CN110861642A - 车辆横向运动控制 - Google Patents
车辆横向运动控制 Download PDFInfo
- Publication number
- CN110861642A CN110861642A CN201910729447.5A CN201910729447A CN110861642A CN 110861642 A CN110861642 A CN 110861642A CN 201910729447 A CN201910729447 A CN 201910729447A CN 110861642 A CN110861642 A CN 110861642A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- adjusted
- offset
- lane
- heading
- 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
- 238000000034 method Methods 0.000 claims description 54
- 238000004590 computer program Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 19
- 238000004891 communication Methods 0.000 description 16
- 239000011159 matrix material Substances 0.000 description 9
- 230000007246 mechanism Effects 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000005295 random walk Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
- B60W40/072—Curvature of the road
-
- 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
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/14—Yaw
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/30—Road curve radius
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/53—Road markings, e.g. lane marker or crosswalk
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
-
- 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
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/24—Direction of travel
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Business, Economics & Management (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本公开提供了“车辆横向运动控制”。基于从车辆相机传感器接收的图像数据来确定车道曲率、相对于车道中心线的车辆位置偏移量、和车辆航向。基于车速、车辆横摆率和所述位置偏移量来计算调整的车道曲率和调整的车辆航向。
Description
技术领域
本公开涉及车辆操作和控制,并且更具体地,涉及车辆横向运动控制。
背景技术
可对一个或多个计算机进行编程以例如在车辆在道路上行进时控制车辆操作。例如,计算机可通过将车辆位置保持在车道的中心(即,距限定车道的右线和左线相同距离)来控制车辆操作。然而,由车辆计算机确定车道中心的位置的误差可导致车辆操作不安全和/或效率低下。
发明内容
本文公开了一种方法,其包括:基于从车辆相机传感器接收的图像数据,确定车道曲率、相对于车道中心线的车辆位置偏移量和车辆航向,以及基于车速、车辆横摆率和所述位置偏移量来计算调整的车道曲率和调整的车辆航向。
该方法还可包括:基于所述位置偏移量、所述调整的车辆航向和所述调整的车道曲率来执行车辆车道居中。
所述车辆位置偏移量可为所述车辆的参考点至所述中心线上的最近点的横向距离。
所述车辆航向可由来自车辆参考点在车辆移动方向上的车辆纵轴限定。
所述方法还可包括:确定横摆率偏差和车辆航向偏移量偏差,以及进一步基于所述横摆率偏差和所述车辆航向偏移量偏差来计算调整的车道曲率和调整的车辆航向。
所述方法还可包括:基于所述车道曲率来确定车辆航向偏移量,以及至少部分地基于所述车辆航向偏移量来计算调整的车辆航向偏移量和所述调整的车道曲率。
所述方法还可包括:基于车辆航向偏移噪声的方差和车辆位置偏移噪声的方差来计算所述调整的车道曲率和所述调整的车辆航向。
所述方法还可包括:基于根据所接收的图像数据、横摆率偏差和车速确定的所述车道曲率来计算所述调整的车道曲率。
本文还公开了一种包括处理器和存储器的系统。该存储器存储可由处理器执行以进行以下操作的指令:基于从车辆相机传感器接收的图像数据,确定车道曲率、相对于车道中心线的车辆位置偏移量和车辆航向;以及基于车速、车辆横摆率和所述位置偏移量来计算调整的车道曲率和调整的车辆航向。
该指令还可包括用于基于所述位置偏移量、所述调整的车辆航向和所述调整的车道曲率来执行车辆车道居中的指令。
所述车辆位置偏移量可为所述车辆的参考点至所述中心线上的最近点的横向距离。
所述车辆航向可由来自车辆参考点在车辆移动方向上的车辆纵轴限定。
所述指令还可包括用于确定横摆率偏差和车辆航向偏移量偏差以及进一步基于所述横摆率偏差和所述车辆航向偏移量偏差来计算调整的车道曲率和调整的车辆航向的指令。
所述指令还可包括用于基于所述车道曲率来确定车辆航向偏移量以及至少部分地基于所述车辆航向偏移量来计算调整的车辆航向偏移量和所述调整的车道曲率的指令。
所述指令还可包括用于基于车辆航向偏移噪声的方差和车辆位置偏移噪声的方差来计算所述调整的车道曲率和所述调整的车辆航向的指令。
所述指令还可包括用于基于根据所接收的图像数据、横摆率偏差和车速确定的所述车道曲率来计算所述调整的车道曲率的指令。
本文还公开了一种系统,其包括:用于基于从车辆相机传感器接收的图像数据确定车道曲率、相对于车道中心线的车辆位置偏移量和车辆航向的装置,和用于基于车速、车辆横摆率和所述位置偏移量来计算调整的车道曲率和调整的车辆航向的装置。
该系统还可包括用于基于所述位置偏移量、所述调整的车辆航向和所述调整的车道曲率来执行车辆车道居中的装置。
