CN110147105A - 无人驾驶车辆的路径控制方法、设备、存储介质及装置 - Google Patents
无人驾驶车辆的路径控制方法、设备、存储介质及装置 Download PDFInfo
- Publication number
- CN110147105A CN110147105A CN201910454605.0A CN201910454605A CN110147105A CN 110147105 A CN110147105 A CN 110147105A CN 201910454605 A CN201910454605 A CN 201910454605A CN 110147105 A CN110147105 A CN 110147105A
- Authority
- CN
- China
- Prior art keywords
- path
- vehicle
- controlled
- obstacle
- reference path
- 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.)
- Pending
Links
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 230000004888 barrier function Effects 0.000 claims abstract description 83
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000006870 function Effects 0.000 claims description 58
- 238000004519 manufacturing process Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 5
- 230000003321 amplification Effects 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 5
- 241000208340 Araliaceae Species 0.000 description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 4
- 235000003140 Panax quinquefolius Nutrition 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 235000008434 ginseng Nutrition 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 238000001035 drying Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
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)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种无人驾驶车辆的路径控制方法、设备、存储介质及装置，该方法包括：通过当待控制车辆按照原始全局参考路径进行自动驾驶时，采集障碍物信息；通过模型预测控制算法根据所述障碍物信息和所述原始全局参考路径进行路径重规划，获得局部参考路径；根据所述局部参考路径对所述原始全局参考路径进行修正，获得目标全局参考路径；按照所述目标全局参考路径进行自动驾驶，以实现对所述待控制车辆进行路径控制。通过模型预测控制算法规划出局部参考路径，并根据局部参考路径对原始全局参考路径进行修正，获得目标全局参考路径，从而不仅避开了障碍物，而且实现了对全局参考路径的跟踪，提高了无人驾驶车辆的稳定性和安全性。
Description
技术领域
本发明涉及自动化控制技术领域，尤其涉及一种无人驾驶车辆的路径控制方法、设备、存储介质及装置。
背景技术
智能化作为未来汽车的发展方向之一，引起了各大互联网公司、汽车厂商和高校的大力研发。目前，业界也取得了丰硕的成果，各家单位都纷纷推出自己的智能驾驶汽车，但是，目前的成果都仅限于可以实现部分自动驾驶功能的模型车，高速驾驶条件下的稳定性和安全性还不高，距离真正可以实现量产的，普及到老百姓可以使用的自动驾驶车辆还有较大难度。
因此，如何提高无人驾驶车辆的稳定性和安全性是亟待解决的技术问题。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种无人驾驶车辆的路径控制方法、设备、存储介质及装置，旨在解决现有技术中对坐标曲线积分模式的识别率低的技术问题。
为实现上述目的，本发明提供一种无人驾驶车辆的路径控制方法，所述无人驾驶车辆的路径控制方法包括以下步骤：
当待控制车辆按照原始全局参考路径进行自动驾驶时，检测所述待控制车辆的预设范围内是否存在障碍物；
若所述待控制车辆的预设范围内存在所述障碍物，则采集所述障碍物对应的障碍物信息；
通过模型预测控制算法根据所述障碍物信息和所述原始全局参考路径进行路径重规划，获得局部参考路径；
根据所述局部参考路径对所述原始全局参考路径进行修正，获得目标全局参考路径；
按照所述目标全局参考路径进行自动驾驶，以实现对所述待控制车辆进行路径控制。
优选地，所述通过模型预测控制算法根据所述障碍物信息和所述原始全局参考路径进行路径重规划，获得局部参考路径，具体包括：
在所述原始全局参考路径中采集多个参考点；
对所述参考点进行多项式拟合，获得避障参考路径曲线；
获取所述待控制车辆的当前位置信息，并根据所述当前位置信息和所述障碍物信息构建避障函数；
通过模型预测控制算法根据所述避障函数和所述避障参考路径曲线构建路径重规划控制器；
根据所述路径重规划控制器进行路径重规划，获得局部参考路径。
优选地，所述获取所述待控制车辆的当前位置信息，并根据所述当前位置信息和所述障碍物信息构建避障函数，具体包括：
获取所述待控制车辆的当前位置信息和当前速度；
从所述障碍物信息中提取障碍物位置信息，并根据所述当前位置信息和所述障碍物位置信息计算障碍物距离；
根据所述当前速度和所述障碍物距离的比值构建避障函数。
优选地，所述从所述障碍物信息中提取出障碍物位置信息之前，所述无人驾驶车辆的路径控制方法还包括：
获取所述待控制车辆的车辆尺寸信息，根据所述车辆尺寸信息计算所述障碍物的放大比例；
根据所述放大比例对所述障碍物的尺寸进行放大，获得新的障碍物信息；
相应地，所述从所述障碍物信息中提取出障碍物位置信息，并根据所述当前位置信息和所述障碍物位置信息计算障碍物距离，具体包括：
从新的障碍物信息中提取障碍物位置信息，并根据所述当前位置信息和所述障碍物位置信息计算障碍物距离。
优选地，所述按照所述目标全局参考路径进行自动驾驶，以实现对所述待控制车辆进行路径控制，具体包括：
根据所述目标全局参考路径构建路径跟踪控制器；
根据所述路径跟踪控制器控制所述待控制车辆进行自动驾驶，以实现对所述待控制车辆进行路径控制。
优选地，所述根据所述目标全局参考路径构建路径跟踪控制器，具体包括：
构建所述待控制车辆的离散状态空间表达式，并根据所述离散状态空间表达式和所述目标全局参考路径构建目标路径跟踪函数；
获取所述待控制车辆的动力学约束条件，并根据所述动力学约束条件计算路径跟踪约束条件；
根据所述目标路径跟踪函数和所述路径跟踪约束条件构建路径跟踪控制器。
优选地，所述根据所述路径跟踪控制器控制所述待控制车辆进行自动驾驶，以实现对所述待控制车辆进行路径控制，具体包括：
从所述路径跟踪控制器中提取所述目标路径跟踪函数和所述路径跟踪约束条件；
将所述目标路径跟踪函数在所述路径跟踪约束条件下的最优解作为所述待控制车辆的前轮偏角；
根据所述前轮偏角控制所述待控制车辆进行驾驶，以实现对所述待控制车辆进行路径控制。
