CN110531750A - 用于自动驾驶车辆的pid嵌入式lqr - Google Patents

用于自动驾驶车辆的pid嵌入式lqr Download PDF

Info

Publication number
CN110531750A
CN110531750A CN201910036961.0A CN201910036961A CN110531750A CN 110531750 A CN110531750 A CN 110531750A CN 201910036961 A CN201910036961 A CN 201910036961A CN 110531750 A CN110531750 A CN 110531750A
Authority
CN
China
Prior art keywords
lateral distance
distance error
path
control system
error
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
Application number
CN201910036961.0A
Other languages
English (en)
Other versions
CN110531750B (zh
Inventor
朱帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baidu USA LLC
Original Assignee
Baidu USA LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Baidu USA LLC filed Critical Baidu USA LLC
Publication of CN110531750A publication Critical patent/CN110531750A/zh
Application granted granted Critical
Publication of CN110531750B publication Critical patent/CN110531750B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
    • 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
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D15/00—Steering not otherwise provided for
    • B62D15/02—Steering position indicators ; Steering position determination; Steering aids
    • B62D15/025—Active steering aids, e.g. helping the driver by actively influencing the steering system after environment evaluation
    • 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
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • 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
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • 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
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/027—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means comprising intertial navigation means, e.g. azimuth detector
    • 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
    • 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
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0008—Feedback, closed loop systems or details of feedback error signal
    • B60W2050/0011—Proportional Integral Differential [PID] controller
    • 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
    • G05B6/00—Internal feedback arrangements for obtaining particular characteristics, e.g. proportional, integral or differential
    • G05B6/02—Internal feedback arrangements for obtaining particular characteristics, e.g. proportional, integral or differential electric

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Human Computer Interaction (AREA)
  • Electromagnetism (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Optics & Photonics (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)
  • Feedback Control In General (AREA)
  • Traffic Control Systems (AREA)

Abstract

在本公开的一个实施方式中，提供了用于操作自动驾驶车辆(ADV)的计算机实施的方法及系统。其中，系统接收参考轨迹，该参考轨迹包括ADV将遵循的参考路径。系统使用路径跟踪算法控制ADV使其沿着参考路径，所述控制包括：确定第一横向距离误差；使用比例‑积分‑微分(PID)控制系统基于第一横向距离误差确定第二横向距离误差，其中，第二横向距离误差补偿横向漂移；以及使用路径跟踪算法基于第二横向距离误差来生成转向命令，以控制ADV使得最小化横向距离误差(例如，ADV所采用的实际路径与参考路径之间的横向距离)。

