智能网联汽车概论-领域四 智能网联汽车路径规划与行为决策_第1页
智能网联汽车概论-领域四 智能网联汽车路径规划与行为决策_第2页
智能网联汽车概论-领域四 智能网联汽车路径规划与行为决策_第3页
智能网联汽车概论-领域四 智能网联汽车路径规划与行为决策_第4页
智能网联汽车概论-领域四 智能网联汽车路径规划与行为决策_第5页
已阅读5页,还剩17页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

智能网联汽车概论智能网联汽车路径

规划与行为决策PART4在全球化的时代背景下,人工智能技术的发展和应用,不仅是科技创新的必然趋势,也是国家竞争力的重要标志。随着人工智能技术的兴起,以自动驾驶车辆为研究对象的运动路径规划问题越来越受到重视。而避障路径规划是自动驾驶车辆的关键部分,对自动驾驶车辆的研究具有重大意义。在自动驾驶汽车行驶过程中,准确地避开障碍物是智能车辆的基本要求。一个好的避障路径规划算法可以安全实时地避开障碍物,且具有较高的乘坐舒适性,从而提高出行效率。如何安全有效的规划行驶路线,是自动驾驶汽车需解决的最大的难题之一。路径规划之所以如此复杂,是因为其涵盖了自动驾驶的所有技术领域,从最基础的制动器,到感知周围环境的传感器,再到定位及预测模型等等。情景导入学习单元一路径规划

无人驾驶汽车路径规划是指在一定的环境模型基础上,给定无人驾驶汽车起始点和目标点后,按照性能指标规划出一条无碰撞、能安全到达目标点的有效路径。行为决策模块相当于无人驾驶系统的大脑,保障无人车的行车安全,同时也要理解和遵守交通规则。一、智能网联汽车路径规划一般来说,自动驾驶汽车的路径规划按照层级划分为全局路径规划和局部路径规划两种。全局路径规划很好理解,即根据起点和终点信息,生成一条导航路径,属于道路级别的规划。局部路径规划则是自车根据实时环境信息,生成具有局部行车及避让等功能的路径便于控制模块进行跟踪。图4-1展示了全局路径规划和局部路径规划之前的区别和联系。1.基于采样的路径规划算法基于采样的路径规划算法很早便开始用于车辆的路径规划中,比较常见的基于采样的规划算法有概率图算法(ProbabilisticRoadMap,PRM)和快速随机扩展树算法(Rapidly-exploringRandomTree,RRT)。(1)概率图算法是在规划空间内随机选取N个节点,之后连接各节点,并去除与障碍物接触的连线,由此得到一个可行路径。显然,当采样点太少,或者分布不合理时,PRM算法是不完备的,但可以增加采样点使该算法达到完备,所以PRM是概率完备但不是最优的,如图4-3所示。

(2)快速随机扩展树最初主要用于解决含有运动学约束的路径规划问题。2.基于搜索的路径规划算法

基于搜索的路径规划算法通过搜索表示环境信息的环境地图来获得最终的路径。比较有代表性的算法有Dijkstra算法和A*算法。(1)Dijkstra算法是典型的广度优先搜索算法。它是一个按路径长度递增的次序产生的最短路径的方法,是求解最短路径的经典算法之一,如图4-6。Dijkstra算法是一种贪心算法,它在每一步都选择局部最优解,以产生一个最优解。这也会导致该算法的时间复杂度较高,在图规模较大时,该算法的计算速度慢,很难满足路径规划实时性的要求。(2)A*算法是经典的启发式搜索算法,它是由Dijkstra算法改进而来的。3.智能仿生学算法

智能仿生学是源自于对自然界的研究,从自然的发展规律出发进行仿生学研究,发现了蚁群算法、神经网络算法、遗传算法等一系列算法。(1)蚁群算法(AntColonyAlgorithm,简称ACA)是对蚁群觅食行为的学习,蚂蚁在觅食时的路上会留下一定的信息,后到来的蚂蚁就会沿着这条含有信息的道路继续前进,再次留下自己的信息,逐渐地通向目的地的路径会成为含有信息量最高的路径,这个过程体现在算法中就是迭代的过程,如图4-7所示。(2)神经网络算法是对动物神经网络行为的学习,类似于动物的学习过程。(3)遗传算法(GeneticAlgorithms,简称GA)是对自然界生物优胜劣汰的进化过程的学习。二、传感器的局限性与高精度地图的互补性1.传感器的局限性(1)检测范围受限传感器的探测距离如表3-3所示。特斯拉采用的是视觉为主的环境方案,其检测距离如表3-4所示。(2)感知缺陷(3)先验信息缺失2.高精度地图的互补性(1)更好的辅助自动驾驶(2)提升感知算法效率(3)静态对象识别学习小结1.自动驾驶汽车的路径规划按照层级划分为全局路径规划和局部路径规划两种。2.与普通导航单纯提供指引的性质不同,智能网联汽车的路径规划模块需要提供能够引导车辆正确驶向目的地的轨迹。3.智能网联汽车路径规划问题可以分为两类。一类是基于环境先验信息的全局路径规划,主要方法有基于采样的算法、图搜索算法、智能仿生学算法;另一类是基于传感器信息的局部路径规划,常用的方法有栅格法、人工势场法、遗传算法、空间搜索法、层次法、动作行为法、Dijkstra算法、Lee算法、Floyd算法等。学习小结4.基于采样的路径规划算法很早便开始用于车辆的路径规划中,比较常见的基于采样的规划算法有概率图算法(ProbabilisticRoadMap,PRM)和快速随机扩展树算法(Rapidly-exploringRandomTree,RRT)。5.基于搜索的路径规划算法通过搜索表示环境信息的环境地图来获得最终的路径。比较有代表性的算法有Dijkstra算法和A*算法。6.智能仿生学是源自于对自然界的研究,从自然的发展规律出发进行仿生学研究,发现了蚁群算法、神经网络算法、遗传算法等一系列算法。知识巩固知识巩固行为决策模块相当于无人驾驶系统的大脑,保障无人车的行车安全,同时也要理解和遵守交通规则。一、智能网联汽车轨迹预测

