环境模型和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、车辆运动状态初始目标值和车辆运动状态候选目标值；S4：生成候选路径；S5：基于安全性指标和快速性指标选取得到最优路径；S6：当无人车运动环境满足重新规划路径的满足条件时，重新规划无人车的最优路径。与现有技术相比，本发明不仅可以满足车辆行驶的安全性要求，还能够在满足车辆模型约束的情况下保证行驶效率，通过不同的权重分配实现性能指标的协调优化，同时在多个动态障碍物存在条件下实现实时规划，有效提高无人车行驶的安全性。

主权项

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(xo,q,yo,q)、半径为rq的圆表示障碍物，q表示障碍物的编号，障碍物速度vo,q＝[vo,q,x,vo,q,y]T，其中，vo,q,x、vo,q,y分别表示vo,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＜rd，rd为设定值，以(x′,y′)为中心、r2为半径的区域定义为警示区域，rd＜r2＜ra，ra为设定值；4)定义障碍物正在靠近的满足条件为：Δvy·Δy＜0，Δvy表示无人车与障碍物的横向相对速度，Δvy＝(vo,q,y‑v′y)，Δy表示无人车与障碍物的横向相对距离，Δy＝(yo,q‑y′)；所述步骤S4具体为：41：设车辆的轨迹(xe,ye)为六阶多项式，满足以下公式：其中，t为时间，ak、bk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(xe,ye)为偏离连接x0和xg的曲线的偏差之和，满足以下公式：其中，xn＝xn(t)，yn＝yn(t)，(xn,yn)为连接x0和xg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：Ji＝w1Jo,i,cp+w2Jo,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。