CN109062213B - 一种基于修正比例导引的智能车自动驾驶的方法 - Google Patents
一种基于修正比例导引的智能车自动驾驶的方法 Download PDFInfo
- Publication number
- CN109062213B CN109062213B CN201810935019.3A CN201810935019A CN109062213B CN 109062213 B CN109062213 B CN 109062213B CN 201810935019 A CN201810935019 A CN 201810935019A CN 109062213 B CN109062213 B CN 109062213B
- Authority
- CN
- China
- Prior art keywords
- line
- vehicle
- intelligent vehicle
- automatic driving
- sight
- 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 48
- 238000012937 correction Methods 0.000 title claims abstract description 27
- 230000008859 change Effects 0.000 claims abstract description 12
- 238000006073 displacement reaction Methods 0.000 claims description 25
- 238000005259 measurement Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000004069 differentiation Effects 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 abstract description 6
- 230000004044 response Effects 0.000 abstract description 4
- 238000006243 chemical reaction Methods 0.000 abstract description 2
- 230000010355 oscillation Effects 0.000 abstract description 2
- 230000008030 elimination Effects 0.000 description 5
- 238000003379 elimination reaction Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0227—Control of position or course in two dimensions specially adapted to land vehicles using mechanical sensing means, e.g. for sensing treated area
- G05D1/0229—Control of position or course in two dimensions specially adapted to land vehicles using mechanical sensing means, e.g. for sensing treated area in combination with fixed guiding means
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明涉及一种基于修正比例导引的智能车自动驾驶的方法,该方法测量智能车偏离车道中心线的距离,然后估算该偏差距离的微分,在此基础上假想有一目标位于车道中心线并伴随智能车的运动而运动,采用比例导引法,计算该假想的视线角变化速率,再在此基础上进行修正,得到修正比例导引的视线角速率,最终采用上述比例导引的视线角速率与修正视线角速率形成自动驾驶规律,实现车辆沿车道线的自动驾驶。该方法巧妙设计较好地解决了车辆位置偏差与前轮转向角的角度折算问题,经实验表明该智能车自动导引方法在消除位置偏差上具有消除速度快,而且动态响应比较平滑,无明显波动与振荡情况,具有非常舒适的乘坐品质,能够广泛应用于各种无人驾驶车辆。
Description
