CN110244721A - 自动驾驶控制方法、装置、设备及存储介质 - Google Patents
自动驾驶控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110244721A CN110244721A CN201910484607.4A CN201910484607A CN110244721A CN 110244721 A CN110244721 A CN 110244721A CN 201910484607 A CN201910484607 A CN 201910484607A CN 110244721 A CN110244721 A CN 110244721A
- Authority
- CN
- China
- Prior art keywords
- distance
- target vehicle
- preset duration
- run
- lane
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 26
- 230000006870 function Effects 0.000 claims description 44
- 230000001133 acceleration Effects 0.000 claims description 12
- 238000005457 optimization Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 241000208340 Araliaceae Species 0.000 description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 235000008434 ginseng Nutrition 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000036528 appetite Effects 0.000 description 1
- 235000019789 appetite Nutrition 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
-
- 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
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)
- Steering Control In Accordance With Driving Conditions (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种自动驾驶控制方法、装置、设备及存储介质。方法包括获取当前时刻目标车辆的运行状态信息，运行状态信息包括所述目标车辆当前的第一位置、运行速度、运行方向；基于第一位置、运行速度和运行方向，确定目标车辆运行预设时长后的第二位置，并确定第二位置处的车道宽度值，以及第二位置距离车道中心线的第一距离；基于第一距离和车道宽度值进行求和处理，得到目标车辆运行所述预设时长后与车道中心线之间的距离约束参数；基于距离约束参数调节在目标车辆中运行的轨迹跟踪函数的参数，以使目标车辆根据所述轨迹跟踪函数输出的方向盘控制量运行，避免目标车辆失控，提高目标车辆控制的稳定性。
Description
技术领域
本申请涉及自动驾驶控制技术领域，尤其涉及一种自动驾驶控制方法、装置、设备及存储介质。
背景技术
自动驾驶又称无人驾驶汽车或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车，高精度的轨迹跟踪控制器是实现自动驾驶车辆安全稳定行驶的前提。基于模型预测控制的轨迹跟踪算法通过滚动优化求解获取无人驾驶车辆的方向盘转角，在处理多变量优化问题时具有显著的优势，在自动驾驶车辆的轨迹跟踪控制中得到广泛应用。
现有技术中，通常将自动驾驶车辆的模型预测的优化目标控制转换为二次规划(Quadratic Programming，QP)问题，通过求解其最优解，获取模型在预测时域内的最优控制序列。
但是二次规划问题可能会出现无解或不在可行域范围内的情况，此时无法获得预测控制算法的控制量，即自动驾驶车辆方向盘转角，导致自动驾驶车辆失控带来危险。
发明内容
本申请提供一种自动驾驶控制方法、装置、设备及存储介质，用以解决现有技术中基于模型预测算法求解自动驾驶车辆控制量时存在无解，易导致自动驾驶车辆失控的技术问题。
第一方面，本发明实施例提供了一种自动驾驶控制方法，包括：
获取当前时刻目标车辆的运行状态信息，所述运行状态信息包括所述目标车辆当前的第一位置、运行速度、运行方向；
基于所述第一位置、所述运行速度和所述运行方向，确定所述目标车辆运行预设时长后的第二位置，并确定所述第二位置处的车道宽度值，以及所述第二位置距离车道中心线的第一距离；
基于所述第一距离和所述车道宽度值进行求和处理，得到所述目标车辆运行所述预设时长后与所述车道中心线之间的距离约束参数；
基于所述距离约束参数调节在所述目标车辆中运行的轨迹跟踪函数的参数，以使所述目标车辆根据所述轨迹跟踪函数输出的方向盘控制量运行，其中，所述轨迹跟踪函数用于根据所述目标车辆与车道中心线之间的距离，输出车辆方向盘的控制量，使得所述目标车辆在车道的预设位置上运行。
第二方面，本发明实施例提供了一种自动驾驶控制装置，包括：
获取模块，用于获取当前时刻目标车辆的运行状态信息，所述运行状态信息包括所述目标车辆当前的第一位置、运行速度、运行方向；
距离确定模块，用于基于所述第一位置、所述运行速度和所述运行方向，确定所述目标车辆运行预设时长后的第二位置，并确定所述第二位置处的车道宽度值，以及所述第二位置距离车道中心线的第一距离；
约束确定模块，基于所述第一距离和所述车道宽度值进行求和处理，得到所述目标车辆运行所述预设时长后与所述车道中心线之间的距离约束参数；
求解模块，用于基于所述距离约束参数调节在所述目标车辆中运行的轨迹跟踪函数的参数，以使所述目标车辆根据所述轨迹跟踪函数输出的方向盘控制量运行，其中，所述轨迹跟踪函数用于根据所述目标车辆与车道中心线之间的距离，输出车辆方向盘的控制量，使得所述目标车辆在车道的预设位置上运行。
第三方面，本发明实施例提供了一种自动驾驶控制设备，包括存储器、处理器；
存储器：用于存储所述处理器可执行指令；
其中，所述处理器被配置为：执行所述可执行指令以实现上述第一方面任一项所述的方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现上述第一方面任一项所述的方法。
