CN111532254A

CN111532254A - 用于控制自主车辆的系统和方法

Info

Publication number: CN111532254A
Application number: CN202010082675.0A
Authority: CN
Inventors: Q.张; P.黄
Original assignee: GM Global Technology Operations LLC
Current assignee: GM Global Technology Operations LLC
Priority date: 2019-02-07
Filing date: 2020-02-07
Publication date: 2020-08-14
Anticipated expiration: 2040-02-07
Also published as: DE102020100941A1; CN111532254B; US11119482B2; US20200257291A1

Abstract

本发明公开了用于控制自主车辆的系统和方法。一种机动车辆包括配置成控制车辆转向的致动器、配置成检测车辆横摆率的传感器以及控制器。控制器被配置成基于测量的车辆纵向速度、计算的车辆车轮角和估计的车辆轮胎滑移角，经由车辆动力学模型估计车辆的横摆率和侧向速度。控制器被配置成从传感器接收测量的横摆率，并计算测量的横摆率与估计的横摆率之间的差值。控制器被配置为基于该差值使用PID控制器将模型校正应用于车辆动力学模型，并且基于估计的侧向速度和测量的纵向速度估计车辆位置。控制器被配置成基于车辆位置自动控制致动器。

Description

用于控制自主车辆的系统和方法

技术领域

本公开涉及具有传感器套件的车辆，例如由自动化驾驶系统控制的车辆，该自动化驾驶系统被配置为在驾驶循环期间自动控制车辆转向、加速和制动，而无需人工干预。

背景技术

现代车辆的操作变得更加自动化，即能够以越来越少的驾驶员干预来提供驾驶控制。车辆自动化已被归类为从零(对应于完全人工控制的无自动化)到五(对应于没有人工控制的完全自动化)的数字级别。各种自动化驾驶员辅助系统，例如巡航控制、自适应巡航控制和停车辅助系统对应于较低的自动化水平，而真正的“无人驾驶”车辆对应于较高的自动化水平。随着自动化水平的提高，传感器精度和置信度要求也随之提高。

发明内容

根据本公开的机动车辆包括配置成控制车辆转向的致动器、配置成检测车辆横摆率的传感器以及控制器。控制器被配置成基于测量的车辆纵向速度、计算的车辆车轮角和估计的车辆轮胎滑移角，经由车辆动力学模型估计车辆的横摆率和侧向速度。控制器还被配置成从传感器接收测量的横摆率，并计算测量的横摆率与估计的横摆率之间的差值。控制器还被配置为基于该差值使用PID控制器将模型校正应用于车辆动力学模型，并且基于估计的侧向速度和测量的纵向速度来估计车辆位置。控制器还被配置成基于车辆位置自动控制致动器。

在示例性实施例中，车辆还包括被配置为提供车辆位置的GNSS接收器。在这样的实施例中，控制器被配置成进一步响应于来自GNSS接收器的位置不可用，基于估计的侧向速度和测量的纵向速度来估计车辆位置。

在示例性实施例中，PID控制器是PI控制器。

根据本公开控制地面车辆的方法包括向车辆提供配置成控制车辆转向的致动器、配置成检测车辆横摆率和车辆纵向速度的至少一个传感器、以及与传感器和控制器通信的控制器。该方法还包括经由至少一个传感器接收测量的纵向速度和测量的横摆率。该方法还包括基于测量的纵向速度、计算的车辆车轮角和估计的车辆轮胎滑移角，使用车辆动力学模型经由控制器估计车辆的横摆率和侧向速度。该方法还包括经由控制器计算测量的横摆率与估计的横摆率之间的差值，并基于该差值经由控制器使用PID控制器将模型校正应用于车辆动力学模型。该方法还包括基于估计的侧向速度和测量的纵向速度经由控制器估计车辆位置，并且基于车辆位置经由控制器自动控制致动器。

在示例性实施例中，该方法还包括向车辆提供被配置为提供车辆位置的GNSS接收器。在这样的实施例中，基于估计的侧向速度和测量的纵向速度估计车辆位置是响应于来自GNSS接收器的位置不可用。

