论文部分内容阅读
近年来,无人驾驶成为了社会的热点,无人驾驶在交通和物流运输方面有重大的作用。无人驾驶的路径规划和控制是无人驾驶性能突破的关键所在。由于无人驾驶的大部分所处的环境都是低速的情况,因此本文主要研究低速条件下的路径规划和控制方法。本文的研究内容主要对全局路径规划,局部路径规划,横纵向控制进行了研究。对于全局规划,给定起始点和终止点,找到一条两点之间的最优路径。局部路径则是沿着最优路径行驶,一旦传感器感知到障碍物时,车辆通过局部路径规划避开障碍物,从而实现两点间的无人驾驶的行为。对于规划的路径,利用控制算法对规划轨迹进行控制,达到比较好的控制效果。具体研究内容如下:1)针对传统A*算法无法处理车道级信息的问题,提出了一种基于车道级高精地图的A*算法。首先使用GPS获取定位信息,通过UTM坐标抓获将大地坐标转换为平面直角坐标系,根据车道的宽度生成高精地图。然后将高精地图的车道作为节点,车道间的连线作为边,使用A*算法获取起始点到终止点之间的最优轨迹。2)为了解决低速条件下纵向运动对于横向运动产生的影响,设计了一种基于Frenet坐标系的lattice算法。首先将全局路径规划轨迹形成一条参考线,以参考线为中心线,将路径点转化为Frenet坐标系下的点,将路径分为d-s坐标系和t-s坐标系进行求解;然后加入障碍物信息、运动学特性和动力学特性对轨迹进行评价;最后将评价最低的轨迹进行合成,此时得到的轨迹就是局部路径规划的结果。3)针对纵向控制和横向控制精度的问题,纵向控制采用了两重PID对速度,加速度进行补偿,改进了标定表的获取,利用当前速度和控制变量获取标定表,最终进行拟合获取实际的控制量;横向控制采用LQR算法对控制精度进行微调,对状态矩阵进行修改获得了很好的效果;最后对多种低速条件下的控制进行了仿真,表明了控制可行且精度较高。