本发明实施例提供的自动驾驶控制方法、装置、设备及存储介质，获取当前时刻目标车辆的第一位置、运行速度、运行方向；并基于所述第一位置、所述运行速度和所述运行方向，确定所述目标车辆运行所述预设时长后的第二位置，并确定所述第二位置处的车道宽度值，以及所述第二位置距离车道中心线的第一距离；基于所述第一距离和所述车道宽度值进行求和处理，得到所述目标车辆运行所述预设时长后与所述车道中心线之间的距离约束参数；基于所述距离约束参数调节在所述目标车辆中运行的轨迹跟踪函数的参数，以使所述目标车辆根据所述轨迹跟踪函数输出的方向盘控制量运行。本自动驾驶车辆的自动驾驶控制方法，通过预测自动驾驶车辆第二位置，并根据第二位置的车道宽度值以及第二位置与车道中心线之间的距离，确定自动驾驶车辆行驶过程中与车道中心线之间的距离约束参数，将该距离约束参数作为自动驾驶轨迹跟踪函数的约束条件，由于在预测获得的第二位置的基础上增加了车道宽度值，可以保障自动驾驶车辆与车道中心线之间的距离始终小于设定的距离约束参数，进而保障在求取轨迹跟踪函数的最优解时，自动驾驶车辆的控制量始终在可行域范围内，即保障模型预测的控制器始终有解，避免自动驾驶车辆失控，提高自动驾驶车辆控制的稳定性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1为模型预测控制的原理图；
图2为本发明一实施例提供的自动驾驶控制方法的流程示意图；
图3为本发明另一实施例提供的自动驾驶控制方法的流程示意图；
图4为本发明又一实施例提供的自动驾驶控制方法的流程示意图；
图5为本发明再一实施例提供的自动驾驶控制方法的流程示意图；
图6为本发明一实施例提供的自动驾驶控制装置的结构示意图；
图7为本发明一实施例提供的自动驾驶控制设备的硬件结构示意图。
通过上述附图，已示出本公开明确的实施例，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公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
此外，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。
自动驾驶车辆的出现为解决交通事故的发生提供了一种新的解决方法。自动驾驶车辆能够感知行驶环境、进行自主决策、规划行驶路径，并控制车辆跟踪期望路径，以达到设定的目的地。高精度的轨迹跟踪控制器是实现自动驾驶车辆安全稳定行驶的前提，也是自动驾驶车辆实现智能化、商用化的必要条件。基于模型预测控制的轨迹跟踪算法通过滚动优化求解获取无人驾驶车辆的方向盘转角，在处理多变量优化问题时具有显著的优势，在自动驾驶车辆的轨迹跟踪控制中得到广泛应用。
基于预测模型的控制方法的基本思想为，在当前时刻，基于过程的预测模型预测未来一定时域内每个采样周期(或按一定间隔)的过程输出，按照某个目标函数计算当前及未来一定时域的控制量大小，为了防止控制量剧烈变化及超调，一般在优化目标函数中考虑是未来输出以一参考轨迹最优地去跟踪期望设定值，计算出当前控制量；下一时刻的控制量输出根据最新采集的预测模型的参数以及当前时刻的控制量，重新按照上述步骤进行计算获取，其对应的原理图如图1所示。
如图1所示，控制过程中，始终存在一条期望参考轨迹，以时刻k作为当前时刻(坐标系纵轴所在位置)，控制器结合当前的预测值和预测模型，预测系统未来一段时域内[k，k+Np](也被称为预测时域)系统的输出，其中，k为当前时刻,Np为预测时长，在离散预测模型中一般通过预测步长表示预测时长，如图3中曲线2所示，通过求解满足目标函数以及各种约束的优化问题，得到在控制时域[k，k+Np]内一系列的控制序列，如图中的矩形波4所示，并将该控制序列的第一个元素作为受控对象的实际控制量。当来到下一个时刻k+1时，重复上述过程，如此滚动完成一个个带约束的优化问题，以实现对被控对象的持续控制。
实际上，只有通过设定合适的优化目标，并对其进行求解，才能得到控制时域内的控制序列。现有技术中，通常将无人驾驶车辆的模型预测的优化目标控制转换为二次规划(Quadratic Programming，QP)问题，通过求解其最优解，获取模型在预测时域内的最优控制序列。
为了便于数值求解，模型预测控制算法通常采用有限的预测时域，其最优性不代表闭环系统稳定，即可能会出现无解或不在可行域范围内的情况，因此需要增加额外的限制条件保证稳定性。本申请通过在开环优化的问题中加入与无人车辆的预测位置相关的动态约束，优化了可行域的范围，保障模型预测的控制器始终有解，避免无人驾驶车辆失控，提高无人驾驶车辆控制的稳定性。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
图2为本发明一实施例提供的自动驾驶控制的流程示意图。如图2所示，该方法包括：
S201、获取当前时刻目标车辆的运行状态信息，所述运行状态信息包括所述目标车辆当前的第一位置、运行速度、运行方向。
目标车辆即为自动驾驶车辆，根据其行驶环境的不同，可以分为空中无人机、水面无人艇和地面无人驾驶车辆，本实施例以无人驾驶车辆为例进行说明。
无人驾驶车辆轨迹跟踪过程中，始终存在一条期望参考轨迹，可选地，期望参考轨迹可以根据规划算法获取，也可以预先指定。本实施例中，无人驾驶车辆的期望参考轨迹预先指定，具体地，无人驾驶车辆在指定的车道上运行，以指定车道的车道中心线为期望参考轨迹，以指定车道的车道宽度值作为边界。可选地，指定车道为预制地图信息上的一个车道。下述以车道中心线指代期望参考轨迹。
无人驾驶车辆轨迹跟踪控制需要通过对车辆动力学系统的控制来实现。为了实现车辆快速而稳定的跟踪期望参考轨迹，需要确定车辆动力学模型。可选地，获取无人驾驶车辆的运行状态信息以及车辆模型信息，其中运行状态信息用于表征无人驾驶车辆在运行过程中相对于车道中心线的位置以及无人驾驶车辆的运行速度，车辆模型信息用于表征无人驾驶车辆纵向以及侧向动力学特性的特征，可选地，车辆模型信息包括无人驾驶车辆前后轮胎刚度、前后轮轴距，无人驾驶车辆垂直方向转动惯量以及无人驾驶车辆的车身质量，上述车辆模型信息均可由车辆出厂数据获得。
无人驾驶车辆的运行状态信息包括无人驾驶车辆在指定车道上的第一位置、运行速度、运行方向。实际应用中，可以通过设置在无人驾驶车辆上的激光雷达、GPS、速度传感器等获得无人驾驶车辆的运行状态信息。
应理解的是，无人驾驶车辆在当前时刻的第一位置、运行方向确定后，即可确定无人驾驶车辆偏离车道中心线的距离，无人驾驶车辆行驶方向与车道中心线之间的夹角；进一步地，获取下一时刻无人驾驶车辆的位置以及运行方向，可以获得无人驾驶车辆与车道中线之间距离的变化率，以及车辆行驶方向与车道中心线夹角的变化率。
S202、基于所述第一位置、所述运行速度和所述运行方向，确定所述目标车辆运行所述预设时长后的第二位置，并确定所述第二位置处的车道宽度值，以及所述第二位置距离车道中心线的第一距离。
