CN110968088B - 车辆控制参数的确定方法、装置、车载控制器和无人车 - Google Patents

车辆控制参数的确定方法、装置、车载控制器和无人车 Download PDF

Info

Publication number
CN110968088B
CN110968088B CN201811161479.1A CN201811161479A CN110968088B CN 110968088 B CN110968088 B CN 110968088B CN 201811161479 A CN201811161479 A CN 201811161479A CN 110968088 B CN110968088 B CN 110968088B
Authority
CN
China
Prior art keywords
vehicle
sequence
lateral
deviation
dynamics model
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.)
Active
Application number
CN201811161479.1A
Other languages
English (en)
Other versions
CN110968088A (zh
Inventor
朱帆
马霖
孔旗
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 com Times Technology Beijing Co Ltd
Baidu USA LLC
Original Assignee
Baidu com Times Technology Beijing Co Ltd
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 com Times Technology Beijing Co Ltd, Baidu USA LLC filed Critical Baidu com Times Technology Beijing Co Ltd
Priority to CN201811161479.1A priority Critical patent/CN110968088B/zh
Priority to US16/265,772 priority patent/US11269340B2/en
Publication of CN110968088A publication Critical patent/CN110968088A/zh
Application granted granted Critical
Publication of CN110968088B publication Critical patent/CN110968088B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0225—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving docking at a fixed facility, e.g. base station or loading bay
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0253—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 extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal

Abstract

本申请实施例公开了车辆控制参数的确定方法、装置、车载控制器和无人车，所述方法的一实施例包括：获取车辆的横向偏差序列和用于控制车辆的横向输出的控制器的控制输入序列，其中，横向偏差序列中的横向偏差用于表征车辆的实际横向输出与期望横向输出之间的偏差；执行车辆控制参数确定步骤；车辆控制参数确定步骤，包括：将横向偏差序列作为输入，将控制输入序列作为期望输出，训练预先建立的车辆动力学模型，得到训练后的车辆动力学模型；从训练后的车辆动力学模型中确定出车辆控制参数。该实现方式实现了对车辆控制参数的自主更新，尽可能地减小因车辆控制参数变化而对控制精度产生的不良影响。

