一种基于动态窗口及障碍物势能场的无人车动态避障方法与流程

本发明涉及一种路径规划方法，尤其涉及无人车针对动态障碍物规避过程中的路径规划问题。

技术背景：

本路径规划方法采用动态窗口及障碍物势能场的原理，在很大程度上提高了地面无人车路径规划过程对于动态障碍物的规避能力。无人车是一种具有环境感知，独立信息处理能力的地面移动机器人平台，其在未来交通、或者特种环境的障碍清理以及灾区人员搜救中有着广泛应用。目前采用的一些避障算法，如采用深度增强学习算法以端到端的方式训练得出最优避障距离以及避障时间；将所述避障操控指令发送至对应的操控系统，以供所述操控系统执行相应的避障操作(车辆避障装置和方法cn:201710790602.5)。但是其需要大量的学习样本以及计算量，并且本方法可以作为针对顶层操作的辅助，从而更好的实现避障功能。另外还有采用预估车辆的行驶轨迹；监测所述车辆在所述行驶轨迹上与障碍物之间的距离；当所述车辆在所述行驶轨迹上与所述障碍物之间的距离小于第一预设距离(d1)时，控制所述车辆的最高车速不超过第一车速阈值(v1)。(车辆的控制方法、系统及车辆cn:201611085181.8)，这种方法适合于对自主泊车过程中的静态障碍物避障，未考虑到相对运动的动态避障过程。

技术实现要素：

本发明针对无人车对于动态障碍物避障策略进行了设计，其技术方案如下：

步骤1：通过车载激光雷达扫描，定位车辆行驶周围障碍物位置信息，将定位点标记为(x1,x2,x3,..xn)

步骤2：结合gps获取的全局地图，针对所定位目标点进行分类，结合雷达扫描数据获取动态障碍物相对位置信息

步骤3：结合车辆自身特性构建随车辆运动的动态窗口

步骤4：搜索窗口范围内静态障碍物以及动态障碍物，考虑最小安全距离，并对障碍物计算其斥力半径，采用相对速度修正人工势场法进行动态避障

具体实施方式：

s1据前一时刻无人车的运动参量(vt,wt)进而去推演下一状态参量(vt+1,wt+1)即通过速度ping即可推演出运动轨迹，

s2无人车受到自身最大速度以及最小速度限制：

vm＝{v∈[vmin,vmax],w∈[wmin,wmax]}(1)

s3无人车受到动力性能的影响，存在最大的加减速度限制，因此，无人车在一定模拟周期内，存在一个动态范围，在该范围内为无人无人车的速度范围，(v,w)为无人平台所能达到的实际速度

s4其中，vc,wc为无人车当前运动速度，而分别表示车的最大航向加速度，减速度；为无人车的最大横摆角加速度，减速度。

s5为了能够在碰到障碍物前停下来，因此在最大减速条件下，速度需设定一定范围，

s6在无人车运动过程中共包含两类障碍物，一类为静止的环境障碍物，另一类为移动过程中的其他车辆。

s7设无人车的探测范围为ρ0对在ρ0范围内的第i个障碍物，定义斥力以第i个障碍物为中心，以ρi为半径的圆，其斥力环半径的大小与第i个障碍物的相对速度有关：

s8其中：vmax为障碍物和无人车的最大相对速度，v′为障碍物指向无人车的当前速度，σ为速度修正系数，ρr为依据障碍物和无人车属性选定的规定半径值，设无人车与目标之间连线为l。

s9如附图1所示，以无人车1为研究对象，设其自身探测半径范围为ρ0，通过无人车对周围环境的感知，判断出距离自身最近的无人车i作为障碍物，其设置的引力环半径则为ρi

s10对于ρ≥ρi的情况下，首先，联立无人车指向目标点直线方程l(x,y)与距离自身最近的无人车2(作为障碍物)i所在的斥力圆方程f(x,y)的根的个数

若l(x,y)与斥力圆方程f(x,y)没有根,则不做避障动作,直接向目标前进；

②若l(x,y)与斥力圆方程f(x,y)有两个根,则选择离无人车较近的交点,做斥力环的切线,选择朝向目标的切线方向运动,从而进行了适度的预防性避障；

③若l(x,y)与斥力圆方程f(x,y)有三个以上根则做无人车与各个有效斥力环的切线,选择朝向无人车的方向,判断各个切线与l的夹角,取与l有最小夹角的切线方向作为无人车的运动方向,

s11而对于ρ≤ρi的情况下，采取结合势能场法

采用与无人车运动目标速度相结合的修正公式，计算出:

引力场势能

吸引力

fatt＝-grad(uatt)＝-kaq|q-qgoal|-kav|v-vgoal|+εaq

斥力场势能

排斥力

其中：kaqkavkrqkrv为增益常量，

εaq为引力修正量，εrq为斥力修正量，v为平台当前速度，vgoal为目标移动速度，vobs为障碍物移动的速度，q为无人车位置失量，qgoal为目标矢量，qobs为障碍物位置矢量，ρ为无人车与障碍物距离，ρi为斥力环半径

附图说明：

图1：无人车动态避障示意图

图2：无人车避障路径图。