论文总字数：22837字

摘 要

自动驾驶汽车的避障控制属于轨迹规划的范畴，是自动驾驶汽车的关键技术之一，研究自动驾驶车辆轨迹规划的目的在于使车辆自主行驶的操作相比人类驾驶员更具合理性、安全性等。本文针对在结构化场景中自动驾驶汽车的轨迹规划问题，建立轨迹评价指标函数和约束条件，每个规划周期在Frenet坐标系下进行多项式插值完成横、纵向轨迹的局部重规划，得到最优参考行驶轨迹；使用基于线性时变模型的模型预测控制算法完成对参考轨迹的跟踪；在Matlab/Simulink环境中搭建Simulink-Carsim联合仿真平台测试轨迹规划与跟踪控制算法的可行性。仿真结果表明，本文所设计的轨迹规划算法能够快速地计算生成安全、合理的参考轨迹；跟踪控制算法的跟踪误差小且保证了车辆行驶稳定；自动驾驶汽车能够以较高车速顺利完成对静、动态障碍物的避障行驶。

关键词：自动驾驶汽车；Frenet坐标系；轨迹规划；模型预测控制

Abstract

Obstacle avoidance control of autonomous vehicles belongs to the category of trajectory planning. Trajectory planning technology is one of the key technologies of autonomous vehicles. The goal of trajectory planning is to make the operation of autonomous vehicles autonomous driving more reasonable and comfortable than that of human drivers. In this paper, several trajectory evaluation index functions and constraints are established for the trajectory planning problem of self-driving cars in structured scenarios. In each planning period, polynomial interpolation is implemented in the Frenet coordinate system to complete the local replanning of longitudinal and lateral trajectories, and the optimal reference trajectory is obtained. To track the reference trajectory, model predictive control algorithm based on linear time-varying model is implemented. The simulation experiments are conducted in Carsim/Simulink environment. The results demonstrate that the proposed method can avoid obstacles effectively and perform intelligent driving behaviors.

Key Words：automated vehicle；Frenet coordinate system；trajectory planning；model predictive control

目 录

第1章 绪论 1

1.1 研究背景及意义 1

1.2国内外研究现状 2

1.2.1自主变道轨迹规划 2

1.2.2自主变道轨迹跟踪控制 3

1.3研究内容与技术路线 4

第2章 轨迹规划算法 5

2.1基于Frenet系的轨迹规划算法原理 5

2.2轨迹规划模型的建立 5

2.2.1横向规划轨迹集合的生成 7

2.2.2纵向规划轨迹集合的生成 8

2.3 规划轨迹的质量评估 8

2.3.1 横向轨迹评价指标 9

2.3.2 纵向轨迹评价指标 9

2.3.3 合成轨迹评价指标 10

2.3.4 车辆动力学性能约束 10

2.4 横纵向轨迹合成与碰撞检测 12

2.4.1 横纵向轨迹合成 12

2.4.2 延后碰撞检测法 12

第3章 轨迹跟踪控制算法 14

3.1 模型预测控制原理 14

3.2 预测模型建立 15

3.2.1 车辆动力学模型建立 15

3.2.2 线性时变预测模型推导 16

3.3 模型预测控制器设计 17

3.3.1 约束条件建立 17

3.3.2 优化求解 18

第4章 避障控制算法的验证 20

4.1 联合仿真平台搭建 20

4.2 仿真试验与结果分析 21

4.2.1 仿真参数 21

4.2.2 静态障碍物避障工况 22

4.2.3 跟车行驶工况 23

4.2.3 动态障碍物避障工况 24

第5章 全文总结与展望 29

5.1全文总结 29

5.2展望 29

参考文献 30

致 谢 32

第1章 绪论

1.1 研究背景及意义

自动驾驶汽车是智能交通系统的重要组成环节，自动驾驶汽车与智能交通系统把“人-车-环境”的闭环变成了“车-环境”系统，通过赋予汽车足够的智能，使车辆部分地乃至完全地取代人类驾驶者的操作。自动驾驶汽车通过摄像头、雷达等外部传感器感知与识别周围环境并做出相应的反应，利用先进的硬件设备和电子信息技术控制车辆的运行，从而取代了人类驾驶者的操作，避免了人类驾驶者的操作失误，可有效提高交通系统的效率和安全性。

图1.1 传感器多目标融合 图1.2 激光雷达感知周围环境

为有效缓解诸多的交通问题，各大汽车厂商和研究机构已经开始重视自动驾驶汽车的研发工作，有关的自动驾驶技术开始被应用到实际的汽车商品中，各大高校和科研单位都在重点推进自动驾驶汽车的相关技术向着实用性、高集成度和高智能的方向发展。

日常道路中，任何复杂的汽车驾驶行为都能够被抽象地分解为车道保持和车道变更两种，变道与超车即为日常驾驶中最常见的操作，也是实现车辆避障的主要操作。自动驾驶汽车主车在变道避障时需要充分考虑周围的交通情况，因为变道操作而引发的交通事故所占比例虽然相对较小，但由此引起的交通堵塞现象却非常普遍，故汽车换道避障操作的可靠性、效率和安全性对道路行驶安全与解决道路堵塞问题有着紧密联系。如今随着智能交通系统的提出和自动驾驶技术的发展，其在缓解交通拥堵、减少交通事故等方面的优势逐渐体现出来。通过安装在汽车上的各种传感器准确地感知周围的交通环境，配合对驾驶行为的合理完善的分析决策，由运动规划算法计算生成安全可靠的变道轨迹，最终基于稳定可靠的轨迹跟踪算法获得对参考轨迹的良好的跟随精度，这样一来就把人类驾驶的诸多不可控因素排除在外，使得自动驾驶车辆自主换道操作的安全性更具优势，从而解决相应的交通问题。实现自动驾驶车辆在复杂交通环境中自主完成变道避障的功能具有十分重要的意义。

