一种基于人工势场无人车换道避障决策规划方法

1.本发明涉及一种基于人工势场无人车换道避障决策规划方法。


背景技术：

2.随着我国汽车保有量的逐年增长，交通拥堵和交通事故的问题也日益加剧。汽车自动驾驶技术是集合了感知-规划-控制的先进技术，该技术可以科学地规划车辆路径，同时将减小因驾驶员操作失误而引发的交通事故概率，有助于提升驾驶的安全性。
3.无人车的自主避障属于局部路径规划的一种，当道路前方出现障碍物或速度缓慢的车辆时，无人车需要自主决策确定换道时机，并规划换道轨迹。但是，在传统的人工势场中，无人车的避障轨迹曲率往往会过大并产生突变，避障过程较大影响了车辆的稳定性和舒适性。


技术实现要素：

4.本发明是为了解决上述现有技术存在的问题而提供一种基于人工势场无人车换道避障决策规划方法。
5.本发明所采用的技术方案有：
6.一种基于人工势场无人车换道避障决策规划方法，包括如下步骤：
7.1)实时采集无人车运动过程中的运动状态信息和道路环境信息，将采集到的道路环境信息转化为虚拟的势场环境；
8.2)建立障碍车势场模型和道路势场模型，将步骤1采集的道路环境信息分别代入障碍车势场模型与道路势场模型中，并对应实时计算出障碍车势场值u
rep
和道路势场值u
road
；
9.3)根据步骤1采集道路环境信息中的无人车车速数据以及前车的车速数据，计算出无人车与前车之间的相对车速δv；
10.4)使用归一化方法将障碍车势场值u
rep
和相对车速δv进行归一化；
11.5)将归一化后得到的障碍车势场值u'
rep
和相对车速δv'作为模糊逻辑控制器的输入，生成换道动机δ
intention
；
12.6)若换道动机δ
intention
＜0.6，无人车等待换道，则进入步骤7；
13.若换道动机δ
intention
＞0.6，则无人车开始换道避障，进入步骤8；
14.7)无人车采取制动减速，减速后的相对车速不高于减速前相对车速的50％；
15.8)根据障碍车的种类和等效质量确定换道距离，生成基于dubins曲线的换道避障轨迹。
16.进一步地，步骤2)中障碍车势场值u
rep
的计算公式为：
[0017][0018]
其中，
[0019]
δ
rep
为障碍车斥力场因子，
[0020]
ρ(p,p
obs
)为无人车与障碍车的欧几里得距离，方向为障碍车指向无人车，
[0021]
ρ0为障碍车的影响范围，
[0022]
m为等效质量，按如下公式获得等效质量：
[0023][0024]
其中，m为障碍车的实际质量，t为障碍车的种类，v1为障碍车的速度。
[0025]
进一步地，
[0026]
步骤2)中道路势场值u
road
的计算公式为：
[0027]uroad
＝u
boundary
+u
single line
[0028]
其中，
[0029]uboundary
为无人车与障碍车所在道路环境中道路边界斥力势场，
[0030]usingle line
为无人车与障碍车所在道路环境中车道分界斥力势场；
[0031]
确定所述道路环境中车道数量n和道路宽度w，按如下公式获得道路边界斥力势场：
[0032][0033]
其中，δ
boundary
为道路边界势场系数，
[0034]
y为道路坐标系中的纵坐标；
[0035]
按如下公式获得车道分界势场的表达式为：
[0036][0037]
其中，δ
single line
为车道分界线势场系数。
[0038]
进一步地，
[0039]
步骤5)中，采用最大最小归一化方法，按如下公式获得归一化后的障碍车斥力势场值：
[0040][0041]
归一化后的障碍车斥力势场值u'
rep
的模糊子集定义为{小，较小，中，较大，大}，论域为x，取值为[0，1]；
[0042]
同理，确定障碍车的最高车速v
lim_max
和最低车速v
lim_min
，按如下公式获得归一化后的相对车速：
[0043][0044]
归一化后的相对车速δv'的模糊子集定义为{小，较小，中，较大，大}，论域为y，取值为[0，1]；
[0045]
归一化后障碍车斥力势场值u'
rep
的模糊子集中以及相对车速δv'的模糊子集定义中：小的定义范围为：0-0.2；
[0046]
较小的定义范围为：0.2-0.4；
[0047]
中的定义范围为：0.4-0.6；
[0048]
较大的定义范围为：0.6-0.8；
[0049]
大的定义范围为：0.8-1；
[0050]
模糊逻辑控制器输入归一化后的障碍车势场值u'
rep
和相对车速δv'后，输出换道动机δ
intention
，所述换道动机δ
intention
的模糊子集定义为{弱，较弱，中，较强，强}，论域为z，取值为[0，1]。
[0051]
进一步地，步骤5)中模糊逻辑控制器的模糊逻辑为：
[0052][0053]
步骤8)中，确定障碍车的种类t和障碍车的等效质量m，按如下公式获取安全换道距离：
[0054]
s＝k1*t*m+k2*δv+k3[0055]
其中，k1，k2，k3为权重系数。
[0056]
本发明具有如下有益效果：
[0057]
与传统人工势场法相比，首先优化了势场函数，其中改进了障碍物的斥力场函数，引入了相对质量的概念，实时计算的斥力势场值更科学合理。
[0058]
同时为限制无人车的横向运动，建立了保障无人车按规定道路行驶的道路势场。
[0059]
其次，建立模糊逻辑控制器，通过输出换道意愿自主决策无人车的避障行为。
[0060]