在示例性实施例中，PID控制器是PI控制器。

在示例性实施例中，该方法还包括经由机器学习识别PID控制器的调谐常数。

根据本公开的用于车辆的控制系统包括第一计算模块、第二计算模块、车辆动力学模型、路径规划模块和车辆控制模块。第一计算模块被配置为接收测量的转向角，并基于测量的转向角确定计算的车轮角。第二计算模块被配置为基于测量的纵向速度、测量的横摆率和计算的侧向速度来确定计算的轮胎滑移角。车辆动力学模型被配置为基于测量的车辆纵向速度、计算的车轮角和计算的轮胎滑移角来确定计算的横摆率、计算的侧向速度和计算的车辆位置。PID控制器被配置为基于测量的横摆率与计算的横摆率之间的差值将模型校正应用于车辆动力学模型。路径规划模块被配置为基于计算的车辆位置来确定要遵循的车辆路径。车辆控制模块被配置成基于车辆路径自动控制转向致动器。

在示例性实施例中，控制系统还包括车辆转向系统。在这样的实施例中，转向致动器可操作以自动控制车辆转向系统，而无需操作者输入。

在示例性实施例中，控制系统还包括被配置为提供车辆位置的GNSS接收器。在这样的实施例中，路径规划模块被配置成响应于来自GNSS接收器的位置不可用，基于计算的车辆位置来确定要遵循的车辆路径。

在示例性实施例中，PID控制器是PI控制器。

在示例性实施例中，控制系统还包括坐标调整模块，坐标调整模块被配置为将计算的车辆位置从第一坐标系转换到第二坐标系。

本发明包括以下方案：

1. 一种地面车辆，包括:

致动器，其被配置成控制车辆转向；

传感器，其被配置为检测车辆的横摆率；和

控制器，其被配置为基于测量的车辆纵向速度、计算的车辆车轮角和估计的车辆轮胎滑移角，经由车辆动力学模型估计车辆的横摆率和侧向速度，从传感器接收测量的横摆率，计算测量的横摆率与估计的横摆率之间的差值，基于所述差值使用PID控制器将模型校正应用于车辆动力学模型，基于估计的侧向速度和测量的纵向速度估计车辆位置，并基于所述车辆位置自动控制所述致动器。

2. 根据方案1所述的车辆，还包括配置成提供车辆位置的GNSS接收器，其中所述控制器配置成响应于来自所述GNSS接收器的位置不可用，基于估计的侧向速度和测量的纵向速度估计所述车辆位置。

3. 根据方案1所述的车辆，其中，所述PID控制器是PI控制器。

4. 一种控制地面车辆的方法，包括:

向车辆提供配置成控制车辆转向的致动器、配置成检测车辆横摆率和车辆纵向速度的至少一个传感器、以及与传感器和控制器通信的控制器；

经由至少一个传感器接收测量的纵向速度和测量的横摆率；

经由所述控制器，基于测量的纵向速度、计算的车辆车轮角和估计的车辆轮胎滑移角，使用车辆动力学模型估计车辆的横摆率和侧向速度；

经由所述控制器计算测量的横摆率与估计的横摆率之间的差值；

基于所述差值，经由所述控制器使用PID控制器将模型校正应用于车辆动力学模型；

经由所述控制器基于估计的侧向速度和测量的纵向速度估计车辆位置；和

基于所述车辆位置，经由所述控制器自动控制所述致动器。

5. 根据方案4所述的方法，还包括向车辆提供GNSS接收器，所述GNSS接收器被配置为提供车辆位置，其中基于估计的侧向速度和测量的纵向速度估计车辆位置是响应于来自所述GNSS接收器的位置不可用。

6. 根据方案4所述的方法，其中，所述PID控制器是PI控制器。

7. 根据方案4所述的方法，还包括经由机器学习识别PID控制器的调谐常数。

8. 一种用于车辆的控制系统，所述控制系统包括:

第一计算模块，其被配置为接收测量的转向角，并基于测量的转向角确定计算的车轮角；

第二计算模块，其被配置为基于测量的纵向速度、测量的横摆率和计算的侧向速度确定计算的轮胎滑移角；

车辆动力学模型，其被配置为基于测量的车辆纵向速度、计算的车轮角和计算的轮胎滑移角确定计算的横摆率、计算的侧向速度和计算的车辆位置；

PID控制器，其被配置为基于测量的横摆率与计算的横摆率之间的差值将模型校正应用于车辆动力学模型；

路径规划模块，其被配置为基于计算的车辆位置确定要遵循的车辆路径；和

车辆控制模块，其被配置为基于所述车辆路径自动控制转向致动器。

9. 根据方案8所述的控制系统，还包括车辆转向系统，其中转向致动器能操作以自动控制车辆转向系统，而无需操作者输入。

10. 根据方案8所述的控制系统，还包括被配置为提供车辆位置的GNSS接收器，其中所述路径规划模块被配置为响应于来自所述GNSS接收器的位置不可用，基于计算的车辆位置确定要遵循的车辆路径。

