一种考虑车辆动力学的无人驾驶车辆模型预测路径规划控制器

一种考虑车辆动力学的无人驾驶车辆模型预测路径规划控制器

人工势场法和最优控制器是目前无人驾驶车辆路径规划的两种常用方法。人工势场法能够为不同类型的障碍物和道路结构分配不同的潜在功能，并根据这些潜在功能规划路径。然而，它在路径规划过程中并不考虑车辆动力学。与车辆动力学集成的最佳路径规划控制器则能够保证车辆跟随路径的稳定性。在该控制器中，将障碍物和道路边界作为约束条件。介绍了一种模型预测路径规划控制器,该控制器能够准确地处理不同的障碍物和道路结构，并同时利用车辆动力学来规划最优路径。

所提出的模型预测路径规划控制器利用潜在的场概念来避免其遇到的障碍物。通过对PF（势场）参数的适当选择，从而提供足够的避免障碍物的可能性。因此，PF的应用不仅避免了障碍物，而且使车辆保持在距离障碍物的适当距离。针对可交叉、不可交叉的障碍物以及道路标线提出了不同的PF参数。此外，最优控制问题通常是非线性的。为了在路径规划处理中减少计算时间，将控制问题用二次凸规划问题进行近似。通过仿真比较了非线性和二次问题的计算时间和性能。仿真结果表明，虽然近似值可能导致结果产生不可避免的误差，但二次问题近似后的性能可以满足解决非线性问题。未来工作应对近似值的有效范围进行进一步调查。

研究在CarSim仿真模拟中使用了高仿真的车辆模型。仿真结果表明，引入该路径规划控制器在复杂场景中进行适当演练时，当从任务规划模块中指挥车道改变时，除非这样做是安全的，否则车辆不改变车道。如果两辆车之间有足够的空间，该车辆与其可以合并在一起，那就可以合并。如果当前车道已经结束，而车道变更又不安全，则车辆在车道结束前降低速度甚至停止。总之，只有在安全的情况下才改变车道。如果车辆从侧面不小心接近另一车辆，则车辆在以后行驶过程中尽可能多的提供距离空间。此外，如果障碍物不可逾越，并且侧面没有足够的空间通过，则车辆停在其后面。如果障碍物是可逾越的，并且侧面没有足够的空间通过，则车辆穿过障碍物。

刊名：IEEE Transactions on Intelligent Transportation Systems（英）

刊期：2017年第5期

作者：Rasekhipour Yadollah et al

编译：陈少帅