CN105083278B - 车辆控制方法及装置 - Google Patents
车辆控制方法及装置 Download PDFInfo
- Publication number
- CN105083278B CN105083278B CN201510466574.2A CN201510466574A CN105083278B CN 105083278 B CN105083278 B CN 105083278B CN 201510466574 A CN201510466574 A CN 201510466574A CN 105083278 B CN105083278 B CN 105083278B
- Authority
- CN
- China
- Prior art keywords
- car
- distance
- longitudinal direction
- driving mode
- obstacle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 158
- 230000009471 action Effects 0.000 claims abstract description 100
- 230000002708 enhancing effect Effects 0.000 claims abstract description 73
- 230000004888 barrier function Effects 0.000 claims abstract description 44
- 238000000926 separation method Methods 0.000 claims description 67
- 238000001514 detection method Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 10
- 238000007689 inspection Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract 1
- 230000003044 adaptive effect Effects 0.000 description 21
- 230000007935 neutral effect Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 4
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical class CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000002153 concerted effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005183 dynamical system Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/14—Adaptive cruise control
- B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
- B60W30/165—Automatically following the path of a preceding lead vehicle, e.g. "electronic tow-bar"
Abstract
本发明公开了一种车辆控制方法及装置，属于汽车主动安全领域。该方法包括：确定本车的行驶模式，所述行驶模式为车道保持模式、智能避障模式、自主跟车模式和跟车避障模式中的任一模式；当所述行驶模式为所述车道保持模式、所述智能避障模式或所述自主跟车模式时，采用增强学习法对本车进行控制，所述增强学习法表示本车通过学习选择的方式获得安全行驶的参考动作；当所述行驶模式为所述跟车避障模式时，采用人工势场法和所述增强学习法对本车进行控制。本发明解决了相关技术在控制车辆时的稳定性较差，可靠性较低，且灵活性较差的问题，实现了提高稳定性，可靠性和灵活性的效果，用于控制车辆。
Description
技术领域
本发明涉及汽车主动安全领域，特别涉及一种车辆控制方法及装置。
背景技术
随着汽车工业的快速发展和人们生活水平的不断提高，汽车已快速进入普通家庭。由于道路上行驶的车辆越来越多，交通拥堵现象日益严重，且随着车辆的增多，交通事故也在成比例增长，因此，有效控制车辆行驶是保证车辆安全行驶的基础。
相关技术中，车辆控制方法通常是人为先设定一个行驶轨迹，根据预先设定的行驶轨迹，调节车辆当前的实际轨迹，使实际轨迹与预先设定的行驶轨迹的偏差尽可能小，进而完成对车辆的控制。
由于上述车辆控制方法是人为设定的行驶轨迹，控制过程属于监督学习过程，而基于监督学习的车辆控制方法的稳定性较差，可靠性较低，且灵活性较差。
发明内容
为了解决相关技术在控制车辆时的稳定性较差，可靠性较低，且灵活性较差的问题，本发明提供了一种车辆控制方法及装置。所述技术方案如下：
第一方面，提供了一种车辆控制方法，所述方法包括：
确定本车的行驶模式，所述行驶模式为车道保持模式、智能避障模式、自主跟车模式和跟车避障模式中的任一模式；
当所述行驶模式为所述车道保持模式、所述智能避障模式或所述自主跟车模式时，采用增强学习法对本车进行控制，所述增强学习法表示本车通过学习选择的方式获得安全行驶的参考动作；
当所述行驶模式为所述跟车避障模式时，采用人工势场法和所述增强学习法对本车进行控制。
可选的，所述确定本车的行驶模式，包括：
检测本车前方是否存在障碍车；
检测本车前方是否存在目标车，所述目标车为本车完成跟车动作需要跟随的车辆；
当本车前方存在障碍车且本车前方存在目标车时，检测本车与所述障碍车的第一纵向距离是否小于预设距离，所述第一纵向距离为所述障碍车的车尾中点到第一直线的距离，所述第一直线为经过本车的车头中点且垂直于本车的行驶方向的直线；
当本车与所述障碍车的第一纵向距离小于所述预设距离时，确定所述行驶模式为所述跟车避障模式。
可选的，所述采用人工势场法和所述增强学习法对本车进行控制，包括：
检测本车相对于所述障碍车和所述目标车的位置信息，所述位置信息包括本车与所述障碍车的第一横向距离、本车与所述目标车的第二纵向距离、本车与所述目标车的第二横向距离，所述第一横向距离为所述障碍车的车尾中点到第二直线的距离，所述第二直线为经过本车的车头中点且平行于本车的行驶方向的直线，所述第二纵向距离为所述目标车的车尾中点到所述第一直线的距离，所述第二横向距离为所述目标车的车尾中点到所述第二直线的距离；
获取将所述第一纵向距离和所述第一横向距离的比值作为正切值所对应的第一夹角；