Description

车辆控制参数的确定方法、装置、车载控制器和无人车
技术领域
本申请实施例涉及自动驾驶领域，具体涉及车辆控制领域，尤其涉及车辆控制参数的确定方法、装置、车载控制器和无人车。
背景技术
在自动驾驶领域，在车辆处于自动驾驶状态时，通常采用车载大脑来对车辆进行自主控制。具体而言，车载大脑中的控制模块可以根据传感器采集到的环境参数和车辆控制参数等来生成控制指令，从而达到相应的控制指标，例如，使车辆准确地跟踪规划路径。
因此，车辆控制参数是控制模块能够准确跟随规划路径的重要基石。
车辆行驶的过程中，除了传感器精度、车辆方向盘响应精度外，车辆横向控制的动力学参数(如车身重量和质心位置等)配置也对控制精度产生非常大的影响。在车辆实时运行过程中，固定的车辆动力学参数对车重发生改变、质心位置变化情况(例如，物流小车的装卸货工况)，不能保证控制精度，不能满足量产的需求。
发明内容
本申请实施例提出了车辆控制参数的确定方法、装置、车载控制器和无人车。
第一方面，本申请实施例提供了一种车辆控制参数的确定方法，包括：获取车辆的横向偏差序列和用于控制车辆的横向输出的控制器的控制输入序列，其中，横向偏差序列中的横向偏差用于表征车辆的实际横向输出与期望横向输出之间的偏差；执行车辆控制参数确定步骤；车辆控制参数确定步骤，包括：将横向偏差序列作为输入，将控制输入序列作为期望输出，训练预先建立的车辆动力学模型，得到训练后的车辆动力学模型；从训练后的车辆动力学模型中确定出车辆控制参数。
在一些实施例中，获取车辆的横向偏差序列和用于控制车辆的横向输出的控制器的控制输入序列，包括：响应于在连续时段内，车辆的方向盘转角超过预设转角阈值，获取连续时段内，车辆的横向偏差序列和用于控制车辆的横向输出的控制器的控制输入序列。
在一些实施例中，执行车辆控制参数确定步骤，包括：响应于确定车辆的当前横向偏差超过预先设置的横向偏差阈值，执行车辆控制参数确定步骤。
在一些实施例中，车辆控制参数包括车辆的质量以及车辆的四边质量分布；从训练后的车辆动力学模型中确定出车辆控制参数，包括：
从训练后的车辆动力学模型的参数矩阵中，解算得到车辆的质量以及车辆的四边质量分布。
在一些实施例中，方法还包括：基于从训练后的车辆动力学模型中确定出的车辆控制参数，对车辆进行转向控制。
第二方面，本申请实施例提供了一种车辆控制参数的确定装置，包括：获取单元，被配置成获取车辆的横向偏差序列和用于控制车辆的横向输出的控制器的控制输入序列，其中，横向偏差序列中的横向偏差用于表征车辆的实际横向输出与期望横向输出之间的偏差；控制参数确定单元，被配置成执行车辆控制参数确定步骤；车辆控制参数确定步骤，包括：将横向偏差序列作为输入，将控制输入序列作为期望输出，训练预先建立的车辆动力学模型，得到训练后的车辆动力学模型；从训练后的车辆动力学模型中确定出车辆控制参数。
在一些实施例中，获取单元进一步被配置成：响应于在连续时段内，车辆的方向盘转角超过预设转角阈值，获取连续时段内，车辆的横向偏差序列和用于控制车辆的横向输出的控制器的控制输入序列。
在一些实施例中，控制参数确定单元进一步被配置成：响应于确定车辆的当前横向偏差超过预先设置的横向偏差阈值，执行车辆控制参数确定步骤。
在一些实施例中，车辆控制参数包括车辆的质量以及车辆的四边质量分布；控制参数确定单元进一步被配置成：从训练后的车辆动力学模型的参数矩阵中，解算得到车辆的质量以及车辆的四边质量分布。
在一些实施例中，装置还包括：转向控制单元，被配置成基于从训练后的车辆动力学模型中确定出的车辆控制参数，对车辆进行转向控制。
第三方面，本申请实施例提供了一种车载控制器，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面描述的方法。
第四方面，本申请实施例提供了一种无人车，包括如第三方面描述的车载控制器。
第五方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面描述的方法。
本申请实施例提供的车辆控制参数的确定的技术方案，通过获取车辆的横向偏差序列和用于控制车辆的横向输出的控制器的控制输入序列，并基于横向偏差序列和控制输入序列训练预先建立的车辆动力学模型，再从训练后的车辆动力学模型中确定出车辆控制参数，实现了对车辆控制参数的自主更新，尽可能地减小因车辆控制参数变化而对控制精度产生的不良影响。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请一个实施例的车辆控制参数的确定方法可以应用于其中的示例性系统架构图；
图2是根据本申请的车辆控制参数的确定方法的一个实施例的流程图；
图3是车辆航向角的示意图；
图4是车辆横向偏移的示意图；
图5是根据本申请的车辆控制参数的确定方法的一个应用场景的示意图；
图6是根据本申请的车辆控制参数的确定方法的另一个实施例的流程图；
图7是根据本申请的车辆控制参数的确定装置的一个实施例的结构图；
图8是适于用来实现本申请实施例的车辆控制参数的确定方法的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的车辆控制参数的确定方法或车辆控制参数的确定装置的实施例的示例性系统架构100。
系统架构100可以包括无人车101、网络102和服务器103。网络102用以在无人车101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
无人车101可通过网络102与服务器103交互，以接收或发送消息等。无人车101上可以安装有车载雷达等传感器、车载大脑等处理器以及通信装置等。
服务器103可以是提供各种服务的服务器，例如对无人车101采集到的数据进行处理的服务器。服务器103可以对接收到的横向偏差序列和控制输入序列进行分析等处理，并将处理结果(例如无人车的车辆控制参数)反馈给无人车101。
