CN111487971B - 一种车辆自动驾驶横向控制方法及系统 - Google Patents

Abstract

本发明提供了一种车辆自动驾驶横向控制方法及系统，涉及自动驾驶技术领域，包括：通过摄像头识别出车道中心线，拟合出车道中心线三阶曲线方程；同时读取车辆行驶信息，车辆行驶信息包括车速V、横摆加速度yawrate以及方向盘角度；根据读取的所述车辆行驶信息与拟合的所述三阶曲线方程，计算得到车辆的前轮转角α；最后基于前轮转角α与方向盘角度呈线性关系，转换得到方向盘转角度β，通过EPS控制器执行所述方向盘转角度β，车辆进入自动驾驶状态。通过本发明简化了车辆自动驾驶横向控制算法，不再需要过多标定参数，使用较小计算内存，便能完成复杂的计算，降低了成产成本，同时还能快速保定适配多个车型，提升了适应范围。

Description

一种车辆自动驾驶横向控制方法及系统

技术领域

本发明涉及自动驾驶技术领域，具体涉及一种车辆自动驾驶横向控制方法及系统。

背景技术

随着人工智能技术的发展，人工智能在汽车领域的重要体现便是自动驾驶技术，具有非常良好的应用前景，且越来越被人们关注。为实现自动驾驶，需要采集并获取大量的数据信息来进行处理分析，从而最终输出横向控制和纵向控制结构。其中，自动驾驶的横向控制是实现全自动驾驶的关键步骤之一，目前的自动驾驶的横向控制技术多停留在车道偏离预警(LDW)和车道保持(LKA)阶段，难以自动实现车道对中行驶(LKS)和自动变道功能，尤其难以实现在超车过程的自动变道控制。并且为实现车辆变道，一般需要驾驶员人工确认是否满足变道条件，并通过转向灯触发变道，因此，限制了自动驾驶系统的自动化驾驶程度。

但随着传感器技术的发展，控制技术和汽车智能化水平的提高，自动驾驶正在被更多的人接受。L2级别的自动驾驶属于辅助驾驶，自动转向能力的水平与用户的体验直接相关。车辆的对中能力和转向的准确性会直接影响用户对自动驾驶的接受程度。而随着L2自动驾驶进入量产阶段，一种可以快速适应不同车辆性能，且标定简单的横向控制算法尤为重要。

横向控制主要是对车辆行驶方向进行控制，保证车辆自动保持在车道中心附近行驶，在车辆横向控制研究中，通常使用预瞄加反馈方法进行控制。但是当车辆在通过特定范围曲率的弯道，而弯道曲率过大时，固定预瞄距离可能会导致转向不足，而弯道曲率较小时，则可能会导致转向过大，不同的车速和弯道所需要的预瞄距离不同，且涉及到道路横坡等情况，很难准确的进行计算。

因此，有必要开发一种新的车辆自动驾驶横向控制方法及系统。

发明内容

有鉴于此，本发明的目的在于提供一种车辆自动驾驶横向控制方法及系统，用于解决自动驾驶横向控制算法过于复杂，适应范围不广的技术问题，能在使用较小计算内存的情况下快速适配多个车型，降低生产成本。

第一方面，本发明提供了一种车辆自动驾驶横向控制方法，包括：通过摄像头识别车道中心线，并基于所识别的车道中心线拟合出车道中心线的三阶曲线方程；同时读取车辆行驶信息，所述车辆行驶信息包括车速V、横摆加速度yawrate以及方向盘角度；根据读取的所述车辆行驶信息与拟合出的所述三阶曲线方程，计算出车辆的前轮转角α；基于前轮转角α与方向盘角度呈线性关系，将前轮转角α转换得到方向盘转角度β，并将方向盘转角度β发送给EPS控制器，由所述EPS控制器执行所述方向盘转角度β，以实现自动对车辆的横向控制。

进一步地，所述三阶曲线方程为：

A＝A₀+A₁·x+A₂·x²+A₃·x³；

其中：A表示三阶曲线方程，A₀表示车辆与车道中心线的横向位置误差，A₁表示车辆与车道中心线的航向角误差，A₂表示车道中心线曲率的1/2，A₃表示车道中心线曲率变化率的1/6。