第二位置为目标车辆的运行预设时长后的预测位置。以无人驾驶车辆为例，即以无人驾驶车辆当前的位置为初始位置，根据预测模型自由响应预测，迭代获得无人驾驶车辆运行预设时长后的第二位置。其中，根据预测模型自由响应预测，是指无人驾驶车辆在预设时长运行过程中，无控制量输入，即无人驾驶车辆的方向盘的转角始终为0。
首先，建立无人驾驶车辆的预测模型。预测模型是模型预测控制的基础，用于根据无人驾驶车辆的运行状态信息、车辆模型信息以及方向盘的转角输入，预测无人驾驶车辆的运行位置。由于模型预测控制的优化不是一次离线进行的，而是反复在线进行的，故保障模型预测控制算法的实时性是至关重要的。由于线性时变模型预测控制算法计算简单，实时性好，故本实施例中以无人驾驶车辆的线性状态空间模型为基础，获得模型预测控制的预测方程。
无人驾驶车辆预测控制的离散线性化模型如下式(1)
x(k+1)＝A(k)x(k)+BΔu(k) (1)
其中，x(k)代表离散时刻k时刻时的无人驾驶车辆的状态量，在本实施例，状态量包括无人驾驶车辆偏离车道中心线的距离，无人驾驶车辆行驶方向与车道中心线之间的夹角、无人驾驶车辆与车道中线之间距离的变化率，车辆行驶方向与车道中心线夹角的变化率以及方向盘在k时刻的转向角；方向盘在k时刻的转向角可以直接由车载传感器获取，其他四个状态量可以直接由无人驾驶车辆的运行状态信息获取。
Δu(k)表示k时刻无人驾驶车辆的方向盘转角的变化量。
A(k)、B分别为无人驾驶车辆的线性状态空间方程的系数矩阵，其中：
式(2)和(3)中，Cαf和Cαr分别为无人驾驶车辆的前后轮胎刚度，lf和lr分别为无人驾驶车辆的前后轮轴距，Iz为车辆垂直方向转动惯量，m为车身质量，上述参数均为无人驾驶车辆的模型信息。Vx(k)则表示k时刻无人驾驶车辆的运行速度，均可以通过步骤S101中的运行状态信息和车辆模型信息获取。
为了更好的理解本步骤，下面具进行说明：首先，获取无人驾驶车辆的车辆模型信息，基于车载传感器获取当前时刻无人驾驶车辆的运行状态信息、无人驾驶车辆当前的方向盘转角输入，基于当前时刻无人驾驶车辆的运行状态信息，获取无人驾驶车辆的式(1)中当前时刻的状态量，基于无人驾驶车辆的运行状态信息、车辆模型信息以及方向盘转角，建立无人驾驶车辆的离散预测模型。
根据预测模型自由响应预测，则表示无人驾驶车辆的控制量以及控制增量始终为0，故无人驾驶车辆预测模型可以简化为
x(k+1)＝A(k)x(k) (4)
由于A(k)中运行速度是唯一变量，故获取第二位置的过程即为基于所述第一位置、所述运行速度和所述运行方向，确定所述目标车辆运行所述预设时长后的第二位置。
具体地，在一种实施方式中，无人驾驶车辆的运行速度时刻变化，以无人驾驶车辆当前时刻的第一位置的状态量为x(0)，其中，通过车载传感器实时获取无人驾驶车辆的运行速度，代入式(2)中得到当前时刻的A(k)，迭代计算获取无人驾驶车辆运行预设时长后第二位置。
由于无人驾驶车辆的指定车道信息已知，因此，当无人驾驶车辆的在指定车道上的位置确定时，无人驾驶车辆在该位置对应的车道宽度值即确定，即根据第二位置确定无人驾驶车辆在第二位置处的车道宽度值。车道中心线已知，故第二位置确定后，可以获得第二位置距离车道中心线的第一距离。
S203、基于所述第一距离和所述车道宽度值进行求和处理，得到所述目标车辆运行所述预设时长后与所述车道中心线之间的距离约束参数。
实际应用中，无人驾驶车辆的控制增量是未知的，只有通过设定合适的优化目标，并对其进行求解，才能得到控制时域内的控制序列，即无人驾驶车辆的方向盘转角输入。对于无人驾驶车辆的轨迹跟踪控制来说，平稳快速地靠近车道中心线为无人驾驶车辆的控制目标，实际应用中，可以通过无人驾驶车辆与车道中心线之间距离的最小为最优目标来确定预测模型的方向盘的转角。
可选地，无人驾驶车辆轨迹跟踪优化控制的目标函数一般为：
式(5)中，Q和R均为加权系数，其中，均可以通过测试获得，应理解的是，不同的车辆Q和R取值不同；N代表预设时长离散后的预测步长；er(k+1)代表无人驾驶车辆运行预设时长后与车道中心线之间的距离。
约束优化问题是在自变量满足约束条件的情况下目标函数最小化的问题，如果目标函数是二次函数则叫做二次规划问题，由同时满足所有约束方程的点组成的集合叫做可行域。为了便于数值求解，模型预测控制算法通常采用有限的预测时域，此时目标函数的最优解不代表闭环系统稳定，即可能会出现无解或不在可行域范围内的情况，因此需要增加额外的限制条件保证稳定性。
为了保障无人驾驶车辆的控制量始终有解，可选地，通过预测无人驾驶车辆第二位置，并根据第二位置的车道宽度值以及第二位置与车道中心线之间的距离，确定无人驾驶车辆行驶过程中与车道中心线之间的距离约束，由于在预测获得的第二位置的基础上增加了车道宽度值，可以保障无人驾驶车辆与车道中心线之间的距离始终小于设定的距离约束，进而保障目标函数最优解时，无人驾驶车辆的控制量始终在可行域范围内。
具体地，即基于所述第一距离和所述车道宽度值进行求和处理，得到所述目标车辆运行所述预设时长后与所述车道中心线之间的距离约束参数。其中，第一距离为无人驾驶车辆在第二位置与车道中心之间的距离。
识别无人驾驶车辆运行的约束条件后，将模型预测控制算法的目标函数转换为二次规划的标准形式，并基于二次规划优化算法求解得到预测时域内的最优控制序列。下面对如何求取预测食欲内的最优控制序列进行说明。
S204、基于所述距离约束参数调节在所述目标车辆中运行的轨迹跟踪函数的参数，以使所述目标车辆根据所述轨迹跟踪函数输出的方向盘控制量运行，其中，所述轨迹跟踪函数用于根据所述目标车辆与车道中心线之间的距离，输出车辆方向盘的控制量，使得所述目标车辆在车道的预设位置上运行。
只有通过设定合适的优化目标，并对其进行求解，才能得到控制时域内的控制序列，轨迹跟踪函数即为无人驾驶车辆的跟踪控制的优化目标函数。
根据预测值以最优的跟踪车道中心线的方式建立优化目标函数的表达式如式(5)所示，求解式(5)优化目标函数达到最小值时的控制量，即方向盘的转向角。
在一种实施方式中，将式(5)的优化目标函数转换为二次规划问题，求出该二次规划问题的最优解。具体地，
将式(5)中的目标方程展开写成矩阵形式，即为
式(6)中，M和c'均为权重值，其中，具体地，
Q和R取值与式(5)中的取值相同；A和B的取值参照式(2)和式(3)b即为步骤S203中求解的距离约束参数。
然后基于现有的二次规划求解方法，获得Δu(k)的最优控制序列，将其作为式(1)的输入，迭代获得下一刻无人驾驶车辆方向盘的转角变化量，将其作为无人驾驶车辆方向盘的输入值，以使所述无人驾驶车辆以最优的方式跟踪车道中心线。