技术领域
本发明属于自动驾与智能交通领域,尤其是涉及一种基于修正比例导引的智能车自动驾驶的方法。
背景技术
目前各种车辆自动驾驶技术在车辆与车道线中心偏差的测量技术上差别不大,但在位置偏差的消除上,各种方法百花齐放。其中绝大部分是采用基于被控车辆精确建模,分析其动力学与运动学特性,然后采用经典或现代自动控制技术来实现测向位置误差的消除。其中经典控制注意是采用误差的比例、积分、微分来形成闭环控制消除误差。而各种现代控制方法,如自适应控制主要被用于消除车辆模型建模的不确定性,滑模控制则用于提高车辆侧线位置误差消除的速度。此外,反演控制与神经网络控制、模糊控制、鲁棒控制等方法也被广泛应用于车辆自动驾驶。但以上方法均需要知道车辆的模型特点,而且测量上也希望越多的车辆状态被测量得越准确越好。而人类在驾驶汽车时主要是依靠视觉角度偏差与驾驶经验来消除偏差,相反汽车模型的精确数据,人类大脑无法掌握也无需掌握。因此本发明提出了一类新颖的类似于武器系统自动对准与自动导引方式的修正比例导引方法来消除智能车自动驾驶过程中的位置偏差,该方法完全不需要车辆模型的任何信号,仅需测量车辆位置偏差,而且通过实验表明,能够实现很好的车道线自动驾驶功能,同时自动驾驶的舒适性品质也非常高。
发明内容
本发明的目的是提供一种基于修正比例导引的智能车自动驾驶方法,解决了现有控制方法中必须依赖车辆模型的特点,要求车辆状态被测量的越精确越好的问题。该方法完全不需要车辆模型的任何信号,仅需测量车辆位置偏差,测量简单,提高自动驾驶的舒适性品质。
本发明的基于修正比例导引的智能车自动驾驶方法是通过以下技术方案实现的:
一种基于修正比例导引的智能车自动驾驶方法,其特殊之处在于:该方法采用位置传感器测量智能车偏离车道中心线的距离,然后采用数字微分与滤波器估算该偏差距离的微分,在此基础上假想有一目标位于车道中心线并伴随智能车的运动而运动,采用比例导引法,计算该假想的视线角变化速率,再在此基础上进行修正,得到修正比例导引的视线角速率,最终采用上述比例导引的视线角速率与修正视线角速率形成自动驾驶规律,实现车辆沿车道线的自动驾驶。
上述方法具体包括以下步骤:
步骤一:测量智能车与道路中心线的位置偏差并估算位置偏差微分
首先采用前后两保险杠上安装的位置传感器测量智能车辆横向位置相对道路中心线的位置偏差,把该偏差记作:ys;
ΔT:前后两次测量数据的时间间隔周期,
ys(n):当前时刻的车辆位置误差测量值,
ys(n-1):比当前时刻早一个采样周期所获得的车辆位置误差测量值;
最后将上述数字微分信号通过下面的低通滤波器,滤掉前面程序求导算法引入的高频噪声:
S:代表传递函数的微分算子;
微分算子在程序中表示求取信号的导数,也叫信号的一阶导数,即信号的变化速率;
Ta:表示滤波器的时间常数,大小可以根据需要调节;
步骤二:构建假想目标,设置其运动信息和智能车辆的运动信息
假设在智能车辆期望行使的道路中心线上,有一假想目标位于车道线上,它的侧向位移为记为zm,
侧向位移以垂直于当前道路中心线的方向为轴,与道路中心线的交点为原点,左为负,右为正,由于其位于车道线上,故记作zm=0;
而假想目标纵向位移记为xm,以智能车当前位置与车道线垂直方向的交点为原点,其坐标记作xm=xc+d,
其中xc:车辆的位移,
d:表示假想目标位于智能车辆前方的距离,d=vdt+d0,其中vd表示假想目标的速度,d0为假想目标与智能车辆最初的距离;
再设置智能车辆的位置,其侧线位移为记为zc,采用第一步中的测量真实值ys,车辆的纵向位移记为xc;
其中zc=ys,此时以小车位于车道线右为正,左为负;
xc按照如下公式设置,xc=vct,
其中t:表示时间,vc:表示智能车辆的速度;
步骤三:求解虚拟视线角速率
按照假想目标与智能车的位置定义假想视线角q,该假想视线角是以小车位置为坐标原点o,平行于车道线当前切线方向为x轴,垂直于y轴为z轴建立动坐标系xoz,虚拟目标与车辆两点位置连线在所建坐标系中与x轴的夹角即为q;其中q的定义为在此无需计算q值,因为最终智能车辆自动驾驶规律中无需用到视线角,而只用视线角的导数;
而Δx定义为假想目标与智能车辆两点距离在x轴的分量,即Δx=xm-xc,Δz定义为假想目标与智能车辆两点在z轴的分量,即Δz=zm-zc。
步骤四:求解基于修正比例导引的实现角导数计算方法
在上一步虚拟视线角的求取基础上,设计修正比例导引率,即设计
步骤五:构建基于修正比例导引的自动驾驶规律
在步骤三和步骤四的基础上,构建最终的智能车辆自动驾驶规律为
再考虑叠加抗饱和因子,最终的自动驾驶规律设计为
