1.一种车辆在非信控路口转向时感知盲区的轨迹规划方法,其特征在于,包括以下步骤:S1,通过公式:
建立车辆轨迹的运动学模型;其中,为车辆位置横坐标的导数,为车辆位置横坐标的导数,为车辆航向角的导数,为车辆转向角的导数,为速度的导数,为车辆位置的横坐标,为车辆位置的纵坐标,为航向角,转向角,为速度,为加速度,为车辆前后轮之间的距离;
S2,通过公式:,构建目标函数;
其中,为预测时域,为其权重矩阵,为其权重矩阵,为避障函数,为可见性函数,为控制输入序列,为预测的状态变量,为参考状态变量;
S3,建立运动学模型约束条件,并使用所述约束条件优化所述目标函数,得到优化后的整体优化模型;
S4,基于所述整体优化模型,通过非线性优化求解器,求解出优化后的轨迹;
其中,所述步骤S3中的约束条件包括以下步骤中的一项或者多项:
S31,通过公式:(1),建立速度约束;其中,为车辆所能达到的最大速度,k表示k时刻,为在k时刻对未来第i步的速度预测值;
S32,通过公式:(2),建立加速度约束;其中,为车辆所能达到的最大减速度,为车辆所能达到的最大加速度,为在k时刻对未来第i步的加速度预测值;
S33,通过公式:(3),建立转向角约束;其中,为车辆所能达到的最小转向角,为车辆所能达到的最大转向角,为在k时刻对未来第i步的转向角预测值;
S34,通过公式:,建立边界约束;其中,为车辆参考线到左右两边道路边界的最小横向移动距离,为车辆参考线到左右两边道路边界的最大横向移动距离,为在k时刻对未来第i步的位置横向坐标预测值;
S35,通过公式:,建立风险约束;其中为风险阈值,为t+1时刻的风险计算值,表示t+1时刻感知盲区路口对向车道是否出现产生风险的车辆,表示t+1时刻出现车辆,表示t+1时刻不出现车辆;表示观测结果,表示对应观测概率值,表示t+1时刻没有观测到车辆,表示t+1时刻观测到了车辆;为t+1时刻的后验概率。
2.如权利要求1所述的一种车辆在非信控路口转向时感知盲区的轨迹规划方法,其特征在于,通过公式:,建立整体优化模型。
3.如权利要求1所述的一种车辆在非信控路口转向时感知盲区的轨迹规划方法,其特征在于,步骤S2中的的计算公式为:,
其中,i表示i时刻,为权重系数,是i时刻可见障碍物相对无人驾驶车辆车身坐标系下的位置坐标,是i时刻无人驾驶车辆质心坐标,为防止出现分母为0的正数,为i时刻的车辆的速度。
4.如权利要求3所述的一种车辆在非信控路口转向时感知盲区的轨迹规划方法,其特征在于,步骤S2中的的计算公式为:,
其中,为权重系数,为时刻的遮挡角,以及为车辆时刻的位置坐标与慢点的盲点坐标的距离。
5.如权利要求4所述的一种车辆在非信控路口转向时感知盲区的轨迹规划方法,其特征在于,所述盲点为路旁建筑物的遮挡造成的感知盲区的顶点,所述盲点坐标为所述顶点的地图定位系统提供的地理坐标。
6.如权利要求1所述的一种车辆在非信控路口转向时感知盲区的轨迹规划方法,其特征在于,步骤S35中的的计算公式为:其中,为t+1时刻出现风险车辆的先验概率,为t+1时刻没有出现风险车辆的情况下观测到车辆的概率,为t+1时刻出现风险车辆的情况下观测到车辆的概率,为观测结果C的先验概率分布。
7.如权利要求1所述的一种车辆在非信控路口转向时感知盲区的轨迹规划方法,其特征在于,步骤S1中所述的运动学模型为自行车运动学模型与MPC模型的结合。
8.如权利要求1所述的一种车辆在非信控路口转向时感知盲区的轨迹规划方法,其特征在于,还包括步骤S36,建立运动学约束条件的计算公式为:;其中,为时刻的状态量,为时刻的控制量,时刻的状态量,为由状态转移矩阵得到的状态转移函数。
9.一种车辆在非信控路口转向时感知盲区的轨迹规划系统,包括存储器、处理器、存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述的车辆在非信控路口转向时感知盲区的轨迹规划方法的步骤。