本發(fā)明屬于自動(dòng)駕駛，尤其涉及一種無人車編隊(duì)軌跡規(guī)劃控制系統(tǒng)及方法。

背景技術(shù)：

1、自動(dòng)駕駛汽車(autonomous?vehicle)已有數(shù)十年的研究歷史，能夠代替人類完成高密度長周期、大流量等復(fù)雜場景下的繁瑣作業(yè)，具備較高的社會(huì)經(jīng)濟(jì)價(jià)值。高速道路具備拓?fù)浣Y(jié)構(gòu)清晰、交通規(guī)則已知、限制條件明確、相對(duì)封閉等特點(diǎn)，是自動(dòng)駕駛落地的典型場景。然而對(duì)于越野道路上的編隊(duì)任務(wù)還存在很大的問題。首先，越野道路動(dòng)態(tài)車輛運(yùn)動(dòng)狀態(tài)復(fù)雜，車輛編隊(duì)協(xié)同難度大；其次，車輛感知受限，編隊(duì)系統(tǒng)穩(wěn)定性差；第三，固定的編隊(duì)模式使系統(tǒng)靈活度不夠，對(duì)周圍車輛影響較大。面對(duì)復(fù)雜多變的越野道路場景，固定的控制模式也會(huì)損失系統(tǒng)靈活性和對(duì)環(huán)境變化的適應(yīng)性。

2、目前，已知的無人車協(xié)同編隊(duì)規(guī)劃控制方法主要包括以下三種：領(lǐng)航跟隨法，基于行為法和虛擬結(jié)構(gòu)法；其中，領(lǐng)航跟隨法雖然有較強(qiáng)的擴(kuò)展性，簡單易行，但是編隊(duì)的魯棒性十分依賴領(lǐng)航者的魯棒性，很難達(dá)到預(yù)期效果；基于行為法雖然在復(fù)雜環(huán)境下也能快速得出控制結(jié)論，但是在融合各個(gè)行為時(shí)不確定是否存在不相融的情況，融合后的方法難以滿足各個(gè)條件；虛擬結(jié)構(gòu)法的優(yōu)點(diǎn)是跟蹤軌跡的精度高且易于觀察，但是隊(duì)形單一難以運(yùn)用到更多場景。

3、強(qiáng)化學(xué)習(xí)是機(jī)器學(xué)習(xí)隨著人工智能與機(jī)器學(xué)習(xí)的發(fā)展，強(qiáng)化學(xué)習(xí)也逐漸被應(yīng)用于自動(dòng)駕駛?cè)蝿?wù)中。強(qiáng)化學(xué)習(xí)不依賴于提前標(biāo)注的數(shù)據(jù)集，雖然擁有較強(qiáng)的泛化能力，可以更有效地解決環(huán)境中存在的特殊情況，但強(qiáng)化學(xué)習(xí)模型的構(gòu)建較為復(fù)雜，不能很好的針對(duì)越野場景進(jìn)行模型的應(yīng)用轉(zhuǎn)化。

4、因此，現(xiàn)有的無人車協(xié)同編隊(duì)規(guī)劃控制方法存在魯棒性差，無法應(yīng)用于越野場景的無人車編隊(duì)軌跡規(guī)劃控制中，越野復(fù)雜場景下的軌跡規(guī)劃控制效果較差的問題。

5、上述內(nèi)容僅用于輔助理解本發(fā)明的技術(shù)方案,并不代表承認(rèn)上述內(nèi)容是現(xiàn)有技術(shù)。

6、因此亟需一種無人車編隊(duì)軌跡規(guī)劃控制系統(tǒng)及方法從而能解決上述問題。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述技術(shù)問題，本發(fā)明提出一種無人車編隊(duì)軌跡規(guī)劃控制系統(tǒng)及方法。

2、在本發(fā)明的第一個(gè)方面，提供了一種無人車編隊(duì)軌跡規(guī)劃控制方法，無人車編隊(duì)包括主車和從車，主車和從車之間進(jìn)行聯(lián)網(wǎng)通信，其特征在于，所述方法包括以下步驟：