11. 根据方案8所述的控制系统，其中，所述PID控制器是PI控制器。

12. 根据方案8所述的控制系统，还包括坐标调整模块，所述坐标调整模块被配置为将计算的车辆位置从第一坐标系转换到第二坐标系。

根据本公开的实施例提供了许多优点。例如，本公开提供了一种使用准确且计算效率高的控制来计算车辆位置的系统和方法。此外，本公开提供了一种基于一个或多个主定位传感器的状态在需要时自动使用这种控制的方法，从而增加系统的鲁棒性和可靠性，并进而提高客户满意度。

结合附图，从以下优选实施例的详细描述中，本公开的上述和其他优点和特征将变得显而易见。

附图说明

图1是根据本公开实施例的包括自主控制的车辆的通信系统的示意图；

图2是根据本公开实施例的用于车辆的自动化驾驶系统 (ADS)的示意框图；

图3是表示根据本公开实施例的用于车辆的控制方案的框图；和

图4是根据本公开实施例的控制车辆的方法的流程图表示。

具体实施方式

这里描述了本公开的实施例。然而，应当理解，所公开的实施例仅仅是示例，并且其他实施例可以采取各种以及替代的形式。这些附图不一定按比例绘制；一些特征可以被放大或缩小以显示特定组件的细节。因此，这里公开的具体结构和功能细节不应被解释为限制性的，而仅仅是代表性的。参考附图中的任一个附图和描述的各种特征可以与一个或多个其他附图中图示的特征相组合，以产生没有明确图示或描述的实施例。所示特征的组合为典型应用提供了代表性实施例。然而，符合本公开教导的特征的各种组合和修改对于特定应用或实施方式而言可能是合乎需要的。

图1示意性地示出了包括用于机动车辆12的移动车辆通信和控制系统10的操作环境。机动车辆12可以被称为主车辆。主车辆12的通信和控制系统10通常包括一个或多个无线载波系统60、陆地通信网络62、计算机64、例如智能电话的移动设备57和远程访问中心78。

在图1中示意性示出的主车辆12在图示的实施例中被描绘为客车，但是应当理解，也可以使用任何其他交通工具，包括摩托车、卡车、运动型多功能车(SUV)、休闲车(RV)、船舶、飞机等。主车辆具有带前后纵向轴线和左右侧向轴线的车身。

主车辆12包括推进系统13，在各种实施例中，推进系统13可以包括内燃发动机、例如牵引马达的电机和/或燃料电池推进系统。

主车辆12还包括变速器14，变速器14被配置为根据可选择的速比将动力从推进系统13传输到多个车轮15。根据各种实施例，变速器14可以包括步进比自动变速器、无级变速器或其他合适的变速器。主车辆12还包括车轮制动器17，车轮制动器17被配置为向车轮15提供制动扭矩。在各种实施例中，车轮制动器17可以包括摩擦制动器、再生制动系统（例如电机）和/或其他合适的制动系统。

主车辆12还包括转向系统16。尽管出于说明的目的被描绘为包括方向盘，但是在本公开的范围内设想的一些实施例中，转向系统16可以不包括方向盘。

主车辆12包括被配置成与其他车辆(“V2V”)和/或基础设施(“V2I”)无线通信的无线通信系统28。在示例性实施例中，无线通信系统28被配置成经由专用短程通信(DSRC)信道进行通信。DSRC信道是指专门为汽车使用而设计的单向或双向短程至中程无线通信信道，以及相应的一组协议和标准。然而，被配置为经由附加或替代的无线通信标准(例如，IEEE 802.11(“WiFi^TM”)和蜂窝数据通信)进行通信的无线通信系统也被认为在本公开的范围内。