Description

用于自动驾驶车辆的PID嵌入式LQR
技术领域
本公开实施方式总体涉及操作自动驾驶车辆。更具体地，本公开实施方式涉及用于自动驾驶车辆(ADV)的比例-积分-微分(PID)控制器嵌入式线性二次调节器(LQR)。
背景技术
以自主模式运行(例如，无人驾驶)的车辆可以将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自主模式运行时，车辆可以使用车载传感器导航到各种位置，从而允许车辆在最少人机交互的情况下或在一些没有任何乘客的情况下行驶。
ADV可使用驾驶轨迹进行自主导航。驾驶轨迹可划分为纵向分量和横向分量。纵向分量是指沿驾驶轨迹的预定路径纵向行驶的车辆运动。横向分量是指在横向方向上行驶到驾驶轨迹的预定路径的车辆运动。ADV的LQR控制系统可自动操纵ADV以跟踪驾驶轨迹的预定路径，然而，LQR控制器通常不能充分地处理反馈误差。
发明内容
根据本公开的一实施方式，提供了用于操作自动驾驶车辆(ADV)的计算机实施的方法，所述方法包括：接收包括所述自动驾驶车辆将遵循的参考路径的参考轨迹；以及使用路径跟踪控制系统控制所述自动驾驶车辆使其沿着所述参考路径，所述控制包括：确定第一横向距离误差；使用比例-积分-微分(PID)控制系统基于所述第一横向距离误差来确定第二横向距离误差，其中，所述第二横向距离误差补偿横向漂移；以及使用所述路径跟踪控制系统基于所述第二横向距离误差来生成转向命令，以控制所述自动驾驶车辆使得最小化所述自动驾驶车辆所采用的实际路径与所述参考路径之间的横向距离。
根据本公开的另一实施方式，提供了非暂时性机器可读介质，所述非暂时性机器可读介质中存储有指令，所述指令在由一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括：接收包括所述自动驾驶车辆将遵循的参考路径的参考轨迹；以及使用路径跟踪控制系统控制所述自动驾驶车辆使其沿着所述参考路径，所述控制包括：确定第一横向距离误差；使用比例-积分-微分(PID)控制系统基于所述第一横向距离误差来确定第二横向距离误差，其中，所述第二横向距离误差补偿横向漂移；以及使用所述路径跟踪控制系统基于所述第二横向距离误差来生成转向命令，以控制所述自动驾驶车辆使得最小化所述自动驾驶车辆所采用的实际路径与所述参考路径之间的横向距离。
根据本公开的又一实施方式，提供了数据处理系统，包括：一个或多个处理器；以及存储器，所述存储器与所述一个或多个处理器联接以存储指令，所述指令在由所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括：接收包括所述自动驾驶车辆将遵循的参考路径的参考轨迹；以及使用路径跟踪控制系统控制所述自动驾驶车辆使其沿着所述参考路径，所述控制包括：确定第一横向距离误差；使用比例-积分-微分(PID)控制系统基于所述第一横向距离误差来确定第二横向距离误差，其中，所述第二横向距离误差补偿横向漂移；以及使用所述路径跟踪控制系统基于所述第二横向距离误差来生成转向命令，以控制所述自动驾驶车辆使得最小化所述自动驾驶车辆所采用的实际路径与所述参考路径之间的横向距离。
附图说明
本公开实施方式在附图中的各图中以举例而非限制的方式示出，附图中的相似的参考数字指示类似的元件。
图1是示出根据一实施方式的网络系统的框图。
图2是示出根据一实施方式的自动驾驶车辆的示例的框图。
图3A至图3B是示出根据一实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。
图4是示出根据一实施方式的路径跟踪模块的示例的框图。
图5是示出根据一实施方式的LQR路径跟踪系统的示例性配置的框图。
图6是示出根据一实施方式的具有嵌入式PID控制系统的LQR路径跟踪系统的示例性配置的框图。
图7是根据一实施方式的PID控制系统的示例。
图8是示出根据一实施方式的由ADV执行的方法的流程图。
图9是示出根据一实施方式的数据处理系统的框图。
具体实施方式
以下将参考所讨论的细节来描述本公开各种实施方式和方面，附图将示出所述各种实施方式。以下描述和附图是对本公开的说明，而不应被解释为限制本公开。许多具体细节被描述以提供对本公开的各种实施方式的透彻理解。然而，在某些情况下，公知的或传统的细节未被描述以提供对本公开的实施方式的简要讨论。
本说明书中对“一个实施方式”或“实施方式”的提及意味着结合该实施方式所描述的特定特征、结构或特性可以包括在本公开的至少一个实施方式中。短语“在一个实施方式中”在本说明书中各个地方的出现不必全部是指同一实施方式。
LQR路径跟踪模型可用于跟踪误差变量，诸如横向距离误差、横向距离误差变化率、航向误差和航向误差变化率。虽然LQR路径跟踪模型不是为处理反馈误差而设计的，但是PID控制器模型可与LQR控制模型集成从而处理反馈误差，如横向漂移误差。在一个实施方式中，系统接收参考轨迹，该参考轨迹包括ADV将遵循的参考路径。系统使用路径跟踪算法控制ADV使其沿着参考路径，包括：确定第一横向距离误差；使用比例-积分-微分(PID)控制系统基于第一横向距离误差确定第二横向距离误差，其中，第二横向距离误差补偿横向漂移误差(例如，ADV由于车轮定位错误而驶向一侧等)；以及使用路径跟踪算法基于第二横向距离误差来生成转向命令以控制ADV使得最小化横向距离误差，例如，由ADV采用的实际路径与参考路径之间的横向距离。
图1是示出根据本公开一个实施方式的自动驾驶车辆网络配置的框图。参照图1，配置100包括可以通过网络102通信地联接到一个或多个服务器103至104的自动驾驶车辆101。尽管示出一个自动驾驶车辆，但多个自动驾驶车辆可以通过网络102联接到彼此和/或联接到服务器103至104。网络102可以是任何类型的网络，例如，有线或无线的局域网(LAN)、诸如互联网、蜂窝网络、卫星网络的广域网(WAN)或其组合。服务器103至104可以是任何类型的服务器或服务器群集，诸如，网络或云服务器、应用服务器、后端服务器或其组合。服务器103至104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(MPOI)服务器或者位置服务器等。
自动驾驶车辆是指可以被配置成处于自主模式下的车辆，在所述自主模式下车辆在极少或没有来自驾驶员的输入的情况下导航通过环境。这种自动驾驶车辆可以包括传感器系统，所述传感器系统具有被配置成检测与车辆运行环境有关的信息的一个或多个传感器。所述车辆和其相关联的控制器使用所检测的信息来导航通过所述环境。自动驾驶车辆101可以在手动模式下、在全自主模式下或者在部分自主模式下运行。
在一个实施方式中，自动驾驶车辆101包括，但不限于，感知与规划系统110、车辆控制系统111、无线通信系统112、用户接口系统113和传感器系统115。自动驾驶车辆101还可以包括普通车辆中包括的某些常用部件，诸如：发动机、车轮、方向盘、变速器等，所述部件可以由车辆控制系统111和/或感知与规划系统110使用多种通信信号和/或命令进行控制，例如，加速度信号或命令、减速度信号或命令、转向信号或命令、制动信号或命令等。
部件110至115可以经由互连件、总线、网络或其组合通信地联接到彼此。例如，部件110至115可以经由控域网(CAN)总线通信地联接到彼此。CAN总线是被设计成允许微控制器和装置在没有主机的应用中与彼此通信的车辆总线标准。它是基于消息的协议，最初是为汽车内的多路电线设计的，但也用于许多其他环境。
现在参照图2，在一个实施方式中，传感器系统115包括但不限于一个或多个摄像机211、全球定位系统(GPS)单元212、惯性测量单元(IMU)213、雷达(RADAR)单元214以及光探测和测距(LIDAR)单元215。GPS系统212可以包括收发器，所述收发器可操作以提供关于自动驾驶车辆的位置的信息。IMU单元213可以基于惯性加速度来感测自动驾驶车辆的位置和定向变化。雷达单元214可以表示利用无线电信号来感测自动驾驶车辆的本地环境内的对象的系统。在一些实施方式中，除感测对象之外，雷达单元214可以附加地感测对象的速度和/或前进方向。LIDAR单元215可以使用激光器来感测自动驾驶车辆所处环境中的对象。除其他系统部件之外，LIDAR单元215还可以包括一个或多个激光源、激光扫描器以及一个或多个检测器。摄像机211可以包括用来捕获自动驾驶车辆周围环境的图像的一个或多个装置。摄像机211可以是静物摄像机和/或视频摄像机。摄像机可以是可机械地移动的，例如，通过将摄像机安装在旋转和/或倾斜平台上。
传感器系统115还可以包括其他传感器，诸如：声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器以及音频传感器(例如，麦克风)。音频传感器可以被配置成从自动驾驶车辆周围的环境中捕获声音。转向传感器可以被配置成感测方向盘、车辆的车轮或其组合的转向角度。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在一些情形下，油门传感器和制动传感器可以集成为集成式油门/制动传感器。
在一个实施方式中，车辆控制系统111包括但不限于转向单元201、油门单元202(也被称为加速度单元)和制动单元203。转向单元201用来调整车辆的方向或前进方向。油门单元202用来控制电动机或发动机的速度，电动机或发动机的速度转而控制车辆的速度和加速度。制动单元203通过提供摩擦使车辆的车轮或轮胎减慢而使车辆减速。应注意，如图2所示的部件可以在硬件、软件或其组合中实施。
回到图1，无线通信系统112允许自动驾驶车辆101与诸如装置、传感器、其他车辆等外部系统之间的通信。例如，无线通信系统112可以与一个或多个装置直接无线通信，或者经由通信网络进行无线通信，诸如，通过网络102与服务器103至104通信。无线通信系统112可以使用任何蜂窝通信网络或无线局域网(WLAN)，例如，使用WiFi，以与另一部件或系统通信。无线通信系统112可以例如使用红外链路、蓝牙等与装置(例如，乘客的移动装置、显示装置、车辆101内的扬声器)直接通信。用户接口系统113可以是在车辆101内实施的外围装置的部分，包括例如关键词、触摸屏显示装置、麦克风和扬声器等。
