申请/专利权人：湖南大学

申请日：2022-01-11

公开（公告）日：2024-06-25

公开（公告）号：CN114371712B

主分类号：G05D1/43

分类号：G05D1/43;G05D1/622

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2022.05.06#实质审查的生效;2022.04.19#公开

摘要：本发明公开了一种具有不停车绕障功能的泊车轨迹重规划方法，包括假设在t＝t0时刻，车辆发现了前方突然出现的障碍物石块，车辆自动驾驶系统立刻执行模块A；同时在t＝t0时刻车辆自动驾驶系统开启一个异步的行程，并在该行程中执行模块B；要求车辆从t＝t0+TB时刻到t＝t0+TB+T时刻均沿着原始既定轨迹的路径行驶；在t＝t0+TB时刻执行模块C，推演车辆在t＝t0+TB+T时刻应该处于的位置信息，在t＝t0+TB时刻执行完模块C，立刻执行模块D生成一条trajectorynew；最后检查trajectorytransfer段是否能够避障。本具有不停车绕障功能的泊车轨迹重规划方法，能够大幅度降低车辆应对随时出现突发障碍物的反应时间，并且车辆不再需要降低车速驻车而损耗刹车片或浪费燃油。

主权项：1.一种具有不停车绕障功能的泊车轨迹重规划方法，其特征在于，包括以下步骤：步骤一、在车辆沿着既定的轨迹跟踪行驶的过程中，既定的轨迹记为trajectoryold，假设在t＝t0时刻，车辆发现了前方突然出现的障碍物石块，车辆自动驾驶系统立刻执行模块A，模块A提供的技术包括计算刹车减速度abrake，使得车辆从t＝t0时刻开始实施刹车制动；模块A计算刹车减速度abrake的技术方案为：当感知到突然出现的障碍物时的车辆位置与障碍物之间的距离为S，则要求车辆最迟也能够在0.8*S里程之处停止下来，假设在故障发生时刻车辆的速度为v0，则可以按照以下公式反推出abrake： 进而有： 步骤二、同时在t＝t0时刻，车辆自动驾驶系统开启一个异步的行程，并在该行程中执行模块B，模块B负责生成一条从车辆在t＝t0时刻所处位置姿态到终止位姿的行车轨迹，记为trajectorynew；模块B采用计算最优控制方法规划行车轨迹trajectorynew，计算最优控制方法的主要步骤包括：1构建最优控制命题，2将其离散化为非线性规划命题，3利用梯度优化方法求解该非线性规划命题；1构建最优控制命题：一个完整的面向轨迹规划任务的最优控制命题包括车辆运动学约束、两点边值约束、碰撞躲避约束以及一个代价函数；车辆运动学约束：车辆运动学约束用于描述车辆在二维平面上的运动能力，在车速不高的情况下，二自由度模型已能够符合实际需求，二自由度模型将车辆的两只前轮及两只后轮分别向车体纵轴方向合并为虚拟单轮，通过确定虚拟前轮的转动角速度以及虚拟后轮的加速度，可确定车辆的前轮转角、行驶速度；根据二自由度模型，车辆在惯性坐标系X-Y中的运动过程受到以下微分方程组的制约： 其中终止时刻tf是待定变量；xt,yt代表车辆后轮轴中点坐标；vt及at分别代表沿车体纵轴方向的速度及加速度，以使车辆前进的方向为正；φt为车辆前轮偏转角，以左偏为正；ωt为前轮偏转角速度；θt代表车辆在坐标系中的姿态角，即从X轴正方向到车体纵轴正方向的角度，以逆时针转向为正；此外，还定义了车辆的几何尺寸相关参数：Lw代表前后轮轴距，车辆内在的机械特性对应着状态控制变量的容许作用区间，一般包括： 