CN110065493B - 行驶基准线确定装置和自动驾驶装置 - Google Patents
行驶基准线确定装置和自动驾驶装置 Download PDFInfo
- Publication number
- CN110065493B CN110065493B CN201811453197.9A CN201811453197A CN110065493B CN 110065493 B CN110065493 B CN 110065493B CN 201811453197 A CN201811453197 A CN 201811453197A CN 110065493 B CN110065493 B CN 110065493B
- Authority
- CN
- China
- Prior art keywords
- value
- travel
- line
- reference line
- host vehicle
- 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
Images
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
- B60W30/10—Path 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
-
- 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
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0031—Mathematical model of the vehicle
Abstract
本发明提供一种行驶基准线确定装置和自动驾驶装置,即使在难以获取表示本车辆的行驶道路环境的信息的条件下,也能够适当地确定本车辆的行驶基准线。自动驾驶装置(1)的ECU(2)使用图4的图表计算模型y坐标值(ymw_i)(步骤12),使用行驶道路环境数据(D_info)计算推定y坐标值(y_i)(步骤11),以模型y坐标值(ymw_i)和推定y坐标值(y_i)的误差成为最小的方式计算曲率(C)(步骤18),使用曲率(C)计算行驶轨迹(Xf)(步骤4),使用行驶轨迹(Xf)执行自动驾驶控制(步骤31~33)。
Description
技术领域
本发明涉及一种确定本车辆的未来的行驶轨迹、行驶道路的边界线和行驶车道的边界线中的任意一种、即行驶基准线的行驶基准线确定装置和自动驾驶装置。
背景技术
在现有技术中,作为车辆控制装置已知一种专利文献1中记载的装置。该车辆控制装置为执行操舵辅助控制的装置,并具有立体相机。在该车辆控制装置中,通过使用立体相机的立体匹配方法,获取距离信息,并根据该距离信息按照如下方式计算车辆的行进方向上的车道划分线。
即,以本车辆的位置作为基准,规定以行进方向为x轴、以横向为y轴的二维坐标系,并使用二次曲线来近似车道划分线,并且对构成距离信息中的车道划分线的数据组适用最小二乘法,通过确定近似出的二次曲线的模型参数来计算车道划分线。然后,使用计算出的车道划分线,执行操舵辅助控制。
【现有技术文献】
【专利文献】
专利文献1:日本发明专利公开公报特开2017-137001号
发明内容
【发明要解决的技术问题】
在近年来的执行车辆的自动驾驶的自动驾驶装置的情况下,在弯路上行驶时,一般使用上述专利文献1的车道划分线的计算方法来确定行驶轨迹。但是,在专利文献1的计算方法的情况下,由于使用二次曲线来近似车道划分线、即行驶轨迹,使用最小二乘法确定该模型参数的关系,因此,存在无法适当地设定二次曲线的顶点,结果无法适当计算行驶轨迹的问题。
例如,根据距离信息等表示行驶道路环境的信息的状态,有时近似二次曲线的行驶轨迹以后述的图13的由实线表示的状态被计算出来,较大偏离本车辆本来应行驶的适当的行驶轨迹(由图中的虚线表示的曲线)。其结果,由于本车辆要沿着近似二次曲线的行驶轨迹行驶,因此,本车辆可能会按照暂时在右侧行驶后反过来向左侧行驶这样的不适当且不稳定的轨迹行驶。
另外,在表示行驶道路环境的信息的获取程度降低的条件下,例如在雾、雨和雪等恶劣天气的条件下、或者水洼和背阴等难以判断路面自身的条件下,有时近似二次曲线的行驶轨迹例如以后述的图14的实线所示的状态计算出,在这种情况下,有导致本车辆不能行驶而停止的可能性。
本发明是为了解决上述技术问题而做出的,目的在于提供一种即使在难以获取表示本车辆的行驶道路环境的信息的条件下,也能够适当地确定本车辆的行驶基准线的行驶基准线确定装置和自动驾驶装置。
【用于解决技术问题的方式】
为了达成上述目的,本发明为一种行驶基准线确定装置(1),其确定成为本车辆(3)行驶时的基准的行驶基准线(行驶轨迹Xf、左右的边界线LL、LR),其特征在于,具有:线模型值计算机构(ECU2、模型y坐标值计算部11),其使用将行驶基准线模型化的行驶基准线模型(图4),计算表示行驶基准线的延伸形态的线模型值(模型y坐标值ymw_i);行驶道路环境数据获取机构(行驶道路环境检测装置4),其获取表示包含本车辆(3)的行驶道路的行驶道路环境的行驶道路环境数据(D_info);线推定值计算机构(ECU2、推定行驶道路位置计算部10),其使用行驶道路环境数据(D_info)计算表示行驶基准线的延伸形态的线推定值(推定y坐标值y_i);圆弧规定参数计算机构(ECU2、评价函数值计算部12、曲率计算部30),其以线模型值(模型y坐标值ymw_i)和线推定值(推定y坐标值y_i)的误差成为最小的方式计算规定圆弧的圆弧规定参数(曲率C);行驶基准线确定机构(ECU2、行驶轨迹计算部40),其使用圆弧规定参数(曲率C)将行驶基准线(行驶轨迹Xf、左右的边界线LL、LR)确定为圆弧状,行驶基准线模型为在输入中包含圆弧规定参数(曲率C),且以线模型值(模型y坐标值ymw_i)为输出的模型,线模型值计算机构使用通过圆弧规定参数计算机构计算出的圆弧规定参数(曲率C)和行驶基准线模型,计算线模型值(模型y坐标值ymw_i)。
