CN111240187B - 一种基于车辆误差模型的车辆轨迹跟踪控制算法 - Google Patents

一种基于车辆误差模型的车辆轨迹跟踪控制算法 Download PDF

Info

Publication number
CN111240187B
CN111240187B CN202010048068.2A CN202010048068A CN111240187B CN 111240187 B CN111240187 B CN 111240187B CN 202010048068 A CN202010048068 A CN 202010048068A CN 111240187 B CN111240187 B CN 111240187B
Authority
CN
China
Prior art keywords
vehicle
steering wheel
track
error
turning
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
CN202010048068.2A
Other languages
English (en)
Other versions
CN111240187A (zh
Inventor
王俊杰
朱红赛
唐兴
苏岩
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202010048068.2A priority Critical patent/CN111240187B/zh
Publication of CN111240187A publication Critical patent/CN111240187A/zh
Application granted granted Critical
Publication of CN111240187B publication Critical patent/CN111240187B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B11/00—Automatic controllers
    • G05B11/01—Automatic controllers electric
    • G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
    • G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P.I., P.I.D.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)

Abstract

本发明公开了一种基于车辆误差模型的车辆轨迹跟踪控制算法，通过对车辆状态、定位信息、参考轨迹进行滤波、frenet坐标系转换、目标点匹配、误差分析、横向控制和纵向控制，得到车辆方向盘转角、车辆方向盘转速、车辆纵向加速度并进行滤波，最终发送给受控车辆，实现基于车辆动力学误差模型的车辆的轨迹跟踪控制；滤波包含卡尔曼滤波、限幅滤波和轨迹滤波。横向控制和纵向控制考虑车辆横向动力学与纵向动力学的耦合性，纵向控制通过位置PID控制、速度PID控制与加速度修正量实现平稳的车辆纵向加速度控制，横向控制建立基于车辆误差模型的LQR控制器，计算前馈控制量和反馈控制量，最终实现车辆横向控制的同时保证算法实时性。

