随着我国汽车保有量的快速增长,交通事故居高不下,汽车安全问题日益受到人们的广泛关注,推动了无人驾驶汽车的研究和发展。无人驾驶汽车属于智能汽车的范围,对于减少交通事故的发生,保证行车安全具有重要意义,而智能汽车的安全行驶主要靠其避障系统来实现,本文主要研究智能汽车的避障系统。智能汽车的避障系统是在已知周围环境的基础上,判断汽车以当前状态行驶是否会产生危险,如果有危险再判断可能的避障措施(转向或制动)的危险程度,选择危险程度最小的避障措施并据此规划出一条安全的避障轨迹,最后通过控制系统跟随这条轨迹来避开障碍物。目前,避障系统的危险评估大多是确定性地预测交通车未来行驶轨迹和主车待评估的轨迹来判断是否有碰撞危险,对汽车未来行驶轨迹的不确定性考虑的较少,结果的可信度较低,少部分考虑汽车未来行驶轨迹的不确定性方法中,由于计算的复杂性,计算速度很慢,且避障措施较少考虑转向的同时制动的情况。避障系统的轨迹规划方法较多,但在如何适应复杂环境的动态变化、尽可能地搜索可行驶区域以找到更优解等方面还需要进一步研究。本文重点对智能汽车避障系统的危险评估和轨迹规划两部分内容进行研究,在危险评估方面,将确定性轨迹预测和概率性轨迹预测相结合,以保证计算真实性的同时提高计算速度;在搜索主车避障区域时,同时考虑主车方向和速度的变化以扩大搜索范围。轨迹规划方面,采用快速搜索随机树算法(RRT)规划避障轨迹,针对快速搜索随机树算法存在的一些问题,在现有的改进方法基础上,采用合理的目标偏向策略、随机树节点扩展机制、节点修剪策略和行驶轨迹平滑化方法生成更优的安全避障轨迹。本文的主要研究内容包括以下几个方面:1)避障系统的危险评估研究。本文假设已经知道交通车的行驶意图,主要研究交通车轨迹预测、主车避障轨迹簇评估和碰撞概率计算。为了兼顾计算的可信度和运算速度,本文将确定性轨迹预测和概率性轨迹预测相结合,当主车和交通车确定性轨迹距离较近时,考虑汽车未来行驶轨迹的不确定性;在评估主车避障轨迹簇时,同时考虑主车的方向和速度变化以扩大搜索范围;根据主车和交通车位置分布的概率密度函数得出碰撞概率,为提高计算速度,采用经过改进的蒙特卡洛模拟方法求解。2)结构化道路避障决策初步研究。根据危险评估结果选择合适的避障策略以避开危险,分别对车道行驶和交叉路口行驶两种典型工况进行了研究,鉴于研究时间有限,本文的避障决策较为简单。3)避障轨迹规划研究。轨迹规划方面采用快速搜索随机树算法(RRT)规划避障轨迹,为保证轨迹规划效果及计算速度,本文对快速搜索随机树算法进行了诸多改进,使生成的轨迹满足汽车动力学约束且减少了轨迹的曲折波动;由于生成轨迹的随机性,产生多条可行轨迹,根据避障和稳定性要求从中选择一条最优轨迹作为规划的避障轨迹。轨迹跟随控制方面采用最优预瞄方法跟随规划的轨迹。4)仿真验证与分析。对整个避障系统进行了仿真验证,仿真工况包含静态和动态的环境,仿真结果验证了本文提出的方法和避障系统的有效性,能够适应较复杂环境的动态变化。