根据该行驶基准线确定装置,以线模型值和线推定值的误差成为最小的方式计算规定圆弧的圆弧规定参数,使用圆弧规定参数将行驶基准线确定为圆弧状。在这种情况下,由于线推定值是使用表示包含本车辆的行驶道路的行驶道路环境的行驶道路环境数据而计算的,因此,在难以获取本车辆的行驶道路环境的实际状态的条件下,例如雾、雨和雪等恶劣天气时,以及水洼和背阴等难以判断路面自身的条件下,该计算精度有可能下降。与此相对,由于线模型值是使用将行驶基准线模型化的行驶基准线模型而计算的,即使在难以获取上述那样的行驶道路环境的实际状态时,也能够不受到该影响而进行计算。并且,行驶基准线模型是在输入中包含圆弧规定参数,且以线模型值为输出的模型,使用上述的以行驶基准线模型、线模型值和线推定值的误差成为最小的方式计算出的圆弧规定参数,计算线模型值,因此,随着运算的进行,以线模型值与线推定值的误差成为最小的方式边修正边计算线模型值。其结果,能够使通过圆弧规定参数规定的圆弧、即圆弧状的行驶基准线适当地拟合于线推定值的延伸形态。据此,即使在难以获取表示行驶道路环境的信息的条件下,也能够在抑制其影响的同时,高精度地将本车辆行驶时的行驶基准线确定为圆弧状。
在本发明中优选,行驶基准线为本车辆(3)的未来的行驶轨迹(Xf),线模型值计算机构以线模型值的延伸形态在本车辆(3)的行进方向上排列,并且至少通过在确定未来的行驶轨迹(Xf)时的本车辆(3)的存在范围的方式计算未来的行驶轨迹(Xf)的线模型值(模型y坐标值ymw_i)。
根据该行驶基准线确定装置,未来的行驶轨迹的线模型值以使线模型值的延伸形态在本车辆的行进方向上排列,并且至少通过在确定未来的行驶轨迹时的本车辆的存在范围的方式被计算出,因此,能够以不偏离在确定未来的行驶轨迹时的本车辆的存在范围的方式确定本车辆的未来的行驶轨迹。据此,例如,在使本车辆按该行驶轨迹行驶的情况下,能够避免本车辆以不稳定的行为行驶,并且能够确保稳定的行驶状态。
在本发明中优选,行驶基准线为本车辆(3)的行驶道路和本车辆(3)的行驶车道中的一方的边界线(LL、LR),线模型值计算机构以使线模型值的切线在确定一方的边界线时的本车辆(3)的侧方与本车辆(3)的中心线平行的方式计算一方的边界线的线模型值。
根据该行驶基准线确定装置,本车辆的行驶道路和本车辆的行驶车道中的一方的边界线的线模型值以使其切线在确定一方的边界线时的本车辆的侧方与本车辆的中心线平行的方式被计算出,因此,能够边避免发生一方的边界线与本车辆重叠的状态,边适当地确定一方的边界线。据此,例如,在使用该一方的边界线控制本车辆的行驶状态的情况下,能够避免本车辆以不稳定的行为行驶,从而能够确保稳定的行驶状态。
在本发明中优选,圆弧规定参数计算机构使用在从过去至现在的期间计算出的多个线推定值(推定y坐标值y_i),来计算圆弧规定参数(曲率C)。
根据该行驶基准线确定装置,使用在从过去至现在期间计算出的多个线推定值,来计算圆弧规定参数,因此,即使在获取行驶道路环境数据时的误差暂时剧增,并且线推定值的计算误差暂时剧增的条件下,也能够在抑制该影响的同时,稳定且高精度地计算圆弧规定参数,而能够高精度地确定行驶基准线。
本发明优选,圆弧规定参数计算机构对包含圆弧规定参数(曲率C)的值(信号附加曲率Cw)发生变化时的误差的变化方向进行评价,并且基于该评价结果计算圆弧规定参数(曲率C)。
作为以使误差最小的方式计算参数的方法,一般使用评价函数值的极值探索算法,在这样的极值探索算法中,需要预先设定/确定评价函数值的斜率的特性。但是,在本车辆边转弯边行驶的条件下,难以预先设定/确定上述那样的评价函数值的斜率的特性,其结果,无法使用一般的极值探索算法。与此相对,根据该行驶基准线确定装置,评价包含圆弧规定参数的值发生变化时的误差的变化方向,并且基于评价结果计算圆弧规定参数,因此,即使在本车辆边转弯边行驶那样的、无法预先设定/确定评价函数值的斜率的特性的条件下,也能够以使行驶基准线的线模型值和线推定值的误差成为最小的方式计算圆弧规定参数,从而能够高精度地确定行驶基准线。
在本发明中优选,行驶基准线模型构成为如下模型:在输入中包含在圆弧规定参数(曲率C)上附加了规定的参照信号值(w)的信号附加参数(信号附加曲率Cw),且以线模型值(模型y坐标值ymw_i)为输出,圆弧规定参数计算机构具有:评价函数值计算机构(ECU2、评价函数值计算部12),其计算评价误差的评价函数值(J);变动成分提取机构(ECU2、洗出滤波器31),其提取该评价函数值(J)的变动成分;和相关值计算机构(ECU2、移动平均滤波器34),其通过对将该变动成分和规定的参照信号值相乘的乘积值(中间值Pc)实施规定的滤波处理,从而计算在误差最小时成为值0的相关值(移动平均值Pmav),以该相关值成为值0的方式,计算圆弧规定参数(曲率C)。
根据该行驶基准线确定装置,计算评价误差的评价函数值,通过对将提取评价函数值的变动成分的变动成分和参照信号值相乘的乘积值实施规定的滤波处理,计算在误差最小时成为值0的相关值,并且,以该相关值成为值0的方式,计算圆弧规定参数。如此,无需预先设定/确定评价函数值的斜率的特性,就能够以行驶基准线的线模型值和线推定值的误差成为最小的方式计算圆弧规定参数,因此,即使在本车辆边转弯边行驶那样的、无法预先设定/确定评价函数值的斜率的特性的条件下,也能够高精度地计算圆弧规定参数,从而能够高精度地确定行驶基准线。
本发明的自动驾驶装置,其特征在于,具有上述任意一项的行驶基准线确定装置,使用通过行驶基准线确定装置(1)确定的行驶基准线(Xf)控制本车辆(3)的行驶状态(步骤31~33)。
根据该自动驾驶装置,如上所述,即使在难以获取本车辆的实际的行驶道路环境的条件下,也能够在抑制该影响的同时,高精度地确定行驶基准线,因此,能够使用这样的行驶基准线高精度地控制本车辆的行驶状态,而能够提高该控制精度。
附图说明
图1是示意性地表示本发明的一实施方式所涉及的行驶基准线确定装置和自动驾驶装置、以及适用行驶基准线确定装置和自动驾驶装置的车辆的结构的图。
图2是表示自动驾驶装置的功能性结构的框图。
图3是表示行驶位置计算部进行的行驶位置的计算例的图。
图4是表示在模型y坐标值ymw的计算所使用的图表的一例的图。
图5是表示模型y坐标值ymw的计算例的图。
图6是用于说明评价函数值J和信号附加曲率Cw之间的关系的图。
图7是用于说明移动平均值Pmav和信号附加曲率Cw之间的关系的图。
图8是表示行驶轨迹计算处理的流程图。
图9是表示曲率计算处理的流程图。
图10是表示自动驾驶控制处理的流程图。