所述系统还可包括用于确定横摆率偏差和车辆航向偏移量偏差的装置以及进一步基于所述横摆率偏差和所述车辆航向偏移量偏差来计算调整的车道曲率和调整的车辆航向的装置。
所述系统还可包括用于基于所述车道曲率来确定车辆航向偏移量的装置以及至少部分地基于所述车辆航向偏移量来计算调整的车辆航向偏移量和所述调整的车道曲率的装置。
还公开了一种计算装置,所述计算装置被编程为执行上述方法步骤中的任一者。
还公开了一种计算机程序产品,其包括计算机可读介质,所述计算机可读介质存储可由计算机处理器执行以执行上述方法步骤中的任一者的指令。
附图说明
图1是示出示例性车辆的图。
图2是示出图1的在车道中移动同时具有相对于车道中心线的车辆位置偏移量的车辆的图。
图3示出了车辆横向运动控制(LMC)的示例性框图。
图4示出了用于调整车道曲率和车辆航向的确定值的示例性框图。
具体实施方式
车辆计算机可被编程为执行横向运动控制(LMC),例如,在车辆在道路上行进时保持车辆在车道中心处的横向位置。该计算机可被编程为基于包括从一个或多个车辆相机传感器接收的图像数据的传感器数据来确定相对于车道中心线的车辆位置,以及致动车辆转向致动器以基于所接收的传感器数据保持相对于例如该中心线的车辆位置。然而,该计算机至少有时候不能将车辆保持在中心线处,例如,由于对车辆位置、车道曲率等的不准确确定。
车辆计算机可被编程为:基于从车辆相机传感器接收的图像数据,确定车道曲率、相对于车道中心线的车辆位置偏移量和车辆航向,以及基于车速、车辆横摆率和所述车辆位置偏移量来计算调整的车道曲率和调整的车辆航向。因此,相对于保持车辆在车道中的位置的车辆操作可通过至少部分地基于调整的车道曲率和/或调整的车辆航向使车辆转向而得到改进。
图1示出了示例车辆100。可以多种已知方式为车辆100提供动力,例如,利用电动马达和/或内燃发动机。车辆100可以是陆地车辆,诸如汽车、卡车等。车辆100可以包括计算机110、一个或多个致动器120、一个或多个传感器130和人机界面(HMI)140。车辆100具有参考点150,即,由车身限定的空间内的指定点,例如,车辆100的相应纵向中心轴线和横向中心轴线相交的几何中心点。
计算机110包括诸如已知的处理器和存储器。存储器包括一种或多种形式的计算机可读介质,并存储可由计算机110执行的用于执行包括如本文所公开的各种操作的指令。
计算机110可以自主或半自主模式操作车辆100。出于本公开的目的,自主模式被定义为其中车辆100的推进、制动和转向中的每一者由计算机110控制的模式;在半自主模式中,计算机110控制车辆100的推进、制动和转向中的一者或两者,并且没有一者在非自主模式或手动模式中。
计算机110可包括编程以操作以下一者或多者:陆地车辆的制动、推进(例如,通过控制内燃发动机、电动马达、混合动力发动机等中的一者或多者来控制车辆的加速)、转向、气候控制、内部和/或外部灯等,以及确定计算机110(而非人类操作员)是否并且何时控制此类操作。另外,计算机110可以被编程为确定人类操作员是否并且何时控制此类操作。
计算机110可以包括或者例如经由如下面进一步描述的车辆100通信总线通信地联接到多于一个处理器,例如,包括在车辆中用于监视和/或控制各种车辆控制器的控制器等,所述各种车辆控制器例如动力传动系统控制器、制动控制器、转向控制器等。计算机110通常被布置用于在车辆通信网络上进行通信,所述车辆通信网络可以包括车辆中的总线(诸如控制器局域网(CAN)等)和/或其他有线和/或无线机制。
经由车辆100网络,计算机110可以向车辆中的各种装置传输消息和/或从各种装置接收消息,所述各种装置例如致动器120、HMI 140等。替代地或另外,在计算机110实际上包括多种装置的情况下,车辆100通信网络可以用于在本公开中表示为计算机110的装置之间的通信。此外,如下所述,各种控制器和/或传感器可经由车辆通信网络向计算机110提供数据。
此外,计算机110可被配置用于例如经由车辆对车辆通信网络和/或车辆对基础设施通信网络通过无线车辆通信接口与其他交通参与者(例如,车辆、基础设施、行人等)进行通信。车辆通信网络表示车辆100的计算机110可藉以与其他交通参与者进行通信的一个或多个机制,并且可以是无线通信机制中的一者或多者,包括无线(例如,蜂窝、无线、卫星、微波和射频)通信机制的任何期望的组合和任何期望的网络拓扑(或当利用多个通信机制时的多个拓扑)。示例性车辆通信网络包括提供数据通信服务的蜂窝、蓝牙、IEEE 802.11、专用短程通信(DSRC)和/或广域网(WAN),所述广域网(WAN)包括因特网。
车辆100的致动器120经由电路、芯片或可以根据如已知的适当控制信号来致动各种车辆子系统的其他电子和/或机械部件来实施。可使用致动器120来控制车辆100的制动、加速和转向。在一个示例中,车辆100可包括电子动力转向(EPS)致动器120并且计算机110可被编程为向EPS致动器120输出扭矩命令以使车辆100转向,即,使车辆100右向或左向转向。扭矩命令可包括具有数字扭矩值(例如,1牛顿米(Nm))的消息。在一个示例中,该消息可包括转向到右向的正扭矩值和转向到左向的负扭矩值。
传感器130可包括向计算机110提供数据的多种已知装置。传感器130可包括一个或多个相机传感器130(例如,以提供前视图、侧视图等),其提供来自车辆100周围的区域的图像。例如,计算机110可被编程为从一个或多个相机传感器130接收图像数据并实施图像处理技术,例如,边缘检测、图像分类等,以检测多车道中的一个或多个车道200和/或单车道道路、车道边界210(或标志线)等。计算机110可被编程为至少部分地基于从一个或多个相机传感器130接收的图像数据来确定例如车辆100相对于道路中心线220等的位置偏移量ey(见图2)。计算机110可被进一步编程为基于从车辆100的位置(例如,GPS)传感器130接收的位置坐标(例如GPS坐标)来确定当前车辆100的位置。计算机110可被编程为从车辆100的一个或多个传感器130接收物理属性数据,包括速度、位置坐标、横摆率等。计算机110可被编程为基于从车辆100的位置传感器130和/或相机传感器130接收的数据来确定以度、弧度等测量的车辆100的航向ψ。进一步,计算机110可被编程为如下参考图2所讨论确定车辆100的航向偏移量eψ(例如,车辆100的航向ψ,相对于车道曲率κ道路)。
在一个示例中,计算机110可被编程为基于图像直方图检测道路边界210。图像直方图为例如如从相机传感器130接收的数字图像的强度分布的统计表述。所接收的图像的每个像素可具有预定范围(例如,0%至100%)内的强度。计算机110可被编程为基于图像像素的强度(例如梯度、灰度等)的改变来识别所接收的图像的同质区域,以及基于边缘即所识别的同质区域之间的过渡线来确定轮廓点诸如边界210。另外或替代地,计算机110可被编程为通过执行图像数据的分割并基于分割结果确定边界210来识别边界210。“图像分割”是将数字图像分成多个段(例如,像素组)的过程。分割的目标是简化和/或改变图像的表示,使得图像数据更有意义和/或更容易进行分析(例如,通过减少通过将像素分组为段来进行分析的一组数据,例如像素的数量)。图像分割包括将标签分配给图像中的每个像素,使得具有相同标签的像素共享某些特性,例如,为车道标志线的一部分。图像分割典型地用于定位图像中的对象和边界(线、曲线等),例如,图像可通过以下方式进行分割:识别具有在某个范围内的值(例如,强度、颜色等)的像素并根据该段中像素的某个统计度量(例如,平均、最大、最小等)分配一个或多个相应值(例如,强度、颜色等)。在一些条件下,例如恶劣天气条件下,计算机110可接收图像数据,在该图像数据中,边界210的至少部分可能没有足够的数据可被检测。另外或替代地,使用传统曲线拟合技术,计算机110可被编程为通过基于边界210的所检测部分(即,基于边界210的基于图像处理技术可检测的那些部分)拟合曲线来估计图像数据缺乏足够的图像数据的区域中道路车道200的边界210。
进一步,计算机110可被编程为使用传统图像处理技术来确定车辆100相对于车道200的中心线220的位置偏移量ey。例如,计算机110可被编程为存储包括以下的参数:车辆100的车身160的尺寸、传感器130相对于车辆100的车身160的位置和方向、所接收图像的尺寸和/或传感器130的光学参数诸如焦点等。计算机110可被编程为至少部分地基于所存储参数和所接收图像来确定中心线220的图像的每个图像像素的位置和/或尺寸等。因此,在一个示例中,计算机110可被编程为基于中心线220与车辆100的纵轴(基于传感器130相对于车辆100的车身160的所存储位置和/或方向已知)之间的图像的像素数来确定相对于车道200的中心线220的位置偏移量ey。
进一步此外或替代地,计算机110可被编程为基于从车辆100的位置传感器130(例如,GPS传感器130)接收的数据来确定车辆100的航向ψ,以及确定航向偏移量eψ(基于所确定的车辆100的航向ψ)和所检测边界210的曲率(或具有与所检测道路边界210相同的曲率的假想中心线220的切线)。
HMI 140可被配置为在车辆100的操作期间从用户(诸如人类操作者)接收信息。此外,HMI 140可被配置为向用户呈现信息。因此,HMI 140可位于车辆100的乘客舱中。在一个示例中,计算机110可被编程为经由HMI 140接收请求将车辆100的位置保持在车道200的中心线220处(见图2)的输入。
参考图2,车辆100的计算机110可被编程为例如至少部分地基于从如上所述的车辆100的相机传感器130接收的图像数据来确定车道曲率κ道路、相对于车道200的中心线220的车辆100的位置偏移量ey和车辆100的航向偏移量eψ(即,车辆100的航向ψ,相对于车道曲率κ道路),以及计算调整的车道曲率κ道路.cor和调整的车辆航向偏移量eψ.cor(基于车速Vx、车辆横摆率rveh和位置偏移量ey)。
在本公开中,术语“线”不限于直线或线段。中心线220典型地为道路车道200的距道路车道200的右缘和左缘(或边界210)具有相同横向距离的纵向上的假想线。因此,多车道道路可具有多个中心线220,即,每个道路车道200一个中心线220。中心线220的形状类似于道路的形状,例如,直路的中心线220为直线(即,具有零曲率),而弯曲道路的中心线220为曲线。因此,中心线220通常限定或匹配路面的曲率。计算机110可被编程为根据所接收的图像数据检测车辆100的车道200的车道边界210(或标志线),以及基于所检测到的车道边界210(或标志线)来确定车辆100的车道200的中心线220(例如,通过用距右车道边界和左车道边界210具有相同距离的点确定假想线)。
在本上下文中,切线230是与中心线220相切(或刚好接触)在中心线220上的点240处的线,该点240为距车辆100的参考点150最近的点。本上下文中的车辆100的位置偏移量ey(或路径偏移量)为车辆100的参考点150距中心线220的最近点240的距离。如上所述,计算机110可被编程为致动车辆100的转向致动器120,诸如EPS致动器120,以将车辆100的位置保持在中心线220处(同时在车辆100中沿纵向在车道200中导航)。因此,计算机110可被编程为使位置偏移量ey最小化。
图2示出了由以下限定的第一车辆笛卡尔坐标系:(i)车辆100的参考点150处的原点,(ii)由通过点150的车辆100的纵轴限定的x轴250,和(iii)垂直于轴250且限定车辆100的横轴的y轴251。
图2进一步示出了由X轴260和Y轴261限定的第二或全局坐标系,例如笛卡尔坐标系,其独立于车辆100的位置和/或取向。第二坐标系可被称为“全局”坐标系,因为其独立于车辆100限定并典型地针对地理区域进行限定,诸如针对世界进行限定的全球定位系统(GPS)的坐标系。替代地或此外,第二坐标系可包括提供地理坐标(即维度、经度对)等的任何其他位置坐标系。在本上下文中,车辆100的航向ψ由(i)自车辆100的参考点150的沿车辆100的移动方向的车辆100的纵轴与(ii)全局坐标系的X轴之间的角度限定。
在本上下文中,“弯曲”(或曲线)为具有有限半径的线,而“直线”为具有无限半径的线。作为示例,曲率κ可被指定在具有参数κ(即与相应点处的曲率相切的圆的半径)的曲率的给定点处。车道200的曲率κ道路(其也可被称为道路曲率κ道路)为车道200的中心线220在中心线220距车辆100的参考点150最近的点240处的曲率。
如上所述,车辆100的计算机110可被编程为基于从传感器130接收的数据来确定车辆100的物理属性。在一个示例中,计算机110可被编程为基于从车辆100的速度传感器130接收的数据来确定车辆100的速度的标量数值。在另一个示例中,计算机110可被编程为基于具有在参考点150处的原点的笛卡尔坐标系来接收速度矢量数据。例如,计算机110可被编程为确定纵向速度Vx(x轴方向上)和横向速度Vy(y轴方向上)。计算机110可被编程为基于从车辆100的横摆率传感器130接收的数据来确定车辆100的横摆率rveh。
在本上下文中,术语“调整的”或“校正的”意为减小或最小化确定物理参数的数值的误差。如在以下示例中参考图4所讨论的,计算机110可被编程为计算调整的车道曲率κ道路.cor和/或调整的车辆航向偏移量eψ.cor。因此,计算机110可被编程为基于例如来自一个或多个相机传感器130的图像数据来确定车道曲率κ道路和/或车辆航向偏移量eψ,以及基于其他数据例如其他车辆100的传感器130的数据诸如速度、横摆率等来调整它们。
如在以下示例中所讨论的,计算机110可被编程为确定车辆100的航向偏移量eψ(基于车道200的曲率κ道路)以及计算调整的车辆航向偏移量eψ.cor和调整的车道曲率κ道路.cor(基于车辆航向偏移量eψ)。计算机110可被编程为执行横向运动控制(LMC)诸如基于位置偏移量ey、调整的车辆航向偏移量eψ.cor和调整的车道曲率κ道路.cor的车道居中。以下表1提供了示例性变量的列表及其相应的定义,其可用于确定调整的车道曲率κ道路和/或车辆航向偏移量eψ。
表1
在图3中,示出了示例性控制系统300。系统300可基于车道曲率κ道路和车辆航向偏移量eψ来控制车辆100的横向运动。如下参考图4进一步讨论的,可计算调整的车道曲率κ道路.cor和/或调整的车辆航向偏移量eψ.cor。因此,如下参考方程(24)所讨论的,横向运动控制诸如图3中所示的LMC控制系统的性能可通过基于调整的车道曲率κ道路.cor和/或调整的车辆航向偏移量eψ.cor来控制车辆横向运动而不是基于车道曲率κ道路和车辆航向偏移量eψ来进行控制而得到改进。
如图3中所示,计算机110可被编程为执行示例性闭环控制系统300的框以将车辆100的横向位置保持在中心线220处(即,执行车道居中)。此外或替代地,其他类型的横向运动控制技术可被用于将车辆100的横向位置保持在中心线220上或距中心线220的预定横向距离例如50厘米(cm)内。此外或替代地,计算机110可被编程为以半自主模式或自主模式执行过程300的框。例如,在半自主模式中,计算机110可被编程为通过执行过程300的框来执行车道居中,同时基于用户输入来控制车辆100的制动和/或推进。
在框310处,计算机110可被编程为基于从传感器130接收的数据来估计车辆100的位置偏移量ey、车辆100的航向偏移量eψ、车道200的曲率κ道路和/或车道200的曲率dκ道路/dt。在一个示例中,计算机110可被编程为基于从传感器130例如一个或多个相机传感器130接收的数据来确定道路模型。进一步,计算机110可被编程为基于所确定的道路模型来确定位置偏移量ey、车辆100的航向偏移量eψ和车道200的曲率κ道路。
y道路(x)=A0+A1x+A2x2+A3x3 (1)
ey=A0 (i)
eψ=A1 (ⅱ)
κ道路=2A2 (iii)
dκ道路/dt=6A3 (iv)
例如,道路模型可由示例性多项式方程(1)指定,该多项式方程(1)预测中心线220上相对于车辆100的当前位置的点。方程(1)中的参数x表示车辆100前面相对于其中原点在车辆100的参考点150处的笛卡尔坐标系的距离。如示例性方程(i)-(iv)中所示,位置偏移量ey、车辆100的航向偏移量eψ、车道曲率κ道路和车道曲率的变化率dκ道路/dt基于道路模型的系数A0、A1、A2、A3。因此,计算机110可被编程为基于道路模型的系数A0、A1、A2、A3计算位置偏移量ey、车辆100的航向偏移量eψ、车道曲率κ道路和车道曲率的变化率dκ道路/dt。
参考方程(2)和表1,计算机110可被编程为基于包括状态变量的动态模型确定位置偏移量ey和航向偏移量eψ。这里应指出,方程(2)可依赖于假设(i)航向偏移量eψ较小,例如,小于10度,以及(ii)车辆100的横向速率可忽略,例如小于0.1米/秒或小于纵向速度Vx的1%。横向速度为y轴251方向上的速度。在本上下文中,车辆100的路径曲率κ道路为车辆100在其上的给定位置移动的路径的曲率。在一个示例中,曲率κveh可基于车辆100的横摆率rveh和车辆100的纵向速度Vx来确定。例如,曲率κveh可被估计为横摆率rveh除以纵向速度Vx的结果。在另一个示例中,曲率κveh可使用航位推测技术来确定,即,基于车辆100的一个或多个最近位置和其当前位置来估计车辆100的路径的切线。
在横向运动控制框320中,计算机110可确定用于致动车辆100的转向致动器120(例如,EPS致动器120)的扭矩控制命令Teps.cmd。如图3中所示,横向运动控制框320包括外环控制框330和内环控制框340。图3的横向运动控制框320及其子框330、340的目的仅为示例性的而非用于限制可用于本上下文中的横向运动控制技术的范围和/或类型。
κemd=κ道路+K1ey+K2eψ (3)
在外环控制框330中,计算机110可被编程为针对内环控制器控制框340生成目标曲率命令κcmd。在一个示例中,计算机110可被编程为基于方程(3)确定目标曲率命令κcmd,例如,测量的道路曲率。使用传统的控制系统设计技术,增益K1和K2可被选择为使得过程300的闭环系统的极点置于期望位置处。在一个示例中,“期望位置”为s平面中的导致稳定的控制系统性能(如已知的)和/或导致最小建立时间、最小误差等的位置。
在内环控制框340中,计算机110可被编程为针对电子动力转向(EPS)致动器120生成扭矩控制命令Teps.cmd,以使目标曲率命令κcmd和实际车辆路径曲率κ之间的误差最小化。内环控制框340可通过利用任何合适的控制技术例如比例积分微分(PID)控制来实施。
在“致动转向致动器”框350中,计算机110可被编程为至少基于所接收的扭矩控制命令Teps.cmd来致动转向致动器120。此外,由EPS致动器120施加的当前施加扭矩和/或当前转向角度被提供为至框320的用以闭合过程300的控制环的反馈值。在一个示例中,转向致动器120可包括转向角度传感器130、转向扭矩传感器130等,并且计算机110可被编程为从包括在转向系统中和/或机械连接到转向系统的传感器130接收传感器130数据,并将所接收的数据应用为框320中的反馈值。
参考图4和表1,计算机110可被编程为计算调整的车道曲率κ道路.cor和/或调整的车辆航向偏移量eψ.cor。如参考方程(4)-(23)所讨论的,计算机110可被编程为基于道路曲率κ道路(其可基于所接收的图像数据确定)、估计的横摆率偏差和车辆速度Vx计算调整的道路曲率κ道路.cor。计算机110可被编程为估计横摆率偏差和所估计的车辆航向偏移量偏差以及基于估计的横摆率偏差和所估计的车辆航向偏移量偏差计算调整的车道曲率κ道路.cor和调整的车辆航向偏移量eψ.cor。
方程(4)示出了车辆100的横向运动的示例性模型,其包括估计的横摆率偏差和估计的车辆航向偏移量偏差与传感器130的数据(诸如车辆100的横摆率rreh和道路横摆率r道路)和车辆100的横向运动数据(即,位置偏移量ey和航向偏移量eψ)的关系。参考方程(5),道路(或车道200)的横摆率r道路基于道路曲率κ道路和车辆速度Vx进行计算。
r道路=Vxκ道路 (5)
y(t)=C(t)x(t)+υ(t) (7)
x=[ey eψ eψ.偏差 r偏差]T (8a)
y=[ey.m eψ.m]T (8c)
为了包括随机干扰,即过程噪声,以及方程(4)的模型的变量的误差,计算机110可被编程为如方程(6)-(7)中所示。方程(8a)-(8h)指定方程(6)-(7)中所包括的矩阵。如方程(6)中所示,用关于航向偏移量偏差eψ.偏差和横摆率偏差r偏差的变量增强模型。偏差的动态被模型化为随机走动过程。当不相关信号随时间推移积分时,随机走动过程发生。不相关信号与用作对设备动态的干扰的过程噪声相关。过程噪声由白噪声ζ限定,该白噪声与道路横摆率r道路、航向偏移量偏差eψ.偏差、车辆横摆率rveh和横摆率偏差r偏差相关联。如方程(8)所示,白噪声υ与基于相机的测量值(即,基于相机的位置偏移量ey.m和基于相机的航向偏移量eψ.m)相关地被包括。基于相机的测量值通过计算机110基于从车辆100的一个或多个相机传感器130接收的图像数据进行编程而确定。
