一種考慮車輛動力學的無人駕駛車輛模型預測路徑規劃控制器

一種考慮車輛動力學的無人駕駛車輛模型預測路徑規劃控制器

人工勢場法和最優控制器是目前無人駕駛車輛路徑規劃的兩種常用方法。人工勢場法能夠為不同類型的障礙物和道路結構分配不同的潛在功能，并根據這些潛在功能規劃路徑。然而，它在路徑規劃過程中并不考慮車輛動力學。與車輛動力學集成的最佳路徑規劃控制器則能夠保證車輛跟隨路徑的穩定性。在該控制器中，將障礙物和道路邊界作為約束條件。介紹了一種模型預測路徑規劃控制器,該控制器能夠準確地處理不同的障礙物和道路結構，并同時利用車輛動力學來規劃最優路徑。

所提出的模型預測路徑規劃控制器利用潛在的場概念來避免其遇到的障礙物。通過對PF（勢場）參數的適當選擇，從而提供足夠的避免障礙物的可能性。因此，PF的應用不僅避免了障礙物，而且使車輛保持在距離障礙物的適當距離。針對可交叉、不可交叉的障礙物以及道路標線提出了不同的PF參數。此外，最優控制問題通常是非線性的。為了在路徑規劃處理中減少計算時間，將控制問題用二次凸規劃問題進行近似。通過仿真比較了非線性和二次問題的計算時間和性能。仿真結果表明，雖然近似值可能導致結果產生不可避免的誤差，但二次問題近似后的性能可以滿足解決非線性問題。未來工作應對近似值的有效范圍進行進一步調查。

研究在CarSim仿真模擬中使用了高仿真的車輛模型。仿真結果表明，引入該路徑規劃控制器在復雜場景中進行適當演練時，當從任務規劃模塊中指揮車道改變時，除非這樣做是安全的，否則車輛不改變車道。如果兩輛車之間有足夠的空間，該車輛與其可以合并在一起，那就可以合并。如果當前車道已經結束，而車道變更又不安全，則車輛在車道結束前降低速度甚至停止。總之，只有在安全的情況下才改變車道。如果車輛從側面不小心接近另一車輛，則車輛在以后行駛過程中盡可能多的提供距離空間。此外，如果障礙物不可逾越，并且側面沒有足夠的空間通過，則車輛停在其后面。如果障礙物是可逾越的，并且側面沒有足夠的空間通過，則車輛穿過障礙物。

刊名：IEEE Transactions on Intelligent Transportation Systems（英）

刊期：2017年第5期

作者：Rasekhipour Yadollah et al

編譯：陳少帥