復(fù)雜避障約束下自主駕駛軌跡優(yōu)化.pdf

1、和人類駕駛員相比，無人車能夠更加全面的掌握即時路況并及時對汽車巡航狀態(tài)進行調(diào)整，從而改善交通擁堵狀況、避免了人為失誤造成的交通事故和傷亡，因此近些年來無人駕駛技術(shù)發(fā)展迅速。許多半自動駕駛技術(shù)在汽車上已經(jīng)得到了大規(guī)模的普及，比如緊急制動，定速巡航和車道保持等。然而，在行車環(huán)境建模、避障軌跡優(yōu)化等方面還需要深入的研究。如車載傳感器精度有限的情況下如何對障礙環(huán)境建模，如何處理環(huán)境中意外出現(xiàn)的動態(tài)障礙物，如何針對不同的泊車位實現(xiàn)標(biāo)準(zhǔn)化的軌跡優(yōu)化

2、算法設(shè)計，如何優(yōu)化智能無信號燈路口下的多車避障軌跡等都是值得研究的問題。本文用動態(tài)優(yōu)化全聯(lián)立算法對上述問題做了一些研究。主要內(nèi)容和成果如下:
　　1.對城市環(huán)境下的自主泊車問題，采用MPCC和R函數(shù)方法對車位環(huán)境建模，與車輛運動學(xué)模型、物理約束共同構(gòu)成了行車系統(tǒng)模型，構(gòu)造了聯(lián)立框架下的自主泊車動態(tài)優(yōu)化命題。采用有限元正交配置法將原命題離散化為非線性數(shù)學(xué)規(guī)劃問題，由非線性求解器高效求解得到具有時間信息的可直接用于指導(dǎo)車輛跟蹤的泊車軌

3、跡。
　　2.針對自主泊車軌跡動態(tài)優(yōu)化命題含有較多復(fù)雜約束可能引起的求解困難，提出了時空分割策略來增強優(yōu)化算法的收斂性。通過在軌跡優(yōu)化命題中引入吸引區(qū)、塌縮區(qū)來分割泊車空間，將非線性的復(fù)雜環(huán)境約束在割裂空間下進行簡化，重構(gòu)泊車軌跡優(yōu)化命題。仿真實驗證明了時空分割策略的有效性。
　　3.在城市環(huán)境下基于信息完整假設(shè)進行多車軌跡優(yōu)化的全局規(guī)劃算法研究。在多車模型、環(huán)境模型下融合了車-車、車與動態(tài)可預(yù)測障礙物的復(fù)雜避障約束，構(gòu)造多