CN110962847A - 车道居中辅助自适应巡航的轨迹规划方法和系统 - Google Patents

车道居中辅助自适应巡航的轨迹规划方法和系统 Download PDF

Info

Publication number
CN110962847A
CN110962847A CN201911170793.0A CN201911170793A CN110962847A CN 110962847 A CN110962847 A CN 110962847A CN 201911170793 A CN201911170793 A CN 201911170793A CN 110962847 A CN110962847 A CN 110962847A
Authority
CN
China
Prior art keywords
vehicle
lane line
lane
planning
speed
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
CN201911170793.0A
Other languages
English (en)
Other versions
CN110962847B (zh
Inventor
徐巍
戴一凡
韩海兰
卢贤票
王斌
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.)
Suzhou Automotive Research Institute of Tsinghua University
Original Assignee
Suzhou Automotive Research Institute of Tsinghua University
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 Suzhou Automotive Research Institute of Tsinghua University filed Critical Suzhou Automotive Research Institute of Tsinghua University
Priority to CN201911170793.0A priority Critical patent/CN110962847B/zh
Publication of CN110962847A publication Critical patent/CN110962847A/zh
Application granted granted Critical
Publication of CN110962847B publication Critical patent/CN110962847B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/14—Adaptive cruise control
    • B60W30/143—Speed control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—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 vehicle motion
    • B60W40/105—Speed

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种车道居中辅助自适应巡航的轨迹规划方法，包括：根据获取的车道线数据对车道线进行拟合，得到车道线方程，生成车辆的感兴趣区域；通过对感兴趣区域内障碍物进行代价计算，得到目标障碍物信息；根据左右车道线数据计算当前所在车道的道路中心线即最佳的行驶路径；根据目标障碍物信息结合自车的车辆状态信息进行自车的纵向速度规划，得到车辆纵向速度曲线，完成轨迹规划，所述目标障碍物信息包括障碍物与自车的相对位置和相对自车的速度信息。当无RTK信号或信号丢失时，基于摄像头反馈数据和毫米波数据得到横向和纵向速度规划曲线，最终完成横纵向解耦控制，实现低成本硬件架构在结构化道路下的自动驾驶。

