一种园区无人驾驶观光车的驾驶行为决策系统转让专利
申请号 : CN202010977809.5
文献号 : CN111832667B
文献日 : 2020-12-08
发明人 : 华一丁 , 郭蓬 , 龚进峰 , 戎辉 , 唐风敏 , 李鑫慧 , 李长娟 , 王梦丹 , 郝晶晶
申请人 : 中汽研(天津)汽车工程研究院有限公司 , 中国汽车技术研究中心有限公司
摘要 :
权利要求 :
1.一种园区无人驾驶观光车的驾驶行为决策系统,其特征在于:包括环境感知模块、预处理模块、场景判断模块、以及行为决策模块;
所述环境感知模块用于通过车载传感器获取车辆周围环境信息,输出无人驾驶车所需要的相关信息;
所述预处理模块用于对环境感知模块输出的数据进行处理,去除对车辆行为决策无影响的障碍物;预处理模块通过以下规则滤除对行为决策规划无影响的障碍物:(1)当障碍物为静止障碍物时,CarCoorObLoDis≥MaxLoThreshold,其中,MaxLoThreshold为设定的纵向阈值,VehicleSpeed为车辆当前车速,
comforDeceleration为车辆的舒适减速度;CarCoorObLoDis为车体坐标系下障碍物的纵坐标;
(2)当障碍物为静止障碍物时,CarCoorObLaDis≥MaxLaThreshold,其中,MaxLaThreshold为设定的横向阈值,MaxLaThreshold=0.5*VehicleWidth+SafetyValue,VehicleWidth为车宽,SafetyValue为设定的安全值,该值根据实际调试情况有所调整;
CarCoorObLaDis为车体坐标系下障碍物的横坐标;
(3)当障碍物为纵向移动障碍物时,CarCoorObLoDis≥MaxLoThreshold,其中,为设定的纵向阈值,VehicleSpeed为车辆当前车速,ObstacleSpeed为障碍物的纵向速度,comforDeceleration为车辆的舒适减速度,SafeValue为设定的安全阈值,根据实际情况调整;
(4)当障碍物为纵向移动障碍物时,CarCoorObLaDis≥MaxLaThreshold,其中,MaxLaThreshold=0.5*VehicleWidth+SafetyValue为设定的横向阈值,VehicleWidth为车宽,SafetyValue为设定的安全值,该值根据实际情况调整;
当障碍物满足上述四个规则中的任意一条,则滤除该障碍物;
所述场景判断模块用于根据环境感知模块中的车载传感器获取的车辆定位信息做出场景判断,并将判断结果发送至行为决策模块;
所述行为决策模块用于根据预处理模块、场景判断模块输出的信息,结合当前车辆的状态信息计算出下一时刻的车辆行为状态;
所述预处理模块包括障碍物坐标转换单元、障碍物滤除单元;
所述坐标转换单元将环境感知模块输出的所有障碍物的坐标通过坐标转换公式转换到车体坐标系下;
所述障碍物滤除单元用于滤除对车辆行为决策无影响的障碍物。
2.根据权利要求1所述的一种园区无人驾驶观光车的驾驶行为决策系统,其特征在于:所述车载传感器包括16线激光雷达传感器、GPS定位传感器、毫米波雷达传感器、以及高精地图;
所述16线激光雷达传感器用于检测无人驾驶车辆周围障碍物,输出障碍物信息,通过网络传输方式传送给预处理模块;
所述GPS定位传感器用于车辆定位并将定位信息通过串口方式传送给场景判断模块;
所述毫米波雷达用于检测车辆前方障碍物的行驶速度;
所述高精地图用于存储路口信息、车道线信息、道路边界信息。
3.根据权利要求1所述的一种园区无人驾驶观光车的驾驶行为决策系统,其特征在于:所述场景判断模块中的场景包括路中、预路口、路口、停车点、发车点5个场景。
4.根据权利要求3所述的一种园区无人驾驶观光车的驾驶行为决策系统,其特征在于:所述场景判断根据环境感知模块输入的车辆GPS定位信息,与高精地图中标注的控制点进行相应的距离计算,得出当前车辆所处的场景信息。