其中参数k1、k2、k3、k4与ε为常数;
步骤六:参数调试并最终确定智能车辆自动驾驶规律
通过多次精选调试上述自动驾驶规律中的各项参数,最终确定智能车辆的自动驾驶规律与全部参数。
本发明的巧妙设计较好地解决了车辆位置偏差与前轮转向角的角度折算问题,经实验表明该智能车自动导引方法在消除位置偏差上具有消除速度快,而且动态响应比较平滑,无明显波动与振荡情况,因此具有非常舒适的乘坐品质,能够广泛应用于无人货车、无人驾驶小汽车以及无人驾驶公交车中。本发明不仅具有较好的理论创新新,而且具有很好的工程实用价值。
附图说明
图1:本发明基于修正比例导引的智能车自动驾驶方法的原理框图;
图2:本发明提供案例1的车辆位置误差消除曲线;
图3:本发明提供案例1的车辆前轮转角;
图4:本发明提供案例1的假想视线角曲线;
图5:本发明提供案例1的假想视线角速率曲线;
图6:本发明提供案例1的修正后的视线角速率曲线;
图7:本发明提供案例2的车辆位置误差消除曲线;
图8:本发明提供案例2的车辆前轮转角;
图9:本发明提供案例2的假想视线角曲线;
图10:本发明提供案例2的假想视线角速率曲线;
图11:本发明提供案例2的修正后的视线角速率曲线。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1。一种基于修正比例导引的智能车自动驾驶方法,该方法采用位置传感器测量智能车偏离车道中心线的距离,然后采用数字微分技术与滤波器估算该偏差距离的微分,在此基础上假想有一目标位于车道中心线并伴随智能车的运动而运动,采用比例导引法,计算该假想的视线角变化速率,再在此基础上进行修正,得到修正比例导引的视线角速率,最终采用上述比例导引的视线角速率与修正视线角速率形成自动驾驶规律,实现车辆沿车道线的自动驾驶,其原理参照图1。
上述方法具体包括以下步骤:
步骤一:测量智能车与道路中心线的位置偏差并估算位置偏差微分
首先采用前后两保险杠上安装的位置传感器测量智能车辆横向位置相对道路中心线的位置偏差,把该偏差记作ys;
ΔT为前后两次测量数据的时间间隔周期,ΔT=0.001,ys(n)表示当前时刻的车辆位置误差测量值,ys(n-1)表示比当前时刻早一个采样周期所获得的车辆位置误差测量值;
最后将上述数字微分信号通过下面的低通滤波器,滤掉前面程序求导算法引入的高频噪声;
步骤二:构建假想目标,设置其运动信息和智能车辆的运动信息
假设在智能车辆期望行使的道路中心线上,有一假想目标位于车道线上,它的侧向位移为记为zm,以垂直于当前道路中心线的方向为轴,与道路中心线的交点为原点,左为负,右为正;
由于其位于车道线上,故记作zm=0;
而假想目标纵向位移记为xm,以智能车当前位置与车道线垂直方向的交点为原点,其坐标记作xm=xc+d,其中xc为车辆的位移,d表示假想目标位于智能车辆前方的距离,d设计为d=vdt+d0,其中:vd=0,d0=25;
再设置智能车辆的位置,其侧线位移为记为zc,采用第一步中的测量真实值ys,车辆的纵向位移记为xc;
其中zc采用,即zc=ys,此时以小车位于车道线右为正,左为负;
xc按照如下公式设置,xc=vct,其中:t表示时间、单位s,vc=100m/s;
xc此处参数的选取会改变假想目标的运动状态,从而会影响假想视线角速率的生成,最终会影响车辆自动驾驶过程的动态响应速度;
xc步骤三:求解虚拟视线角速率
按照假想目标与智能车的位置定义假想视线角q,该假想视线角是以小车位置为坐标原点o,平行于车道线当前切线方向为x轴,垂直于y轴为z轴建立动坐标系xoz,虚拟目标与车辆两点位置连线在所建坐标系中与x轴的夹角即为q;其中q的定义为在此无需计算q值,因为最终智能车辆自动驾驶规律中无需用到视线角,而只用视线角的导数;
而Δx定义为假想目标与智能车辆两点距离在x轴的分量,即Δx=xm-xc,Δz定义为假想目标与智能车辆两点在z轴的分量,即Δz=zm-zc。
步骤四:求解基于修正比例导引的实现角导数计算方法
在上一步虚拟视线角的求取基础上,设计修正比例导引率,即设计
此时的修正即引入c1=5、c2=2,与va=50.这三个参数,用来调节自动驾驶规律.同时也使得该设计比比例导引更灵活,因为有更多的参数可以自由设计;
所述步骤三和步骤四为比例导引法
步骤五:构建基于修正比例导引的自动驾驶规律
在步骤三和步骤四的基础上,构建最终的智能车辆自动驾驶规律为
再考虑叠加抗饱和因子,最终的自动驾驶规律设计为
其中参数k1=-1、k2=-2、k3=1、k4=3/57.3与ε=0.2;
步骤六:参数调试并最终确定智能车辆自动驾驶规律
