一种概率驱动的自适应步长模型预测控制避障方法

本发明涉及自动驾驶动态避障技术领域，提供一种概率驱动的自适应步长模型预测控制避障方法，包括：S1，基于无迹卡尔曼滤波构建空中障碍物三维运动概率模型，通过所述模型中车辆包络体积与障碍物位置概率密度的空间积分，生成碰撞概率时空分布曲线；S2，基于碰撞概率极值检测的自适应步长决策机制，将计算资源向所述碰撞概率时空分布曲线的概率尖峰时段定向分配；S3，构建融合风险时域积分代价与风险瞬时峰值代价的MPC多维度优化目标，检测到概率尖峰时，通过加权策略强化峰值压制项的主导作用，生成满足三维动态避障时空约束的轨迹控制指令。本发明提升了复杂动态场景下的避障决策质量，为智能车辆在三维交通环境中的安全运行提供技术保障。