图11是表示本发明的行驶轨迹Xf的确定结果的一例的图。
图12是表示本发明的行驶轨迹Xf的确定结果的另一例的图。
图13是表示使用现有技术方法的行驶轨迹的确定结果的一例的图。
图14是表示使用现有技术方法的行驶轨迹的确定结果的另一例的图。
图15是用于说明行驶轨迹Xf的确定方法的变形例的图。
图16是用于说明行驶车道的左侧边界线的确定方法的图。
图17是用于说明行驶车道的右侧边界线的确定方法的图。
【附图标记说明】
1:自动驾驶装置、行驶基准线确定装置;2:ECU(线模型值计算机构、线推定值计算机构、圆弧规定参数计算机构、行驶基准线确定机构、评价函数值计算机构、变动成分提取机构、相关值计算机构);3:本车辆;4:行驶道路环境检测装置(行驶道路环境数据获取机构);10:推定行驶道路位置计算部(线推定值计算机构);11:模型y坐标值计算部(线模型值计算机构);12:评价函数值计算部(圆弧规定参数计算机构、评价函数值计算机构);30:曲率计算部(圆弧规定参数计算机构);31:洗出滤波器(变动成分提取机构);34:移动平均滤波器(相关值计算机构);40:行驶轨迹计算部(行驶基准线确定机构);Xf:行驶轨迹(行驶基准线);ymw_i:模型y坐标值(线模型值);D_info:行驶道路环境数据;y_i:推定y坐标值(线推定值);C:曲率(圆弧规定参数);Cw:信号附加曲率(包含圆弧规定参数的值、信号附加参数);w:规定的参照信号值;J:评价函数值;Pc:中间值(乘积值);Pmav:移动平均值(相关值);LL:左边界线(行驶基准线);LR:右边界线(行驶基准线)。
具体实施方式
下面边参照图面边对本发明的一实施方式所涉及的行驶基准线确定装置和驾驶控制装置进行说明。此外,本实施方式的自动驾驶装置也兼用作行驶基准线确定装置,因此,在下面的说明中,对自动驾驶装置进行说明,并且,还在其中对行驶基准线确定装置的功能和结构进行说明。
如图1所示,该自动驾驶装置1是适用于四轮车辆3的装置,具有ECU2。此外,在以下的说明中,将具有该自动驾驶装置1的车辆3称为“本车辆3”。
在该ECU2上电连接有行驶环境检测装置4、原动机5和执行机构6。该行驶环境检测装置4(行驶道路环境数据获取机构)由相机、毫米波雷达、激光雷达、声呐、GPS和各种传感器等构成,将表示本车辆3的位置和本车辆3的行进方向的行驶道路环境(交通环境、交通参与者等)的行驶道路环境数据D_info向ECU2输出。
如后述那样,ECU2基于来自该行驶环境检测装置4的行驶道路环境数据D_info,识别本车辆3的位置和本车辆3周边的行驶道路环境等,确定作为行驶基准线的本车辆3的未来的行驶轨迹。
原动机5例如由电动马达等构成,如后述那样,在确定了本车辆3的未来的行驶轨迹时,通过ECU2控制原动机5的输出,以使本车辆3按该行驶轨迹行驶。
另外,执行机构6由制动用执行机构和操舵用执行机构等构成,如后述那样,在确定了本车辆3的未来的行驶轨迹时,通过ECU2控制执行机构6的动作,以使本车辆3按该行驶轨迹行驶。
另一方面,ECU2由微型计算机构成,所述微型计算机由CPU、RAM、ROM、E2PROM、I/O接口和各种电气电路(均未图示)等构成。如后述那样,ECU2基于来自上述的行驶环境检测装置4的行驶道路环境数据D_info等,执行行驶轨迹计算处理、自动驾驶控制处理等。
此外,在本实施方式中,ECU2相当于线模型值计算机构、线推定值计算机构、圆弧规定参数计算机构、行驶基准线确定机构、评价函数值计算机构、变动成分提取机构和相关值计算机构。
接着,边参照图2边对本实施方式的自动驾驶装置1的功能性结构进行说明。该自动驾驶装置1是通过以下说明的计算算法,计算在折曲路和弯曲路等拐弯的行驶道路或拐弯的行驶车道行驶时的行驶轨迹Xf的装置。此外,在以下的说明中,将行驶道路和行驶车道的双方统称为“行驶道路”,并且将拐弯的行驶道路和拐弯的行驶车道的双方统称为“弯曲行驶道路”。
如图2所示,自动驾驶装置1具有推定行驶道路位置计算部10、模型y坐标值计算部11、评价函数值计算部12、曲率计算部30和行驶轨迹计算部40,这些结构要素10~12、30、40具体由ECU2构成。
此外,在以下的说明中,为了方便,将本车辆3的中央位置规定为原点,将本车辆3的前后方向规定为x坐标轴、将左右方向规定为y坐标轴,并且将比原点靠左侧的y坐标值设定为正值。
在该行驶位置计算部10(线推定值计算机构)中,通过后述的方法,使用行驶道路环境数据D_info计算n(n为大于1的值)个推定行驶道路位置X_i(i=1~n)。在这种情况下,推定行驶道路位置X_i作为n个推定x坐标值x_i和n个推定y坐标值y_i的组合被计算出,该计算个数n不是固定值,是因交通环境、气象条件等而变动的值。此外,在本实施方式中,行驶位置计算部10相当于线推定值计算机构,推定y坐标值y_i相当于线推定值。
另外,在模型y坐标值计算部11中,通过后述的方法,使用n个推定x坐标值x_i和后述的信号附加曲率Cw,来计算n个模型y坐标值ymw_i(i=1~n)。此外,在本实施方式中,模型y坐标值计算部11相当于线模型值计算机构,模型y坐标值ymw_i相当于线模型值。
并且,在评价函数值计算部12中,通过后述的方法,使用n个模型y坐标值ymw_i和n个推定y坐标值y_i,来计算评价函数值J。此外,在本实施方式中,评价函数值计算部12相当于圆弧规定参数计算机构和评价函数值计算机构。
并且,在曲率计算部30中,通过后述的方法,使用评价函数值J来计算曲率C和信号附加曲率Cw。此外,在本实施方式中,曲率计算部30相当于圆弧规定参数计算机构,曲率C相当于圆弧规定参数,信号附加曲率Cw相当于包含圆弧规定参数的值和信号附加参数。
并且,在行驶轨迹计算部40中,通过后述的方法,使用曲率C和行驶道路环境数据D_info,来计算行驶轨迹Xf。此外,在本实施方式中,行驶轨迹计算部40相当于行驶基准线确定机构,行驶轨迹Xf相当于行驶基准线。
接着,对上述的推定行驶道路位置计算部10进行说明。此外,在以下的说明中,以弯曲行驶道路为向左侧弯曲的行驶道路时为例进行说明。在该推定行驶道路位置计算部10中,基于行驶道路环境数据D_info,通过使用深层神经网路的强化学习法,来计算n个推定行驶道路位置X_i(x_i,y_i)(参照图3)。这些n个推定行驶道路位置X_i(x_i,y_i)是推定弯曲行驶道路中的本车辆的行驶车道的中心位置的位置,作为n个推定x坐标值x_i(i=1~n)和n个推定y坐标值y_i(i=1~n)的组合被计算出。
