一种无人驾驶赛车路径规划算法研究.docx

一种无人驾驶赛车路径规划算法研究.docx

《一种无人驾驶赛车路径规划算法研究.docx》由会员分享，可在线阅读，更多相关《一种无人驾驶赛车路径规划算法研究.docx（4页珍藏版）》请在冰豆网上搜索。

一种无人驾驶赛车路径规划算法研究

摘要：

针对无人驾驶方程式比赛，设计一种适合无人驾驶赛车应用的局部路径规划算法。

该算法利用四边形重心求解方法确定赛车在锥桶赛道环境下需要的路径离散点，并采用三次样条插值方法拟合曲线，从而实现赛车局部路径规划功能。

在ROS系统中进行对无人驾驶赛车的路径规划仿真。

结果表明：

该算法能使赛车在不规则赛道中实现局部路径规划功能且曲线较为平滑，可以使赛车安全可靠地通过赛道，具有较好的鲁棒性。

随着汽车的普及程度不断提高，我国在快速步入汽车社会的同时，也出现了一系列的新问题和新挑战。

而此时随着计算机技术和互联网技术的迅速发展，无人驾驶技术也开始出现在人们的视野中。

无人驾驶技术主要包括环境感知，路径规划与决策控制等。

路径规划是无人驾驶车辆环境感知和决策控制的中间桥梁，是汽车实现自动驾驶的基础。

目前，路径规划的方法可根据不同的特点分为传统算法、智能优化算法和基于强化学习的算法。

传统算法是较为基本的算法，传统算法可以分为基于图搜索的路径规划算法、基于采样的路径规划算法和基于最优化曲线的路径规划算法。

基于图搜索的路径规划算法主要有Dijkstra算法

路径规划的方法很多，但不同的方法应用到的场景也不尽相同，基于对不同路径规划方法的特点以及赛道特性的分析，本文设计了一种适合无人驾驶赛车行驶的局部规划算法，并对该算法进行了仿真验证。

1三次样条插值曲线拟合原理

若路径起点和终点已知，那么路径生成的基本要求是能够通过车辆的控制跟踪这条路径，一个简化的处理方法就是能保证路径的连续性和平滑性。

采用函数拟合方式简便有效，最简单的方法是使用直线将离散点连接起来，但这样拟合出来的路径不够光滑。

而三次曲线的效果要好很多，但对比简单的三次多项式拟合算法连接方式，三次样条插值方法拟合出来的曲线更加符合车辆运动实况，并且更加平滑。

采用三次多项式的连接方式会在直线段处产生曲线弧度，不是期望的车辆运动状态，车辆在行驶时应该尽可能地走直线，只是在转弯方向的地方形成一个符合车辆转弯特性的曲线路径，而三次样条插值算法有以下特质，符合期望的汽车运动状态以及汽车运动学规律。

（1）三次样条曲线在衔接点处是光滑连续的；

（2）三次样条的一阶导数和二阶导数是连续可导的；（3）自由边界三次样条的边界二阶导数是连续的；（4）单个点不会影响到整个插值曲线。

假定有3个点需要拟合，3个点集表示为：

将S

由于样条曲线在衔接点处的导数连续，2个三次函数在S

由于三次样条是自由边界，要求在起点和终点的二阶导数也是连续的，所以：

综合以上8个方程组，通过计算可以确定两段三次样条的多项式系数（a,b,c,d,e,f,g,h）。

应用到n+1个插值点的三次样条插值曲线拟合，可以假设f（x）在插值点x

其中,a

2无人驾驶赛车路径规划算法设计

由于赛车需要识别的是锥桶，而锥桶起到的是引领路线的作用。

行驶过程中并没有障碍物，局部规划的目的是使赛车能够通过赛道的两侧锥桶，因此选取基于最优化曲线的局部路径规划方法。

赛车整个算法的设计思路是针对不规则赛道特性，由激光雷达获取赛道锥桶位置信息，通过对锥桶位置的分析，确定路径所要经过的离散点，基于三次样条插值算法计算分段多项式函数，得到所需路径。

