详情

原文传递园区内无人驾驶环卫车轨迹规划及跟踪控制研究

论文题名：	园区内无人驾驶环卫车轨迹规划及跟踪控制研究
关键词：	园区环卫车;无人驾驶;轨迹规划;轨迹跟踪控制;融合定位
摘要：	园区无人驾驶车辆是一个集环境感知、决策规划与运动控制等多项功能于一体的综合智能系统，由于具有车速低、工况简单、先验环境信息易获得等特点，是无人驾驶可率先实现的场景之一，具有较高的研究价值。　　尽管高自主性园区无人驾驶系统得到了广泛的研究和发展，但仍然存在许多问题亟待解决。园区环境由于楼宇、树木较多，容易对定位信号产生遮挡，传统的低成本车载定位设备通常无法保证可靠的精度或位置数据的连续性。同时，园区无人驾驶环卫车在机械结构及硬件部署上受工程需求进行了相关改制和针对性设计，传统的车辆动力学模型在对车辆行驶状态的描述上容易产生偏差。另外，园区环卫车普遍存在转向迟缓、响应慢等实际问题，且园区场景中的载人任务需求及对轨迹跟踪控制环节提出了更高的转向平滑性和舒适性需求。本文研究的主要目的是解决园区无人驾驶车辆系统中的上述问题，具体研究内容如下：　　1) 基于多模交互滤波的融合定位算法。建立精准描述车辆运动状态的自修正侧、纵向动力学模型，通过动态求解最小化修正模型的估计误差以获得动力学补偿项，在提升模型估计精度的同时改善传统预测模型对单一观测指标的强依赖性。通过车辆运动模型集对园区改制车辆的运动机理进行多角度描述，并完成多模交互滤波的信息融合架构的搭建，设计预期位姿的重要性采样方案对车辆可达位置进行全覆盖预测性描述，通过粒子滤波器对具有集中行为模式的车辆运动模型进行交互估计，并开展实车测试对定位估计算法的可靠性和连续性进行验证。　　2) 轨迹的多目标评价方案及动态环境建模技术。建立描述先验环境下路段通行成本的行车代价模型，构建双向动态交叉搜索机理，设计由搜索层占比决定的动态松弛区域作为搜索过程的中断判据，并在真实高精地图下完成全局轨迹规划测试。搭建基于终端状态采样及贝塞尔曲线的局部轨迹规划框架，建立反演概率模型以揭示定位估计结果与环境态势之间的关系，设计可量化的虚拟风险场及渐变分辨率概率栅格模型以快速精准的对局部环境态势进行数值描述。设计轨迹多目标度量策略，建立实时运动轨迹与局部环境态势之间的匹配关系，并完成局部参考轨迹的多目标评价及优选。最后，对局部规划器在交通场景下的规划表现进行单帧测试，对局部环境态势的描述及轨迹多目标评价方案的可行性进行验证。　　3) 在线自修正的仿驾驶员自然驾驶行为的轨迹跟踪控制方法。建立前馈-反馈控制方案进行轨迹跟踪控制。前馈环节中引入模糊小脑神经网络对状态演化方程进行在线修正，使误差跟踪模型逐渐适配园区改制车辆的真实运动状态。反馈环节构建“自然驾驶行为-误差跟踪”博弈控制策略，将自然驾驶行为特征、改制车辆转向迟滞等约束引入到控制机理中，并获得博弈环境的动态演变信息，通过求解闭环纳什博弈均衡解，使控制器在较小的跟踪误差下获得更平滑的转向行为。开展Carsim/Simulink联合仿真测试，对多场景下控制器对稳态误差的表现、路面附着系数及车速的鲁棒性进行对比分析及可行性验证。　　4) 园区场景下无人驾驶系统的方案设计及测试。开展以某型工程用车为实验平台的总体方案设计，进行相关改装及实车平台的搭建。之后，根据实车测试需求，进行软件架构的设计和实车测试方案的设计。参考相关国际标准对系统在动、静态障碍物场景、转向过程的危险场景、组合测试场景的有效性进行验证。实验结果表明了本文所述方法能够在动、静态环境下进行行驶风险评估并规划出合理的行驶轨迹，有效保证车辆自主行进过程中的准确性和安全性，对本文所述方法的可行性和有效性进行了验证。
作者：	杨彬
专业：	车身工程
导师：	宋学伟
授予学位：	博士
授予学位单位：	吉林大学
学位年度：	2022