获取将所述第二纵向距离和所述第二横向距离的比值作为正切值所对应的第二夹角；
采用所述人工势场法将所述障碍车作为对本车具有排斥力的障碍点，且将所述目标车作为对本车具有吸引力的目标点；
根据所述第一横向距离、所述第一纵向距离、所述第一夹角采用所述增强学习法确定本车相对于所述障碍车的第一动作控制参数；
根据所述第二横向距离、所述第二纵向距离、所述第二夹角采用所述增强学习法确定本车相对于所述目标车的第二动作控制参数，所述第一动作控制参数和所述第二动作控制参数包括车轮的转动角度；
根据所述第一动作控制参数、排斥比例因子、所述第二动作控制参数和吸引比例因子确定本车的目标角度，所述排斥比例因子与所述吸引比例因子之和为1；
根据所述目标角度确定方向盘的旋转角度；
根据所述目标角度和所述方向盘的旋转角度控制本车完成跟车动作或避障动作。
可选的，所述确定本车的行驶模式，还包括：
当本车前方不存在障碍车且本车前方不存在目标车时，确定所述行驶模式为所述车道保持模式，或，当本车前方不存在目标车但本车前方存在障碍车时，检测所述第一纵向距离是否小于所述预设距离，当所述第一纵向距离不小于所述预设距离时，确定所述行驶模式为所述车道保持模式；
当本车前方不存在障碍车但本车前方存在目标车时，确定所述行驶模式为所述自主跟车模式，或，当本车前方存在障碍车且本车前方存在目标车时，检测所述第一纵向距离是否小于所述预设距离，当所述第一纵向距离不小于所述预设距离时，确定所述行驶模式为所述自主跟车模式；
当本车前方存在障碍车但本车前方不存在目标车时，检测所述第一纵向距离是否小于所述预设距离，当所述第一纵向距离小于所述预设距离时，确定所述行驶模式为智能避障模式。
可选的，所述当所述行驶模式为所述车道保持模式、所述智能避障模式或所述自主跟车模式时，采用增强学习法对本车进行控制，包括：
当所述行驶模式为所述车道保持模式时，根据所述本车与车道线的距离采用所述增强学习法控制本车完成车道保持动作；
当所述行驶模式为所述自主跟车模式时，根据跟车距离和所述第二夹角采用所述增强学习法控制本车完成自主跟车动作；
当所述行驶模式为所述智能避障模式时，根据所述第一纵向距离和所述第一横向距离采用所述增强学习法控制本车完成避障动作。
第二方面，提供了一种车辆控制装置，所述装置包括：
确定单元，用于确定本车的行驶模式，所述行驶模式为车道保持模式、智能避障模式、自主跟车模式和跟车避障模式中的任一模式；
第一控制单元，用于在所述行驶模式为所述车道保持模式、所述智能避障模式或所述自主跟车模式时，采用增强学习法对本车进行控制，所述增强学习法表示本车通过学习选择的方式获得安全行驶的参考动作；
第二控制单元，用于在所述行驶模式为所述跟车避障模式时，采用人工势场法和所述增强学习法对本车进行控制。
可选的，所述确定单元，包括：
第一检测模块，用于检测本车前方是否存在障碍车；
第二检测模块，用于检测本车前方是否存在目标车，所述目标车为本车完成跟车动作需要跟随的车辆；
第三检测模块，用于在本车前方存在障碍车且本车前方存在目标车时，检测本车与所述障碍车的第一纵向距离是否小于预设距离，所述第一纵向距离为所述障碍车的车尾中点到第一直线的距离，所述第一直线为经过本车的车头中点且垂直于本车的行驶方向的直线；
第一确定模块，用于在本车与所述障碍车的第一纵向距离小于所述预设距离时，确定所述行驶模式为所述跟车避障模式。
可选的，所述第二控制单元，包括：
第四检测模块，用于检测本车相对于所述障碍车和所述目标车的位置信息，所述位置信息包括本车与所述障碍车的第一横向距离、本车与所述目标车的第二纵向距离、本车与所述目标车的第二横向距离，所述第一横向距离为所述障碍车的车尾中点到第二直线的距离，所述第二直线为经过本车的车头中点且平行于本车的行驶方向的直线，所述第二纵向距离为所述目标车的车尾中点到所述第一直线的距离，所述第二横向距离为所述目标车的车尾中点到所述第二直线的距离；
第一处理模块，用于获取将所述第一纵向距离和所述第一横向距离的比值作为正切值所对应的第一夹角；
第二处理模块，用于获取将所述第二纵向距离和所述第二横向距离的比值作为正切值所对应的第二夹角；
第三处理模块，用于采用所述人工势场法将所述障碍车作为对本车具有排斥力的障碍点，且将所述目标车作为对本车具有吸引力的目标点；
第二确定模块，用于根据所述第一横向距离、所述第一纵向距离、所述第一夹角采用所述增强学习法确定本车相对于所述障碍车的第一动作控制参数；
第三确定模块，用于根据所述第二横向距离、所述第二纵向距离、所述第二夹角采用所述增强学习法确定本车相对于所述目标车的第二动作控制参数，所述第一动作控制参数和所述第二动作控制参数包括车轮的转动角度；
第四确定模块，用于根据所述第一动作控制参数、排斥比例因子、所述第二动作控制参数和吸引比例因子确定本车的目标角度，所述排斥比例因子与所述吸引比例因子之和为1；
第五确定模块，用于根据所述目标角度确定方向盘的旋转角度；
第一控制模块，用于根据所述目标角度和所述方向盘的旋转角度控制本车完成跟车动作或避障动作。
可选的，所述确定单元，还包括：
第六确定模块，用于在本车前方不存在障碍车且本车前方不存在目标车时，确定所述行驶模式为所述车道保持模式，或，在本车前方不存在目标车但本车前方存在障碍车时，检测所述第一纵向距离是否小于所述预设距离，在所述第一纵向距离不小于所述预设距离时，确定所述行驶模式为所述车道保持模式；
第七确定模块，用于在本车前方不存在障碍车但本车前方存在目标车时，确定所述行驶模式为所述自主跟车模式，或，在本车前方存在障碍车且本车前方存在目标车时，检测所述第一纵向距离是否小于所述预设距离，在所述第一纵向距离不小于所述预设距离时，确定所述行驶模式为所述自主跟车模式；
第八确定模块，用于在本车前方存在障碍车但本车前方不存在目标车时，检测所述第一纵向距离是否小于所述预设距离，在所述第一纵向距离小于所述预设距离时，确定所述行驶模式为智能避障模式。
可选的，所述第一控制单元，包括：
第二控制模块，用于在所述行驶模式为所述车道保持模式时，根据所述本车与车道线的距离采用所述增强学习法控制本车完成车道保持动作；
第三控制模块，用于在所述行驶模式为所述自主跟车模式时，根据跟车距离和所述第二夹角采用所述增强学习法控制本车完成自主跟车动作；
第四控制模块，用于在所述行驶模式为所述智能避障模式时，根据所述第一纵向距离和所述第一横向距离采用所述增强学习法控制本车完成避障动作。
本发明提供了一种车辆控制方法及装置，通过确定本车的行驶模式，且当行驶模式为车道保持模式、智能避障模式或自主跟车模式时，能够采用增强学习法对本车进行控制，当行驶模式为跟车避障模式时，能够采用人工势场法和增强学习法对本车进行控制，相较于相关技术，提高了车辆控制的稳定性、可靠性和灵活性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种车辆控制方法的流程图；
图2-1是本发明实施例提供的另一种车辆控制方法的流程图；
