5智能网联汽车路径规划与决策控制技术应用.pptxVIP

智能网联汽车路径规划与决策控制技术应用;;智能网联汽车或无人驾驶汽车行驶过程中，随着行驶环境的变化，其行驶轨迹会不断进行调整。在下图所示的场景中，若前车的车速较快，后车可选择在当前车道继续行驶；若前车车速过慢，后车可以选择换道行驶，或者减慢车速。选择换道还是跟车行驶，体现出智能网联汽车的决策问题。如果选择换道，如何换道、沿哪一条路径、以何种速度进行换道，则体现出智能网联汽车的规划问题。;智能网联汽车或无人驾驶汽车的自动驾驶功能模块如下图所示，其描述了环境感知模块、决策与规划模块与控制执行模块三者之间的关系。根据任务的不同，决策与规划模块可以细化为任务规划层、行为决策层以及运动规划层。任务规划层在智能网联汽车出发之前寻找能够到达目的地的全局路径；行为决策层在车辆行驶过程中，根据具体交通场景做出车道保持、跟车、换道等决策；运动规划层则进行智能网联汽车的局部路径规划和速度规划，生成安全可行的行驶轨迹并发送指令到控制执行模块进行执行。;智能网联汽车环境感知与路径规划;2.环境感知对象

（1）行驶路径对于结构化道路而言，包括行车线、道路边缘、道路隔离物、恶劣路况的识别。对于非结构化道路而言，包括车辆欲行驶前方路面环境状况的识别和可行驶路径的确认；

（2）周边物体包括车辆、行人、地面上可能影响车辆通过性、安全性的其他各种移动或静止物体的识别；各种交通标志的识别；

（3）驾驶状态包括驾驶员驾驶精神状态（当前驾驶环境中主要以驾驶员为主）、车辆自身行驶状态的识别；

（4）驾驶环境包括路面状况、道路交通拥堵情况、天气状况的识别。

;3.环境感知系统的组成

智能网联汽车环境感知系统由信息采集单元、信息处理单元和信息传输单元三部分组成，如下图所示。;4.智能网联汽车环境感知数据库

目前，专门用于无人驾驶的数据集有KITTI和Cityscapes等，数据集的主要作用是对汽车上安装的各种传感器采集的外部场景数据进行分析，并呈现无人驾驶车辆的实际情况。

以KITTI数据集为例，该数据集是视觉图像与三维雷达数据的融合，利用KITTI数???集可以实现在车辆真实应用环境下立体图像、光流、视觉距离测量、三维目标检测、三维跟踪等计算机视觉技术的性能评测。

该数据集包含从城市、郊区、乡村和高速公路等场景采集的真实图像数据，整个数据集由389对立体图像和光流图、在测评里程内的视觉测距序列和超过200k的三维标记对象图像组成，如下图所示。

完整的数据集应包括立体数据、光流数据、视觉里程计数据、目标跟踪数据、道路解析数据等。;智能网联汽车环境感知与路径规划;二、路径规划

路径规划是解决智能网联汽车如何达到行使目标问题的上层模块，它依赖于为智能联网汽车驾驶定制的高精度地图，与普通导航单纯提供指引的性质不同，智能网联汽车的路径规划模块需要提供能够引导车辆正确驶向目的地的轨迹。这些轨迹至少要达到车道级导航的水平，而且轨迹上影响车辆行驶的周边的环境也需要被准确描述和考虑。

1.路径规划分类

路径规划模块需要根据局部环境感知、可用的全局车道级路径、相关交通规则，提供能够将车辆引导向目的地（或目的点）的路径。路径规划可分为全局路径规划方法、局部路径规划方法和混合路径规划方法三种。;（1）全局路径规划

全局路径规划是根据环境信息的已知程度，通过算法搜索出最优或接近最优的路径，路径规划的精度取决于环境获取的准确度，全局路径规划可以找到最优解，但是需要预先知道环境的准确信息，当环境发生变化，如出现未知障碍物时，该方法就无能为力了。它是一种事前规划，因此对智能车辆的实时计算能力要求不高，虽然规划结果是全局的、较优的，但是对环境模型的错误及噪声鲁棒性差。

例如，从石家庄到南京有很多条路，规划出一条最优行驶路线，即为全局路径规划。;智能网联汽车环境感知与路径规划;智能网联汽车环境感知与路径规划;2.路径规划的特点

（1）复杂性在复杂环境中，尤其是动态时变环境中，车辆的路径规划非常复杂，需要大量的计算。

（2）随机性在复杂环境的变化中，往往存在许多随机和不确定因素。

（3）多约束性车辆行驶存在几何约束和物理约束。几何约束取决于车辆的形状，而物理约束则取决于车辆的速度和加速度。

（4）多目标车辆运动过程中对路径性能有许多要求，如最短路径、最佳时间、最佳安全性能和最低能耗，这些指标之间往往存在冲突，需要系统权衡决策。

3.路径规划方法

智能网联汽车路径规划问题可以分为两类：

一类是基于环境先验信息的全局路径规划，主要方法有栅格法、拓扑法、可视图法等；

另一类是基于传感器信息的局部路径规划，常用的方法有人工势场法、遗传算法、蚁群算法、Dijkstra算法、人工神经网络算法等。;4.路径规划的一般步骤

在目标状态预测之后，需要对智能网联汽车路径进行规划。路径规划的基本思路是