买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东南大学

摘要：本发明公开了一种多障碍物环境下的目标轨迹规划和跟踪方法，涉及智能交通技术领域，解决了现有技术下多障碍物环境轨迹规划难的技术问题，其技术方案要点是将初始目标轨迹进行平移，生成一簇候补轨迹集；然后根据所有障碍物的势场和交通标志线势场，选取出最优的目标轨迹；再通过样条曲线方法规划出安全平顺的轨迹，实现初始目标轨迹到决策最优轨迹的平稳切换；最后，采用模型预测控制方法设计路径跟踪控制器，实现对所规划轨迹的精准跟踪。该方法能够实现智能驾驶汽车在多障碍物环境下的安全行驶，具有很强的实用性，以及广阔的商业应用前景。

主权项：1.一种多障碍物环境下的目标轨迹规划和跟踪方法，其特征在于，包括：S1：获取主车状态信息和周围道路环境信息，对当前车道和周围车道是否有障碍物进行判断，若没有障碍物就转至步骤S7继续对初始目标轨迹ey0进行跟踪，若有则转至步骤S2；S2：将初始目标轨迹ey0进行平移，生成候补轨迹集，通过横向偏移En*1描述候补轨迹集中的每个候补轨迹，则所述候补轨迹集表示为：En*1＝[e1,e2,...en]T；1其中，e1表示从右车道边界Laner到初始目标轨迹ey0的距离，en表示从左车道边界Lanel到初始目标轨迹ey0的距离，则e1和en表示为： S3：设计包括所有障碍物和车道标志线的势场，对每一条候补轨迹受到的障碍物和车道标志线的势场进行计算，通过候补轨迹的势场值决策出最优目标轨迹，即选取势场值最小的候补轨迹作为最优目标轨迹；其中，对每一条候补轨迹受到的障碍物和车道标志线的势场进行计算，表示为： 其中，表示每个障碍物的势场对每条候补轨迹i的影响；表示交通标志线的势场对每条候补轨迹i的影响；S4：通过样条曲线方法对初始目标轨迹ey0到最优目标轨迹的换道轨迹进行规划和跟踪，完成从初始目标轨迹ey0到终端横向位置ej的平滑切换，j∈[1,n]；S5：判断主车是否已避开障碍物，若是转至步骤S6，否则转至步骤S4；S6：判断主车是否位于车道中心线，若是转至步骤S7，否则转至步骤S2；S7：通过路径跟踪控制器对目标轨迹进行跟踪；其中，所述步骤S3中，第k个障碍物的势场通过分段函数来描述，表示为： 其中，Di表示障碍物与第i条候补轨迹之间的横向距离；W表示主车宽度；Wk表示激光雷达检测到的第k个障碍物的宽度；aobs表示障碍物势场的强度参数；κ表示障碍物势场函数的阶数；[0,W+Wk2]表示不可触碰区域的宽度，[W+Wk2,W+Wk]表示可触碰的势场影响区域；交通标志线的势场包括车道边界强势场约束和车道中心线弱势场约束，表示为： 其中，WL表示单个车道的宽度；a1表示车道边界的增益；a2表示车道中心线的增益；κL表示交通标志线势场函数的阶数；所述选取势场值最小的候补轨迹作为新的目标轨迹，表示为： 其中，M表示候补轨迹的数量；所述步骤S4中，所述样条曲线方法为五次样条曲线方法，表示为： 其中，Xveh表示行驶长度；ey,des为相对于行驶长度Xveh的横向偏差；ψdes为横向偏差的一阶导数，表示候补轨迹的航向角；Xavo表示主车换道过程中的总行驶距离，Xavo＝Vx*TLc，Vx表示车辆纵向速度，TLc表示驾驶员期望的换道时间；且Xveh＝Xhost-Xobs-Xavo；Xhost表示主车的纵向位置；Xobs表示障碍车的纵向位置。

全文数据：

权利要求：

百度查询： 东南大学 一种多障碍物环境下的目标轨迹规划和跟踪方法