3、p1、主車獲取道路兩邊障礙物之間的可行駛通道的第一可行駛通道信息，并獲取無人車編隊(duì)其他從車的第一從車狀態(tài)信息，并獲取此時(shí)能通過所述可行駛通道的第一軌跡規(guī)劃編隊(duì)；

4、p2、主車根據(jù)所述第一可行駛通道信息、所述第一從車狀態(tài)信息以及此時(shí)的第一軌跡規(guī)劃編隊(duì)構(gòu)建第一編隊(duì)軌跡控制模型；

5、p3、主車接收道路兩邊障礙物之間的可行駛通道的第二可行駛通道信息，并獲取無人車編隊(duì)其他從車的第二從車狀態(tài)信息，所述編隊(duì)軌跡控制模型處理所述第二可行駛通道信息及所述第二從車狀態(tài)信息生成第二軌跡規(guī)劃編隊(duì)，主車根據(jù)所述第二軌跡規(guī)劃編隊(duì)控制整個(gè)車隊(duì)進(jìn)行隊(duì)形行駛；

6、p4、根據(jù)所述第二可行駛通道信息和所述第二從車狀態(tài)信息處理得到第一安全值，利用所述第一安全值與設(shè)定的安全閾值對(duì)比，判定是否加入到第二編隊(duì)軌跡控制模型的訓(xùn)練中來;

7、p5、根據(jù)所述第二可行駛通道信息和所述第二從車狀態(tài)信息處理得到第一安全值，利用所述第一安全值與設(shè)定的安全閾值對(duì)比，判定是否加入到第二編隊(duì)軌跡控制模型的訓(xùn)練中來,若所述第一安全值大于所述安全閾值，則利用所述第一可行駛通道信息、所述第一從車狀態(tài)信息結(jié)合所述第二可行駛通道信息、所述第二從車狀態(tài)信息構(gòu)建第二編隊(duì)軌跡控制模型，主車更新所述第一編隊(duì)軌跡控制模型為新構(gòu)建的所述第二編隊(duì)軌跡控制模型，并根據(jù)所述第二編隊(duì)軌跡控制模型進(jìn)行后續(xù)的軌跡規(guī)劃編隊(duì)的形成。

8、進(jìn)一步地，所述第一可行駛通道信息或所述第二可行駛通道信息包括可行駛通道兩邊障礙物體之間的寬度d以及即時(shí)檢測到的主車與兩邊障礙物體之間的夾角、兩邊障礙物構(gòu)成的可行駛通道的長度l，通過主車的激光雷達(dá)獲取到的可行駛通道障礙物體與主車之間的距離和夾角處理得到。

9、進(jìn)一步地，所述第一從車狀態(tài)信息或所述第二從車狀態(tài)信息為以主車為坐標(biāo)原點(diǎn)構(gòu)建的坐標(biāo)系中從車相對(duì)于主車的位置信息以及車速和行駛方向以及從車的數(shù)量。

10、進(jìn)一步地，所述坐標(biāo)系為笛卡爾坐標(biāo)系或frenet坐標(biāo)系。

11、進(jìn)一步地，所述第一安全值根據(jù)所述第二可行駛通道信息和所述第二從車狀態(tài)信息處理得到。

12、進(jìn)一步地，所述第一編隊(duì)軌跡控制模型或所述第二編隊(duì)軌跡控制模型采用基于深度學(xué)習(xí)的改進(jìn)模型。

13、進(jìn)一步地，所述第一編隊(duì)軌跡控制模型或所述第二編隊(duì)軌跡控制模型采用改進(jìn)的深度學(xué)習(xí)。

14、還提供了一種無人車編隊(duì)軌跡規(guī)劃控制系統(tǒng)，所述系統(tǒng)包括主車數(shù)據(jù)采集模塊、從車狀態(tài)數(shù)據(jù)采集模塊、主車數(shù)據(jù)處理模塊、編隊(duì)軌跡控制模型構(gòu)建模塊、編隊(duì)軌跡控制模型更新模塊、主車編隊(duì)軌跡控制模塊，其特征在于：

15、所述主車數(shù)據(jù)采集模塊：包括主車激光雷達(dá)，用于獲取道路兩邊障礙物之間的可行駛通道的第一可行駛通道信息，還用于獲取道路兩邊障礙物之間的可行駛通道的第二可行駛通道信息，并根據(jù)所述主車構(gòu)建坐標(biāo)系，還獲取此時(shí)的第一軌跡規(guī)劃編隊(duì)；