在这种情况下,强化学习法为公知的方法,因此,此处省略对其的说明,但在使用强化学习法的情况下,表示本车辆3的前方的弯曲行驶道路的行驶道路特性(行驶道路的两端的边界位置、这些位置之间的位置)的数据作为图3中通过点画法所示那样的分布状态的数据组被计算出,根据这些数据组,n个推定行驶道路位置Xi(x_i,y_i)作为本车辆3在弯曲行驶道路中的应行驶的行驶道路轨迹的推定值被计算出。
接着,对上述的模型y坐标值计算部11进行说明。在该模型y坐标值计算部11中,根据n个推定x坐标值x_i和信号附加曲率Cw,通过在图4所示的图表中进行检索,来计算n个模型y坐标值ymw_i(i=1~n)。即,该n个模型y坐标值ymw_i作为以下这样的y坐标值被计算出:由这些n个模型y坐标值ymw_i和n个推定x坐标值x_i确定的n个模型行驶道路位置Xmw_i(x_i,ymw_i)位于信号附加曲率Cw的圆弧上(参照图5)。
图4的图表相当于将信号附加曲率Cw和x坐标值x作为输入,将模型y坐标值ymw作为输出的模型(行驶基准线模型)。在这种情况下,如后述那样,信号附加曲率Cw为曲率C与参照信号值w的和,因此,图4的图表相当于将曲率C、参照信号值w和x坐标值x作为输入的模型。另外,图中的Cw1~Cw3为信号附加曲率Cw的规定值,以0<Cw1<Cw2<Cw3<1成立的方式来设定。在后面对如上所述那样使用信号附加曲率Cw计算n个模型y坐标值ymw_i的理由进行说明。
并且,在上述的评价函数值计算部12中,通过将n个模型y坐标值ymw_i和n个推定y坐标值y_i适用于下式(1)来计算评价函数值J。
【数式1】
如该式(1)所示那样,评价函数值J作为n个模型y坐标值ymw_i和n个推定y坐标值y_i的误差的平方的总和被计算出。此外,式(1)中所示的带标记(k)的各离散数据表示与规定的控制周期ΔT(在本实施方式中为数十msec)同步地采样或计算出的数据,标记k(k为正整数)表示控制时刻。另外,在以下的说明中,适当省略各离散数据中的标记(k)。
接着,对上述的曲率计算部30进行说明。该曲率计算部30是使用评价函数值J来计算曲率C和信号附加曲率Cw的部分,如图2所示,具有洗出滤波器(washout filter)31、参照信号发生器32、乘法器33、移动平均滤波器34、搜索控制器35和信号附加曲率计算部36。
在该洗出滤波器31(变动成分提取机构)中,通过下式(2)计算滤波值H。
【数式2】
H(k)=J(k)-J(k-1)…(2)
如上式(2)所示,滤波值H作为评价函数值的此次值J(k)和上次值J(k-1)的差分被计算出。另外,洗出滤波器31是用于使因在评价函数值J中含有的、后述的参照信号值w而产生的频率成分通过的部件。在这种情况下,也可以代替上式(2)而构成为,使用使后述的参照信号值w的频率成分通过的滤波算法(巴特沃斯高通滤波算法或者带通滤波算法)计算滤波值H。
另外,在参照信号发生器32中,通过下式(3)计算参照信号值w。
【数式3】
w(k)=A·Fsin(k)…(3)
上式(3)的A是规定的增益,Fsin是规定周期ΔTw的正弦函数值。此外,作为参照信号值的波形,例如还可以使用正弦波、余弦波、三角波、梯形波和矩形波等。
并且,在乘法器33中,通过下式(4)计算中间值Pc。
【数式4】
Pc(k)=H(k)·w(k-1)…(4)
另外,在移动平均滤波器34中,通过下式(5)计算移动平均值Pmav。此外,在本实施方式中,移动平均滤波器34相当于相关值计算机构,移动平均值Pmav相当于相关值。
【数式5】
在该式(5)中,移动平均值Pmav的采样个数M以使采样个数M和控制周期ΔT的积ΔT·M成为正弦函数值Fsin的规定周期ΔTw的方式来设定,以从移动平均值Pmav除去参照信号值w的频率成分。
接着,在搜索控制器35中通过下式(6)中所示的控制算法来计算曲率C。
【数式6】
C(k)=C(k-1)+Ksk·Pmav(k)…(6)
上式(6)的Ksk为规定的积分项增益。参照上式(6)明确可知,曲率C通过仅积分项的反馈控制算法,以具有使移动平均值Pmav收敛于值0的功能的方式被计算出。
并且,在信号附加曲率计算部36中,通过下式(7)来计算信号附加曲率Cw。
【数式7】
Cw(k)=C(k)+w(k)…(7)
并且,在行驶轨迹计算部40中,使用曲率C和周边状况数据D_1nfo,将未来的行驶轨迹Xf作为例如后述的图11或图12中所示那样的值计算出。即,行驶轨迹Xf作为将由m(m为多个)个x坐标值xf_j(j=1~m)和y坐标值yf_j构成的数据点与控制时刻k建立关联的值计算出。
接着,对使用以上的计算算法计算信号附加曲率Cw和曲率C的理由及其原理进行说明。首先,评价函数值J如上述式(1)所示那样,作为模型y坐标值ymw_i和推定y坐标值y_i的n个误差的平方的总和被计算出,因此,在以评价函数值J成为极小值的方式计算曲率C的情况下,该曲率C以误差的平方的总和成为最小值的方式被计算出。因此,若使用该曲率C计算行驶轨迹Xf,则能够计算最适当的行驶轨迹Xf。
根据该理由,在本实施方式中,为了以评价函数值J成为极小值的方式计算曲率C,而使用以下的原理。首先,由于评价函数值J使用信号附加曲率Cw来计算的关系,评价函数值J因包含于信号附加曲率Cw的参照信号值w的特性(周期函数),而表示规定振幅的振动性行为。
在此,假设信号附加曲率Cw和评价函数值J之间的关系例如作为图6所示的曲线表示的情况下,因参照信号值w而产生的评价函数值J的振动性行为如图中的箭头Y1、Y2所示那样,成为具有某一斜率的状态。此外,图6的Cw1是信号附加曲率的规定值。另一方面,上述的移动平均值Pmav是评价函数值J的滤波值H和参照信号值w的积的移动平均值,因此,成为相当于评价函数值J和参照信号值w的相关函数的值。
因此,若相当于相关函数的移动平均值Pmav为正值,则评价函数值J的斜率表示正值,若移动平均值Pmav为负值,则评价函数值J的斜率表示负值。除此之外,移动平均值Pmav通过上述式(5)被计算出,据此,移动平均值Pmav以参照信号值w的频率成分被除去的状态被计算出。根据上述理由,移动平均值Pmav和信号附加曲率Cw的关系例如能够如图7所示表示为单调递增函数。即,移动平均值Pmav在改变信号附加曲率Cw时表示评价函数值J变化的方向。