图2-2是本发明实施例提供的一种车辆的行驶环境示意图；
图2-3是本发明实施例提供的一种对本车进行控制的流程图；
图2-4是本发明实施例提供的一种自适应动态规划控制系统的示意图；
图3-1是本发明实施例提供的一种车辆控制装置的结构示意图；
图3-2是本发明实施例提供的一种确定单元的结构示意图；
图3-3是本发明实施例提供的一种第二控制单元的结构示意图；
图3-4是本发明实施例提供的一种确定单元的结构示意图；
图3-5是本发明实施例提供的一种第一控制单元的结构示意图。
通过上述附图，已示出本发明明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本发明构思的范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
本发明实施例提供了一种车辆控制方法，如图1所示，该方法可以包括：
步骤101、确定本车的行驶模式，该行驶模式为车道保持模式、智能避障模式、自主跟车模式和跟车避障模式中的任一模式。
步骤102、当行驶模式为车道保持模式、智能避障模式或自主跟车模式时，采用增强学习法对本车进行控制，该增强学习法表示本车通过学习选择的方式获得安全行驶的参考动作。
步骤103、当行驶模式为跟车避障模式时，采用人工势场法和增强学习法对本车进行控制。
综上所述，本发明实施例提供的车辆控制方法，通过确定本车的行驶模式，且当行驶模式为车道保持模式、智能避障模式或自主跟车模式时，能够采用增强学习法对本车进行控制，当行驶模式为跟车避障模式时，能够采用人工势场法和增强学习法对本车进行控制，相较于相关技术，提高了车辆控制的稳定性、可靠性和灵活性。
可选的，步骤101包括：检测本车前方是否存在障碍车；检测本车前方是否存在目标车，该目标车为本车完成跟车动作需要跟随的车辆；当本车前方存在障碍车且本车前方存在目标车时，检测本车与障碍车的第一纵向距离是否小于预设距离。第一纵向距离为障碍车的车尾中点到第一直线的距离，第一直线为经过本车的车头中点且垂直于本车的行驶方向的直线；当本车与障碍车的第一纵向距离小于预设距离时，确定行驶模式为跟车避障模式。
步骤103包括：检测本车相对于障碍车和目标车的位置信息，该位置信息包括本车与障碍车的第一横向距离、本车与目标车的第二纵向距离、本车与目标车的第二横向距离，第一横向距离为障碍车的车尾中点到第二直线的距离，第二直线为经过本车的车头中点且平行于本车的行驶方向的直线，第二纵向距离为目标车的车尾中点到第一直线的距离，第二横向距离为目标车的车尾中点到第二直线的距离；
获取将第一纵向距离和第一横向距离的比值作为正切值所对应的第一夹角；
获取将第二纵向距离和第二横向距离的比值作为正切值所对应的第二夹角；
采用人工势场法将障碍车作为对本车具有排斥力的障碍点，且将目标车作为对本车具有吸引力的目标点；
根据第一横向距离、第一纵向距离、第一夹角采用增强学习法确定本车相对于障碍车的第一动作控制参数；
根据第二横向距离、第二纵向距离、第二夹角采用增强学习法确定本车相对于目标车的第二动作控制参数，第一动作控制参数和第二动作控制参数包括车轮的转动角度；
根据第一动作控制参数、排斥比例因子、第二动作控制参数和吸引比例因子确定本车的目标角度，排斥比例因子与吸引比例因子之和为1；
根据目标角度确定方向盘的旋转角度；
根据目标角度和方向盘的旋转角度控制本车完成跟车动作或避障动作。
可选的，步骤101还包括：
当本车前方不存在障碍车且本车前方不存在目标车时，确定行驶模式为车道保持模式，或，当本车前方不存在目标车但本车前方存在障碍车时，检测第一纵向距离是否小于预设距离，当第一纵向距离不小于预设距离时，确定行驶模式为车道保持模式；
当本车前方不存在障碍车但本车前方存在目标车时，确定行驶模式为自主跟车模式，或，当本车前方存在障碍车且本车前方存在目标车时，检测第一纵向距离是否小于预设距离，当第一纵向距离不小于预设距离时，确定行驶模式为自主跟车模式；
当本车前方存在障碍车但本车前方不存在目标车时，检测第一纵向距离是否小于预设距离，当第一纵向距离小于预设距离时，确定行驶模式为智能避障模式。
可选的，步骤102包括：
当行驶模式为车道保持模式时，根据本车与车道线的距离采用增强学习法控制本车完成车道保持动作；
当行驶模式为自主跟车模式时，根据跟车距离和第二夹角采用增强学习法控制本车完成自主跟车动作；
当行驶模式为智能避障模式时，根据第一纵向距离和第一横向距离采用增强学习法控制本车完成避障动作。
综上所述，本发明实施例提供的车辆控制方法，通过确定本车的行驶模式，且当行驶模式为车道保持模式、智能避障模式或自主跟车模式时，能够采用增强学习法对本车进行控制，当行驶模式为跟车避障模式时，能够采用人工势场法和增强学习法对本车进行控制，相较于相关技术，提高了车辆控制的稳定性、可靠性和灵活性。
本发明实施例提供了另一种车辆控制方法，如图2-1所示，该方法可以包括：
步骤2011、检测本车前方是否存在障碍车。
本发明实施例中的本车可以为智能车，该智能车安装有摄像机、雷达、后置雷达，将障碍车和目标车设置为不同颜色，利用图像处理技术识别障碍车和目标车。其中，障碍车为本车在行驶过程中需要避开的车辆。目标车为本车完成跟车动作需要跟随的车辆。
步骤2012、当本车前方存在障碍车时，检测本车前方是否存在目标车。
步骤2013、当本车前方存在目标车时，检测本车与障碍车的第一纵向距离是否小于预设距离。
采用摄像机检测到本车前方存在障碍车时，检测本车与障碍车的第一纵向距离是否小于预设距离，预设距离L指的是本车与障碍车的最大安全距离。当本车与障碍车的第一纵向距离小于预设距离L时，表明本车仍未出安全区域。图2-2示出了本车的行驶环境示意图，图中M2(t)表示当前时刻本车与障碍车的第一纵向距离。第一纵向距离M2(t)为障碍车的车尾中点到第一直线的距离，第一直线为经过本车的车头中点且垂直于本车的行驶方向的直线。
步骤2014、当本车与障碍车的第一纵向距离小于预设距离时，确定行驶模式为跟车避障模式。
步骤2015、采用人工势场法和增强学习法对本车进行控制。
步骤2015如图2-3所示，包括：
步骤2015a、检测本车相对于障碍车和目标车的位置信息。
当采用摄像机检测到本车前方存在障碍车且本车前方存在目标车时，通过摄像机与雷达分别检测出本车与障碍车和目标车的位置信息，计算出本车与障碍车和目标车的相对角度，将位置信息和相对夹角作为自适应动态规划控制系统的输入参数。
如图2-2所示，该位置信息包括本车与障碍车的第一横向距离M1(t)、本车与目标车的第二纵向距离D2(t)、本车与目标车的第二横向距离D1(t)，第一横向距离M1(t)为障碍车的车尾中点到第二直线的距离，第二直线为经过本车的车头中点且平行于本车的行驶方向的直线。第二纵向距离D2(t)为目标车的车尾中点到第一直线的距离。第二横向距离D1(t)为目标车的车尾中点到第二直线的距离。