自动驾驶中,轨迹预测一般位于感知模块的后端,规控的前端,为承上启下的模块,如图4-9和4-10所示。输入为感知模块提供的目标轨迹的状态信息、道路结构信息,综合考量高精地图信息、目标之间的交互信息,环境的语义信息及目标的意图信息,对感知到的各类目标做出意图预测(cutin/out、直行)以及未来一段时间的轨迹预测(0-5s不等)。学习单元二行为决策1.行人轨迹预测

行人作为现代交通的易受伤害道路使用群体,车辆前部碰撞行人头部又往往是造成行人死亡的主要原因,每年死亡27.5万人,占所有道路交通死亡人数的22%。在我国较为复杂的道路交通环境中,怎样降低发生交通事故并且确保行人的生命安全是当下智能网联汽车的重要课题。目前最先进的论文方法中,对行人轨迹的预测会出现预测结果不准确的现象。结合论文进行分析可知,造成行人轨迹预测不准确的难点主要包括以下两个方面:(1)行人运动方式灵活多变,预测其轨迹难度较大(2)行人之间的交互关系复杂且抽象,很难精确的进行建模2.车辆轨迹预测

当驾驶行为意图产生后,无论是直行还是换道,车辆会进入车辆行为的执行阶段,会产生一段未来轨迹。而在实时的交通流中,能够精确地预测出车辆的未来轨迹,对于提高车辆行为预先评估及规划系统的安全性和高效性具有重要意义,其主要内涵为,通过一段历史的轨迹,通过理论或者模型学习其内在规律,预测出未来一定时长车辆轨迹,如图4-12所示。轨迹预测是一个极为复杂的问题,预测方法可分为基于数理模型和基于深度学习,如图4-13。

二、汽车行为决策理论

行为决策理论是一个多学科交叉的研究领域。其主要内容就是以决策者的决策行为作为出发点,研究决策者的认知过程,揭示决策者的判断和选择的原理解释,而非对决策对错的评价;从认知原理学的角度,研究决策者做决策过程中的信息处理机制及其所受的内外部环境影响。简单说来,行为决策理论是探讨“人们实际是怎样进行决策的”及“为什么会这样决策”的理论。1.无人驾驶行为决策

无人驾驶行为决策技术需要在环境感知技术的基础之上,结合自身任务需求等合理决策出当前车辆的行为。无人驾驶行为决策方法目前主要分为基于规则的决策方法、基于监督学习的决策方法和基于强化学习的决策方法。(1)基于规则的行为决策(2)基于监督学习的决策算法(3)基于强化学习的行为决策三、决策规划模块1.决策规划简述

自动驾驶系统作为一个涉及软件硬件交互的复杂系统,如图4-16,需要通过计算硬件、传感器集成、感知、交通预测、运动规划与控制等不同的模块相互合作来保证无人驾驶的安全性和可靠性。其中的车辆规划与控制框架中包含了一种中间状态的预测与路径规划模块,该模块主要负责对感知模块检测到的周围环境车辆及自身车辆的未来行为进行预测,其输出的预测轨迹是下层的规划与控制模块的输入,此时的路径规划模块是指基于高精度地图道路划分的道路级别路径规划,这一规划的结果是给出了到达终点索要经过的一系列道路在高精度地图上的位置。2.决策规划的挑战与上下游模块的耦合:1)与上游模块的耦合-感知感知并不是非黑即白的,现实中往往有诸多干扰因素,如红绿灯被遮挡;盲区(包括追踪丢失);时滞与平滑的权衡;语义理解等。2)与上游模块的耦合-预测预测与决策规划的本质问题是类似的,即在给定周围的环境的情况下,决策规划解决自车怎么开的问题,预测解决其他车怎么开的问题3)与下游模块的耦合-控制规划和控制之间的接口汽车未来运动的轨迹。规划的要求:轨迹应当是可实现的;控制的目标:应当以尽可能小的误差跟随轨迹。学习小结1.行为决策模块相当于无人驾驶系统的大脑,保障无人车的行车安全,同时也要理解和遵守交通规则。2.无人驾驶行为决策方法目前主要分为基于规则的决策方法、基于监督学习的决策方法和基于强化学习的决策方法。3.主动安全技术主要是指利用计算机视觉、机器视觉等技术判断得出目前驾驶员处于高危状况,避免事故发生车辆所

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论