5.根据权利要求4所述的一种园区无人驾驶观光车的驾驶行为决策系统,其特征在于:场景判断的具体步骤包括:
(1)读取当前车辆的GPS坐标信息、读取高精地图中的控制点信息,控制点设置如下,控制点1和控制点6分别为车辆的发车点和停车点,控制点2、控制点4、控制点7、控制点9为路口入口点,控制点3、控制点5、控制点8、控制点10为路口出口点;
(2)依次计算当前车辆与10个控制点的距离信息;根据车辆到控制点的距离大小,得出与车辆最近的两个控制点;
(3)场景判断:
①当车辆位置满足下面条件中的任意一条则场景判断结果为路口:条件1:车辆位置处于控制点2和控制点3之间;
条件2:车辆位置处于控制点4和控制点5之间;
条件3:车辆位置处于控制点7和控制点8之间;
条件4:车辆位置处于控制点9和控制点10之间;
②当车辆位置满足下面条件中的任意一条则场景判断结果为预路口:条件1:车辆位置处于控制点3和控制点4之间且距离控制点4的距离小于阈值;
条件2:车辆位置处于控制点6和控制点7之间且距离控制点6的距离小于阈值;
条件3:车辆位置处于控制点8和控制点9之间且距离控制点9的距离小于阈值;
条件4:车辆位置处于控制点1和控制点2之间且距离控制点2的距离小于阈值;
③当车辆位置满足下面条件则场景判断结果为发车点:条件:车辆位置处于控制点10和控制点1之间且距离控制点1的距离小于阈值;
④当车辆位置满足下面条件则场景判断结果为停车点:条件:车辆位置处于控制点5和控制点6之间且距离控制点6的距离小于阈值;
⑤当车辆位置均不满足以上所有条件,则认为车辆场景判断结果为路中。
6.根据权利要求5所述的一种园区无人驾驶观光车的驾驶行为决策系统,其特征在于:所述行为决策模块输出的行为状态包括:正常循迹行驶、限速行驶、跟车行驶、紧急制动、避障绕行、停车点停车、障碍物前方停车等待7种。
7.根据权利要求6所述的一种园区无人驾驶观光车的驾驶行为决策系统,其特征在于:所述行为决策模块中,当不存在障碍物时的行为决策模块算法流程,具体步骤如下:a.当前车辆前方不存在障碍物时,获取车辆场景;
b.当车辆场景为路中或发车点时,输出行为决策结果为正常循迹行驶;
c.当车辆场景为停车点时,输出行为决策结果为停车点停车;
d.否则,限速行驶。
8.根据权利要求6所述的一种园区无人驾驶观光车的驾驶行为决策系统,其特征在于:存在障碍物时行为决策算法流程,具体步骤如下:
a.当前车辆前方存在障碍物时,判断障碍物是否在碰撞范围内即:当时,认为出
现碰撞风险,行为决策结果为紧急制动;
其中,BrakingDeceleration为车辆紧急制动减速度、α为制动延时补偿因子、dextra为车身长度的一半,CarCoorObLoDis为车体坐标系下障碍物的纵坐标;
b.对障碍物属性进行判断,当障碍物为静止障碍物时,进行障碍物避障条件判断,当满足下面条件时行为决策结果为避障绕行,否则行为决策结果为障碍物前方停车等待:条件1:相邻车道无来车;
条件2:CarCoorObLoDis≥k1*VehicleSpeed+d1,k1为速度因子,d1为设定的阈值c.当障碍物为移动障碍物时,进行车辆场景判断,当车辆场景为非路中、非发车点,但是为停车点时,行为决策结果为障碍物前方停车等待,当车辆场景为非路中、非发车点、非停车点时,行为决策结果为跟车行驶;
d .当车辆场景为路中或发车点时,进行障碍物跟踪范围判断 ,如果MinSpeedDifferThreshold≤ObLoVel-VehicleSpeed≤MaxSpeedDifferThreshold,则行为决策结果为跟车行驶;
其中,MaxSpeedDifferThreshold和MinSpeedDifferThreshold为速度差阈值,根据实际调试结果进行修改;ObLoVel-VehicleSpeed为障碍物的纵向速度差;
e.否则进行绕行范围判断,当满足下面条件时行为决策结果为避障绕行,否则行为决策结果为正常循迹行驶;