因此,为了以评价函数值J成为极小值(最小值)的方式计算信号附加曲率Cw,以图7所示的函数的斜率成为值0的方式计算移动平均值Pmav即可。即,以移动平均值Pmav收敛为值0的方式,使用反馈控制算法计算出信号附加曲率Cw、换而言之曲率C即可。
根据上述原理,在本实施方式的信号附加曲率计算部30中,使用式(6)的反馈控制算法,以评价函数值J成为极小值的方式计算曲率C。
接着,边参照图8边对行驶轨迹计算处理进行说明。该行驶轨迹计算处理是在本车辆3在弯曲行驶道路行驶时,通过上述的计算方法计算未来的行驶轨迹Xf的处理,由ECU2以上述规定的控制周期ΔT执行。此外,在以下的说明中,计算出的各种值被存储于ECU2的E2PROM内。
在该行驶轨迹计算处理中,首先读取来自行驶环境检测装置4的行驶道路环境数据D_info(图8/步骤1)。
接着,基于行驶道路环境数据D_info,判定本车辆3的前方的行驶道路是否是弯曲行驶道路(图8/步骤2)。当该判定为否定时(图8/步骤2┄否),直接结束本处理。
另一方面,当该判定为肯定时(图8/步骤2┄是),执行曲率计算处理(图8/步骤3)。如上所述,该曲率计算处理是计算曲率C和信号附加曲率Cw的处理,具体而言,如图9所示那样被执行。
如同图所示那样,首先,基于行驶道路环境数据D_info,通过使用深层神经网路的强化学习法,计算n个推定行驶道路位置X_i(x_i,y_i)(图9/步骤11)。
接着,按照n个推定x坐标值x_i和信号附加曲率Cw在上述图4所示的图表中进行检索,据此,来计算n个模型y坐标值ymw_i(图9/步骤12)。在这种情况下,作为信号附加曲率Cw,使用存储在E2PROM内的上次值(在上次的控制时刻计算出的值)。
接着,根据上述的式(1)计算评价函数值J(图9/步骤13)。之后,通过上述的式(2)计算滤波值H(图9/步骤14)。
并且,根据上述式(3)计算参照信号值w(图9/步骤15),接着,根据上述式(4)计算中间值Pc(图9/步骤16)。
接着,根据上述式(5)计算移动平均值Pmav(图9/步骤17),接着,根据上述式(6)计算曲率C(图9/步骤18)。
接着,根据上述式(7)计算信号附加曲率Cw(图9/步骤19)。之后,结束本处理。
返回到图8,在执行上述的曲率计算处理(图8/步骤3)后,使用曲率C和行驶道路环境数据D_info计算未来的行驶轨迹Xf(图8/步骤4)。具体而言,计算m个x坐标值xf_j和y坐标值yf_j的组合来作为行驶轨迹Xf。之后,结束本处理。
如上所述,在本实施方式的自动驾驶装置1中,按规定的控制周期ΔT逐次更新曲率C和信号附加曲率Cw,并且在下一计算时刻,使用如此更新后的信号附加曲率Cw逐次更新行驶轨迹Xf。
接着,对以上计算方法所进行的本实施方式的行驶轨迹Xf的计算结果进行说明。图11、12是表示本实施方式的行驶轨迹Xf的计算结果的一例,尤其是,图12表示雨、雾等、由强化学习法进行的对表示本车辆3的前方的行驶道路特性的数据的获取程度较低的条件下的、行驶轨迹Xf的计算结果的一例。
另外,图13、14分别表示在由强化学习法获取的表示本车辆3的前方的行驶道路特性的数据与图11、12相同的条件下,通过使用上述专利文献1的2次近似曲线的方法计算出的行驶轨迹的计算结果的一例(以下称为“比较例”),以用于比较。此外,由图11~14中的单点划线所表示的行驶道路的左右的边界线LL、LR是本车辆3的行驶车道的边界线。
首先,在对图11和图13进行比较时可知,在图13所示的比较例的情况下,2次近似曲线的行驶轨迹的计算结果在较大地偏离计算时间点的本车辆3的存在范围的基础上,也偏离行驶车道,当本车辆3沿着该行驶轨迹行驶时,会成为不适当且不稳定的行驶状态,并且也无法在行驶车道的中心附近行驶。
与此相对,可知在图11所示的本实施方式的情况下,行驶轨迹Xf的计算结果为,即使在表示本车辆3的前方的行驶道路特性的数据数量下降的条件下,行驶轨迹Xf也会从本车辆3的中心点开始边通过行驶车道的中心附近边向前方呈圆弧状延伸,当本车辆3沿着该行驶轨迹Xf行驶时,能够在行驶车道的中心附近适当地行驶。
接着,当对图12、图14进行比较时可知,图14所示的比较例的情况下,随着因雨、雾等而引起的表示本车辆3的前方的行驶道路特性的数据数量下降,近似二次曲线的行驶轨迹成为极端地、偏离行驶车道的状态,其结果,有本车辆3无法行驶而停止的可能性。
与此相对,可知在图12所示的本实施方式的情况下,即使在雨、雾等、表示本车辆3的前方的行驶道路特性的数据数量下降的条件下,行驶轨迹Xf也会从本车辆3的中心点开始边通过行驶车道的中心附近边向前方呈圆弧状延伸,当本车辆3沿着该行驶轨迹Xf行驶时,能够在行驶车道的中心附近适当地行驶。
接着,边参照图10边对自动驾驶控制处理进行说明。该自动驾驶控制处理是以使本车辆3按上述那样计算出的行驶轨迹Xf行驶的方式进行控制的处理,由ECU2以比上述的规定计算周期ΔT长的规定控制周期ΔT2执行该处理。
如同图中所示那样,首先,读取存储在E2PROM内的行驶轨迹Xf(图10/步骤31)。
接着,以使本车辆3按读取的行驶轨迹Xf行驶的方式,驱动原动机5(图10/步骤32)。
接着,以使本车辆3按读取的行驶轨迹Xf行驶的方式驱动执行机构6(图10/步骤33)。之后,结束本处理。
如上所述,根据本实施方式的自动驾驶装置1,基于行驶道路环境数据D_info,通过强化学习法来计算n个推定行驶道路位置X_i(x_i,y_i),通过按照n个推定x坐标值x_i和信号附加曲率Cw在图4所示的图表中进行检索,来计算n个模型y坐标值ymw_i。并且,评价函数值J作为推定y坐标值y_i和模型y坐标值ymw_i的误差的平方的总和被计算出,以该评价函数值J成为极小值(最小值)的方式计算曲率C。即,以推定y坐标值y_i和模型y坐标值ymw_i之间的误差成为最小的方式计算曲率C。而且,使用该曲率C来将行驶轨迹Xf确定为圆弧状。
在该情况下,由于推定行驶道路位置X_i(x_i,y_i)基于行驶道路环境数据D_info被计算的关系,在难以获取本车辆3的行驶道路环境的实际状态的条件下,例如在雾、雨和雪等恶劣天气时、水洼和背阴等难以判断路面自身的条件下,推定行驶道路位置X_i(x_i,y_i)的计算精度有下降的可能性。与此相对,模型y坐标值ymw_i通过在图4所示的图表中进行检索而计算出,因此,即使在难以获取上述行驶道路环境的实际状态时,也能够不受其影响而进行计算。