本发明实施例提供的自动驾驶控制方法，获取当前时刻目标车辆的第一位置、运行速度、运行方向；并基于所述第一位置、所述运行速度和所述运行方向，确定所述目标车辆运行所述预设时长后的第二位置，并确定所述第二位置处的车道宽度值，以及所述第二位置距离车道中心线的第一距离；基于所述第一距离和所述车道宽度值进行求和处理，得到所述目标车辆运行所述预设时长后与所述车道中心线之间的距离约束参数；基于所述距离约束参数调节在所述目标车辆中运行的轨迹跟踪函数的参数，以使所述目标车辆根据所述轨迹跟踪函数输出的方向盘控制量运行。本自动驾驶车辆的自动驾驶控制方法，通过预测自动驾驶车辆第二位置，并根据第二位置的车道宽度值以及第二位置与车道中心线之间的距离，确定自动驾驶车辆行驶过程中与车道中心线之间的距离约束参数，将该距离约束参数作为自动驾驶轨迹跟踪函数的约束条件，由于在预测获得的第二位置的基础上增加了车道宽度值，可以保障自动驾驶车辆与车道中心线之间的距离始终小于设定的距离约束参数，进而保障在求取轨迹跟踪函数的最优解时，自动驾驶车辆的控制量始终在可行域范围内，即保障模型预测的控制器始终有解，避免自动驾驶车辆失控，提高自动驾驶车辆控制的稳定性。
已知，第二位置为无人驾驶车辆的运行预设时长后的预测位置。图2所示实施例中的无人驾驶车辆根据预测模型自由响应预测，迭代获得无人驾驶车辆运行预设时长后的第二位置。即方向盘转角为0时，无人驾驶车辆运行预设时长后到达的第二位置，实际应用中，无人驾驶车辆在无控制量输入时，运行速度不会随意变化，具体体现为运行速度不变，或者运行速度以一个固定的加速度变化，下面通过图3和图4中的实施例分别说明无人驾驶车辆在无控制量输入时，运行预设时长后的第二位置的确定方式。
图3为本发明另一实施例提供的自动驾驶控制的流程示意图。本实施例对图1所述实施例的基础上，对步骤202进行了优化，对如何确定所述目标车辆运行所述预设时长后的第二位置进行了详细说明，如图3所示：
S301、基于所述运行速度和所述预设时长执行运算操作，获得所述目标车辆在所述预设时长的时间内可运行的第二距离。
S302、以所述第一位置为起点，沿所述运行方向，确定所述目标车辆运行所述第二距离后的第二位置。
以无人驾驶车辆为例，本实施例中，无人驾驶车辆的运行速度保持不变，故可以根据时间速度公式运行计算获得无人驾驶车辆在预设时长捏可运行的第二距离，以所述第一位置为起点，沿所述运行方向，确定所述目标车辆运行所述第二距离后的第二位置。
图4为本发明又一实施例提供的自动驾驶控制的流程示意图。本实施例在图3所示实施例的基础上，对步骤301进行了优化，对如何获得所述目标车辆在所述预设时长的时间内可运行的第二距离进行了详细说明，如图4所示：
S401、获取当前时刻所述目标车辆的加速度。
S402、基于所述加速度、所述运行速度和所述预设时长执行运算操作，获得所述目标车辆在所述预设时长的时间内可运行的第二距离。
S403、以所述第一位置为起点，沿所述运行方向，确定所述目标车辆运行所述第二距离后的第二位置。
在本实施例中，无人驾驶车辆具有稳定的加速度，可以获取当前时刻无人驾驶车辆的加速度；基于该加速度、运行速度和预设时长执行运算操作，获得所无人驾驶车辆在所述预设时长的时间内可运行的第二距离，以所述第一位置为起点，沿所述运行方向，确定所述无人驾驶车辆运行所述第二距离后的第二位置。
图4和图5实施例提供的自动驾驶控制方法，通过无人驾驶车辆的运行速度、运行方向以及运行时长计算获得无人驾驶车辆在预设时长的时间内可运行的第二距离，并基于无人驾驶车辆的当前位置，确定无人驾驶车辆运行预设时长后到达的第二位置。符合无人驾驶车辆的实际应用需求，不需要预测模型即可获得无人驾驶车辆的预测第二位置，计算快捷方便。
实际应用中，无人驾驶车辆在当前时刻的位置一般并不会刚好位于车道中心线上，故在确定无人驾驶车辆运行预设时长后的距离约束参数时增加无人驾驶车辆在当前时刻与车道中心线的距离，能够更好的优化距离约束参数，下面通过图5所示的实施例进行具体说明。
图5为本发明再一实施例提供的自动驾驶控制的流程示意图。本实施例对图1所述实施例的基础上，对如何得到目标车辆运行所述预设时长后与所述车道中心线之间的距离约束参数进行了详细说明，如图5所示：所述基于所述第一距离和所述车道宽度值进行求和处理，得到所述目标车辆运行所述预设时长后与所述车道中心线之间的距离约束参数，包括：
S501、获取所述目标车辆在所述第一位置处与所述车道中心线之间的第三距离。
本实施例中，无人驾驶车辆的期望参考轨迹预先指定，具体地，无人驾驶车辆在指定的车道上运行，以指定车道的车道中心线为期望参考轨迹，以指定车道的车道宽度值作为边界。可选地，指定车道为预设地图信息上的一个车道。无人驾驶车辆在当前时刻的第一位置确定后，即可查找确定无人驾驶车辆偏离车道中心线的距离，即第三距离。
S502、对所述第一距离、所述第三距离和所述车道宽度值进行求和处理，得到所述目标车辆运行所述预设时长后与所述车道中心线之间的距离约束参数。
应理解的是，无人驾驶车辆位于车道中心线的左侧或者右侧的时候，对于预测模型来说，距离约束参数的符号不同。
以式(6)为例，
其中，距离约束b的取值参见下式(7)
其中，MAPlimit(k)为无人驾驶车辆在第二位置时的车道宽度值，||er(0)||为无人驾驶车辆在即第一位置时与车道中心线之间距离，er(k+1)为无人驾驶车辆在第二位置时域车道中心线之间的距离。
本实施例提供的自动驾驶控制方法，综合考虑当前时刻与预设时长后无人驾驶车辆与车道中心线之间的距离，保障无人驾驶车辆有解的前提下，优化距离约束参数。
基于上述实施例所提供的自动驾驶控制方法，本发明实施例进一步给出实现上述方法实施例的装置实施例。
图6为本发明一实施例提供的自动驾驶控制装置的结构示意图。如图6所示，该自动驾驶控制装置600包括获取模块610、距离确定模块620、约束确定模块630以及求解模块640；
获取模块610，用于获取当前时刻目标车辆的运行状态信息，所述运行状态信息包括所述目标车辆当前的第一位置、运行速度、运行方向。
距离确定模块620，用于基于所述第一位置、所述运行速度和所述运行方向，确定所述目标车辆运行所述预设时长后的第二位置，并确定所述第二位置处的车道宽度值，以及所述第二位置距离车道中心线的第一距离。
约束确定模块630，基于所述第一距离和所述车道宽度值进行求和处理，得到所述目标车辆运行所述预设时长后与所述车道中心线之间的距离约束参数。
求解模块640，用于基于所述距离约束参数调节在所述目标车辆中运行的轨迹跟踪函数的参数，以使所述目标车辆根据所述轨迹跟踪函数输出的方向盘控制量运行，其中，所述轨迹跟踪函数用于根据所述目标车辆与车道中心线之间的距离，输出车辆方向盘的控制量，使得所述目标车辆在车道的预设位置上运行。
可选地，距离确定模块620具体用于基于所述运行速度和所述预设时长执行运算操作，获得所述目标车辆在所述预设时长的时间内可运行的第二距离；以所述第一位置为起点，沿所述运行方向，确定所述目标车辆运行所述第二距离后的第二位置。
可选地，所述距离确定模块620还具体用于：获取当前时刻所述目标车辆的加速度；基于所述加速度、所述运行速度和所述预设时长执行运算操作，获得所述目标车辆在所述预设时长的时间内可运行的第二距离。
可选地，所述约束确定模块630具体用于：获取所述目标车辆在所述第一位置处与所述车道中心线之间的第三距离；对所述第一距离、所述第三距离和所述车道宽度值进行求和处理，得到所述目标车辆运行所述预设时长后与所述车道中心线之间的距离约束参数。
