一种无人驾驶汽车全工况避障控制方法及性能评价方法与流程

1.本发明涉及一种无人驾驶汽车避障控制方法及性能评价方法，特别涉及一种融合基于优化人工势场的避障路径规划方法和基于模型预测控制的路径跟踪方法的无人驾驶汽车全车速工况避障控制方法，实现有效的避障路径规划和精确的轨迹跟踪控制，保障无人驾驶车辆全车速工况安全行驶；特别涉及一种无人驾驶汽车全工况避障性能的评价方法，定义轨迹跟踪综合评价指标e，更全面地评价无人驾驶汽车在轨迹跟踪过程中的轨迹跟踪精度、行驶安全性和控制器的控制性能，更好地为车辆有效安全避障提供建设性意见。


背景技术：

2.自20世纪90年代以来，无人驾驶技术迅速发展。无人驾驶汽车通过雷达、摄像头等传感器感知驾驶环境，由智能控制器实施控制，自主行驶过程避开障碍物，保证车辆和行人安全。车辆路径规划与决策模块实时接收环境及车辆状态信息，向线控底盘的线控转向系统、线控制动系统、线控驱动系统等发出控制指令，实时控制行驶车速和方向，对保障车辆安全性起到了至关重要的作用。因此，近几年来，路径规划与轨迹跟踪控制逐渐成为无人驾驶汽车研究领域的热点问题，国内外学者在该领域取得了很多成果。
3.(1)无人驾驶汽车路径规划的相关研究
4.无人驾驶汽车路径规划的方法主要包括dijkstra算法、蚁群算法、动态规划等，算法原理是针对节点已知的场景规划出距离最短的路径，路径规划受节点布置的影响较大，难以满足无人驾驶汽车在真实场景中的轨迹规划需求。相对于以上算法而言，人工势场法(artificial potential field,apf)通过建立虚拟目标引力势场和障碍物斥力势场等综合势场来引导车辆运动，人工势场的类型、强度、影响因素能够灵活调节，满足无人驾驶汽车在实际车道中的路径规划需求；大部分人工势场法可通过现代智能算法进行优化。
5.(2)无人驾驶汽车轨迹跟踪的相关研究
6.无人驾驶汽车轨迹跟踪控制方法主要包括纯跟踪方法、stanley方法、反步法、滑模变结构控制方法、模型预测控制(model predictive control,mpc)方法等。纯跟踪方法和stanley方法为基于几何追踪的方法，基于车辆运动学模型、运用阿克曼转向原理推导车辆前轮转角，系统控制实时性较好；但是，没有考虑到车辆在实际行驶时前轮转角、横摆角、车辆转弯半径等控制变量的约束条件，导致跟踪路径对于实际车辆可能无法实现。反步法、滑模变结构控制方法等控制方法也得到了广泛应用，其控制原理是实时调节车速和横摆角速度，使得车辆位姿误差逐渐趋向于零，达到轨迹跟踪目的。轨迹跟踪控制效果好坏受控制律未知参数影响较大，需要通过反复实验获得最佳参数值组合。模型预测控制方法引入多种车辆运动约束条件，轨迹跟踪过程更加接近实际情况，因此得到了广泛应用。例如，中国专利《一种基于机会约束模型预测控制的无人车避障方法》(专利号：cn 107357168 a)公开了一种基于机会约束模型预测控制的无人车避障方法，包括无人驾驶车辆动力学模型建模、无碰撞条件设计、无碰撞机会约束设计、代价函数设计、模型预测控制最优化问题设计与求解等；实现了无人驾驶车辆避障功能，具有环境适应性好、考虑车辆实际占据区域等优
点。
7.(3)无人驾驶汽车避障性能评价方法的相关研究
8.目前，无人驾驶汽车避障性能评价方法相对单一。例如，中国专利《一种无人驾驶汽车轨迹跟踪能力评价方法》(专利号：cn 108108885 a)公开了一种无人驾驶汽车轨迹跟踪能力评价方法，包括车辆稳定性评价指标和轨迹跟踪精度指标两部分，通过在规划轨迹和实际运行轨迹下，对使用不同控制策略的无人驾驶汽车控制系统的运行结果进行跟踪能力评价，指导无人驾驶汽车控制系统设计和参数调整，评价无人驾驶汽车轨迹跟踪精度和稳定性。
9.综上所述，经过文献检索、调研、分析，无人驾驶汽车避障控制方法及性能评价方法存在的不足之处包括：
10.(1)未能深入融合基于优化人工势场的路径规划方法和基于模型预测控制的路径跟踪方法；缺少无人驾驶汽车全车速工况下的轨迹规划、轨迹跟踪控制方法和控制效果研究，无法保证控制器适应全车速工况。