步骤2015b、获取将第一纵向距离和第一横向距离的比值作为正切值所对应的第一夹角。
如图2-2所示，已知第一纵向距离M2(t)和第一横向距离M1(t)，即可利用反正切函数求出本车基于车道线方向与障碍车的第一夹角该反正切函数为：
步骤2015c、获取将第二纵向距离和第二横向距离的比值作为正切值所对应的第二夹角。
如图2-2所示，已知第二纵向距离D2(t)和第二横向距离D1(t)，即可利用反正切函数求出本车基于车道线方向与目标车的第二夹角θ(t)，该反正切函数为：
步骤2015d、采用人工势场法将障碍车作为对本车具有排斥力的障碍点，且将目标车作为对本车具有吸引力的目标点。
人工势场法即人工势场法路径规划的基本思想是：将机器人在周围环境中的运动，设计成一种抽象的人造引力场中的运动，目标点对移动机器人产生“引力”，障碍物对移动机器人产生“斥力”，最后通过求合力来控制移动机器人的运动。本发明实施例根据人工势场法路径规划原理定义目标车对本车产生引力，障碍车对本车产生斥力。
步骤2015e、根据第一横向距离、第一纵向距离、第一夹角采用增强学习法确定本车相对于障碍车的第一动作控制参数。
将第一横向距离M1(t)、第一纵向距离M2(t)和第一夹角作为自适应动态规划控制系统的输入参数，自适应动态规划控制系统采用两个神经网络对输入参数进行处理，得到本车在排斥状态下的输出参数，即第一动作控制参数u1(t)。
步骤2015f、根据第二横向距离、第二纵向距离、第二夹角采用增强学习法确定本车相对于目标车的第二动作控制参数。
将第二横向距离D1(t)、第二纵向距离D2(t)和第二夹角θ(t)，作为自适应动态规划控制系统的输入参数，自适应动态规划控制系统采用两个神经网络对输入参数进行处理，得到本车在吸引状态下的输出参数，即第二动作控制参数u2(t)。需要说明的是，第一动作控制参数u1(t)和第二动作控制参数u2(t)可以包括车轮的转动角度。
步骤2015g、根据第一动作控制参数、排斥比例因子、第二动作控制参数和吸引比例因子确定本车的目标角度。
排斥比例因子与吸引比例因子之和为1。本车的目标角度为车轮的目标转动角度。在步骤2015e和步骤2015f的基础上，设定一个比例因子α，该比例因子可以为排斥比例因子。示例的，该排斥比例因子α可以等于0.8，相应的，吸引比例因子等于0.2。当α等于0.8时，表明障碍车对本车的排斥力与目标车对本车的吸引力的比值为4∶1。排斥力所占的比例越大，吸引力所占的比例就越小。排斥力所占的比例较大，表明当前时刻本车的主要任务为避障任务；吸引力所占的比例较大，表明当前时刻本车的主要任务为跟车任务。
根据第一动作控制参数、排斥比例因子、第二动作控制参数和吸引比例因子确定本车的目标角度u(t)的计算公式为：
u(t)＝u1(t)×α-u2(t)×(1-α)。
步骤2015h、根据目标角度确定方向盘的旋转角度。
根据车轮的目标转动角度与方向盘的旋转角度之间的对应关系，计算方向盘的旋转角度。计算方向盘的旋转角度的过程可以参考相关技术，在此不再赘述。
步骤2015i、根据目标角度和方向盘的旋转角度控制本车完成跟车动作或避障动作。
根据车轮转动角度和方向盘的旋转角度，控制车辆完成跟车动作或避障动作。
步骤2016、当本车前方不存在障碍车且本车前方不存在目标车时，或当本车与障碍车的第一纵向距离不小于预设距离时，确定行驶模式为车道保持模式。采用摄像机检测本车前方不存在障碍车且本车前方不存在目标车时，则控制本车进入车道保持模式。比如本车在转弯的过程中，跟踪目标车的信号丢失，控制系统将控制本车进入车道保持模式。直到下一次检测到目标车为止。或，采用摄像机检测到本车前方不存在目标车但本车前方存在障碍车时，检测本车与障碍车的第一纵向距离是否小于预设距离，当本车与障碍车的第一纵向距离不小于预设距离时，则控制本车进入车道保持模式。
步骤2017、当本车前方不存在障碍车但本车前方存在目标车时，或当本车与障碍车的第一纵向距离不小于预设距离时，确定行驶模式为自主跟车模式。采用摄像机检测到本车前方不存在障碍车但本车前方存在目标车时，则控制本车进入自主跟车模式，或检测到本车前方存在障碍车且本车前方存在目标车时，检测本车与障碍车的第一纵向距离是否小于预设距离，当本车与障碍车的第一纵向距离不小于预设距离时，则控制本车进入自主跟车模式。
步骤2018、当本车与障碍车的第一纵向距离小于预设距离时，确定行驶模式为智能避障模式。
采用摄像机检测到本车前方存在障碍车但本车前方不存在目标车时，检测本车与障碍车的第一纵向距离是否小于预设距离，当本车与障碍车的第一纵向距离小于预设距离时，控制本车进入智能避障模式。
步骤2019、当行驶模式为车道保持模式时，根据本车与车道线的距离采用增强学习法控制本车完成车道保持动作。
该车道线包括左侧车道线和右侧车道线。将本车与左侧车道线的距离、本车与右侧车道线的距离作为自适应动态规划控制系统的输入参数，自适应动态规划控制系统采用两个神经网络对输入参数进行处理，得到输出参数，即车道保持控制参数，再根据车道保持控制参数控制本车完成车道保持动作。
步骤2020、当行驶模式为自主跟车模式时，根据跟车距离和第二夹角采用增强学习法控制本车完成自主跟车动作。
跟车距离可以包括本车与目标车的第二横向距离和第二纵向距离。将第二横向距离、第二纵向距离和第二夹角作为自适应动态规划控制系统的输入参数，自适应动态规划控制系统采用两个神经网络对输入参数进行处理，得到输出参数，即自主跟车控制参数，再根据自主跟车控制参数控制本车完成自主跟车动作。
步骤2021、当行驶模式为智能避障模式时，根据第一纵向距离和第一横向距离采用增强学习法控制本车完成避障动作。
将第一纵向距离和第一横向距离作为自适应动态规划控制系统的输入参数，自适应动态规划控制系统采用两个神经网络对输入参数进行处理，得到输出参数，即避障控制参数，再根据避障参数控制本车完成避障动作。
本发明实施例中的自适应动态规划控制系统采用的是自适应动态规划方法，在控制决策领域中，自适应动态规划方法是一种有效的机器学习方法，该方法的学习策略是通过控制系统实时与环境进行交互，在成功和失败的经验教训中自主学习智能驾驶策略。本发明实施例中的方法采用自适应评价设计结构，如图2-4所示，该自适应动态规划控制系统包含两个神经网络，这两个神经网络分别为动作网络和评价网络。其中，动作网络用于根据状态量即输入参数制定动作行为决策，评价网络用于进行动作行为评价，采用环境提供的增强信号(奖励或惩罚)对动作网络输出的动作决策进行实时评价，使动作行为趋于最优。动作行为即上述的控制策略，代理指的是自适应控制算法。智能车动态系统用于检测车辆的行驶参数，并根据控制策略控制车辆行驶。
