一种基于三维激光雷达的无人车自主超车轨迹规划系统的制作方法

本发明涉及智能驾驶与主动安全领域，尤其是涉及一种基于三维激光雷达的无人车自主超车轨迹规划系统。

背景技术：

超车是车辆行驶过程中常见的驾驶行为，相关统计显示，每年因超车引发的道路交通事故约占事故总数的20％，其中大多数事故都是人为因素导致。超车过程中，人类驾驶员由于自身感知能力的局限性难以准确获取周围行车环境信息，未能合理地规划超车轨迹，从而引发交通事故。无人车通过车载感知传感器能够获取丰富的环境信息，并结合本车与周围车辆行驶状况变化实时规划出安全的行车轨迹。

申请号为201810337901.8，发明创造名称为“一种结构化道路的智能车辆平滑轨迹规划方法”的发明专利通过传感器检测本车当前行驶车道前方是否有车辆，以碰撞时间为超车条件，在满足超车条件的前提下检测目标车道车辆的行驶状态，建立局部栅格地图并规划所有可能的轨迹，最后进行轨迹评价和最优轨迹筛选；申请号为201410815266.1，发明创造名称为“一种汽车智能超车方法及系统”的发明专利通过毫米波雷达探测周围车辆情况判断是否满足超车条件，利用在线预测算法预测待超越前车的轨迹，生成本车初始超车轨迹，并根据实时获取的待超越前车位置信号进行超车轨迹修正。

然而，上述两个发明专利虽然制定了超车条件，并且能够动态生成超车轨迹，但忽略了人类驾驶员的超车习惯与行车意图，同时均未考虑前车几何尺寸对超车轨迹规划的影响。

技术实现要素：

本发明的目的是为解决现有技术的不足，提供一种无人车自动超车轨迹规划方法，根据本车运动状态信息、人类驾驶员的超车意图和三维激光雷达感知到的前车状态信息，生成可靠性高的最优超车轨迹，保障行车安全。

为实现上述技术目的，本发明采用如下技术方案予以实现：

一种基于三维激光雷达的无人车自主超车轨迹规划系统，包括由环境感知单元和车速获取单元组成的数据采集单元，其信号输出端与数据处理单元相连，数据处理单元信号输出端与超车行为决策单元相连，超车行为决策单元与超车轨迹规划单元相连，超车轨迹规划单元与驾驶舱显示屏相连，驾驶舱显示屏用于显示轨迹规划单元生成的超车轨迹。

优选地，所述环境感知单元为三维激光雷达传感器，采用velodyne16线三维激光雷达，扫描频率为10hz，扫描距离范围为0.03m～100m，安装在车顶中央位置；所述车速获取单元为轮速传感器，采用w221轮速传感器，固定安装在车辆前车轮的转向节上；所述数据处理单元包括点云处理模块和超车意图模块；所述数据处理单元、超车行为决策单元和超车轨迹规划单元嵌入在车载工控机内，车载工控机固定安装在车辆后备箱内；所述驾驶舱显示屏采用11寸液晶显示屏。

优选地，所述数据采集单元采集的本车速度信息以及前车信息包括：前车与本车间的相对速度、相对距离、前车车体几何尺寸信息、车速度与加速度；所述超车行为决策单元在无人驾驶状态下，根据超车意图模型判断是否生成超车意图；若生成超车意图，则判断当前时刻前车与本车的相对运动状态是否满足超车条件，如果满足则在驾驶舱显示屏上显示“当前路况适宜超车”；超车轨迹规划单元根据本车速度信息、前车信息，生成满足防侧滑约束、横向位置约束、并行超越时间约束和乘客舒适性约束的超车轨迹，并根据前车状态变化实时更新超车轨迹。

优选地，所述超车意图模型建立的过程为：

(1)数据采集及预处理

实时采集本车速度、前车宽度、前车长度、本车与前车间的纵向相对距离、横向相对距离、前车速度，并经处理计算得到本车加速度、本车加速度变化率、前车加速度及前车加速度变化率。

(2)特征参数选取

构建超车意图模型的特征向量：

x＝[vego,aego,jego,wf,dlon,dlat,vfront,afront,jfront]

其中，vego为本车速度、aego为加速度、jego为加速度变化率，wf为前车宽度，dlon为本车与前车间的纵向相对距离、dlat为横向相对距离，vfront为前车速度、afront为加速度、jfront为加速度变化率；

(3)超车意图模型建立与训练

选取人工驾驶状态下跟车过程数据进行归一化处理，构建历史超车行为样本库，采用径向基函数作为核函数进行支持向量机建模，利用网格寻优确定惩罚因子c和核函数参数γ，建立基于svm的超车意图模型；随机选取样本库中60％的样本作为训练集，40％的样本作为测试集。

优选地，所述超车条件的判断方法为：

根据前车的位置和速度，计算得到本车距前车的碰撞时间ttc:

式中：dlon为本车与前车间的纵向相对距离；

将ttc与预设的阈值进行比较，若ttc大于或等于阈值，则满足超车条件；否则，不满足超车条件。

优选地，所述根据前车与本车的相对运动状态信息生成满足防侧滑约束、横向位置约束、并行超越时间约束和乘客舒适性约束的超车轨迹，具体方法为：

假设超车意图产生时刻为初始时刻t0，以t0时刻本车位置为原点建立笛卡尔坐标系，将t0时刻本车的运动方向作为x轴正方向，x轴法线方向设为y轴，设定车辆沿x轴运动为纵向运动，沿y轴运动为横向运动，偏航角α为本车运动方向与x轴正方向夹角；构建基于三阶贝塞尔曲线的超车轨迹参数方程：

式中：p0为超车起始点，p1和p2为贝塞尔曲线控制点，p3为前半段换道终止点，tm为本车运动至p3点所需时间，t∈(0，tm)；

将上述四点坐标p0(0,0)、p1(a1，0)、p2(a2，a3)、p3(a4，d)代入上述轨迹参数方程中，得到本车超车轨迹的纵向与横向表达式：

构造代价函数求解时间tm和纵向位移a4：

式中：ax为任一时刻本车的纵向加速度。

超车轨迹规划的代价函数应满足防侧滑约束、横向位置约束、并行超越时间约束和乘客舒适性约束，具体如下：

(1)防侧滑约束：

式中：vmax(k)为本车允许行驶的最大速度，k为车辆行驶轨迹的曲率，μ为本车轮胎摩擦系数，l为本车轴距；

(2)横向位置约束：

式中：y(t)为本车横向位移，d为车道宽度，α为本车偏航角，le为本车长度；

(3)并行超越时间约束：

式中：le为本车长度，lf为前车长度；

(4)乘客舒适性约束：

式中：ax为本车纵向加速度，axmax为最大纵向加速度；ay为本车横向加速度，aymax为最大横向加速度；jx为本车纵向加速度变化率，jxmax为最大纵向加速度变化率；jy为本车横向加速度变化率，jymax为最大横向加速度变化率；

采用差分进化算法对时间tm和纵向位移a4分别进行求解，通过变异、交叉、选择，从而确定未知参数tm、a4的取值，得到最优期望超车轨迹。

本发明的有益效果：与以往技术相比，本发明采用人类驾驶员历史超车数据构建超车意图模型，能使无人车在真实路况下的超车操作很好地接近人类驾驶员的超车习惯；在不依赖任何车载通信设备的情况下，选用三维激光雷达传感器准确获取前车尺寸信息与运动状态信息，并在超车轨迹规划的约束条件中考虑前车尺寸因素的影响，构建防侧滑约束、横向位置约束、并行超越时间约束和乘客舒适性约束，实时动态更新最优超车轨迹，充分保证超车过程的安全性与可靠性。

附图说明

图1为本发明的系统结构框图；

图2为本发明的技术路线流程图；

图3为本发明的超车轨迹示意图；

图4为本发明的超车临界碰撞时刻示意图；

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本实施例采用配备有velodyne16线三维激光雷达、w221轮速传感器的无人驾驶车辆。

如图1所示，环境感知单元采集本车周围交通环境信息，车速获取单元采集本车速度信息，数据处理单元对采集到的本车与前车状态信息进行加工处理，经超车行为决策单元确定本车执行超车操作后，由超车轨迹规划单元实时生成并更新超车轨迹，最终显示在驾驶舱显示屏上。

如图2所示，一种基于三维激光雷达的无人车自主超车轨迹规划系统，包括如下步骤：

步骤1：记录并分析人工驾驶状态下历史超车过程数据，包括车载三维激光雷达采集到的前车与本车间的相对速度、相对距离以及前车几何尺寸信息，轮速传感器采集到的本车速度与加速度，构建符合人类驾驶员驾驶习惯的超车意图模型。本发明为保证安全超车过程，仅考虑目标车道无干扰车存在情况；

步骤1.1：数据预处理：轮速传感器实时采集本车速度vego，经计算得到本车加速度aego及加速度变化率jego；

点云处理模块从三维激光雷达传感器实时采集到的环境点云数据中，聚类分割得到前车点云簇，采用随机采样一致性算法对前车点云簇进行矩形拟合，得到前车宽度wf、前车长度lf、前车中心位置(xf,yf)，经计算得到前车与本车间的纵向相对距离dlon、横向相对距离dlat、前车速度vfront、前车加速度afront、加速度变化率jfront。

步骤1.2：特征参数选取：选取本车速度vego、加速度aego、加速度变化率jego，前车宽度wf，本车与前车之间的纵向相对距离dlon、横向相对距离dlat，前车的速度vfront、加速度afront、加速度变化率jfront共9个特征参数，构建超车意图模型的特征向量：

x＝[vego,aego,jego,wf,dlon,dlat,vfront,afront,jfront]

步骤1.3：超车意图模型建立与训练：选取人工驾驶状态下驾驶员500组超车和1000组跟车过程数据进行归一化处理，构建历史超车行为样本库，采用径向基函数rbf作为核函数进行svm建模，利用网格寻优确定惩罚因子c和核函数参数γ(经多次测试选取c＝3,γ＝0.08)，最终建立基于svm的超车意图模型。随机选取样本库中60％的样本作为训练集，40％的样本作为测试集，当前时刻目标车道无干扰车辆的情况下，若本车与前车相对行驶状态符合人类驾驶员超车习惯，则模型输出1，确认生成超车意图；反之则模型输出0，未产生超车意图。

步骤2：无人驾驶状态下，根据超车意图模型判断是否生成超车意图。若未生成超车意图，则执行车道保持操作。若生成超车意图，则根据本车距前车的碰撞时间ttc判断当前时刻前车与本车的相对运动状态是否满足超车条件：

式中：dlon为本车与前车间的纵向相对距离，vego为本车速度，vfront为前车速度；

若ttc大于或等于6s，则满足超车条件，否则，不满足超车条件；

如果满足超车条件，则在驾驶舱显示屏上显示“当前路况适宜超车”，此时若人类驾驶员选择“确认”，则执行步骤3，否则执行车道保持操作；如果不满足超车条件，则在驾驶舱显示屏上显示“当前路况不宜超车”，执行车道保持操作；

车道保持操作采用acc模型，用于控制跟车过程中本车纵向速度，使本车与前车始终保持安全距离，acc模型计算方法如下：

其中：dmin为本车与前车间最小安全距离，本实施例中取5m，hdesired为本车与前车的车头时距，vfront为前车车速，dlon为本车与前车纵向相对距离，vego为本车速度，acc为本车目标加速度，μd、μv为权重系数，本实施例中取0.5。

步骤3：超车轨迹制定：如图3所示，假设超车意图产生时刻记为初始时刻t0，以t0时刻本车位置为原点建立笛卡尔坐标系，将t0时刻本车运动方向作为x轴正方向，x轴法线方向设为y轴，设定车辆沿x轴运动为纵向运动，沿y轴运动为横向运动，偏航角α为本车运动方向与x轴正方向夹角，车道宽度为d。构建基于三阶贝塞尔曲线的本车超车轨迹参数方程：

式中：p0为超车起始点，p1和p2为贝塞尔曲线控制点，p3为前半段超车终止点，tm为本车运动至p3点所需时间，t∈(0，tm)；

将四点坐标p0(0,0)、p1(a1，0)、p2(a2，a3)、p3(a4，d)代入上述轨迹参数方程中，得到本车超车轨迹的纵向与横向表达式：

对超车轨迹的纵向与横向表达式求一阶导数，分别得到超车过程的纵向期望速度和横向期望速度

假设超车初始状态下，本车纵向速度vx(0)＝v、横向运动速度为vy(0)＝0，则初始时刻本车运动状态表达式为：

将初始状态代入超车过程期望速度与期望加速度表达式进行求解得：

式中：vx(0)为超车初始状态下本车纵向速度，ax(0)为超车初始状态下本车纵向加速度；

通过上式可知a1、a2与tm的关系，因此只需求解时间tm和纵向位移a4；

构造代价函数求解时间tm和纵向位移a4：

为保证车辆行驶安全性与舒适性，超车轨迹规划的代价函数应满足防侧滑约束、横向位置约束、并行超越时间约束和乘客舒适性约束，具体如下：

(1)防侧滑约束：

式中：vmax(k)为本车允许行驶的最大速度，k为车辆行驶轨迹的曲率，μ为本车轮胎摩擦系数，l为本车轴距；

(2)如图4所示，为保证本车e在超车过程中不与前车f发生碰撞，需要充分考虑前车几何尺寸对超车轨迹的影响，因此超车过程中应满足横向位置约束：

式中：y(t)为本车横向位移，wf为前车宽度，d为车道宽度，α为本车偏航角，le为本车长度；

(3)超车过程中本车并行超越时间tp计算公式如下：

式中：le为本车长度，lf为前车长度,vego为本车车速，vfront为前车车速；

超车过程中在保证不与前车发生碰撞的前提下，应尽可能缩短本车与前车并排行驶的时间，因此对并行超越时间进行约束：

tp≤5s

(4)乘客舒适性约束：

式中：ax为本车纵向加速度，axmax为最大纵向加速度；ay为本车横向加速度，aymax为最大横向加速度；jx为本车纵向加速度变化率，jxmax为最大纵向加速度变化率；jy为本车横向加速度变化率，jymax为最大横向加速度变化率。考虑到乘客的舒适性，本实施例中axmax取4m/s²，aymax取2m/s²，jxmax取0.5m/s³，jymax取0.5m/s³；

超车轨迹应满足上述四个约束条件，因此将超车轨迹规划问题转化为约束优化求解问题。采用差分进化算法对时间tm和纵向位移a4分别进行求解，差分进化算法主要包括变异、交叉、选择三种操作，具体计算方法如下：

(1)初始化种群：将未知参数tm、a4的可行解空间随机初始化得到包含np个个体的初始种群，初始种群个体记为解空间的维数记为d；

(2)对第i个初始种群个体进行差分变异操作，首先由父代个体间的差分矢量构造变异算子：

式中：i为参数矢量(i＝1,2,3…)构成种群的搜索空间；g为迭代次数；为构造的变异算子；为父代选取的三个不同个体；f为比例因子，其取值范围为(0,1.2]，本实施例中取0.5；

(3)按照预设概率cr，对第g代种群xi,j,g及其变异的中间体vi,j,g+1进行交叉操作，生成一试验个体μi,j,g：

式中：randj产生一个随机数，该随机数的取值范围为[0,1]，用来与交叉概率cr(本实施例中取0.6)比较进行条件选择判断；j为解空间d维变量中的第j个变量j∈{1，d}；

(4)根据自适应度函数f的值，将经过变异和交叉操作后的试验个体与初始种群个体进行择优选择：

经择优选择后的个体记为重复上述变异、交叉、选择操作，不断逼近最优解，直至满足终止条件，最终输出的个体即为最优个体，从而确定未知参数tm、a4的值，得到最优期望超车轨迹。

轨迹规划单元将生成的超车轨迹传送到驾驶舱显示屏并进行显示，期望超车轨迹每100ms更新一次。

尽管以上结合附图对本发明专利的具体实施方式进行了描述，但是本发明并不局限于上述的具体实施方案和应用领域，上述的具体实施方案仅仅是示意性的、指导性的，而不是限制性的。本领域的普通技术人员在不脱离本发明的范畴还可以做出许多改进，这些均属于本发明保护之列。