此外，为实现上述目的，本发明还提出一种路径控制设备，所述路径控制设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的无人驾驶车辆的路径控制程序，所述无人驾驶车辆的路径控制程序配置为实现如上文所述的无人驾驶车辆的路径控制方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有无人驾驶车辆的路径控制程序，所述无人驾驶车辆的路径控制程序被处理器执行时实现如上文所述的无人驾驶车辆的路径控制方法的步骤。
此外，为实现上述目的，本发明还提出一种无人驾驶车辆的路径控制装置，所述无人驾驶车辆的路径控制装置包括：
障碍检测模块，用于当待控制车辆按照原始全局参考路径进行自动驾驶时，检测所述待控制车辆的预设范围内是否存在障碍物；
信息采集模块，用于若所述待控制车辆的预设范围内存在所述障碍物，则采集所述障碍物对应的障碍物信息；
重规划模块，用于通过模型预测控制算法根据所述障碍物信息和所述原始全局参考路径进行路径重规划，获得局部参考路径；
路径修正模块，用于根据所述局部参考路径对所述原始全局参考路径进行修正，获得目标全局参考路径；
路径控制模块，用于按照所述目标全局参考路径进行自动驾驶，以实现对所述待控制车辆进行路径控制。
本发明中，通过当待控制车辆按照原始全局参考路径进行自动驾驶时，检测所述待控制车辆的预设范围内是否存在障碍物；若所述待控制车辆的预设范围内存在所述障碍物，则采集所述障碍物对应的障碍物信息；通过模型预测控制算法根据所述障碍物信息和所述原始全局参考路径进行路径重规划，获得局部参考路径；根据所述局部参考路径对所述原始全局参考路径进行修正，获得目标全局参考路径；按照所述目标全局参考路径进行自动驾驶，以实现对所述待控制车辆进行路径控制。通过模型预测控制算法规划出局部参考路径，并根据局部参考路径对原始全局参考路径进行修正，获得目标全局参考路径，从而不仅避开了障碍物，而且实现了对全局参考路径的跟踪，提高了无人驾驶车辆的稳定性和安全性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的路径控制设备的结构示意图；
图2为本发明无人驾驶车辆的路径控制方法第一实施例的流程示意图；
图3为本发明无人驾驶车辆的路径控制方法第二实施例的流程示意图；
图4为本发明无人驾驶车辆的路径控制方法一实施例的参考点示意图；
图5为本发明无人驾驶车辆的路径控制方法一实施例的障碍物放大与分割示意图；
图6为本发明无人驾驶车辆的路径控制方法第三实施例的流程示意图；
图7为本发明无人驾驶车辆的路径控制装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的路径控制设备结构示意图。
如图1所示，该路径控制设备可以包括：处理器1001，例如中央处理器(CentralProcessing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)，可选用户接口1003还可以包括标准的有线接口、无线接口，对于用户接口1003的有线接口在本发明中可为USB接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory，RAM)存储器，也可以是稳定的存储器(Non-volatileMemory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对路径控制设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及无人驾驶车辆的路径控制程序。
在图1所示的路径控制设备中，网络接口1004主要用于连接后台服务器，与所述后台服务器进行数据通信；用户接口1003主要用于连接用户设备；所述路径控制设备通过处理器1001调用存储器1005中存储的无人驾驶车辆的路径控制程序，并执行本发明实施例提供的无人驾驶车辆的路径控制方法。
所述路径控制设备通过处理器1001调用存储器1005中存储的无人驾驶车辆的路径控制程序，并执行以下操作：
当待控制车辆按照原始全局参考路径进行自动驾驶时，检测所述待控制车辆的预设范围内是否存在障碍物；
若所述待控制车辆的预设范围内存在所述障碍物，则采集所述障碍物对应的障碍物信息；
通过模型预测控制算法根据所述障碍物信息和所述原始全局参考路径进行路径重规划，获得局部参考路径；
根据所述局部参考路径对所述原始全局参考路径进行修正，获得目标全局参考路径；
按照所述目标全局参考路径进行自动驾驶，以实现对所述待控制车辆进行路径控制。
进一步地，所述路径控制设备通过处理器1001调用存储器1005中存储的无人驾驶车辆的路径控制程序，还执行以下操作：
在所述原始全局参考路径中采集多个参考点；
对所述参考点进行多项式拟合，获得避障参考路径曲线；
获取所述待控制车辆的当前位置信息，并根据所述当前位置信息和所述障碍物信息构建避障函数；
通过模型预测控制算法根据所述避障函数和所述避障参考路径曲线构建路径重规划控制器；
根据所述路径重规划控制器进行路径重规划，获得局部参考路径。
进一步地，所述路径控制设备通过处理器1001调用存储器1005中存储的无人驾驶车辆的路径控制程序，还执行以下操作：
获取所述待控制车辆的当前位置信息和当前速度；
从所述障碍物信息中提取障碍物位置信息，并根据所述当前位置信息和所述障碍物位置信息计算障碍物距离；
根据所述当前速度和所述障碍物距离的比值构建避障函数。
进一步地，所述路径控制设备通过处理器1001调用存储器1005中存储的无人驾驶车辆的路径控制程序，还执行以下操作：
获取所述待控制车辆的车辆尺寸信息，根据所述车辆尺寸信息计算所述障碍物的放大比例；
根据所述放大比例对所述障碍物的尺寸进行放大，获得新的障碍物信息；
相应地，所述从所述障碍物信息中提取出障碍物位置信息，并根据所述当前位置信息和所述障碍物位置信息计算障碍物距离，具体包括：
从新的障碍物信息中提取障碍物位置信息，并根据所述当前位置信息和所述障碍物位置信息计算障碍物距离。
进一步地，所述路径控制设备通过处理器1001调用存储器1005中存储的无人驾驶车辆的路径控制程序，还执行以下操作：
根据所述目标全局参考路径构建路径跟踪控制器；
根据所述路径跟踪控制器控制所述待控制车辆进行自动驾驶，以实现对所述待控制车辆进行路径控制。
进一步地，所述路径控制设备通过处理器1001调用存储器1005中存储的无人驾驶车辆的路径控制程序，还执行以下操作：
构建所述待控制车辆的离散状态空间表达式，并根据所述离散状态空间表达式和所述目标全局参考路径构建目标路径跟踪函数；
获取所述待控制车辆的动力学约束条件，并根据所述动力学约束条件计算路径跟踪约束条件；
根据所述目标路径跟踪函数和所述路径跟踪约束条件构建路径跟踪控制器。
进一步地，所述路径控制设备通过处理器1001调用存储器1005中存储的无人驾驶车辆的路径控制程序，还执行以下操作：
从所述路径跟踪控制器中提取所述目标路径跟踪函数和所述路径跟踪约束条件；
将所述目标路径跟踪函数在所述路径跟踪约束条件下的最优解作为所述待控制车辆的前轮偏角；
根据所述前轮偏角控制所述待控制车辆进行驾驶，以实现对所述待控制车辆进行路径控制。
本实施例中，通过当待控制车辆按照原始全局参考路径进行自动驾驶时，检测所述待控制车辆的预设范围内是否存在障碍物；若所述待控制车辆的预设范围内存在所述障碍物，则采集所述障碍物对应的障碍物信息；通过模型预测控制算法根据所述障碍物信息和所述原始全局参考路径进行路径重规划，获得局部参考路径；根据所述局部参考路径对所述原始全局参考路径进行修正，获得目标全局参考路径；按照所述目标全局参考路径进行自动驾驶，以实现对所述待控制车辆进行路径控制。通过模型预测控制算法规划出局部参考路径，并根据局部参考路径对原始全局参考路径进行修正，获得目标全局参考路径，从而不仅避开了障碍物，而且实现了对全局参考路径的跟踪，提高了无人驾驶车辆的稳定性和安全性。
