CN111221338A - 一种路径跟踪的方法、装置、设备及存储介质 - Google Patents

一种路径跟踪的方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111221338A
CN111221338A CN202010065658.6A CN202010065658A CN111221338A CN 111221338 A CN111221338 A CN 111221338A CN 202010065658 A CN202010065658 A CN 202010065658A CN 111221338 A CN111221338 A CN 111221338A
Authority
CN
China
Prior art keywords
target object
tracking
path
error
determining
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
CN202010065658.6A
Other languages
English (en)
Other versions
CN111221338B (zh
Inventor
龚志豪
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.)
Guangdong Bozhilin Robot Co Ltd
Original Assignee
Guangdong Bozhilin Robot Co Ltd
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 Guangdong Bozhilin Robot Co Ltd filed Critical Guangdong Bozhilin Robot Co Ltd
Priority to CN202010065658.6A priority Critical patent/CN111221338B/zh
Publication of CN111221338A publication Critical patent/CN111221338A/zh
Application granted granted Critical
Publication of CN111221338B publication Critical patent/CN111221338B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G05D1/0223—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
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • G05D1/0276—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
    • G05D1/0278—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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Abstract

本发明实施例公开了一种路径跟踪的方法、装置、设备及存储介质，该路径跟踪的方法包括：获取目标对象的定位信息、跟踪路径以及跟踪节点；根据定位信息、跟踪路径以及跟踪节点，确定目标对象在跟踪节点的投影误差和航向误差；基于Stanley控制器，根据投影误差和航向误差确定目标对象的转向角控制量；根据转向角控制量控制目标对象，以使目标对象跟踪跟踪路径。本发明实施例的技术方案，通过目标对象的定位信息、跟踪路径以及跟踪节点，确定该跟踪节点的投影误差和航向误差，基于Stanley控制器根据该投影误差和航向误差确定目标对象的转向角控制量，从而实现目标对象的路径跟踪，且跟踪精度高，提高了自动驾驶的安全性。