自动驾驶车辆101的功能中的一些或全部可以由感知与规划系统110控制或管理，尤其当在自主驾驶模式下操作时。感知与规划系统110包括必要的硬件(例如，处理器、存储器、存储装置)和软件(例如，操作系统、规划和安排路线程序)，以从传感器系统115、控制系统111、无线通信系统112和/或用户接口系统113接收信息，处理所接收的信息，规划从起始点到目的地点的路线或路径，随后基于规划和控制信息来驾驶车辆101。替代地，感知与规划系统110可以与车辆控制系统111集成在一起。
例如，作为乘客的用户可以例如经由用户接口来指定行程的起始位置和目的地。感知与规划系统110获得行程相关数据。例如，感知与规划系统110可以从MPOI服务器中获得位置和路线信息，所述MPOI服务器可以是服务器103至104的一部分。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI。替代地，此类本地和MPOI信息可以本地高速缓存在感知与规划系统110的永久性存储装置中。
当自动驾驶车辆101沿着路线移动时，感知与规划系统110也可以从交通信息系统或服务器(TIS)获得实时交通信息。应注意，服务器103至104可以由第三方实体进行操作。替代地，服务器103至104的功能可以与感知与规划系统110集成在一起。基于实时交通信息、MPOI信息和位置信息以及由传感器系统115检测或感测的实时本地环境数据(例如，障碍物、对象、附近车辆)，感知与规划系统110可以规划最佳路线并且根据所规划的路线例如经由控制系统111来驾驶车辆101，以安全有效地到达指定目的地。
服务器103可以是用于为各种客户端执行数据分析服务的数据分析系统。在一个实施方式中，数据分析系统103包括数据收集器121和机器学习引擎122。数据收集器121收集来自各种车辆(自动驾驶车辆或由驾驶员驾驶的常规车辆)的驾驶统计信息123。驾驶统计信息123包括指示在不同时间点由车辆的传感器捕获的驾驶命令(例如，油门、刹车、转向命令)和车辆响应(例如，速度、加速度、减速度、方向)的信息。驾驶统计信息123还可以包括描述不同的时间点处的驾驶环境的信息，例如，路线(包括起始地和目的地)、MPOI、天气状况和如下道路状况，诸如高速公路上的缓行的车流、停滞的车流、车祸、道路施工、临时绕道、不明障碍物等。
基于驾驶统计信息123，机器学习引擎122生成或训练规则、算法和/或模型124的集合以用于各种目的，包括对PID控制器和LQR控制器建模以跟踪用于ADV的误差变量，诸如横向距离误差、横向距离误差变化率、航向误差和航向误差变化率变量。规则、算法和/或模型124还可以包括供ADV遵循的交通规则和用于计算驾驶轨迹的算法。然后，规则、算法和/或模型124可以上传到ADV上以实时用于自主驾驶。
图3A和图3B是示出根据一实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。系统300可以被实施为图1的自动驾驶车辆101的一部分，包括但不限于感知与规划系统110、控制系统111和传感器系统115。参照图3A至图3B，感知与规划系统110包括但不限于定位模块301、感知模块302、预测模块303、决策模块304、规划模块305、控制模块306、路线选择模块307和路径跟踪模块308。
模块301至308中的一些或全部可以以软件、硬件或其组合的形式实现。例如，这些模块可以安装在永久性存储装置352中、加载到存储器351中，并且由一个或多个处理器(未示出)执行。应注意，这些模块中的一些或全部可以通信地联接到图2的车辆控制系统111的一些或全部模块或者与它们集成在一起。模块301至308中的一些可以一起集成为集成模块。例如，决策模块304和规划模块305可以是集成模块。路径跟踪模块308可以集成为控制模块306的一部分。
定位模块301(例如，借助GPS单元212)确定自动驾驶车辆300的当前位置并且管理与用户的行程或路线有关的任何数据。定位模块301(也被称为地图与路线选择模块)管理与用户的行程或路线相关的任何数据。用户可以例如经由用户接口登录并且指定行程的起始位置和目的地。定位模块301与自动驾驶车辆300的其他部件通信，诸如地图和路线信息311，以获得行程相关数据。例如，定位模块301可以从位置服务器和地图与POI(MPOI)服务器获得位置和路线信息。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI，从而高速缓存为地图和路线信息311的一部分。当自动驾驶车辆300沿着路线移动时，定位模块301也可以从交通信息系统或服务器获得实时交通信息。
基于由传感器系统115提供的传感器数据和由定位模块301获得的定位信息，感知模块302确定周围环境的感知。感知信息可以表示普通驾驶员在驾驶员正驾驶的车辆周围将感知到的事物。感知可以包括车道配置(例如，直线车道或弯曲车道)、交通灯信号、另一车辆的相对位置、行人、建筑物、人行横道或例如呈对象形式的其他交通相关标志(例如，停止标志、让行标志)等。
感知模块302可以包括计算机视觉系统或计算机视觉系统的功能，以处理并分析由一个或多个摄像机捕获的图像，以便识别自动驾驶车辆环境中的对象和/或特征。所述对象可以包括交通信号、道路边界、其他车辆、行人和/或障碍物等。计算机视觉系统可以使用对象识别算法、视频跟踪以及其他计算机视觉技术。在一些实施方式中，计算机视觉系统可以绘制环境地图，跟踪对象，并估算对象的速度等。感知模块302也可以基于由诸如RADAR和/或LIDAR的其他传感器提供的其他传感器数据来检测对象。
对于对象中的每个，预测模块303预测对象在各种状况下将做出何种行为。预测是鉴于地图/路线信息311和驾驶/交通规则312的集合、基于在某一时间点处感知驾驶环境所得的感知数据来执行的。例如，如果对象是相反方向上的车辆并且当前驾驶环境包括交叉路口，则预测模块303将预测车辆是否可能直线向前移动或转弯。如果感知数据指示交叉路口没有交通信号灯，则预测模块303可以预测车辆可能必须在进入交叉路口之前完全停止。如果感知数据指示车辆当前处于仅左转车道或仅右转车道，则预测模块303可以预测车辆将更可能分别进行左转或右转。
针对每个对象，决策模块304作出关于如何处理对象的决策。例如，针对特定对象(例如，交叉路线中的另一车辆)以及描述该对象的元数据(例如，速度、方向、转弯角度)，决策模块304决定如何与所述对象相会(例如，超车、让路、停止、超过)。决策模块304可以根据诸如交通规则或驾驶规则312的规则集合来作出此类决策，所述规则集合可以存储在永久性存储装置352中。
路线选择模块307配置成提供从起始点到目的地点的一个或多个路线或路径。对于例如从用户接收到的从起始地到目的地的给定行程，路线选择模块307获得路线和地图信息311并确定从起始地到达目的地的所有可能的路线或路径。针对其所确定的从起始地到达目的地的每个路线，路线选择模块307可以以地形图的形式生成参考线。参考线是指不受来自诸如其他车辆、障碍物或交通状况等的任何干扰的理想路线或路径。也就是说，如果道路上没有其他车辆、行人或障碍物，ADV应完全或紧密遵循参考线。然后，地形图被提供至决策模块304和/或规划模块305。决策模块304和/或规划模块305检查所有可能的路线以结合由其他模块提供的其他数据(诸如来自定位模块301的交通状况、由感知模块302感知的驾驶环境和由预测模块303预测的交通状况)来选择和修改最佳路线中的一个。用于控制ADV的实际路径或路线可以与根据该时间点处的特定驾驶环境由路线选择模块307提供的参考线接近或不同。
基于针对所感知到的每个对象的决策，规划模块305使用由路线选择模块307提供的参考线作为基准为自动驾驶车辆规划路径或路线以及驾驶参数(例如，距离、速度和/或转弯角度)。换言之，针对给定的对象，决策模块304决定对该对象采取什么动作，而规划模块305确定如何去做。例如，针对给定的对象，决策模块304可以决定超过所述对象，而规划模块305可以确定在所述对象的左侧还是右侧超过。规划和控制数据由规划模块305生成，其包括描述车辆300在下一移动循环(例如，下一路线/路径段)中将如何移动的信息。例如，规划和控制数据可以指示车辆300以30英里每小时(mph)的速度移动10米，随后以25mph的速度变到右侧车道。
基于规划和控制数据，控制模块306根据由规划和控制数据限定的路线或路径通过将适当的命令或信号发送到车辆控制系统111来控制并驾驶自动驾驶车辆。所述规划和控制数据包括足够的信息，以沿着路径或路线在不同的时间点使用适当的车辆设置或驾驶参数(例如，油门、制动和转弯命令)将车辆从路线或路径的第一点驾驶到第二点。
规划阶段可以以多个规划循环(也被称为命令循环)执行，例如，以100毫秒(ms)的每个时间间隔执行。对于规划循环或命令循环中的每个，将基于规划和控制数据发出一个或多个控制命令。也就是说，对于每100ms，规划模块305规划下一个路线段或路径段，例如，包括目标位置和ADV到达目标位置所需的时间。可选地，规划模块305还可以指定特定速度、方向和/或转向角度等。例如，规划模块305可以规划用于下一预定时间段(如5秒)的路线段或路径段。对于每个规划循环，规划模块305基于在前一循环中规划的目标位置来规划当前循环(例如，接下来的5秒)的目标位置。然后，控制模块306基于当前循环的规划和控制数据来生成一个或多个控制命令(例如，油门、制动、转向控制命令)。
应注意，决策模块304和规划模块305可以集成为集成模块。决策模块304/规划模块305可以包括导航系统或导航系统的功能，以确定自动驾驶车辆的驾驶路径。例如，导航系统可以确定用于实现自动驾驶车辆沿着以下路径移动的一系列速度和定向前进方向：所述路径在使自动驾驶车辆大致沿着通往最终目的地的基于道路的路径前进的同时，基本上避免感知到的障碍物。目的地可以根据经由用户接口系统113进行的用户输入来设定。导航系统可以在自动驾驶车辆处于操作中的同时动态地更新驾驶路径。导航系统可以将来自GPS系统和一个或多个地图的数据合并，以确定自动驾驶车辆的驾驶路径。