本发明实施例提供的自动驾驶控制装置，获取当前时刻目标车辆的第一位置、运行速度、运行方向；并基于所述第一位置、所述运行速度和所述运行方向，确定所述目标车辆运行所述预设时长后的第二位置，并确定所述第二位置处的车道宽度值，以及所述第二位置距离车道中心线的第一距离；基于所述第一距离和所述车道宽度值进行求和处理，得到所述目标车辆运行所述预设时长后与所述车道中心线之间的距离约束参数；基于所述距离约束参数调节在所述目标车辆中运行的轨迹跟踪函数的参数，以使所述目标车辆根据所述轨迹跟踪函数输出的方向盘控制量运行。本自动驾驶车辆的自动驾驶控制方法，通过预测自动驾驶车辆第二位置，并根据第二位置的车道宽度值以及第二位置与车道中心线之间的距离，确定自动驾驶车辆行驶过程中与车道中心线之间的距离约束参数，将该距离约束参数作为自动驾驶轨迹跟踪函数的约束条件，由于在预测获得的第二位置的基础上增加了车道宽度值，可以保障自动驾驶车辆与车道中心线之间的距离始终小于设定的距离约束参数，进而保障在求取轨迹跟踪函数的最优解时，自动驾驶车辆的控制量始终在可行域范围内，即保障模型预测的控制器始终有解，避免自动驾驶车辆失控，提高自动驾驶车辆控制的稳定性。
图6所示实施例的自动驾驶控制装置600可用于执行上述方法实施例中的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。
应理解以上图6所示自动驾驶控制装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块以软件通过处理元件调用的形式实现，部分模块通过硬件的形式实现。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
图7为本发明一实施例提供的自动驾驶控制器的硬件结构示意图。如图7所示，该自动驾驶控制设备700包括：至少一个存储器710、处理器720以及计算机程序；其中，计算机程序存储在存储器710中，并被配置为由处理器720执行以实现如上述任一实施例中的自动驾驶控制方法。可选地，自动驾驶控制设备700还包括通信部件和收发器。其中，处理器720、存储器710以及通信部件通过总线连接，收发器用于接收和发送车载传感器发送的通信请求。
本领域技术人员可以理解，图7仅仅是自动驾驶控制设备的示例，并不构成对自动驾驶控制设备的限定，自动驾驶控制设备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，例如所述自动驾驶控制设备还可以包括输入输出设备、网络接入设备、总线等。
此外，本发明实施例提供了一种可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行以实现上述任一实现方式所述的方法。
上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种自动驾驶控制方法，其特征在于，包括：
获取当前时刻目标车辆的运行状态信息，所述运行状态信息包括所述目标车辆当前的第一位置、运行速度、运行方向；
基于所述第一位置、所述运行速度和所述运行方向，确定所述目标车辆运行预设时长后的第二位置，并确定所述第二位置处的车道宽度值，以及所述第二位置距离车道中心线的第一距离；
基于所述第一距离和所述车道宽度值进行求和处理，得到所述目标车辆运行所述预设时长后与所述车道中心线之间的距离约束参数；
基于所述距离约束参数调节在所述目标车辆中运行的轨迹跟踪函数的参数，以使所述目标车辆根据所述轨迹跟踪函数输出的方向盘控制量运行，其中，所述轨迹跟踪函数用于根据所述目标车辆与车道中心线之间的距离，输出车辆方向盘的控制量，使得所述目标车辆在车道的预设位置上运行。
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一位置、所述运行速度和所述运行方向，确定所述目标车辆运行所述预设时长后的第二位置，包括：
基于所述运行速度和所述预设时长执行运算操作，获得所述目标车辆在所述预设时长的时间内可运行的第二距离；
以所述第一位置为起点，沿所述运行方向，确定所述目标车辆运行所述第二距离后的第二位置。
3.根据权利要求2所述的方法，其特征在于，所述基于所述运行速度和所述预设时长执行运算操作，获得所述目标车辆在所述预设时长的时间内可运行的第二距离，包括：
获取当前时刻所述目标车辆的加速度；
基于所述加速度、所述运行速度和所述预设时长执行运算操作，获得所述目标车辆在所述预设时长的时间内可运行的第二距离。
4.根据权利要求1所述的方法，其特征在于，所述基于所述第一距离和所述车道宽度值进行求和处理，得到所述目标车辆运行所述预设时长后与所述车道中心线之间的距离约束参数，包括：
获取所述目标车辆在所述第一位置处与所述车道中心线之间的第三距离；
对所述第一距离、所述第三距离和所述车道宽度值进行求和处理，得到所述目标车辆运行所述预设时长后与所述车道中心线之间的距离约束参数。
5.一种自动驾驶控制装置，其特征在于，包括：
获取模块，用于获取当前时刻目标车辆的运行状态信息，所述运行状态信息包括所述目标车辆当前的第一位置、运行速度、运行方向；
距离确定模块，用于基于所述第一位置、所述运行速度和所述运行方向，确定所述目标车辆运行预设时长后的第二位置，并确定所述第二位置处的车道宽度值，以及所述第二位置距离车道中心线的第一距离；
约束确定模块，基于所述第一距离和所述车道宽度值进行求和处理，得到所述目标车辆运行所述预设时长后与所述车道中心线之间的距离约束参数；
求解模块，用于基于所述距离约束参数调节在所述目标车辆中运行的轨迹跟踪函数的参数，以使所述目标车辆根据所述轨迹跟踪函数输出的方向盘控制量运行，其中，所述轨迹跟踪函数用于根据所述目标车辆与车道中心线之间的距离，输出车辆方向盘的控制量，使得所述目标车辆在车道的预设位置上运行。
6.根据权利要求5所述的装置，其特征在于，所述距离确定模块具体用于：
基于所述运行速度和所述预设时长执行运算操作，获得所述目标车辆在所述预设时长的时间内可运行的第二距离；
以所述第一位置为起点，沿所述运行方向，确定所述目标车辆运行所述第二距离后的第二位置。
7.根据权利要求6所述的装置，其特征在于，所述距离确定模块还具体用于：
获取当前时刻所述目标车辆的加速度；
基于所述加速度、所述运行速度和所述预设时长执行运算操作，获得所述目标车辆在所述预设时长的时间内可运行的第二距离。
8.根据权利要求5所述的装置，其特征在于，所述约束确定模块具体用于：
获取所述目标车辆在所述第一位置处与所述车道中心线之间的第三距离；
对所述第一距离、所述第三距离和所述车道宽度值进行求和处理，得到所述目标车辆运行所述预设时长后与所述车道中心线之间的距离约束参数。
9.一种自动驾驶控制设备，其特征在于，包括存储器、处理器；
存储器：用于存储所述处理器可执行指令；