Description

一种路径跟踪的方法、装置、设备及存储介质
技术领域
本发明实施例涉及自动驾驶技术领域，尤其涉及一种路径跟踪的方法、装置、设备及存储介质。
背景技术
自动驾驶或者智能机器人中的路径跟踪，是指自动驾驶汽车或者智能机器人通过适当的转向角控制，来完成跟踪全局规划或局部规划的路径的过程。路径跟踪算法作为自动驾驶系统以及智能机器人系统重要的一环，其跟踪精度直接影响到无人车的行驶精度以及安全性，因此也是自动驾驶中一个重要的研究方向。
现有的路径跟踪算法，大多基于几何学的路径跟踪算法进行，主要包括PurePursuit算法和MIT算法等，而这些算法均存在参数整定困难的问题，大多采用人工方式进行整定，整定效果差，从而导致路径跟踪精度较低，无法满足需求。
发明内容
本发明实施例公开了一种路径跟踪的方法、装置、设备及存储介质，实现了车辆或智能机器人的高精度路径自动跟踪。
第一方面，本发明实施例提供了一种路径跟踪的方法，该方法包括：
获取目标对象的定位信息、跟踪路径以及跟踪节点；
根据所述定位信息、跟踪路径以及跟踪节点，确定所述目标对象在所述跟踪节点的投影误差和航向误差；
基于Stanley控制器，根据所述投影误差和航向误差确定所述目标对象的转向角控制量；
根据所述转向角控制量控制所述目标对象，以使所述目标对象跟踪所述跟踪路径。
第二方面，本发明实施例还提供了一种路径跟踪的装置，该装置包括：
跟踪节点获取模块，用于获取目标对象的定位信息、跟踪路径以及跟踪节点；
节点误差确定模块，用于根据所述定位信息、跟踪路径以及跟踪节点，确定所述目标对象在所述跟踪节点的投影误差和航向误差；
控制量确定模块，用于基于Stanley控制器，根据所述投影误差和航向误差确定所述目标对象的转向角控制量；
路径跟踪模块，用于根据所述转向角控制量控制所述目标对象，以使所述目标对象跟踪所述跟踪路径。
第三方面，本发明实施例还提供了一种路径跟踪的设备，该设备包括：
一个或多个处理器；
存储器，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本发明任意实施例提供的路径跟踪的方法。
第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行本发明任意实施例提供的路径跟踪的方法。
本发明实施例的技术方案，通过确定目标对象在跟踪节点的投影误差和航向误差，并基于Stanley控制器，根据所述投影误差和航向误差确定所述目标对象的转向角控制量，以根据该转向角控制量控制目标对象进行路径跟踪。本发明实施例的技术方案，基于Stanley控制器，实现了目标对象的高精度、快速路径跟踪，为目标对象的自动驾驶提供了安全保障，提高了自动驾驶的精度和安全性。
附图说明
图1是本发明实施例一中的一种路径跟踪的方法的流程图；
图2是本发明实施例二中的一种路径跟踪的方法的流程图；
图3是本发明实施例三中的一种路径跟踪的装置的示意图；
图4是本发明实施例四中的一种路径跟踪的设备的示意图。
具体实施方式
下面结合附图和实施例对本发明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用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种路径跟踪的方法的流程图，本实施例可适用于车辆或机器人在自动驾驶时的路径跟踪的情况，该方法可以由路径跟踪的装置来执行，如图1所示，该方法具体包括如下步骤：
步骤110、获取目标对象的定位信息、跟踪路径以及跟踪节点。
其中，目标对象指的是处于自动驾驶状态的对象，可以是车辆或者机器人。跟踪路径表示该目标对象自动驾驶的路径，具体可以是自动驾驶控制规划的行驶路径，也可以是用户选取的行驶路径。通常，一条跟踪路径上包括设定个数的跟踪节点，通过跟踪节点可以判断当前节点对应的目标对象的路径跟踪情况。定位信息表示目标对象的位置，其形式可以是世界坐标系下的坐标。
具体的，可以通过全球定位系统(Global Positioning System，GPS)获取目标对象的定位信息，其中，定位信息为目标对象在世界坐标系下的位置坐标信息。
具体的，可以获取目标对象的跟踪路径和定位信息，并根据目标对象的定位信息确定目标对象的跟踪节点。其中，跟踪路径可以包括多个路径节点，跟踪节点可以是所有路径节点中距离目标对象最近的，且位于目标对象行驶方向前方的路径节点。即跟踪节点为距离目标对象最近的，且目标对象尚未经过的路径节点。
进一步地，跟踪路径还可以表示目标对象自动驾驶的行驶路径中尚未行驶的路径。相应的，跟踪节点即为距离目标对象最近的位于跟踪路径上的节点。
步骤120、根据所述定位信息、跟踪路径以及跟踪节点，确定所述目标对象在所述跟踪节点的投影误差和航向误差。