决策模块304/规划模块305还可以包括防撞系统或防撞系统的功能，以识别、评估且避免或以其他方式越过自动驾驶车辆的环境中的潜在障碍物。例如，防撞系统可以通过以下方式实现自动驾驶车辆的导航中的变化：操作控制系统111中的一个或多个子系统来采取转向操纵、转弯操纵、制动操纵等。防撞系统可以基于周围的交通模式、道路状况等自动确定可行的障碍物回避操纵。防撞系统可以配置成使得当其他传感器系统检测到位于自动驾驶车辆将转向进入的相邻区域中的车辆、建筑障碍物等时不采取转向操纵。防撞系统可以自动选择既可用又使得自动驾驶车辆乘员的安全性最大化的操纵。防撞系统可以选择所预测的躲避操纵以使得自动驾驶车辆的乘客舱中出现最小量的加速度。
根据一个实施方式，路径跟踪模块308可以跟踪误差变量，诸如ADV 101的横向距离误差、横向距离误差变化率、航向误差和航向误差变化率。误差变量可以基于比较ADV101采用的实际路径与参考路径来跟踪。路径跟踪模块308可以实现为控制模块306的一部分。在一个实施方式中，路径跟踪模块308可以接收包括ADV将遵循的参考路径的参考轨迹。路径跟踪模块308使用路径跟踪算法控制ADV使其沿着参考路径，所述控制包括：确定第一横向距离误差；使用比例-积分-微分(PID)控制系统基于第一横向距离误差确定用于路径跟踪算法的第二横向距离误差，其中，第二横向距离误差补偿横向漂移；以及使用路径跟踪算法基于第二横向距离误差来生成转向命令，以控制ADV使得最小化横向距离误差，例如，由ADV采用的实际路径与参考路径之间的横向距离。
图4是示出根据一实施方式的路径跟踪模块的示例的框图。参照图4，路径跟踪模块308可以包括参考路径401、实际路径403、横向距离误差确定器405、横向距离误差变化率确定器407、航向误差确定器409和航向误差变化率确定器411。参考路径401可以是来自由ADV的规划模块提供的轨迹的路径或路径段。实际路径403可以是ADV所采用的实际路径。横向距离误差确定器405可以确定当前路径(例如，实际路径403)上的ADV的当前位置与参考路径401之间的横向距离误差或横向距离。横向距离误差变化率确定器407可以基于来自前一驾驶循环和当前驾驶循环的横向距离误差来确定横向距离误差变化率。航向误差确定器409可以基于ADV的当前航向和基于参考路径401的预期航向来确定航向误差。航向误差变化率确定器411可以基于从前一驾驶循环和当前驾驶循环(例如，两个连续的驾驶循环)确定的航向误差来确定航向误差变化率。应注意，模块405、407、409和411可以根据需要根据特定配置集成在更少的模块或单个模块中。
图5是示出根据一实施方式的LQR路径跟踪系统的示例性配置的框图。LQR是线性二次控制系统的特殊形式。线性二次控制系统是线性控制系统，其对给定系统(例如，车辆和参考路径)进行建模以最小化二次成本函数，以便能够实现某个最佳标准。LQR还调节系统或者使系统稳定到稳定状态。例如，LQR系统可以对在稳定状态下实现最佳标准的车辆和参考路径系统进行建模。
参照图5，在一个实施方式中，LQR路径跟踪系统500包括LQR控制系统513(作为LQR控制模型313的一部分)。LQR控制系统513可以包括线性状态-空间控制系统，其将ADV 101的横向动态建模为：
或
其中，δ＝Kx是当前转向角度输入，e是由横向距离误差确定器405确定的横向距离误差501(例如，从ADV的重心到参考路径的横向距离)，是由横向距离误差变化率确定器407确定的横向距离误差变化率502，θ是ADV相对于由航向误差确定器409确定的参考路径的航向误差503，是由航向误差变化率确定器411确定的航向误差变化率504，是x的变化率，是对于ADV的S路径(例如，r(s))的期望偏航率，并且A、B1和B2是预定常数。在一个实施方式中，A、B1和B2可以是：
其中，m是ADV的质量，v是ADV沿参考路径的纵向速度，I＝mlflr是ADV的惯性矩，lr和lf分别是沿中心线从后轮的后轴和前轮的前轴至ADV的重力中心的距离，cr和cf分别是后轮和前轮的角刚度参数。在一个实施方式中，角刚度参数可以根据ADV的后轮和前轮的数据表来估计和/或确定。
在一个实施方式中，横向距离误差变化率502由横向距离误差变化率确定器407基于横向距离误差501来确定。在一个实施方式中，航向误差变化率504由航向误差变化率确定器411基于航向误差503来确定。在一个实施方式中，变化率确定器407、411基于两个连续的离散驾驶循环，如当前控制和/或规划循环(例如，驾驶循环)和前一驾驶循环(或者，两个连续的驾驶循环)来确定变化率。在一个实施方式中，前一驾驶循环的横向距离误差和/或航向误差由变化率确定器407、411缓冲，以分别计算横向距离误差变化率和航向误差变化率。在一个实施方式中，驾驶循环可以是0.1秒的时间间隔，在该时间间隔，规划和控制模块完成用于控制ADV的计算循环。
在一个实施方式中，待最小化的离散化LQR控制目标二次成本函数可以是：
其中，K矩阵是最小化目标二次成本函数的线性系统模型，Q和R是LQR控制系统的调节参数。在一个实施方式中，Q和R可以是：
并且R＝1，
其中，q1、q2、q3、q4分别是e,θ,和的跟踪惩罚因子。
一旦确定了K或线性控制系统模型，则LQR控制系统可以生成转向角度(和转向命令)，以最小化ADV的横向距离误差、横向距离误差变化率、航向误差或航向误差变化率。然而，LQR控制系统不处理反馈误差，例如，横向漂移。
图6是示出根据一实施方式的具有嵌入式PID控制系统的LQR路径跟踪系统的示例性配置的框图。图7是根据一实施方式的PID控制器的示例。参照图6，LQR路径跟踪系统600可以与LQR路径跟踪系统500相似，区别在于PID控制系统514(作为PID控制模型314的一部分)联接到LQR控制系统513的横向距离误差501输入端口作为反馈控制，以补偿横向漂移。
PID控制系统是控制回路反馈机制，其连续地计算误差值作为期望的设置点(SP)与经测量的过程变量(PV)之间的差值，并且基于误差的比例、积分和微分系数来应用校正。参照图7，在一个实施方式中，PID控制系统514包括用于反馈回路的PID控制器701、过程干扰703和传感器系统115。PID控制器701包括用于所计算出的误差值的比例、积分和微分项。在一个实施方式中，P、I和D系数分别可以是1、0.5和0.1。
在一个实施方式中，PID控制器701可以接收零横向漂移的期望SP值(例如，零横向距离误差)。误差值是基于零SP和PV 601的反馈来计算的，其中，PV 601是由传感器系统115感测到的实际横向距离误差(例如，第一横向距离误差)。然后，基于计算出的误差值的比例、积分和微分系数，将输出501计算为校正值(例如，第二横向距离误差)。输出501或横向距离误差值被馈送到LQR控制系统513以调节横向距离误差。例如，输出501可以被集成到可以迫使LQR控制系统513校正横向距离误差的较大值。在一个实施方式中，PID控制系统514实时地连续更新PID控制器输出的横向距离误差。
图8是示出根据一实施方式的由ADV执行的方法的流程图。过程800可以通过可包括软件、硬件或其组合的处理逻辑来执行。例如，过程800可以由图3A的路径跟踪模块308执行。参照图8，在框801处，处理逻辑接收包括ADV将遵循的参考路径的参考轨迹。在框802处，处理逻辑使用路径跟踪控制系统控制ADV使其沿着参考路径，所述控制包括：在框803处，确定第一横向距离误差；在框804处，使用比例-积分-微分(PID)控制系统基于第一横向距离误差来确定第二横向距离误差，其中，第二横向距离误差补偿横向漂移；以及在框805处，使用路径跟踪控制系统基于第二横向距离误差来生成转向命令，以控制ADV使得最小化ADV所采用的实际路径与参考路径之间的横向距离。
在一个实施方式中，路径跟踪控制系统是线性二次调节器(LQR)控制系统。在一个实施方式中，处理逻辑还基于当前驾驶循环和前一驾驶循环的所确定的第二横向距离误差来确定横向距离误差变化率。处理逻辑使用路径跟踪控制系统基于第二横向距离误差和第二横向距离误差变化率来生成转向命令，以控制ADV使得最小化ADV所采用的实际路径与参考路径之间的横向距离。
在另一实施方式中，基于当前驾驶循环和前一驾驶循环的所确定的第二横向距离误差来确定第二横向距离误差变化率还包括：对前一驾驶循环的先前确定的第二横向距离误差进行缓冲；以及基于先前确定的第二横向距离误差和当前确定的第二横向距离误差的变化来确定第二横向距离误差变化率。在另一实施方式中，处理逻辑还基于第二横向距离误差和第二横向距离误差变化率来生成转向角度，其中，转向角度被用于生成转向命令。
在另一实施方式中，处理逻辑还基于当前驾驶循环的当前航向与前一驾驶循环的预期航向之间的差异来确定航向误差，其中，转向角度是使用路径跟踪控制系统进一步基于航向误差来生成的。在另一实施方式中，处理逻辑还鉴于当前驾驶循环与前一驾驶循环之间的持续时间基于当前航向与预期航向之间的差异来确定航向误差变化率，其中，转向角度是使用路径跟踪控制系统进一步基于航向误差变化率来生成的。
在一个实施方式中，PID控制系统通过以下步骤来确定第二横向距离误差：确定期望的横向距离误差；基于期望的横向距离误差和第一横向距离误差来计算差值；基于差值的比例、积分或微分项来计算第二横向距离误差；以及鉴于PID控制系统的横向漂移来反馈第二横向距离误差，以实时地连续更新差值的计算。在一个实施方式中，PID控制系统的比例、积分和微分系数分别为约1、0.5和0.1。
应注意，如上文示出和描述的部件中的一些或全部可以以软件、硬件或其组合中实现。例如，此类部件可以实施为安装并存储在永久性存储装置中的软件，所述软件可以通过处理器(未示出)加载在存储器中并在存储器中执行以实施贯穿本申请所述的过程或操作。替代地，此类部件可以实施为编程或嵌入到专用硬件(诸如，集成电路(例如，专用集成电路或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA))中的可执行代码，所述可执行代码可以经由来自应用的相应驱动程序和/或操作系统来访问。此外，此类部件可以实施为处理器或处理器内核中的特定硬件逻辑，作为可由软件部件通过一个或多个特定指令访问的指令集的一部分。
