摘 要

无人驾驶系统主要有四个模块决策、感知、规划与控制，此文对于规划和控制两个模块进行了研究，在规划提出了先规划路径后规划速度的运动规划方法。在路径规划方面，研究了传统的RRT算法、Dijkstra算法、人工势场法；在速度规划方面利用s-t运动空间对动态障碍物进行避障。最后利用MPC控制器对轨迹进行跟踪，在超车场景下进行仿真，结果表明MPC控制器的跟踪效果很好。

研究结果表明：先规划路径在规划速度的运动规划方式是有效的，并且MPC控制器对于轨迹跟踪的控制是非常准确的。

关键词：carsim；运动规划；MPC；simulink

Abstract

There are four main modules in the driverless system: decision-making, perception, planning and control. This paper studies two modules of planning and control. The traditional RRT algorithm, Dijkstra algorithm and artificial potential field method are studied in the aspect of path planning, and the dynamic obstacle is avoided by using s-t motion space in velocity planning. Finally, the track is tracked by the MPC controller and simulated in the overtaking scene. The results show that the tracking effect of the MPC controller is very good.

Experimental results show that the motion planning method of the first planning path at the planning speed is effective, and the MPC controller is very accurate to control the trajectory tracking.

Key Words：carsim；motion planning；MPC；simulink

目录

第1章 绪论 1

1.1 研究背景及意义 1

1.1.1任务决策子系统 1

1.1.2环境感知子系统 2

1.1.3路径规划子系统 2

1.1.4车辆控制子系统 2

1.2 无人驾驶汽车发展现状 3

1.2.1 国外无人驾驶车辆发展现状 3

1.2.2 国内无人驾驶车辆发展现状 5

1.3 运动规划方法的研究现状 6

1.4 研究方法与文章结构 6

1.4.1 研究方法 6

1.4.2 论文结构安排 7

第2章 用于运动规划和控制的车辆模型建立 8

2.1 车辆运动学模型的建立 8

2.2 建立基于CarSim的车辆运动学模型 10

2.2.1 Carsim软件介绍 10

2.2.2 Carsim接口介绍 11

2.2.3基于Carsim的车辆模型 13

2.2.4 整车尺寸 14

2.2.5传输系统建模 15

2.2.6制动系统 16

2.2.7转向系统 16

2.2.8悬架系统 17

2.2.9轮胎 19

2.2.10道路模型 20

2.2.11 Carsim的3D动画设置 23

2.3本章小结 26

第3章 无人驾驶路径规划 27

3.1 RRT算法的介绍和分析 27

3.1.1 算法原理 27

3.1.2 优缺点分析 30

3.2 双向RRT算法的介绍和分析 30

3.2.1 算法原理 30

3.2.2 Matlab仿真 31

3.3 融合人工势场法的双向RRT 31

3.3.1 人工势场法的算法介绍与分析 31

3.3.2 Matlab仿真 32

3.4 融合Dijkstra算法的双向RRT 33

3.4.1 Dijkstra算法的介绍与分析 33

3.4.2 Matlab仿真 34

3.5 基于frenet坐标系的五次多项式拟合方法 34

3.5.1 算法的介绍与分析 34

3.5.2 Matlab仿真 36

第4章 无人驾驶速度规划 37

4.1 引言 37

4.2 算法概述 37

4.2.1 问题描述 37

4.2.2 算法框架 38

4.3 s-t运动空间 38

4.4 基于A*的速度规划算法 40

第5章 超车场景下仿真结果分析 42

5.1 超车环境下环境搭建 42

5.1.1 基本环境搭建 42

5.1.2 超车路径规划 42

5.1.3 s-t运动空间搭建 42

5.2 MPC控制器介绍 43

5.2.1 介绍 43

5.2.2 基本原则 44

5.3 carsim仿真设置 45

5.3 结果分析 47

第5章 结论 49

参考文献 50

致 谢 53

第1章 绪论

1.1 研究背景及意义

随着2019年中国经济迅速发展，人们拥有的汽车数量迅速增加，全球交通事故数量迅速上升，交通拥堵变的更加常见。根据我国国家统计局的权威统计发布，在2019年，全国私人汽车数量已经达到2亿辆，从图1-1中可以看出，在去年私人汽车将近1.9亿辆。越多的车就意味着越堵的路况，在一线城市上下班高峰期，拥堵已经成了一种常态。

图1.1 近五年私人汽车保有量[1]

中国政府面对这庞大的机动车保有量，在交通安全性以及其他方面面对着各种各样的难题。基于这样的形势，从很久以前就产生的无人驾驶的概念，逐渐成为各研究人员的研究焦点。

学术界一般是这样定义的，不存在作为个体的人为参与操纵，由智能控制系统控制来完成人们设定的目标的车辆叫做无人驾驶车辆（Self-driving Vehicle)[2]。在不久的将来更加拥堵的交通系统，无人驾驶车辆的特点会有很大的趋势被广泛应用。无人驾驶车辆在学术划分中属于移动机器人的一块，具有决策规划和控制等相关模块实现相应功能，达到设定的目的地，完成人们设定好的驾驶任务。

以下，为无人驾驶系统的重要模块介绍。

1.1.1任务决策模块

在各个国家的无人车应用中，最为瞩目的是国防，无人车可以替代军人完成侦查、打击等任务，并且多个无人车之间还有相应的协调问题。而在商用或者民用领域，在农业上，可以用无人车来完成一些种植灌溉以及天气信息采集等任务。在一般情况下，多辆无人驾驶车辆进行协同时，会有更高的任务完成效率[3] o

由上文所提及的那样，无人车系统分为决策、感知、规划与控制四个模块，其实这也对照无人车完成任务的顺序。无人车比如完成一项超车任务，首先是决策何时超车，然后是感知周围是否有车辆或障碍物，下一步是根据自身的功能条件以及获得的环境信息进行规划，执行规划的任务时就需要控制模块。