其中，投影误差表示目标对象的设定点与跟踪节点在跟踪节点对应的路径方向的垂直方向的误差；航向误差则表示目标对象的设定点与跟踪节点在跟踪节点对应的路径方向的误差。其中，目标对象的设定点可以是目标对象的几何中心点、左前轮的中心点、右前轮的中心点或者车头的中心点。
具体的，可以建立一个以跟踪节点为中心，以跟踪节点位置处的路径方向为Y轴正方向的坐标系，基于该坐标系，根据目标对象的定位信息确定目标对象的几何中心点在该坐标系下的目标坐标，根据该目标坐标确定所述目标对象在所述跟踪节点的投影误差和航向误差。
步骤130、基于Stanley控制器，根据所述投影误差和航向误差确定所述目标对象的转向角控制量。
其中，Stanley(斯坦利)控制器是基于Stanley算法设计的用于自动驾驶车辆轨迹追踪的控制器，Stanley算法是一种基于几何追踪的方法，是一种基于横向跟踪误差(Cross-Track Error)的非线性反馈函数，并且能实现横向跟踪误差指数收敛于0。
可选的，所述Stanley控制器的表达式为：
Figure BDA0002375894860000051
其中，δ表示所述目标对象的内前轮的转向角控制量，α表示所述目标对象的航向误差，cx表示所述目标对象的投影误差，v表示所述目标对象的行驶速度，参数k为所述Stanley控制器的待整定系数。
具体的，内前轮可以是目标对象的左前轮或者右前轮，具体可以根据目标对象和跟踪节点的位置关系确定。
示例性的，假设目标对象位于跟踪节点的右后方，则目标对象的左前轮即为内前轮；而若目标对象位于跟踪节点的左后方，则目标对象的右前轮为内前轮。
可选的，所述基于Stanley控制器，根据所述投影误差和航向误差确定所述目标对象的转向角控制量，包括：
基于遗传算法，根据所述投影误差和航向误差确定所述Stanley控制器的待整定系数；基于Stanley控制器，根据所述待整定系数、投影误差和航向误差确定所述目标对象的转向角控制量。
Stanley控制器控制的控制速度和稳定性在很大程度上取决于参数k(待整定系数)，k值过大会，会导致控制输出幅度过大，从而导致控制不稳定；k值过小则会引起控制收敛速度过慢，从而导致控制响应速度过慢。本发明实施例，采用遗传算法进行参数k的整定，实现了参数k的自动、高精度整定，提高了Stanley控制器的响应速度、鲁棒性和控制精度，提高了路径追踪的质量。
具体的，可以通过选择合适的适应度函数来提高遗传算法的整定精度。
可选的，所述遗传算法的适应度函数为：
Figure BDA0002375894860000061
其中，F表示所述遗传算法的适应度，t表示时间，cx表示在时间t时所述目标对象的投影误差。
步骤140、根据所述转向角控制量控制所述目标对象，以使所述目标对象跟踪所述跟踪路径。
具体的，可以预先建立目标对象的控制模型，如单车模型(自行车模型，BicycleModel)和阿克曼(Ackermann)转向模型，根据该控制模型确定目标对象的控制变量，通常对于自动驾驶汽车来说，控制变量可以是前轮中的一个或者两个前轮的转向角控制量。
进一步地，为了提高控制精度和简化控制策略，可以预先建立目标对象的阿克曼转向模型，根据所建立的目标对象的阿克曼转向模型，可以确定目标对象内前轮转向角与外前轮转向角的对应关系，从而可以根据Stanley控制器确定内前轮的转向角控制量，进而根据该对应关系确定外前轮的转向角控制量，从而确定目标对象两个前轮的转向角控制量。如此便可以根据该转向角控制量控制目标对象的两个前轮进行相应的转向，从而跟随其跟踪路径形式，实现了目标对象的路径跟踪，并且由于同时控制两个前轮进行转向，相较于仅控制内前轮的控制策略，提高了控制精度。
本发明实施例的技术方案，通过确定目标对象在跟踪节点的投影误差和航向误差，并基于Stanley控制器，根据所述投影误差和航向误差确定所述目标对象的转向角控制量，以根据该转向角控制量控制目标对象进行路径跟踪。本发明实施例的技术方案，基于Stanley控制器，实现了目标对象的高精度、快速路径跟踪，为目标对象的自动驾驶提供了安全保障，提高了自动驾驶的精度和安全性。
实施例二
图2为本发明实施例二提供的一种路径跟踪的方法的流程图，本实施例是对上一实施例的进一步细化和补充，本发明实施例提供的路径跟踪的方法还包括：建立所述目标对象的阿克曼转向模型，以根据所述阿克曼转向模型确定所述目标对象的各个车轮的对应关系。
如图2所示，该路径跟踪的方法包括如下步骤：
步骤210、获取所述目标对象的阿克曼转向模型，以根据所述阿克曼转向模型确定所述目标对象的各个前轮的转向角的对应关系。
其中，阿克曼转向模型是一种车辆运动学模型，主要基于阿克曼转向几何，用于解决交通工具，如汽车，在转弯时内外转向轮路径指向的圆心不同的问题。具体用于：在自动驾驶场景下，通过确定目标对象的各个控制变量的对应关系，确定路径跟踪控制器(Stanley控制器)的控制对象，从而实现通过控制该控制变量实现目标对象的路径跟踪。基于阿克曼转向模型，可以得到目标对象的内前轮和外前轮的转向角的对应关系。