条件1:CarCoorObLoDis≥k2*VehicleSpeed+d2其中,k2为速度因子,d2为设定的阈值;
条件2:VehicleSpeed-ObLoVel≥SpeedThreshold其中,SpeedThreshold为速度阈值;
f.结束。
说明书 :
一种园区无人驾驶观光车的驾驶行为决策系统
技术领域
背景技术
展的动力之一。发展智能汽车和智能化交通,在进一步改善交通环境、减少交通堵塞、预防
交通事故发生、降低社会活动成本等方面,都将起到不可替代的作用。但是,由于智能网联
汽车在传统汽车技术基础上融合大量信息感知、智能决策、车辆自动控制、网络通信等新技
术,对相关技术发展提出巨大挑战,同时,环境的复杂性和多样性也限制其发展,从而导致
无人驾驶技术难以落地。针对上述问题,各大科技公司、主机厂逐渐开展了针对工业园区、
高速公路、大学校园、自主代客泊车等特定应用场景的无人驾驶应用技术开发。
的样本数据,并对大量的样本数据进行标签的标注。而大量样本数据的采集以及对样本数
据进行标签的标注所耗费的人力资源巨大,因此,模型训练的效率低下。而且,由于样本数
据难以得到扩充,训练得到的模型在进行行为决策时的精确度较低。
发明内容
训练低下、行为决策精确度低的问题。保证行为决策系统的快速性和实时性,确保车辆在道
路上能够安全高效的行驶,完成相应的行驶任务。
器、高精地图。
为静止障碍物和移动障碍物两种,16线激光雷达输出障碍物信息包括:障碍物序号、障碍物
横向距离、障碍物的纵向距离、障碍物的横向速度、障碍物的纵向速度、障碍物属性(移动/
静止);
口、停车点、发车点5个场景。
下一时刻的车辆行为状态,行为状态包括:正常循迹行驶、限速行驶、跟车行驶、紧急制动、
避障绕行、停车点停车、障碍物前方停车等待7种。
使用价值。
附图说明
具体实施方式
本发明的限制。此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”
的含义是两个或两个以上。
在本发明中的具体含义。
前车辆的GPS坐标信息和高精地图信息判断出车辆当前场景,最后综合上述信息进行行为
决策,具体包括以下步骤:
向距离,ObLaVel为障碍物的横向速度,ObLoVel为障碍物的纵向速度,ObAtt为障碍物的属
性,
CarCoorLidarAbs为激光雷达在车体坐标系下的安装位置横坐标,CarCoorObLaDis和
CarCoorObLoDis为车体坐标系下障碍物的横纵坐标,abs为求取绝对值,VehicleLength为
车辆长度,车体坐标系以车辆后轴中心点为坐标原点,以垂直车辆后轴为X轴,以平行后轴
为Y轴。将转换后的障碍物坐标向量
示。场景判断模块中的场景共计路中、预路口、路口、停车点、发车点5个场景。场景判断的具体步骤:
控制点7、控制点9为路口入口点,控制点3、控制点5、控制点8、控制点10为路口出口点。
当前车速,comforDeceleration为车辆的舒适减速度;
宽,SafetyValue为设定的安全值,该值根据实际调试情况有所调整;
值,VehicleSpeed为车辆当前车速,ObstacleSpeed为障碍物的纵向速度,
comforDeceleration为车辆的舒适减速度, SafeValue为设定的安全阈值,根据实际情况
调整;
宽,SafetyValue为设定的安全值,该值根据实际情况调整;
急制动减速度、α为制动延时补偿因子、d_extra为车身长度的一半;
点、非停车点时,行为决策结果为跟车行驶;
决策结果为跟车行驶;其中,MaxSpeedDifferThreshold和MinSpeedDifferThreshold为速
度差阈值,根据实际调试结果进行修改。
角星为车辆当前位置,当前感知系统检测到前方无障碍物存在且车辆位置为路中,行为决
策结果为循迹行驶。图2所示,前方检查到障碍物存在且障碍物处于绕行范围内,行为决策
结果为绕行。