并且,曲率C以推定y坐标值y_i和模型y坐标值ymw_i之间的误差成为最小的方式被计算,使用在该曲率C上加上(加法)参照信号值w的信号附加曲率Cw,来计算模型y坐标值ymw_i,因此,随着运算的进行,以模型y坐标值ymw_i与推定y坐标值y_i之间的误差成为最小的方式边修正边计算模型y坐标值ymw_i。其结果,通过使用上述的曲率C计算行驶轨迹Xf,能够使行驶轨迹Xf适当地拟合于推定行驶道路位置X_i。据此,即使在行驶道路环境的实际状态难以获取的条件下,也能够在抑制该影响的同时,高精度地将本车辆3在弯曲行驶道路行驶时的行驶轨迹Xf确定为圆弧状。
另外,在图4所示的图表中,模型y坐标值ymw_i的原点值设定为本车辆3的中心,因此,能够以使本车辆3的行驶轨迹Xf不偏离在确定本车辆3的行驶轨迹Xf时的本车辆3的存在范围的方式来确定本车辆3的行驶轨迹Xf。据此,例如,在使本车辆3按该行驶轨迹Xf行驶的情况下,能够避免本车辆3以不稳定的行为行驶,从而能够确保稳定的行驶状态。
另外,曲率C按照如下方式计算,即,通过对提取评价函数值J的变动成分的滤波值H和参照信号值w的乘积实施移动平均运算,来计算移动平均值Pmav,以该移动平均值Pmav成为值0的方式计算曲率C。在这种情况下,根据上述的原理,以移动平均值Pmav收敛于值0的方式,使用反馈控制算法来计算曲率C,据此,能够以评价函数值J成为极小值(最小值)的方式计算曲率C。即,不需要预先设定/确定评价函数值J的斜率的特性,就能够以推定y坐标值y_i和模型y坐标值ymw_i的误差成为最小的方式计算曲率C,因此,即使在本车辆3在弯曲行驶道路行驶这样的、无法预先设定/确定评价函数值J的斜率的特性的条件下,也能够高精度地计算曲率C。
并且,由于使用移动平均值Pmav的关系,使用在从过去至现在期间被计算出的推定y坐标值y_i的多个时间序列数据来计算曲率C,因此,即使在获取行驶道路环境时的误差暂时剧增,推定y坐标值y_i的计算误差暂时剧增的条件下,也能够在抑制该影响的同时,稳定且高精度地计算曲率C。如上所述,能够提高行驶轨迹Xf的计算精度。除此之外,由于能够使用这样的计算精度较高的行驶轨迹Xf控制本车辆3的行驶状态,因此能够提高该控制精度。
此外,也可以代替实施方式的计算方法,而通过以下说明的方法来计算n个推定行驶道路位置X_i(x_i,y_i)。即,如图15所示,通过与实施方式同样的、使用深层神经网路的强化学习法,将弯曲行驶道路的左边界线LL的推定值作为n个左推定边界轨迹X_L_i(x_L_i,y_L_i)[i=1~n],将弯曲行驶道路的右边界线LR的推定值作为n个右推定边界轨迹X_R_i(x_R_i,y_R_i)分别进行计算。
并且,通过下式(8)~(9)来计算n个推定行驶道路位置X_i(x_i,y_i)。
【数式8】
【数式9】
即使在根据上述方法计算出n个推定行驶道路位置X_i(x_i,y_i)的情况下,也能够获取与实施方式相同的作用效果。
另外,在实施方式中,是以通过使用深层神经网路的强化学习法来计算n个推定行驶道路位置X_i(x_i,y_i)来作为线推定值为例,但线推定值的计算方法不限定于此,只要是能够计算线推定值的方法即可。例如,也可以使用SURF(Speeded Up Robust Features)算法、SIFT(Scale InvariantFeature Transform)算法等的特征量检测图像识别算法,来计算n个推定行驶道路位置X_i(x_i,y_i)。
并且,在实施方式中,如图5所示,例子为以通过在确定未来行驶轨迹时的本车辆3的中心的方式计算出模型y坐标值ymw_i来作为未来的行驶轨迹的线模型值,但本实施方式的行驶轨迹的线模型值不限定于此,也可以以线模型值的延伸形态在本车辆3的行进方向上排列,并且至少通过在确定未来的行驶轨迹时的本车辆3的存在范围的方式计算线模型值。例如,也可以使用在图4的图表中设定为x=0时的模型y坐标值ymw不表示值0而是表示规定的负值或正值的图表,来计算模型y坐标值ymw。
另外,实施方式中,以计算出行驶轨迹Xf来作为行驶基准线为例,但也可以代替于此,而构成为计算弯曲行驶道路的左右边界线LL、LR的一方来作为行驶基准线。
例如,在计算左边界线LL的情况下,只要通过上述方法,如图16所示那样计算n个左推定边界轨迹X_L_i(x_L_i,y_L_i)[i=1~n]来作为弯曲行驶道路的左边界线LL的推定值即可。另外,以线模型值的切线在确定左边界线LL时的本车辆3的左侧方与本车辆3的中心线平行的方式计算左边界线LL的线模型值即可。在这种情况下,可以使用在上述图4的图表中使x=0时的模型y坐标值ymw向正值侧偏移的图表,该偏移量根据行驶道路环境数据D_info设定即可。
另一方面,在计算右边界线LR的情况下,作为弯曲行驶道路的右边界线LR的推定值,如图17所示那样,通过上述方法,计算n个右推定边界轨迹X_R_i(x_R_i,y_R_i)即可。另外,以线模型值的切线在确定右边界线LR时的本车辆3的右侧方与本车辆3的中心线平行的方式计算右边界线LR的线模型值即可。在这种情况下,可以使用在上述图4的图表中使x=0时的模型y坐标值ymw向负值侧偏移的图表,该偏移量根据行驶道路环境数据D_info设定即可。
另外,在实施方式中,以计算在弯曲行驶道路行驶时的行驶轨迹Xf作为行驶基准线为例,但本发明的行驶基准线不限定于此,只要是使用圆弧规定参数将其确定为圆弧状即可。例如,也可以将本车辆在停车场内按圆弧状的轨迹行驶时的行驶轨迹作为行驶基准线来计算。
Claims (5)
1.一种行驶基准线确定装置,其确定成为本车辆行驶时的基准的行驶基准线,其特征在于,
具有:
线模型值计算机构,其使用将所述行驶基准线模型化的行驶基准线模型,计算表示所述行驶基准线的延伸形态的线模型值;
行驶道路环境数据获取机构,其获取表示包含所述本车辆的行驶道路的行驶道路环境的行驶道路环境数据;
线推定值计算机构,其使用该行驶道路环境数据计算与所述线模型值不同的表示所述行驶基准线的延伸形态的线推定值;
圆弧规定参数计算机构,其以所述线模型值和所述线推定值的误差成为最小的方式计算规定圆弧的圆弧规定参数;