16、所述從車狀態(tài)數(shù)據(jù)采集模塊：與所處主車數(shù)據(jù)處理模塊無線網(wǎng)絡(luò)相連，獲取從車與主車之間的第一從車狀態(tài)信息，還獲取從車與主車之間的第二從車狀態(tài)信息；

17、所述主車數(shù)據(jù)處理模塊：根據(jù)所述第二可行駛通道信息和所述第二從車狀態(tài)信息處理得到第一安全值；

18、所述編隊(duì)軌跡控制模型構(gòu)建模塊：根據(jù)所述第一可行駛通道信息、所述第一從車狀態(tài)信息以及所述第一軌跡規(guī)劃編隊(duì)構(gòu)建第一編隊(duì)軌跡控制模型，還根據(jù)所述第一可行駛通道信息、所述第一從車狀態(tài)信息結(jié)合所述第二可行駛通道信息、所述第二從車狀態(tài)信息構(gòu)建第二編隊(duì)軌跡控制模型；

19、所述編隊(duì)軌跡控制模型更新模塊：根據(jù)所述第二可行駛通道信息和所述第二從車狀態(tài)信息處理得到第一安全值，利用所述第一安全值與設(shè)定的安全閾值對(duì)比，判定是否加入到第二編隊(duì)軌跡控制模型的訓(xùn)練中來；

20、所述主車編隊(duì)軌跡控制模塊：調(diào)用所述第一編隊(duì)軌跡控制模型處理所述第二可行駛通道信息及所述第二從車狀態(tài)信息生成第二軌跡規(guī)劃編隊(duì)，并調(diào)用所述第二編隊(duì)軌跡控制模型處理后續(xù)獲得的可行駛通道信息以及從車狀態(tài)信息生成實(shí)時(shí)軌跡規(guī)劃編隊(duì)，根據(jù)所述實(shí)時(shí)軌跡規(guī)劃編隊(duì)控制無人車編隊(duì)行駛隊(duì)形。

21、進(jìn)一步地，所述第一可行駛通道信息或所述第二可行駛通道信息包括可行駛通道兩邊障礙物體之間的寬度d以及即時(shí)檢測到的主車與兩邊障礙物體之間的夾角、兩邊障礙物構(gòu)成的可行駛通道的長度l，寬度d通過主車的激光雷達(dá)獲取到的可行駛通道障礙物體與主車之間的距離和夾角處理得到。

22、進(jìn)一步地，所述第一編隊(duì)軌跡控制模型或所述第二編隊(duì)軌跡控制模型采用基于深度學(xué)習(xí)的改進(jìn)模型；

23、所述第一編隊(duì)軌跡控制模型或所述第二編隊(duì)軌跡控制模型采用改進(jìn)的深度學(xué)習(xí)。

24、把車輛編隊(duì)問題看作是一個(gè)基于主車的從車位置變化方案問題，本發(fā)明能夠?qū)崿F(xiàn)安全快速行駛的前提下靈活編隊(duì)，即在越野環(huán)境下安全避障，主車植入訓(xùn)練出來的編隊(duì)軌跡控制模型根據(jù)周邊環(huán)境及從車數(shù)量及狀態(tài)命令從車，從而實(shí)現(xiàn)自動(dòng)變換隊(duì)形，模型根據(jù)周邊環(huán)境及從車數(shù)量及狀態(tài)的處理得到安全值判定，根據(jù)安全值來確定是否加入模型進(jìn)行模型的訓(xùn)練更新，本發(fā)明通過改進(jìn)使用越野場景的神經(jīng)網(wǎng)絡(luò)模型的安全自訓(xùn)練更新，僅通過主車的環(huán)境檢測結(jié)合從車狀態(tài)，識(shí)別出編隊(duì)軌跡控制的精度，增加了安全值約束，從而提高模型泛化能力，無人車編隊(duì)能夠獲得安全保障，靈活變化隊(duì)形，降低車隊(duì)行駛的控制風(fēng)險(xiǎn)。