x(k)=F(k-1)x(k-1)+G(k-1)u(k-1)+Ωζ(k-1) (9)
y(k=Hk)x(k)+υ (10)
方程(6)-(7)为连续时间方程,然而,计算机110典型地基于离散时间模型被编程。在离散时间模型中,计算机110被编程为以等间隔的时间间隔(其可被称为采样时间Ts,例如,100毫秒(ms))来重复地计算一个或多个计算步骤。方程(9)-(10)的离散时间模型可通过基于传统的零阶保持(ZOH)方法应用传统的Z变换来从方程(6)-(8)的连续时间模型获得。方程(11)-(14)示出了方程(9)-(10)的F、G、Ω和H的定义。
K=PHT(HPHT+R)-1 (18)
基于方程(9)-(10),卡尔曼滤波器可被指定为由方程(15)-(17)给定,以估计横摆率偏差r偏差和航向偏移量偏差eψ.偏差,以及滤除测量噪声。方程(15)-(17)中的符号“∧”表示对相应状态的估计。矩阵和为先验和后验状态矢量更新。矩阵为先验预测误差。参考方程(18),计算卡尔曼滤波器的增益矩阵K。参考方程(19),矩阵R为测量噪声协方差矩阵,该测量噪声协方差矩阵基于车辆航向偏移噪声的方差和车辆位置偏移噪声的方差来确定。Var操作返回相应参数的方差。diag操作返回对角方阵,其中所有非对角系数等于零,并且所有对角系数等于括号[]中给出的值。
P-FPFT+FPHT(HpHT+R)-1HP-Q=0 (20)
参考方程(20),矩阵P为估计的误差协方差,其可基于离散代数黎卡提方程(DARE)来限定。参考方程(21),矩阵Q为状态协方差矩阵。
现在,参考方程(22)-(23)和图4,计算机110可被编程为确定调整的航向偏移量eψ.cor和调整的车道曲率κ道路.cor(基于航向偏移量偏差eψ.偏差和车道曲率偏差κ道路.cor的估计值)。
参考方程(19)、(22)、(23),计算机110可被编程为计算调整的车道曲率κ道路.cor和调整的车辆航向偏移量eψ.cor(基于车辆航向偏移噪声的方差和车辆位置偏移噪声的方差)。车辆航向偏移噪声的方差和车辆位置偏移噪声的方差为可调整的参数(或校准值),其可基于例如基于实验室测试结果调整的实验步骤来进行选择。
在一个示例中,横向运动控制(LMC)可通过确定道路模型y道路(x)(基于调整的航向偏移量eψ.cor和调整的车道曲率κ道路.cor)而得到改进。如上所述,在框310中,计算机110可被编程为确定道路模型y道路(x)(基于车辆100的位置偏移量ey、车辆100的航向偏移量eψ和/或车道200的曲率κ道路。然后,LMC框320至少部分地基于道路模型y道路(x)来控制车辆100的横向运动。如上所述,参考图4,计算机110可被编程为确定调整的航向偏移量eψ.cor和调整的车道曲率κ道路.cor。因此,在一个示例中,在框310中,与方程(1)对比,计算机110可被编程为基于方程(24)计算调整的道路模型y道路.cor(x)。换句话讲,横向控制过程300可基于调整的航向偏移量eψ.cor和调整的车道曲率κ道路.cor进行操作。因此,控制过程300的性能可得到改进,例如,在控制框320从框310而不是方程(1)的道路模型接收到调整的道路模型y道路.cor(x)时,将车辆100的横向位置保持在中心线220上的误差可减小。
本文所讨论的计算装置通常各自包括指令,所述指令可由诸如以上标识的那些的一个或多个计算装置执行,并且用于执行上述过程的框或步骤。计算机可执行指令可由使用各种编程语言和/或技术创建的计算机程序来编译或解译,所述编程语言和/或技术单独地或组合地包括但不限于JavaTM、C、C++、Visual Basic、Java Script、Perl、HTML等。通常,处理器(例如,微处理器)接收例如来自存储器、计算机可读介质等的指令,并且执行这些指令,从而执行一个或多个过程,包括本文所述的过程中的一个或多个。可使用多种计算机可读介质来存储和传输此类指令和其他数据。计算装置中的文件通常是存储在诸如存储介质、随机存取存储器等计算机可读介质上的数据集合。
计算机可读介质包括参与提供可由计算机读取的数据(例如,指令)的任何介质。这种介质可以采取许多形式,包括但不限于非易失性介质、易失性介质等。非易失性介质包括例如光盘或磁盘以及其他持久存储器。易失性介质包括动态随机存取存储器(DRAM),其通常构成主存储器。计算机可读介质的常见形式包括,例如,软盘、软磁盘、硬盘、磁带、任何其他磁介质、CD-ROM、DVD、任何其他光学介质、穿孔卡、纸带、任何其他具有孔图案的物理介质、RAM、PROM、EPROM、快闪存储器、EEPROM、任何其他存储器芯片或盒式磁带、或计算机可以读取的任何其他介质。
就本文所描述的介质、过程、系统、方法等而言,应当理解,虽然此类过程的步骤等已经被描述为按照特定的顺序发生,但是可以在按照本文所述顺序以外的顺序执行所述步骤的情况下实践此类过程。进一步应当理解的是,可以同时执行某些步骤,可以添加其他步骤,或者可以省略在此描述的某些步骤。换句话说,本文对系统和/或过程的描述是为了示出某些实施例而提供,而决不应当将其理解为对所公开的主题进行限制。
因此,应理解,包括以上描述和附图以及所附权利要求的本公开意图是说明性的而非限制性的。在阅读了以上描述之后,除了所提供的示例之外的许多实施例和应用对于所属领域技术人员而言将是明显的。因此,本发明的范围不应参考以上描述来确定,而是应参考所附的和/或基于此包括在非临时专利申请中的权利要求连同此类权利要求所赋予权利的等效物的全部范围来确定。可以设想并预期,本文讨论的技术未来将有所发展,并且所公开的系统和方法将并入到此类未来实施例中。总之,应理解,所公开的主题能够修改和变化。
根据本发明,一种方法包括:基于从车辆相机传感器接收的图像数据,确定车道曲率、相对于车道中心线的车辆位置偏移量和车辆航向;以及基于车速、车辆横摆率和所述位置偏移量来计算调整的车道曲率和调整的车辆航向。
根据一个实施例,上述发明的特征还在于:基于所述位置偏移量、所述调整的车辆航向和所述调整的车道曲率来执行车辆车道居中。
根据一个实施例,所述车辆位置偏移量为所述车辆的参考点至所述中心线上的最近点的横向距离。
根据一个实施例,所述车辆航向由来自车辆参考点在车辆移动方向上的车辆纵轴限定。
根据一个实施例,上述发明的特征还在于:确定横摆率偏差和车辆航向偏移量偏差;以及进一步基于所述横摆率偏差和所述车辆航向偏移量偏差来计算调整的车道曲率和调整的车辆航向。
根据一个实施例,上述发明的特征还在于:基于所述车道曲率来确定车辆航向偏移量;以及至少部分地基于所述车辆航向偏移量来计算调整的车辆航向偏移量和所述调整的车道曲率。