图9是示出可以与本公开的一个实施方式一起使用的数据处理系统的示例的框图。例如，系统1500可以表示以上所述的执行上述过程或方法中的任一个的任何数据处理系统，例如，图1的控制系统111或者服务器103至104中的任一个。系统1500可以包括许多不同的部件。这些部件可以实施为集成电路(IC)、集成电路的部分、分立电子装置或适用于电路板的其他模块(诸如，计算机系统的主板或插入卡)或者实施为以其他方式并入计算机系统的底盘内的部件。
还应注意，系统1500旨在示出计算机系统的许多部件的高级视图。然而，应当理解的是，某些实施方式中可以具有附加的部件，此外，其他实施方式中可以具有所示部件的不同配置。系统1500可以表示台式计算机、膝上型计算机、平板计算机、服务器、移动电话、媒体播放器、个人数字助理(PDA)、智能手表、个人通信器、游戏装置、网络路由器或集线器、无线接入点(AP)或中继器、机顶盒或其组合。此外，虽然仅示出了单个机器或系统，但是术语“机器”或“系统”还应当被理解为包括单独地或共同地执行一个(或多个)指令集以执行本文所讨论的任何一种或多种方法的机器或系统的任何集合。
在一个实施方式中，系统1500包括经由总线或互连件1510连接的处理器1501、存储器1503以及装置1505至1508。处理器1501可以表示其中包括单个处理器内核或多个处理器内核的单个处理器或多个处理器。处理器1501可以表示一个或多个通用处理器，诸如，微处理器、中央处理单元(CPU)等。更具体地，处理器1501可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、或实施其他指令集的处理器、或实施指令集组合的处理器。处理器1501还可以是一个或多个专用处理器，诸如，专用集成电路(ASIC)、蜂窝或基带处理器、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、网络处理器、图形处理器、通信处理器、加密处理器、协同处理器、嵌入式处理器，或者能够处理指令的任何其他类型的逻辑。
处理器1501(其可以是低功率多核处理器插座，诸如超低电压处理器)可以充当用于与所述系统的各种部件通信的主处理单元和中央集线器。这种处理器可以实施为片上系统(SoC)。处理器1501被配置成执行用于执行本文所讨论的操作和步骤的指令。系统1500还可以包括与可选的图形子系统1504通信的图形接口，图形子系统1504可以包括显示控制器、图形处理器和/或显示装置。
处理器1501可以与存储器1503通信，存储器1503在一个实施方式中可以经由多个存储器装置实施以提供给定量的系统存储器。存储器1503可以包括一个或多个易失性存储(或存储器)装置，诸如，随机存取存储器(RAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、静态RAM(SRAM)或者其他类型的存储装置。存储器1503可以存储包括由处理器1501或任何其他装置执行的指令序列的信息。例如，各种操作系统、装置驱动程序、固件(例如，输入输出基本系统或BIOS)和/或应用的可执行代码和/或数据可以加载到存储器1503中并由处理器1501执行。操作系统可以是任何类型的操作系统，例如，机器人操作系统(ROS)、来自公司的操作系统、来自苹果公司的Mac来自公司的LINUX、UNIX，或者其他实时或嵌入式操作系统。
系统1500还可以包括I/O装置，诸如装置1505至1508，包括网络接口装置1505、可选的输入装置1506，以及其他可选的I/O装置1507。网络接口装置1505可以包括无线收发器和/或网络接口卡(NIC)。所述无线收发器可以是WiFi收发器、红外收发器、蓝牙收发器、WiMax收发器、无线蜂窝电话收发器、卫星收发器(例如，全球定位系统(GPS)收发器)或其他射频(RF)收发器或者它们的组合。NIC可以是以太网卡。
输入装置1506可以包括鼠标、触摸板、触敏屏幕(其可以与显示装置1504集成在一起)、指针装置(诸如，触摸笔)和/或键盘(例如，物理键盘或作为触敏屏幕的一部分显示的虚拟键盘)。例如，输入装置1506可以包括联接到触摸屏的触摸屏控制器。触摸屏和触摸屏控制器例如可以使用多种触敏技术(包括但不限于电容、电阻、红外和表面声波技术)中的任一种，以及用于确定与触摸屏接触的一个或多个接触点的其他接近传感器阵列或其他元件来检测其接触和移动或间断。
I/O装置1507可以包括音频装置。音频装置可以包括扬声器和/或麦克风，以促进支持语音的功能，诸如语音识别、语音复制、数字记录和/或电话功能。其他I/O装置1507还可以包括通用串行总线(USB)端口、并行端口、串行端口、打印机、网络接口、总线桥(例如，PCI-PCI桥)、传感器(例如，运动传感器，诸如加速度计、陀螺仪、磁强计、光传感器、罗盘、接近传感器等)或者它们的组合。装置1507还可以包括成像处理子系统(例如，摄像机)，所述成像处理子系统可以包括用于促进摄像机功能(诸如，记录照片和视频片段)的光学传感器，诸如电荷耦合装置(CCD)或互补金属氧化物半导体(CMOS)光学传感器。某些传感器可以经由传感器集线器(未示出)联接到互连件1510，而诸如键盘或热传感器的其他装置可以由嵌入式控制器(未示出)控制，这取决于系统1500的具体配置或设计。
为了提供诸如数据、应用、一个或多个操作系统等信息的永久性存储，大容量存储装置(未示出)也可以联接到处理器1501。在各种实施方式中，为了实现更薄且更轻的系统设计并且改进系统响应性，这种大容量存储装置可以经由固态装置(SSD)来实施。然而，在其他实施方式中，大容量存储装置可以主要使用硬盘驱动器(HDD)来实施，其中较小量的SSD存储装置充当SSD高速缓存以在断电事件期间实现上下文状态以及其他此类信息的非易失性存储，从而使得在系统活动重新启动时能够实现快速通电。另外，闪存装置可以例如经由串行外围接口(SPI)联接到处理器1501。这种闪存装置可以提供系统软件的非易失性存储，所述系统软件包括所述系统的BIOS以及其他固件。
存储装置1508可以包括计算机可访问的存储介质1509(也被称为机器可读存储介质或计算机可读介质)，其上存储有体现本文所述的任何一种或多种方法或功能的一个或多个指令集或软件(例如，模块、单元和/或逻辑1528)。处理模块/单元/逻辑1528可以表示上述部件中的任一个，诸如图3A的路径跟踪模块308。处理模块/单元/逻辑1528还可以在其由数据处理系统1500、存储器1503和处理器1501执行期间完全地或至少部分地驻留在存储器1503内和/或处理器1501内，数据处理系统1500、存储器1503和处理器1501也构成机器可访问的存储介质。处理模块/单元/逻辑1528还可以通过网络经由网络接口装置1505进行传输或接收。
计算机可读存储介质1509也可以用来永久性地存储以上描述的一些软件功能。虽然计算机可读存储介质1509在示例性实施方式中被示为单个介质，但是术语“计算机可读存储介质”应当被认为包括存储所述一个或多个指令集的单个介质或多个介质(例如，集中式或分布式数据库和/或相关联的高速缓存和服务器)。术语“计算机可读存储介质”还应当被认为包括能够存储或编码指令集的任何介质，所述指令集用于由机器执行并且使得所述机器执行本公开的任何一种或多种方法。因此，术语“计算机可读存储介质”应当被认为包括但不限于固态存储器以及光学介质和磁性介质，或者任何其他非暂时性机器可读介质。
本文所述的部件或集成在硬件部件(诸如，ASIC、FP处理模块/单元/逻辑1528、部件以及其他特征可以实施为分立硬件GA、DSP或类似装置)的功能中。此外，处理模块/单元/逻辑1528可以实施为硬件装置内的固件或功能电路。此外，处理模块/单元/逻辑1528可以以硬件装置和软件部件的任何组合来实施。
应注意，虽然系统1500被示出为具有数据处理系统的各种部件，但是并不旨在表示使部件互连的任何特定架构或方式；因为此类细节和本公开的实施方式没有密切关系。还应当认识到，具有更少部件或可能具有更多部件的网络计算机、手持计算机、移动电话、服务器和/或其他数据处理系统也可以与本公开的实施方式一起使用。
前述详细描述中的一些部分已经根据在计算机存储器内对数据位的运算的算法和符号表示而呈现。这些算法描述和表示是数据处理领域中的技术人员所使用的方式，以将他们的工作实质最有效地传达给本领域中的其他技术人员。本文中，算法通常被认为是导致所期望结果的自洽操作序列。这些操作是指需要对物理量进行物理操控的操作。
然而，应当牢记，所有这些和类似的术语均旨在与适当的物理量关联，并且仅仅是应用于这些量的方便标记。除非在以上讨论中以其他方式明确地指出，否则应当了解，在整个说明书中，利用术语(诸如所附权利要求书中所阐述的术语)进行的讨论是指计算机系统或类似电子计算装置的动作和处理，所述计算机系统或电子计算装置操控计算机系统的寄存器和存储器内的表示为物理(电子)量的数据，并将所述数据变换成计算机系统存储器或寄存器或者其他此类信息存储装置、传输或显示装置内类似地表示为物理量的其他数据。
本公开的实施方式还涉及用于执行本文中的操作的设备。这种计算机程序被存储在非暂时性计算机可读介质中。机器可读介质包括用于以机器(例如，计算机)可读的形式存储信息的任何机构。例如，机器可读(例如，计算机可读)介质包括机器(例如，计算机)可读存储介质(例如，只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存存储器装置)。
前述附图中所描绘的过程或方法可以由处理逻辑来执行，所述处理逻辑包括硬件(例如，电路、专用逻辑等)、软件(例如，体现在非暂时性计算机可读介质上)或两者的组合。尽管所述过程或方法在上文是依据一些顺序操作来描述的，但是应当了解，所述操作中的一些可以按不同的顺序执行。此外，一些操作可以并行地执行而不是顺序地执行。
本公开的实施方式并未参考任何特定的编程语言进行描述。应认识到，可以使用多种编程语言来实施如本文描述的本公开的实施方式的教导。
在以上的说明书中，已经参考本公开的具体示例性实施方式对本发明的实施方式进行了描述。将显而易见的是，在不脱离所附权利要求书中阐述的本发明的更宽泛精神和范围的情况下，可以对本公开做出各种修改。因此，应当在说明性意义而不是限制性意义上来理解本说明书和附图。

