本发明涉及自动驾驶车辆，具体是一种基于数字孪生的车辆避障方法。
背景技术：
1、目前，压路机多是依靠人工驾驶的方式进行作业，但是由于施工现场环境复杂，容易发生安全事故，给驾驶员带来安全隐患。
2、为了提高压路机运行的安全性，国内外学者开始研究压路机的自动驾驶技术，大多数使用基于深度学习的神经网络算法来识别障碍物，以此实现无人压路机的自主避障功能，然而，使用基于深度学习的神经网络算法来识别障碍物的方法仅考虑了如何识别障碍物，但并没有考虑到如何规划出一条新的路线供压路机按照该新路径行驶，以避开障碍物的问题，导致无法真正解决压路机在实际工作环境中遇到障碍物时无法躲避的问题。
技术实现思路
1、本发明的目的在于提供一种基于数字孪生的车辆避障方法，用于解决现有技术中存在的车辆在实际工作环境中遇到障碍物时无法躲避的问题。
2、本发明的目的可以通过以下技术方案实现：
3、本技术提供了一种基于数字孪生的车辆避障方法，包括如下步骤：
4、构建虚拟仿真模型并模拟真实的工作场景，所述虚拟仿真模型为物理引擎生成虚拟仿真模型；
5、通过采集障碍物信息生成障碍物图像文件，通过所述虚拟仿真模型获得所述障碍物图像文件中障碍物的运动状态；
6、根据所述障碍物的运动状态，计算出障碍物未来一段时间内的轨迹信息，得到预测的障碍物轨迹；
7、根据障碍物的运动状态和预测的障碍物轨迹，评估车辆的碰撞风险，得到避障策略；
8、其中，根据避障策略结果判断需避让障碍物时，生成指令信号和路径规划方案。
9、作为优选的，所述构建虚拟仿真模型，通过获取所述车辆的历史行为数据，根据所述历史行为数据构建物理世界与数字世界的映射关系，利用该映射关系将现实场景中的信息传输到虚拟仿真环境中，进行虚拟仿真环境与现实环境之间的交互。
10、作为优选的，所述障碍物图像文件中包括多个障碍物的信息，每个障碍物对应有一个位置坐标，获得所述障碍物图像文件中障碍物的运动状态具体包括：
11、根据所述障碍物的位置坐标确定所述障碍物在所述车辆上的投影点，然后根据所述投影点确定所述障碍物相对于所述车辆的姿态角；
12、根据所述姿态角和预设算法计算得到所述障碍物的运动速度和加速度，得到所述障碍物在未来一段时间内的运动状态。
13、作为优选的，当某个障碍物的运动状态为沿着直线匀速运动时，则采用高斯滤波器对该障碍物的运动状态进行平滑处理；
14、当某个障碍物的运动状态不是沿着直线匀速运动，则采用卡尔曼滤波器对该障碍物的运动状态进行平滑处理。
15、作为优选的，所述得到预测的障碍物轨迹，具体包括：
16、当存在两个或多个障碍物的运动状态均为沿着直线匀速运动时，则采用多变量高斯混合模型对多个障碍物的运动状态进行融合处理，得到多个障碍物未来一段时间内的轨迹信息；
17、当存在两个或多个障碍物的运动状态都不是沿着直线匀速运动时，则采用粒子群优化算法对多个障碍物的运动状态进行融合处理，得到多个障碍物未来一段时间内的轨迹信息；
18、其中，根据对障碍物的运动状态进行融合处理，得到障碍物的预测位置。
19、作为优选的，所述评估车辆的碰撞风险具体包括：根据障碍物的运动状态和预测的障碍物轨迹，判断车辆与障碍物之间是否存在碰撞风险，若存在碰撞风险，则判断车辆是否需要避让障碍物。
20、作为优选的，根据车辆的碰撞风险评估结果得到避障策略，具体包括：
21、当判断出车辆与障碍物之间不存在碰撞风险时，保持原路线继续行驶；或者，当判断出车辆与障碍物之间存在碰撞风险且无需避让障碍物时，根据预先存储的行驶规则，判断是否需要避让障碍物；其中，所述行驶规则包括：
22、当障碍物的速度小于预设的第一阈值时，车辆不需要避让障碍物；
23、或者，当障碍物的速度大于预设的第二阈值时，车辆需要避让障碍物；
24、或者，当障碍物处于车辆行驶路线前方一定距离内时，车辆需要避让障碍物；
25、或者，当障碍物处于车辆行驶路线前方一定时间内到达的距离内时，车辆需要避让障碍物。
26、作为优选的，根据避障策略结果，判断出车辆与障碍物之间存在碰撞风险且需避让障碍物时，根据障碍物当前的位置信息以及障碍物的预测位置，确定障碍物当前所处区域和目标所处区域，然后根据预先设置的地图及导航信息，生成指令信号和路径规划方案，控制车辆执行特定任务并避让障碍物。
27、作为优选的，所述通过生成指令信号和路径规划方案具体包括：