行驶基准线确定机构,其使用该圆弧规定参数将所述行驶基准线确定为圆弧状,
所述行驶基准线模型构成为如下模型:在输入中包含在所述圆弧规定参数上附加了规定的参照信号值的信号附加参数,且以所述线模型值为输出,
所述圆弧规定参数计算机构具有:
评价函数值计算机构,其计算评价所述误差的评价函数值;
变动成分提取机构,其提取该评价函数值的变动成分;和
相关值计算机构,其通过对将该变动成分和所述规定的参照信号值相乘的乘积值实施规定的滤波处理,从而计算在所述误差最小时成为值0的相关值,
所述圆弧规定参数计算机构以该相关值成为值0的方式,计算所述圆弧规定参数,
所述线模型值计算机构使用通过所述圆弧规定参数计算机构计算出的所述圆弧规定参数和所述行驶基准线模型,计算所述线模型值。
2.根据权利要求1所述的行驶基准线确定装置,其特征在于,
所述行驶基准线为所述本车辆的未来的行驶轨迹,
所述线模型值计算机构以使该线模型值的延伸形态在所述本车辆的行进方向上排列,并且至少通过在确定所述未来的行驶轨迹时的所述本车辆的存在范围的方式计算所述未来的行驶轨迹的所述线模型值。
3.根据权利要求1所述的行驶基准线确定装置,其特征在于,
所述行驶基准线为所述本车辆的所述行驶道路或所述本车辆的行驶车道中的一方的边界线,
所述线模型值计算机构以使该线模型值的切线在确定所述一方的边界线时的所述本车辆的侧方与该本车辆的中心线平行的方式计算所述一方的边界线的所述线模型值。
4.根据权利要求1~3中任意一项所述的行驶基准线确定装置,其特征在于,
所述圆弧规定参数计算机构使用在从过去至现在的期间计算出的多个所述线推定值,来计算所述圆弧规定参数。
5.一种自动驾驶装置,其特征在于,
具有权利要求1~3中任意一项所述的行驶基准线确定装置,
使用通过该行驶基准线确定装置确定的所述行驶基准线控制所述本车辆的行驶状态。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018-008918 | 2018-01-23 | ||
JP2018008918A JP6643370B2 (ja) | 2018-01-23 | 2018-01-23 | 走行基準ライン決定装置及び自動運転装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110065493A CN110065493A (zh) | 2019-07-30 |
CN110065493B true CN110065493B (zh) | 2022-06-14 |
Family
ID=67299724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811453197.9A Active CN110065493B (zh) | 2018-01-23 | 2018-11-30 | 行驶基准线确定装置和自动驾驶装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11518383B2 (zh) |
JP (1) | JP6643370B2 (zh) |
CN (1) | CN110065493B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7321034B2 (ja) * | 2019-08-28 | 2023-08-04 | 日産自動車株式会社 | 走行支援方法及び走行支援装置 |
CN111862604B (zh) * | 2020-07-20 | 2022-03-04 | 北京京东乾石科技有限公司 | 无人车的控制方法及装置、计算机存储介质、电子设备 |
GB2597914A (en) * | 2020-07-22 | 2022-02-16 | Daimler Ag | A method for determining a dynamic reference line for an autonomous motor vehicle, as well as an assistance system |
JP7183237B2 (ja) * | 2020-10-23 | 2022-12-05 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、およびプログラム |
CN112230663B (zh) * | 2020-10-28 | 2023-11-10 | 腾讯科技(深圳)有限公司 | 车辆定位数据的监测方法、装置 |
CN112706785B (zh) * | 2021-01-29 | 2023-03-28 | 重庆长安汽车股份有限公司 | 一种自动驾驶车辆行驶环境认知目标选择方法、装置及存储介质 |
CN114348001B (zh) * | 2022-01-06 | 2024-04-26 | 腾讯科技(深圳)有限公司 | 一种交通仿真方法、装置、设备以及存储介质 |
CN115127576B (zh) * | 2022-09-02 | 2022-12-13 | 青岛慧拓智能机器有限公司 | 路径规划方法、装置、芯片、终端、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5233526A (en) * | 1989-12-22 | 1993-08-03 | Commissariat A L'energie Atomique | Process for relocking on a theoretical trajectory for a vehicle, whilst modifying the curvature of the real trajectory |
US20010041953A1 (en) * | 1997-09-01 | 2001-11-15 | Eishi Jitsukata | Automatic drive control system |
CN103914985A (zh) * | 2014-04-25 | 2014-07-09 | 大连理工大学 | 一种混合动力客车未来车速轨迹预测方法 |
