随着传感器技术与5G技术的不断进步,自动驾驶汽车的出现在一定程度上能够减少交通拥堵,提高行车舒适性,促进城市的发展。车辆紧急避撞系统是汽车主动安全技术的最新研究方向,对自动驾驶汽车的行驶安全具有重大意义。然而,在高速且空间狭窄的场景中,紧急避让障碍物问题的研究相对较少,与此同时准确估计路面附着系数一直是研究的难点。因此,本文在提高极限工况下路面附着系数的估计精度和可靠性基础上,提出了紧急避撞轨迹规划和跟踪控制算法。主要研究内容如下:
首先,进行路面附着系数的估计。建立并分析七自由度车辆动力学模型,根据车载传感器的信息设计车辆状态估计器,采用无迹卡尔曼滤波的方法估计路面附着系数。为了充分利用车载摄像头技术,采集不同类别的道路图像形成数据集,提取出路面的纹理特征,构建灰度共生矩阵,并利用支持向量机算法进行路面分类,进而得到了路面附着系数。提出动态增益调度策略,实现两种估计方法的融合。
其次,基于道路坐标系设计紧急避撞规划算法。阐述紧急避撞规划算法的触发条件。针对结构化道路环境,推导Frenet道路坐标系和笛卡尔坐标系之间的转换关系。在最大期望规划(Expectation Maximum Planner,EMPlanner)算法的基础上进行改进,依据参考线分别采用速度规划和路径规划方法,使用五次多项式进行轨迹拟合。同时引入动态规划算法做出行为决策,并使用二次规划算法进行轨迹优化,分别提出了各自的代价函数和约束条件。利用仿真软件进行静态和动态障碍物的避障,验证该算法的准确性。
然后,基于三自由度车辆动力学模型设计紧急避撞控制算法。提出了横纵向耦合的轨迹跟踪控制策略,其中横向控制采用自适应非线性模型预测控制(Nonlinear Model Predictive Control,NMPC)算法,纵向采用双比例-积分-微分(Proportion-Integral-Derivative,PID)算法。利用仿真软件进行换道、双移线、连续弯道工况的仿真验证,能够在保证跟踪精度的同时提高稳定性。
最后,进行紧急避撞规划和控制算法的联合仿真。基于仿真平台分别建立轨迹跟踪场景和避障场景,并利用实车做进一步的实验,验证了本策略的合理性。
暂无评论