设计步骤如图1所示。

（1）获取锥桶位置并排序。

经过对激光雷达得到的原始点云进行滤波处理后，得到各个锥桶中心点，并对它们按照距离排序，得到处理后的点云。

（2）寻找离散点。

由于赛道中的锥桶并不是对应的，且摆放位置不规则，具有随意性，所以确定拟合曲线所需的离散点并不容易，这里采用确定四边形重心的方法来寻找离散点。

从排好序的锥桶点集（s

四边形重心确定方法：

连接四边形ABCD的一条对角线AC，将四边形ABCD分成2个三角形ABC和ACD，求出2个三角形的重心E和F并连接成线段EF。

同理，连接另一条对角线BD，得到另外两个三角形重心G和H所连接的线段GH，而四边形的重心即两条线段的交点O。

四边形重心原理如图2所示。

（3）检验离散点。

在寻找完离散点后需要进行检验，将该离散点到不规则四边形顶点距离进行排序，计算该离散点到不规则四边形顶点的最大距离与最小距离的差值ε、最大距离与次大距离差值ε

（4）拟合曲线。

在确定好离散点后，采用三次样条插值算法得到分段多项式。

在设计过程中，考虑过长的局部路径规划意义不大且激光雷达在远距离的识别过程中滤波效果不太好，可能会有杂乱点，对离散点有干扰，所以只对计算出来的最近两个离散点以及激光雷达自身点这3个点进行三次样条插值曲线拟合。

根据插值点条件，衔接点条件和边界条件可以求出对应的参数，得到三次样条曲线。

算法框架如图3所示。

3无人驾驶赛车介绍

用于实验的无人驾驶赛车是由纯电动赛车改装而成的，主要加装了以下几个部分：

（1）SpatialNAV100组合导航设备：

用于测量车辆状态参数（加速度、横摆角速度等）以及位置信息（经纬度）；

（2）环境感知传感器：

包括禾赛40线激光雷达和大恒双目相机，用于检测识别赛道锥桶位置和颜色；（3）研华工控机：

用于运行环境感知、路径规划以及跟踪算法；（4）华海快速原型控制器：

用于接收上层的控制信号并传递给执行机构；（5）EPS助力转向电机和制动舵机：

用于实现线控转向和线控制动。

整个系统通讯架构如图4。

无人驾驶赛车系统的整个系统通讯架构主要分为上层通讯与底层通讯：

其中上层通讯中，激光雷达和双目相机是通过网口通信的方式与工控机进行通讯，组合惯导是通过串口通信的方式与工控机进行通讯，工控机与快速原型控制器通过CAN通信进行数据通讯。

在底层通讯中，而快速原型控制器与驱动电机、转向电机的通讯方式为CAN通信，与制动电机的通讯方式为PWM通信。

无人驾驶赛车整车系统分为两部分，分别为软件开发系统和底层控制系统。

软件开发系统基于ROS进行传感器数据处理以及规划跟踪等功能开发。

无人驾驶赛车基于ROS系统进行各传感器（组合惯导、激光雷达以及相机）数据的采集、处理，数据融合等过程，同时路径规划算法的设计也是基于ROS系统，这种分布式处理的特点可以降低代码复杂性，各可执行文件运行松散耦合，为数据处理减轻了负担，在一定程度上增强了系统实时性。

而底层控制系统基于快速原型控制器RapidECU＿S1实现对赛车驱动、制动和转向等方面的控制。

该控制器可以很好地用作纯电动赛车整车控制器，基于模型开发并且在开发过程中随时保持模型和代码的同步状态，底层系统成熟稳定，包括实时操作系统、各种汽车级I/O信号调理、功率驱动、总线通信、标定协议、引导程序、内存管理等功能，可以很好地实现对赛车的有效控制。

4实车实验

为验证所设计算法的实用性，以无人驾驶赛车为载体进行了实车实验。

图5为赛车在实车实验时的准备状态。

在赛道未知的情况下，赛车在行驶过程中识别锥桶，进行局部路径规划，该方式下的坐标系为激光雷达坐标系或者车体坐标系，采用纯追踪算法进行路径跟踪。

预瞄距离设置为3m，赛车驱动电机转矩设置为1500Nm。

赛车在跑动中识别锥桶并进行局部规划，确定行驶路径，并沿参考路径行驶，同时建立赛道地图。

赛车在实车实验过程中实时路径规划效果如图6和图7所示。

图6和图7为赛车实时局部规划的效果图，图8为赛车建立赛道地图的效果图。

实车实验表明所设计的算法可以实现赛车在不规则未知赛道中的路径规划功能，规划出来的曲线较为平滑，可以使赛车安全可靠地通过赛道。

5结论

（1）本文针对赛道特性，通过激光雷达识别赛道锥桶，基于锥桶位置信息设计了一种适合无人驾驶赛车的局部路径规划方法。

（2）该方法不用通过相机等传感器信息区分两侧赛道锥桶，只依靠锥桶位置信息实现局部路径规划功能，且曲线连续光滑，基本处于赛道中间，可使赛车安全平稳地通过锥桶赛道。

该算法有较好的鲁棒性，对于无人驾驶车辆路径规划研究有一定的助力。

那么，可以用一个三次函数来拟合