需要说明的是，本申请实施例所提供的车辆控制参数的确定方法可以由无人车101执行，或者由服务器103执行，或者一部分步骤由无人车101执行且另一部分步骤由服务器103执行。相应地，车辆控制参数的确定装置可以设置于服务器103中，或者设置于无人车101中，或者一部分模块设置在服务器103中且另一部分设置在无人车101中。
应该理解，图1中的无人车101、网络102和服务器103的数目仅仅是示意性的。根据实现需要，可以具有任意数目的无人车101、网络102和服务器103。
继续参考图2，其示出了根据本申请的车辆控制参数的确定方法的一个实施例的流程200。
本申请各实施例中，车辆控制参数可以是任何能够对执行主体(例如，图1所示的无人车101或者服务器103)所输出的、用于控制车辆移动和/或停止的控制信号产生影响的车辆的参数。
此外，本申请各实施例中所指的车辆，可以是无人驾驶车辆，或者，也可以是处于自动驾驶状态下的有人驾驶车辆。
可以理解的是，本实施例的车辆控制参数的确定方法可以在任何可行的时刻执行。
例如，在一些应用场景中，可以事先设定每间隔一段时间，执行一次车辆参数的确定。那么，在这些应用场景中，若当前时刻与上一次执行车辆参数确定的时刻之间的时间差达到预设的时间间隔，则可开始执行本实施例的车辆控制参数的确定方法。
或者，在另一些应用场景中，可以设置在车辆通过颠簸路段之后，执行一次车辆参数的确定。那么，在这些应用场景中，若通过车辆的传感器(例如，摄像头)采集到的周围环境指示车辆通过了颠簸路段，则可开始执行本实施例的车辆控制参数的确定方法。
在这里，“车辆控制参数的确定”例如可以理解为，确定车辆控制参数的当前数值，或者，确定车辆控制参数的当前值相对于历史值的变化量。
该车辆控制参数的确定方法，包括以下步骤：
步骤201，获取车辆的横向偏差序列和用于控制车辆的横向输出的控制器的控制输入序列，其中，横向偏差序列中的横向偏差用于表征车辆的实际横向输出与期望横向输出之间的偏差。
在这里，车辆的横向偏差序列中，可以包括按照获取时间的先后顺序排序的多个横向偏差。类似地，控制输入序列中，也可以包括按照获取时间的先后顺序排序的控制输入。
此外，用于确定横向偏差的实际横向输出和期望横向输出可以是能够表征车辆的横向运动的特征的任意可行的输出。
在一些应用场景中，车辆的横向输出例如可以是车辆的航向角。参见图3所示，航向角为车辆质心的速度v与地面坐标系X0Y0O中的横轴OX0之间的夹角θ。在这些应用场景中，车辆的横向偏差序列中的各横向偏差可以是在各采样时刻，车辆的实际航向角和期望航向角之间的偏差。
或者，在另一些应用场景中，车辆的横向偏差序列中的横向偏差可以是车辆的横向偏移量。在这些可选的实现方式中，参见图4所示，车辆的横向偏移量可以理解为，在某一时刻，车辆的质心的实际位置到车辆规划轨迹410之间的距离，如图4中，符号d示出的一段距离。
或者，在另一些应用场景中，车辆的横向偏差序列中的横向偏差可以既包含用于表征车辆的实际航向角和期望航向角之间的偏差的分量，也包含用于表征车辆的横向偏移量的分量。
本步骤中，车辆横向偏差序列中，各横向偏差的采样时刻和用于控制车辆的横向输出的控制器的控制输入序列中，各控制输入的采样时刻可以是一一对应的。例如，车辆横向偏差序列X＝{xti|i＝1,2,…,n}，其中，车辆横向偏差序列X中，每个元素xti的采样时刻为ti。相应地，用于控制车辆的横向输出的控制器的控制输入序列Λ＝{δt’i|i＝1,2,…,n}中，每个元素δt’i的采样时刻为t’i。
在一些应用场景中，车辆横向偏差序列X中，每个元素xti的采样时刻ti可以等于控制输入序列Λ中，每个元素δt’i的采样时刻为t’i，即ti＝t’i(i＝1,2,…,n)。也即是说，在这些应用场景中，在每个采样时刻，可以同时采集车辆横向偏差和用于控制车辆的横向输出的控制器的控制输入。
或者，在另一些应用场景中，考虑到车辆惯性的存在以及控制器的响应速度限制，在时刻t的控制输入所产生的实际输出往往将延迟某一时段(例如，延迟△tdelay)才能得以体现。因此，为了尽可能准确地体现控制输入和其能产生的横向输出之间的关联关系，车辆横向偏差序列A中，每个元素ati的采样时刻ti和控制输入序列B中，每个元素bt’i的采样时刻为t’i之间可以具有如下的对应关系：
ti＝t’i+△tdelay (1)
可以理解的是，延迟△tdelay的具体数值可以根据车辆的重量、用于控制车辆的横向输出的控制器的响应速度等确定。
步骤202，执行车辆控制参数确定步骤。
在这里，车辆控制参数确定步骤，可以进一步包括：
步骤202a，将横向偏差序列作为输入，将控制输入序列作为期望输出，训练预先建立的车辆动力学模型，得到训练后的车辆动力学模型。
在这里，车辆动力学模型可以是能够表征车辆在运动时的动态过程的模型。例如，车辆动力学模型可以表征车辆控制参数、车辆横向偏差、车辆横向偏差的导数以及车辆的控制输入之间的函数关系。
例如，在一些应用场景中，横向偏差序列X＝{xti|i＝1,2,…,n}中，每一个xti＝[ecg,θc]T。那么，车辆动力学模型可以具有如下的表达形式：
其中，ecg为某一采样时刻ti，车辆的横向偏移(横向偏移的含义例如可参见图4和与图4对应的文字描述)，θc为ti这一采样时刻，车辆的航向角的偏差(航向角的含义例如可以参见图3和与图3对应的文字描述)。相应地，为该采样时刻ti，车辆的横向偏移的导数。而/>为ti这一采样时刻，车辆的航向角的导数。相应地，δ为某一与采样时刻ti相应的采样时刻t’i，用于控制车辆的横向输出的控制器的控制输入。
此外，[aij]2×2、[bij]2×1中的各元素aij、bij可以是与车辆控制参数相关的系数。也即是说，若车辆控制参数确定，则aij、bij均是唯一、确定的。
在这里，对预先建立的车辆动力学模型的训练过程，可以理解为根据预先采集确定的车辆的横向偏差序列和与之对应的控制输入序列，解算出矩阵[aij]2×2、[bij]2×1中的各元素的数值的过程。
步骤202b，从训练后的车辆动力学模型中确定出车辆控制参数。