根据一个实施例,上述发明的特征还在于:基于车辆航向偏移噪声的方差和车辆位置偏移噪声的方差来计算所述调整的车道曲率和所述调整的车辆航向。
根据一个实施例,上述发明的特征还在于:基于根据所接收的图像数据、横摆率偏差和车速确定的所述车道曲率来计算所述调整的车道曲率。
根据本发明,提供了一种系统,其具有处理器和存储器,所述存储器存储可由处理器执行以进行以下操作的指令:基于从车辆相机传感器接收的图像数据,确定车道曲率、相对于车道中心线的车辆位置偏移量和车辆航向;以及基于车速、车辆横摆率和所述位置偏移量来计算调整的车道曲率和调整的车辆航向。
根据一个实施例,所述指令还包括基于所述位置偏移量、所述调整的车辆航向和所述调整的车道曲率来执行车辆车道居中的指令。
根据一个实施例,所述车辆位置偏移量为所述车辆的参考点至所述中心线上的最近点的横向距离。
根据一个实施例,所述车辆航向由来自车辆参考点在车辆移动方向上的车辆纵轴限定。
根据一个实施例,所述指令还包括用于执行以下操作的指令:确定横摆率偏差和车辆航向偏移量偏差;以及进一步基于所述横摆率偏差和所述车辆航向偏移量偏差来计算调整的车道曲率和调整的车辆航向。
根据一个实施例,所述指令还包括用于执行以下操作的指令:基于所述车道曲率来确定车辆航向偏移量;以及至少部分地基于所述车辆航向偏移量来计算调整的车辆航向偏移量和所述调整的车道曲率。
根据一个实施例,所述指令还包括用于基于车辆航向偏移噪声的方差和车辆位置偏移噪声的方差来计算所述调整的车道曲率和所述调整的车辆航向的指令。
根据一个实施例,所述指令还包括用于基于根据所接收的图像数据、横摆率偏差和车速确定的所述车道曲率来计算所述调整的车道曲率的指令。
根据本发明,提供了一种系统,其具有:用于基于从车辆相机传感器接收的图像数据确定车道曲率、相对于车道中心线的车辆位置偏移量和车辆航向的装置;以及用于基于车速、车辆横摆率和所述位置偏移量来计算调整的车道曲率和调整的车辆航向的装置。
根据一个实施例,上述发明的特征还在于:用于基于所述位置偏移量、所述调整的车辆航向和所述调整的车道曲率来执行车辆车道居中的装置。
根据一个实施例,上述发明的特征还在于:用于确定横摆率偏差和车辆航向偏移量偏差的装置;以及用于进一步基于所述横摆率偏差和所述车辆航向偏移量偏差来计算调整的车道曲率和调整的车辆航向的装置。
根据一个实施例,上述发明的特征还在于:用于基于所述车道曲率来确定车辆航向偏移量的装置;以及用于至少部分地基于所述车辆航向偏移量来计算调整的车辆航向偏移量和所述调整的车道曲率的装置。
Claims (15)
1.一种方法,其包括:
基于从车辆相机传感器接收的图像数据,确定车道曲率、相对于车道中心线的车辆位置偏移量和车辆航向;以及
基于车速、车辆横摆率和所述位置偏移量来计算调整的车道曲率和调整的车辆航向。
2.如权利要求1所述的方法,其还包括:基于所述位置偏移量、所述调整的车辆航向和所述调整的车道曲率来执行车辆车道居中。
3.如权利要求1所述的方法,其中所述车辆位置偏移量为所述车辆的参考点至所述中心线上的最近点的横向距离。
4.如权利要求1所述的方法,其中所述车辆航向由来自车辆参考点在车辆移动方向上的车辆纵轴限定。
5.如权利要求1所述的方法,其还包括:
确定横摆率偏差和车辆航向偏移量偏差;以及
进一步基于所述横摆率偏差和所述车辆航向偏移量偏差来计算调整的车道曲率和调整的车辆航向。
6.如权利要求1所述的方法,其还包括:
基于所述车道曲率来确定车辆航向偏移量;以及
至少部分地基于所述车辆航向偏移量来计算所述调整的车辆航向偏移量和所述调整的车道曲率。
7.如权利要求1所述的方法,其还包括:基于车辆航向偏移噪声的方差和车辆位置偏移噪声的方差来计算所述调整的车道曲率和所述调整的车辆航向。
8.如权利要求1所述的方法,其还包括:基于根据所接收的图像数据、横摆率偏差和车速确定的所述车道曲率来计算所述调整的车道曲率。
9.一种计算装置,其被编程为执行如权利要求1-8中任一项所述的方法。
10.一种计算机程序产品,其包括计算机可读介质,所述计算机可读介质存储能够由计算机处理器执行以执行如权利要求1-8中任一项所述的方法的指令。
11.一种地面车辆,其包括被编程为执行如权利要求1-8中任一项所述的方法的计算装置。
12.一种系统,其包括:
用于基于从车辆相机传感器接收的图像数据确定车道曲率、相对于车道中心线的车辆位置偏移量和车辆航向的装置;以及
用于基于车速、车辆横摆率和所述位置偏移量来计算调整的车道曲率和调整的车辆航向的装置。
13.如权利要求12所述的系统,其还包括:用于基于所述位置偏移量、所述调整的车辆航向和所述调整的车道曲率来执行车辆车道居中的装置。
14.如权利要求12所述的系统,其还包括:
用于确定横摆率偏差和车辆航向偏移量偏差的装置;以及
用于进一步基于所述横摆率偏差和所述车辆航向偏移量偏差来计算调整的车道曲率和调整的车辆航向的装置。
15.如权利要求12所述的系统,其还包括:
用于基于所述车道曲率来确定车辆航向偏移量的装置;以及
用于至少部分地基于所述车辆航向偏移量来计算所述调整的车辆航向偏移量和所述调整的车道曲率的装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/058,495 US10875531B2 (en) | 2018-08-08 | 2018-08-08 | Vehicle lateral motion control |
US16/058,495 | 2018-08-08 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110861642A true CN110861642A (zh) | 2020-03-06 |
Family
ID=69186063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910729447.5A Pending CN110861642A (zh) | 2018-08-08 | 2019-08-08 | 车辆横向运动控制 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10875531B2 (zh) |
CN (1) | CN110861642A (zh) |
DE (1) | DE102019121420A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111516685A (zh) * | 2020-04-08 | 2020-08-11 | 中国第一汽车股份有限公司 | 一种车辆行驶控制方法、装置、车辆及存储介质 |
CN111703422A (zh) * | 2020-06-24 | 2020-09-25 | 北京经纬恒润科技有限公司 | 智能驾驶车辆的目标跟踪路径选择方法及装置 |