推进系统13、变速器14、转向系统16和车轮制动器17与至少一个控制器22通信或受其控制。尽管出于说明目的被描绘为单个单元，但是控制器22可以附加地包括一个或多个其他控制器，统称为“控制器”。控制器22可以包括与各种类型的计算机可读存储设备或介质通信的微处理器或中央处理单元(CPU)。例如，计算机可读存储设备或介质可以包括只读存储器(ROM)、随机存取存储器(RAM)和保活存储器(KAM)中的易失性和非易失性存储器。KAM是一种永久性或非易失性存储器，其可用于在CPU断电时存储各种操作变量。计算机可读存储设备或介质可以使用多种已知存储设备中的任何一种来实施，例如PROM(可编程只读存储器)、EPROM(电可擦除可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)、闪存或能够存储数据的任何其他电、磁、光或组合存储设备，其中一些存储设备代表控制器22在控制车辆中使用的可执行指令。

控制器22包括自动化驾驶系统 (ADS)24，用于自动控制车辆中的各种致动器。在示例性实施例中，ADS 24是所谓的四级或五级自动化系统。四级系统表示“高度自动化”，指的是自动化驾驶系统对动态驾驶任务所有方面的驾驶模式特定的(例如，在定义的地理边界内)执行，即使人类驾驶员没有适当响应干预请求。五级系统表示“完全自动化”，是指自动化驾驶系统在可由人类驾驶员管理的所有道路和环境条件下对动态驾驶任务的所有方面的全时间执行。

根据本公开的其他实施例可以结合所谓的一级、二级或三级自动化系统来实施。一级系统表示“驾驶员辅助”，是指驾驶员辅助系统使用关于驾驶环境的信息对转向或加速的驾驶模式特定的执行并期望人类驾驶员执行动态驾驶任务的所有其余方面。二级系统表示“部分自动化”，是指由一个或多个驾驶员辅助系统使用关于驾驶环境的信息对转向和加速的驾驶模式特定的执行，并期望人类驾驶员执行动态驾驶任务的所有其余方面。三级系统表示“条件自动化”，是指自动化驾驶系统对动态驾驶任务所有方面的驾驶模式特定的执行，并期望人类驾驶员将对干预请求做出适当的响应。

在示例性实施例中，ADS 24被配置成响应于来自多个传感器26的输入，控制推进系统13、变速器14、转向系统16和车轮制动器17，以分别控制车辆加速、转向和制动，而无需经由多个致动器30进行人工干预，多个传感器26可以包括GNSS (全球导航卫星系统，例如，GPS和/或GLONASS)、雷达、激光雷达、光学相机、热感相机、超声波传感器和/或适当的附加传感器。

图1示出了可以与主车辆12的无线通信系统28通信的几个联网设备。能够经由无线通信系统28与主车辆12通信的联网设备之一是移动设备57。移动设备57可以包括计算机处理能力、能够使用短程无线协议传送信号58的收发器以及视觉智能电话显示器59。计算机处理能力包括可编程设备形式的微处理器，该微处理器包括一个或多个指令，一个或多个指令存储在内部存储结构中，并被应用于接收二进制输入以创建二进制输出。在一些实施例中，移动设备57包括能够从GPS卫星68接收信号并基于这些信号生成GPS坐标的GPS模块。在其他实施例中，移动设备57包括蜂窝通信功能，使得移动设备57使用如这里所讨论的一个或多个蜂窝通信协议在无线载波系统60上执行语音和/或数据通信。移动设备57还可以包括其他传感器，包括但不限于能够测量移动设备57沿六个轴线的运动的加速度计。视觉智能电话显示器59还可以包括触摸屏图形用户界面。

无线载波系统60优选地是蜂窝电话系统，其包括多个蜂窝塔70(仅示出一个)、一个或多个移动交换中心(MSC) 72，以及将无线载波系统60与陆地通信网络62连接所需的任何其他联网组件。每个蜂窝塔70包括发送和接收天线以及基站，来自不同蜂窝塔的基站直接或经由例如基站控制器的中间设备连接到MSC 72。无线载波系统60可以实施任何合适的通信技术，包括例如模拟技术，例如AMPS；或者数字技术，例如CDMA (例如CDMA2000)或者GSM/GPRS。其他蜂窝塔/基站/ MSC布置是可能的，并且可以与无线载波系统60一起使用。例如，基站和蜂窝塔可以共同位于同一地点，或者它们可以彼此远离定位，每个基站可以负责单个蜂窝塔，或者单个基站可以服务于各种蜂窝塔，或者各种基站可以联接到单个MSC，仅举出几个可能的布置。