正如在步骤202a中描述的，矩阵[aij]2×2、[bij]2×1中的各元素aij、bij可以是与车辆控制参数相关的系数。并且，若车辆控制参数确定，则aij、bij均是唯一、确定的。这样一来，若在步骤202a中确定出了矩阵[aij]2×2、[bij]2×1中的各元素的数值。那么，在本步骤202b中，可以基于阵[aij]2×2、[bij]2×1中的各元素aij、bij与车辆控制参数之间的关系，解算得到车辆控制参数的具体数值。
本实施例提供的车辆控制参数的确定方法，通过获取车辆的横向偏差序列和用于控制车辆的横向输出的控制器的控制输入序列，并基于横向偏差序列和控制输入序列训练预先建立的车辆动力学模型，再从训练后的车辆动力学模型中确定出车辆控制参数，实现了对车辆控制参数的自主更新，尽可能地减小因车辆控制参数变化而对控制精度产生的不良影响。
继续参见图5，图5是根据本实施例的车辆控制参数的确定方法的应用场景的一个示意图500。
在图5所示的应用场景中，可以预先设置每间隔t秒对车辆进行一次控制参数的确定。
假设在ti-1时刻，车辆如附图标记510所示，在当前的ti时刻，车辆如附图标记520所示。
若时刻ti与时刻ti-1之间间隔了t秒，并且，在ti-1时刻，对车辆控制参数执行了参数确定步骤。那么，由于当前时刻ti与上一执行车辆确定的时刻ti-1之间相差t秒。那么，当前时刻符合预设的更新条件，因而开始执行确定步骤。
具体地，可以首先获取车辆的横向偏差序列和用于控制车辆的横向输出的控制器的控制输入序列。例如，可以获取自ti-1时刻至ti时刻这一时段内，车辆的横向偏差序列和用于控制车辆的横向输出的控制器的控制输入序列。
接着，横向偏差序列作为输入，将控制输入序列作为期望输出，训练预先建立的车辆动力学模型，得到训练后的车辆动力学模型。
接着，从训练后的车辆动力学模型中确定出车辆控制参数。
这样一来，通过基于自ti-1时刻至ti时刻这一时段内，车辆的横向偏差序列和用于控制车辆的横向输出的控制器的控制输入序列之间的关系来训练预先建立的车辆动力学模型，可以确定出车辆动力学模型中的各系数和/或系数矩阵，进而，可以根据各系数和/或系数矩阵与车辆控制参数之间的关系，解算得到当前的车辆控制参数。
在本实施例的车辆控制参数的确定方法的一些可选的实现方式中，步骤201的获取车辆的横向偏差序列和用于控制车辆的横向输出的控制器的控制输入序列，可以进一步包括：
响应于在连续时段内，车辆的方向盘转角超过预设转角阈值，获取连续时段内，车辆的横向偏差序列和用于控制车辆的横向输出的控制器的控制输入序列。
一般而言，车辆的方向盘转角较大时，车辆控制参数的准确程度通常将更大地影响车辆的横向偏差。因而，在这些可选的实现方式中，通过采集和/或确定方向盘转角超过预设转角阈值的这一时段内的车辆的横向偏差序列和用于控制车辆的横向输出的控制器的控制输入序列，可以更显著地体现车辆控制参数对车辆横向偏差的影响。
在这些可选的实现方式的一些应用场景中，例如，可以选取转弯过程中，车辆的横向偏差序列和用于控制车辆的横向输出的控制器的控制输入序列，和/或，掉头过程中，车辆的横向偏差序列和用于控制车辆的横向输出的控制器的控制输入序列。
在本实施例的车辆控制参数的确定方法的一些可选的实现方式中，步骤202的执行车辆控制参数确定步骤，可以进一步包括：
响应于确定车辆的当前横向偏差超过预先设置的横向偏差阈值，执行车辆控制参数确定步骤。
在这些可选的实现方式中，当前横向偏差例如可以是在步骤201获取的车辆的横向偏差序列中，采样时刻最接近当前时刻的一个横向偏差。
可以理解，在这些可选的实现方式的一些应用场景中，若当前横向偏差为一个标量(例如，为当前的航向角偏差)，那么，在这些应用场景中，预先设置的横向偏差阈值也为标量。若当前横向偏差大于或等于该预先设置的横向偏差阈值，则可以执行车辆控制参数确定步骤，例如，如上描述的步骤202a、步骤202b。
或者，在这些可选的实现方式的另一些应用场景中，若当前横向偏差为一个向量(例如，当前横向偏差包括当前航向角偏差分量和当前横向偏移量)，那么，在这些应用场景中，预先设置的横向偏差阈值也为向量。若当前横向偏差中的至少一个分量大于或等于该预先设置的横向偏差阈值中与之对应的分量，则可以执行车辆控制参数确定步骤，例如，如上描述的步骤202a、步骤202b。
进一步参考图6，其示出了车辆控制参数的确定方法的又一个实施例的流程600。本实施例中，车辆控制参数包括车辆的质量以及车辆的四边质量分布。在这里，车辆的四边质量分布例如可以是，在静止状态下，车辆的左前车轮、左后车轮、右前车轮和右后车轮分别对地面的压力。
该车辆控制参数的确定方法的流程600，包括以下步骤：
步骤601，获取车辆的横向偏差序列和用于控制车辆的横向输出的控制器的控制输入序列，其中，横向偏差序列中的横向偏差用于表征车辆的实际横向输出与期望横向输出之间的偏差。
该步骤可以采用如图2所示实施例的步骤201类似的方式实现，在此不再赘述。
在本实施例的一些可选的实现方式中，横向偏差序列X＝{xti|i＝1,2,…,n}中的每一个横向偏差xti例如可以包括ti时刻的车辆的横向偏移ecg、横向偏移ecg的导数航向角的偏差θc、航向角的偏差θc的导数/>也即，/>
步骤602，执行车辆控制参数确定步骤：
在这里，车辆控制参数确定步骤，可以进一步包括：
步骤602a，将横向偏差序列作为输入，将控制输入序列作为期望输出，训练预先建立的车辆动力学模型，得到训练后的车辆动力学模型。
在本实施例中，车辆动力学模型例如可以具有如下的形式：
令
可以将式(3)的动力学模型改写为：
A矩阵和B矩阵中的元素与车辆的质量m，四边质量分布中，左前轮和左后轮对地面的压力lf、lr相关。此外，A矩阵中的其它参数，均为已知量。
假设用于控制车辆的横向输出的控制器为LQR(linear quadratic regulator，线性二次调节器)，那么，LQR的输入与反馈增益(即横向偏差x)之间的关系如下：
δ＝-Kx (5)
其中，K＝(R+BTPB)-1BTPA，P矩阵为如下的里卡蒂(Ricatti)方程(6)的解：