具体的，假设目标对象为汽车，已知车体的轴距w和轮距l，基于阿克曼转向模型，目标对象的内前轮转向角δ和外前轮转向角θ的关系表达式为：
Figure BDA0002375894860000081
需要注意的是，本步骤可以发生在步骤220之前，也可以发生在步骤270之前的任意步骤之后。
步骤220、获取目标对象的定位信息和跟踪路径。
步骤230、根据所述目标对象的定位信息确定所述跟踪路径上的跟踪节点。
具体的，跟踪路径表示目标对象尚未行驶的规划路径，那么，可以根据目标对象的定位信息确定距离目标对象最近的且位于跟踪路径上的路径节点为跟踪节点。
步骤240、根据所述定位信息、跟踪路径以及跟踪节点，确定所述目标对象在所述跟踪节点的投影误差和航向误差。
步骤250、获取所述待整定系数的预设取值范围以及预设步长。
其中，待整定系数即Stanley控制器的参数k，预设取值范围可以是默认的取值范围，也可以是根据目标对象的性能确定的取值范围。示例性的，预设取值范围可以是(0,0.5)、(0.1,0.6)、(0.2,0.7)或者其他范围。预设步长即为预设取值范围的取值步长，可以是一个固定的值，如0.01、0.02等，也可以是一个随待整定系数的值而变化的值。
步骤260、根据所述预设步长遍历所述待整定系数的预设取值范围，确定各个候选系数。
其中，候选系数表示待整定系数的所有可能取值。
示例性的，假设预设取值范围为(0,0.5)，预设步长为0.01，则候选系数包括50个值，候选系数的集合具体为{k＝0.01,0.02,0.03,...0.41,0.42,...,0.5}。
步骤270、基于遗传算法，根据适应度函数以及各个所述候选系数确定所述Stanley控制器的待整定系数。
其中，遗传算法是根据生物进化模型提出的一种优化算法，基于自然选择和基因遗传学原理的搜索方法，将“优胜劣汰，适者生存”的生物进化原理引入待优化参数形成的编码串群体中。
具体的，遗传算法按照一定的适应度函数及一系列遗传操作对各个个体(候选系数)进行筛选，从而使适应度高的个体(候选系数)被保留下来，形成新的群体(候选系数集合)；周而复始，群体中各个个体适应度不断提高，直至满足一定的极限条件，此时，该群体中适应度最高的个体即为Stanley控制器的待整定系数。其中，极限条件可以是迭代的次数达到设定次数，遗传算法的运行时间达到设定时间，或者目标函数的值小于设定误差值，当然也可以选择其他的极限条件。
其中，遗传算法的适应度函数又称为评价函数，是用来判断群体中个体的优劣程度的指标。
具体的，可以根据Stanley控制器的表达式以及阿克曼转向模型，将Stanley控制器的待整定参数的整定问题，转化为目标函数的最优解的问题，目标函数可以是投影误差的二次方，或者投影误差的二次方和航向误差的二次方之和，当然也可以是其他形式的目标函数。最终，通过遗传算法的适应度函数和目标函数确定Stanley控制器的最优参数k。
可选的，所述遗传算法的适应度函数为：
Figure BDA0002375894860000101
其中，F表示所述遗传算法的适应度，t表示时间，t1表示终止时间，可以是无穷大，也可以是自定义时间，cx表示在时间t时所述目标对象的投影误差。
具体的，由于航向误差表示的是目标对象的航行方向与跟踪节点的路径方向的误差，即角度的误差，相对于投影误差较小，为了提高参数整定的效率，可以忽略不计。当然，在选取适应度函数时也可以同时考虑投影误差和航向误差，即适应度函数的表达示也可以是：
Figure BDA0002375894860000102
其中，α为航向误差。
进一步地，为了权衡投影误差和航向误差在是适应度函数中的权重，可以分别为两者设置权重值，或者对投影误差和航向误差进行归一化处理。
步骤280、基于Stanley控制器，根据所述待整定系数、投影误差和航向误差确定所述目标对象的转向角控制量。
步骤290、根据所述转向角控制量控制所述目标对象，以使所述目标对象跟踪所述跟踪路径。
本发明实施例的技术方案，通过遗传算法整定Stanley控制器的参数k(待整定参数)，提高了参数整定的效率和精度，进而提高了Stanley控制器的控制精度；同时，通过Stanley控制器根据目标对象当前跟踪节点的投影误差和航向误差确定目标对象的转向角控制量，以根据该控制量控制目标对象，实现目标对象的路径跟踪。本发明实施例的技术方案所提供的自动驾驶的路径跟踪方法，路径跟踪响应速度快且精度高，提高了自动驾驶的精度和安全性。
实施例三
图3是本发明实施例三提供的一种路径跟踪的装置的示意图，如图3所示，该装置包括：跟踪节点获取模块310、节点误差确定模块320、控制量确定模块330和路径跟踪模块340。
其中，跟踪节点获取模块310，用于获取目标对象的定位信息、跟踪路径以及跟踪节点；节点误差确定模块320，用于根据所述定位信息、跟踪路径以及跟踪节点，确定所述目标对象在所述跟踪节点的投影误差和航向误差；控制量确定模块330，用于基于Stanley控制器，根据所述投影误差和航向误差确定所述目标对象的转向角控制量；路径跟踪模块340，用于根据所述转向角控制量控制所述目标对象，以使所述目标对象跟踪所述跟踪路径。
本发明实施例的技术方案，通过确定目标对象在跟踪节点的投影误差和航向误差，并基于Stanley控制器，根据所述投影误差和航向误差确定所述目标对象的转向角控制量，以根据该转向角控制量控制目标对象进行路径跟踪。本发明实施例的技术方案，基于Stanley控制器，实现了目标对象的高精度、快速路径跟踪，为目标对象的自动驾驶提供了安全保障，提高了自动驾驶的精度和安全性。
可选的，控制量确定模块330，包括：
系数整定单元，用于基于遗传算法，根据所述投影误差和航向误差确定所述Stanley控制器的待整定系数；控制量确定单元，用于基于Stanley控制器，根据所述待整定系数、投影误差和航向误差确定所述目标对象的转向角控制量。
可选的，该系数整定单元，包括：
参数初始化子单元，用于获取所述待整定系数的预设取值范围以及预设步长；候选系数确定子单元，用于根据所述预设步长遍历所述待整定系数的预设取值范围，确定各个候选系数；系数整定子单元，用于基于遗传算法，根据适应度函数以及各个所述候选系数确定所述Stanley控制器的待整定系数。
可选的，所述遗传算法的适应度函数为：
Figure BDA0002375894860000121
其中，F表示所述遗传算法的适应度，t表示时间，cx表示在时间t时所述目标对象的投影误差。
可选的，所述Stanley控制器的表达式为：
Figure BDA0002375894860000122
其中，δ表示所述目标对象的内前轮的转向角控制量，α表示所述目标对象的航向误差，cx表示所述目标对象的投影误差，v表示所述目标对象的行驶速度，参数k为所述Stanley控制器的待整定系数。
可选的，跟踪节点获取模块310，具体用于：
获取目标对象的定位信息和跟踪路径；根据所述目标对象的定位信息确定所述跟踪路径上的跟踪节点。
可选的，该路径跟踪的装置，还包括：
模型建立模块，用于在基于Stanley控制器，根据所述投影误差和航向误差确定所述目标对象的转向角控制量之前，建立所述目标对象的阿克曼转向模型，以根据所述阿克曼转向模型确定所述目标对象的各个车轮的对应关系。
相应地，路径跟踪模块340，具体用于：
根据所述对应关系和转向角控制量控制所述目标对象，以使所述目标对象跟踪所述跟踪路径。
本发明实施例所提供的路径跟踪的装置可执行本发明任意实施例所提供的路径跟踪的方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种路径跟踪的设备的结构示意图，如图4所示，该设备包括处理器410、存储器420、输入装置430和输出装置440；设备处理器410的数量可以是一个或多个，图4中以一个处理器410为例；设备中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器420作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的路径跟踪的方法对应的程序指令/模块(例如，路径跟踪的装置中的跟踪节点获取模块310、节点误差确定模块320、控制量确定模块330和路径跟踪模块340)。处理器410通过运行存储在存储器420中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的路径跟踪的方法。
存储器420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至设备/终端/服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
实施例五
发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种路径跟踪的方法，该方法包括：
获取目标对象的定位信息、跟踪路径以及跟踪节点；
根据所述定位信息、跟踪路径以及跟踪节点，确定所述目标对象在所述跟踪节点的投影误差和航向误差；
基于Stanley控制器，根据所述投影误差和航向误差确定所述目标对象的转向角控制量；