28、根据障碍物的运动状态和预测的障碍物轨迹，判断车辆是否需要避让障碍物，根据判断结果生成第一指令信号，根据存储有预先设定的工作任务参数，当接收到所述第一指令信号时，从所述工作任务参数中提取出当前工作任务对应的参数信息，并根据所述参数信息确定所述车辆当前需要执行的任务类型，生成第二指令信号，根据第二指令信号指导车辆执行特定的任务，所述第二指令信号携带有所述车辆当前需要执行的任务类型的标识信息；当接收到所述第一指令信号及所述第二指令信号之后，根据所述第一指令信号中的障碍物目标位置信息、所述障碍物图像文件中障碍物的当前位置信息和所述第二指令信号中携带的标识信息，生成路径规划方案。
29、作为优选的，通过a*算法结合d*算法生成路径规划，具体包括：
30、初始路径规划，从起点到目标位置，使用a*算法生成初始路径，将目标节点添加到开放列表，计算每个节点的g(n) 和h(n)，选择f(n) 最小的节点作为当前节点，直到找到起点，其中g(n)为实际距离，h(n)为估计距离，f(n)表示总代价；
31、检测到障碍物，在行驶过程中检测到新的障碍物，标记障碍物区域为不可通过，使用d*算法重新计算受影响区域的代价，更新路径；
32、重新规划路径，从当前节点重新进行路径搜索，避开新的障碍物，使用启发式函数估计代价，选择代价最小的路径；
33、生成控制指令，根据更新后的路径生成控制指令，指导车辆按照新的路径前进，使车辆避开障碍物到达目标。
34、本发明的有益效果为：
35、（1）结合障碍物的运动状态和预测轨迹，能够智能生成避障策略，判断是否需要改变车辆的行驶路线，在确定需要避让时，通过a*算法和d*算法的结合，动态生成和更新最优路径，指导车辆避开障碍物，不仅能够识别障碍物，还能动态生成和更新最优路径，解决了现有技术中存在的车辆在实际工作环境中遇到障碍物时无法躲避的问题，这种方法还能够实时响应环境变化，指导车辆避开障碍物，确保车辆在复杂环境中的稳定运行；
36、（2）通过构建虚拟仿真模型，精确模拟了真实工作场景，并实时采集和分析障碍物信息，生成障碍物图像文件，利用物理引擎和不同算法，能够预测障碍物的未来轨迹，并评估与车辆的碰撞风险，这种方法显著提高了对障碍物运动状态的预测准确性，加快了车辆对突发状况的响应速度，有效解决了传统避障系统在实时反应和预测准确性方面的不足的问题；
37、（3）通过数字孪生技术，实现了物理世界与数字世界的实时交互，使车辆能够根据实时环境变化灵活调整避障策略，此外还能够根据预设的工作任务参数，生成指令信号，指导车辆在执行特定任务的同时有效避让障碍物，这种智能化的避障方法不仅提升了车辆的环境适应性，还确保了在复杂环境中车辆任务的顺利执行，解决了自动驾驶车辆在多变环境下的避障难题。
1.一种基于数字孪生的车辆避障方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于数字孪生的车辆避障方法，其特征在于：
3.根据权利要求1所述的一种基于数字孪生的车辆避障方法，其特征在于：所述障碍物图像文件中包括多个障碍物的信息，每个障碍物对应有一个位置坐标，获得所述障碍物图像文件中障碍物的运动状态具体包括：
4.根据权利要求3所述的一种基于数字孪生的车辆避障方法，其特征在于：当某个障碍物的运动状态为沿着直线匀速运动时，则采用高斯滤波器对该障碍物的运动状态进行平滑处理；
5.根据权利要求1所述的一种基于数字孪生的车辆避障方法，其特征在于：所述得到预测的障碍物轨迹，具体包括：
6.根据权利要求1所述的一种基于数字孪生的车辆避障方法，其特征在于：根据避障策略的结果判断需避让障碍物时，生成指令信号和路径规划方案。
7.根据权利要求6所述的一种基于数字孪生的车辆避障方法，其特征在于：根据避障策略的结果，当判断出车辆与障碍物之间存在碰撞风险且需避让障碍物时，根据障碍物当前的位置信息以及障碍物的预测位置，确定障碍物当前所处区域和目标所处区域，然后根据预先设置的地图及导航信息，生成指令信号和路径规划方案，控制车辆执行特定任务并避让障碍物。
8.根据权利要求7所述的一种基于数字孪生的车辆避障方法，其特征在于：所述生成指令信号和路径规划方案包括：
9.根据权利要求7所述的一种基于数字孪生的车辆避障方法，其特征在于：所述生成指令信号和路径规划方案还包括：根据第二指令信号指导车辆执行特定的任务，所述第二指令信号携带有所述车辆当前需要执行的任务类型的标识信息；当接收到所述第一指令信号及所述第二指令信号之后，根据所述第一指令信号中的障碍物目标位置信息、所述障碍物图像文件中障碍物的当前位置信息和所述第二指令信号中携带的标识信息，生成路径规划方案。
10.根据权利要求9所述的一种基于数字孪生的车辆避障方法，其特征在于：所述生成路径规划是通过a*算法结合d*算法生成，具体包括：