Claims (21)

1.一种用于操作自动驾驶车辆的计算机实施的方法，所述方法包括：
接收包括所述自动驾驶车辆将遵循的参考路径的参考轨迹；以及
使用路径跟踪控制系统控制所述自动驾驶车辆使其沿着所述参考路径，所述控制包括：
确定第一横向距离误差；
使用比例-积分-微分控制系统基于所述第一横向距离误差来确定第二横向距离误差，其中，所述第二横向距离误差补偿横向漂移；以及
使用所述路径跟踪控制系统基于所述第二横向距离误差来生成转向命令，以控制所述自动驾驶车辆使得最小化所述自动驾驶车辆所采用的实际路径与所述参考路径之间的横向距离。
2.如权利要求1所述的计算机实施的方法，其中，所述路径跟踪控制系统是线性二次调节器控制系统。
3.如权利要求1所述的计算机实施的方法，还包括：
基于针对当前驾驶循环和前一驾驶循环所确定的第二横向距离误差来确定第二横向距离误差变化率；
使用所述路径跟踪控制系统基于所述第二横向距离误差和所述第二横向距离误差变化率来生成所述转向命令，以控制所述自动驾驶车辆使得最小化所述自动驾驶车辆所采用的实际路径与所述参考路径之间的横向距离。
4.如权利要求3所述的计算机实施的方法，其中，基于针对当前驾驶循环和前一驾驶循环所确定的第二横向距离误差来确定第二横向距离误差变化率还包括：
将针对所述前一驾驶循环的先前确定的第二横向距离误差进行缓冲；以及
基于先前确定的第二横向距离误差和当前确定的第二横向距离误差的变化来确定所述第二横向距离误差变化率。
5.如权利要求3所述的计算机实施的方法，还包括：
基于所述第二横向距离误差和所述第二横向距离误差变化率来生成转向角度，其中，所述转向角度被用于生成所述转向命令。
6.如权利要求5所述的计算机实施的方法，还包括：
基于当前驾驶循环的当前航向与前一驾驶循环的预期航向之间的差异来确定航向误差，其中，所述转向角度是使用所述路径跟踪控制系统进一步基于所述航向误差来生成的。
7.如权利要求6所述的计算机实施的方法，还包括：
鉴于所述当前驾驶循环与所述前一驾驶循环之间的持续时间，基于所述当前航向与所述预期航向之间的差异来确定航向误差变化率，其中，所述转向角度是使用所述路径跟踪控制系统进一步基于所述航向误差变化率来生成的。
8.如权利要求1所述的计算机实施的方法，其中，所述比例-积分-微分控制系统通过以下步骤来确定所述第二横向距离误差：
确定期望的横向距离误差；
基于所述期望的横向距离误差和所述第一横向距离误差来计算差值；
基于所述差值的比例、积分或微分项来计算所述第二横向距离误差；以及
鉴于所述比例-积分-微分控制系统的横向漂移来反馈所述第二横向距离误差，以实时地连续更新对所述差值的计算。
9.如权利要求1所述的计算机实施的方法，其中，所述比例-积分-微分控制系统的比例、积分和微分系数分别为约1、0.5和0.1。
10.非暂时性机器可读介质，所述非暂时性机器可读介质中存储有指令，所述指令在由一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括：
接收包括自动驾驶车辆将遵循的参考路径的参考轨迹；以及
使用路径跟踪控制系统控制所述自动驾驶车辆使其沿着所述参考路径，所述控制包括：
确定第一横向距离误差；
使用比例-积分-微分控制系统基于所述第一横向距离误差来确定第二横向距离误差，其中，所述第二横向距离误差补偿横向漂移；以及
使用所述路径跟踪控制系统基于所述第二横向距离误差来生成转向命令，以控制所述自动驾驶车辆使得最小化所述自动驾驶车辆所采用的实际路径与所述参考路径之间的横向距离。
11.如权利要求10所述的非暂时性机器可读介质，其中，所述路径跟踪控制系统是线性二次调节器控制系统。
12.如权利要求10所述的非暂时性机器可读介质，其中，所述操作还包括：
基于针对当前驾驶循环和前一驾驶循环确定的第二横向距离误差来确定第二横向距离误差变化率；
使用所述路径跟踪控制系统基于所述第二横向距离误差和所述第二横向距离误差变化率来生成所述转向命令，以控制所述自动驾驶车辆使得最小化所述自动驾驶车辆所采用的实际路径与所述参考路径之间的横向距离。
13.如权利要求12所述的非暂时性机器可读介质，其中，基于针对当前驾驶循环和前一驾驶循环确定的所述第二横向距离误差来确定第二横向距离误差变化率还包括：
将针对所述前一驾驶循环的先前确定的第二横向距离误差进行缓冲；以及
基于先前确定的所述第二横向距离误差和当前确定的第二横向距离误差的变化来确定所述第二横向距离误差变化率。
14.如权利要求12所述的非暂时性机器可读介质，其中，所述操作还包括：
基于所述第二横向距离误差和所述第二横向距离误差变化率来生成转向角度，其中，所述转向角度被用于使用所述路径跟踪控制系统来生成所述转向命令。
15.如权利要求14所述的非暂时性机器可读介质，其中，所述操作还包括：
基于当前驾驶循环的当前航向与前一驾驶循环的预期航向之间的差异来确定航向误差，其中，所述转向角度是使用所述路径跟踪控制系统进一步基于所述航向误差来生成的。
16.如权利要求15所述的非暂时性机器可读介质，其中，所述操作还包括：
鉴于所述当前驾驶循环与所述前一驾驶循环之间的持续时间，基于所述当前航向与所述预期航向之间的差异来确定航向误差变化率，其中，所述转向角度是使用所述路径跟踪控制系统进一步基于所述航向误差变化率来生成的。
17.一种数据处理系统，包括：
一个或多个处理器；以及
存储器，所述存储器与所述一个或多个处理器联接以存储指令，所述指令在由所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括：
接收包括所述自动驾驶车辆将遵循的参考路径的参考轨迹；以及
使用路径跟踪控制系统控制所述自动驾驶车辆使其沿着所述参考路径，所述控制包括：
确定第一横向距离误差；
使用比例-积分-微分控制系统基于所述第一横向距离误差来确定第二横向距离误差，其中，所述第二横向距离误差补偿横向漂移；以及
使用所述路径跟踪控制系统基于所述第二横向距离误差来生成转向命令，以控制所述自动驾驶车辆使得最小化所述自动驾驶车辆所采用的实际路径与所述参考路径之间的横向距离。
18.如权利要求17所述的系统，其中，所述路径跟踪控制系统是线性二次调节器。
19.如权利要求17所述的系统，其中，所述操作还包括：
基于针对当前驾驶循环和前一驾驶循环确定的第二横向距离误差来确定第二横向距离误差变化率；
使用所述路径跟踪控制系统基于所述第二横向距离误差和所述第二横向距离误差变化率来生成所述转向命令，以控制所述自动驾驶车辆使得最小化所述自动驾驶车辆所采用的实际路径与所述参考路径之间的横向距离。
20.如权利要求19所述的系统，其中，基于针对当前驾驶循环和前一驾驶循环所确定的所述第二横向距离误差来确定第二横向距离误差变化率还包括：
将针对所述前一驾驶循环的先前确定的第二横向距离误差进行缓冲；以及
基于先前确定的所述第二横向距离误差和当前确定的第二横向距离误差的变化来确定所述第二横向距离误差变化率。
21.如权利要求19所述的系统，其中，所述操作还包括：
基于所述第二横向距离误差和所述第二横向距离误差变化率来生成转向角度，其中，所述转向角度被用于使用所述路径跟踪控制系统来生成所述转向命令。
CN201910036961.0A 2018-05-23 2019-01-15 一种用于操作自动驾驶车辆的计算机实施的方法、可读介质及系统 Active CN110531750B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/987,877 US10671070B2 (en) 2018-05-23 2018-05-23 PID embedded LQR for autonomous driving vehicles (ADVS)
US15/987,877 2018-05-23