本发明实施例提供的车辆控制方法能够对不同行驶模式的智能车进行智能控制，且能够在各个行驶模式之间进行逻辑切换，采用自适应动态规划方法解决车道保持、智能避障、自主跟车和跟车避障的问题，采用增强学习法即自适应动态规划方法对前三种模式的控制决策进行设计，使得车辆在前三种模式下具有更好的学习能力，采用人工势场法和增强学习法即自适应动态规划方法相结合的方法对跟车避障模式的控制决策进行设计，使得车辆在跟车避障模式下对优先跟车还是优先避障具有更好的判断能力，进而可以为车辆提供无碰撞决策，提高了车辆在驾驶过程中的可靠性、舒适性和稳定性。
需要说明的是，本发明实施例提供的车辆控制方法步骤的先后顺序可以进行适当调整，如步骤2014、步骤2016、步骤2017和步骤2018可以同时执行，步骤也可以根据情况进行相应增减，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化的方法，都应涵盖在本发明的保护范围之内，因此不再赘述。
综上所述，本发明实施例提供的车辆控制方法，通过确定本车的行驶模式，且当行驶模式为车道保持模式、智能避障模式或自主跟车模式时，能够采用增强学习法对本车进行控制，当行驶模式为跟车避障模式时，能够采用人工势场法和增强学习法对本车进行控制，相较于相关技术，提高了车辆控制的稳定性、可靠性和灵活性。
本发明实施例提供了一种车辆控制装置，如图3-1所示，该车辆控制装置可以包括：
确定单元301，用于确定本车的行驶模式，该行驶模式为车道保持模式、智能避障模式、自主跟车模式和跟车避障模式中的任一模式。
第一控制单元302，用于在行驶模式为车道保持模式、智能避障模式或自主跟车模式时，采用增强学习法对本车进行控制，该增强学习法表示本车通过学习选择的方式获得安全行驶的参考动作。
第二控制单元303，用于在行驶模式为跟车避障模式时，采用人工势场法和增强学习法对本车进行控制。
综上所述，本发明实施例提供的车辆控制装置，通过确定本车的行驶模式，且当行驶模式为车道保持模式、智能避障模式或自主跟车模式时，能够采用增强学习法对本车进行控制，当行驶模式为跟车避障模式时，能够采用人工势场法和增强学习法对本车进行控制，相较于相关技术，提高了车辆控制的稳定性、可靠性和灵活性。
具体的，确定单元301如图3-2所示，可以包括：
第一检测模块3011，用于检测本车前方是否存在障碍车。
第二检测模块3012，用于检测本车前方是否存在目标车，该目标车为本车完成跟车动作需要跟随的车辆。
第三检测模块3013，用于在本车前方存在障碍车且本车前方存在目标车时，检测本车与障碍车的第一纵向距离是否小于预设距离。第一纵向距离为障碍车的车尾中点到第一直线的距离，第一直线为经过本车的车头中点且垂直于本车的行驶方向的直线。
第一确定模块3014，用于在本车与障碍车的第一纵向距离小于预设距离时，确定行驶模式为跟车避障模式。
第二控制单元303如图3-3所示，可以包括：
第四检测模块3031，用于检测本车相对于障碍车和目标车的位置信息，该位置信息包括本车与障碍车的第一横向距离、本车与目标车的第二纵向距离、本车与目标车的第二横向距离。第一横向距离为障碍车的车尾中点到第二直线的距离，第二直线为经过本车的车头中点且平行于本车的行驶方向的直线，第二纵向距离为目标车的车尾中点到第一直线的距离，第二横向距离为目标车的车尾中点到第二直线的距离。
第一处理模块3032，用于获取将第一纵向距离和第一横向距离的比值作为正切值所对应的第一夹角。
第二处理模块3033，用于获取将第二纵向距离和第二横向距离的比值作为正切值所对应的第二夹角。
第三处理模块3034，用于采用人工势场法将障碍车作为对本车具有排斥力的障碍点，且将目标车作为对本车具有吸引力的目标点。
第二确定模块3035，用于根据第一横向距离、第一纵向距离、第一夹角采用增强学习法确定本车相对于障碍车的第一动作控制参数。
第三确定模块3036，用于根据第二横向距离、第二纵向距离、第二夹角采用增强学习法确定本车相对于目标车的第二动作控制参数。第一动作控制参数和第二动作控制参数包括车轮的转动角度。
第四确定模块3037，用于根据第一动作控制参数、排斥比例因子、第二动作控制参数和吸引比例因子确定本车的目标角度，该排斥比例因子与吸引比例因子之和为1。
第五确定模块3038，用于根据目标角度确定方向盘的旋转角度。
第一控制模块3039，用于根据目标角度和方向盘的旋转角度控制本车完成跟车动作或避障动作。
确定单元301如图3-4所示，还可以包括：
第六确定模块3015，用于在本车前方不存在障碍车且本车前方不存在目标车时，确定行驶模式为车道保持模式，或，在本车前方不存在目标车但本车前方存在障碍车时，检测第一纵向距离是否小于预设距离，在第一纵向距离不小于预设距离时，确定行驶模式为车道保持模式。
第七确定模块3016，用于在本车前方不存在障碍车但本车前方存在目标车时，确定行驶模式为自主跟车模式，或，在本车前方存在障碍车且本车前方存在目标车时，检测第一纵向距离是否小于预设距离，在第一纵向距离不小于预设距离时，确定行驶模式为自主跟车模式。
第八确定模块3017，用于在本车前方存在障碍车但本车前方不存在目标车时，检测第一纵向距离是否小于预设距离，在第一纵向距离小于预设距离时，确定行驶模式为智能避障模式。
第一控制单元302如图3-5所示，可以包括：
第二控制模块3021，用于在行驶模式为车道保持模式时，根据本车与车道线的距离采用增强学习法控制本车完成车道保持动作。
第三控制模块3022，用于在行驶模式为自主跟车模式时，根据跟车距离和第二夹角采用增强学习法控制本车完成自主跟车动作。
第四控制模块3023，用于在行驶模式为智能避障模式时，根据第一纵向距离和第一横向距离采用增强学习法控制本车完成避障动作。
综上所述，本发明实施例提供的车辆控制装置，通过确定本车的行驶模式，且当行驶模式为车道保持模式、智能避障模式或自主跟车模式时，能够采用增强学习法对本车进行控制，当行驶模式为跟车避障模式时，能够采用人工势场法和增强学习法对本车进行控制，相较于相关技术，提高了车辆控制的稳定性、可靠性和灵活性。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置、单元和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种车辆控制方法，其特征在于，所述方法包括：
确定本车的行驶模式，所述行驶模式为车道保持模式、智能避障模式、自主跟车模式和跟车避障模式中的任一模式；
当所述行驶模式为所述车道保持模式、所述智能避障模式或所述自主跟车模式时，采用增强学习法对本车进行控制，所述增强学习法表示本车通过学习选择的方式获得安全行驶的参考动作；
当所述行驶模式为所述跟车避障模式时，采用人工势场法和所述增强学习法对本车进行控制；
所述确定本车的行驶模式，包括：
检测本车前方是否存在障碍车；
检测本车前方是否存在目标车，所述目标车为本车完成跟车动作需要跟随的车辆；
当本车前方存在障碍车且本车前方存在目标车时，检测本车与所述障碍车的第一纵向距离是否小于预设距离，所述第一纵向距离为所述障碍车的车尾中点到第一直线的距离，所述第一直线为经过本车的车头中点且垂直于本车的行驶方向的直线；