P＝ATPA-ATPB(R+BTPB)-1BTPA+Q (6)
其中，Q和R为已知量。
这样一来，基于上述式(5)，通过实际控制输入和根据横向偏差计算得到的控制输入之间的偏差来调整矩阵A、矩阵B中各分量的数值，可以最终确定出矩阵A、矩阵B中各分量的数值。
步骤602b，从训练后的车辆动力学模型的参数矩阵中，解算得到车辆的质量以及车辆的四边质量分布。
从以上的式(3)可以看出，在确定出矩阵A、矩阵B中各分量的数值之后，可以从中解算出车辆的质量m以及用于表征四边质量分布的左前轮和左后轮对地面的压力lf和lr。之后，可以进一步基于车辆的质量m、车辆左前轮和左后轮对地面的压力lf和lr，进一步确定出车辆右前轮和右后轮对地面的压力rf和rr。这样一来，可以确定出对车辆转向控制的精度产生较大影响的车辆控制参数，即：车辆的质量m、车辆左前轮和左后轮对地面的压力lf和lr以及车辆右前轮和右后轮对地面的压力rf和rr。
可以理解的是，在本申请各实施例的车辆控制参数的确定方法的一些可选的实现方式的中，在确定出车辆控制参数之后，还可以进一步基于从训练后的车辆动力学模型中确定出的车辆控制参数，对车辆进行转向控制，从而使得所生成的控制指令与真实的车辆控制参数相匹配，进而达到更精确的控制效果，例如，对规划轨迹更精确地跟踪。
进一步参考图7，作为对上述各图所示方法的实现，本申请提供了一种车辆控制参数的确定装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图7所示，本实施例的车辆控制参数的确定装置包括车辆控制参数的确定装置，包括获取单元701和控制参数确定单元702。
其中：
获取单元701可被配置成获取车辆的横向偏差序列和用于控制车辆的横向输出的控制器的控制输入序列，其中，横向偏差序列中的横向偏差用于表征车辆的实际横向输出与期望横向输出之间的偏差。
控制参数确定单元702可被配置成执行车辆控制参数确定步骤；车辆控制参数确定步骤，包括：将横向偏差序列作为输入，将控制输入序列作为期望输出，训练预先建立的车辆动力学模型，得到训练后的车辆动力学模型；从训练后的车辆动力学模型中确定出车辆控制参数。
在一些可选的实现方式中，获取单元701还可以进一步被配置成：响应于在连续时段内，车辆的方向盘转角超过预设转角阈值，获取连续时段内，车辆的横向偏差序列和用于控制车辆的横向输出的控制器的控制输入序列。
在一些可选的实现方式中，控制参数确定单元702还可以进一步被配置成：响应于确定车辆的当前横向偏差超过预先设置的横向偏差阈值，执行车辆控制参数确定步骤。
在一些可选的实现方式中，车辆控制参数可以包括车辆的质量以及车辆的四边质量分布。
在这些可选的实现方式中，控制参数确定单元702还可以进一步被配置成：从训练后的车辆动力学模型的参数矩阵中，解算得到车辆的质量以及车辆的四边质量分布。
在一些可选的实现方式中，本实施例的车辆控制参数的确定装置还可以包括转向控制单元(图中未示出)。
在这些可选的实现方式中，转向控制单元可以被配置成基于从训练后的车辆动力学模型中确定出的车辆控制参数，对车辆进行转向控制。
下面参考图8，其示出了适于用来实现本申请实施例的车辆控制参数的确定方法的电子设备(例如，车载控制器)的计算机系统800的结构示意图。图8示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图8所示，计算机系统800包括一个或多个处理器801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分806加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中，还存储有系统800操作所需的各种程序和数据。处理器801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805：包括硬盘等的存储部分806；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分807。通信部分807经由诸如因特网的网络执行通信处理。驱动器808也根据需要连接至I/O接口805。可拆卸介质809，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器808上，以便于从其上读出的计算机程序根据需要被安装入存储部分806。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分807从网络上被下载和安装，和/或从可拆卸介质809被安装。在该计算机程序被中央处理单元(CPU)801执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元以及控制参数确定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取车辆的横向偏差序列和用于控制车辆的横向输出的控制器的控制输入序列的单元”。
作为另一方面，本申请还提供了一种无人车，该无人车可以包括如上描述的车载控制器。可以理解的是，无人车还可以包括诸如IMU等的传感装置、诸如发动机等的动力装置等等。这些装置均可以利用现有技术得以实现，在此不再赘述。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取车辆的横向偏差序列和用于控制车辆的横向输出的控制器的控制输入序列，其中，横向偏差序列中的横向偏差用于表征车辆的实际横向输出与期望横向输出之间的偏差；执行车辆控制参数确定步骤；车辆控制参数确定步骤，包括：将横向偏差序列作为输入，将控制输入序列作为期望输出，训练预先建立的车辆动力学模型，得到训练后的车辆动力学模型；从训练后的车辆动力学模型中确定出车辆控制参数。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (11)