Publications (2)

Publication Number Publication Date
CN110531750A true CN110531750A (zh) 2019-12-03
CN110531750B CN110531750B (zh) 2023-01-24

Family

ID=68613686

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910036961.0A Active CN110531750B (zh) 2018-05-23 2019-01-15 一种用于操作自动驾驶车辆的计算机实施的方法、可读介质及系统

Country Status (3)

Country Link
US (1) US10671070B2 (zh)
JP (1) JP6861239B2 (zh)
CN (1) CN110531750B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111025907A (zh) * 2019-12-20 2020-04-17 苏州智加科技有限公司 一种自动驾驶卡车的横向控制方法、系统及存储介质
CN111142539A (zh) * 2020-01-13 2020-05-12 中智行科技有限公司 一种无人驾驶车辆控制方法、装置和无人驾驶车辆
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
CN111890951A (zh) * 2020-08-07 2020-11-06 吉林大学 智能电动汽车轨迹跟踪与运动控制方法
WO2021147070A1 (en) * 2020-01-23 2021-07-29 Baidu.Com Times Technology (Beijing) Co., Ltd. A feedback based real time steering calibration system
WO2024113087A1 (en) * 2022-11-28 2024-06-06 Beijing Baidu Netcom Science Technology Co., Ltd. On-board parameter tuning for control module for autonomous vehicles

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT201600109633A1 (it) * 2016-10-31 2018-05-01 Magneti Marelli Spa Procedimento e sistema di controllo adattivo in un veicolo terrestre per l'inseguimento di un percorso, particolarmente in uno scenario di guida autonoma.
JP7242209B2 (ja) * 2018-07-31 2023-03-20 株式会社小松製作所 無人車両の制御システム、無人車両、及び無人車両の制御方法
DE102020208391A1 (de) * 2020-07-03 2022-01-05 Continental Automotive Gmbh Verfahren zur teil- oder vollautonomen Führung eines Kraftfahrzeugs
CN112286053B (zh) * 2020-10-16 2021-08-27 北京航空航天大学 一种高机动微型无人机的制导控制一体化方法
CN112249035B (zh) * 2020-12-16 2021-03-16 国汽智控(北京)科技有限公司 基于通用数据流架构的自动驾驶方法、装置及设备
CN112857390A (zh) * 2021-01-14 2021-05-28 江苏智派战线智能科技有限公司 一种应用于智能机器人移动路径的计算方法
CN112859863B (zh) * 2021-01-15 2022-02-25 北京科技大学 一种基于预测的路径跟踪控制关键参考点选取方法及系统
CN113126623B (zh) * 2021-04-13 2022-04-12 吉林大学 一种考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法
DE102021112119A1 (de) * 2021-05-10 2022-11-10 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren und Vorrichtung zur Trajektorienplanung für ein Fahrzeug
CN113276833B (zh) * 2021-05-11 2022-07-29 上汽通用五菱汽车股份有限公司 车辆的横向运动控制方法、控制终端及存储介质
CN113608530B (zh) * 2021-07-22 2023-04-25 武汉理工大学 一种带有pid转角补偿的参数自整定lqr路径跟踪方法
CN113848953B (zh) * 2021-10-25 2023-12-08 济南大学 一种大型液压植保机无人驾驶路径跟踪控制方法
CN114137825B (zh) * 2021-11-29 2024-05-07 合肥井松智能科技股份有限公司 一种重载双舵轮agv车体的运动控制方法、系统及装置
DE102022209045A1 (de) 2022-08-31 2024-02-29 Continental Autonomous Mobility Germany GmbH Verfahren zur Spurführung eines Fahrzeugs, Steuergerät, Fahrzeug und Computerprogramm
CN118092193A (zh) * 2024-04-24 2024-05-28 山东交通学院 一种基于fhs-lqr算法的智能车辆轨迹跟踪方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1582415A (en) * 1978-03-22 1981-01-07 Energystics Corp Vehicle guidance system
CN1722038A (zh) * 2004-07-06 2006-01-18 迪尔公司 控制地面车辆的系统和方法
CN101078935A (zh) * 2007-06-28 2007-11-28 华南农业大学 基于神经网络的农业机械路径跟踪控制方法
US20110040464A1 (en) * 2008-04-21 2011-02-17 Toyota Jidosha Kabushiki Kaisha Sensor drift amount estimating device
US20140309889A1 (en) * 2013-04-11 2014-10-16 Hyundai Motor Company Method and system for controlling change of lane
US20160107682A1 (en) * 2014-10-15 2016-04-21 Han-Shue Tan System and method for vehicle steering control
US20170036675A1 (en) * 2014-04-17 2017-02-09 Anthony Best Dynamics Ltd Path control system
WO2017203159A1 (fr) * 2016-05-24 2017-11-30 Renault Sas Dispositif de contrôle de trajectoire d un véhicule
US20180065630A1 (en) * 2016-09-05 2018-03-08 Subaru Corporation Vehicle traveling control apparatus
US20180088582A1 (en) * 2016-09-28 2018-03-29 Baidu Usa Llc Sideslip compensated control method for autonomous vehicles
CN108027243A (zh) * 2016-07-21 2018-05-11 百度（美国）有限责任公司 用于操作自动驾驶车辆的控制误差校正规划方法