Description

车道居中辅助自适应巡航的轨迹规划方法和系统
技术领域
本发明涉及自动驾驶技术领域，具体地涉及一种车道居中辅助自适应巡航的轨迹规划方法和系统。
背景技术
随着汽车智能化程度的不断提高，自动驾驶汽车日益逐渐趋于成熟。高级驾驶辅助系统(ADAS，Advanced Adriving Assistance Systems)如车道居中辅助(LKA)、自适应巡航(ACC)及紧急制动(AEB)等可极大减轻驾驶员驾驶疲劳，提高驾驶舒适性及交通效率。但大部分驾驶辅助系统仍属于L2级驾驶辅助功能，例如，车道居中辅助仅对车辆横向方向盘进行控制，没有纵向规划控制功能，自适应巡航和紧急制动等仅对纵向车速进行控制，均表现出一定的局限性。而针对L3级自动驾驶车辆，传统做法为横向采用GPS+IMU组合导航RTK(Real-time kinematic，实时动态)定位数据实现循迹控制。但在一些有遮挡、无GPS定位信号或高速GPS信号易丢失场景下，车辆则无法进行横向控制，进而无法进行自动驾驶。本发明因此而来。
发明内容
为了解决上述技术问题，本发明提出了一种车道居中辅助自适应巡航的轨迹规划方法和系统，在无RTK定位信号的工况下，可基于摄像头反馈数据生成感兴趣区域并给出最佳的行驶路径，再通过感兴趣区域对毫米波数据进行筛选，确定目标障碍物，给出纵向速度规划曲线即纵向控制目标，最终完成横纵向解耦控制，实现低成本硬件架构在结构化道路下的自动驾驶。
本发明所采用的技术方案是：
一种车道居中辅助自适应巡航的轨迹规划方法，包括以下步骤：
S01：根据获取的车道线数据对车道线进行拟合，得到车道线方程，根据得到的车道线方程生成车辆的感兴趣区域；
S02：根据感兴趣区域，对毫米波雷达获取的车辆前方障碍物信息进行代价计算，选定代价最大的障碍物为目标障碍物，得到目标障碍物信息；
S03：根据左右车道线数据计算当前所在车道的道路中心线即最佳的行驶路径；根据目标障碍物信息结合自车的车辆状态信息进行自车的纵向速度规划，得到车辆纵向速度曲线，完成轨迹规划，所述目标障碍物信息包括障碍物与自车的相对位置和相对自车的速度信息。
优选的技术方案中，所述步骤S01中得到车道线方程包括以下步骤：
S11：获取车道线数据的参数信息，参数信息包括有左右车道线类型、质量、曲率、长度以及多项式参数；
S12：每一条车道线根据其参数信息生成一个三次多项式，表示为：
ylane＝ax3+bx2+cx+offset；
其中，a、b、c和offset为多项式系数，多项式系数为根据实际车道线检测后，在车辆坐标系下，采用三次多项式对车道线进行拟合得到的结果。
优选的技术方案中，所述步骤S02中得到目标障碍物信息包括以下步骤：
S21：对毫米波雷达数据与车道线数据进行统一标定；
S22：根据车道线方程及车道线长度建立感兴趣区域，筛选出落在感兴趣区域内的障碍物信息；
S23：对步骤S23筛选出的障碍物信息在感兴趣区域内按照纵向距离进行代价计算，选定代价最大的障碍物为目标障碍物。
优选的技术方案中，所述步骤S03中轨迹规划包括以下步骤：
S31：以障碍物距离自车的净距离dr和安全距离dsafe的差作为行驶路径长度S，安全距离
Figure BDA0002288661800000021
τ为系统延时时间，decmax为最大制动减速度，Dmin为停车时最小安全车距，根据自车速度Vego和相对速度Vr，计算满足在tn时刻后两车相对静止时，两车净距离dr仍不小于dsafe的速度曲线；
S32：根据障碍物不同的距离和相对速度，结合安全距离dsafe对纵向速度规划，包括以下步骤：
(1)当Vr＜0时，不触发速度重规划；
(2)当Vr≥0且dr＞dsafe时，以某一恒定减速度减至期望车辆的末状态为Vr＝0，dr＝dtarget，其中dtarget＝kVego+Dmin，k为反映驾驶偏好的可调节系数；
(3)当Vr≥0且dr≤dsafe时，以车辆最大的减速度进行速度规划，Vp＝Vego-decmaxt，t为时间，Vp为规划的纵向速度。
优选的技术方案中，所述步骤S03还包括对得到的最佳行驶路径和车辆纵向速度曲线，以时间步长Ts分别对路径曲线和速度曲线进行离散化处理，再将离散后的坐标和和车速按时间戳匹配，形成目标轨迹。