1.一种车辆控制参数的确定方法，包括：
获取车辆的横向偏差序列和用于控制所述车辆的横向输出的控制器的控制输入序列，其中，所述横向偏差序列中的横向偏差用于表征所述车辆的实际横向输出与期望横向输出之间的偏差，所述横向偏差序列中的元素的采样时刻等于所述控制输入序列中的对应元素的采样时刻加延迟；
执行车辆控制参数确定步骤；
所述车辆控制参数确定步骤，包括：
将所述横向偏差序列作为输入，将所述控制输入序列作为期望输出，训练预先建立的车辆动力学模型，得到训练后的车辆动力学模型；
从所述训练后的车辆动力学模型中确定出所述车辆控制参数；
其中，所述获取车辆的横向偏差序列和用于控制所述车辆的横向输出的控制器的控制输入序列，包括：
响应于在连续时段内，所述车辆的方向盘转角超过预设转角阈值，获取所述连续时段内，车辆的横向偏差序列和用于控制所述车辆的横向输出的控制器的控制输入序列。
2.根据权利要求1所述的方法，其中，所述执行车辆控制参数确定步骤，包括：
响应于确定所述车辆的当前横向偏差超过预先设置的横向偏差阈值，执行所述车辆控制参数确定步骤。
3.根据权利要求1所述的方法，其中，所述车辆控制参数包括所述车辆的质量以及所述车辆的四边质量分布；
所述从所述训练后的车辆动力学模型中确定出所述车辆控制参数，包括：
从所述训练后的车辆动力学模型的参数矩阵中，解算得到所述车辆的质量以及所述车辆的四边质量分布。
4.根据权利要求1-3之一所述的方法，其中，所述方法还包括：
基于从所述训练后的车辆动力学模型中确定出的车辆控制参数，对所述车辆进行转向控制。
5.一种车辆控制参数的确定装置，包括：
获取单元，被配置成获取车辆的横向偏差序列和用于控制所述车辆的横向输出的控制器的控制输入序列，其中，所述横向偏差序列中的横向偏差用于表征所述车辆的实际横向输出与期望横向输出之间的偏差，所述横向偏差序列中的元素的采样时刻等于所述控制输入序列中的对应元素的采样时刻加延迟；
控制参数确定单元，被配置成执行车辆控制参数确定步骤；
所述车辆控制参数确定步骤，包括：
将所述横向偏差序列作为输入，将所述控制输入序列作为期望输出，训练预先建立的车辆动力学模型，得到训练后的车辆动力学模型；
从所述训练后的车辆动力学模型中确定出所述车辆控制参数；
其中，所述获取单元进一步被配置成：
响应于在连续时段内，所述车辆的方向盘转角超过预设转角阈值，获取所述连续时段内，车辆的横向偏差序列和用于控制所述车辆的横向输出的控制器的控制输入序列。
6.根据权利要求5所述的装置，其中，所述控制参数确定单元进一步被配置成：
响应于确定所述车辆的当前横向偏差超过预先设置的横向偏差阈值，执行所述车辆控制参数确定步骤。
7.根据权利要求5所述的装置，其中，所述车辆控制参数包括所述车辆的质量以及所述车辆的四边质量分布；
所述控制参数确定单元进一步被配置成：
从所述训练后的车辆动力学模型的参数矩阵中，解算得到所述车辆的质量以及所述车辆的四边质量分布。
8.根据权利要求5-7之一所述的装置，其中，所述装置还包括：
转向控制单元，被配置成基于从所述训练后的车辆动力学模型中确定出的车辆控制参数，对所述车辆进行转向控制。
9.一种车载控制器，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
10.一种无人车，包括如权利要求9所述的车载控制器。
11.一种计算机可读存储介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
CN201811161479.1A 2018-09-30 2018-09-30 车辆控制参数的确定方法、装置、车载控制器和无人车 Active CN110968088B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811161479.1A CN110968088B (zh) 2018-09-30 2018-09-30 车辆控制参数的确定方法、装置、车载控制器和无人车
US16/265,772 US11269340B2 (en) 2018-09-30 2019-02-01 Method for determining a vehicle control parameter, apparatus for the same, vehicle on-board controller, and autonomous vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811161479.1A CN110968088B (zh) 2018-09-30 2018-09-30 车辆控制参数的确定方法、装置、车载控制器和无人车

Publications (2)

Publication Number Publication Date
CN110968088A CN110968088A (zh) 2020-04-07
CN110968088B true CN110968088B (zh) 2023-09-12

Family

ID=69947471

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811161479.1A Active CN110968088B (zh) 2018-09-30 2018-09-30 车辆控制参数的确定方法、装置、车载控制器和无人车

Country Status (2)

Country Link
US (1) US11269340B2 (zh)
CN (1) CN110968088B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111522245B (zh) * 2020-06-23 2020-11-03 北京三快在线科技有限公司 用于控制无人设备的方法及装置
CN112230653A (zh) * 2020-09-24 2021-01-15 北京旷视机器人技术有限公司 驱动轮参数的确定方法、装置和自动导航车
CN112286204A (zh) * 2020-11-11 2021-01-29 珠海格力智能装备有限公司 自动导引装置的控制方法及装置、处理器、电子设备
GB202101409D0 (en) * 2021-02-02 2021-03-17 Five Ai Ltd Vehicle trajectory assessment
CN113325695A (zh) * 2021-05-31 2021-08-31 广州极飞科技股份有限公司 车辆方向控制模型的生成方法、车辆方向控制方法及装置
WO2023039261A1 (en) * 2021-09-10 2023-03-16 Cyngn, Inc. System and method of adaptive, real-time vehicle system identification for autonomous driving

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6246945B1 (en) * 1996-08-10 2001-06-12 Daimlerchrysler Ag Process and system for controlling the longitudinal dynamics of a motor vehicle
WO2012088635A1 (zh) * 2010-12-30 2012-07-05 中国科学院自动化研究所 车辆自适应巡航控制系统及方法
CN105035079A (zh) * 2015-07-29 2015-11-11 江苏大学 一种带发动机转矩观测器的同轴并联混合动力汽车动力切换协调控制方法
CN107015477A (zh) * 2017-04-05 2017-08-04 同济大学 基于状态反馈的车辆路径跟踪h∞控制方法
CN107182206A (zh) * 2016-06-08 2017-09-19 驭势科技（北京）有限公司 车辆自动驾驶的速度规划方法、装置及计算装置
DE102017106684A1 (de) * 2016-04-07 2017-10-12 GM Global Technology Operations LLC Autonome fahrzeugseitensteuerung zur bahnverfolgung und stabilität
CN107264534A (zh) * 2017-05-23 2017-10-20 北京理工大学 基于驾驶员经验模型的智能驾驶控制系统和方法、车辆
CN107491073A (zh) * 2017-09-05 2017-12-19 百度在线网络技术（北京）有限公司 无人驾驶车辆的数据训练方法和装置
CN108287540A (zh) * 2017-10-19 2018-07-17 腾讯科技（深圳）有限公司 车辆控制方法、装置、车辆及存储介质