当本车与所述障碍车的第一纵向距离小于所述预设距离时，确定所述行驶模式为所述跟车避障模式。
2.根据权利要求1所述的方法，其特征在于，所述采用人工势场法和所述增强学习法对本车进行控制，包括：
检测本车相对于所述障碍车和所述目标车的位置信息，所述位置信息包括本车与所述障碍车的第一横向距离、本车与所述目标车的第二纵向距离、本车与所述目标车的第二横向距离，所述第一横向距离为所述障碍车的车尾中点到第二直线的距离，所述第二直线为经过本车的车头中点且平行于本车的行驶方向的直线，所述第二纵向距离为所述目标车的车尾中点到所述第一直线的距离，所述第二横向距离为所述目标车的车尾中点到所述第二直线的距离；
获取将所述第一纵向距离和所述第一横向距离的比值作为正切值所对应的第一夹角；
获取将所述第二纵向距离和所述第二横向距离的比值作为正切值所对应的第二夹角；
采用所述人工势场法将所述障碍车作为对本车具有排斥力的障碍点，且将所述目标车作为对本车具有吸引力的目标点；
根据所述第一横向距离、所述第一纵向距离、所述第一夹角采用所述增强学习法确定本车相对于所述障碍车的第一动作控制参数；
根据所述第二横向距离、所述第二纵向距离、所述第二夹角采用所述增强学习法确定本车相对于所述目标车的第二动作控制参数，所述第一动作控制参数和所述第二动作控制参数包括车轮的转动角度；
根据所述第一动作控制参数、排斥比例因子、所述第二动作控制参数和吸引比例因子确定本车的目标角度，所述排斥比例因子与所述吸引比例因子之和为1；
根据所述目标角度确定方向盘的旋转角度；
根据所述目标角度和所述方向盘的旋转角度控制本车完成跟车动作或避障动作。
3.根据权利要求1所述的方法，其特征在于，所述确定本车的行驶模式，还包括：
当本车前方不存在障碍车且本车前方不存在目标车时，确定所述行驶模式为所述车道保持模式，或，当本车前方不存在目标车但本车前方存在障碍车时，检测所述第一纵向距离是否小于所述预设距离，当所述第一纵向距离不小于所述预设距离时，确定所述行驶模式为所述车道保持模式；
当本车前方不存在障碍车但本车前方存在目标车时，确定所述行驶模式为所述自主跟车模式，或，当本车前方存在障碍车且本车前方存在目标车时，检测所述第一纵向距离是否小于所述预设距离，当所述第一纵向距离不小于所述预设距离时，确定所述行驶模式为所述自主跟车模式；
当本车前方存在障碍车但本车前方不存在目标车时，检测所述第一纵向距离是否小于所述预设距离，当所述第一纵向距离小于所述预设距离时，确定所述行驶模式为智能避障模式。
4.根据权利要求2或3所述的方法，其特征在于，所述当所述行驶模式为所述车道保持模式、所述智能避障模式或所述自主跟车模式时，采用增强学习法对本车进行控制，包括：
当所述行驶模式为所述车道保持模式时，根据所述本车与车道线的距离采用所述增强学习法控制本车完成车道保持动作；
当所述行驶模式为所述自主跟车模式时，根据跟车距离和所述第二夹角采用所述增强学习法控制本车完成自主跟车动作；
当所述行驶模式为所述智能避障模式时，根据所述第一纵向距离和所述第一横向距离采用所述增强学习法控制本车完成避障动作。
5.一种车辆控制装置，其特征在于，所述装置包括：
确定单元，用于确定本车的行驶模式，所述行驶模式为车道保持模式、智能避障模式、自主跟车模式和跟车避障模式中的任一模式；
第一控制单元，用于在所述行驶模式为所述车道保持模式、所述智能避障模式或所述自主跟车模式时，采用增强学习法对本车进行控制，所述增强学习法表示本车通过学习选择的方式获得安全行驶的参考动作；
第二控制单元，用于在所述行驶模式为所述跟车避障模式时，采用人工势场法和所述增强学习法对本车进行控制；
其中，所述确定单元，包括：
第一检测模块，用于检测本车前方是否存在障碍车；
第二检测模块，用于检测本车前方是否存在目标车，所述目标车为本车完成跟车动作需要跟随的车辆；
第三检测模块，用于在本车前方存在障碍车且本车前方存在目标车时，检测本车与所述障碍车的第一纵向距离是否小于预设距离，所述第一纵向距离为所述障碍车的车尾中点到第一直线的距离，所述第一直线为经过本车的车头中点且垂直于本车的行驶方向的直线；
第一确定模块，用于在本车与所述障碍车的第一纵向距离小于所述预设距离时，确定所述行驶模式为所述跟车避障模式。
6.根据权利要求5所述的装置，其特征在于，所述第二控制单元，包括：
第四检测模块，用于检测本车相对于所述障碍车和所述目标车的位置信息，所述位置信息包括本车与所述障碍车的第一横向距离、本车与所述目标车的第二纵向距离、本车与所述目标车的第二横向距离，所述第一横向距离为所述障碍车的车尾中点到第二直线的距离，所述第二直线为经过本车的车头中点且平行于本车的行驶方向的直线，所述第二纵向距离为所述目标车的车尾中点到所述第一直线的距离，所述第二横向距离为所述目标车的车尾中点到所述第二直线的距离；
第一处理模块，用于获取将所述第一纵向距离和所述第一横向距离的比值作为正切值所对应的第一夹角；
第二处理模块，用于获取将所述第二纵向距离和所述第二横向距离的比值作为正切值所对应的第二夹角；
第三处理模块，用于采用所述人工势场法将所述障碍车作为对本车具有排斥力的障碍点，且将所述目标车作为对本车具有吸引力的目标点；
第二确定模块，用于根据所述第一横向距离、所述第一纵向距离、所述第一夹角采用所述增强学习法确定本车相对于所述障碍车的第一动作控制参数；
第三确定模块，用于根据所述第二横向距离、所述第二纵向距离、所述第二夹角采用所述增强学习法确定本车相对于所述目标车的第二动作控制参数，所述第一动作控制参数和所述第二动作控制参数包括车轮的转动角度；
第四确定模块，用于根据所述第一动作控制参数、排斥比例因子、所述第二动作控制参数和吸引比例因子确定本车的目标角度，所述排斥比例因子与所述吸引比例因子之和为1；
第五确定模块，用于根据所述目标角度确定方向盘的旋转角度；
第一控制模块，用于根据所述目标角度和所述方向盘的旋转角度控制本车完成跟车动作或避障动作。
7.根据权利要求5所述的装置，其特征在于，所述确定单元，还包括：
第六确定模块，用于在本车前方不存在障碍车且本车前方不存在目标车时，确定所述行驶模式为所述车道保持模式，或，在本车前方不存在目标车但本车前方存在障碍车时，检测所述第一纵向距离是否小于所述预设距离，在所述第一纵向距离不小于所述预设距离时，确定所述行驶模式为所述车道保持模式；
第七确定模块，用于在本车前方不存在障碍车但本车前方存在目标车时，确定所述行驶模式为所述自主跟车模式，或，在本车前方存在障碍车且本车前方存在目标车时，检测所述第一纵向距离是否小于所述预设距离，在所述第一纵向距离不小于所述预设距离时，确定所述行驶模式为所述自主跟车模式；
第八确定模块，用于在本车前方存在障碍车但本车前方不存在目标车时，检测所述第一纵向距离是否小于所述预设距离，在所述第一纵向距离小于所述预设距离时，确定所述行驶模式为智能避障模式。