本发明还公开了一种车道居中辅助自适应巡航的轨迹规划系统，包括以下步骤：
车道线数据处理模块，根据获取的车道线数据对车道线进行拟合，得到车道线方程，根据得到的车道线方程生成车辆的感兴趣区域；
障碍物数据处理模块，根据感兴趣区域，对毫米波雷达获取的车辆前方障碍物信息进行代价计算，选定代价最大的障碍物为目标障碍物，得到目标障碍物信息；
轨迹规划模块，根据得到的左右车道线数据计算当前所在车道的道路中心线即最佳的行驶路径；根据目标障碍物信息结合自车的车辆状态信息进行自车的纵向速度规划，得到车辆纵向速度曲线，完成轨迹规划，所述目标障碍物信息包括障碍物与自车的相对位置和相对自车的速度信息。
优选的技术方案中，所述车道线数据处理模块得到车道线方程包括以下步骤：
S11：获取车道线数据的参数信息，参数信息包括有左右车道线类型、质量、曲率、长度及多项式系数；
S12：每一条车道线根据其参数信息生成一个三次多项式，表示为：
ylane＝ax3+bx2+cx+offset；
其中，a、b、c和offset为多项式系数，多项式系数为通过实际车道线检测后，在车辆坐标系下，采用三次多项式对车道线进行拟合得到的结果。
优选的技术方案中，所述障碍物数据处理模块中得到目标障碍物信息包括以下步骤：
S21：对毫米波雷达数据与车道线数据进行统一标定；
S22：根据车道线方程及车道线长度建立感兴趣区域，筛选出落在感兴趣区域内的障碍物信息；
S23：对步骤S22筛选出的障碍物信息在感兴趣区域内按照纵向距离进行代价计算，选定代价最大的障碍物为目标障碍物。
优选的技术方案中，所述轨迹规划模块中轨迹规划包括以下步骤：
S31：以障碍物距离自车的净距离dr和安全距离dsafe的差作为行驶路径长度S，安全距离
Figure BDA0002288661800000041
τ为系统延时时间，decmax为最大制动减速度，Dmin为停车时最小安全车距，根据自车速度Vego和相对速度Vr，计算满足在tn时刻后两车相对静止时，两车净距离dr仍不小于dsafe的速度曲线；
S32：根据障碍物不同的距离和相对速度，结合安全距离dsafe对纵向速度规划，包括以下步骤：
(1)当Vr＜0时，不触发速度重规划；
(2)当Vr≥0且dr＞dsafe时，以某一恒定减速度减至期望车辆的末状态为Vr＝0，dr＝dtarget，其中dtarget＝kVego+Dmin,k为反映驾驶偏好的可调节系数；
(3)当Vr≥0且dr≤dsafe时，以车辆最大的减速度进行速度规划，Vp＝Vego-decmaxt，t为时间，Vp为规划的纵向速度。
优选的技术方案中，所述轨迹规划模块还包括对得到的最佳行驶路径和车辆纵向速度曲线，以时间步长Ts分别对路径曲线和速度曲线进行离散化处理，再将离散后的坐标和和车速按时间戳匹配，形成目标轨迹。
与现有技术相比，本发明的有益效果是：
当无RTK信号或信号丢失时，可根据摄像头得到车道线数据，生成感兴趣区域并给出最佳的行驶路径，通过车道居中控制使车辆在车道线内稳定行驶。同时，在车辆车道保持行驶下，毫米波探测的障碍物信息可以根据获取的感兴趣区域进行筛选，确定目标障碍物，给出纵向速度规划曲线即纵向控制目标，最终完成横纵向解耦控制，实现低成本硬件架构在结构化道路下的自动驾驶。
附图说明
下面结合附图及实施例对本发明作进一步描述：
图1为本发明车道居中辅助自适应巡航的轨迹规划系统的原理框图；
图2为本发明车道居中辅助自适应巡航的轨迹规划方法的流程图；
图3为本发明速度规划示意图，表示车辆纵向位置station随时间time的变化关系；
图4为本发明轨迹规划结果示意图，表示带有时间戳和速度信息的路点曲线。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
实施例
如图1所示，本发明的一种车道居中辅助自适应巡航的轨迹规划系统，包括感知模块、规划模块和控制模块，感知模块包括摄像头、毫米波雷达和车辆状态数据采集模块采集的车辆状态数据。规划模块包括车道线数据处理组件(模块)，障碍物数据处理组件(模块)及轨迹规划组件(模块)。控制模块包括横向控制模块和纵向控制模块。
车道线数据处理组件，根据摄像头反馈的车道线数据，生成自车的感兴趣区域，并将生成结果发送至障碍物数据处理组件。