被微分的变量包括xt、yt、φt、θt以及vt，可被微分的变量一定对自变量t连续，将其称为状态变量；未被微分的变量包括at和ωt，这两个变量不一定对时间t连续，将其称为控制变量；两点边值约束：在车辆运动的起始时刻t＝0，应显式地指定车辆所处的运动状态，即[v0,φ0,a0,ω0,x0,y0,θ0]＝[p1,p2,p3,p4,p5,p6,p7],其中[p1,p2,p3,p4,p5,p6,p7]对应着由车载传感器记录推算的当前时刻t＝0的运动状态客观实际情况；在车辆运动的终止时刻tf，也需对车辆运动状态进行限制:[vtf，φtf,atf，ωtf，xtf,ytf,θtf]＝[P8，P9，P10，P11，P12，P13，P14]；碰撞躲避约束：碰撞躲避约束要求车辆在整个运动时域[0,tf]上避免与环境中的任何静止、移动障碍物发生碰撞；假设X-Y坐标系中存在NOBS个静止的凸多边形障碍物，其中第j个障碍物包含NVj个顶点针对车身与凸多边形障碍物j之间的碰撞躲避约束进行建模，在二维平面上，两个凸多边形从尚未发生碰撞到发生碰撞的整个过程中，碰撞发生的瞬间一定出现了某一凸多边形顶点撞入了另一凸多边形中的事件；将点P与凸多边形每两个相邻顶点分别组成三角形，并将这些三角形的面积累加，如果面积之和大于凸多边形，则点P处于凸多边形外部，否则点P处在多边形的轮廓上或内部，据此，点P处于凸多边形Q1～Qn外部的约束条件可正式建立为： 其中SΔ代表相应三角形面积，代表凸多边形面积，SΔ应基于三角形顶点坐标书写，以为例，假设P＝x,y、Qk＝xQk,yQk、Qk+1＝xQk+1,yQk+1，则有： 其中是常值；将点P处于凸多边形Q1～Qn外部的一般性约束条件简记为PointOutOfPolygonP,Q1...Qn，据此可建立第j个障碍物与车身矩形AtBtCtDt的碰撞躲避约束条件，完整的碰撞躲避约束条件可写为： 进一步简写为： 代价函数：期待泊车运动过程尽早完成，因此设置：J＝tf；完整的最优控制问题：将以上的约束条件和代价函数汇总起来即得到面向泊车轨迹规划任务的最优控制问题；2将其离散化为非线性规划命题：最优控制问题可简记为以下形式： 其中xt代表状态变量，ut代表控制变量，求解命题即确定符合约束条件的控制变量ut以及时域长度tf，使得末值型代价函数tf得以最小化；首先，定义Nfe+1个采样时刻{tk|k＝0,...,Nfe}，要求这些采样时刻均匀分布于时域[0,tf]上，即：0＝t0＜t1＜t2＜…＜tNfe＝tf， 第二步，引入一系列变量{uk|k＝0,...,Nfe}、{zk|k＝0,...,Nfe}来分别表征ut、xt，求解ut、xt这一原始任务转化为求解它们在一系列采样时刻的取值，即求解变量{uk}、{xk}的取值，代价函数变为代数等式不等式Gxt,ut≤0,t∈[0,tf]变为Guk,xk≤0，k＝0,...,Nfe，微分等式的变化方式稍微复杂，将dxtdt＝Fxt,ut写以下等价形式： 其中无论变量a如何选取，上式一定成立，现将式中的t取为tk，并令a＝tk-1，则有： 为去除复杂的积分运算，可将被积函数整体近似为一个常值Const，即： 由于函数F·,·本身不可能是常值函数，上式的成立意味着xt、ut在子区间t∈tk-1,tk上取值恒定，即： 其中Const1、Const2为常值，即：xtk＝xtk-1+Const·tk-tk-1,进而：xk＝xk-1+Const·hk；选取子区间端点处的变量值，即： 或者： 则：xk＝xk-1+Fxk-1，uk-1·hk；在所有子区间tk-1,tk上重复上述转化，则可形成一个完整的非线性规划命题： 3利用梯度优化方法求解该非线性规划命题：首先，待求解的非线性规划命题可精炼地描述为： 其中代表由优化变量组成的向量，即解向量，通过引入松弛向量s＞0，可将不等式约束转化为等式约束，即： 此时，如将命题中唯一的不等式约束条件s＞0转化为内罚函数项补入代价函数J，则可构造仅包含等式约束的标准形式非线性规划命题： 