进一步地，所述前轮转角α包括前馈角度δ_FF与反馈角度；

所述前馈角度δ_FF＝δ_arcman+Kug*a_lat；

其中：δ_arcman为阿克曼转向角，Kug*a_lat为转向不足补偿角，Kug表示为补偿系数，a_lat为横向加速度a_lat，Kug与a_lat呈比例相关；

所述δ_arcman的计算公式如下：

δ_arcman＝arctan(L*2*A₂)，

其中，L表示车辆轴距；

所述a_lat的计算公式如下：

a_lat＝v²*C，；

其中，a_lat表示车辆横向加速度，v表示车速，C表示道路曲率。

进一步地，所述反馈角度包括横向位置误差A₀的PID反馈控制角θ_LO与航向角误差A₁的PD反馈控制角θ_HD，

所述横向位置误差A₀的PID反馈控制角θ_LO表示为：

其中，θ_LOP为比例算法，即，θ_LOP＝KP_LO*A₀；

θ_LOI为积分算法，表示激活所述三阶曲线方程后在计算周期t上的累加，即，

为上个计算周期输出的θ_LOI，dt为运算周期；

θ_LOD为微分算法，即，θ_LOD＝KD_LO*v′*sinA₁，其中，KP_LO，KI_LO，KD_LO为标定量，v′为在此计算中的限制车速值。

进一步地，所述限制车速值v′包括最小限制车速值与最大限速车速值，其中，最小限制车速值为5m/s，最大限制车速值为20m/s；

若读取实际车速小于5m/s，则所述限制车速值v′为5m/s；

若读取实际车速大于20m/s，则所述限制车速值v′为20m/s。

进一步地，所述车辆与车道中心线的航向角误差A₁的PD反馈控制角θ_HD表示为：

θ_HD＝θ_HDP+θ_HDD

其中，θ_HDP为比例算法，即，θ_HDP＝KP_HD*A₁；

θ_HDD为微分算法，即，θ_HDD＝KD_HD*(v*2*A₂-yawrate)，v为所述车速，yawrate为所述横摆加速度，KP_HD，KD_HD为标定量，

所述前轮转角α＝δ_FF+θ_LO+θ_HD。进一步地，得到所述前轮转角α后，基于前轮转角α与方向盘角度呈线性关系，转换得到方向盘转角度β，其中，转换比测试的范围在10-20之间，通过所述EPS控制器执行所述方向盘转角度β，车辆进入自动驾驶状态。

进一步地，所述车辆保持自动驾驶状态在横坡的弯道行驶时，通过计算横向位置误差A₀的PID反馈控制角θ_LO的积分部分，即

用于调整车辆无法识别横坡，导致前馈角过大以及车辆在横坡时不对中行驶的情形。

进一步地，所述车辆进入自动驾驶状态，所述车道中心线曲率小于0.0001，持续时间超过30s，且计算出

的值大于1度时，判断出方向盘转角度与角度传感器出现偏置且偏置过大的情形，自动驾驶控制器向用户发送重新维修标定的提示信息。

第二方面，本发明还提供了一种车辆自动驾驶横向控制系统包括：识别模块，通过摄像头识别车道线，并拟合出车道中心线的三阶曲线方程；读取模块，用于读取车辆行驶信息，所述车辆行驶信息包括车速V、横摆加速度yawrate以及方向盘角度；计算模块，根据读取的所述车辆行驶信息与拟合出的所述三阶曲线方程，计算出车辆的前轮转角α；转换模块，基于前轮转角α与方向盘角度呈线性关系，将前轮转角α转换得到方向盘转角度β，并将方向盘转角度β发送给EPS控制器，由所述EPS控制器执行所述方向盘转角度β，以实现自动对车辆的横向控制。

本发明带来了以下有益效果：

一种车辆自动驾驶横向控制方法及系统，首先通过摄像头识别出车道线中心线，根据车道中心线拟合出车道中心线的三阶曲线方程，同时读取车辆行驶信息；然后根据读取到的所述车辆行驶信息与拟合出的所述三阶曲线方程，计算得到车辆的前轮转角；最后将前轮转角α转换得到方向盘转角度β，并将方向盘转角度β发送给EPS控制器，由所述EPS控制器执行所述方向盘转角度β，以实现自动对车辆的横向控制。通过本发明简化了车辆自动驾驶横向控制算法，不再需要过多标定参数，使用较小计算内存，便能完成复杂的计算，降低了成产成本，同时还能快速保定适配多个车型，提升了适应范围。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

图1为本发明所述的一种车辆自动驾驶横向控制方法的流程图；

图2为本发明所述的横向加速度与补偿系数的关系图；

图3为本发明所述的横向控制与车道线关系示意图。

具体实施方式

如图1所示，一种车辆自动驾驶横向控制方法，包括如下步骤：

步骤S1，通过摄像头识别车道中心线，并基于所识别的车道中心线拟合出车道中心线的三阶曲线方程。

步骤S2，同时读取车辆行驶信息，所述车辆行驶信息包括车速V、横摆加速度yawrate以及方向盘角度。

步骤S3，根据读取的所述车辆行驶信息与拟合出的所述三阶曲线方程，计算出车辆的前轮转角α。

步骤S4，基于前轮转角α与方向盘角度呈线性关系，将前轮转角α转换得到方向盘转角度β，并将方向盘转角度β发送给EPS控制器，由所述EPS控制器执行所述方向盘转角度β，以实现自动对车辆的横向控制。