障碍物数据处理组件，通过毫米波雷达，对周围障碍物信息进行探测，根据车道线数据处理模块的生成结果，首先对感兴趣区域内的障碍物筛选，进而对筛选出的障碍物完成代价计算，最终确定代价最高的障碍物为目标障碍物，并将筛选结果发送至轨迹规划模块。
轨迹规划组件，根据感兴趣区域从毫米波数据筛选出的目标障碍物信息，结合自车信息进行纵向速度规划，进而横纵向结合控制车辆自动驾驶，完成横向车道居中和纵向自适应巡航的横纵向解耦控制，实现了车辆的自动驾驶。
如图2所示的一种车道居中辅助自适应巡航的轨迹规划方法，主要包括以下步骤：
S1：系统工作时，摄像头对车道线进行识别。
S2：系统工作时，毫米波雷达对车辆前方局部环境信息进行获取。
S3：车道线数据处理组件根据获取的车道线数据，对其进行处理，并将处理后的自车感兴趣区域相关数据发送到障碍物数据处理模块。
S4：障碍物数据处理组件接收处理后的感兴趣区域的相关数据，结合毫米波雷达获取的车辆前方环境信息对感兴趣区域内障碍物进行代价计算，选定代价最大的障碍物为目标障碍物，若有，输出至纵向速度规划模块。
S5：轨迹规划组件接收目标障碍物数据及车道线数据，结合自车状态数据，进行轨迹规划。
步骤S2中所获取的车道线信息包括有左右车道线类型、质量、曲率、长度等，对其进行处理，拟合得出三次多项式车道线方程。在本实施例中，每一条车道线可根据其参数信息生成一个三次多项式，表示为：
ylane＝ax3+bx2+cx+offset；
其中，a、b、c和offset为多项式系数，所述系数为实际车道线检测后，在车辆坐标系下，采用三次多项式对车道线进行拟合得到的结果，x表示车辆坐标系中的横坐标。根据生成的相关车道线方程获取车辆的感兴趣区域并发送到障碍物数据处理组件。感兴趣区域的生成可以采用已知的感兴趣区域算法得到，这里不再赘述。
步骤S3中，障碍物数据处理包括以下步骤：
步骤1：进行毫米波雷达数据与车道线信息数据的统一标定。
步骤2：根据车道线方程及车道线长度建立感兴趣区域，首先按照横向距离进行障碍物筛选，根据感兴趣区域宽度筛选感兴趣区域内的障碍物信息。
步骤3：其次对步骤2筛选出的障碍物信息数据在感兴趣区域内按照纵向距离进行代价计算，选定代价最大的障碍物为目标障碍物。
步骤S4中，根据摄像头反馈的左右车道线数据计算当前所在车道的道路中心线即最佳的行驶路径；根据障碍物数据处理模块筛选出的目标障碍物的信息，包括障碍物与自车的相对位置和相对自车的速度信息，结合自车的车辆状态信息进行自车的纵向速度规划，得到车辆纵向速度曲线，完成轨迹规划。
首先，根据摄像头反馈的左右车道线数据计算当前所在车道的道路中心线即最佳的行驶路径；其次，根据ST图来进行行驶路径的纵向速度规划，以障碍物距离自车的净距离dr和安全距离dsafe的差作为行驶路径长度S，根据自车速度Vego和相对速度Vr，计算满足在tn时刻后两车相对静止时，两车净距离dr仍不小于dsafe的速度曲线。
纵向速度规划中，根据障碍物不同的距离和相对速度结合安全距离dsafe，对纵向速度规划分为以下几种情况，其中
Figure BDA0002288661800000071
τ为系统延时时间，decmax为最大制动减速度，Dmin为停车时最小安全车距。
(1)当Vr＜0时，前方障碍物不影响自车行驶，不会触发速度重规划；
(2)当Vr≥0且dr＞dsafe时，为了保证舒适性，车辆可平缓减速，以某一恒定减速度减至期望车辆的末状态为Vr＝0，dr＝dtarget，即保持一定的目标车距稳定跟车状态，其中dtarget＝kVego+Dmin,k为反映驾驶偏好的可调节系数；
(3)当Vr≥0且dr≤dsafe时，为了保证车辆安全，需立刻紧急减速，轨迹规划模块会以车辆最大的减速度进行速度规划，Vp＝Vego-decmax·t(t＝nTs，n＝0，1，2，...N)，Vp为规划出的纵向速度，如图3所示。
最后，将最佳行驶路径和速度曲线，以时间步长Ts分别对路径曲线和速度曲线进行离散化处理，再将离散后的坐标和和车速按时间戳匹配，形成目标轨迹，如图4所示。
再将规划给出的目标轨迹发送至控制模块进行横纵向解耦控制，完成架构化道路下的自动驾驶。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (10)