11.(2)无人驾驶汽车避障控制性能的评价指标体系比较单一，无法综合反映轨迹跟踪精度、行驶安全性控制器的控制效果和稳定性。


技术实现要素：

12.本发明主要解决的技术问题是针对现有技术存在的上述缺陷，提供一种融合基于优化人工势场的避障路径规划方法和基于模型预测控制的路径跟踪方法的无人驾驶汽车全工况避障控制方法及性能评价方法。
13.为解决上述技术问题，本发明采用如下的技术方案：
14.一种融合基于优化人工势场的避障路径规划方法和基于模型预测控制的路径跟踪方法的无人驾驶汽车全工况避障控制方法及性能评价方法，包括以下步骤：
15.1)在障碍物斥力场、道路边界斥力势场等多势场共同约束下，规划出真实有效的避障参考路径。在传统人工势场基础上，引入车辆与目标点之间的距离来优化障碍物斥力场函数，并增加道路边界斥力势场，考虑车速的影响。
16.2)将避障参考路径发送给轨迹跟踪控制算法，输出车辆前轮转角和车速的控制量，控制车辆行驶轨迹。
17.3)以无人驾驶汽车的横向跟踪误差、横摆角、前轮转角和前轮转角增量的均方根值的加权和作为轨迹跟踪综合评价指标，得到其在全车速工况下的变化规律，综合评价车辆轨迹跟踪精度、驾驶安全性和控制器的控制性能。
18.所述的步骤1)中，无人驾驶汽车受到的引力与目标位置相对于车辆的距离有关，引力的方向指向目标点。距离越大，则引力越大。因此，设计引力场函数如下：
[0019][0020]
式中：u
att
为引力场函数；η为目标引力场增益系数；ρ(q,q
g
)为车辆与目标点的距离。
[0021]
对引力场函数负梯度求导，得到引力函数：
[0022]
[0023]
式中：f
att
为引力函数。
[0024]
在传统的人工势场基础上，引入车辆与目标点之间的距离优化障碍物斥力场函数(如式(3)所示)，解决局部最优和目标不可达的问题：
[0025][0026]
式中：是车辆与目标点之间的距离，u
req
为斥力场函数，m是障碍物斥力场增益系数，ρ(q,q0)是车辆与障碍物间的距离，ρ0是障碍物斥力场的作用距离，n为常数。
[0027]
由式(3)可知，随着车辆接近目标点，车辆受到的斥力随引力一同减小，车辆到达目标点时所受到的引力和斥力同时减小到零。因此，解决了车辆局部最优、目标不可达的问题。当车辆未到达目标点时，所受到的斥力为：
[0028][0029]
式中：f
req1
和f
req2
为道路边界斥力的分量，为道路边界斥力的分量，如图2所示，f
req1
的方向为从障碍物指向车辆，f
req2
的方向为从车辆指向目标点。
[0030]
如图3所示，建立道路边界斥力势场，限制车辆的行驶区域。道路边界斥力势场对道路上的车辆产生排斥作用，从而使得车辆保持在车道中心线上行驶，并适当考虑车速对斥力场的影响。建立的道路边界斥力函数为：
[0031][0032]
式中：f
rep,edge
为道路边界斥力；η
edge
是道路边界斥力增益系数；v为车速；y为车辆在坐标系中的纵坐标；d为道路宽度；w为车辆宽度。
[0033]
假设车辆在行车道上行驶，当车辆行驶靠近车道边界线
①
和
③
时，车辆有撞向路边护栏的危险，所以为了保障车辆安全，需要车道边界线
①
和
③
对车辆产生的斥力急剧增加。当和时，在斥力函数中引入指数函数。当车辆行驶靠近车道边界线
①
和
③
时，车辆受到的斥力呈现指数增长，从而将车辆约束在靠近车道中心线行
驶。
[0034]
当车辆行驶靠近车道边界线
②
时，有可能是车辆行驶方向偏离，也有可能是车辆将要换到超车道上行驶，所以车道边界线
②
产生的斥力应该设置小一些。当和时，引入二次函数动态调节斥力大小。
[0035]
若车速越高，当车辆靠近道路边界时反应时间会越短。所以，为了保障驾驶安全，将车速引入到道路边界斥力函数中。车速越高，道路边界对车辆产生的斥力就越大，从而车辆始终靠近车道中心线行驶。
[0036]