具体地，所述车道中心线的三阶曲线方程表示为A＝A₀+A₁·x+A₂·x²+A₃·x³，其中，A表示三阶曲线方程，A₀表示为车辆与中心线的横向位置误差，A₁表示为车辆与中心线的航向角误差，A₂表示为中心线曲率的1/2，A₃表示为中心线曲率变化率的1/6。在其他关联系统判断系统满足激活条件后，将读取到的相关车辆行驶信息与拟合出的三阶曲线方程的系数通过计算，得到车辆的前轮转角α。同时考虑到车辆在L2/L3级别的自动驾驶行车过程中，方向盘转向请求角度都比较小，在此前提下，基于前轮转角α与方向盘角度近似线性关系，即相关数据成正比，且由被控车辆实测所得，转换得到方向盘转角度β，并将方向盘转角度β发送给EPS控制器，由EPS控制器执行所述方向盘转角β，以实现自动对车辆的横向控制，进而进入自动驾驶状态。

需要说明的是，不同车型的转向比的取值范围有可能不同，上述提及的转向比的范围表示同一车型的转向比取值。例如，本发明中的转向比通过测试其取值范围通常在10-20之间。

在本实施例中，前轮转角α主要由两部分组成，包括前馈角度δ_FF与反馈角度，其中，所述前馈角度δ_FF又由两部分组成，包括阿克曼转向角δ_arcman和转向不足补偿角，所述阿克曼转向角δ_arcman为车辆轴距乘以当前曲率的反正切值，即，表示为δ_arcman＝arctan(L*2*A₂)，其中，L表示车辆轴距，是车辆本身的参数，一般以某个车型为固定值。所述转向不足补偿角度是由于车辆在高速运动时，轮胎侧偏导致的转向角度不足，与车辆的横向加速度相关，表示为Kug*a_lat，其中，

a_lat＝v²*C，a_lat表示车辆横向加速度，v表示当前车速，C表示当前的道路曲率；

Kug表示为补偿系数，由实际标定所确定，与横向加速度a_lat呈比例相关，经过工程师多次实验得出的相关数据值，如图2所示，

最终得到前馈角度表示为δ_FF＝δ_arcman+Kug*a_lat。

在本实施例中，所述反馈角度也由两部分组成，包括横向位置误差A₀的PID反馈控制角θ_LO与车辆与中心线的航向角误差A₁的PD反馈控制角θ_HD，其中，

所述横向位置误差A₀的PID反馈控制角θ_LO表示为：

其中，θ_LOP为比例算法，即，θ_LOP＝KPL_O*A₀；

θ_LOI为积分算法，表示为激活所述三阶曲线方程后在计算周期t上的累加，即，

为上个计算周期输出的θ_LOI，dt为运算周期，且θ_LOI在每次激活后都需要重新开始计算积分，当计算周期t从第一周期开始计算时，

此时为零。

θ_LOD为微分算法，即θ_LOD＝KD_LO*v′*sinA₁，其中，KP_LO，KI_LO，KD_LO为标定量，能够根据实际情况对该数值进行设定，以得到实际自动驾驶中最佳的反馈角度，v′为横向位置误差反馈计算中的限制车速值，限制其最小值为Vmin，Cmin＞5m/s，最大值为Cmax，Cmax＜20m/s。

具体地，限制车速值v′包括最小限制车速值与最大限速车速值，其中，最小限制车速值为5m/s，最大限制车速值为20m/s。当系统读取到实际车速小于5km/h时，所述限制车速值v′为5m/s，代入拟定公式中进行计算；若读取实际车速大于20m/s，所述限制车速值v′则为20m/s。需要说明的是，该限制车速值v′为该公式中的判定代入值，代入拟定公式中进行计算求得θ_LOD，但在汽车自动驾驶过程中的实际运行车速并不会受此限制影响。

在本实施例中，所述车辆与中心线的航向角误差A₁的PD反馈控制角θ_HD表示为：

θ_HD＝θ_HDP+θ_HDD

其中，θ_HDP为比例算法，即，θ_HDP＝KP_HD*A₁；

θ_HDD为微分算法，即，θ_HDD＝KD_HD*(v*2*A₂-yawrate)，v为所述车速，yawrate为所述横摆加速度，KP_HD、KD_HD为标定量，也是根据实际情况对该数值进行设定，以得到实际自动驾驶中最佳的反馈角度。