Description

一种基于车辆误差模型的车辆轨迹跟踪控制算法
技术领域
本发明属于车辆控制技术，具体涉及一种基于车辆误差模型的车辆轨迹跟踪控制算法。
背景技术
在自动驾驶系统中，车辆轨迹跟踪控制算法结合GPS、IMU等传感器数据对预期轨迹进行解析，计算出车辆最优控制量。自动驾驶系统对车辆的油门、刹车、方向盘等执行器进行控制，实现车辆的轨迹跟踪。在自动驾驶车辆轨迹跟踪控制时，常用的控制算法有PID控制、线性二次型调节器(LQR)、模型预测控制(MPC)等控制算法。车辆轨迹跟踪控制算法使车辆按照预期轨迹行驶，维持车辆行驶轨迹稳定，是保障自动驾驶行车安全的根本。
赵克刚、郭泉成等在《基于最优控制的智能车轨迹跟踪算法》一文中，提出了一种基于最优控制的智能车轨迹跟踪算法。根据车辆运动学方程和轨迹跟踪状态，建立轨迹跟踪误差模型，采用线性二次型最优控制方法，以动态跟踪误差、控制能量消耗综合最优为目标，通过不同速度时的目标权重系数调整，实现了速度自适应的车辆轨迹跟踪最优控制。该方案存在以下几点问题：1、轨迹跟踪误差模型中未考虑车辆动力学特性，在车辆高速行驶和参考轨迹曲率较大时轨迹跟踪效果差。2、通过时间作为参考量选取轨迹参考点，在车辆行驶工况较差时会导致车辆无法跟踪参考轨迹。
李渊、马戎等在《智能车辆的滑模轨迹跟踪控制》一文中，提出了一种滑模变结构控制的轨迹跟踪控制算法。针对高速自主导航智能车辆轨迹跟踪控制器鲁棒性、精确性和实时性的高要求，在智能车辆结构组成与运动模型基础上，设计了一种滑模变结构控制器。通过控制智能车辆的线速度和角速度实现智能车辆对任意路径的跟踪。该方案存在一下几点问题：1、由于使用滑模变结构控制，控制变量存在抖振现象，影响车辆运行稳定性。2、由于未考虑路面倾角对车辆加速度的影响，算法在车辆上下坡时表现较差。
发明内容
本发明的目的在于提供一种基于车辆误差模型的车辆轨迹跟踪控制算法，实现基于车辆动力学误差模型的控制方法，控制时考虑车辆横向控制与纵向控制的耦合性，提高车辆横向跟踪能力同时保证算法的实时性。
实现本发明目的的技术解决方案为：一种基于车辆误差模型的车辆轨迹跟踪控制算法，根据车辆状态、定位信息以及参考轨迹，通过滤波、frenet坐标系转换、目标点匹配、误差分析、横向控制和纵向控制得到车辆方向盘转角、车辆方向盘转速、车辆纵向加速度，并再次进行滤波，最终发送给受控车辆，实现基于车辆动力学误差模型的车辆的轨迹跟踪控制，具体步骤如下：
步骤1、通过CAN通讯模块从受控车辆内部CAN总线采集车辆状态信息，通过通讯接口从车载组合导航模块中获取车辆定位信息，通过车辆导航系统采集车辆预定行驶轨迹作为参考轨迹，转入步骤2；
步骤2、对车辆状态信息、定位信息进行卡尔曼滤波，去除其中的传感器噪声信号，获得去噪后的车辆状态信息和去噪后的定位信息，对参考轨迹进行轨迹滤波去除参考轨迹中的噪声点，获得去噪后的参考轨迹，转入步骤3；
步骤3、根据去噪后的参考轨迹将去噪后的车辆定位信息从笛卡尔坐标系转换到frenet坐标系中，得到frenet坐标系中车辆定位信息，转入步骤4；
步骤4、根据去噪后的车辆状态信息与frenet坐标系中车辆定位信息在去噪后的参考轨迹中选取车辆实时目标点，转入步骤5；
步骤5、根据车辆实时目标点与frenet坐标系中车辆定位信息通过误差分析算法得到横向误差和纵向误差，转入步骤6；
步骤6、根据横向误差和纵向误差分别计算车辆方向盘转角、车辆方向盘转速、车辆纵向加速度，车辆方向盘转角与车辆方向盘转速用于对车辆进行横向控制，车辆纵向加速度用于对车辆进行纵向控制，转入步骤7；
步骤7、对车辆方向盘转角、车辆方向盘转速和车辆纵向加速度分别进行限幅滤波，去除控制量中的异常点，获得最终的车辆方向盘转角、车辆方向盘转速和车辆纵向加速度，转入步骤8；
步骤8、通过CAN通讯模块将最终的车辆方向盘转角、车辆方向盘转速和车辆纵向加速度发送给受控车辆，实现车辆的轨迹跟踪控制。
本发明与现有技术相比，其显著优点：
(1)基于车辆误差模型，轨迹跟踪误差收敛速度快。
(2)考虑车辆横向控制与纵向控制的耦合性，车辆轨迹跟踪误差小。
(3)考虑路面坡度，在车辆上下坡时车辆纵向速度控制稳定。
附图说明
图1为本发明的基于车辆误差模型的车辆轨迹跟踪控制算法框架图。
图2为本发明的车辆轨迹跟踪控制方法的横向控制流程图。
图3为本发明的车辆轨迹跟踪控制方法的纵向控制流程图。
具体实施方式
下面结合附图对本发明作进一步详细描述。
结合图1、图2和图3，一种基于车辆误差模型的车辆轨迹跟踪控制算法，通过对车辆状态、定位信息、参考轨迹进行滤波、frenet坐标系转换、目标点匹配、误差分析、横向控制和纵向控制，得到车辆方向盘转角、车辆方向盘转速、车辆纵向加速度并进行滤波，最终发送给受控车辆，实现基于车辆动力学误差模型的车辆的轨迹跟踪控制；滤波包含卡尔曼滤波、限幅滤波和轨迹滤波。横向控制和纵向控制考虑车辆横向动力学与纵向动力学的耦合性，纵向控制通过位置PID控制、速度PID控制与加速度修正量实现平稳的车辆纵向加速度控制，横向控制建立基于车辆误差模型的LQR控制器，计算前馈控制量和反馈控制量，最终实现车辆横向控制的同时保证算法实时性；具体步骤如下：
步骤1、通过CAN通讯模块从受控车辆内部CAN总线采集车辆状态信息，通过通讯接口从车载组合导航模块中获取车辆定位信息，通过车辆导航系统采集车辆预定行驶轨迹作为参考轨迹，转入步骤2。
其中，表1车辆状态信息表
Figure BDA0002370140410000031
Figure BDA0002370140410000041
定位信息如表2所示：
表2定位信息表
Figure BDA0002370140410000042
Figure BDA0002370140410000051
步骤2、防止外部传感器噪声降低车辆轨迹跟踪控制精度，对车辆状态信息、定位信息进行卡尔曼滤波去除其中的传感器噪声信息，获得去噪后的车辆状态信息和去噪后的定位信息，为了保证参考轨迹的有效性，对参考轨迹进行轨迹滤波去除参考轨迹中的噪声点，获得去噪后的参考轨迹，具体如下：
对参考轨迹进行轨迹滤波去除参考轨迹中的噪声点，获得去噪后的参考轨迹，具体如下：