通过多次精选调试上述自动驾驶规律中的各项参数,最终确定智能车辆的自动驾驶规律与全部参数;
以上述控制参数得到案例1进行实验,最终得到的车辆自动驾驶实验结果如图2、图3、图4、图5与图6所示。
由图2可以看出,最终的位置误差消除非常平稳,而且消除速度很快,因此该方法具有很好的控制效果。
实施例2。一种基于修正比例导引的智能车自动驾驶方法,该方法采用位置传感器测量智能车偏离车道中心线的距离,然后采用数字微分技术与滤波器估算该偏差距离的微分,在此基础上假想有一目标位于车道中心线并伴随智能车的运动而运动,采用比例导引法,计算该假想的视线角变化速率,再在此基础上进行修正,得到修正比例导引的视线角速率,最终采用上述比例导引的视线角速率与修正视线角速率形成自动驾驶规律,实现车辆沿车道线的自动驾驶,其原理参照图1。
上述方法具体包括以下步骤:
步骤一:测量智能车与道路中心线的位置偏差并估算位置偏差微分
首先采用前后两保险杠上安装的位置传感器测量智能车辆横向位置相对道路中心线的位置偏差,把该偏差记作ys;
ΔT为前后两次测量数据的时间间隔周期,ΔT=0.001,ys(n)表示当前时刻的车辆位置误差测量值,ys(n-1)表示比当前时刻早一个采样周期所获得的车辆位置误差测量值;
最后将上述数字微分信号通过下面的低通滤波器,滤掉前面程序求导算法引入的高频噪声:
步骤二:构建假想目标,设置其运动信息和智能车辆的运动信息
假设在智能车辆期望行使的道路中心线上,有一假想目标位于车道线上,它的侧向位移为记为zm,以垂直于当前道路中心线的方向为轴,与道路中心线的交点为原点,左为负,右为正;
由于其位于车道线上,故记作zm=0;
而假想目标纵向位移记为xm,以智能车当前位置与车道线垂直方向的交点为原点,其坐标记作xm=xc+d,其中xc为车辆的位移,d表示假想目标位于智能车辆前方的距离,d设计为d=vdt+d0,其中:vd=0,d0=25;
再设置智能车辆的位置,其侧线位移为记为zc,采用第一步中的测量真实值ys,车辆的纵向位移记为xc;
其中zc采用,即zc=ys,此时以小车位于车道线右为正,左为负;
xc按照如下公式设置,xc=vct,其中t表示时间;vc=100;
步骤三:求解虚拟视线角速率
按照假想目标与智能车的位置定义假想视线角q,该假想视线角是以小车位置为坐标原点o,平行于车道线当前切线方向为x轴,垂直于y轴为z轴建立动坐标系xoz,虚拟目标与车辆两点位置连线在所建坐标系中与x轴的夹角即为q;其中q的定义为在此无需计算q值,因为最终智能车辆自动驾驶规律中无需用到视线角,而只用视线角的导数;
而Δx定义为假想目标与智能车辆两点距离在x轴的分量,即Δx=xm-xc,Δz定义为假想目标与智能车辆两点在z轴的分量,即Δz=zm-zc。
步骤四:求解基于修正比例导引的实现角导数计算方法
在上一步虚拟视线角的求取基础上,设计修正比例导引率,即设计
步骤五:构建基于修正比例导引的自动驾驶规律
在步骤三和步骤四的基础上,构建最终的智能车辆自动驾驶规律为
再考虑叠加抗饱和因子,最终的自动驾驶规律设计为
其中参数k1=-3、k2=-12、k3=1、k4=2/57.3与ε=0.5;
步骤六:参数调试并最终确定智能车辆自动驾驶规律
通过多次精选调试上述自动驾驶规律中的各项参数,最终确定智能车辆的自动驾驶规律与全部参数。
由上述案例2进行实验,最终得到的自动驾驶效果如图7、图8、图9、图10以及图11所示。由实验结果可以看出:该组参数效果比案例1更好,因为其误差消除的速度更快,而且整个动态响应仍然非常平稳,因此最终选定案例二参数为本方法的最终参数。
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 (1)
1.一种基于修正比例导引的智能车自动驾驶方法,其特征在于:该方法采用位置传感器测量智能车辆相对道路中心线的位置偏差,然后采用数字微分与滤波器估算该位置偏差的微分,在此基础上假想有一目标位于车道中心线并伴随智能车的运动而运动,采用比例导引法,计算该假想的视线角变化速率,再在此基础上进行修正,得到修正比例导引的视线角速率,最终采用上述比例导引的视线角速率与修正视线角速率形成自动驾驶规律,实现车辆沿车道线的自动驾驶;
包括以下步骤:
步骤一:测量智能车与道路中心线的位置偏差并估算位置偏差微分
首先采用前后两保险杠上安装的位置传感器测量智能车辆横向位置相对道路中心线的位置偏差,把该偏差记作:ys;
△T为前后两次测量数据的时间间隔周期;
最后将上述数字微分信号通过低通滤波器,滤掉前面求导算法引入的高频噪声:
Ta为滤波时间常数,