所述的步骤2)中，受控系统、模型预测控制器和状态估计器组成了完整的模型预测控制系统，如图3所示。其中，模型预测控制器是在预测控制理论的预测模型、滚动优化和反馈校正三个基本要素基础上结合约束条件、预测模型以及目标函数进行设计的。结合约束条件，控制器不断对目标函数进行求解，计算得到控制变量序列u
*
(t)后，其第一个值将应用于受控系统，系统执行控制。状态估计器计算得到系统的状态量并反馈给控制器，预测模型便不断更新。
[0037]
设车辆的状态量偏差和控制量偏差方程为：
[0038][0039]
式中：为车辆的状态量偏差向量；为车辆的控制量偏差向量；x和y分别为车辆在惯性坐标系中的横、纵坐标；为车辆横摆角；δ
f
为前轮转角；下标r表示该物理量的参考值。
[0040]
设预测时域为n
p
，控制时域为n
c
，k时刻的输出向量为η(k)，k时刻的控制增量向量为δu(k)，得系统输出方程为：
[0041]
y＝ψξ(k) θδu
ꢀꢀꢀ
(7)
[0042]
式中：ψ和θ均为系数矩阵，y＝[η(k 1),η(k 2),...,η(k n
p
)
t
，δu＝[δu(k),δu(k 1),...,δu(k n
c
‑
1)]。
[0043]
由式(7)可知，若已知当前时刻的状态量和控制时域n
c
内的控制增量，就可以预测未来预测时域n
p
内的输出量。
[0044]
无人驾驶汽车避障轨迹跟踪问题归纳为对如下优化问题的求解：
[0045]
[0046]
式中：y
hc
是硬约束输出；y
sc
是软约束输出；y
hc,min
和y
hc,max
是硬约束极限值；y
sc,min
和y
sc,max
是软约束极限值；a为系数矩阵；ε为松弛因子；ρ、q、r均为权重系数。设置软约束保证在每个控制步中都能求解得到可行解，所以适当放大输出量的范围。
[0047]
所述的步骤3)中，使用基于多约束的优化人工势场法规划出车辆避障参考路径，然后在全车速工况下，采用基于模型预测控制的轨迹跟踪控制方法跟踪规划的避障参考路径，使用matlab和carsim软件进行全工况联合计算。以全车速工况为例进行说明，获取车辆的横向误差、横摆角、前轮转角等参数及其最大值、均方根值随车速的变化。这些参数的最大值表征车辆经过30m、47m、81m处急弯时的轨迹跟踪性能，均方根值表征车辆在整个行驶过程中的轨迹跟踪性能，综合反映控制效果。
[0048]
为了更全面评价车辆在避障轨迹跟踪过程中跟踪精度、行驶安全性、控制器稳定性等综合性能，为车辆有效安全避障提供建设性意见，定义轨迹跟踪综合评价指标e如下：
[0049][0050]
式中：为横向跟踪误差的均方根值，表征无人驾驶汽车的轨迹跟踪精度；为横摆角的均方根值，表征无人驾驶汽车的行驶安全性；为前轮转角的均方根值，表征无人驾驶汽车轨迹跟踪控制器的控制性能；为前轮转角增量的均方根值，表征无人驾驶汽车轨迹跟踪控制器的控制性能。
[0051]
与现有技术相比，本发明具有以下优点：
[0052]
(1)本发明在传统人工势场法的基础上，对障碍物斥力势场和道路边界斥力势场进行了优化，规划出更真实有效的避障路径；
[0053]
(2)本发明提出了以横向跟踪误差、横摆角、前轮转角和前轮转角增量的均方根值的加权和作为轨迹跟踪综合评价指标，得到了其在全车速工况下的变化规律，综合评价车辆轨迹跟踪效果、驾驶安全性和控制器的控制性能，为无人驾驶汽车有效安全的避障控制选取合适的临界车速。
附图说明
[0054]
图1为无人驾驶汽车全工况避障控制方法及性能评价方法的流程图；
[0055]
图2为无人驾驶汽车在人工势场中的受力情况；
[0056]
图3为无人驾驶汽车避障路径规划的道路边界斥力势场示意图；
[0057]
图4为无人驾驶汽车轨迹跟踪的模型预测控制原理；
[0058]
图5为无人驾驶汽车的路径规划与跟踪效果；
[0059]
图6为无人驾驶汽车的横向误差在三种车速工况的变化规律；
[0060]
图7为无人驾驶汽车的横向误差在全车速工况的变化规律；
[0061]
图8为无人驾驶汽车的横摆角在三种车速工况的变化规律；
[0062]
图9为无人驾驶汽车的横摆角在全车速工况的变化规律；
[0063]