除了使用无线载波系统60之外，卫星通信形式的第二无线载波系统可以用于提供与主车辆12的单向或双向通信。这可以使用一个或多个通信卫星66和上行链路发射站67来完成。单向通信可以包括例如卫星无线电服务，其中节目内容(新闻、音乐等)由发射站67接收，打包以便上传，并且然后发送到卫星66，卫星66向订户广播节目。双向通信可以包括例如卫星电话服务，使用卫星66来中继主车辆12与站67之间的电话通信。除了无线载波系统60之外或者代替无线载波系统60，可以使用卫星电话。

陆地网络62可以是常规的基于陆地的电信网络，其连接到一个或多个陆线电话，并将无线载波系统60连接到远程访问中心78。例如，陆地网络62可以包括公共交换电话网(PSTN)，例如用于提供硬连线电话、分组交换数据通信和因特网基础设施的公共交换电话网。陆地网络62的一个或多个段可以通过使用标准有线网络、光纤或其他光网络、电缆网络、电力线、其他无线网络(例如无线局域网（WLAN）)或提供宽带无线接入(BWA)的网络或其任意组合来实施。此外，远程访问中心78不必需经由陆地网络62连接，而是可以包括无线电话设备，使得它可以直接与无线网络例如无线载波系统60通信。

虽然在图1中示出为单个设备，但是计算机64可以包括经由例如因特网的私有或公共网络可访问的多个计算机。每个计算机64可以用于一个或多个目的。在示例性实施例中，计算机64可以被配置为主车辆12经由无线通信系统28和无线载波60可访问的web服务器。其他计算机64可以包括，例如:服务中心计算机，其中诊断信息和其他车辆数据可以经由无线通信系统28从车辆上传；或者第三方储存库，车辆数据或其他信息可以向第三方储存库提供到或从第三方储存库提供，无论是通过与主车辆12、远程访问中心78、移动设备57通信还是与它们的某种组合进行通信。计算机64可以维护可搜索的数据库和数据库管理系统，该系统允许输入、移除和修改数据以及接收在数据库内定位数据的请求。计算机64还可以用于提供因特网连接，例如DNS服务，或者作为网络地址服务器，其使用DHCP或其他合适的协议来为主车辆12分配IP地址。除了主车辆12之外，计算机64可以与至少一个补充车辆通信。主车辆12和任何补充车辆可以统称为车队。在示例性实施例中，计算机64被配置成例如在非瞬时数据存储器中存储订户账户信息和/或车辆信息。订户账户信息可以包括但不限于生物统计数据、密码信息、订户偏好以及车队中用户或车辆乘员的学习行为模式。车辆信息可以包括但不限于车辆属性，例如颜色、品牌、型号、车牌号码、通知灯图案和/或频率标识符。

如图2所示，ADS 24包括多个不同的系统，包括至少一个感知系统32，用于确定在车辆附近检测到的特征或对象的存在、位置、分类和路径。感知系统32被配置成接收来自各种传感器（例如图1中所示的传感器26）的输入，并且合成和处理传感器输入以生成用作ADS24的其他控制算法的输入的参数。

感知系统32包括传感器融合和预处理模块34，其处理和合成来自各种传感器26的传感器数据27。传感器融合和预处理模块34执行传感器数据27的校准，包括但不限于激光雷达相对于激光雷达校准、相机相对于激光雷达校准、激光雷达相对于底盘校准以及激光雷达光束强度校准。传感器融合和预处理模块34输出经预处理的传感器输出35。

分类和分割模块36接收经预处理的传感器输出35，并执行对象分类、图像分类、交通灯和标志分类、对象分割、地面分割和对象跟踪过程。对象分类包括但不限于识别周围环境中的对象并对周围环境中的对象进行分类，包括交通信号和标志的识别和分类、雷达融合和跟踪以说明传感器的放置和视野(FOV)，以及经由激光雷达融合消除城市环境中存在的许多假确定物的假确定物拒绝，这些假确定物为例如像井盖、桥梁、高处的树或灯杆，以及具有高雷达截面但不影响车辆沿其路径行驶的能力的其他障碍物。由分类和分割模块36执行的附加对象分类和跟踪过程包括但不限于自由空间检测和高级跟踪，其融合来自雷达跟踪、激光雷达分割、激光雷达分类、图像分类、对象形状拟合模型、语义信息、运动预测、栅格地图、静态障碍地图和其他来源的数据，以产生高品质的对象跟踪。分类和分割模块36另外执行交通控制设备分类和交通控制设备与车道关联和交通控制设备行为模型的融合。分类和分割模块36生成包括对象识别信息的对象分类和分割输出37。

定位和建图模块40使用对象分类和分割输出37来计算参数，包括但不限于在典型和挑战性驾驶场景中主车辆12的位置和取向的估计。这些挑战性驾驶场景包括但不限于具有许多汽车的动态环境(例如，密集交通)、具有大规模阻碍物的环境(例如，道路工程或建筑工地)、山丘、多车道道路、单车道道路、各种道路标记和建筑物或缺乏道路标记和建筑物(例如，住宅区与商业区)以及桥梁和立交桥(车辆当前路段的上方和下方)。

定位和建图模块40还并入了新的数据和建图数据，新的数据是由于在操作期间通过由主车辆12执行的车载建图功能获得的扩展的地图区域而收集的，建图数据经由无线通信系统28“推送”到主车辆12。定位和建图模块40用新信息(例如，新车道标记、新建筑结构、建筑区域的增加或移除等)更新先前的地图数据，同时保持未受影响的地图区域不变。可以生成或更新的地图数据的示例包括但不限于，屈服线归类、车道边界生成、车道连接、次要和主要道路分类、左转弯和右转弯分类以及交叉车道创建。定位和建图模块40生成定位和建图输出41，其包括主车辆12相对于检测到的障碍物和道路特征的位置和取向。

车辆测距模块46从车辆传感器26接收数据27，并产生车辆测距输出47，车辆测距输出47包括例如车辆航向和速度信息。绝对定位模块42接收定位和建图输出41以及车辆测距信息47，并生成车辆位置输出43，车辆位置输出43用于如下所讨论的单独计算中。

对象预测模块38使用对象分类和分割输出37来生成参数，包括但不限于检测到的障碍物相对于车辆的位置、检测到的障碍物相对于车辆的预测路径以及行车道相对于车辆的位置和取向。关于对象(包括行人、周围车辆和其他移动对象)的预测路径的数据被输出为对象预测输出39，并用于如下所讨论的单独计算中。

ADS 24还包括观察模块44和解释模块48。观察模块44产生观察输出45，观察输出45由解释模块48接收。观察模块44和解释模块48允许远程访问中心78访问。解释模块48生成解释输出49，解释输出49包括由远程访问中心78提供的附加输入(如果有的话)。

路径规划模块50处理并合成对象预测输出39、解释输出49和从在线数据库或远程访问中心78接收的附加路线选择信息79，以确定要遵循的车辆路径，从而在遵守交通法规并躲避任何检测到的障碍物的同时保持车辆在期望的路线上。路径规划模块50采用算法，该算法被配置为躲避车辆附近的任何检测到的障碍物，将车辆保持在当前行车道上，并且将车辆保持在期望的路线上。路径规划模块50输出车辆路径信息作为路径规划输出51。路径规划输出51包括基于车辆路线、相对于路线的车辆位置、行车道的位置和取向以及任何检测到的障碍物的存在和路径的命令车辆路径。

第一控制模块52处理并合成路径规划输出51和车辆位置输出43，以生成第一控制输出53。在车辆的远程接管操作模式的情况下，第一控制模块52还包括由远程访问中心78提供的路线选择信息79。

车辆控制模块54接收第一控制输出53以及从车辆测距46接收的速度和航向信息47，并产生车辆控制输出55。车辆控制输出55包括一组致动器命令，以实现来自车辆控制模块54的命令路径，包括但不限于转向命令、换档命令、节气门命令和制动命令。

车辆控制输出55被传送到致动器30。在示例性实施例中，致动器30包括转向控制、换档器控制、节气门控制和制动控制。转向控制可以例如控制转向系统16，如图1所示。换档器控制可以例如控制变速器14，如图1所示。节气门控制可以例如控制推进系统13，如图1所示。制动控制可以例如控制车轮制动器17，如图1所示。

传感器数据的鲁棒性在所有车辆中都很重要，尤其是当车辆处于ADS 24的控制下时，并且因此严重依赖传感器数据来实现令人满意的操作。当车辆在ADS 24的控制下时，希望知道相对于期望路径的精确车辆位置，以实现准确导航和路径遵循行为。然而，在例如城市峡谷的一些驾驶情况下(例如，当在例如建筑物的高阻碍物附近时)，阻碍物可能导致使用GNSS位置准确确定车辆12位置的能力受损。同样，一些驾驶情况，例如恶劣的天气，可能损害车辆相机准确确定车辆相对于车道标记或期望的车辆路径的其他指示器的位置的能力。因此，需要提供一种强大的备用定位系统，以便在GNSS不可用时能够准确进行车辆定位。