S代表传递函数的微分算子,微分算子表示求取信号的导数,也叫信号的一阶导数,即信号的变化速率;
步骤二:构建假想目标,设置其运动信息和智能车辆的运动信息
假设在智能车辆期望行使的道路中心线上,有一假想目标位于车道线上,它的侧向位移为记为zm,
侧向位移以垂直于当前道路中心线的方向为轴,与道路中心线的交点为原点,左为负,右为正,由于其位于车道线上,故记作zm=0;
而假想目标纵向位移记为xm,以智能车当前位置与车道线垂直方向的交点为原点,其坐标记作xm=xc+d,
其中xc:车辆的位移,
d:表示假想目标位于智能车辆前方的距离,d=vdt+d0,其中vd表示假想目标的速度,d0为假想目标与智能车辆最初的距离;
再设置智能车辆的位置,其侧线位移为记为zc,采用步骤一中的测量真实值ys,车辆的纵向位移记为xc;
其中zc=ys,此时以小车位于车道线右为正,左为负;
xc按照如下公式设置,xc=vct,
其中t:表示时间,vc:表示智能车辆的速度;
步骤三:求解虚拟视线角速率
按照假想目标与智能车的位置定义假想视线角q,该假想视线角是以小车位置为坐标原点o,平行于车道线当前切线方向为x轴,垂直于y轴为z轴建立动坐标系xoz,虚拟目标与车辆两点位置连线在所建坐标系中与x轴的夹角即为q;其中q的定义为在此无需计算q值;
而△x定义为假想目标与智能车辆两点距离在x轴的分量,即△x=xm-xc,△z定义为假想目标与智能车辆两点在z轴的分量,即△z=zm-zc;
步骤四:求解基于修正比例导引的视线角导数计算方法
在上一步虚拟视线角的求取基础上,设计修正比例导引率,即设计
步骤五:构建基于修正比例导引的自动驾驶规律
在步骤三和步骤四的基础上,构建未考虑饱和因素的智能车辆自动驾驶规律为
δa为未考虑饱和因素的智能车辆的车轮转角指令信号;再考虑叠加抗饱和因子,其自动驾驶规律设计为
其中参数k1、k2、k3、k4与ε为常数;
δ为叠加抗饱和因子的智能车辆的车轮转角指令信号;
步骤六:参数调试并最终确定智能车辆自动驾驶规律
通过多次精选调试上述自动驾驶规律中的各项参数,最终确定智能车辆的自动驾驶规律与全部参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810935019.3A CN109062213B (zh) | 2018-08-16 | 2018-08-16 | 一种基于修正比例导引的智能车自动驾驶的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810935019.3A CN109062213B (zh) | 2018-08-16 | 2018-08-16 | 一种基于修正比例导引的智能车自动驾驶的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109062213A CN109062213A (zh) | 2018-12-21 |
CN109062213B true CN109062213B (zh) | 2021-03-05 |
Family
ID=64686184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810935019.3A Active CN109062213B (zh) | 2018-08-16 | 2018-08-16 | 一种基于修正比例导引的智能车自动驾驶的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109062213B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110196062B (zh) * | 2019-06-27 | 2022-03-25 | 成都圭目机器人有限公司 | 一种单相机跟踪车道线的导航方法 |
CN113741456A (zh) * | 2021-09-02 | 2021-12-03 | 乐聚(深圳)机器人技术有限公司 | 机器人路径目标点跟踪方法、装置、电子设备及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3863303B2 (ja) * | 1998-10-19 | 2006-12-27 | 住友重機械工業株式会社 | 移動体の位置計測装置 |
US20170115126A1 (en) * | 2015-10-27 | 2017-04-27 | Orlando McMaster | Smart vehicle navigation and tracking system |