综上所述，将计算出的前馈角度δ_FF与反馈角度分别相加，得到所述前轮转角α＝δ_FF+θ_LO+θ_HD。

在得到所述前轮转角α后，考虑到车辆在L2/L3级别的自动驾驶行车过程中，方向盘转向请求角度都比较小，在此前提下，基于前轮转角α与方向盘角度近似线性关系，与被控车辆设计性能相关，进而转换得到方向盘转角度β。同时将该数据传输至电动助力转向系统中，通过EPS控制器执行所述方向盘转角β，车辆进入自动驾驶状态。

如图3所示，若所述车辆保持自动驾驶状态在横坡的弯道行驶时，，由于车辆无法识别横坡，前馈控制根据曲率计算前馈角度，就会导致前馈角过大，导致车辆进入横坡时不对中。通过计算横向位置误差PID反馈控制角θ_LO的积分部分，即

可以快速调整不对中误差，并平衡由于前馈过大产生的偏置情形，使得车辆自动驾驶状态在横坡上收敛，进行正常对中行驶。

在本实施例中，所述车辆进入自动驾驶状态时，若在某一段时间(大于30秒)检测出所述车道中心线曲率小于0.0001，即近似为车辆在直道行驶，且计算出

的值大于1度时，判断出方向盘转角度与角度传感器出现偏置且偏置过大的情形，自动驾驶控制室向用户发送重新维修标定的提示信息，尽快对车辆进行检修。

本发明还提供了一种车辆自动驾驶横向控制系统，包括：识别模块，通过摄像头识别车道线，并拟合出车道中心线的三阶曲线方程；读取模块，用于读取车辆行驶信息，所述车辆行驶信息包括车速V、横摆加速度yawrate以及方向盘角度；计算模块，根据读取的所述车辆行驶信息与拟合出的所述三阶曲线方程，计算出车辆的前轮转角α；转换模块，基于前轮转角α与方向盘角度呈线性关系，将前轮转角α转换得到方向盘转角度β，并将方向盘转角度β发送给EPS控制器，由所述EPS控制器执行所述方向盘转角度β，以实现自动对车辆的横向控制。

Claims (7)

1.一种车辆自动驾驶横向控制方法，其特征在于，包括：

通过摄像头识别车道中心线，并基于所识别的车道中心线拟合出车道中心线的三阶曲线方程；同时读取车辆行驶信息，所述车辆行驶信息包括车速V、横摆加速度yawrate以及方向盘角度；根据读取的所述车辆行驶信息与拟合出的所述三阶曲线方程，计算出车辆的前轮转角α；基于前轮转角α与方向盘角度呈线性关系，将前轮转角α转换得到方向盘转角度β，并将方向盘转角度β发送给EPS控制器，由所述EPS控制器执行所述方向盘转角度β，以实现自动对车辆的横向控制；

所述前轮转角α包括前馈角度δ_FF与反馈角度；

所述前馈角度δ_FF＝δ_arcman+Kug*a_lat；

其中：δ_arcman为阿克曼转向角，Kug*a_lat为转向不足补偿角，Kug表示为补偿系数，a_lat为横向加速度a_lat，Kug与a_lat呈比例相关；

所述δ_arcman的计算公式如下：

δ_arcman＝arctan(L*2*A₂)

其中，L表示车辆轴距,A₂表示车道中心线曲率的1/2；

所述a_lat的计算公式如下：

a_lat＝v²*C；

其中，a_lat表示车辆横向加速度，v表示车速,C表示道路曲率；

所述反馈角度包括横向位置误差A₀的PID反馈控制角θ_LO与航向角误差A₁的PD反馈控制角θ_HD；

所述横向位置误差A₀的PID反馈控制角θ_LO表示为：

其中，θ_LPP为比例算法，即，θ_LOP＝KP_LO*A₀；

θ_LOI为积分算法，表示激活所述三阶曲线方程后在计算周期t上的累加，即，

为上个计算周期输出的θ_LOI，dt为运算周期；

θ_LOD为微分算法，即θ_LOD＝KD_LO*v′*sinA₁，其中，KP_LO，KI_LO，KD_LO为标定量，v′为在此计算中的限制车速值；

所述车辆与车道中心线的航向角误差A₁的PD反馈控制角θ_HD表示为：

θ_HD＝θ_HDP+θ_HDD

其中,θ_HDP为比例算法，即，θ_HDP＝KP_HD*A₁；

θ_HDD为微分算法，即θ_HDD＝KD_HD*(v*2*A₂-yawrate)，v为所述车速，yawrate为横摆加速度，KP_HD，KD_HD为标定量，所述前轮转角α＝δ_FF+θ_LO+θ_HD。