根据所述转向角控制量控制所述目标对象，以使所述目标对象跟踪所述跟踪路径。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的路径跟踪的方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明实施例的技术方案可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述路径跟踪的装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种路径跟踪的方法，其特征在于，包括：
获取目标对象的定位信息、跟踪路径以及跟踪节点；
根据所述定位信息、跟踪路径以及跟踪节点，确定所述目标对象在所述跟踪节点的投影误差和航向误差；
基于Stanley控制器，根据所述投影误差和航向误差确定所述目标对象的转向角控制量；
根据所述转向角控制量控制所述目标对象，以使所述目标对象跟踪所述跟踪路径。
2.根据权利要求1所述的方法，其特征在于，所述基于Stanley控制器，根据所述投影误差和航向误差确定所述目标对象的转向角控制量，包括：
基于遗传算法，根据所述投影误差和航向误差确定所述Stanley控制器的待整定系数；
基于Stanley控制器，根据所述待整定系数、投影误差和航向误差确定所述目标对象的转向角控制量。
3.根据权利要求2所述的方法，其特征在于，所述基于遗传算法，根据所述投影误差和航向误差确定所述Stanley控制器的待整定系数，包括：
获取所述待整定系数的预设取值范围以及预设步长；
根据所述预设步长遍历所述待整定系数的预设取值范围，确定各个候选系数；
基于遗传算法，根据适应度函数以及各个所述候选系数确定所述Stanley控制器的待整定系数。
4.根据权利要求2所述的方法，其特征在于，所述遗传算法的适应度函数为：
Figure FDA0002375894850000021
其中，F表示所述遗传算法的适应度，t表示时间，cx表示在时间t时所述目标对象的投影误差。
5.根据权利要求1所述的方法，其特征在于，所述获取目标对象的定位信息、跟踪路径以及跟踪节点，包括：
获取目标对象的定位信息和跟踪路径；
根据所述目标对象的定位信息确定所述跟踪路径上的跟踪节点。
6.根据权利要求1所述的方法，其特征在于，在基于Stanley控制器，根据所述投影误差和航向误差确定所述目标对象的转向角控制量之前，还包括：
获取所述目标对象的阿克曼转向模型，以根据所述阿克曼转向模型确定所述目标对象的各个前轮的转向角的对应关系；
相应地，所述根据所述转向角控制量控制所述目标对象，包括：
根据所述对应关系和转向角控制量控制所述目标对象。
7.根据权利要求1所述的方法，其特征在于，所述Stanley控制器的表达式为：
Figure FDA0002375894850000022
其中，δ表示所述目标对象的内前轮的转向角控制量，α表示所述目标对象的航向误差，cx表示所述目标对象的投影误差，v表示所述目标对象的行驶速度，参数k为所述Stanley控制器的待整定系数。
8.一种路径跟踪的装置，其特征在于，包括：
跟踪节点获取模块，用于获取目标对象的定位信息、跟踪路径以及跟踪节点；
节点误差确定模块，用于根据所述定位信息、跟踪路径以及跟踪节点，确定所述目标对象在所述跟踪节点的投影误差和航向误差；
控制量确定模块，用于基于Stanley控制器，根据所述投影误差和航向误差确定所述目标对象的转向角控制量；
路径跟踪模块，用于根据所述转向角控制量控制所述目标对象，以使所述目标对象跟踪所述跟踪路径。
9.一种路径跟踪的设备，其特征在于，所述设备包括：
一个或多个处理器；
存储器，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1-7中任一项所述的路径跟踪的方法。
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一项所述的路径跟踪的方法。
CN202010065658.6A 2020-01-20 2020-01-20 一种路径跟踪的方法、装置、设备及存储介质 Active CN111221338B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010065658.6A CN111221338B (zh) 2020-01-20 2020-01-20 一种路径跟踪的方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010065658.6A CN111221338B (zh) 2020-01-20 2020-01-20 一种路径跟踪的方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111221338A true CN111221338A (zh) 2020-06-02
CN111221338B CN111221338B (zh) 2023-06-09

