本發(fā)明涉及自動(dòng)駕駛車(chē)輛的軌跡規(guī)劃，特別是涉及一種智能駕駛軌跡規(guī)劃方法、系統(tǒng)、存儲(chǔ)介質(zhì)及車(chē)輛。

背景技術(shù)：

1、由于交通密度的迅速增加，車(chē)輛安全已成為現(xiàn)代智能交通系統(tǒng)中的主要關(guān)切。作為緩解交通問(wèn)題和提高駕駛安全性的有前途的方法之一，自動(dòng)駕駛車(chē)輛在當(dāng)前車(chē)輛技術(shù)中展現(xiàn)出巨大的潛力。因此，近年來(lái)已經(jīng)投入了大量的研究工作于自動(dòng)駕駛領(lǐng)域。特別是作為自動(dòng)駕駛的核心領(lǐng)域之一，運(yùn)動(dòng)規(guī)劃吸引了多個(gè)學(xué)科的關(guān)注，其目標(biāo)是規(guī)劃一個(gè)符合障礙物避讓、能源消耗、行駛時(shí)間等方面要求的可行軌跡。實(shí)際上，交通運(yùn)輸中存在一些傳統(tǒng)上具有挑戰(zhàn)性的動(dòng)態(tài)運(yùn)動(dòng)規(guī)劃問(wèn)題，這些問(wèn)題在研究文獻(xiàn)中有著悠久的歷史。然而，它們已經(jīng)從最近在優(yōu)化和人工智能方面的進(jìn)展中受益匪淺。

2、其中，基于優(yōu)化的方法可將運(yùn)動(dòng)規(guī)劃問(wèn)題表述為數(shù)學(xué)優(yōu)化問(wèn)題。優(yōu)化方法相較于其他方法具有一些優(yōu)勢(shì)。首先，它允許連續(xù)規(guī)劃，因?yàn)闋顟B(tài)和動(dòng)作空間是歐幾里得空間的子集。其次，它可以在統(tǒng)一的公式中評(píng)估多個(gè)目標(biāo)(如約束)。而且，隨著維度的增加，計(jì)算并不呈指數(shù)增長(zhǎng)。

3、目前業(yè)界的基于優(yōu)化的規(guī)劃算法多采用模型預(yù)測(cè)控制(mpc)及其衍生算法。但大多數(shù)這類基于mpc的作品側(cè)重于簡(jiǎn)化車(chē)輛模型的簡(jiǎn)單運(yùn)動(dòng)任務(wù)。在更為真實(shí)和復(fù)雜的情況下，發(fā)展出了微分動(dòng)態(tài)規(guī)劃(ddp)方法，在僅使用一階導(dǎo)數(shù)的特殊條件下，ddp方法被簡(jiǎn)化為采用高斯-牛頓逼近的迭代式線性二次調(diào)節(jié)器(iterative?linear?quadratic?regulator，ilqr)方法?；旧?，ilqr將傳統(tǒng)線性二次調(diào)節(jié)器(lqr)的思想從線性系統(tǒng)擴(kuò)展到非線性系統(tǒng)，并被稱為一種基于優(yōu)化的非線性系統(tǒng)方法。與lqr相比，ilqr優(yōu)化整個(gè)控制序列，而不僅僅是當(dāng)前時(shí)刻的控制動(dòng)作。在ilqr架構(gòu)中，定義了一個(gè)初始軌跡，然后通過(guò)迭代框架執(zhí)行ilqr以優(yōu)化軌跡，從而有效地獲得最優(yōu)解。

4、但是，對(duì)于障礙物的處理是ilqr算法應(yīng)用的一大難點(diǎn)。在現(xiàn)有技術(shù)中，可以采用其子集cilqr算法來(lái)處理障礙物約束的放棄，通過(guò)在代價(jià)函數(shù)中引入與障礙物相關(guān)項(xiàng)，來(lái)懲罰系統(tǒng)接近或碰撞障礙物的行為。這樣可以使得cilqr在優(yōu)化過(guò)程中更傾向于避免障礙物。但在現(xiàn)有的這種方法中，障礙物作為系統(tǒng)中的“軟約束”，不一定能保證車(chē)輛能繞開(kāi)障礙物。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問(wèn)題在于，提供一種智能駕駛軌跡規(guī)劃方法、系統(tǒng)、存儲(chǔ)介質(zhì)及車(chē)輛，可以通過(guò)障礙物進(jìn)行建模并調(diào)整初始參考線，并利用ilqr進(jìn)行軌跡規(guī)劃，可以提高軌跡規(guī)劃的效率及準(zhǔn)確性。

