详情

原文传递面向自动驾驶多工况下的轨迹生成与优化

论文题名：	面向自动驾驶多工况下的轨迹生成与优化
关键词：	汽车自动驾驶;轨迹生成;全局规划;行为决策
摘要：	随着汽车工业的持续发展以及国家层面的大力支持，电动化与智能化是汽车工业当前两个重要的发展方向，科研院所与企业方面都在大力进行发展研究。智能驾驶技术层面一共分为四个部分：感知、地图、规划控制以及操作系统，其中规划控制中的规划模块被形象地称为智能驾驶的核心大脑模块，整合上游感知的信息与高精度地图的先验信息，决策出车辆未来的驾驶行为以及计算出未来的主车轨迹信息。轨迹生成质量的好坏会直接影响到其在实际道路中的表现，“安全并不代表怂”讲出了轨迹规划的两个核心指标，首先是安全，要保证智能车在道路行驶过程中不会有意外事故的发生；其次是足够地智能，而并非一味地保守，车辆如果过于保守会影响到道路上其他车辆的驾驶情况，减慢整个道路的通行速率。　　在本文中针对常见的几种场景进行研究，给出一套完整的决策、全局规划与局部轨迹生成算法。论文主要包括如下部分：　　（1）全局规划及行为决策。首先介绍在整个轨迹规划中所需要用到的高精度地图格式，为接下来的全局规划以及局部规划提供必要的道路信息。其次分析???原理，并使用该算法在全局规划当中完成从起始点到终止点之间的全局路径信息，为后面的局部规划提供参考信息。最后当遇到不同的场景时，主车需要做出包括车道保持、换道或避让等不同的驾驶行为，本文分析以上几种驾驶行为的不同之处，并给出这几种行为的转换条件。　　（2）结构化道路的轨迹生成及优化。针对在结构化道路有指引线的情况下，为了消除道路曲率对轨迹规划算法的影响，对Frenet坐标系进行介绍并指出其优点，随后详细推导了Frenet坐标系与笛卡尔坐标系之间的转换关系。为了提高乘客的乘坐舒适性，证明了五次多项式的轨迹是可以使主车的加加速度最小的。随后确定在车道保持道工况下的目标位置信息，结合车辆的初始位置信息，采用五次多项式拟合轨迹的方法，可以计算出一条最小加加速度轨迹。之后针对避让的工况，采用对几个重要的轨迹点偏移的方式，生成初始避让轨迹。之后采用二次优化的方式，对之前各种工况下所生成的轨迹进行一次优化，这一次的优化可以使主车的轨迹满足更多的约束限制，比如车速以及加速度的限制条件。　　（3）多工况下轨迹生成与优化。多工况场景指主车在当前环境中存在有非结构化道路与结构化道路，其中结构化道路又可能存在车道保持、超车和避让等场景中一种或多种的混合场景。本部分将首先介绍非结构化道路下的轨迹规划算法，利用???????????????算法生成一条初始轨迹，随后利用二次优化的方法对轨迹进一步优化，使车辆行驶过程中总的加速度最小。最后将介绍车辆在结构化道路与非结构化道路之间的切换方法，这一部分完成了整个多工况场景的轨迹组合，可以实现主车任意点对点的自主驾驶。　　（4）基于仿真环境下的轨迹规划验证。为了验证轨迹算法的可行性，本文利用Linux环境，Autoware Proposal平台，使用C++完成了核心代码的编写，并在ROS作为通讯工具的基础上验证算法的有效性。使scenario editor将常见的仿真场景编写进入到yaml文件当中，这样可以极其方便地比较算法参数调整的性能关系。最后利用rviz或者python进行绘图显示。最后对若干实验场景进行测试，验证多工况的切换能力，在高速的结构化道路场景验证换道，车道保持等功能。
作者：	陈国胜
专业：	车辆工程
导师：	吴坚
授予学位：	硕士
授予学位单位：	吉林大学
学位年度：	2022