其中，所述处理器被配置为：执行所述可执行指令以实现如权利要求1至4任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至4任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910484607.4A CN110244721B (zh) | 2019-06-05 | 2019-06-05 | 自动驾驶控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910484607.4A CN110244721B (zh) | 2019-06-05 | 2019-06-05 | 自动驾驶控制方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110244721A true CN110244721A (zh) | 2019-09-17 |
| CN110244721B CN110244721B (zh) | 2022-04-12 |
Family
ID=67886052
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910484607.4A Active CN110244721B (zh) | 2019-06-05 | 2019-06-05 | 自动驾驶控制方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110244721B (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110646009A (zh) * | 2019-09-27 | 2020-01-03 | 北京邮电大学 | 一种基于dqn的车辆自动驾驶路径规划的方法及装置 |
| CN110782029A (zh) * | 2019-10-25 | 2020-02-11 | 北京百度网讯科技有限公司 | 神经网络预测方法、装置、电子设备和自动驾驶系统 |
| CN111121777A (zh) * | 2019-11-26 | 2020-05-08 | 北京三快在线科技有限公司 | 无人驾驶设备轨迹规划方法、装置、电子设备和存储介质 |
| CN111338346A (zh) * | 2020-03-05 | 2020-06-26 | 中国第一汽车股份有限公司 | 一种自动驾驶控制方法、装置、车辆及存储介质 |
| CN111487904A (zh) * | 2020-04-14 | 2020-08-04 | 上海商汤临港智能科技有限公司 | 参数配置方法及装置、电子设备和存储介质 |
| CN111539371A (zh) * | 2020-05-06 | 2020-08-14 | 腾讯科技（深圳）有限公司 | 一种车辆控制的方法、装置、设备及存储介质 |
| CN112415990A (zh) * | 2020-11-20 | 2021-02-26 | 广州极飞科技有限公司 | 作业设备的控制方法及装置、作业设备 |
| CN112633214A (zh) * | 2020-12-30 | 2021-04-09 | 潍柴动力股份有限公司 | 一种车辆识别方法及装置 |
| CN113064412A (zh) * | 2019-12-31 | 2021-07-02 | 北京车和家信息技术有限公司 | 路径跟踪方法、装置、车辆及可读存储介质 |
| CN113701746A (zh) * | 2020-05-21 | 2021-11-26 | 华为技术有限公司 | 目标朝向确定方法和装置 |
| CN113734182A (zh) * | 2020-05-29 | 2021-12-03 | 比亚迪股份有限公司 | 一种车辆自适应控制方法及其装置 |
| CN113805478A (zh) * | 2021-09-15 | 2021-12-17 | 深圳市道通智能汽车有限公司 | 车辆pid参数的调试方法及车辆 |
| CN114348026A (zh) * | 2022-01-30 | 2022-04-15 | 中国第一汽车股份有限公司 | 一种车辆控制方法、装置、设备以及存储介质 |
| CN115511916A (zh) * | 2022-10-10 | 2022-12-23 | 未岚大陆(北京)科技有限公司 | 智能作业设备控制方法、装置、设备、介质及程序产品 |
| CN117666354A (zh) * | 2023-12-08 | 2024-03-08 | 国网江苏省电力有限公司泰州供电分公司 | 一种巡检无人机运动规划方法 |
| WO2024146580A1 (zh) * | 2023-01-05 | 2024-07-11 | 北京地平线信息技术有限公司 | 车辆状态的确定方法、装置、电子设备和存储介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100204911A1 (en) * | 2007-11-01 | 2010-08-12 | Toyota Jidosha Kabushiki Kaisha | Travel trace generation method and travel trace generation device |
| WO2011009011A1 (en) * | 2009-07-15 | 2011-01-20 | Massachusetts Institute Of Technology | An integrated framework for vehicle operator assistance based on a trajectory prediction and threat assessment |
| CN102189993A (zh) * | 2010-03-17 | 2011-09-21 | 株式会社万都 | 车道保持控制方法和系统 |
| CN104977933A (zh) * | 2015-07-01 | 2015-10-14 | 吉林大学 | 一种自主驾驶车辆的区域型路径跟踪控制方法 |
| US20170168485A1 (en) * | 2015-12-14 | 2017-06-15 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Controlling Autonomous Vehicles |
| CN107121980A (zh) * | 2017-03-17 | 2017-09-01 | 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 |
| CN107521496A (zh) * | 2017-09-08 | 2017-12-29 | 吉林大学 | 一种无人车辆的横纵向协调控制轨迹跟随控制方法 |