2、作為本發(fā)明的一方面，提供一種智能駕駛軌跡規(guī)劃方法，其包括步驟：

3、實(shí)時(shí)接收車(chē)輛自身狀態(tài)信息以及外部信息，所述外部信息包括：環(huán)境信息、周邊障礙物信息以及導(dǎo)航信息；

4、確認(rèn)車(chē)輛行車(chē)軌跡的當(dāng)前參考線，獲得車(chē)輛前方的障礙物模型，并結(jié)合所述車(chē)輛自身狀態(tài)信息以及外部信息對(duì)所述當(dāng)前參考線在障礙物位置處進(jìn)行調(diào)整，形成避障處理后的目標(biāo)參考線；

5、利用迭代最小二乘法算法(ilqr)對(duì)所述目標(biāo)參考線進(jìn)行非線性動(dòng)力學(xué)約束，并迭代計(jì)算其最優(yōu)控制序列，獲得規(guī)劃軌跡；

6、對(duì)所述規(guī)劃軌跡進(jìn)行做約束處理，以確保車(chē)輛控制量在物理約束范圍內(nèi)，并輸出最終的車(chē)輛行駛軌跡和車(chē)輛控制量。

7、其中，所述環(huán)境信息包括參考線信息；自車(chē)狀態(tài)信息包括車(chē)輛位置、車(chē)頭朝向、速度；周邊障礙物信息，包括障礙物大小、位置；導(dǎo)航信息包括直行、左轉(zhuǎn)以及右轉(zhuǎn)指令。

8、其中，確認(rèn)車(chē)輛行車(chē)軌跡的當(dāng)前參考線，獲得車(chē)輛前方的障礙物模型，并結(jié)合所述車(chē)輛自身狀態(tài)信息以及外部信息對(duì)所述當(dāng)前參考線在障礙物位置處進(jìn)行調(diào)整，形成避障處理后的目標(biāo)參考線，包括：

9、對(duì)車(chē)輛前方的障礙物進(jìn)行建模，將所述障礙物以橢圓表示，其特征由其長(zhǎng)軸、短軸和方向確定；

10、根據(jù)自車(chē)位置、障礙物位置以及車(chē)道信息確定避障方向，所述避障方向包括：右側(cè)繞障或左側(cè)繞障；

11、根據(jù)車(chē)輛環(huán)境信息結(jié)合導(dǎo)航信息，選定車(chē)輛前方的行車(chē)軌跡中的一條參考線作為當(dāng)前參考線；

12、在障礙物位置，利用障礙物模型中的橢圓形狀并根據(jù)避障方向進(jìn)行投影，對(duì)選定的參考線進(jìn)行調(diào)整，形成避障處理后的目標(biāo)參考線。

13、其中，在ilqr算法中，預(yù)先自定義配置其各項(xiàng)損失值對(duì)應(yīng)的權(quán)重，以調(diào)整不同因素在規(guī)劃中的權(quán)重；

14、在ilqr算法的前向模擬中檢測(cè)到控制輸入不滿足約束時(shí)，采用投影或調(diào)整的方法，將其調(diào)整為滿足約束的值；

15、所述車(chē)輛控制量的上限及下限，預(yù)先根據(jù)車(chē)輛的動(dòng)力學(xué)情況進(jìn)行設(shè)定。

16、相應(yīng)地，作為本發(fā)明的另一方面，還提供一種智能駕駛軌跡規(guī)劃系統(tǒng)，其至少包括：

17、信息獲取單元，用于實(shí)時(shí)接收車(chē)輛自身狀態(tài)信息以及外部信息，所述外部信息包括：環(huán)境信息、周邊障礙物信息以及導(dǎo)航信息；

18、參考線避障處理單元，用于確認(rèn)車(chē)輛行車(chē)軌跡的當(dāng)前參考線，獲得車(chē)輛前方的障礙物模型，并結(jié)合所述車(chē)輛自身狀態(tài)信息以及外部信息對(duì)所述當(dāng)前參考線在障礙物位置處進(jìn)行調(diào)整，形成避障處理后的目標(biāo)參考線；

19、規(guī)劃軌跡獲取單元，用于利用迭代最小二乘法算法(ilqr)對(duì)所述目標(biāo)參考線進(jìn)行非線性動(dòng)力學(xué)約束，并迭代計(jì)算其最優(yōu)控制序列，獲得規(guī)劃軌跡；