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5675489A (en) * 1995-07-06 1997-10-07 Carnegie Mellon University System and method for estimating lateral position
DE19734247A1 (de) * 1997-08-07 1999-02-11 Litef Gmbh Driftsensor für Landfahrzeuge
US6092010A (en) * 1997-09-03 2000-07-18 Jervis B. Webb Company Method and system for describing, generating and checking non-wire guidepaths for automatic guided vehicles
US6675074B2 (en) * 2001-08-21 2004-01-06 Robert Bosch Gmbh Method and system for vehicle trajectory estimation
DE10218010A1 (de) * 2002-04-23 2003-11-06 Bosch Gmbh Robert Verfahren und Vorrichtung zur Querführungsunterstützung bei Kraftfahrzeugen
US8983765B2 (en) * 2006-10-11 2015-03-17 GM Global Technology Operations LLC Method and system for lane centering control
JP4586795B2 (ja) * 2006-12-07 2010-11-24 トヨタ自動車株式会社 車両用制御装置
DE102006060628A1 (de) * 2006-12-21 2008-06-26 Robert Bosch Gmbh Verfahren zur Einstellung eines Lenksystems in einem Fahrzeug
JP2009061878A (ja) * 2007-09-05 2009-03-26 Toyota Motor Corp 走行制御装置
US8392064B2 (en) * 2008-05-27 2013-03-05 The Board Of Trustees Of The Leland Stanford Junior University Systems, methods and devices for adaptive steering control of automotive vehicles
US8428843B2 (en) * 2008-06-20 2013-04-23 GM Global Technology Operations LLC Method to adaptively control vehicle operation using an autonomic vehicle control system
US8190330B2 (en) * 2009-03-06 2012-05-29 GM Global Technology Operations LLC Model based predictive control for automated lane centering/changing control systems
US9428187B2 (en) * 2014-06-05 2016-08-30 GM Global Technology Operations LLC Lane change path planning algorithm for autonomous driving vehicle
CA3067177A1 (en) * 2015-02-10 2016-08-18 Mobileye Vision Technologies Ltd. Sparse map for autonomous vehicle navigation
JP6076394B2 (ja) * 2015-04-01 2017-02-08 三菱電機株式会社 車両用操舵装置および車両操舵制御方法
WO2016178294A1 (ja) * 2015-05-07 2016-11-10 ヤンマー株式会社 自律走行車の誘導制御システム
US20170057545A1 (en) * 2015-08-26 2017-03-02 Delphi Technologies, Inc. Gps data correction for automated vehicle
US10315651B2 (en) * 2015-10-13 2019-06-11 Magna Electronics Inc. Vehicle vision system with lateral control algorithm for lane keeping
US10407047B2 (en) * 2015-12-07 2019-09-10 Magna Electronics Inc. Vehicle control system with target vehicle trajectory tracking
US20190016339A1 (en) * 2016-02-16 2019-01-17 Honda Motor Co., Ltd. Vehicle control device, vehicle control method, and vehicle control program
US9849911B2 (en) * 2016-02-26 2017-12-26 GM Global Technology Operations LLC Enhanced vehicle lateral control (lane following/lane keeping/lane changing control) for trailering vehicles
US10196086B2 (en) * 2016-08-11 2019-02-05 GM Global Technology Operations LLC Methods and apparatus for robust trajectory control of an autonomous vehicle
IT201600109633A1 (it) * 2016-10-31 2018-05-01 Magneti Marelli Spa Procedimento e sistema di controllo adattivo in un veicolo terrestre per l'inseguimento di un percorso, particolarmente in uno scenario di guida autonoma.
US10037037B1 (en) * 2017-01-18 2018-07-31 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for trajectory planning in an autonomous vehicle using different fixed durations for steering and speed parameters
US10379538B1 (en) * 2017-03-20 2019-08-13 Zoox, Inc. Trajectory generation using motion primitives
US10452070B2 (en) * 2017-09-15 2019-10-22 Uber Technologies, Inc. Context-specific tolerance for motion control in autonomous vehicles
US11024178B2 (en) * 2017-09-25 2021-06-01 Continental Automotive Systems, Inc. System and method for autonomously steering a vehicle
JP6970008B2 (ja) * 2017-12-25 2021-11-24 トヨタ自動車株式会社 車両制御システム
US10614717B2 (en) * 2018-05-17 2020-04-07 Zoox, Inc. Drive envelope determination

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1582415A (en) * 1978-03-22 1981-01-07 Energystics Corp Vehicle guidance system
CN1722038A (zh) * 2004-07-06 2006-01-18 迪尔公司 控制地面车辆的系统和方法
CN101078935A (zh) * 2007-06-28 2007-11-28 华南农业大学 基于神经网络的农业机械路径跟踪控制方法
US20110040464A1 (en) * 2008-04-21 2011-02-17 Toyota Jidosha Kabushiki Kaisha Sensor drift amount estimating device
US20140309889A1 (en) * 2013-04-11 2014-10-16 Hyundai Motor Company Method and system for controlling change of lane
US20170036675A1 (en) * 2014-04-17 2017-02-09 Anthony Best Dynamics Ltd Path control system
US20160107682A1 (en) * 2014-10-15 2016-04-21 Han-Shue Tan System and method for vehicle steering control
WO2017203159A1 (fr) * 2016-05-24 2017-11-30 Renault Sas Dispositif de contrôle de trajectoire d un véhicule
CN108027243A (zh) * 2016-07-21 2018-05-11 百度（美国）有限责任公司 用于操作自动驾驶车辆的控制误差校正规划方法
US20180065630A1 (en) * 2016-09-05 2018-03-08 Subaru Corporation Vehicle traveling control apparatus
US20180088582A1 (en) * 2016-09-28 2018-03-29 Baidu Usa Llc Sideslip compensated control method for autonomous vehicles

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陶冰冰 等: "自动驾驶车辆LQR轨迹跟踪控制器设计", 《湖北汽车工业学院学报》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111025907A (zh) * 2019-12-20 2020-04-17 苏州智加科技有限公司 一种自动驾驶卡车的横向控制方法、系统及存储介质
CN111142539A (zh) * 2020-01-13 2020-05-12 中智行科技有限公司 一种无人驾驶车辆控制方法、装置和无人驾驶车辆
WO2021147070A1 (en) * 2020-01-23 2021-07-29 Baidu.Com Times Technology (Beijing) Co., Ltd. A feedback based real time steering calibration system
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
CN111487904B (zh) * 2020-04-14 2021-08-13 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
WO2021208812A1 (zh) * 2020-04-14 2021-10-21 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
CN111890951A (zh) * 2020-08-07 2020-11-06 吉林大学 智能电动汽车轨迹跟踪与运动控制方法
WO2024113087A1 (en) * 2022-11-28 2024-06-06 Beijing Baidu Netcom Science Technology Co., Ltd. On-board parameter tuning for control module for autonomous vehicles

Also Published As

Publication number Publication date
JP6861239B2 (ja) 2021-04-21
JP2019202765A (ja) 2019-11-28
US20190361438A1 (en) 2019-11-28
US10671070B2 (en) 2020-06-02
CN110531750B (zh) 2023-01-24

Similar Documents

Publication Publication Date Title
CN110531750A (zh) 用于自动驾驶车辆的pid嵌入式lqr
US11493926B2 (en) Offline agent using reinforcement learning to speedup trajectory planning for autonomous vehicles
US20210208597A1 (en) Sensor aggregation framework for autonomous driving vehicles
US11467591B2 (en) Online agent using reinforcement learning to plan an open space trajectory for autonomous vehicles
EP3334624B1 (en) A sideslip compensated control method for autonomous vehicles
US10823575B2 (en) Reference line smoothing method using piecewise spiral curves with weighted geometry costs
US10429849B2 (en) Non-linear reference line optimization method using piecewise quintic polynomial spiral paths for operating autonomous driving 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
CN110389580B (zh) 用于规划自动驾驶车辆的路径的漂移校正的方法
CN109196432A (zh) 用于自动驾驶车辆的速度控制参数估计方法
CN111380534B (zh) 用于自动驾驶车辆的基于st图学习的方法
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
CN110389584A (zh) 用于评估自动驾驶车辆的轨迹候选项的方法
CN110533943A (zh) 确定自动驾驶车辆的车道改变轨迹的方法
CN110388931A (zh) 将对象的二维边界框转换成自动驾驶车辆的三维位置的方法
CN109195860A (zh) 自动驾驶车辆的车道路缘辅助离道检查和车道保持系统
CN109489673A (zh) 用于自动驾驶车辆的数据驱动地图更新系统
CN110345955A (zh) 用于自动驾驶的感知与规划协作框架
CN110389581A (zh) 用于为自动驾驶车辆生成障碍物的预测轨迹的方法
CN108255171A (zh) 用于提高自主驾驶车辆的稳定性的方法和系统
CN110096053A (zh) 用于自动驾驶车辆的驾驶轨迹生成方法、系统和机器可读介质
US11409284B2 (en) Relaxation optimization model to plan an open space trajectory for autonomous vehicles
US10534364B2 (en) Method and system for autonomous vehicle speed following
CN108604095A (zh) 动态调整自动驾驶车辆的转向率的方法
CN108891417A (zh) 用于操作自动驾驶车辆的方法及数据处理系统

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