基于上述硬件结构，提出本发明无人驾驶车辆的路径控制方法的实施例。
参照图2，图2为本发明无人驾驶车辆的路径控制方法第一实施例的流程示意图，提出本发明无人驾驶车辆的路径控制方法第一实施例。
在第一实施例中，所述无人驾驶车辆的路径控制方法包括以下步骤：
步骤S10：当待控制车辆按照原始全局参考路径进行自动驾驶时，检测所述待控制车辆的预设范围内是否存在障碍物。
需要说明的是，本实施例的执行主体是所述路径控制设备，所述路径控制设备可以是智能手机或者车载终端等电子设备，本实施例对此不加以限制。所述待控制车辆为当前正在自动驾驶的车辆，所述路径控制设备与所述待控制车辆进行连接，从而控制所述待控制车辆进行驾驶。所述待控制车辆的驾驶员在所述路径控制设备中输入目标地址，所述路径控制设备将自动检测所述待控制车辆所处的当前地址，并根据所述当前地址和所述目标地址进行路径规划，获得所述原始全局参考路径，并控制所述待控制车辆按照所述原始全局参考路径进行自动驾驶。
在具体实现中，本发明的控制系统主要由带避障功能的轨迹重规划模块和跟踪控制模块构成。跟踪控制模块接收来自规划层的局部参考轨迹，输出前轮偏角控制量；而轨迹重规划模块接收来自传感器的障碍物信息以及来自全局规划的参考轨迹信息，通过模型预测控制算法规划出局部参考轨迹，再发送给跟踪控制模块。为了保证所述待控制车辆的安全驾驶，将在所述待控制车辆按照原始全局参考路径进行自动驾驶的过程中，通过车载传感器实时检测所述待控制车辆的预设范围内是否存在障碍物，以及时对所述障碍物进行避让。
步骤S20：若所述待控制车辆的预设范围内存在所述障碍物，则采集所述障碍物对应的障碍物信息。
可以理解的是，为了及时准确地对所述障碍物进行避让，将在所述待控制车辆的预设范围内存在所述障碍物时，采集所述障碍物对应的障碍物信息，所述障碍物信息包括但不限于：障碍物位置信息、障碍物尺寸信息。
应当理解的是，无人驾驶技术主要研究车辆外部环境识别、路径规划以及路径跟踪控制三方面的问题。其中，环境识别利用各种传感器对路况进行探测，主要包括道路识别、障碍物识别和道路标识识别等，为路径规划和跟踪控制提供环境信息；路径规划模块根据感知系统的信息进行判断，规划出一段适合车辆行驶的路径；车辆路径跟踪控制，对被控车辆发出控制指令，使车辆沿着规划的参考路径行驶。
步骤S30：通过模型预测控制算法根据所述障碍物信息和所述原始全局参考路径进行路径重规划，获得局部参考路径。
需要说明的是，模型预测控制(Model Predictive Control，MPC)算法是一种在工业生产领域应用较为广泛的先进控制方法。MPC算法采用滚动时域优化的方法来预测未来一定时间内的系统状态，并求得目标函数最小的控制输入。本实施例将MPC算法应用到路径重规划中，以获得局部参考路径。所述局部参考路径避开所述障碍物，但所述局部参考路径的终点处于所述原始全局参考路径中。
在具体实现中，通过模型预测控制算法根据所述障碍物信息和所述原始全局参考路径进行路径重规划，以获得避开所述障碍物的局部参考路径。
步骤S40：根据所述局部参考路径对所述原始全局参考路径进行修正，获得目标全局参考路径。
可以理解的是，在获得所述局部参考路径之后，将根据所述局部参考路径对所述原始全局参考路径进行修正，将所述原始全局参考路径中具有障碍物的部分替换为所述局部参考路径，获得目标全局参考路径。
步骤S50：按照所述目标全局参考路径进行自动驾驶，以实现对所述待控制车辆进行路径控制。
应当理解的是，所述路径控制设备按照所述目标全局参考路径进行自动驾驶，由于所述目标全局参考路径不包含障碍物，并且对所述原始全局参考路径的跟随性较强，因此，在实现避让障碍物的同时，还减少了所述待控制车辆与所述原始全局参考路径的偏差，实现了对全局参考路径的跟踪控制。
本实施例中，通过当待控制车辆按照原始全局参考路径进行自动驾驶时，检测所述待控制车辆的预设范围内是否存在障碍物；若所述待控制车辆的预设范围内存在所述障碍物，则采集所述障碍物对应的障碍物信息；通过模型预测控制算法根据所述障碍物信息和所述原始全局参考路径进行路径重规划，获得局部参考路径；根据所述局部参考路径对所述原始全局参考路径进行修正，获得目标全局参考路径；按照所述目标全局参考路径进行自动驾驶，以实现对所述待控制车辆进行路径控制。通过模型预测控制算法规划出局部参考路径，并根据局部参考路径对原始全局参考路径进行修正，获得目标全局参考路径，从而不仅避开了障碍物，而且实现了对全局参考路径的跟踪，提高了无人驾驶车辆的稳定性和安全性。
参照图3，图3为本发明无人驾驶车辆的路径控制方法第二实施例的流程示意图，基于上述图2所示的第一实施例，提出本发明无人驾驶车辆的路径控制方法的第二实施例。
在第二实施例中，所述步骤S30，具体包括：
步骤S301：在所述原始全局参考路径中采集多个参考点。
应当理解的是，以所述待控制车辆为原点建立车身坐标系，待控制车辆在路径跟踪控制过程中无论处于任何位置，都可在车身坐标系下作出平行于X轴和Y轴的两条直线，且该两条直线均与所述原始全局参考路径相交。由于始终存在两个交点，故分别计算交点与目标地址的距离，选择距离目标地址较近的交点作为参考点。如图4所示，图4为本发明无人驾驶车辆的路径控制方法参考点示意图，其中，k为时刻序号，ηk为k时刻的系统输出量，ηref，k为k时刻的系统参考输出量，例如，图中k时刻选择点2作为参考点，而在k+1时刻选择点4作为参考点。
步骤S302：对所述参考点进行多项式拟合，获得避障参考路径曲线。
可以理解的是，由于车辆存在运动学约束，如车辆位置连续要求曲线是连续的，横摆角连续要求曲线是一阶连续的，加速度约束要求曲线是二阶连续的，因此，采用五次多项式对所述参考点进行曲线拟合，形式如下：
Y＝a0x5+a1x4+a2x3+a3x2+a4x1+a5，
φ＝b0x5+b1x4+b2x3+b3x2+b4x1+b5，
其中，Y、φ为纵坐标，x为横坐标，ap＝[a0,a1,a2,a3,a4,a5]，bp＝[b0,b1,b2,b3,b4,b5]为待求参数。
通过五次多项式拟合将所述参考点拟合为光滑的避障参考路径曲线。
步骤S303：获取所述待控制车辆的当前位置信息，并根据所述当前位置信息和所述障碍物信息构建避障函数。
需要说明的是，为了使所述待控制车辆避开所述障碍物，将获取所述待控制车辆的当前位置信息，并根据所述当前位置信息和所述障碍物信息构建避障函数。
所述步骤S303，具体包括：获取所述待控制车辆的当前位置信息和当前速度；
从所述障碍物信息中提取障碍物位置信息，并根据所述当前位置信息和所述障碍物位置信息计算障碍物距离；
根据所述当前速度和所述障碍物距离的比值构建避障函数。
需要说明的是，本实施例将结合车辆速度与目标函数中惩罚函数的比重对避让障碍物的影响，选择如下形式的避障功能函数：
其中，Jobs,i为采样时刻i的避障函数，Sobs为权重系数，vx、vy分别是车辆的横向速度和纵向速度，(xi,yi)是障碍物在车身坐标系下的位置坐标，(x0,y0)是车辆质心坐标，ζ为较小的正数，用于防止出现分母为零的现象。
步骤S304：通过模型预测控制算法根据所述避障函数和所述避障参考路径曲线构建路径重规划控制器。
应当理解的是，轨迹重规划层中的控制目标是尽量减少与原始全局参考路径的偏差，并且实现对障碍物的避让。对障碍物的避让以惩罚函数的方式实现。所述路径重规划控制器的具体形式如下：
s.t.Umin≤Ut≤Umax，
其中，t为采样时刻，i为正整数，η为系统输出量，ηref为系统参考输出量，Ui为控制量的增量，Umin为控制量的最小值，Umax为控制量的最大值，控制量为前轮偏角，Q、R为“||”与“||”中非零元素的个数。所述路径重规划控制器取最小值时的系统参考输出量组成局部参考路径。
步骤S305：根据所述路径重规划控制器进行路径重规划，获得局部参考路径。