1.一种车道居中辅助自适应巡航的轨迹规划方法，其特征在于，包括以下步骤：
S01：根据获取的车道线数据对车道线进行拟合，得到车道线方程，根据得到的车道线方程生成车辆的感兴趣区域；
S02：根据感兴趣区域，对毫米波雷达获取的车辆前方障碍物信息进行代价计算，选定代价最大的障碍物为目标障碍物，得到目标障碍物信息；
S03：根据左右车道线数据计算当前所在车道的道路中心线即最佳的行驶路径；根据目标障碍物信息结合自车的车辆状态信息进行自车的纵向速度规划，得到车辆纵向速度曲线，完成轨迹规划，所述目标障碍物信息包括障碍物与自车的相对位置和相对自车的速度信息。
2.根据权利要求1所述的车道居中辅助自适应巡航的轨迹规划方法，其特征在于，所述步骤S01中得到车道线方程包括以下步骤：
S11：获取车道线数据的参数信息，参数信息包括有左右车道线类型、质量、曲率、长度以及多项式系数；
S12：每一条车道线根据其参数信息生成一个三次多项式，表示为：
ylane＝ax3+bx2+cx+offset；
其中，a、b、c和offset为多项式系数，多项式系数为通过实际车道线检测后，在车辆坐标系下，采用三次多项式对车道线进行拟合得到的结果。
3.根据权利要求1所述的车道居中辅助自适应巡航的轨迹规划方法，其特征在于，所述步骤S02中得到目标障碍物信息包括以下步骤：
S21：对毫米波雷达数据与车道线数据进行统一标定；
S22：根据车道线方程及车道线长度建立感兴趣区域，筛选出落在感兴趣区域内的障碍物信息；
S23：对步骤S22筛选出的障碍物信息按照纵向距离进行代价计算，选定代价最大的障碍物为目标障碍物。
4.根据权利要求1所述的车道居中辅助自适应巡航的轨迹规划方法，其特征在于，所述步骤S03中轨迹规划包括以下步骤：
S31：以障碍物距离自车的净距离dr和安全距离dsafe的差作为行驶路径长度S，安全距离
Figure FDA0002288661790000011
τ为系统延时时间，decmax为最大制动减速度，Dmin为停车时最小安全车距，根据自车速度Vego和相对速度Vr，计算满足在tn时刻后两车相对静止时，两车净距离dr仍不小于dsafe的速度曲线；
S32：根据障碍物不同的距离和相对速度，结合安全距离dsafe对纵向速度规划，包括以下步骤：
(1)当Vr＜0时，不触发速度重规划；
(2)当Vr≥0且dr＞dsafe时，以某一恒定减速度减至期望车辆的末状态为Vr＝0，dr＝dtarget，其中dtarget＝kVego+Dmin，k为反映驾驶偏好的可调节系数；
(3)当Vr≥0且dr≤dsafe时，以车辆最大的减速度进行速度规划，Vp＝Vego-decmaxt，t为时间，Vp为规划的纵向速度。
5.根据权利要求1所述的车道居中辅助自适应巡航的轨迹规划方法，其特征在于，所述步骤S03还包括对得到的最佳行驶路径和车辆纵向速度曲线，以时间步长Ts分别对路径曲线和速度曲线进行离散化处理，再将离散后的坐标和和车速按时间戳匹配，形成目标轨迹。
6.一种车道居中辅助自适应巡航的轨迹规划系统，其特征在于，包括以下步骤：
车道线数据处理模块，根据获取的车道线数据对车道线进行拟合，得到车道线方程，根据得到的车道线方程生成车辆的感兴趣区域；
障碍物数据处理模块，根据感兴趣区域，对毫米波雷达获取的车辆前方障碍物信息进行代价计算，选定代价最大的障碍物为目标障碍物，得到目标障碍物信息；
轨迹规划模块，根据左右车道线数据计算当前所在车道的道路中心线即最佳的行驶路径；根据目标障碍物信息结合自车的车辆状态信息进行自车的纵向速度规划，得到车辆纵向速度曲线，完成轨迹规划，所述目标障碍物信息包括障碍物与自车的相对位置和相对自车的速度信息。
7.根据权利要求6所述的车道居中辅助自适应巡航的轨迹规划系统，其特征在于，所述车道线数据处理模块得到车道线方程包括以下步骤：
S11：获取车道线数据的参数信息，参数信息包括有左右车道线类型、质量、曲率、长度以及多项式系数；
S12：每一条车道线根据其参数信息生成一个三次多项式，表示为：
ylane＝ax3+bx2+cx+offset；
其中，a、b、c和offset为多项式系数，多项式系数为通过实际车道线检测后，在车辆坐标系下，采用三次多项式对车道线进行拟合得到的结果。
8.根据权利要求6所述的车道居中辅助自适应巡航的轨迹规划系统，其特征在于，所述障碍物数据处理模块中得到目标障碍物信息包括以下步骤：
S21：对毫米波雷达数据与车道线数据进行统一标定；
S22：根据车道线方程及车道线长度建立感兴趣区域，筛选出落在感兴趣区域内的障碍物信息；
S23：对步骤S22筛选出的障碍物信息在感兴趣区域内按照纵向距离进行代价计算，选定代价最大的障碍物为目标障碍物。
9.根据权利要求6所述的车道居中辅助自适应巡航的轨迹规划系统，其特征在于，所述轨迹规划模块中轨迹规划包括以下步骤：
s31：以障碍物距离自车的净距离dr和安全距离dsafe的差作为行驶路径长度S，安全距离
Figure FDA0002288661790000031
τ为系统延时时间，decmax为最大制动减速度，Dmin为停车时最小安全车距，根据自车速度Vego和相对速度Vr，计算满足在tn时刻后两车相对静止时，两车净距离dr仍不小于dsafe的速度曲线；
S32：根据障碍物不同的距离和相对速度，结合安全距离dsafe对纵向速度规划，包括以下步骤：
(1)当Vr＜0时，不触发速度重规划；
(2)当Vr≥0且dr＞dsafe时，以某一恒定减速度减至期望车辆的末状态为Vr＝0，dr＝dtarget，其中dtarget＝kVego+Dmin，k为反映驾驶偏好的可调节系数；
(3)当Vr≥0且dr≤dsafe时，以车辆最大的减速度进行速度规划，Vp＝Vego-decmaxt，t为时间，Vp为规划的纵向速度。
10.根据权利要求6所述的车道居中辅助自适应巡航的轨迹规划系统，其特征在于，所述轨迹规划模块还包括对得到的最佳行驶路径和车辆纵向速度曲线，以时间步长Ts分别对路径曲线和速度曲线进行离散化处理，再将离散后的坐标和和车速按时间戳匹配，形成目标轨迹。
CN201911170793.0A 2019-11-26 2019-11-26 车道居中辅助自适应巡航的轨迹规划方法和系统 Active CN110962847B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911170793.0A CN110962847B (zh) 2019-11-26 2019-11-26 车道居中辅助自适应巡航的轨迹规划方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911170793.0A CN110962847B (zh) 2019-11-26 2019-11-26 车道居中辅助自适应巡航的轨迹规划方法和系统