图10为无人驾驶汽车的前轮转角在三种车速工况的变化规律；
[0064]
图11为无人驾驶汽车的前轮转角在全车速工况的变化规律；
[0065]
图12为无人驾驶汽车的目标车速为10m/s时控制量车速的变化；
[0066]
图13为无人驾驶汽车的目标车速为20m/s时控制量车速的变化；
[0067]
图14为无人驾驶汽车的目标车速为30m/s时控制量车速的变化；
[0068]
图15为无人驾驶汽车的前轮转角增量在三种车速工况的变化规律；
[0069]
图16为无人驾驶汽车的前轮转角增量在全车速工况的变化规律；
[0070]
图17为无人驾驶汽车的车速增量的变化规律；
[0071]
图18为无人驾驶汽车的轨迹跟踪综合评价指标在全车速工况的变化规律；
具体实施方式
[0072]
下面结合附图对本发明的较佳实施例作进一步说明，以使本发明优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
[0073]
图1为无人驾驶汽车全工况避障控制方法及性能评价方法的流程图。
[0074]
步骤1)在障碍物斥力场、道路边界斥力势场等多势场共同约束下，规划出真实有效的避障参考路径；在传统人工势场基础上，引入车辆与目标点的距离来，优化障碍物斥力场函数，并增加道路边界斥力势场，考虑车速的影响；
[0075]
步骤2)将避障参考路径发送给轨迹跟踪控制算法，输出车辆前轮转角和车速的控制量，控制车辆行驶轨迹；
[0076]
步骤3)提出以横向跟踪误差、横摆角、前轮转角和前轮转角增量的均方根值的加权和作为轨迹跟踪综合评价指标，得到其在全车速工况下的变化规律，综合评价车辆轨迹跟踪精度、驾驶安全性和控制器的控制性能。
[0077]
图2为无人驾驶汽车在人工势场中的受力情况。无人驾驶汽车同时受到由障碍物产生的斥力场和由目标点产生的引力场的作用。
[0078]
图3为无人驾驶汽车避障路径规划的道路边界斥力势场示意图。建立的道路边界斥力函数为：
[0079][0080]
式中：f
rep,edge
为道路边界斥力；η
edge
是道路边界斥力增益系数；v为车速；y为车辆在坐标系中的纵坐标；d为道路宽度；w为车辆宽度。
[0081]
假设车辆在行车道上行驶，当车辆行驶靠近车道边界线
①
和
③
时，由于车辆有撞向路边护栏的危险，所以为了保障车辆安全，需要车道边界线
①
和
③
对车辆产生的斥力急剧增加。当和时，在斥力函数中引入指数函数。当车辆行驶靠近车道边界线
①
和
③
时，车辆所受到的斥力将呈现指数增长，从而将车辆约束在靠近车道中心线上行驶。
[0082]
当车辆行驶靠近车道边界线
②
时，有可能是车辆的行驶方向发生偏离，也有可能
是车辆将要换到超车道上行驶，所以车道边界线
②
产生的斥力应该设置地小一些。当和时，引入二次函数动态调节斥力大小。
[0083]
若车速越高，则当车辆靠近道路边界时反应时间会越短。所以，为了保障驾驶安全，将车速引入到道路边界斥力函数。车速越高，道路边界对车辆产生的斥力就越大，从而车辆始终靠近车道中心线行驶。
[0084]
图4为无人驾驶汽车轨迹跟踪的模型预测控制原理。受控系统、模型预测控制器和状态估计器组成了完整的模型预测控制系统。其中，模型预测控制器是在预测控制理论的预测模型、滚动优化和反馈校正三个基本要素基础上结合约束条件、预测模型以及目标函数进行设计。结合约束条件，控制器不断对目标函数求解，计算得到控制变量序列后，第一个值应用于受控系统，系统执行控制。状态估计器计算得到系统的状态量并反馈给控制器，预测模型便不断更新。
[0085]
图5为无人驾驶汽车的路径规划与跟踪效果。车辆以10m/s、20m/s、30m/s的车速行驶时，都能够从起点出发，成功规划出避障路径，避开道路上的各种障碍物到达终点，并且能够跟踪规划的避障参考路径。即使车辆跟踪路径时存在一定偏差，但是也成功实现了避障功能。实验中可通过调节式(3)中的障碍物斥力场增益系数m使规划结果更加保守，也可调节式(8)中模型预测控制器的q和r矩阵值以及计算步长等参数调节路径跟踪效果。