进一步地，所述从所述障碍物信息中提取出障碍物位置信息之前，所述无人驾驶车辆的路径控制方法还包括：
获取所述待控制车辆的车辆尺寸信息，根据所述车辆尺寸信息计算所述障碍物的放大比例；
根据所述放大比例对所述障碍物的尺寸进行放大，获得新的障碍物信息；
相应地，所述从所述障碍物信息中提取出障碍物位置信息，并根据所述当前位置信息和所述障碍物位置信息计算障碍物距离，具体包括：
从新的障碍物信息中提取障碍物位置信息，并根据所述当前位置信息和所述障碍物位置信息计算障碍物距离。
需要说明的是，如图5所示，其中，(x0,y0)是车辆质心坐标，(x1,y1)…(xi,yi)…(xn,yn)均为障碍物顶点坐标，i为障碍物顶点的序号，Px,i为点(xi,yi)到车辆质心的横向距离，Py,i为点(xi,yi)到车辆质心的纵向距离。为使轨迹规划的结果实际可行，需要对障碍物进行放大处理。获取所述待控制车辆的车辆尺寸信息，根据所述车辆尺寸信息计算所述待控制车辆的内切圆和外接圆的半径，根据内切圆和外接圆的半径计算放大比例，进行障碍物放大。当障碍物的尺寸较大时，还需要按照一定的分辨率对障碍物进行分割处理，防止出现待控制车辆从障碍物中穿过的现象。
本实施例中，通过在所述原始全局参考路径中采集多个参考点；对所述参考点进行多项式拟合，获得避障参考路径曲线；获取所述待控制车辆的当前位置信息，并根据所述当前位置信息和所述障碍物信息构建避障函数；通过模型预测控制算法根据所述避障函数和所述避障参考路径曲线构建路径重规划控制器；根据所述路径重规划控制器进行路径重规划，获得局部参考路径。由于所述避障参考路径曲线依据所述原始全局参考路径中的参考点拟合而成，通过该避障参考路径曲线和避障函数构建的路径重规划控制器能够控制待控制车辆避让障碍物，并且保证待控制车辆的驾驶轨迹不偏离原始全局参考路径，实现了对全局参考路径的跟踪，提高了无人驾驶车辆的稳定性和安全性。
参照图6，图6为本发明无人驾驶车辆的路径控制方法第三实施例的流程示意图，基于上述图2所示的第一实施例，提出本发明无人驾驶车辆的路径控制方法的第三实施例。
在第三实施例中，所述步骤S50，包括：
步骤S501：根据所述目标全局参考路径构建路径跟踪控制器。
步骤S502：根据所述路径跟踪控制器控制所述待控制车辆进行自动驾驶，以实现对所述待控制车辆进行路径控制。
进一步地，所述步骤S501，具体包括：
构建所述待控制车辆的离散状态空间表达式，并根据所述离散状态空间表达式和所述目标全局参考路径构建目标路径跟踪函数；
获取所述待控制车辆的动力学约束条件，并根据所述动力学约束条件计算路径跟踪约束条件；
根据所述目标路径跟踪函数和所述路径跟踪约束条件构建路径跟踪控制器。
需要说明的是，首先构建所述待控制车辆的非线性动力学模型，其中状态量为控制量选取前轮偏角udyn＝δf，对非线性模型进行线性化，得到线性时变方程为：
式中，
其中，
同样对所述线性时变方程采用一阶差商的方法进行离散化处理，得到离散状态空间表达式:
ξdyn(k+1)＝Adyn(k)ξdyn(k)+Bdyn(k)udyn(k)
式中，Adyn(k)＝I+TAdyn(t)，Bdyn(k)＝I+TBdyn(t).
可以理解的是，所述待控制车辆的动力学约束条件包括：控制量约束、控制增量约束、质心侧偏角约束、车辆附着条件约束和轮胎侧偏角约束，具体如下：
(1)控制量约束形式为：
umin(t+k)≤u(t+k)≤umax(t+k),
k＝0,1,...,Nc-1
其中，t为采样时刻，k为正整数，u为控制量，umin为控制量的最小值，umax为控制量的最大值，控制量为前轮偏角。
(2)控制增量约束形式为：
Δumin(t+k)≤Δu(t+k)≤Δumax(t+k),
k＝0,1,...,Nc-1
其中，Δu为控制增量，□umin为控制增量的最小值，Δumax为控制增量的最大值。
(3)质心侧偏角约束形式为：
-12°≤β≤12°(良好路面)，
-2°≤β≤2°(冰雪路面)；
其中，β为车辆的质心侧偏角。
(4)车辆附着条件约束形式为：
ay,min-ε≤ay≤ay,max+ε(良好路面)，
其中，ay为加速度，ay,min和ay,max为加速度极限约束，ε为常数；
(5)轮胎侧偏角约束形式为：
-2.5°≤af,t≤2.5°，其中，af,t为轮胎侧偏角。
本实施例中，选择车辆的线性时变模型进行MPC计算，模型的状态量为控制量为车辆的前轮偏角δ，为保证控制的实时性，在跟踪控制层依然采用基于线性时变模型的模型预测控制算法，所述路径跟踪控制器为：
s.t.Umin≤Ut≤Umax
Umin≤AΔUt+Ut≤Umax
yhc,min≤yhc≤yhc,max
ysc,min-ε≤ysc≤ysc,max+ε
ε>0
式中，yhc为硬约束输出，即不能放宽约束范围的输出量；ysc为软约束输出，即可以通过松弛因子进行动态调整约束范围的输出量；yhc,min和yhc,max为硬约束极限值；ysc,min和ysc,max为软约束极限值；为轨迹重规划层输出的局部参考轨迹，其它参数同前述公式。
进一步地，所述步骤S502，具体包括：
从所述路径跟踪控制器中提取所述目标路径跟踪函数和所述路径跟踪约束条件；
将所述目标路径跟踪函数在所述路径跟踪约束条件下的最优解作为所述待控制车辆的前轮偏角；
根据所述前轮偏角控制所述待控制车辆进行驾驶，以实现对所述待控制车辆进行路径控制。
在具体实现中，从所述路径跟踪控制器中提取所述目标路径跟踪函数和所述路径跟踪约束条件，计算所述目标路径跟踪函数在所述路径跟踪约束条件下的最优解，将所述最优解作为所述待控制车辆的前轮偏角，所述路径控制设备控制所述待控制车辆根据所述前轮偏角进行驾驶，从而实现对所述待控制车辆进行路径控制。
在本实施例中，通过所述目标全局参考路径构建路径跟踪控制器；根据所述路径跟踪控制器控制所述待控制车辆进行自动驾驶，以实现对所述待控制车辆进行路径控制。本实施例综合考虑了无人驾驶车辆在高速行驶时，车辆动力学约束，包括质心侧偏角和车辆附着条件的约束，轮胎与地面的摩擦引起的滑移和侧偏。保证车辆在有效避险与操控稳定性的目标发生冲突时，有效确保车辆的无碰撞行驶轨迹。最后，采用了简化的车辆动力学模型及离散化方法，降低了计算的复杂性。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有无人驾驶车辆的路径控制程序，所述无人驾驶车辆的路径控制程序被处理器执行时实现如下步骤：
当待控制车辆按照原始全局参考路径进行自动驾驶时，检测所述待控制车辆的预设范围内是否存在障碍物；
若所述待控制车辆的预设范围内存在所述障碍物，则采集所述障碍物对应的障碍物信息；
通过模型预测控制算法根据所述障碍物信息和所述原始全局参考路径进行路径重规划，获得局部参考路径；
根据所述局部参考路径对所述原始全局参考路径进行修正，获得目标全局参考路径；
按照所述目标全局参考路径进行自动驾驶，以实现对所述待控制车辆进行路径控制。
进一步地，所述无人驾驶车辆的路径控制程序被处理器执行时还实现如下操作：
在所述原始全局参考路径中采集多个参考点；
对所述参考点进行多项式拟合，获得避障参考路径曲线；
获取所述待控制车辆的当前位置信息，并根据所述当前位置信息和所述障碍物信息构建避障函数；
通过模型预测控制算法根据所述避障函数和所述避障参考路径曲线构建路径重规划控制器；
根据所述路径重规划控制器进行路径重规划，获得局部参考路径。
进一步地，所述无人驾驶车辆的路径控制程序被处理器执行时还实现如下操作：
获取所述待控制车辆的当前位置信息和当前速度；
从所述障碍物信息中提取障碍物位置信息，并根据所述当前位置信息和所述障碍物位置信息计算障碍物距离；
根据所述当前速度和所述障碍物距离的比值构建避障函数。
进一步地，所述无人驾驶车辆的路径控制程序被处理器执行时还实现如下操作：
获取所述待控制车辆的车辆尺寸信息，根据所述车辆尺寸信息计算所述障碍物的放大比例；
根据所述放大比例对所述障碍物的尺寸进行放大，获得新的障碍物信息；