步骤2-1、为了保证算法实时性，使用车辆运动模型对参考轨迹进行几何推算，快速检索出参考轨迹所有不符合车辆运动学模型的轨迹点，车辆无法跟踪不符合车辆运动学模型的轨迹点，需要去除轨迹中不符合车辆运动学模型的轨迹点，保证参考轨迹的可用性，如果不存在不符合车辆运动学模型的轨迹点，则使用参考轨迹作为去噪后的参考轨迹，转入步骤3，如果存在不符合车辆运动学模型的轨迹点，则转入步骤2-2；
步骤2-2、选用线形插补的方式替代参考轨迹中不符合车辆运动学模型的轨迹点，在参考轨迹中选取不符合车辆运动学模型的轨迹点的前相邻点和后相邻点，对前相邻点和后相邻点使用线性差值法得到中间点，使用中间点替换参考轨迹中不符合车辆运动学模型的轨迹点，得到去噪后的参考轨迹；转入步骤3。
步骤3、根据去噪后的参考轨迹将去噪后的车辆定位信息从笛卡尔坐标系转换到frenet坐标系中，得到frenet坐标系中车辆定位信息，转入步骤4。
步骤4、根据去噪后的车辆状态信息与frenet坐标系中车辆定位信息在去噪后的参考轨迹中选取车辆实时目标点，转入步骤5。
步骤5、根据车辆实时目标点与frenet坐标系中车辆定位信息通过误差分析算法得到横向误差和纵向误差，具体如下：
根据车辆实时目标点与frenet坐标系中车辆定位信息通过误差分析算法得到横向误差和纵向误差，具体如下：
步骤5-1、选取参考点法向量方向作为车辆的横向误差方向，计算去噪后的参考轨迹中车辆实时目标点处的实时轨迹法向量，转入步骤5-2；
步骤5-2、对车辆实时目标点与frenet坐标系中车辆定位信息进行矢量运算，得到误差向量，转入步骤5-3；
步骤5-3、计算误差向量在实时轨迹法向量上的分量，得到横向误差。转入步骤5-4；
步骤5-4、根据车辆实时目标点的路程与frenet坐标系中车辆当前路程计算出纵向误差，转入步骤6。
步骤6、根据横向误差和纵向误差分别计算车辆方向盘转角、车辆方向盘转速、车辆纵向加速度，车辆方向盘转角与车辆方向盘转速用于对车辆进行横向控制，车辆纵向加速度用于对车辆进行纵向控制。
其中，根据横向误差和纵向误差分别计算车辆方向盘转角、车辆方向盘转速，车辆方向盘转角与方向盘转速用于对车辆进行横向控制，具体如下：
步骤6-1、根据去噪后的车辆状态信息和去噪后的定位信息建立计算车辆实时动力学模型，公式如下：
Figure BDA0002370140410000061
Figure BDA0002370140410000062
Figure BDA0002370140410000063
公式中：g为重力加速度，θ为路面坡度，m为车辆质量，Iz为车辆转动惯量，lf为车辆质心到车辆前轮轴垂直距离，lr为车辆质心到车辆后轮轴垂直距离，δf为车辆前轮转角，Vx为车辆纵向速度，Vy为车辆横向速度，
Figure BDA0002370140410000064
为车辆横摆角，
Figure BDA0002370140410000065
为车辆纵向加速度，
Figure BDA0002370140410000066
为车辆横向加速度，
Figure BDA0002370140410000067
为车辆横摆角速度，Flf为车辆左前轮与右前轮横向受力和，Fcf为车辆左前轮与右前轮纵向受力和，Flr为车辆左后轮与右后轮横向受力和，Fcr为车辆左后轮与右后轮纵向受力和，转入步骤6-2；
步骤6-2、考虑车辆纵向运动会对横向控制产生影响，根据车辆实时动力学模型和上一个控制周期的用于纵向控制量的车辆纵向加速度建立车辆实时动力学误差模型，考虑算法实时性，在参考点处采用一阶泰勒展开的方法对车辆实时动力学误差模型进行线性化，公式如下：
Figure BDA0002370140410000071
其中：f(x)为车辆实时动力学误差模型，x为状态空间，x0为参考点，得到车辆实时线性动力学误差模型，转入步骤6-3；
步骤6-3、为了保证算法实时性，需要对模型进行离散化处理，对车辆实时线性动力学误差模型使用欧拉离散映射法进行模型离散化，得到离散化车辆实时线性动力学误差模型，转入步骤6-4；
步骤6-4、根据离散化车辆实时线性动力学误差模型与横向误差建立线性二次型调节器，计算得到反馈车辆方向盘转角、反馈车辆方向盘转速，转入步骤6-5；
步骤6-5、计算去噪后的参考轨迹在实时目标点处的轨迹曲率与轨迹曲率变化率，转入步骤6-6；
步骤6-6、考虑参考轨迹曲率对车辆方向盘转角的影响，根据轨迹曲率计算前馈车辆方向盘转角，转入步骤6-7；
步骤6-7、考虑参考轨迹曲率变化率对车辆方向盘转速的影响，根据轨迹曲率变化率计算前馈车辆方向盘转速，转入步骤6-8；
步骤6-8、综合考虑横向反馈控制与参考轨迹曲率对车辆方向盘转角的影响，根据反馈车辆方向盘转角、前馈车辆方向盘转角计算出车辆方向盘转角，步骤6-9；
步骤6-9、综合考虑横向反馈控制与参考轨迹曲率变化率对车辆方向盘转速的影响，根据反馈车辆方向盘转速、前馈车辆方向盘转速计算出车辆方向盘转速，转入步骤6-a。；
其中，根据横向误差和纵向误差计算车辆纵向加速度，车辆纵向加速度用于对车辆进行纵向控制，具体如下：
步骤6-a、根据纵向误差使用位置PID控制器，得到车辆速度补偿量，转入步骤6-b；
步骤6-b、当前车辆速度与车辆实时目标点处速度做差，得到车辆速度误差，转入步骤6-c；
步骤6-c、综合考虑车辆速度误差与位置PID控制器控制量对车辆速度的影响，对车辆速度误差与车辆速度补偿量进行求和，得到车辆速度偏差量，转入步骤6-d；
步骤6-d、通过速度PID控制器对车辆速度偏差量进行调节，得到车辆加速度补偿量，转入步骤6-e；
步骤6-e、由于考虑车辆横向运动与当前行驶路面坡度会对车辆纵向加速度产生影响，根据当前路面坡度、上一个控制周期的车辆方向盘转角和上一个控制周期的车辆方向盘转速计算得到加速度修正量，转入步骤6-f；
步骤6-f、对车辆纵向加速度进行修正，车辆加速度补偿量与加速度修正量进行求和，得到车辆纵向加速度；转入步骤7。
步骤7、为保证车辆控制的稳定性，对车辆方向盘转角、车辆方向盘转速和车辆纵向加速度分别进行限幅滤波，去除控制量中的异常点，获得最终的车辆方向盘转角、车辆方向盘转速和车辆纵向加速度，转入步骤8。
步骤8、通过CAN通讯模块将最终的车辆方向盘转角、车辆方向盘转速和车辆纵向加速度发送给受控车辆，实现车辆的轨迹跟踪控制。