最后，实时计算安全换道避障距离，使用dubins曲线执行换道避障行为，减小了避障轨迹的曲率，完成无人车的换道避障。
附图说明
[0061]
图1是本发明方法的原理框图。
[0062]
图2是本发明设计的道路势场三维示意图。
[0063]
图3是本发明设计的基于dubins曲线的无人车换道避障示意图。
[0064]
图4.1是前车为轿车场景的初始位置关系。
[0065]
图4.2前车为轿车场景规划的局部路径。
[0066]
图4.3跟踪前车为轿车场景规划的局部路径的方向盘转角。
[0067]
图4.4跟踪前车为轿车场景规划的局部路径的参考轨迹与实际轨迹。
[0068]
图5.1前车为厢式货车场景的初始位置关系。
[0069]
图5.2前车为厢式货车场景规划的局部路径。
[0070]
图5.3跟踪前车为厢式货车场景规划的局部路径的方向盘转角。
[0071]
图5.4跟踪前车为厢式货车场景规划的局部路径的参考轨迹与实际轨迹。
[0072]
图6.1前车为重型卡车场景的初始位置关系。
[0073]
图6.2前车为重型卡车场景规划的局部路径。
[0074]
图6.3跟踪前车为重型卡车场景规划的局部路径的方向盘转角。
[0075]
图6.4跟踪前车为重型卡车场景规划的局部路径的参考轨迹与实际轨迹。
具体实施方式
[0076]
下面结合附图对本发明作进一步的说明。
[0077]
如图1所示，本发明一种基于人工势场无人车换道避障决策规划方法，具体流程如图1所示，通过建立障碍车斥力势场，优化了决策控制器和避障轨迹，提高了无人车在避障过程中的稳定性和舒适性，分别包括以下具体步骤：
[0078]
步骤1)通过智能轮胎技术以及车-路-云协同技术采集无人车的运动状态信息和道路环境信息，将实际的道路空间转化为虚拟的势场环境；
[0079]
步骤2)建立障碍车势场模型和道路势场模型。
[0080]
其中，将步骤1采集的道路环境信息数据代入障碍车势场模型中，按如下公式获取障碍车斥力势场：
[0081][0082]
其中，δ
rep
为障碍车斥力场因子，ρ(p,p
obs
)为无人车与障碍车的欧几里得距离，方向为障碍车指向无人车，ρ0为障碍车的影响范围。
[0083]
m为等效质量，按如下公式获得等效质量：
[0084][0085]
其中，m为障碍车的实际质量，t为障碍车的种类，v1为障碍车的速度。
[0086]
根据步骤1采集的数据信息，按如下公式获取道路势场(道路势场的三维示意图如图2所示)：
[0087]uroad
＝u
boundary
+u
single line
[0088]
其中，u
boundary
为无人车与障碍车所在道路环境中道路边界斥力势场，
[0089]usingle line
为无人车与障碍车所在道路环境中车道分界斥力势场。
[0090]
确定车道数量n和道路宽度w，按如下公式获得道路边界斥力势场：
[0091][0092]
其中，δ
boundary
为道路边界势场系数，
[0093]
y为道路坐标系中的纵坐标。
[0094]
按如下公式获得车道分界势场的表达式为：
[0095][0096]
其中，δ
single line
为车道分界线势场系数。
[0097]
步骤3)通过步骤1采集无人车的车速v0与障碍车的车速v1，计算相对车速δv＝v
0-v1；
[0098]
步骤4)使用最大最小线性归一化方法将障碍车势场值u
rep
和相对车速δv归一化，按如下公式获得归一化后的斥力势场值：
[0099][0100]
归一化后的斥力势场值u'
rep
的模糊子集定义为{小，较小，中，较大，大}，论域为x，取值为[0，1]。
[0101]
同理，确定障碍车的最高车速v
lim_max
和最低车速v
lim_min
，按如下公式获得归一化后的相对车速：
[0102][0103]
归一化后的相对车速δv'的模糊子集定义为{小，较小，中，较大，大}，论域为y，取值为[0，1]。
[0104]
步骤5)将步骤3归一化后的势场值u'
rep
和相对车速δv'作为模糊逻辑控制器的输入，生成换道动机δ
intention
其中，设计模糊规则如下表所示：
[0105][0106]
其中，输出为换道动机δ
intention
，换道动机δ
intention
的模糊子集定义为{弱，较弱，中，较强，强}，论域为z，取值为[0，1]。
[0107]
步骤6)假设换道动机δ
intention
＜0.6，无人车等待换道，进入步骤7；假设换道动机δ
intention
＞0.6，无人车开始换道避障，进入步骤8；
[0108]
步骤7)无人车采取制动减速，减速后的相对车速不高于减速前相对车速的50％；
[0109]
步骤8)根据障碍车的种类t和障碍车的等效质量m，按如下公式获取安全换道距离：
[0110]
s＝k1*t*m+k2*δv+k3[0111]
其中，k1，k2，k3为权重系数。
[0112]
根据安全换道距离，生成基于dubins曲线的换道避障轨迹，基于dubins曲线的换道避障行为如图3所示。
[0113]
最终，无人车根据规划的换道避障轨迹运动，完成换道避障。为验证本发明的有效性，分别选取小型轿车，厢式货车，重型卡车作为障碍车进行仿真试验，仿真结果分别如图4.1-4.4；，图5.1-5.4；以及图6.1-6.4所示。由仿真结果图可知，无人车均有效完成了避障轨迹的规划。
[0114]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下还可以作出若干改进，这些改进也应视为本发明的保护范围。