相应地，所述从所述障碍物信息中提取出障碍物位置信息，并根据所述当前位置信息和所述障碍物位置信息计算障碍物距离，具体包括：
从新的障碍物信息中提取障碍物位置信息，并根据所述当前位置信息和所述障碍物位置信息计算障碍物距离。
进一步地，所述无人驾驶车辆的路径控制程序被处理器执行时还实现如下操作：
根据所述目标全局参考路径构建路径跟踪控制器；
根据所述路径跟踪控制器控制所述待控制车辆进行自动驾驶，以实现对所述待控制车辆进行路径控制。
进一步地，所述无人驾驶车辆的路径控制程序被处理器执行时还实现如下操作：
构建所述待控制车辆的离散状态空间表达式，并根据所述离散状态空间表达式和所述目标全局参考路径构建目标路径跟踪函数；
获取所述待控制车辆的动力学约束条件，并根据所述动力学约束条件计算路径跟踪约束条件；
根据所述目标路径跟踪函数和所述路径跟踪约束条件构建路径跟踪控制器。
进一步地，所述无人驾驶车辆的路径控制程序被处理器执行时还实现如下操作：
从所述路径跟踪控制器中提取所述目标路径跟踪函数和所述路径跟踪约束条件；
将所述目标路径跟踪函数在所述路径跟踪约束条件下的最优解作为所述待控制车辆的前轮偏角；
根据所述前轮偏角控制所述待控制车辆进行驾驶，以实现对所述待控制车辆进行路径控制。
本实施例中，通过当待控制车辆按照原始全局参考路径进行自动驾驶时，检测所述待控制车辆的预设范围内是否存在障碍物；若所述待控制车辆的预设范围内存在所述障碍物，则采集所述障碍物对应的障碍物信息；通过模型预测控制算法根据所述障碍物信息和所述原始全局参考路径进行路径重规划，获得局部参考路径；根据所述局部参考路径对所述原始全局参考路径进行修正，获得目标全局参考路径；按照所述目标全局参考路径进行自动驾驶，以实现对所述待控制车辆进行路径控制。通过模型预测控制算法规划出局部参考路径，并根据局部参考路径对原始全局参考路径进行修正，获得目标全局参考路径，从而不仅避开了障碍物，而且实现了对全局参考路径的跟踪，提高了无人驾驶车辆的稳定性和安全性。
此外，参照图7，本发明实施例还提出一种无人驾驶车辆的路径控制装置，所述无人驾驶车辆的路径控制装置包括：
障碍检测模块10，用于当待控制车辆按照原始全局参考路径进行自动驾驶时，检测所述待控制车辆的预设范围内是否存在障碍物。
需要说明的是，所述待控制车辆为当前正在自动驾驶的车辆，所述路径控制设备与所述待控制车辆进行连接，从而控制所述待控制车辆进行驾驶。所述待控制车辆的驾驶员在所述路径控制设备中输入目标地址，所述路径控制设备将自动检测所述待控制车辆所处的当前地址，并根据所述当前地址和所述目标地址进行路径规划，获得所述原始全局参考路径，并控制所述待控制车辆按照所述原始全局参考路径进行自动驾驶。
在具体实现中，本发明的控制系统主要由带避障功能的轨迹重规划模块和跟踪控制模块构成。跟踪控制模块接收来自规划层的局部参考轨迹，输出前轮偏角控制量；而轨迹重规划模块接收来自传感器的障碍物信息以及来自全局规划的参考轨迹信息，通过模型预测控制算法规划出局部参考轨迹，再发送给跟踪控制模块。为了保证所述待控制车辆的安全驾驶，将在所述待控制车辆按照原始全局参考路径进行自动驾驶的过程中，通过车载传感器实时检测所述待控制车辆的预设范围内是否存在障碍物，以及时对所述障碍物进行避让。
信息采集模块20，用于若所述待控制车辆的预设范围内存在所述障碍物，则采集所述障碍物对应的障碍物信息。
可以理解的是，为了及时准确地对所述障碍物进行避让，将在所述待控制车辆的预设范围内存在所述障碍物时，采集所述障碍物对应的障碍物信息，所述障碍物信息包括但不限于：障碍物位置信息、障碍物尺寸信息。
应当理解的是，无人驾驶技术主要研究车辆外部环境识别、路径规划以及路径跟踪控制三方面的问题。其中，环境识别利用各种传感器对路况进行探测，主要包括道路识别、障碍物识别和道路标识识别等，为路径规划和跟踪控制提供环境信息；路径规划模块根据感知系统的信息进行判断，规划出一段适合车辆行驶的路径；车辆路径跟踪控制，对被控车辆发出控制指令，使车辆沿着规划的参考路径行驶。
重规划模块30，用于通过模型预测控制算法根据所述障碍物信息和所述原始全局参考路径进行路径重规划，获得局部参考路径。
需要说明的是，模型预测控制(Model Predictive Control，MPC)算法是一种在工业生产领域应用较为广泛的先进控制方法。MPC算法采用滚动时域优化的方法来预测未来一定时间内的系统状态，并求得目标函数最小的控制输入。本实施例将MPC算法应用到路径重规划中，以获得局部参考路径。所述局部参考路径避开所述障碍物，但所述局部参考路径的终点处于所述原始全局参考路径中。
在具体实现中，通过模型预测控制算法根据所述障碍物信息和所述原始全局参考路径进行路径重规划，以获得避开所述障碍物的局部参考路径。
路径修正模块40，用于根据所述局部参考路径对所述原始全局参考路径进行修正，获得目标全局参考路径。
可以理解的是，在获得所述局部参考路径之后，将根据所述局部参考路径对所述原始全局参考路径进行修正，将所述原始全局参考路径中具有障碍物的部分替换为所述局部参考路径，获得目标全局参考路径。
路径控制模块50，用于按照所述目标全局参考路径进行自动驾驶，以实现对所述待控制车辆进行路径控制。
应当理解的是，所述路径控制设备按照所述目标全局参考路径进行自动驾驶，由于所述目标全局参考路径不包含障碍物，并且对所述原始全局参考路径的跟随性较强，因此，在实现避让障碍物的同时，还减少了所述待控制车辆与所述原始全局参考路径的偏差，实现了对全局参考路径的跟踪控制。
本实施例中，通过当待控制车辆按照原始全局参考路径进行自动驾驶时，检测所述待控制车辆的预设范围内是否存在障碍物；若所述待控制车辆的预设范围内存在所述障碍物，则采集所述障碍物对应的障碍物信息；通过模型预测控制算法根据所述障碍物信息和所述原始全局参考路径进行路径重规划，获得局部参考路径；根据所述局部参考路径对所述原始全局参考路径进行修正，获得目标全局参考路径；按照所述目标全局参考路径进行自动驾驶，以实现对所述待控制车辆进行路径控制。通过模型预测控制算法规划出局部参考路径，并根据局部参考路径对原始全局参考路径进行修正，获得目标全局参考路径，从而不仅避开了障碍物，而且实现了对全局参考路径的跟踪，提高了无人驾驶车辆的稳定性和安全性。
在一实施例中，所述重规划模块30，还用于在所述原始全局参考路径中采集多个参考点；对所述参考点进行多项式拟合，获得避障参考路径曲线；获取所述待控制车辆的当前位置信息，并根据所述当前位置信息和所述障碍物信息构建避障函数；通过模型预测控制算法根据所述避障函数和所述避障参考路径曲线构建路径重规划控制器；根据所述路径重规划控制器进行路径重规划，获得局部参考路径。
在一实施例中，所述重规划模块30，还用于获取所述待控制车辆的当前位置信息和当前速度；从所述障碍物信息中提取障碍物位置信息，并根据所述当前位置信息和所述障碍物位置信息计算障碍物距离；根据所述当前速度和所述障碍物距离的比值构建避障函数。
在一实施例中，所述重规划模块30，还用于获取所述待控制车辆的车辆尺寸信息，根据所述车辆尺寸信息计算所述障碍物的放大比例；根据所述放大比例对所述障碍物的尺寸进行放大，获得新的障碍物信息；从新的障碍物信息中提取障碍物位置信息，并根据所述当前位置信息和所述障碍物位置信息计算障碍物距离。
在一实施例中，所述路径控制模块50，还用于根据所述目标全局参考路径构建路径跟踪控制器；根据所述路径跟踪控制器控制所述待控制车辆进行自动驾驶，以实现对所述待控制车辆进行路径控制。
在一实施例中，所述路径控制模块50，还用于构建所述待控制车辆的离散状态空间表达式，并根据所述离散状态空间表达式和所述目标全局参考路径构建目标路径跟踪函数；获取所述待控制车辆的动力学约束条件，并根据所述动力学约束条件计算路径跟踪约束条件；根据所述目标路径跟踪函数和所述路径跟踪约束条件构建路径跟踪控制器。