现在参考图3，以框图形式示出了根据本公开的估计车辆位置的方法。在示例性实施例中，该方法由控制器22执行，例如作为定位和建图模块40和/或定位模块42的一部分。下面讨论的任何具体方程式仅仅是示例性的，并不旨在限制本公开的范围。

例如经由一个或多个传感器26接收车辆输入80。在示例性实施例中，车辆输入80包括车辆12的纵向速度、车辆12的横摆率和转向系统16的转向角。

然后计算阿克曼转向参数82。阿克曼转向参数包括左车轮角和右车轮角。阿克曼转向参数基于车辆输入80结合车辆具体参数来计算。车辆具体参数指的是对于给定车辆模型通常恒定的参数，包括(但不限于)前和/或后转弯系数、惯性矩、质量分布、轮距和轴距，以及转向几何形状，例如转向系统16的前束角。在示例性实施例中，该计算可以表达为:

其中

指方向盘角度，以及A₀、A₁、A₂、B₀和C是基于上述参数的常数。

此后，基于车辆输入80和上述车辆具体参数执行轮胎滑移角计算84。在示例性实施例中，轮胎滑移角计算基于包括纵向速度、侧向速度和横摆率的输入来估计所有车轮的轮胎滑移角。在示例性实施例中，轮胎滑移角计算可以表达为:

其中

、

和

分别是左前、右前、左后和右后轮胎的滑移角；

和

分别是前车轮和后车轮角；

是车辆的侧向速度；

和

分别是从车辆重心到前轴和后轴中心的距离；r是车辆的横摆率；u是车辆的纵向速度；w是车辆的轮距；

、

、

和

分别是左前轮胎、右前轮胎、左后轮胎和右后轮胎的前束角；

和

分别是平均前滑移角和后滑移角；

和

分别是前轴和后轴处的侧向力；以及

和

分别是前轴和后轴的转弯刚度参数。

此后，状态估计器86估计车辆状态变量。在示例性实施例中，状态变量包括纵向位置、侧向位置、横摆率和侧向速度。状态估计器可以基于车辆运动学的所谓“自行车模型”，或者用于估计这些参数的任何其他合适的模型。在示例性实施例中，状态估计器可以表达为:

其中

和

分别是车辆的侧向线性动量和横摆角动量；

和

分别是车辆的x坐标和y坐标；

是车辆的横摆角；m是车辆质量；

是车辆的惯性矩；

是车辆的平均车轮角，例如

和

的平均值；以及u、

、

、

和

是如上文所讨论的。

实施了一种PID控制器88，以最小化状态估计器86中的误差。PID控制器利用状态估计器输出的估计横摆率与来自输入80的测量横摆率之间的差值作为其输入。P、I和D项的调谐常数可以通过任何适当的调谐技术获得，包括(但不限于)机器学习。在一个示例性实施例中，D项的调谐常数是0，导致PI控制方案。PID控制器88的输出被提供给状态估计器86作为校正因子，以提高估计状态的精度。

此后，可选地执行坐标调整计算90，以将车辆位置转换成合适的坐标系。例如，当在全局坐标系中执行路径规划时，状态估计器86在以车辆为中心的坐标系中计算车辆位置时，可以使用这种计算。然而，在一些实施例中，在整个ADS 24中可以使用一致的坐标系，避免了坐标调整计算90。

此后输出计算的车辆位置92。如下文将进一步详细讨论的，计算的车辆位置可用于路径规划目的，以根据期望的路线更精确地导航车辆12。

现在参考图4，以流程图的形式示出了根据本公开实施例的控制车辆的方法。该方法可以由控制器22执行，例如作为ADS 24的一部分。该方法的各方面可以体现在定位和建图模块40和/或定位模块42中。该算法从框100开始。

如操作102所示，确定车辆是否处于ADS控制之下。响应于由ADS自动控制的车辆驾驶的一个或多个方面，例如车辆转向，可以满足该确定。

响应于操作102为否定的确定，例如，当车辆处于车辆乘员的手动控制下或者处于远程操作者的控制下时，控制返回到操作102。因此，除非车辆处于ADS控制之下并且直到车辆处于ADS控制下，否则算法不会继续。

然后确定一个或多个主位置传感器是否可用，如操作104所示。当ADS 24的主定位算法所依赖的所有传感器26(例如，GNSS传感器、相机模块、雷达模块、激光雷达模块或其任意组合)可用并提供令人满意的数据时，可以满足该确定。

响应于操作104的确定是肯定的，即所有传感器26都可用，然后使用主定位输出，如框106所示。这可以是例如定位模块42的默认定位算法的定位输出。

如框108所示，车辆随后被自动控制以基于定位输出实现期望的路径。这可以包括自动控制致动器30中的一个或多个以实现期望的路径，例如来自路径规划模块的输出。控制然后返回到操作102。

返回操作104，响应于确定为否定的，即主位置传感器中的一个或多个不可用，则接收实时输入，如框110所示。在示例性实施例中，这些输入大致与参照图3讨论的输入相同，例如输入80。

如框112所示，估计车辆状态。在示例性实施例中，这大致与参考图3讨论的估计相同，例如状态估计86。

然后，如框114所示，基于PID控制器来改善车辆状态。在一示例性实施例中，该控制器大致如参考图3所讨论的那样布置，例如作为PID控制器88。

如框116所示，获得辅助定位输出。在示例性实施例中，大致如参考图4所讨论的那样获得辅助定位输出，例如与输出92一样。

控制然后进行到框108，并且车辆被自动控制以基于定位输出实现期望的路径。算法随后返回到操作102。

如可以看出的，每当一个或多个主位置传感器不可用时，该算法由此通过这里讨论的备用定位算法获得位置。

如可以看出的，本公开提供了一种使用准确且计算高效的控制来计算车辆位置的系统和方法。此外，本公开提供了一种基于一个或多个主定位传感器的状态在需要时自动使用这种控制的方法，从而增加系统的鲁棒性和可靠性，并进而提高客户满意度。

虽然上面描述了示例性实施例，但是这些实施例并不旨在描述权利要求所包含的所有可能的形式。说明书中使用的词语是描述性的词语，而不是限制性的词语，并且应当理解，在不脱离本公开的精神和范围的情况下，可以进行各种改变。如先前所描述的，各个实施例的特征可以被组合以形成本公开的可能未被明确描述或示出的其他示例性方面。虽然各个实施例可以被描述为相对于一个或多个期望的特性提供优势或优于其他实施例或现有技术实施方式，但是本领域普通技术人员认识到，一个或多个特征或特性可以被折衷以实现期望的整体系统属性，这取决于具体的应用和实施方式。这些属性可以包括但不限于成本、强度、耐用性、生命周期成本、可销售性、外观、包装、尺寸、可维护性、重量、可制造性、易于组装等。因此，相对于一个或多个特性被描述为不如其他实施例或现有技术实施方式合乎需要的实施例不在本公开的范围之外，并且对于特定应用可能是合乎需要的。

Claims

1.一种地面车辆，包括:

致动器，其被配置成控制车辆转向；

传感器，其被配置为检测车辆的横摆率；和

2.根据权利要求1所述的车辆，还包括配置成提供车辆位置的GNSS接收器，其中所述控制器配置成响应于来自所述GNSS接收器的位置不可用，基于估计的侧向速度和测量的纵向速度估计所述车辆位置。

3.根据权利要求1所述的车辆，其中，所述PID控制器是PI控制器。

4.一种控制地面车辆的方法，包括:

经由至少一个传感器接收测量的纵向速度和测量的横摆率；

基于所述车辆位置，经由所述控制器自动控制所述致动器。

5.根据权利要求4所述的方法，还包括向车辆提供GNSS接收器，所述GNSS接收器被配置为提供车辆位置，其中基于估计的侧向速度和测量的纵向速度估计车辆位置是响应于来自所述GNSS接收器的位置不可用。

6.根据权利要求4所述的方法，其中，所述PID控制器是PI控制器。

7.根据权利要求4所述的方法，还包括经由机器学习识别PID控制器的调谐常数。

8.一种用于车辆的控制系统，所述控制系统包括:

9.根据权利要求8所述的控制系统，还包括车辆转向系统，其中转向致动器能操作以自动控制车辆转向系统，而无需操作者输入。

10.根据权利要求8所述的控制系统，还包括被配置为提供车辆位置的GNSS接收器，其中所述路径规划模块被配置为响应于来自所述GNSS接收器的位置不可用，基于计算的车辆位置确定要遵循的车辆路径。