8.根据权利要求6或7所述的装置，其特征在于，所述第一控制单元，包括：
第二控制模块，用于在所述行驶模式为所述车道保持模式时，根据所述本车与车道线的距离采用所述增强学习法控制本车完成车道保持动作；
第三控制模块，用于在所述行驶模式为所述自主跟车模式时，根据跟车距离和所述第二夹角采用所述增强学习法控制本车完成自主跟车动作；
第四控制模块，用于在所述行驶模式为所述智能避障模式时，根据所述第一纵向距离和所述第一横向距离采用所述增强学习法控制本车完成避障动作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510466574.2A CN105083278B (zh) | 2015-07-31 | 2015-07-31 | 车辆控制方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510466574.2A CN105083278B (zh) | 2015-07-31 | 2015-07-31 | 车辆控制方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105083278A CN105083278A (zh) | 2015-11-25 |
| CN105083278B true CN105083278B (zh) | 2017-08-04 |
Family
ID=54564849
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510466574.2A Active CN105083278B (zh) | 2015-07-31 | 2015-07-31 | 车辆控制方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105083278B (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105644548B (zh) * | 2015-12-28 | 2019-07-02 | 中国科学院深圳先进技术研究院 | 混合动力汽车的能量控制方法及装置 |
| WO2017148516A1 (en) * | 2016-03-03 | 2017-09-08 | Volvo Truck Corporation | A vehicle with autonomous driving capability |
| CN105857310A (zh) * | 2016-03-29 | 2016-08-17 | 谢奇 | 一种交通工具自主跟随方法和系统 |
| JP6583252B2 (ja) * | 2016-12-27 | 2019-10-02 | トヨタ自動車株式会社 | 運転支援装置 |
| CN106897354B (zh) * | 2016-12-30 | 2021-03-09 | 浙江宇视科技有限公司 | 一种数据跟随关系分析方法以及分析服务器 |
| CN106525063A (zh) * | 2017-01-11 | 2017-03-22 | 奇瑞汽车股份有限公司 | 一种自动驾驶汽车自主加油方法和智能车 |
| CN108596058A (zh) * | 2018-04-11 | 2018-09-28 | 西安电子科技大学 | 基于计算机视觉的行车障碍物测距方法 |
| CN109407662B (zh) * | 2018-08-31 | 2022-10-14 | 百度在线网络技术（北京）有限公司 | 无人驾驶车辆控制方法及装置 |
| CN109515437A (zh) * | 2018-09-10 | 2019-03-26 | 江苏大学 | 一种考虑前后车辆的acc车辆控制方法 |
| CN109398349A (zh) * | 2018-09-11 | 2019-03-01 | 同济大学 | 一种基于几何规划及强化学习的自动泊车方法及系统 |
| CN109947114B (zh) * | 2019-04-12 | 2022-03-15 | 南京华捷艾米软件科技有限公司 | 基于栅格地图的机器人全覆盖路径规划方法、装置及设备 |
| CN110108292B (zh) * | 2019-06-12 | 2020-03-27 | 山东师范大学 | 车辆导航路径规划方法、系统、设备及介质 |
| CN110356405B (zh) * | 2019-07-23 | 2021-02-02 | 桂林电子科技大学 | 车辆辅助行驶方法、装置、计算机设备及可读存储介质 |
| CN111273670B (zh) * | 2020-03-03 | 2024-03-15 | 大连海事大学 | 一种针对快速移动障碍物的无人艇避碰方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101778753A (zh) * | 2007-08-15 | 2010-07-14 | 沃尔沃技术公司 | 用于支持车辆的车道保持的操作方法和系统 |
| CN102897169A (zh) * | 2011-07-25 | 2013-01-30 | 通用汽车环球科技运作有限责任公司 | 通过差速制动的避免碰撞策略 |
| CN103440776A (zh) * | 2013-08-28 | 2013-12-11 | 浙江大学 | 一种基于无线通信网络的汽车行车辅助方法 |
| US8798841B1 (en) * | 2013-03-14 | 2014-08-05 | GM Global Technology Operations LLC | System and method for improving sensor visibility of vehicle in autonomous driving mode |
| CN104290745A (zh) * | 2014-10-28 | 2015-01-21 | 奇瑞汽车股份有限公司 | 车辆用半自动驾驶系统及其方法 |
| CN104395168A (zh) * | 2012-04-27 | 2015-03-04 | 谷歌公司 | 通过与其它车辆维持安全距离来在道路上安全地导航 |
| CN104487318A (zh) * | 2012-06-12 | 2015-04-01 | 斯堪尼亚商用车有限公司 | 用于车辆的车道保持辅助的方法和系统 |