| CN108248605A (zh) * | 2018-01-23 | 2018-07-06 | 重庆邮电大学 | 一种智能车辆轨迹跟随的横纵向协调控制方法 |
| CN108284836A (zh) * | 2018-01-25 | 2018-07-17 | 吉林大学 | 一种车辆纵向跟随控制方法 |
| CN108897026A (zh) * | 2018-08-28 | 2018-11-27 | 北京讯腾智慧科技股份有限公司 | 卫星导航信号受遮挡情况下的合作车辆定位方法及装置 |
| US20190113920A1 (en) * | 2017-10-18 | 2019-04-18 | Luminar Technologies, Inc. | Controlling an autonomous vehicle using model predictive control |
-
2019
- 2019-06-05 CN CN201910484607.4A patent/CN110244721B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100204911A1 (en) * | 2007-11-01 | 2010-08-12 | Toyota Jidosha Kabushiki Kaisha | Travel trace generation method and travel trace generation device |
| WO2011009011A1 (en) * | 2009-07-15 | 2011-01-20 | Massachusetts Institute Of Technology | An integrated framework for vehicle operator assistance based on a trajectory prediction and threat assessment |
| CN102189993A (zh) * | 2010-03-17 | 2011-09-21 | 株式会社万都 | 车道保持控制方法和系统 |
| CN104977933A (zh) * | 2015-07-01 | 2015-10-14 | 吉林大学 | 一种自主驾驶车辆的区域型路径跟踪控制方法 |
| US20170168485A1 (en) * | 2015-12-14 | 2017-06-15 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Controlling Autonomous Vehicles |
| CN107121980A (zh) * | 2017-03-17 | 2017-09-01 | 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 |
| CN107521496A (zh) * | 2017-09-08 | 2017-12-29 | 吉林大学 | 一种无人车辆的横纵向协调控制轨迹跟随控制方法 |
| US20190113920A1 (en) * | 2017-10-18 | 2019-04-18 | Luminar Technologies, Inc. | Controlling an autonomous vehicle using model predictive control |
| CN108248605A (zh) * | 2018-01-23 | 2018-07-06 | 重庆邮电大学 | 一种智能车辆轨迹跟随的横纵向协调控制方法 |
| CN108284836A (zh) * | 2018-01-25 | 2018-07-17 | 吉林大学 | 一种车辆纵向跟随控制方法 |
| CN108897026A (zh) * | 2018-08-28 | 2018-11-27 | 北京讯腾智慧科技股份有限公司 | 卫星导航信号受遮挡情况下的合作车辆定位方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| HYONDONG OH,SEUNGKEUN KIM,ANTONIOS TSOURDOS: "Road-map–assisted standoff tracking of moving ground vehicle using nonlinear model predictive control", 《ANTONIOS TSOURDOS; IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》 * |
| 薛建儒等: "无人车的场景理解与自主运动", 《无人系统技术》 * |
| 陈虹，等: "面向动态避障的智能汽车滚动时域路径规划", 《中国公路学报》 * |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110646009A (zh) * | 2019-09-27 | 2020-01-03 | 北京邮电大学 | 一种基于dqn的车辆自动驾驶路径规划的方法及装置 |
| CN110782029A (zh) * | 2019-10-25 | 2020-02-11 | 北京百度网讯科技有限公司 | 神经网络预测方法、装置、电子设备和自动驾驶系统 |
| CN110782029B (zh) * | 2019-10-25 | 2022-11-22 | 阿波罗智能技术(北京)有限公司 | 神经网络预测方法、装置、电子设备和自动驾驶系统 |
| CN111121777A (zh) * | 2019-11-26 | 2020-05-08 | 北京三快在线科技有限公司 | 无人驾驶设备轨迹规划方法、装置、电子设备和存储介质 |
| CN113064412A (zh) * | 2019-12-31 | 2021-07-02 | 北京车和家信息技术有限公司 | 路径跟踪方法、装置、车辆及可读存储介质 |
| CN111338346A (zh) * | 2020-03-05 | 2020-06-26 | 中国第一汽车股份有限公司 | 一种自动驾驶控制方法、装置、车辆及存储介质 |
| CN111487904A (zh) * | 2020-04-14 | 2020-08-04 | 上海商汤临港智能科技有限公司 | 参数配置方法及装置、电子设备和存储介质 |
| CN111539371A (zh) * | 2020-05-06 | 2020-08-14 | 腾讯科技（深圳）有限公司 | 一种车辆控制的方法、装置、设备及存储介质 |
| CN113701746A (zh) * | 2020-05-21 | 2021-11-26 | 华为技术有限公司 | 目标朝向确定方法和装置 |