20、約束處理單元，用于對(duì)所述規(guī)劃軌跡進(jìn)行做約束處理，以確保車(chē)輛控制量在物理約束范圍內(nèi)，并輸出最終的車(chē)輛行駛軌跡和車(chē)輛控制量。

21、其中，所述環(huán)境信息包括參考線信息；自車(chē)狀態(tài)信息包括車(chē)輛位置、車(chē)頭朝向、速度；周邊障礙物信息，包括障礙物大小、位置；導(dǎo)航信息包括直行、左轉(zhuǎn)以及右轉(zhuǎn)指令。

22、其中，所述參考線避障處理單元包括：

23、障礙物建模單元，用于對(duì)車(chē)輛前方的障礙物進(jìn)行建模，將所述障礙物以橢圓表示，其特征由其長(zhǎng)軸、短軸和方向確定；

24、避障方向獲得單元，用于根據(jù)自車(chē)位置、障礙物位置以及車(chē)道信息確定避障方向，所述避障方向包括：右側(cè)繞障或左側(cè)繞障；

25、參考線選定單元，用于根據(jù)車(chē)輛環(huán)境信息結(jié)合導(dǎo)航信息，選定車(chē)輛前方的行車(chē)軌跡中的一條參考線作為當(dāng)前參考線；

26、參考線調(diào)整單元，用于在障礙物位置，利用障礙物模型中的橢圓形狀并根據(jù)避障方向進(jìn)行投影，對(duì)選定的參考線進(jìn)行調(diào)整，形成避障處理后的目標(biāo)參考線。

27、其中，在ilqr算法中，預(yù)先自定義配置其各項(xiàng)損失值對(duì)應(yīng)的權(quán)重，以調(diào)整不同因素在規(guī)劃中的權(quán)重；

28、在ilqr算法的前向模擬中檢測(cè)到控制輸入不滿足約束時(shí)，采用投影或調(diào)整的方法，將其調(diào)整為滿足約束的值；

29、所述車(chē)輛控制量的上限及下限，預(yù)先根據(jù)車(chē)輛的動(dòng)力學(xué)情況進(jìn)行設(shè)定。

30、相應(yīng)地，本發(fā)明的再一方面，還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如前述的方法的步驟。

31、相應(yīng)地，本發(fā)明的再一方面，還提供一種車(chē)輛，具有軌跡規(guī)劃裝置，在所述軌跡規(guī)劃裝置中部署有如前述的智能駕駛軌跡規(guī)劃系統(tǒng)。

32、實(shí)施本發(fā)明實(shí)施例，具有如下有的益效果：

33、本發(fā)明提供一種智能駕駛軌跡規(guī)劃方法、系統(tǒng)、存儲(chǔ)介質(zhì)及車(chē)輛，通過(guò)對(duì)障礙物進(jìn)行建模，并利用該障礙物模型調(diào)整初始參考線，并利用ilqr算法進(jìn)行軌跡規(guī)劃，從而可以提高軌跡規(guī)劃的效率及準(zhǔn)確性。

34、本發(fā)明利用ilqr有效地處理了非線性系統(tǒng)動(dòng)力學(xué)約束，保證了實(shí)時(shí)性，并且通過(guò)考慮物理限制對(duì)輸出量進(jìn)行后處理，保證ilqr解的合理性。

35、本發(fā)明在參考線預(yù)處理階段，將動(dòng)靜態(tài)障礙物及導(dǎo)航信息等因素納入考慮，直接生成粗糙但安全的避障軌跡，通過(guò)進(jìn)一步的迭代優(yōu)化，得出可行駛的且平滑安全的規(guī)劃軌跡。

36、本發(fā)明通過(guò)ilqr迭代優(yōu)化的規(guī)劃方法，能夠有效解決了車(chē)輛系統(tǒng)動(dòng)力學(xué)中的非線性問(wèn)題，高效的計(jì)算使得實(shí)時(shí)實(shí)施成為可能，從而提供了駕駛安全的額外保障。通過(guò)合理的避障考慮對(duì)參考線進(jìn)行預(yù)處理，可以避免在第一次迭代中搜索可行軌跡的必要性，這允許更靈活地設(shè)置初始軌跡?？傮w上，相比傳統(tǒng)的軌跡規(guī)劃器中僅處理靜態(tài)障礙物，本發(fā)明能得出更優(yōu)的軌跡結(jié)果同時(shí)降低運(yùn)算成本及運(yùn)算消耗時(shí)間。