Claims (3)

1.一种基于车辆误差模型的车辆轨迹跟踪控制算法，其特征在于：根据车辆状态、定位信息以及参考轨迹，通过滤波、frenet转换、目标点匹配、误差分析、横向控制和纵向控制得到车辆方向盘转角、车辆方向盘转速、车辆纵向加速度，并再次进行滤波，最终发送给受控车辆，实现基于车辆动力学误差模型的车辆的轨迹跟踪控制，步骤如下：
步骤1、通过CAN通讯模块从受控车辆内部CAN总线采集车辆状态信息，通过通讯接口从车载组合导航模块中获取车辆定位信息，通过车辆导航系统采集车辆预定行驶轨迹作为参考轨迹，转入步骤2；
步骤2、对车辆状态信息、定位信息进行卡尔曼滤波，去除其中的传感器噪声信号，获得去噪后的车辆状态信息和去噪后的定位信息，对参考轨迹进行轨迹滤波去除参考轨迹中的噪声点，获得去噪后的参考轨迹，具体如下：
步骤2-1、使用车辆运动模型对参考轨迹进行几何推算，检索出参考轨迹所有不符合车辆运动学模型的轨迹点，如果不存在不符合车辆运动学模型的轨迹点，则得到去噪后的参考轨迹，如果存在不符合车辆运动学模型的轨迹点，则转入步骤2-2；
步骤2-2、在参考轨迹中选取不符合车辆运动学模型的轨迹点的前相邻点和后相邻点，对前相邻点和后相邻点使用线性差值法得到中间点，使用中间点替换参考轨迹中不符合车辆运动学模型的轨迹点，得到去噪后的参考轨迹；
转入步骤3；
步骤3、根据去噪后的参考轨迹将去噪后的车辆定位信息从笛卡尔坐标系转换到frenet坐标系中，得到frenet坐标系中车辆定位信息，转入步骤4；
步骤4、根据去噪后的车辆状态信息与frenet坐标系中车辆定位信息在去噪后的参考轨迹中选取车辆实时目标点，转入步骤5；
步骤5、根据车辆实时目标点与frenet坐标系中车辆定位信息通过误差分析算法得到横向误差和纵向误差，具体如下：
步骤5-1、计算去噪后的参考轨迹中车辆实时目标点处的实时轨迹法向量，转入步骤5-2；
步骤5-2、对车辆实时目标点与frenet坐标系中车辆定位信息进行矢量运算，得到误差向量，转入步骤5-3；
步骤5-3、计算误差向量在实时轨迹法向量上的分量，得到横向误差，转入步骤5-4；
步骤5-4、根据车辆实时目标点的路程与frenet坐标系中车辆当前路程计算出纵向误差；
转入步骤6；
步骤6、根据横向误差和纵向误差分别计算车辆方向盘转角、车辆方向盘转速、车辆纵向加速度，车辆方向盘转角与车辆方向盘转速用于对车辆进行横向控制，具体如下：
步骤6-1、根据去噪后的车辆状态信息和去噪后的定位信息建立计算车辆实时动力学模型，转入步骤6-2；
步骤6-2、根据车辆实时动力学模型和上一个控制周期的用于纵向控制量的车辆纵向加速度计算车辆实时线性动力学误差模型，转入步骤6-3；
步骤6-3、对车辆实时线性动力学误差模型使用欧拉离散映射法进行模型离散化，得到离散化车辆实时线性动力学误差模型，转入步骤6-4；
步骤6-4、根据离散化车辆实时线性动力学误差模型与横向误差建立线性二次型调节器，计算得到反馈车辆方向盘转角、反馈车辆方向盘转速，转入步骤6-5；
步骤6-5、计算去噪后的参考轨迹在实时目标点处的轨迹曲率与轨迹曲率变化率，转入步骤6-6；
步骤6-6、根据轨迹曲率计算前馈车辆方向盘转角，转入步骤6-7；
步骤6-7、根据轨迹曲率变化率计算前馈车辆方向盘转速，转入步骤6-8；
步骤6-8、根据反馈车辆方向盘转角、前馈车辆方向盘转角计算出车辆方向盘转角，步骤6-9；
步骤6-9、根据反馈车辆方向盘转速、前馈车辆方向盘转速计算出车辆方向盘转速；
根据横向误差和纵向误差计算车辆纵向加速度，车辆纵向加速度用于对车辆进行纵向控制，具体如下：
步骤6-a、根据纵向误差使用位置PID控制器，得到车辆速度补偿量，转入步骤6-b；
步骤6-b、当前车辆速度与车辆实时目标点处速度做差，得到车辆速度误差，转入步骤6-c；
步骤6-c、对车辆速度误差与车辆速度补偿量进行求和，得到车辆速度偏差量，转入步骤6-d；
步骤6-d、通过速度PID控制器对车辆速度偏差量进行调节，得到车辆加速度补偿量，转入步骤6-e；
步骤6-e、根据当前路面坡度、上一个控制周期的车辆方向盘转角和上一个控制周期的车辆方向盘转速计算得到加速度修正量，转入步骤6-f；
步骤6-f、对车辆加速度补偿量与加速度修正量进行求和，得到车辆纵向加速度；
转入步骤7；
步骤7、对车辆方向盘转角、车辆方向盘转速和车辆纵向加速度分别进行限幅滤波，去除控制量中的异常点，获得最终的车辆方向盘转角、车辆方向盘转速和车辆纵向加速度，转入步骤8；
步骤8、通过CAN通讯模块将最终的车辆方向盘转角、车辆方向盘转速和车辆纵向加速度发送给受控车辆，实现车辆的轨迹跟踪控制。
2.根据权利要求1所述的基于车辆误差模型的车辆轨迹跟踪控制算法，其特征在于：步骤1中，车辆状态信息如表1所示：
表1车辆状态信息表
Figure FDA0003953396450000031
Figure FDA0003953396450000041
3.根据权利要求1所述的基于车辆误差模型的车辆轨迹跟踪控制算法，其特征在于：步骤1中，定位信息如表2所示：
表2定位信息表
Figure FDA0003953396450000042
Figure FDA0003953396450000051
CN202010048068.2A 2020-01-16 2020-01-16 一种基于车辆误差模型的车辆轨迹跟踪控制算法 Active CN111240187B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010048068.2A CN111240187B (zh) 2020-01-16 2020-01-16 一种基于车辆误差模型的车辆轨迹跟踪控制算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010048068.2A CN111240187B (zh) 2020-01-16 2020-01-16 一种基于车辆误差模型的车辆轨迹跟踪控制算法