在一实施例中，所述路径控制模块50，还用于从所述路径跟踪控制器中提取所述目标路径跟踪函数和所述路径跟踪约束条件；将所述目标路径跟踪函数在所述路径跟踪约束条件下的最优解作为所述待控制车辆的前轮偏角；根据所述前轮偏角控制所述待控制车辆进行驾驶，以实现对所述待控制车辆进行路径控制。
本发明所述无人驾驶车辆的路径控制装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序，可将这些词语解释为标识。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器镜像(Read Only Memory image，ROM)/随机存取存储器(Random AccessMemory，RAM)、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种无人驾驶车辆的路径控制方法，其特征在于，所述无人驾驶车辆的路径控制方法包括以下步骤：
当待控制车辆按照原始全局参考路径进行自动驾驶时，检测所述待控制车辆的预设范围内是否存在障碍物；
若所述待控制车辆的预设范围内存在所述障碍物，则采集所述障碍物对应的障碍物信息；
通过模型预测控制算法根据所述障碍物信息和所述原始全局参考路径进行路径重规划，获得局部参考路径；
根据所述局部参考路径对所述原始全局参考路径进行修正，获得目标全局参考路径；
按照所述目标全局参考路径进行自动驾驶，以实现对所述待控制车辆进行路径控制。
2.如权利要求1所述的无人驾驶车辆的路径控制方法，其特征在于，所述通过模型预测控制算法根据所述障碍物信息和所述原始全局参考路径进行路径重规划，获得局部参考路径，具体包括：
在所述原始全局参考路径中采集多个参考点；
对所述参考点进行多项式拟合，获得避障参考路径曲线；
获取所述待控制车辆的当前位置信息，并根据所述当前位置信息和所述障碍物信息构建避障函数；
通过模型预测控制算法根据所述避障函数和所述避障参考路径曲线构建路径重规划控制器；
根据所述路径重规划控制器进行路径重规划，获得局部参考路径。
3.如权利要求2所述的无人驾驶车辆的路径控制方法，其特征在于，所述获取所述待控制车辆的当前位置信息，并根据所述当前位置信息和所述障碍物信息构建避障函数，具体包括：
获取所述待控制车辆的当前位置信息和当前速度；
从所述障碍物信息中提取障碍物位置信息，并根据所述当前位置信息和所述障碍物位置信息计算障碍物距离；
根据所述当前速度和所述障碍物距离的比值构建避障函数。
4.如权利要求3所述的无人驾驶车辆的路径控制方法，其特征在于，所述从所述障碍物信息中提取出障碍物位置信息之前，所述无人驾驶车辆的路径控制方法还包括：
获取所述待控制车辆的车辆尺寸信息，根据所述车辆尺寸信息计算所述障碍物的放大比例；
根据所述放大比例对所述障碍物的尺寸进行放大，获得新的障碍物信息；
相应地，所述从所述障碍物信息中提取出障碍物位置信息，并根据所述当前位置信息和所述障碍物位置信息计算障碍物距离，具体包括：
从新的障碍物信息中提取障碍物位置信息，并根据所述当前位置信息和所述障碍物位置信息计算障碍物距离。
5.如权利要求1-4中任一项所述的无人驾驶车辆的路径控制方法，其特征在于，所述按照所述目标全局参考路径进行自动驾驶，以实现对所述待控制车辆进行路径控制，具体包括：
根据所述目标全局参考路径构建路径跟踪控制器；
根据所述路径跟踪控制器控制所述待控制车辆进行自动驾驶，以实现对所述待控制车辆进行路径控制。
6.如权利要求5所述的无人驾驶车辆的路径控制方法，其特征在于，所述根据所述目标全局参考路径构建路径跟踪控制器，具体包括：
构建所述待控制车辆的离散状态空间表达式，并根据所述离散状态空间表达式和所述目标全局参考路径构建目标路径跟踪函数；
获取所述待控制车辆的动力学约束条件，并根据所述动力学约束条件计算路径跟踪约束条件；
根据所述目标路径跟踪函数和所述路径跟踪约束条件构建路径跟踪控制器。
7.如权利要求6所述的无人驾驶车辆的路径控制方法，其特征在于，所述根据所述路径跟踪控制器控制所述待控制车辆进行自动驾驶，以实现对所述待控制车辆进行路径控制，具体包括：
从所述路径跟踪控制器中提取所述目标路径跟踪函数和所述路径跟踪约束条件；
将所述目标路径跟踪函数在所述路径跟踪约束条件下的最优解作为所述待控制车辆的前轮偏角；
根据所述前轮偏角控制所述待控制车辆进行驾驶，以实现对所述待控制车辆进行路径控制。
8.一种路径控制设备，其特征在于，所述路径控制设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的无人驾驶车辆的路径控制程序，所述无人驾驶车辆的路径控制程序被所述处理器执行时实现如权利要求1至7中任一项所述的无人驾驶车辆的路径控制方法的步骤。
9.一种存储介质，其特征在于，所述存储介质上存储有无人驾驶车辆的路径控制程序，所述无人驾驶车辆的路径控制程序被处理器执行时实现如权利要求1至7中任一项所述的无人驾驶车辆的路径控制方法的步骤。
10.一种无人驾驶车辆的路径控制装置，其特征在于，所述无人驾驶车辆的路径控制装置包括：
障碍检测模块，用于当待控制车辆按照原始全局参考路径进行自动驾驶时，检测所述待控制车辆的预设范围内是否存在障碍物；
信息采集模块，用于若所述待控制车辆的预设范围内存在所述障碍物，则采集所述障碍物对应的障碍物信息；
重规划模块，用于通过模型预测控制算法根据所述障碍物信息和所述原始全局参考路径进行路径重规划，获得局部参考路径；
路径修正模块，用于根据所述局部参考路径对所述原始全局参考路径进行修正，获得目标全局参考路径；
路径控制模块，用于按照所述目标全局参考路径进行自动驾驶，以实现对所述待控制车辆进行路径控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910454605.0A CN110147105A (zh) | 2019-05-27 | 2019-05-27 | 无人驾驶车辆的路径控制方法、设备、存储介质及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910454605.0A CN110147105A (zh) | 2019-05-27 | 2019-05-27 | 无人驾驶车辆的路径控制方法、设备、存储介质及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110147105A true CN110147105A (zh) | 2019-08-20 |
Family
ID=67593545
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910454605.0A Pending CN110147105A (zh) | 2019-05-27 | 2019-05-27 | 无人驾驶车辆的路径控制方法、设备、存储介质及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110147105A (zh) |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111309013A (zh) * | 2020-02-24 | 2020-06-19 | 广州小鹏汽车科技有限公司 | 一种碰撞距离确定方法及系统、车辆、存储介质 |
| CN111338340A (zh) * | 2020-02-21 | 2020-06-26 | 天津大学 | 基于模型预测的无人驾驶汽车局部路径规划方法 |
| CN111413968A (zh) * | 2020-03-17 | 2020-07-14 | 北京百度网讯科技有限公司 | 车辆的控制方法、装置及电子设备 |
| CN111694356A (zh) * | 2020-06-10 | 2020-09-22 | 上海高仙自动化科技发展有限公司 | 一种行驶控制方法、装置、电子设备及存储介质 |
