1.一种基于动态规划的智能车辆全局最优轨迹规划方法,其特征在于,包括:
步骤1,根据地图信息、车辆底盘参数信息以及起点和终点位姿信息,将地图信息中的道路环境由笛卡尔坐标系转换到Frenet坐标系下,进行状态空间的离散,再根据轨迹规划任务建立第一最优控制问题模型,采用动态规划方法求解最优控制问题,获得全局最优路径的路径点序列;Frenet坐标系的设置方法包括:根据预设的参考线Tref,将智能驾驶车辆在笛卡尔坐标系下的位置坐标设置为(x,y),从车辆位置(x,y)向参考线Tref作投影,投影点为M,则点M与车辆位置(x,y)的距离为横向距离l,沿Tref从起点到投影点M的曲线距离为纵向距离s,用(s,l)表示Frenet坐标系下车辆的坐标值,构建如下式(1)表示Frenet坐标系与笛卡尔坐标系之间的映射关系:其中,为车辆位置在参考线上的投影点M在全局坐标系下的位置向量,为投影点M在参考曲线上的法向量和切向量;
步骤2,根据路径点序列以及车辆的动力学参数信息进行状态空间的离散,参照轨迹规划任务建立第二最优控制问题模型,采用动态规划方法求解最优控制问题,获得全局最优路径的最优速度,从而获得全局最优轨迹;
第一最优控制问题模型设置为:
其中,式(2a)为目标函数,||xk+1-xk||表示两个阶段之间的路径点的距离,xk=(xk,yk)=f1(sk,lk),||xk+1-xk||max表示两个阶段之间的路径点距离的最大值,|δk+1-δk|表示两个阶段之间车辆的前轮转角控制量的变化量,δmax表示前轮转角的最大值,κx,k表示第k阶段的路径曲率值,κx,max表示第k阶段的路径曲率最大值,ω1,ω2,ω3表示权值,式(2b)为不同阶段状态量之间的状态转移方程,式(2c)为控制量的边界限制范围,式(2d)为道路边界以及障碍物约束,lleft(sk)表示sk对应的l左边界,lright(sk)表示sk对应的l右边界。
2.如权利要求1所述的基于动态规划的智能车辆全局最优轨迹规划方法,其特征在于,步骤1中的“采用动态规划方法求解最优控制问题”的方法包括:在Frenet坐标系将地图空间划分成多个子状态空间,并对子状态空间进行离散,再根据车辆前轮转角约束,利用状态转移方程确定下一阶段的可行驶范围,然后通过确定各个区间上的控制变量最优序列形式,来对目标函数进行最优化,以获得整个地图空间下的全局最优轨迹。
3.如权利要求2所述的基于动态规划的智能车辆全局最优轨迹规划方法,其特征在于,在Frenet坐标系将地图空间划分成多个子状态空间,并对子状态空间进行离散的方法具体包括:根据建图模块所提供地图信息,采集道路中心线作为参考线建立Frenet坐标系并进行状态离散,道路地图的离散根据[s,l,θx]三个维度,s、l、θx分别为纵向距离、横向距离、笛卡尔坐标系下的车辆横摆角。
4.如权利要求3所述的基于动态规划的智能车辆全局最优轨迹规划方法,其特征在于,“根据车辆前轮转角约束,利用状态转移方程确定下一阶段的可行驶范围”的方法具体包括:先利用式(2)描述的最优控制问题以前轮转角δx为控制量,根据车辆前轮转角范围,按照dδx对前轮转角δx进行离散,由式(3)可计算出根据离散的前轮转角所得的离散曲率控制序列:其中,κx表示车辆行驶路径曲率,Rx表示车辆转弯半径,Lx为车辆轴距,δx为车辆前轮转角;
再根据由Frenet坐标系与笛卡尔坐标系之间转换关系获得的状态转移方程计算得到车辆在下一阶段的可行驶范围。
5.一种基于动态规划的智能车辆全局最优轨迹规划系统,其特征在于,包括建图定位单元、全局最优轨迹规划单元、运动控制单元和底层执行单元,其中:建图定位单元用于获取环境信息,经处理后下发至全局最优轨迹规划单元;全局最优轨迹规划单元用于根据地图信息、车辆底盘参数信息以及起点和终点位姿信息,将地图信息中的道路环境由笛卡尔坐标系转换到Frenet坐标系下,进行状态空间的离散,再根据轨迹规划任务建立第一最优控制问题模型,采用动态规划方法求解最优控制问题,获得全局最优路径的路径点序列;全局最优轨迹规划单元还用于根据路径点序列以及车辆的动力学参数信息进行状态空间的离散,参照轨迹规划任务建立第二最优控制问题模型,采用动态规划方法求解最优控制问题,获得全局最优路径的最优速度,从而获得全局最优轨迹,进而得到全局最优轨迹,并输出给运动控制单元;运动控制单元用于根据全局最优轨迹,计算控制指令,下发给底层执行单元来控制车辆;
其中,Frenet坐标系的设置方法包括:
根据预设的参考线Tref,将智能驾驶车辆在笛卡尔坐标系下的位置坐标设置为(x,y),从车辆位置(x,y)向参考线Tref作投影,投影点为M,则点M与车辆位置(x,y)的距离为横向距离l,沿Tref从起点到投影点M的曲线距离为纵向距离s,用(s,l)表示Frenet坐标系下车辆的坐标值,构建如下式(1)表示Frenet坐标系与笛卡尔坐标系之间的映射关系:其中,为车辆位置在参考线上的投影点M在全局坐标系下的位置向量,为投影点M在参考曲线上的法向量和切向量;
第一最优控制问题模型设置为:
其中,式(2a)为目标函数,||xk+1-xk||表示两个阶段之间的路径点的距离,xk=(xk,yk)=f1(sk,lk),||xk+1-xk||max表示两个阶段之间的路径点距离的最大值,|δk+1-δk|表示两个阶段之间车辆的前轮转角控制量的变化量,δmax表示前轮转角的最大值,κx,k表示第k阶段的路径曲率值,κx,max表示第k阶段的路径曲率最大值,ω1,ω2,ω3表示权值,式(2b)为不同阶段状态量之间的状态转移方程,式(2c)为控制量的边界限制范围,式(2d)为道路边界以及障碍物约束,lleft(sk)表示sk对应的l左边界,lright(sk)表示sk对应的l右边界。
6.如权利要求5所述的基于动态规划的智能车辆全局最优轨迹规划系统,其特征在于,采用动态规划方法求解最优控制问题的方法包括:在Frenet坐标系将地图空间划分成多个子状态空间,并对子状态空间进行离散,再根据车辆前轮转角约束,利用状态转移方程确定下一阶段的可行驶范围,然后通过确定各个区间上的控制变量最优序列形式,来对目标函数进行最优化,以获得整个地图空间下的全局最优轨迹。
7.如权利要求6所述的基于动态规划的智能车辆全局最优轨迹规划系统,其特征在于,在Frenet坐标系将地图空间划分成多个子状态空间,并对子状态空间进行离散的方法具体包括:根据建图模块所提供地图信息,采集道路中心线作为参考线建立Frenet坐标系并进行状态离散,道路地图的离散根据[s,l,θx]三个维度,s、l、θx分别为纵向距离、横向距离、笛卡尔坐标系下的车辆横摆角。
8.如权利要求7所述的基于动态规划的智能车辆全局最优轨迹规划系统,其特征在于,“根据车辆前轮转角约束,利用状态转移方程确定下一阶段的可行驶范围”的方法具体包括:先利用式(2)描述的最优控制问题以前轮转角δx为控制量,根据车辆前轮转角范围,按照dδx对前轮转角δx进行离散,由式(3)可计算出根据离散的前轮转角所得的离散曲率控制序列:其中,κx表示车辆行驶路径曲率,Rx表示车辆转弯半径,Lx为车辆轴距,δx为车辆前轮转角;
再根据由Frenet坐标系与笛卡尔坐标系之间转换关系获得的状态转移方程计算得到车辆在下一阶段的可行驶范围。