技术特征：
1.一种基于人工势场无人车换道避障决策规划方法，其特征在于：包括如下步骤：1)实时采集无人车运动过程中的运动状态信息和道路环境信息，将采集到的道路环境信息转化为虚拟的势场环境；2)建立障碍车势场模型和道路势场模型，将步骤1采集的道路环境信息分别代入障碍车势场模型与道路势场模型中，并对应实时计算出障碍车势场值u
rep
和道路势场值u
road
；3)根据步骤1采集道路环境信息中的无人车车速数据以及前车的车速数据，计算出无人车与前车之间的相对车速δv；4)使用归一化方法将障碍车势场值u
rep
和相对车速δv进行归一化；5)将归一化后得到的障碍车势场值u
r
'
ep
和相对车速δv'作为模糊逻辑控制器的输入，生成换道动机δ
intention
；6)若换道动机δ
intention
＜0.6，无人车等待换道，则进入步骤7；若换道动机δ
intention
＞0.6，则无人车开始换道避障，进入步骤8；7)无人车采取制动减速，减速后的相对车速不高于减速前相对车速的50％；8)根据障碍车的种类和等效质量确定换道距离，生成基于dubins曲线的换道避障轨迹。2.如权利要求1所述的基于人工势场无人车换道避障决策规划方法，其特征在于：步骤2)中障碍车势场值u
rep
的计算公式为：其中，δ
rep
为障碍车斥力场因子，ρ(p,p
obs
)为无人车与障碍车的欧几里得距离，方向为障碍车指向无人车，ρ0为障碍车的影响范围，m为等效质量，按如下公式获得等效质量：其中，m为障碍车的实际质量，t为障碍车的种类，v1为障碍车的速度。3.根据权利要求1所述的基于人工势场无人车换道避障决策规划方法，其特征在于：步骤2)中道路势场值u
road
的计算公式为：u
road
＝u
boundary
+u
single line
其中，u
boundary
为无人车与障碍车所在道路环境中道路边界斥力势场，u
single line
为无人车与障碍车所在道路环境中车道分界斥力势场；确定所述道路环境中车道数量n和道路宽度w，按如下公式获得道路边界斥力势场：其中，δ
boundary
为道路边界势场系数，y为道路坐标系中的纵坐标；
按如下公式获得车道分界势场的表达式为：其中，δ
single line
为车道分界线势场系数。4.根据权利要求1所述的基于人工势场无人车换道避障决策规划方法，其特征在于：步骤5)中，采用最大最小归一化方法，按如下公式获得归一化后的障碍车斥力势场值：归一化后的障碍车斥力势场值u
′
rep
的模糊子集定义为{小，较小，中，较大，大}，论域为x，取值为[0，1]；同理，确定障碍车的最高车速v
lim_max
和最低车速v
lim_min
，按如下公式获得归一化后的相对车速：归一化后的相对车速δv'的模糊子集定义为{小，较小，中，较大，大}，论域为y，取值为[0，1]；归一化后障碍车斥力势场值u
′
rep
的模糊子集中以及相对车速δv'的模糊子集定义中：小的定义范围为：0-0.2；较小的定义范围为：0.2-0.4；中的定义范围为：0.4-0.6；较大的定义范围为：0.6-0.8；大的定义范围为：0.8-1；模糊逻辑控制器输入归一化后的障碍车势场值u
′
rep
和相对车速δv'后，输出换道动机δ
intention
，所述换道动机δ
intention
的模糊子集定义为{弱，较弱，中，较强，强}，论域为z，取值为[0，1]。5.根据权利要求1所述的基于人工势场无人车换道避障决策规划方法，其特征在于：步骤5)中模糊逻辑控制器的模糊逻辑为：当归一化后相对车速与归一化后的斥力势场值均为“小”时，此时换道动机为“弱”；当归一化后相对车速值为“小”，归一化后的斥力势场值为“较小”时，此时换道动机为“较弱”；当归一化后相对车速值为“小”，归一化后的斥力势场值为“中”时，此时换道动机为“中”；当归一化后相对车速值为“小”，归一化后的斥力势场值为“较大”时，此时换道动机为“较强”；当归一化后相对车速值为“小”，归一化后的斥力势场值为“大”时，此时换道动机为“较强”；当归一化后相对车速值为“较小”，归一化后的斥力势场值为“小”时，此时换道动机为“较弱”；
当归一化后相对车速值为“较小”，归一化后的斥力势场值为“较小”时，此时换道动机为“较弱”；当归一化后相对车速值为“较小”，归一化后的斥力势场值为“中”时，此时换道动机为“中”；当归一化后相对车速值为“较小”，归一化后的斥力势场值为“较大”时，此时换道动机为“较强”；当归一化后相对车速值为“较小”，归一化后的斥力势场值为“大”时，此时换道动机为“强”；当归一化后相对车速值为“中”，归一化后的斥力势场值为“小”时，此时换道动机为“较弱”；当归一化后相对车速值为“中”，归一化后的斥力势场值为“较小”时，此时换道动机为“较弱”；当归一化后相对车速值为“中”，归一化后的斥力势场值为“中”时，此时换道动机为“中”；当归一化后相对车速值为“中”，归一化后的斥力势场值为“较大”时，此时换道动机为“较强”；当归一化后相对车速值为“中”，归一化后的斥力势场值为“大”时，此时换道动机为“较强”；当归一化后相对车速值为“较大”，归一化后的斥力势场值为“小”时，此时换道动机为“弱”；当归一化后相对车速值为“较大”，归一化后的斥力势场值为“较小”时，此时换道动机为“弱”；当归一化后相对车速值为“较大”，归一化后的斥力势场值为“中”时，此时换道动机为“较弱”；当归一化后相对车速值为“较大”，归一化后的斥力势场值为“较大”时，此时换道动机为“较强”；当归一化后相对车速值为“较大”，归一化后的斥力势场值为“大”时，此时换道动机为“强”；当归一化后相对车速值为“大”，归一化后的斥力势场值为“小”时，此时换道动机为“较弱”；当归一化后相对车速值为“大”，归一化后的斥力势场值为“较小”时，此时换道动机为“中”；当归一化后相对车速值为“大”，归一化后的斥力势场值为“中”时，此时换道动机为“较强”；当归一化后相对车速值为“大”，归一化后的斥力势场值为“较大”时，此时换道动机为“强”；当归一化后相对车速和归一化后的斥力势场均值为“大”时，此时换道动机为“强”。6.根据权利要求1所述的基于人工势场无人车换道避障决策规划方法，其特征在于：步骤8)中，确定障碍车的种类t和障碍车的等效质量m，按如下公式获取安全换道距离：
s＝k1*t*m+k2*δv+k3其中，k1，k2，k3为权重系数。

技术总结
本发明公开了一种基于人工势场无人车换道避障决策规划方法，用于自动驾驶技术自主决策。与传统人工势场法相比，首先优化了势场函数，其中改进了障碍物的斥力场函数，引入了相对质量的概念，实时计算的斥力势场值更科学合理。同时为限制无人车的横向运动，建立了保障无人车按规定道路行驶的道路势场。其次，建立模糊逻辑控制器，通过输出换道意愿自主决策无人车的避障行为。最后，实时计算安全换道避障距离，使用Dubins曲线执行换道避障行为，完成无人车的换道避障。无人车的换道避障。无人车的换道避障。


技术研发人员：朱芸海 贝绍轶 李波 张兰春 胡宏振 高陈诚 李文杰 陈慧蕾
受保护的技术使用者：江苏理工学院
技术研发日：2023.03.13
技术公布日：2023/6/28