其中，代表包含内罚函数项的代价函数；μIPM＞0是障碍因子，其取值越趋于0+则通过内罚函数μIPM·lns描述不等式s＞0的精准程度越高；步骤三、在t＝t0+TB时刻得到可以绕过障碍物的行车轨迹trajectorynew之后，指定一个参数T0，要求车辆从t＝t0+TB时刻到t＝t0+TB+T时刻均沿着原始既定轨迹的路径行驶，并且刹车加速度仍旧为abrake；在t＝t0+TB时刻，按照模块C提供的技术去推演车辆在t＝t0+TB+T时刻的位置坐标值、姿态角度、速率、前轮角度信息，并将这些信息记为X，在t＝t0+TB时刻执行完模块C而确定X之后，立刻执行模块D生成一条以X为起始位姿快速向trajectorynew进行衔接的平滑过渡局部轨迹，将这条局部轨迹记录为trajectorytransfer；模块C负责确定车辆在t＝t0+TB+T时刻的位置坐标值、姿态角度、速率、前轮角度等状态控制变量的取值，车辆在t＝t0+TB+T时刻较之于t＝t0时刻向前继续行驶了以下公式所示的长度：V0·TB+T+0.5·abrake·TB+T2；在轨迹上找到相应点位，提取该点位的位置坐标、姿态角、前轮转角角度、车速等信息即可；模块D负责生成一条以X为起始位姿快速向trajectorynew进行衔接的平滑过渡局部轨迹trajectorytransfer，这条轨迹的生成方式仍旧是以计算最优控制方法求解一个最优控制命题，开设N个并行化的线程，分别将trajectorynew未来的N个可能的点位设置为衔接点Y，随后利用并行计算架构同时计算从X到每一个Y的备选行车轨迹，将所有N条备选的行车轨迹中最短的那一条记为trajectorytransfer；这N条衔接轨迹的计算，可按照模块B介绍的方法生成从X到Y的一条轨迹，每一条备用轨迹的计算过程仍旧包含三个步骤，1构建最优控制命题，2将其离散化为非线性规划命题，3利用梯度优化方法求解该非线性规划命题；1将轨迹规划任务构建为最优控制命题：一个面向轨迹规划任务的最优控制命题，在模块D之中，仅仅包括车辆运动学约束、两点边值约束以及一个代价函数，不再有碰撞躲避约束；车辆运动学约束： 以及： 两点边值约束：将最优控制问题中提及的t＝0视为X点位的状态，即：[v0,φ0,a0,ω0,x0,y0,θ0]＝[p1,p2,p3,p4,p5,p6,p7],其中[p1,p2,p3,p4,p5,p6,p7]对应着X点位运动状态，t＝tf时刻末端对应着Y状态：[vtf，φtf,atf，ωtf,xtf，ytf，θtf]＝[p8，p9，p10，p11，p12，p13，p14]；代价函数：期待泊车迁移运动过程尽早完成，因此设置：J＝tf；完整的最优控制问题：将以上约束条件和代价函数汇总起来即得到面向局部迁移轨迹规划任务的最优控制问题；2将最优控制命题离散化为非线性规划命题：离散化过程同模块B；3利用梯度优化方法求解该非线性规划命题：求解过程同模块B；步骤四、最后检查trajectorytransfer段是否能够避障；检查trajectorytransfer段是否能够避障的具体方法为：如果该段轨迹未与环境中任何新旧障碍物相撞，则认为该段轨迹是合法的，立刻构成最终的不停车绕障轨迹如下：在车辆于t＝t0+TB+T时刻抵达X之前，仍旧沿着旧轨迹的路径部分进行减速行驶，在抵达X之后则沿着trajectorytransfer行驶，直至车辆行驶到trajectorynew轨迹线上为止，随后继续沿着trajectorynew剩余部分继续行驶直至抵达终止位姿为止；如果检查trajectorytransfer段发生了碰撞，则车辆在抵达X之后继续沿着trajectoryold做减速行驶，按照模块C提供的技术去推演车辆在t＝t0+TB+2T时刻的位置坐标值、姿态角度、速率、前轮角度等信息，仍旧将这些信息记为X，在确定X之后，立刻执行模块D生成一条以X为起始位姿向trajectorynew进行衔接的平滑过渡局部轨迹trajectorytransfer，对其进行碰撞检查，如果发生碰撞则继续重复上述步骤直至车辆彻底停下为止；如果未发生碰撞则在X点位处衔接过渡段轨迹，随后拼接一段trajectorynew轨迹。

全文数据：

权利要求：

百度查询： 湖南大学 一种具有不停车绕障功能的泊车轨迹重规划方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD