高动态环境下智能车局部路径规划研究

发布时间：2020-08-07 03:20

【摘要】：智能化是汽车发展的必然趋势,也是当前人工智能领域的研究热点,规划决策是保证智能车安全导航的重要模块,其主要任务是让车辆做出拟人化的行为选择并规划出行驶轨迹。本文提出一种智能车局部路径规划算法,再针对高动态的多车道结构化环境,为智能车提供一套合适的换道决策方案,结合局部路径规划,实现智能车安全拟人驾驶。本文主要工作有如下几个方面:针对智能车在高动态的多车道复杂场景,本文提出一种有效的换道决策方法,主要实现智能车安全和拟人化的车道选择功能。该方法包括以下几个部分:参考速度和参考加速度规划;换道可行性分析;生成初始路径集合以及路径评价;路径优化。首先以车辆之间的安全距离和相对速度作为参考,动态调节智能车速度和加速度,其目的是为了保持车辆之间的安全距离,同时平滑速度变化过程,防止速度和加速度过大。其次构建车道变化状态转移机制,通过分析智能车换道可行条件,确定可行的候选驾驶行为,对于每一个候选驾驶行为,根据其参考速度、参考加速度以及目标车道等信息,确定初始路径,最后设计评价标准评价初始路径集合,选择最优初始路径,供后续路径优化。换道决策的整个过程为后续路径优化提供了必备条件。针对车辆行驶轨迹需满足多种约束条件,例如速度和加速度约束、车辆运动学约束、与障碍物的安全距离等等,本文提出一种基于多约束优化的局部路径规划方法。该方法通过对路径点姿态信息以及时间信息的优化,得到满足多个约束条件的局部路径,确保该路径的安全性,舒适性,拟人性。该算法建立了以多个目标函数平方和为最终目标的优化方程,目标函数涉及智能车速度、加速度、车辆运动约束、与障碍物的最小距离、车辆靠车道中央行驶,轨迹平滑等条件。最后通过建立优化模型的高维图,采用图优化法求解优化方程,最终解得的轨迹能满足各个约束条件的期望,有很好的收敛性和可靠性。本文第三个工作是通过ROS-STAGE仿真平台和Udacity仿真平台,分别验证多目标优化局部路径规划算法以及换道决策算法,我们建立了完整的多车道多车辆行驶的模拟环境,搭载本文所提出的决策算法以及局部路径规划算法,模拟智能车在高动态社会环境下导航,结果显示仿真车辆在不同的行车情景下都能规划出满意的局部路径,验证了本文算法的可靠性和有效性。
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U463.6
【图文】：

第一章 绪论第一章 绪论 研究背景与意义无人驾驶车辆，又称之为智能车，是目前学术界和工业界最热门的研究对美国以改善公共交通为目的非盈利性机构伊诺交通中心研究显示，如果上 90%的汽车变成智能车，车祸数量将从 600 万起降至 130 万起，死亡3.3 万人降至 1.13 万人，单从这一点就可以看出，无人驾驶的到来，将是的福音。人驾驶技术被大众所寄予厚望，每一项新技术的突破都得到社关注。智能车是一个集感知、认知、决策于一体的复杂智能系统，是控计算机科学、认知科学、车辆工程和机器人技术等交叉学科的产物。根车工程师协会所制定的汽车智能化的分级，无人驾驶技术一共分为 5 个等能程度和人为干涉度之间的递进关系如图 1-1 所示。

图 1-3 Trims 状态列表对不同 Trims 之间的状态转移，有其对应的 maneuver，该状态转移下aneuver 的状态参数和时间参数按照他们的实验结果给出固定值，如图 1-4 所示终的混合系统的离散状态之间的转换关系也可以由此图看出。图 1-4 状态转移参数列表运动规划包括路径规划和轨迹生成，简单来说，路径规划是为了规划出一安全的路径点，而轨迹生成是在这基础上得到一条车辆可执行的轨迹，也有

电子科技大学硕士学位论文状态点参数以及控制输入参数做了一一对应，如图 1-3 所示，其中f 表示车轮转向角， 表示后滑率。图 1-3 Trims 状态列表对不同 Trims 之间的状态转移，有其对应的 maneuver，该状态转移下aneuver 的状态参数和时间参数按照他们的实验结果给出固定值，如图 1-4 所示终的混合系统的离散状态之间的转换关系也可以由此图看出。

【相似文献】

相关期刊论文 前10条

1 关蕾;;智能车辆交通体系发展研究[J];企业科技与发展;2017年11期

2 孙怀江,余陈纲,杨静宇;ALVINN及其扩展[J];南京理工大学学报(自然科学版);2002年02期

3 于允平;智能车辆和高速公路方兴未艾[J];世界产品与技术;1996年02期

4 黄文理;叶晨;;智能车辆计数器的设计[J];电子世界;2018年13期

5 刘腾;于会龙;田滨;艾云峰;陈龙;;智能车的智能指挥与控制:基本方法与系统结构[J];指挥与控制学报;2018年01期

6 韩俊淑 ,韩佳文 ,高翔 ,赵玉凡 ,常明;智能车辆的研究及发展[J];世界汽车;2003年09期

7 张学显;刘伟;余彪;许铁娟;周鹏飞;;数据驱动的智能车辆目标检测能力测试评价方法[J];计算机系统应用;2017年11期

8 王宏,何克忠,张钹;智能车辆的自主驾驶与辅助导航[J];机器人;1997年02期

9 赵娥;张学军;;浅析人工神经网络理论在智能车辆中的应用[J];科技与创新;2016年17期

10 尹念东;智能车辆的研究及前景[J];上海汽车;2002年04期

相关会议论文 前10条

1 徐听;;智能车辆感知与优化控制的机器学习方法[A];2015年中国自动化大会摘要集[C];2015年

2 宁博;余春暄;;智能车辆定位导航系统软件设计中数据实时采集的解决方案[A];2003年中国智能自动化会议论文集（下册）[C];2003年

3 王肖;徐友春;高翔;章永进;李伟;;基于改进ESP的智能车辆机械转向装置改造方案设计[A];2010中国汽车工程学会年会论文集[C];2010年

4 胡宏宇;高振海;;基于转向盘转角速度时序分析的驾驶疲劳检测方法[A];2015中国汽车工程学会年会论文集（Volume2）[C];2015年

5 张家同;王志强;曹绪龙;;国内外“车联网”的发展[A];卫星导航产业机遇与挑战2010[C];2010年

6 杜明芳;方建军;张世德;李多扬;张哲玮;李栋;;基于机器视觉的车辆自主导航技术的探讨[A];2014第九届中国智能交通年会大会论文集[C];2014年

7 王荣本;张明恒;毛晓燕;;双目视觉技术在环境探测中的应用[A];中国宇航学会深空探测技术专业委员会第二届学术会议论文集[C];2005年

8 吴波;刘浪;林鹰;;ITS系统及其实现的关键技术[A];第九次全国城市道路与交通工程学术会议论文集[C];2007年

9 孙怀江;;ALVINN及其扩展[A];全面建设小康社会：中国科技工作者的历史责任——中国科协2003年学术年会论文集（上）[C];2003年

10 杜明芳;方建军;曹海青;李多扬;张哲玮;李栋;;基于压缩感知和Kalman滤波的智能车辆视觉导航方法[A];2014第九届中国智能交通年会大会论文集[C];2014年

相关重要报纸文章 前4条

1 记者 张雷 姚星宇;总投资30亿年产15万辆新能源智能车辆制造项目落户瑞昌[N];九江日报;2015年

2 赵三明;加法与乘法[N];中国工业报;2015年

3 本报实习记者 郑宗杰;车辆智能安保：汽车厂家各显其能[N];中国交通报;2003年

4 记者 陆鸣;我国智能汽车迎来快速发展“风口”[N];科技日报;2015年

相关博士学位论文 前10条

1 刘华军;面向智能车辆的道路环境理解技术研究[D];南京理工大学;2007年

2 王锋辉;面向区域智能运输的多智能车辆协作研究[D];上海交通大学;2009年

3 石金进;基于视觉的智能车辆道路识别与障碍物检测方法研究[D];哈尔滨工业大学;2017年

4 王科;城市交通中智能车辆环境感知方法研究[D];湖南大学;2013年

5 郭景华;视觉导航式智能车辆横向与纵向控制研究[D];大连理工大学;2012年

6 张国权;基于视觉导航的智能车辆目标检测关键技术研究[D];兰州理工大学;2012年

7 肖俊;基于卫星导航与视觉导航集成的智能车辆关键技术研究[D];武汉大学;2011年

8 李贻斌;ITS智能车辆关键技术研究[D];天津大学;2008年

9 周俊静;基于激光雷达的智能车辆目标识别与跟踪关键技术研究[D];北京工业大学;2014年

10 李进;视觉导航智能车辆的路径识别和跟踪控制[D];合肥工业大学;2008年

相关硕士学位论文 前10条

1 王富奎;高动态环境下智能车局部路径规划研究[D];电子科技大学;2018年

2 安林芳;智能车辆自动驾驶路径规划研究[D];湖南大学;2017年

3 冯朔骥;缩微环境下的交叉口车队协作控制算法研究[D];天津职业技术师范大学;2017年

4 刘继周;面向无人驾驶的智能车系统平台研究与应用[D];浙江大学;2017年

5 朱畏畏;基于鱼群效应的多辆智能车协同行驶研究[D];江苏大学;2017年

6 段岳姣;面向智能车的租赁系统服务器的设计与实现[D];浙江大学;2017年

7 方正川;自主寻径及避障智能车的研究与实现[D];安徽工程大学;2017年

8 蒋荣强;基于交通图像信息采集与处理的智能车控制关键技术研究[D];南京航空航天大学;2017年

9 罗志祥;基于强化学习的智能车移动模型研究[D];大连理工大学;2017年

10 岳喜斌;基于深度学习的智能车场景解析算法研究[D];北京林业大学;2016年

本文编号：2783396