CN107031631A (zh) * | 2016-02-04 | 2017-08-11 | 株式会社斯巴鲁 | 车辆的行驶控制装置 |
CN107284442A (zh) * | 2017-05-15 | 2017-10-24 | 北京理工大学 | 一种用于自动驾驶车辆的弯道行驶纵向控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9821801B2 (en) * | 2015-06-29 | 2017-11-21 | Mitsubishi Electric Research Laboratories, Inc. | System and method for controlling semi-autonomous vehicles |
-
2018
- 2018-01-23 JP JP2018008918A patent/JP6643370B2/ja active Active
- 2018-11-30 CN CN201811453197.9A patent/CN110065493B/zh active Active
-
2019
- 2019-01-17 US US16/250,533 patent/US11518383B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5233526A (en) * | 1989-12-22 | 1993-08-03 | Commissariat A L'energie Atomique | Process for relocking on a theoretical trajectory for a vehicle, whilst modifying the curvature of the real trajectory |
US20010041953A1 (en) * | 1997-09-01 | 2001-11-15 | Eishi Jitsukata | Automatic drive control system |
CN103914985A (zh) * | 2014-04-25 | 2014-07-09 | 大连理工大学 | 一种混合动力客车未来车速轨迹预测方法 |
CN107031631A (zh) * | 2016-02-04 | 2017-08-11 | 株式会社斯巴鲁 | 车辆的行驶控制装置 |
CN107284442A (zh) * | 2017-05-15 | 2017-10-24 | 北京理工大学 | 一种用于自动驾驶车辆的弯道行驶纵向控制方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2019127098A (ja) | 2019-08-01 |
CN110065493A (zh) | 2019-07-30 |
US20190225216A1 (en) | 2019-07-25 |
US11518383B2 (en) | 2022-12-06 |
JP6643370B2 (ja) | 2020-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110065493B (zh) | 行驶基准线确定装置和自动驾驶装置 | |
CN109421709B (zh) | 车辆的驾驶辅助装置 | |
US10019017B2 (en) | Autonomous driving system | |
US10875531B2 (en) | Vehicle lateral motion control | |
US6489887B2 (en) | Lane-keep assisting system for vehicle | |
JP6323473B2 (ja) | 走行制御装置 | |
JP6384604B2 (ja) | 自己位置推定装置及び自己位置推定方法 | |
CN110027555B (zh) | 行驶轨迹确定装置和自动驾驶装置 | |
JP2669031B2 (ja) | 自律走行車両 | |
KR101946043B1 (ko) | 차량 탑재 장치의 호스트 차량의 운행 경로에 배치된 선행 차량을 선택하는 차량 탑재 장치 | |
CN109426261B (zh) | 自动驾驶装置 | |
JP6572264B2 (ja) | 車両の路面摩擦係数推定装置及び車両の路面摩擦係数推定方法 | |
CN108883770B (zh) | 行进路推定方法及行进路推定装置 | |
CN110632916B (zh) | 行动预测装置以及自动驾驶装置 | |
JP6600995B2 (ja) | 車両制御装置及びプログラム | |
KR20190104360A (ko) | 주행 이력의 기억 방법, 주행 궤적 모델의 생성 방법, 자기 위치 추정 방법, 및 주행 이력의 기억 장치 | |
US11731649B2 (en) | High precision position estimation method through road shape classification-based map matching and autonomous vehicle thereof | |
US20190130747A1 (en) | Method and Device for Parking Assistance | |
KR101071732B1 (ko) | 차량 주행속도 제어 장치 및 그 방법 | |
EP3511922A1 (en) | Vehicle travel control method and travel control device | |
JP2020071122A (ja) | 自車位置推定装置 | |
JP6941178B2 (ja) | 自動運転制御装置及び方法 | |
CN109808766A (zh) | 基于视觉的主动转向系统 | |
JP3930309B2 (ja) | 車両用運転支援装置 | |
WO2018180247A1 (ja) | 出力装置、制御方法、プログラム及び記憶媒体 |
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 |