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003531066A (ja) * 2000-04-19 2003-10-21 コンティネンタル・テーベス・アクチエンゲゼルシヤフト・ウント・コンパニー・オッフェネ・ハンデルスゲゼルシヤフト 自動車用のドライビングダイナミクス量をオンラインで決定する方法
EP1692026B1 (de) * 2003-12-12 2012-04-11 Continental Automotive GmbH Verfahren und anordnung zur überwachung einer in einem radfahrzeug angeordneten messeinrichtung
DE102010014565B4 (de) * 2010-04-10 2021-10-14 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren zur Erkennung eines Fahrwiderstandes eines Kraftfahrzeugs
JP5592832B2 (ja) * 2011-05-17 2014-09-17 日立建機株式会社 電気駆動ダンプトラック
JP6472626B2 (ja) * 2014-09-01 2019-02-20 Ntn株式会社 車両の横滑り防止制御装置
CN107249954B (zh) * 2014-12-29 2020-07-10 罗伯特·博世有限公司 用于使用个性化驾驶简档操作自主车辆的系统和方法
JP6304086B2 (ja) * 2015-03-23 2018-04-04 トヨタ自動車株式会社 自動運転装置
US10002471B2 (en) * 2015-09-30 2018-06-19 Ants Technology (Hk) Limited Systems and methods for autonomous vehicle navigation
JP6338614B2 (ja) * 2016-04-27 2018-06-06 株式会社Ｓｕｂａｒｕ 車両の走行制御装置
CN106066644A (zh) * 2016-06-17 2016-11-02 百度在线网络技术（北京）有限公司 建立智能车辆控制模型的方法、智能车辆控制方法及装置
JP6846624B2 (ja) * 2017-02-23 2021-03-24 パナソニックＩｐマネジメント株式会社 画像表示システム、画像表示方法及びプログラム
CN110914127B (zh) * 2017-07-27 2023-08-04 日产自动车株式会社 驾驶辅助方法及驾驶辅助装置
US10431089B1 (en) * 2017-11-17 2019-10-01 Lytx, Inc. Crowdsourced vehicle history

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6246945B1 (en) * 1996-08-10 2001-06-12 Daimlerchrysler Ag Process and system for controlling the longitudinal dynamics of a motor vehicle
WO2012088635A1 (zh) * 2010-12-30 2012-07-05 中国科学院自动化研究所 车辆自适应巡航控制系统及方法
CN105035079A (zh) * 2015-07-29 2015-11-11 江苏大学 一种带发动机转矩观测器的同轴并联混合动力汽车动力切换协调控制方法
DE102017106684A1 (de) * 2016-04-07 2017-10-12 GM Global Technology Operations LLC Autonome fahrzeugseitensteuerung zur bahnverfolgung und stabilität
CN107182206A (zh) * 2016-06-08 2017-09-19 驭势科技（北京）有限公司 车辆自动驾驶的速度规划方法、装置及计算装置
CN107015477A (zh) * 2017-04-05 2017-08-04 同济大学 基于状态反馈的车辆路径跟踪h∞控制方法
CN107264534A (zh) * 2017-05-23 2017-10-20 北京理工大学 基于驾驶员经验模型的智能驾驶控制系统和方法、车辆
CN107491073A (zh) * 2017-09-05 2017-12-19 百度在线网络技术（北京）有限公司 无人驾驶车辆的数据训练方法和装置
CN108287540A (zh) * 2017-10-19 2018-07-17 腾讯科技（深圳）有限公司 车辆控制方法、装置、车辆及存储介质

Also Published As

Publication number Publication date
CN110968088A (zh) 2020-04-07
US11269340B2 (en) 2022-03-08
US20200103912A1 (en) 2020-04-02

Similar Documents

Publication Publication Date Title
CN110968088B (zh) 车辆控制参数的确定方法、装置、车载控制器和无人车
CN110968087B (zh) 车辆控制参数的标定方法、装置、车载控制器和无人车
US11919518B2 (en) Vehicle lane change control method and device
CN110967991B (zh) 车辆控制参数的确定方法、装置、车载控制器和无人车
Farag Complex trajectory tracking using PID control for autonomous driving
CN111301425B (zh) 用于自动驾驶车辆的利用动态模型的有效最优控制
US20180186403A1 (en) Method and system for steering control of an autonomous vehicle using proportional, integral, and derivative (pid) controller
US11042133B2 (en) Apparatus and method for controlling a vehicle using a first model and a second model
EP2325069B1 (en) Method and system for controlling the lateral lane position of an automotive vehicle
US11352059B2 (en) Device for controlling the trajectory of a vehicle
EP3868624B1 (en) Method and system for actuating a control substem of an autonomous driving vehicle
US11453409B2 (en) Extended model reference adaptive control algorithm for the vehicle actuation time-latency
Guillet et al. Formation control of agricultural mobile robots: A bidirectional weighted constraints approach
JP2021526480A (ja) 同一の所定の軌道を繰り返し追従する自動走行装置の制御方法とシステム
Keivan et al. Realtime simulation-in-the-loop control for agile ground vehicles
CN113306570B (zh) 用于控制自动驾驶车辆的方法、装置和自动驾驶配送车
US20240067185A1 (en) Technology for dead time compensation during transverse and longitudinal guidance of a motor vehicle
Jain et al. A nonlinear model predictive control for an auv to track and estimate a moving target using range measurements
CN112158196B (zh) 自动泊车方法及装置
CN113954852A (zh) 用于自主驾驶的数据驱动控制
Han et al. The Leader-Follower Formation Control of Nonholonomic Vehicle With Follower-Stabilizing Strategy
US20230100742A1 (en) Methods and systems for lateral control of a vehicle
JP7388523B1 (ja) ヨーレート制御装置、ヨーレート制御方法及びプログラム
US20230096493A1 (en) Methods and Systems for Trajectory Planning of a Vehicle
Nguyen et al. Electric vehicle stability control based on disturbance accommodating Kalman filter using GPS

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