CN113548038B (zh) * | 2020-04-22 | 2024-03-01 | 广州汽车集团股份有限公司 | 一种泊车曲率控制方法及系统、控制设备、存储介质 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11199847B2 (en) * | 2018-09-26 | 2021-12-14 | Baidu Usa Llc | Curvature corrected path sampling system for autonomous driving vehicles |
US11518384B2 (en) * | 2018-12-07 | 2022-12-06 | Thinkware Corporation | Method for displaying lane information and apparatus for executing the method |
US11079761B2 (en) * | 2018-12-12 | 2021-08-03 | Ford Global Technologies, Llc | Vehicle path processing |
EP3705384B1 (en) * | 2019-03-04 | 2021-12-22 | Aptiv Technologies Limited | Side collision risk estimation system for a vehicle |
US11267476B2 (en) * | 2019-03-28 | 2022-03-08 | Baidu Usa Llc | Map-less and camera-based lane markings sampling method for level-3 autonomous driving vehicles |
JP7247931B2 (ja) * | 2020-03-12 | 2023-03-29 | トヨタ自動車株式会社 | 運転支援システム |
CN111674393B (zh) * | 2020-05-12 | 2021-12-07 | 坤泰车辆系统(常州)有限公司 | 自动驾驶系统车道居中辅助功能长弯道行驶的控制方法 |
US11592830B2 (en) * | 2020-05-29 | 2023-02-28 | Zoox, Inc. | Trajectory generation using lateral offset biasing |
KR20220065955A (ko) * | 2020-11-13 | 2022-05-23 | 현대자동차주식회사 | 횡방향 움직임의 자율 제어장치 및 그 제어방법 |
US20220206498A1 (en) * | 2020-12-30 | 2022-06-30 | Jingsheng Yu | Lateral control in path-tracking of autonomous vehicle |
CN113788017A (zh) * | 2021-08-23 | 2021-12-14 | 武汉光庭信息技术股份有限公司 | 一种车道保持控制方法、系统、电子设备及存储介质 |
US11654938B1 (en) * | 2022-02-11 | 2023-05-23 | Plusai, Inc. | Methods and apparatus for disengaging an autonomous mode based on lateral error of an autonomous vehicle |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7522091B2 (en) | 2002-07-15 | 2009-04-21 | Automotive Systems Laboratory, Inc. | Road curvature estimation system |
US8983765B2 (en) | 2006-10-11 | 2015-03-17 | GM Global Technology Operations LLC | Method and system for lane centering control |
US8482745B2 (en) | 2007-04-16 | 2013-07-09 | Bottomline Technologies (De) Inc. | System and method for transferring a portion of a document print sequence output by a print job source to an automated data processing system |
US8160780B2 (en) * | 2007-12-13 | 2012-04-17 | Hyundai Motor Japan R&D Center, Inc. | System and method for keeping a vehicle in a lane |
US8190330B2 (en) * | 2009-03-06 | 2012-05-29 | GM Global Technology Operations LLC | Model based predictive control for automated lane centering/changing control systems |
DE102010033530A1 (de) | 2010-06-24 | 2011-12-29 | Continental Teves Ag & Co. Ohg | Verfahren und System zur Fahrspurenmittenführung eines Kraftfahrzeugs |
US20120022739A1 (en) * | 2010-07-20 | 2012-01-26 | Gm Global Technology Operations, Inc. | Robust vehicular lateral control with front and rear cameras |
US10520581B2 (en) | 2011-07-06 | 2019-12-31 | Peloton Technology, Inc. | Sensor fusion for autonomous or partially autonomous vehicle control |
KR101818539B1 (ko) | 2011-08-24 | 2018-02-21 | 현대모비스 주식회사 | 차량의 차선 유지 지원 시스템 및 그 방법 |