CN107121980B (zh) * | 2017-03-17 | 2019-07-09 | 北京理工大学 | 一种基于虚拟约束的自动驾驶车辆路径规划方法 |
CN106873599A (zh) * | 2017-03-31 | 2017-06-20 | 深圳市靖洲科技有限公司 | 基于蚁群算法和极坐标变换的无人自行车路径规划方法 |
CN107797534B (zh) * | 2017-09-30 | 2019-05-28 | 安徽江淮汽车集团股份有限公司 | 一种纯电动自动驾驶系统 |
CN107544520B (zh) * | 2017-10-25 | 2020-09-01 | 上海联适导航技术有限公司 | 一种用于四轮载具自动驾驶的控制方法 |
-
2018
- 2018-08-16 CN CN201810935019.3A patent/CN109062213B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109062213A (zh) | 2018-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112733270A (zh) | 车辆行驶轨迹预测和轨迹偏离危险度评估的系统与方法 | |
CN107415939B (zh) | 一种分布式驱动电动汽车转向稳定性控制方法 | |
CN109131325B (zh) | 智能驾驶汽车的三维可拓预瞄切换的车道保持控制方法 | |
CN107831761A (zh) | 一种智能车的路径跟踪控制方法 | |
CN109885883A (zh) | 一种基于gk聚类算法模型预测的无人车横向运动的控制方法 | |
CN105292116A (zh) | 自动驾驶车辆的车道变换路径规划算法 | |
CN110861651B (zh) | 一种前车纵侧向运动状态估计方法 | |
CN105667592A (zh) | 用于保持车道的车辆转向控制装置及方法 | |
CN103279675B (zh) | 轮胎-路面附着系数与轮胎侧偏角的估计方法 | |
CN109062213B (zh) | 一种基于修正比例导引的智能车自动驾驶的方法 | |
CN112298354B (zh) | 一种无人驾驶汽车转向系统方向盘与前轮转角的状态估计方法 | |
CN111158379B (zh) | 一种方向盘零偏自学习的无人车轨迹跟踪方法 | |
JP2016029559A (ja) | 移動体制御装置 | |
CN107796387A (zh) | 定位方法、定位装置和电子设备 | |
CN113467231A (zh) | 基于侧滑补偿ilos制导律的无人艇路径跟踪方法 | |
CN114942642A (zh) | 一种无人驾驶汽车轨迹规划方法 | |
CN113682282A (zh) | 一种车辆稳定性控制方法、系统、车辆和存储介质 | |
KR20200017571A (ko) | 자율주행 차량을 위한 횡방향 제어 파라미터 보정 장치 및 방법 | |
CN113311845B (zh) | 基于路径曲率的纯跟踪控制误差补偿方法及装置 | |
CN107856733B (zh) | 一种面向人机和谐的汽车躲避动障碍物控制方法 | |
Chen et al. | Nonlinear model predictive control of autonomous vehicles considering dynamic stability constraints | |
CN111661048B (zh) | 多铰接式车辆及其轨迹跟随控制方法与系统 | |
Solmaz et al. | A nonlinear sideslip observer design methodology for automotive vehicles based on a rational tire model | |
CN116820081A (zh) | 基于无模型自适应滑模的欠驱动无人艇路径跟踪控制方法 | |
LeBlanc et al. | A warning and intervention system to prevent road-departure accidents |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |