自动驾驶汽车运动规划与控制

第1章绪论

自动驾驶技术能够提升道路安全，降低交通压力，提高出行效率和减少驾驶员负担，在近二十年来得到了长足发展，这得益于传感器技术、人工智能技术和计算机技术等的飞速进步[1-4]。典型的自动驾驶系统主要有环境感知、智能决策、运动规划、运动控制以及执行器控制五大技术环节。其中，环境感知的任务是实现行车空间的环境检测、障碍识别以及自车定位等；智能决策主要负责对感知的环境进行态势评估，根据出行任务需要，仲裁得出最优的驾驶行为；运动规划则是在决策出的驾驶行为的引导下，综合考虑乘车多目标需求以及汽车动力学限制，输出最优的可执行轨迹；运动控制需要协调驱动、制动和转向执行器，以稳定可靠地跟踪可执行轨迹；执行器控制则需实现驱动、制动和转向执行器的精确与快速响应。

运动规划与运动控制算法是实现自动驾驶技术的关键技术，如图1-1所示。

此外，作为自动驾驶技术产学研结合最为紧密的方向，城市结构化道路下的自动驾驶成为国内外高校和企业合作的“热土”与竞争的焦点。国内外各大高校的研究成果[3]、关键企业的研发投入[0以及政府出台的法规政策[7，极大地加速了自动驾驶汽车的快速落地。本书是团队在该领域研发成果和应用经验的结晶，总结了城市结构化道路下的自动驾驶汽车运动规划和运动控制技术。

1.1国内外研究现状

1.1.1运动规划

运动规划的任务：在运动空间按照一定的运动期望（如行驶时间最短、路径长度最短或耗能最少等目标），规划一条从起点到终点的安全轨迹，也称为轨迹规划。

1.方法分类

运动规划方法主要有两种，一种是直接构造法，直接定义带有时间参数的轨迹函数，例如奔驰公司推出的S500 Intelligent Drive直接定义轨迹为[x(t)，y（t)]T，利用序列二次规划计算出一条能够满足安全要求且汽车横摆角速度等目标最优的轨迹[8]。但是这种方法需要多次调整轨迹的时间区间，以保证整条轨迹上速度、加速度、曲率和曲率变化率的有界性，难度较大。另一种是“路径速度分解法”，先规划出一条满足曲率连续有界约束的路径，然后在这条路径上规划满足连续有界约束的速度[]。由于这种方法可以将路径和速度的约束解耦，因此相对于第一种方法较为简单，得到了广泛应用。按照轨迹生成方式的不同，基于“路径-速度分解法”的运动规划方法可分为以下五种。

1）基于参数曲线的方法

参数曲线常用于可行驶区域已知的情况。它根据可行驶区域的一系列位姿特征点，拟合一条汽车可执行的轨迹。

例如，泊车工况下常用的Dubins曲线[10]（见图1-2（a））和Reeds-Shepp（RS）曲线[1]，该类曲线输出的是连接任意两点的最短路径。为解决Dubins曲线和RS曲线存在的曲率不连续问题，回旋线[12]和螺旋线[13]是近来泊车工况下使用比较广泛的参数曲线，前者的曲率和曲线长度呈比例关系，而后者的曲率是关于曲线长度的多项式，但两者的计算效率较低。