1.2国内外研究现状

自动驾驶车辆自主执行车道保持或变更的操作是通过轨迹规划算法和轨迹跟踪算法实现的。轨迹规划可以解耦为路径规划和速度规划，路径规划指的是生成一条从起始点至期望点的参考路径，自动驾驶车辆沿此路径行驶时能够保证安全性，速度规划指定了沿此路径行驶的车速。轨迹跟踪算法控制自动驾驶汽车相关的执行机构使车辆跟随规划所得的轨迹行驶。

1.2.1自主变道轨迹规划

自动驾驶汽车的轨迹规划源自移动机器人领域，但由于汽车行驶速度快，轮胎力特性复杂，增加了其控制难度。国内外关于轨迹规划算法的研究与实现，主要可以分为图搜索(Graph Search)、数值优化(Numerical Optimization)、采样与插值(Sampling and Interpolation)这三大类方法。

基于图搜索的方法核心理念是在每一个规划周期中把自动驾驶车辆的初始位置和规划的末状态位置都映射到一个状态空间，把状态空间离散化并将其构成一个图，使不同状态之间有着不同权重的连接关系，然后利用如A*、状态网格、Dijkstra等搜索算法来求解；基于数值优化的算法的思想是把目标函数和约束条件转化成一个凸优化的形式，然后使用二次规划解法或其他数值优化迭代器计算出其最优解，最终的解可以直接表征为一系列的位置点，该方法最大的优点在于最优解空间是连续的，不会出现相邻帧之间最优解的大幅度跳变，然而要将周围环境抽象成一个凸优化的目标函数这一条件不是在任何时候都能满足的，并且最优解的求解常依赖于梯度迭代，实现最优化迭代的耗时较大，因此不能保证自动驾驶汽车在实际行驶中的每一时刻都能计算收敛得到最优解，故难以满足自动驾驶的实时性这一重要的需求；依靠采样和插值的轨迹规划核心方法是对汽车的行驶状态进行密集的采样，每个样本都代表车辆的一个状态值，用于表示在某一时刻，车辆按此参考轨迹行驶所具有的位置、速度、加速度、朝向等信息，然后利用这些参数通过多项式曲线、B样条曲线等典型的插值模型对车辆的运动状态变化的过程进行插值，使得变化过程平缓可控，这些曲线就代表了自动驾驶车辆从其初始状态运动至末状态的运动轨迹。一般而言，曲线插值方法更适用于结构化场景。

王政对高速动态环境下车辆自主换道方法进行研究，综合考虑换道的安全性和个性化，使用三次多项式曲线规划换道轨迹，使用模型预测控制完成跟踪，并在虚拟仿真实验平台Panosim进行了有效性验证^[1]；David Gonzalez等人对自动驾驶汽车的路径规划技术发展情况进行综述，文章对比了不同路径规划方法的特点和适用情况，并指出当下自动驾驶车辆针对交通弱势群体以及与其他自动或半自动驾驶车辆的交互有待进一步研究^[2]；Jian Zhou等人使用三次多项式插值方法制定复杂交通驾驶环境下智能车辆避障的最佳换道策略，将TOPSIS算法应用于解决轨迹规划多目标优化问题，消除了变道风险且改善了换道性能^[3]；Joseph Funke等人利用两段回旋曲线和一段圆弧组成连续且对称的基本路径，再将两段基本路径反向连接构成“双基本路径”来执行无人驾驶汽车紧急车道变更操作^[4]；Junsoo Kim等人基于粒子滤波框架开发了一种运动规划方法，算法包括候选轨迹的时间更新、感知量度更新、轨迹选择和迭代以及运动目标重采样四个主要步骤，可生成满足约束要求的最佳轨迹^[5]；王沙晶将自动驾驶轨迹规划问题转换到Frenet坐标系中求解，使用采样和五次多项式插值方法建立车辆横纵向轨迹规划模型，采用卡尔曼滤波和递归神经网络预测周围交通车运动轨迹，最后基于Python搭建了长达八公里的三车道道路地图进行轨迹规划仿真与可视化分析^[6]；江庆坤对智能汽车避障系统的危险评估和智能车辆轨迹规划两部分内容进行了研究^[7]；Long Han等人设计了一种基于贝塞尔曲线的智能车辆路径规划器，该规划器中避障模块的障碍物识别通过激光扫描仪点云分析获得，同时包括了估算周围物体的轨迹和行为的功能^[8]；Yugong Luo等人将自动驾驶车辆的变道轨迹规划问题转换为一个关于变道时间和变道距离的带约束的最优化问题，通过数学方法求解该最优问题得到最优参考轨迹^[9]；麻省理工学院的DARPA无人车团队在其2007年参赛车辆上使用了改进的闭环快速搜索随机树法（RRT）进行轨迹规划，在随机点采样的过程中加入包括交通规则、车辆物理性能等各类约束，使得规划得到的轨迹更具可执行性^[10]。

请支付后下载全文，论文总字数：22837字