| CN111791887A (zh) * | 2020-07-03 | 2020-10-20 | 北京理工大学 | 一种基于分层式车速规划的车辆节能驾驶方法 |
| CN111998864A (zh) * | 2020-08-11 | 2020-11-27 | 东风柳州汽车有限公司 | 无人车局部路径规划方法、装置、设备及存储介质 |
| CN112498366A (zh) * | 2020-11-20 | 2021-03-16 | 苏州智加科技有限公司 | 自动驾驶车辆、控制方法、装置、设备及存储介质 |
| CN112783150A (zh) * | 2019-11-08 | 2021-05-11 | 三菱重工业株式会社 | 多个载具的移动控制方法、装置、系统、程序和存储介质 |
| CN113655789A (zh) * | 2021-08-04 | 2021-11-16 | 东风柳州汽车有限公司 | 路径跟踪方法、装置、车辆及存储介质 |
| CN113848927A (zh) * | 2021-10-07 | 2021-12-28 | 兰州理工大学 | 一种自主规划路径的自动驾驶系统 |
| CN113844442A (zh) * | 2021-10-22 | 2021-12-28 | 大连理工大学 | 一种无人运输的全局多源感知融合及局部避障方法和系统 |
| GB2598731A (en) * | 2020-09-09 | 2022-03-16 | Jaguar Land Rover Ltd | Apparatus and method for controlling a vehicle |
| CN114355940A (zh) * | 2021-12-30 | 2022-04-15 | 深兰人工智能(深圳)有限公司 | 自动驾驶的路径规划方法、装置、电子设备及存储介质 |
| CN114537435A (zh) * | 2022-03-03 | 2022-05-27 | 湖州快飞智能科技有限公司 | 一种自动驾驶中的实时整车轨迹规划方法 |
| CN114822078A (zh) * | 2021-01-28 | 2022-07-29 | 武汉智行者科技有限公司 | 一种目标参考线切换控制方法、装置及存储介质 |
| CN115309847A (zh) * | 2022-10-11 | 2022-11-08 | 中都物流有限公司 | 一种处理定位点数据的方法、电子设备及存储介质 |
| CN115685992A (zh) * | 2022-09-28 | 2023-02-03 | 白犀牛智达(北京)科技有限公司 | 一种自动驾驶车辆路径规划方法、装置、车辆及介质 |
| GB2612531A (en) * | 2020-09-09 | 2023-05-03 | Jaguar Land Rover Ltd | Apparatus and method for controlling a vehicle |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104375505A (zh) * | 2014-10-08 | 2015-02-25 | 北京联合大学 | 一种基于激光测距的机器人自主寻路方法 |
| KR20150086065A (ko) * | 2014-01-17 | 2015-07-27 | 전남대학교산학협력단 | 무인운전차량의 자율 주행을 위한 경로 추종 시스템 및 방법 |
| CN106774347A (zh) * | 2017-02-24 | 2017-05-31 | 安科智慧城市技术（中国）有限公司 | 室内动态环境下的机器人路径规划方法、装置和机器人 |
| CN109032131A (zh) * | 2018-07-05 | 2018-12-18 | 东南大学 | 一种应用于无人驾驶汽车的动态超车避障方法 |
| CN109508007A (zh) * | 2018-12-11 | 2019-03-22 | 东南大学 | 一种基于多源信息融合的农机轨迹跟踪、避障系统及方法 |
-
2019
- 2019-05-27 CN CN201910454605.0A patent/CN110147105A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150086065A (ko) * | 2014-01-17 | 2015-07-27 | 전남대학교산학협력단 | 무인운전차량의 자율 주행을 위한 경로 추종 시스템 및 방법 |
| CN104375505A (zh) * | 2014-10-08 | 2015-02-25 | 北京联合大学 | 一种基于激光测距的机器人自主寻路方法 |
| CN106774347A (zh) * | 2017-02-24 | 2017-05-31 | 安科智慧城市技术（中国）有限公司 | 室内动态环境下的机器人路径规划方法、装置和机器人 |
| CN109032131A (zh) * | 2018-07-05 | 2018-12-18 | 东南大学 | 一种应用于无人驾驶汽车的动态超车避障方法 |
| CN109508007A (zh) * | 2018-12-11 | 2019-03-22 | 东南大学 | 一种基于多源信息融合的农机轨迹跟踪、避障系统及方法 |
Cited By (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112783150A (zh) * | 2019-11-08 | 2021-05-11 | 三菱重工业株式会社 | 多个载具的移动控制方法、装置、系统、程序和存储介质 |
| CN111338340A (zh) * | 2020-02-21 | 2020-06-26 | 天津大学 | 基于模型预测的无人驾驶汽车局部路径规划方法 |
| CN111309013B (zh) * | 2020-02-24 | 2022-12-13 | 广州小鹏汽车科技有限公司 | 一种碰撞距离确定方法及系统、车辆、存储介质 |
| CN111309013A (zh) * | 2020-02-24 | 2020-06-19 | 广州小鹏汽车科技有限公司 | 一种碰撞距离确定方法及系统、车辆、存储介质 |
| CN111413968A (zh) * | 2020-03-17 | 2020-07-14 | 北京百度网讯科技有限公司 | 车辆的控制方法、装置及电子设备 |
| CN111413968B (zh) * | 2020-03-17 | 2023-09-19 | 北京百度网讯科技有限公司 | 车辆的控制方法、装置及电子设备 |
| CN111694356A (zh) * | 2020-06-10 | 2020-09-22 | 上海高仙自动化科技发展有限公司 | 一种行驶控制方法、装置、电子设备及存储介质 |
| CN111694356B (zh) * | 2020-06-10 | 2023-06-27 | 上海高仙自动化科技发展有限公司 | 一种行驶控制方法、装置、电子设备及存储介质 |
| CN111791887A (zh) * | 2020-07-03 | 2020-10-20 | 北京理工大学 | 一种基于分层式车速规划的车辆节能驾驶方法 |
| CN111998864A (zh) * | 2020-08-11 | 2020-11-27 | 东风柳州汽车有限公司 | 无人车局部路径规划方法、装置、设备及存储介质 |
| CN111998864B (zh) * | 2020-08-11 | 2023-11-07 | 东风柳州汽车有限公司 | 无人车局部路径规划方法、装置、设备及存储介质 |