Publications (2)

Publication Number Publication Date
CN110962847A true CN110962847A (zh) 2020-04-07
CN110962847B CN110962847B (zh) 2021-10-08

Family

ID=70031615

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911170793.0A Active CN110962847B (zh) 2019-11-26 2019-11-26 车道居中辅助自适应巡航的轨迹规划方法和系统

Country Status (1)

Country Link
CN (1) CN110962847B (zh)

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112124313A (zh) * 2020-09-29 2020-12-25 重庆长安汽车股份有限公司 基于自动驾驶换道的目标车辆选择方法、车辆及存储介质
CN112277952A (zh) * 2020-11-05 2021-01-29 吉林大学 一种结构化道路下关键障碍物筛选方法
CN112519782A (zh) * 2020-12-08 2021-03-19 英博超算(南京)科技有限公司 车辆自动变道方法、装置、车辆以及计算机可读存储介质
CN112644488A (zh) * 2020-12-30 2021-04-13 清华大学苏州汽车研究院（吴江） 自适应巡航系统
CN112837554A (zh) * 2021-03-09 2021-05-25 济南大学 基于双目相机的agv定位导航方法及系统
CN112902981A (zh) * 2021-01-26 2021-06-04 中国科学技术大学 机器人导航方法和装置
CN113053112A (zh) * 2021-03-10 2021-06-29 北京星云互联科技有限公司 车辆轨迹预测方法、车辆预测轨迹分析方法、装置及车辆
CN113525365A (zh) * 2021-07-21 2021-10-22 上汽通用五菱汽车股份有限公司 道路规划方法、装置及计算机可读存储介质
CN113715816A (zh) * 2021-09-30 2021-11-30 岚图汽车科技有限公司 车道居中功能控制方法、装置、设备及可读存储介质
CN114013456A (zh) * 2021-11-09 2022-02-08 英博超算(南京)科技有限公司 一种自动驾驶辅助过程中压线的目标车辆筛选方法
CN114030482A (zh) * 2021-11-09 2022-02-11 英博超算(南京)科技有限公司 一种自动驾驶辅助过程中障碍物筛选方法及系统
CN114076603A (zh) * 2020-08-18 2022-02-22 财团法人车辆研究测试中心 轨迹决定方法
CN114212101A (zh) * 2021-11-29 2022-03-22 江铃汽车股份有限公司 一种自动驾驶定位方法、系统及汽车
CN114523978A (zh) * 2020-11-03 2022-05-24 上海汽车集团股份有限公司 一种后方道路模型生成方法及装置
CN114590274A (zh) * 2022-03-25 2022-06-07 奥特酷智能科技(南京)有限公司 用于驾驶辅助系统的路径规划方法及驾驶辅助系统
CN115083139A (zh) * 2021-03-12 2022-09-20 上海交通大学 多车辆调度方法
CN115220449A (zh) * 2022-07-14 2022-10-21 小米汽车科技有限公司 路径规划的方法、装置、存储介质、芯片及车辆
CN115320583A (zh) * 2022-10-09 2022-11-11 小米汽车科技有限公司 目标障碍车确定方法、装置、车辆及介质
CN116279462A (zh) * 2023-03-07 2023-06-23 上海佑觑信息科技有限公司 一种基于多因素混合的tja引导线生成方法及装置
CN116834729A (zh) * 2023-08-28 2023-10-03 常州星宇车灯股份有限公司 车辆辅助驾驶的横纵向联合控制系统及控制方法

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1170652A1 (fr) * 2000-07-06 2002-01-09 Renault Procédé de régulation adaptive de la distance entre deux véhicules mobiles
KR20080022748A (ko) * 2006-09-07 2008-03-12 주식회사 만도 스테레오 카메라를 이용한 충돌회피 방법
CN101804813A (zh) * 2010-02-04 2010-08-18 南京航空航天大学 一种基于图像传感器的辅助驾驶装置及其工作方法
CN102303605A (zh) * 2011-06-30 2012-01-04 中国汽车技术研究中心 基于多传感器信息融合的碰撞及偏离预警装置及预警方法
WO2012068331A1 (en) * 2010-11-19 2012-05-24 Magna Electronics Inc. Lane keeping system and lane centering system
CN103003118A (zh) * 2010-07-16 2013-03-27 斯堪尼亚商用车有限公司 代价函数创建
WO2013151266A1 (en) * 2012-04-04 2013-10-10 Movon Corporation Method and system for lane departure warning based on image recognition
CN104411559A (zh) * 2012-03-26 2015-03-11 谷歌公司 用于检测交通信号及其关联状态的鲁棒方法
CN104471624A (zh) * 2012-05-16 2015-03-25 大陆-特韦斯贸易合伙股份公司及两合公司 使跟随车辆基于前导车辆的行迹自主追踪的方法和系统
CN104648397A (zh) * 2013-11-19 2015-05-27 沙漠科技股份有限公司 车道偏移警示系统及方法
US20150194057A1 (en) * 2014-01-03 2015-07-09 Hyundai Mobis Co., Ltd. Apparatus for assisting in lane change and operating method thereof
CN104925057A (zh) * 2015-06-26 2015-09-23 武汉理工大学 一种具有多模式切换体系的汽车自适应巡航系统及其控制方法
CN105620489A (zh) * 2015-12-23 2016-06-01 深圳佑驾创新科技有限公司 驾驶辅助系统及车辆实时预警提醒方法
CN106167045A (zh) * 2015-05-21 2016-11-30 Lg电子株式会社 驾驶人员辅助装置及其控制方法
KR101738425B1 (ko) * 2016-02-15 2017-05-23 (주)한양정보통신 다차선 검출을 위한 관심 영역 설정 장치 및 방법
CN107117170A (zh) * 2017-04-28 2017-09-01 吉林大学 一种基于经济性驾驶的实时预测巡航控制系统
US20190004538A1 (en) * 2017-06-29 2019-01-03 Uber Technologies, Inc. Autonomous Vehicle Collision Mitigation Systems and Methods
CN109532826A (zh) * 2017-09-21 2019-03-29 天津所托瑞安汽车科技有限公司 一种基于车道线视觉识别技术优化的雷达防碰撞预警方法
CN109677403A (zh) * 2018-12-27 2019-04-26 吉林大学 一种基于微分平坦的智能车避障控制方法

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1170652A1 (fr) * 2000-07-06 2002-01-09 Renault Procédé de régulation adaptive de la distance entre deux véhicules mobiles
KR20080022748A (ko) * 2006-09-07 2008-03-12 주식회사 만도 스테레오 카메라를 이용한 충돌회피 방법
CN101804813A (zh) * 2010-02-04 2010-08-18 南京航空航天大学 一种基于图像传感器的辅助驾驶装置及其工作方法
CN103003118A (zh) * 2010-07-16 2013-03-27 斯堪尼亚商用车有限公司 代价函数创建
WO2012068331A1 (en) * 2010-11-19 2012-05-24 Magna Electronics Inc. Lane keeping system and lane centering system
CN102303605A (zh) * 2011-06-30 2012-01-04 中国汽车技术研究中心 基于多传感器信息融合的碰撞及偏离预警装置及预警方法
CN104411559A (zh) * 2012-03-26 2015-03-11 谷歌公司 用于检测交通信号及其关联状态的鲁棒方法
WO2013151266A1 (en) * 2012-04-04 2013-10-10 Movon Corporation Method and system for lane departure warning based on image recognition
CN104471624A (zh) * 2012-05-16 2015-03-25 大陆-特韦斯贸易合伙股份公司及两合公司 使跟随车辆基于前导车辆的行迹自主追踪的方法和系统
CN104648397A (zh) * 2013-11-19 2015-05-27 沙漠科技股份有限公司 车道偏移警示系统及方法
US20150194057A1 (en) * 2014-01-03 2015-07-09 Hyundai Mobis Co., Ltd. Apparatus for assisting in lane change and operating method thereof
CN106167045A (zh) * 2015-05-21 2016-11-30 Lg电子株式会社 驾驶人员辅助装置及其控制方法
EP3103695A2 (en) * 2015-05-21 2016-12-14 Lg Electronics Inc. Driver assistance apparatus and control method for the same
CN104925057A (zh) * 2015-06-26 2015-09-23 武汉理工大学 一种具有多模式切换体系的汽车自适应巡航系统及其控制方法
CN105620489A (zh) * 2015-12-23 2016-06-01 深圳佑驾创新科技有限公司 驾驶辅助系统及车辆实时预警提醒方法
KR101738425B1 (ko) * 2016-02-15 2017-05-23 (주)한양정보통신 다차선 검출을 위한 관심 영역 설정 장치 및 방법
CN107117170A (zh) * 2017-04-28 2017-09-01 吉林大学 一种基于经济性驾驶的实时预测巡航控制系统
US20190004538A1 (en) * 2017-06-29 2019-01-03 Uber Technologies, Inc. Autonomous Vehicle Collision Mitigation Systems and Methods
CN109532826A (zh) * 2017-09-21 2019-03-29 天津所托瑞安汽车科技有限公司 一种基于车道线视觉识别技术优化的雷达防碰撞预警方法
CN109677403A (zh) * 2018-12-27 2019-04-26 吉林大学 一种基于微分平坦的智能车避障控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
周劲草等: "面向雾天的双先验兴趣区域车道线识别算法研究", 《中国安全科学学报》 *
戴秋菊等: "基于单目视觉的车道偏离预警算法研究", 《微型机与应用》 *
陈家凡: "基于机器视觉的车道线识别与预警", 《中国优秀硕士学位论文全文数据库电子期刊工程科技Ⅱ辑》 *