US9037348B2 (en) | 2012-01-02 | 2015-05-19 | Ford Global Technologies, Llc | Lane-keeping assistance method for a motor vehicle |
DE102013002889A1 (de) | 2013-02-19 | 2014-08-21 | Volkswagen Aktiengesellschaft | Verfahren und Vorrichtung zur Modellierung eines Fahrbahnrandes und Fahrzeug mit einer solchen Vorrichtung |
GB201501534D0 (en) * | 2015-01-30 | 2015-03-18 | Rolls Royce Plc | Methods and systems for detecting, classifying and/or mitigating sensor error |
JP6550795B2 (ja) * | 2015-03-02 | 2019-07-31 | 株式会社Soken | 車両制御装置 |
US10315651B2 (en) * | 2015-10-13 | 2019-06-11 | Magna Electronics Inc. | Vehicle vision system with lateral control algorithm for lane keeping |
WO2017154131A1 (ja) * | 2016-03-09 | 2017-09-14 | 三菱電機株式会社 | 測位装置および測位方法 |
JP6770393B2 (ja) * | 2016-10-04 | 2020-10-14 | 株式会社豊田中央研究所 | トラッキング装置及びプログラム |
-
2018
- 2018-08-08 US US16/058,495 patent/US10875531B2/en active Active
-
2019
- 2019-08-08 CN CN201910729447.5A patent/CN110861642A/zh active Pending
- 2019-08-08 DE DE102019121420.3A patent/DE102019121420A1/de active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111516685A (zh) * | 2020-04-08 | 2020-08-11 | 中国第一汽车股份有限公司 | 一种车辆行驶控制方法、装置、车辆及存储介质 |
CN113548038B (zh) * | 2020-04-22 | 2024-03-01 | 广州汽车集团股份有限公司 | 一种泊车曲率控制方法及系统、控制设备、存储介质 |
CN111703422A (zh) * | 2020-06-24 | 2020-09-25 | 北京经纬恒润科技有限公司 | 智能驾驶车辆的目标跟踪路径选择方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
DE102019121420A1 (de) | 2020-02-13 |
US20200047752A1 (en) | 2020-02-13 |
US10875531B2 (en) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110861642A (zh) | 车辆横向运动控制 | |
US10981564B2 (en) | Vehicle path planning | |
CN107451521B (zh) | 车辆车道图估算 | |
US10853670B2 (en) | Road surface characterization using pose observations of adjacent vehicles | |
US20200049511A1 (en) | Sensor fusion | |
US9283967B2 (en) | Accurate curvature estimation algorithm for path planning of autonomous driving vehicle | |
US11079761B2 (en) | Vehicle path processing | |
CN109426261B (zh) | 自动驾驶装置 | |
US20200020117A1 (en) | Pose estimation | |
RU2735567C1 (ru) | Способ хранения предысторий движения, способ для выработки модели пути движения, способ для оценки локальной позиции и устройство хранения предысторий движения | |
US11460851B2 (en) | Eccentricity image fusion | |
US11409284B2 (en) | Relaxation optimization model to plan an open space trajectory for autonomous vehicles | |
US20200142420A1 (en) | Vehicle language processing | |
CN111415511A (zh) | 车辆监测和控制基础设施 | |
CN111791814A (zh) | 车辆胶囊网络 | |
CN113498519A (zh) | 用于识别拐入车辆或拐出车辆的方法及控制单元 | |
CN112776776A (zh) | 增强的车辆操作 | |
CN111445723A (zh) | 车辆路径识别 | |
CN113805145A (zh) | 动态激光雷达对准 | |
WO2019065564A1 (ja) | 自動運転制御装置及び方法 | |
JP2020087191A (ja) | 車線境界設定装置、車線境界設定方法 | |
US11999376B2 (en) | Systems, methods, and computer-readable media for spatio-temporal motion planning | |
CN116135639A (zh) | 车辆路径调整 | |
US11673548B2 (en) | Vehicle detection and response | |
US11087147B2 (en) | Vehicle lane mapping |
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 |