[0086]
图6为无人驾驶汽车的横向误差在三种车速工况的变化规律。在靠近障碍物的地方，如30m、47m、81m处，规划的避障参考路径的曲率突然增大，车辆跟踪的横向误差发生较大波动，其原因：车辆的正常行驶路径需要满足曲率连续变化，并且车辆转弯角度受到限制，转弯半径不能无限小，需要对其限制；此外，还和前轮转角约束范围有关。
[0087]
图7为无人驾驶汽车的横向误差在全车速工况的变化规律。车速低于22m/s时，横向误差最大值相对较低，不高于0.2m，说明车辆经过30m、47m、81m处的急弯时也具有良好的轨迹跟踪性能。但是，当车速高于22m/s时，横向误差最大值增长速度加快，横向误差均方根值急剧上升，说明车辆在行驶经过急弯时的横向误差开始迅速升高，并且车辆在整个行驶过程中的轨迹跟踪性能也在急剧下降。从横向误差的角度来看，为了追求良好的轨迹跟踪效果，车速不宜超过22m/s。
[0088]
图8为无人驾驶汽车的横摆角在三种车速工况的变化规律。在靠近障碍物的地方，如30m、47m、81m处，规划路径的曲率突然增大，车辆跟踪的横摆角发生较大的波动，分析其原因：车辆的正常行驶路径需要满足曲率的连续变化，并且车辆转弯角度受到限制，转弯半径不能无限小，需要对其限制；此外，还和前轮转角约束范围有关。
[0089]
图9为无人驾驶汽车的横摆角在全车速工况的变化规律。当车速超过22m/s时，横摆角的均方根值急剧增大，说明车辆在轨迹跟踪过程中，车辆方向多次发生了剧烈的转变，在高速工况下是极其危险的，所以，从车辆安全的角度出发，车速要避免超过临界车速22m/s。
[0090]
图10为无人驾驶汽车的前轮转角在三种车速工况的变化规律。车辆的前轮转角整体被限制在约束范围[
‑
0.54rad,0.332rad]之间，但是在30m、60m、90m等急弯处，前轮转角略微超过其约束范围，说明在曲率较大的急弯处，轨迹跟踪控制器的对前轮转角的控制效果没有在直线路面好。
[0091]
图11为无人驾驶汽车的前轮转角在全车速工况的变化规律。车速低于25m/s时，前轮转角的最大值均被限制在约束范围内。当车速大于25m/s时，前轮转角的最大值超出其约束范围，且其均方根值也逐渐上升，说明控制器对前轮转角的控制效果逐渐削弱。在高速工况下，极其危险，所以需要控制器对车速具有较强的控制能力。
[0092]
图12为无人驾驶汽车的目标车速为10m/s时控制量车速的变化。车速被限制在约束范围[9.8m/s,10.2m/s]以内，控制器对车速具有良好的控制能力，在全车速工况下均能有效地将车速限制在设定的约束范围内，为车辆轨迹跟踪性能和行驶安全性提供了保障。
[0093]
图13为无人驾驶汽车的目标车速为20m/s时控制量车速的变化。车速被限制在约束范围[19.8m/s,20.2m/s]以内，控制器对车速具有良好的控制能力，在全车速工况下均能有效地将车速限制在设定的约束范围内，为车辆的轨迹跟踪性能和行驶安全性提供了保障。
[0094]
图14为无人驾驶汽车的目标车速为30m/s时控制量车速的变化。车速被限制在约束范围[29.8m/s,30.2m/s]以内，控制器对车速具有良好的控制能力，在全车速工况下均能有效地将车速限制在设定的约束范围内，为车辆的轨迹跟踪性能和行驶安全性提供了保障。
[0095]
图15为无人驾驶汽车的前轮转角增量在三种车速工况的变化规律。
[0096]
图16为无人驾驶汽车的前轮转角增量在全车速工况的变化规律。前轮转角增量被限制在约束范围[
‑
0.64rad,0.64rad]以内。
[0097]
图17为无人驾驶汽车的车速增量的变化规律。车速增量被限制在约束范围[
‑
0.05m/s,0.05m/s]以内。
[0098]
图18为无人驾驶汽车的轨迹跟踪综合评价指标在全车速工况的变化规律。随着车速升高，轨迹跟踪综合评价指标的值缓慢升高。当车速超过临界车速22m/s时，轨迹跟踪综合评价指标的值急剧上升，说明车辆的轨迹跟踪精度、行驶安全性和控制器的控制性能都急剧下降；所以，在避障过程中应该设置合理的临界车速。