2.根据权利要求1所述的车辆自动驾驶横向控制方法，其特征在于，所述三阶曲线方程为：

A＝A₀+A₁·x+A₂·x²+A₃·x³；

其中：A表示三阶曲线方程，A₀表示车辆与车道中心线的横向位置误差，A₁表示车辆与车道中心线的航向角误差，A₃表示车道中心线曲率变化率的1/6。

3.根据权利要求2所述的车辆自动驾驶横向控制方法，其特征在于，所述限制车速值v′包括最小限制车速值与最大限速车速值，其中，最小限制车速值为5m/s，最大限制车速值为20m/s；若读取实际车速小于5m/s，则所述限制车速值v′为5m/s；若读取实际车速大于20m/s，则所述限制车速值v′为20m/s。

4.根据权利要求1至3任一所述的车辆自动驾驶横向控制方法，其特征在于，得到所述前轮转角α后，基于前轮转角α与方向盘角度呈线性关系，转换得到方向盘转角度β，其中，转换比测试的范围在10-20之间，通过所述EPS控制器执行所述方向盘转角度β，车辆进入自动驾驶状态。

5.根据权利要求4所述的车辆自动驾驶横向控制方法，其特征在于，所述车辆保持自动驾驶状态在横坡的弯道行驶时，通过计算横向位置误差A₀的PID反馈控制角θ_LO的积分部分，即

用于调整车辆无法识别横坡，导致前馈角过大以及车辆在横坡时不对中行驶的情形。

6.根据权利要求4所述的车辆自动驾驶横向控制方法，其特征在于，所述车辆进入自动驾驶状态，所述车道中心线曲率小于0.0001，持续时间超过30s，且计算出

的值大于1度时，判断出方向盘转角度与角度传感器出现偏置且偏置过大的情形，自动驾驶控制器向用户发送重新维修标定的提示信息。

7.一种车辆自动驾驶横向控制系统，其特征在于，包括：

识别模块，通过摄像头识别车道线，并拟合出车道中心线的三阶曲线方程；

读取模块，用于读取车辆行驶信息，所述车辆行驶信息包括车速V、横摆加速度yawrate以及方向盘角度；

计算模块，根据读取的所述车辆行驶信息与拟合出的所述三阶曲线方程，计算出车辆的前轮转角α；

转换模块，基于前轮转角α与方向盘角度呈线性关系，将前轮转角α转换得到方向盘转角度β，并将方向盘转角度β发送给EPS控制器，由所述EPS控制器执行所述方向盘转角度β，以实现自动对车辆的横向控制；

其中，所述前轮转角α包括前馈角度δ_FF与反馈角度；

所述前馈角度δ_FF＝δ_arcman+Kug*a_lat；

其中：δ_arcman为阿克曼转向角，Kug*a_lat为转向不足补偿角，Kug表示为补偿系数，a_lat为横向加速度a_lat，Kug与a_lat呈比例相关；

所述δ_arcman的计算公式如下：

δ_arcman＝arctan(L*2*A₂)

其中，L表示车辆轴距，A₂表示车道中心线曲率的1/2；

所述a_lat的计算公式如下：

a_lat＝v²*C；

其中，a_lat表示车辆横向加速度，v表示车速，C表示道路曲率；

所述反馈角度包括横向位置误差A₀的PID反馈控制角θ_LO与航向角误差A₁的PD反馈控制角θ_HD；

所述横向位置误差A₀的PID反馈控制角θ_LO表示为：

其中，θ_LOP为比例算法，即，θ_LOP＝KP_LO*A₀；

θ_LOI为积分算法，表示激活所述三阶曲线方程后在计算周期t上的累加，即，

为上个计算周期输出的θ_LOI，dt为运算周期；

θ_LOD为微分算法，即θ_LOD＝KD_LO*v′*sinA₁，其中，KP_LO，KI_LO，KD_LO为标定量，v′为在此计算中的限制车速值；

所述车辆与车道中心线的航向角误差A₁的PD反馈控制角θ_HD表示为：

θ_HD＝θ_HDP+θ_HDD

其中，θ_HDP为比例算法，即，θ_HDP＝KP_HD*A₁；

θ_HDD为微分算法，即θ_HDD＝KD_HD*(v*2*A₂-yawrate)，v为所述车速，yawrate为横摆加速度，KP_HD，KD_HD为标定量，所述前轮转角α＝δ_FF+θ_LO+θ_HD。

Images