| CN104520159A (zh) * | 2012-08-09 | 2015-04-15 | 宝马股份公司 | 用于在全自动车辆引导期间运行机动车的方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8457827B1 (en) * | 2012-03-15 | 2013-06-04 | Google Inc. | Modifying behavior of autonomous vehicle based on predicted behavior of other vehicles |
| SE538365C2 (sv) * | 2013-06-20 | 2016-05-31 | Scania Cv Ab | Tidseffektivt system och metod för stöd av filbyte med hänsyn till det egna fordonets framförande |
-
2015
- 2015-07-31 CN CN201510466574.2A patent/CN105083278B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101778753A (zh) * | 2007-08-15 | 2010-07-14 | 沃尔沃技术公司 | 用于支持车辆的车道保持的操作方法和系统 |
| CN102897169A (zh) * | 2011-07-25 | 2013-01-30 | 通用汽车环球科技运作有限责任公司 | 通过差速制动的避免碰撞策略 |
| CN104395168A (zh) * | 2012-04-27 | 2015-03-04 | 谷歌公司 | 通过与其它车辆维持安全距离来在道路上安全地导航 |
| CN104487318A (zh) * | 2012-06-12 | 2015-04-01 | 斯堪尼亚商用车有限公司 | 用于车辆的车道保持辅助的方法和系统 |
| CN104520159A (zh) * | 2012-08-09 | 2015-04-15 | 宝马股份公司 | 用于在全自动车辆引导期间运行机动车的方法 |
| US8798841B1 (en) * | 2013-03-14 | 2014-08-05 | GM Global Technology Operations LLC | System and method for improving sensor visibility of vehicle in autonomous driving mode |
| CN103440776A (zh) * | 2013-08-28 | 2013-12-11 | 浙江大学 | 一种基于无线通信网络的汽车行车辅助方法 |
| CN104290745A (zh) * | 2014-10-28 | 2015-01-21 | 奇瑞汽车股份有限公司 | 车辆用半自动驾驶系统及其方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105083278A (zh) | 2015-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105083278B (zh) | 车辆控制方法及装置 | |
| CN107264534B (zh) | 基于驾驶员经验模型的智能驾驶控制系统和方法、车辆 | |
| CN108327717B (zh) | 一种人机共驾的车道偏离辅助系统及其车道偏离辅助方法 | |
| CN105109482B (zh) | 停车入库方法及装置 | |
| CN105137970B (zh) | 车辆避障方法及装置 | |
| CN105128858B (zh) | 车辆避障超车方法及装置 | |
| EP3588226B1 (en) | Method and arrangement for generating control commands for an autonomous road vehicle | |
| CN105035085B (zh) | 自动跟车方法及装置 | |
| CN110187639A (zh) | 一种基于参数决策框架的轨迹规划控制方法 | |
| CN108415245B (zh) | 一种异质车联网条件下自主车队运行的容错控制方法 | |
| CN107331179A (zh) | 一种基于大数据云平台的经济性驾驶辅助系统及实现方法 | |
| CN109501799A (zh) | 一种车联网条件下的动态路径规划方法 | |
| CN105128856B (zh) | 停车入库方法及装置 | |
| CN114013443B (zh) | 一种基于分层强化学习的自动驾驶车辆换道决策控制方法 | |
| CN106828495A (zh) | 一种控制车辆行驶的方法及装置 | |
| CN109212973A (zh) | 一种基于强化学习的仿人智能控制的避障控制方法 | |
| CN108352117A (zh) | 车道维持控制装置 | |
| CN106525063A (zh) | 一种自动驾驶汽车自主加油方法和智能车 | |
| CN110320916A (zh) | 考虑乘员感受的自动驾驶汽车轨迹规划方法及系统 | |
| Mirchevska et al. | Reinforcement learning for autonomous maneuvering in highway scenarios | |
| US20200346664A1 (en) | Method for determining a driving instruction | |
| CN105109480A (zh) | 智能调头方法及装置 | |
| CN105109485A (zh) | 一种驾驶方法及系统 | |
| CN109955851A (zh) | 变换车道决策与轨迹规划方法 | |
| CN113022702B (zh) | 基于线控转向和博弈结果的智能网联汽车自适应避障系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220211 Address after: 241006 Anshan South Road, Wuhu Economic and Technological Development Zone, Anhui Province Patentee after: Wuhu Sambalion auto technology Co.,Ltd. Address before: 241006 Changchun Road, Wuhu economic and Technological Development Zone, Wuhu, Anhui, 8 Patentee before: CHERY AUTOMOBILE Co.,Ltd. |
|
| TR01 | Transfer of patent right |