| CN113734182A (zh) * | 2020-05-29 | 2021-12-03 | 比亚迪股份有限公司 | 一种车辆自适应控制方法及其装置 |
| CN113734182B (zh) * | 2020-05-29 | 2023-11-14 | 比亚迪股份有限公司 | 一种车辆自适应控制方法及其装置 |
| CN112415990A (zh) * | 2020-11-20 | 2021-02-26 | 广州极飞科技有限公司 | 作业设备的控制方法及装置、作业设备 |
| CN112415990B (zh) * | 2020-11-20 | 2024-07-05 | 广州极飞科技股份有限公司 | 作业设备的控制方法及装置、作业设备 |
| CN112633214A (zh) * | 2020-12-30 | 2021-04-09 | 潍柴动力股份有限公司 | 一种车辆识别方法及装置 |
| CN112633214B (zh) * | 2020-12-30 | 2022-09-23 | 潍柴动力股份有限公司 | 一种车辆识别方法及装置 |
| CN113805478A (zh) * | 2021-09-15 | 2021-12-17 | 深圳市道通智能汽车有限公司 | 车辆pid参数的调试方法及车辆 |
| CN113805478B (zh) * | 2021-09-15 | 2024-02-23 | 深圳市塞防科技有限公司 | 车辆pid参数的调试方法及车辆 |
| CN114348026A (zh) * | 2022-01-30 | 2022-04-15 | 中国第一汽车股份有限公司 | 一种车辆控制方法、装置、设备以及存储介质 |
| CN114348026B (zh) * | 2022-01-30 | 2023-11-28 | 中国第一汽车股份有限公司 | 一种车辆控制方法、装置、设备以及存储介质 |
| CN115511916A (zh) * | 2022-10-10 | 2022-12-23 | 未岚大陆(北京)科技有限公司 | 智能作业设备控制方法、装置、设备、介质及程序产品 |
| WO2024146580A1 (zh) * | 2023-01-05 | 2024-07-11 | 北京地平线信息技术有限公司 | 车辆状态的确定方法、装置、电子设备和存储介质 |
| CN117666354A (zh) * | 2023-12-08 | 2024-03-08 | 国网江苏省电力有限公司泰州供电分公司 | 一种巡检无人机运动规划方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110244721B (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110244721A (zh) | 自动驾驶控制方法、装置、设备及存储介质 | |
| Stahl et al. | Multilayer graph-based trajectory planning for race vehicles in dynamic scenarios | |
| JP4586795B2 (ja) | 車両用制御装置 | |
| CN110568758A (zh) | 一种自动驾驶汽车的参数自适应横向运动lqr控制方法 | |
| CN110406530A (zh) | 一种自动驾驶方法、装置、设备和车辆 | |
| CN111696339B (zh) | 一种自动驾驶车队的跟车控制方法、系统及车辆 | |
| CN110908395A (zh) | 改进的无人机航迹实时规划方法 | |
| Zhang et al. | Data-driven based cruise control of connected and automated vehicles under cyber-physical system framework | |
| Ben-Messaoud et al. | Smooth obstacle avoidance path planning for autonomous vehicles | |
| CN112965476A (zh) | 一种基于多窗口抽样的高速无人车轨迹规划系统及方法 | |
| Farag | Complex-track following in real-time using model-based predictive control | |
| CN114906173A (zh) | 一种基于两点预瞄驾驶员模型的自动驾驶决策方法 | |
| CN114510032A (zh) | 一种保障车辆快速编队稳定的多车协同控制方法及装置 | |
| CN113419521A (zh) | 一种自动驾驶车辆局部避障路径的规划及跟踪方法 | |
| CN109606364B (zh) | 一种分层式自学习可拓神经网络车道保持控制方法 | |
| CN112799384A (zh) | 车辆及其行驶轨迹规划方法和规划装置 | |
| CN117930661A (zh) | 差速agv控制方法、装置、小车及可读存储介质 | |
| Farag | Model-predictive-control complex-path tracking for self-driving cars | |
| CN116755323A (zh) | 一种基于深度强化学习的多旋翼无人机pid自整定方法 | |
| Iyer et al. | Sliding mode control using power rate exponential reaching law for urban platooning | |
| Pauca et al. | Trajectory planner based on third-order polynomials applied for platoon merging and splitting | |
| Goode et al. | A differential game theoretic approach for two-agent collision avoidance with travel limitations | |
| Han et al. | The Leader-Follower Formation Control of Nonholonomic Vehicle With Follower-Stabilizing Strategy | |
| CN110968082A (zh) | 一种自动驾驶车辆路径追踪方法及装置 | |
| CN115857483A (zh) | 一种基于控制障碍函数模型预测控制算法的无人船避障控制方法 |
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 |