Cited By (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114076603B (zh) * 2020-08-18 2024-04-16 财团法人车辆研究测试中心 轨迹决定方法
CN114076603A (zh) * 2020-08-18 2022-02-22 财团法人车辆研究测试中心 轨迹决定方法
CN112124313A (zh) * 2020-09-29 2020-12-25 重庆长安汽车股份有限公司 基于自动驾驶换道的目标车辆选择方法、车辆及存储介质
CN114523978B (zh) * 2020-11-03 2024-01-16 上海汽车集团股份有限公司 一种后方道路模型生成方法及装置
CN114523978A (zh) * 2020-11-03 2022-05-24 上海汽车集团股份有限公司 一种后方道路模型生成方法及装置
CN112277952B (zh) * 2020-11-05 2021-07-23 吉林大学 一种结构化道路下关键障碍物筛选方法
CN112277952A (zh) * 2020-11-05 2021-01-29 吉林大学 一种结构化道路下关键障碍物筛选方法
CN112519782A (zh) * 2020-12-08 2021-03-19 英博超算(南京)科技有限公司 车辆自动变道方法、装置、车辆以及计算机可读存储介质
CN112644488A (zh) * 2020-12-30 2021-04-13 清华大学苏州汽车研究院（吴江） 自适应巡航系统
CN112644488B (zh) * 2020-12-30 2023-09-26 清华大学苏州汽车研究院（吴江） 自适应巡航系统
CN112902981A (zh) * 2021-01-26 2021-06-04 中国科学技术大学 机器人导航方法和装置
CN112902981B (zh) * 2021-01-26 2024-01-09 中国科学技术大学 机器人导航方法和装置
CN112837554A (zh) * 2021-03-09 2021-05-25 济南大学 基于双目相机的agv定位导航方法及系统
CN113053112A (zh) * 2021-03-10 2021-06-29 北京星云互联科技有限公司 车辆轨迹预测方法、车辆预测轨迹分析方法、装置及车辆
CN113053112B (zh) * 2021-03-10 2022-08-26 北京星云互联科技有限公司 车辆轨迹预测方法、车辆预测轨迹分析方法、装置及车辆
CN115083139A (zh) * 2021-03-12 2022-09-20 上海交通大学 多车辆调度方法
CN115083139B (zh) * 2021-03-12 2023-11-24 上海交通大学 多车辆调度方法
CN113525365A (zh) * 2021-07-21 2021-10-22 上汽通用五菱汽车股份有限公司 道路规划方法、装置及计算机可读存储介质
CN113715816A (zh) * 2021-09-30 2021-11-30 岚图汽车科技有限公司 车道居中功能控制方法、装置、设备及可读存储介质
CN114030482A (zh) * 2021-11-09 2022-02-11 英博超算(南京)科技有限公司 一种自动驾驶辅助过程中障碍物筛选方法及系统
CN114013456A (zh) * 2021-11-09 2022-02-08 英博超算(南京)科技有限公司 一种自动驾驶辅助过程中压线的目标车辆筛选方法
CN114212101A (zh) * 2021-11-29 2022-03-22 江铃汽车股份有限公司 一种自动驾驶定位方法、系统及汽车
CN114212101B (zh) * 2021-11-29 2024-01-26 江铃汽车股份有限公司 一种自动驾驶定位方法、系统及汽车
CN114590274A (zh) * 2022-03-25 2022-06-07 奥特酷智能科技(南京)有限公司 用于驾驶辅助系统的路径规划方法及驾驶辅助系统
CN115220449A (zh) * 2022-07-14 2022-10-21 小米汽车科技有限公司 路径规划的方法、装置、存储介质、芯片及车辆
CN115220449B (zh) * 2022-07-14 2023-11-21 小米汽车科技有限公司 路径规划的方法、装置、存储介质、芯片及车辆
CN115320583A (zh) * 2022-10-09 2022-11-11 小米汽车科技有限公司 目标障碍车确定方法、装置、车辆及介质
CN116279462B (zh) * 2023-03-07 2023-09-29 上海佑觑信息科技有限公司 一种基于多因素混合的tja引导线生成方法及装置
CN116279462A (zh) * 2023-03-07 2023-06-23 上海佑觑信息科技有限公司 一种基于多因素混合的tja引导线生成方法及装置
CN116834729B (zh) * 2023-08-28 2023-11-17 常州星宇车灯股份有限公司 车辆辅助驾驶的横纵向联合控制系统及控制方法
CN116834729A (zh) * 2023-08-28 2023-10-03 常州星宇车灯股份有限公司 车辆辅助驾驶的横纵向联合控制系统及控制方法

Also Published As

Publication number Publication date
CN110962847B (zh) 2021-10-08

Similar Documents

Publication Publication Date Title
CN110962847B (zh) 车道居中辅助自适应巡航的轨迹规划方法和系统
US11275382B2 (en) Autonomous driving system
CN109649393B (zh) 一种自动驾驶变换车道的路径规划方法及装置
US10988139B2 (en) Vehicle position control method and device vehicle position control device for correcting position in drive-assisted vehicle
Göhring et al. Radar/lidar sensor fusion for car-following on highways
US10875530B2 (en) Travel control method and travel control device for drive-assisted vehicle
US20210139022A1 (en) Delay decision making for autonomous driving vehicles in response to obstacles based on confidence level and distance
JP4970156B2 (ja) 車両の運転支援装置
US10967864B2 (en) Vehicle control device
US11485360B2 (en) Dynamic speed limit adjustment system based on perception results
US11726212B2 (en) Detector for point cloud fusion
JP2019127081A (ja) 車両の自動運転制御装置及び自動運転制御方法
EP3885238B1 (en) An incremental lateral control system using feedbacks for autonomous driving vehicles
CN112793584A (zh) 紧急车辆音频检测
US20200409391A1 (en) Vehicle-platoons implementation under autonomous driving system designed for single vehicle
US20220219736A1 (en) Emergency vehicle audio and visual detection post fusion
JP6609292B2 (ja) 車外環境認識装置
CN112829770A (zh) 基于车道边界和车辆速度的绕行决策
US11474525B2 (en) Method and apparatus for method for dynamic multi-segment path and speed profile shaping
EP3925844B1 (en) Relative speed based speed planning for buffer area
WO2018198186A1 (ja) 走行支援方法及び走行支援装置
CN114228706A (zh) 车辆、控制车辆的方法以及记录介质
US20210089042A1 (en) Enumeration based failure prevention qp smoother for autonomous vehicles
US20230339506A1 (en) Vehicle systems and related methods of dynamic path construction
US20240067174A1 (en) Vehicle systems and methods to longitudinally adjust lane positioning

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