Publications (2)

Publication Number Publication Date
CN111240187A CN111240187A (zh) 2020-06-05
CN111240187B true CN111240187B (zh) 2023-01-13

Family

ID=70868443

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010048068.2A Active CN111240187B (zh) 2020-01-16 2020-01-16 一种基于车辆误差模型的车辆轨迹跟踪控制算法

Country Status (1)

Country Link
CN (1) CN111240187B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112009499B (zh) * 2020-09-14 2022-01-18 北京罗克维尔斯科技有限公司 一种车辆自动驾驶控制方法及装置
CN112319473B (zh) * 2020-11-19 2022-04-08 清华大学苏州汽车研究院（吴江） 带环境自适应能力的自动驾驶车辆纵向控制方法及系统
CN112394734A (zh) * 2020-11-27 2021-02-23 苏州感测通信息科技有限公司 一种基于线性模型预测控制算法的车辆轨迹跟踪控制方法
CN112572436A (zh) * 2020-12-15 2021-03-30 北京理工大学 一种车辆跟车控制方法及系统
CN112596089B (zh) * 2021-03-02 2021-05-18 腾讯科技（深圳）有限公司 融合定位方法、装置、电子设备及存储介质
CN112918490B (zh) * 2021-03-19 2022-03-25 吉林大学 一种分布式驱动车辆的轨迹跟踪控制策略
CN113276848B (zh) * 2021-04-09 2022-09-13 江苏大学 一种智能驾驶换道避障轨迹规划、跟踪控制方法及系统
CN113485319A (zh) * 2021-06-08 2021-10-08 中兴智能汽车有限公司 基于5g车路协同的自动驾驶系统
CN114194216B (zh) * 2022-01-10 2023-10-31 广州小鹏自动驾驶科技有限公司 一种车辆控制的方法和装置
CN114442491A (zh) * 2022-04-08 2022-05-06 杭州国辰机器人科技有限公司 室内机器人的局部路径规划和跟踪控制方法、装置及介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN110119768B (zh) * 2019-04-24 2023-10-31 苏州感测通信息科技有限公司 用于车辆定位的视觉信息融合系统及方法
CN110362096B (zh) * 2019-08-13 2021-05-18 东北大学 一种基于局部最优性的无人驾驶车辆动态轨迹规划方法
CN110687908B (zh) * 2019-09-25 2023-01-13 南京理工大学 基于ros的园区无人车轨迹生成系统及其控制方法

Also Published As

Publication number Publication date
CN111240187A (zh) 2020-06-05

Similar Documents

Publication Publication Date Title
CN111240187B (zh) 一种基于车辆误差模型的车辆轨迹跟踪控制算法
CN112733270B (zh) 车辆行驶轨迹预测和轨迹偏离危险度评估的系统与方法
CN107161207B (zh) 一种基于主动安全的智能汽车轨迹跟踪控制系统及控制方法
CN111610780B (zh) 一种自动驾驶车路径跟踪控制方法及其装置
CN110568758B (zh) 一种自动驾驶汽车的参数自适应横向运动lqr控制方法
CN111923908A (zh) 一种融合稳定性的智能汽车路径跟踪控制方法
CN107015477A (zh) 基于状态反馈的车辆路径跟踪h∞控制方法
CN111506099B (zh) 一种无人机高度智能控制系统及方法
CN112693449B (zh) 一种无人车辆极限工况下横纵向耦合控制方法
CN113608530B (zh) 一种带有pid转角补偿的参数自整定lqr路径跟踪方法
CN110962849A (zh) 一种弯道自适应巡航方法
CN112622895B (zh) 一种应用于自动驾驶的轨迹控制的预估控制方法
CN113220021A (zh) 基于虚拟领导者的飞行编队协同自适应跟踪控制方法
CN116552550A (zh) 基于参数不确定性和横摆稳定性的车辆轨迹跟踪控制系统
CN112394734A (zh) 一种基于线性模型预测控制算法的车辆轨迹跟踪控制方法
CN115303265A (zh) 车辆避障控制方法、装置及车辆
CN114625002A (zh) 一种基于模型预测控制的车辆横纵向集成控制方法
CN112859853B (zh) 考虑时延和环境约束的智能收获机器人路径控制方法
CN114502450A (zh) 机动车辆横向和纵向引导中的死区时间补偿技术
CN116834754A (zh) 一种自动驾驶车辆自适应调速的横纵协同控制方法
CN116560371A (zh) 基于自适应模型预测控制的自动驾驶车辆路径跟踪方法
CN114137825B (zh) 一种重载双舵轮agv车体的运动控制方法、系统及装置
CN114802200A (zh) 一种智能汽车极限工况下轨迹跟踪和稳定性控制方法
CN115817509A (zh) 一种基于ampc的多轴分布式驱动车辆转向辅助轨迹跟踪方法
CN115675459A (zh) 一种智能车辆及其路径跟踪的控制方法、装置和存储介质

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