| GB2598731B (en) * | 2020-09-09 | 2023-03-29 | Jaguar Land Rover Ltd | Apparatus and method for controlling a vehicle |
| GB2612531A (en) * | 2020-09-09 | 2023-05-03 | Jaguar Land Rover Ltd | Apparatus and method for controlling a vehicle |
| GB2612531B (en) * | 2020-09-09 | 2023-09-27 | Jaguar Land Rover Ltd | Apparatus and method for controlling a vehicle |
| GB2598731A (en) * | 2020-09-09 | 2022-03-16 | Jaguar Land Rover Ltd | Apparatus and method for controlling a vehicle |
| CN112498366A (zh) * | 2020-11-20 | 2021-03-16 | 苏州智加科技有限公司 | 自动驾驶车辆、控制方法、装置、设备及存储介质 |
| CN112498366B (zh) * | 2020-11-20 | 2022-04-05 | 苏州智加科技有限公司 | 自动驾驶车辆、控制方法、装置、设备及存储介质 |
| CN114822078A (zh) * | 2021-01-28 | 2022-07-29 | 武汉智行者科技有限公司 | 一种目标参考线切换控制方法、装置及存储介质 |
| CN113655789A (zh) * | 2021-08-04 | 2021-11-16 | 东风柳州汽车有限公司 | 路径跟踪方法、装置、车辆及存储介质 |
| WO2023010854A1 (zh) * | 2021-08-04 | 2023-02-09 | 东风柳州汽车有限公司 | 路径跟踪方法、装置、车辆及存储介质 |
| CN113848927A (zh) * | 2021-10-07 | 2021-12-28 | 兰州理工大学 | 一种自主规划路径的自动驾驶系统 |
| CN113844442A (zh) * | 2021-10-22 | 2021-12-28 | 大连理工大学 | 一种无人运输的全局多源感知融合及局部避障方法和系统 |
| CN114355940A (zh) * | 2021-12-30 | 2022-04-15 | 深兰人工智能(深圳)有限公司 | 自动驾驶的路径规划方法、装置、电子设备及存储介质 |
| CN114537435A (zh) * | 2022-03-03 | 2022-05-27 | 湖州快飞智能科技有限公司 | 一种自动驾驶中的实时整车轨迹规划方法 |
| CN114537435B (zh) * | 2022-03-03 | 2024-06-07 | 浙江大学 | 一种自动驾驶中的实时整车轨迹规划方法 |
| CN115685992A (zh) * | 2022-09-28 | 2023-02-03 | 白犀牛智达(北京)科技有限公司 | 一种自动驾驶车辆路径规划方法、装置、车辆及介质 |
| CN115309847B (zh) * | 2022-10-11 | 2023-01-24 | 中都物流有限公司 | 一种处理定位点数据的方法、电子设备及存储介质 |
| CN115309847A (zh) * | 2022-10-11 | 2022-11-08 | 中都物流有限公司 | 一种处理定位点数据的方法、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110147105A (zh) | 无人驾驶车辆的路径控制方法、设备、存储介质及装置 | |
| US11308391B2 (en) | Offline combination of convolutional/deconvolutional and batch-norm layers of convolutional neural network models for autonomous driving vehicles | |
| JP7060625B2 (ja) | 自動運転車において３ｄｃｎｎネットワークを用いてソリューション推断を行うｌｉｄａｒ測位 | |
| EP3353494B1 (en) | Speed control parameter estimation method for autonomous driving vehicles | |
| RU2721860C2 (ru) | Система и способ управления крутящим моментом рулевой колонки | |
| Liu et al. | A study on model fidelity for model predictive control-based obstacle avoidance in high-speed autonomous ground vehicles | |
| US10012984B2 (en) | System and method for controlling autonomous vehicles | |
| JP6668375B2 (ja) | 比例、積分及び微分（ｐｉｄ）コントローラを用いた自律走行車のステアリング制御方法及びシステム | |
| WO2018221453A1 (ja) | 出力装置、制御方法、プログラム及び記憶媒体 | |
| CN110531750A (zh) | 用于自动驾驶车辆的pid嵌入式lqr | |
| CN110239562A (zh) | 自动驾驶车辆的基于周围车辆行为的实时感知调整与驾驶调适 | |
| CN108995657A (zh) | 操作自动驾驶车辆的方法和数据处理系统 | |
| CN108072382A (zh) | 用于自主驾驶车辆的路径确定装置及路径确定方法 | |
| CN108139884A (zh) | 模拟自动驾驶车辆移动的物理模型和结合机器学习的方法 | |
| CN108216241A (zh) | 确定自主驾驶车辆的控制特性 | |
| CN113071505A (zh) | 驾驶行为习惯的确定、车辆行驶控制方法、装置及设备 | |
| CN114945959B (zh) | 行驶轨迹确定方法、装置、计算机设备和存储介质 | |
| US20230118472A1 (en) | Systems and methods for vehicle motion planning | |
| CN111812669B (zh) | 绕机检查装置及其定位方法、存储介质 | |
| CN108398701A (zh) | 车辆定位方法和装置 | |
| WO2022115215A1 (en) | Systems and methods for monocular based object detection | |
| CN113665587A (zh) | 自动驾驶车辆的横向控制方法、设备、存储介质及装置 | |
| CN111257853B (zh) | 一种基于imu预积分的自动驾驶系统激光雷达在线标定方法 | |
| CN107255826A (zh) | 基于大数据下的物流货车修正gps定位分析方法 | |
| EP3625635B1 (en) | A speed control command auto-calibration system for autonomous vehicles |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190820 |