Family

ID=70806900

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010065658.6A Active CN111221338B (zh) 2020-01-20 2020-01-20 一种路径跟踪的方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111221338B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111891137A (zh) * 2020-08-13 2020-11-06 重庆智行者信息科技有限公司 一种自动驾驶窄路掉头方法、系统以及车辆

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160125249A1 (en) * 2014-10-30 2016-05-05 Toyota Motor Engineering & Manufacturing North America, Inc. Blur object tracker using group lasso method and apparatus
CN107153420A (zh) * 2017-05-25 2017-09-12 广州汽车集团股份有限公司 路径跟踪控制方法、装置及智能汽车
US20180354513A1 (en) * 2017-06-13 2018-12-13 GM Global Technology Operations LLC System And Method For Low Speed Lateral Control Of A Vehicle
CN109343522A (zh) * 2018-09-27 2019-02-15 中山大学 一种基于Pure Pursuit改良的智能车辆路径跟踪方法
CN109407677A (zh) * 2018-12-24 2019-03-01 清华大学 自动驾驶车辆的轨迹跟踪方法
CN109407674A (zh) * 2018-12-19 2019-03-01 中山大学 基于遗传算法整定参数的Pure Pursuit结合PI的路径跟踪方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160125249A1 (en) * 2014-10-30 2016-05-05 Toyota Motor Engineering & Manufacturing North America, Inc. Blur object tracker using group lasso method and apparatus
CN107153420A (zh) * 2017-05-25 2017-09-12 广州汽车集团股份有限公司 路径跟踪控制方法、装置及智能汽车
US20180354513A1 (en) * 2017-06-13 2018-12-13 GM Global Technology Operations LLC System And Method For Low Speed Lateral Control Of A Vehicle
CN109343522A (zh) * 2018-09-27 2019-02-15 中山大学 一种基于Pure Pursuit改良的智能车辆路径跟踪方法
CN109407674A (zh) * 2018-12-19 2019-03-01 中山大学 基于遗传算法整定参数的Pure Pursuit结合PI的路径跟踪方法
CN109407677A (zh) * 2018-12-24 2019-03-01 清华大学 自动驾驶车辆的轨迹跟踪方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
阳钧 等: "一种基于高精度地图的路径跟踪方法", 《计算机工程》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111891137A (zh) * 2020-08-13 2020-11-06 重庆智行者信息科技有限公司 一种自动驾驶窄路掉头方法、系统以及车辆
CN111891137B (zh) * 2020-08-13 2022-08-23 北京智行者科技有限公司 一种自动驾驶窄路掉头方法、系统以及车辆

Also Published As

Publication number Publication date
CN111221338B (zh) 2023-06-09

Similar Documents

Publication Publication Date Title
CN108609014B (zh) 智能车辆的横向控制方法及装置
CN109885891B (zh) 一种智能车gpu并行加速轨迹规划方法
CN111284485B (zh) 一种障碍车辆驾驶行为预测方法、装置、车辆及存储介质
WO2019184179A1 (zh) 控制自主式移动机器移动的方法、装置、机器及存储介质
CN109799828B (zh) 自动驾驶车辆横纵向协调控制方法
CN110109451B (zh) 一种考虑路径曲率的新型几何学路径跟踪算法
EP3714285A1 (en) Lidar localization using rnn and lstm for temporal smoothness in autonomous driving vehicles
CN111121777A (zh) 无人驾驶设备轨迹规划方法、装置、电子设备和存储介质
CN110398963A (zh) 无轨导航纠偏控制方法、装置、存储介质及控制器
CN110789530B (zh) 一种四轮独立转向-独立驱动车辆轨迹跟踪方法和系统
CN110687797B (zh) 一种基于位置和姿态的自适应mpc泊车横向控制方法
CN113682312A (zh) 一种融合深度强化学习的自主换道方法及系统
CN112415999B (zh) 自动驾驶路径点的处理方法、装置、设备及存储介质
CN113335278A (zh) 一种网联式智能车队自适应巡航控制方法及系统
CN113515038A (zh) 一种车辆换道方法、装置、设备及可读存储介质
CN111221338A (zh) 一种路径跟踪的方法、装置、设备及存储介质
CN112731932B (zh) 一种移动机器人的路径跟踪方法
CN111310919A (zh) 基于场景切分和局部路径规划的驾驶控制策略训练方法
CN114184203B (zh) 路径规划方法、电子设备及移动装置
CN115562290A (zh) 一种基于a星惩罚控制优化算法的机器人路径规划方法
CN115542899A (zh) 车辆路径跟踪的方法、装置、车辆、电子设备及介质
CN114997048A (zh) 基于探索策略改进的td3算法的自动驾驶车辆车道保持方法
Zhang et al. Adaptive path tracking for unmanned ground vehicle
CN116533992B (zh) 基于深度强化学习算法的自动泊车路径规划方法及其系统
CN117565889A (zh) 路径跟踪方法、装置、车辆以及存储介质

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