CN111796521B - 一种前视距离确定方法、装置、设备及存储介质 - Google Patents

一种前视距离确定方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111796521B
CN111796521B CN202010651782.0A CN202010651782A CN111796521B CN 111796521 B CN111796521 B CN 111796521B CN 202010651782 A CN202010651782 A CN 202010651782A CN 111796521 B CN111796521 B CN 111796521B
Authority
CN
China
Prior art keywords
target
curvature
distance
fuzzy
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.)
Active
Application number
CN202010651782.0A
Other languages
English (en)
Other versions
CN111796521A (zh
Inventor
李佳骏
王恒凯
杜建宇
栗海兵
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.)
FAW Group Corp
Original Assignee
FAW Group Corp
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 FAW Group Corp filed Critical FAW Group Corp
Priority to CN202010651782.0A priority Critical patent/CN111796521B/zh
Publication of CN111796521A publication Critical patent/CN111796521A/zh
Application granted granted Critical
Publication of CN111796521B publication Critical patent/CN111796521B/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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/0275—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using fuzzy logic only
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种前视距离确定方法、装置、设备及存储介质。该方法包括：获取车辆属性信息；根据所述车辆属性信息确定三个预瞄点；将所述三个预瞄点的横向偏差值加权计算得到的目标横向偏差值和所述三个预瞄点的曲率加权计算得到的目标路径点曲率输入模糊控制器，输出目标前视距离，通过本发明的技术方案，以实现通过三个预瞄点的横向偏差和曲率确定前视距离，进而提高智能泊车的路径跟踪效果及稳定性。

Description

一种前视距离确定方法、装置、设备及存储介质
技术领域
本发明实施例涉及车辆技术，尤其涉及一种前视距离确定方法、装置、设备及存储介质。
背景技术
轨迹跟踪是智能车研究的关键问题之一，轨迹跟踪控制的目的是在保证车辆的舒适性和安全性的前提下，能够精确跟踪设计的轨迹。目前应用比较广泛轨迹跟踪算法的有纯跟踪控制、Stanley控制、PID控制、模糊控制、滑膜控制、鲁棒控制、最优控制、模型预测控制等。纯跟踪控制因简单易用被广泛应用。
在纯跟踪控制算法中，前视距离的选择直接影响跟踪效果。较短的前视距离会造成车辆控制的不稳定甚至震荡，为了确保车辆稳定而设置较长的前视距离会造成较大的跟踪误差。
发明内容
本发明实施例提供一种前视距离确定方法、装置、设备及存储介质，以实现通过三个预瞄点的横向偏差和道路曲率确定前视距离，进而提高智能泊车的路径跟踪效果及稳定性。
第一方面，本发明实施例提供了一种前视距离确定方法，包括：
获取车辆属性信息；
根据所述车辆属性信息确定三个预瞄点；
将所述三个预瞄点的横向偏差值加权计算得到的目标横向偏差值和所述三个预瞄点的曲率加权计算得到的目标路径点曲率输入模糊控制器，输出目标前视距离。
第二方面，本发明实施例还提供了一种前视距离确定装置，该装置包括：
获取模块，用于获取车辆属性信息；
确定模块，用于根据所述车辆属性信息确定三个预瞄点；
输出模块，用于将所述三个预瞄点的横向偏差值加权计算得到的目标横向偏差值和所述三个预瞄点的曲率加权计算得到的目标路径点曲率输入模糊控制器，输出目标前视距离。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的方法。
本发明实施例通过获取车辆属性信息；根据所述车辆属性信息确定三个预瞄点；将所述三个预瞄点的横向偏差值加权计算得到的目标横向偏差值和所述三个预瞄点的曲率加权计算得到的目标路径点曲率输入模糊控制器，输出目标前视距离，以实现能够通过三个预瞄点的横向偏差和道路曲率确定前视距离，进而提高智能泊车的路径跟踪效果及稳定性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明实施例一中的一种前视距离确定方法的流程图；
图1a是本发明实施例一中的预瞄点示意图；
图2是本发明实施例二中的一种前视距离确定装置的结构示意图；
图3是本发明实施例三中的一种计算机设备的结构示意图。
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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例一
图1为本发明实施例一提供的一种前视距离确定方法的流程图，本实施例可适用于的情况，该方法可以由本发明实施例中的装置来执行，该装置可采用软件和/或硬件的方式实现，如图1所示，该方法具体包括如下步骤：
S110，获取车辆属性信息。
其中，所述车辆属性信息包括车速，也可以包括其他信息，例如可以是车辆轴距。
具体的，获取车辆属性信息。例如可以是，获取车速和车辆轴距。
S120，根据所述车辆属性信息确定三个预瞄点。
其中，所述预瞄点为路径点。
具体的，根据车辆属性信息从路径点中选取三个路径点作为预瞄点。
S130，将所述三个预瞄点的横向偏差值加权计算得到的目标横向偏差值和所述三个预瞄点的曲率加权计算得到的目标路径点曲率输入模糊控制器，输出目标前视距离。
其中，所述目标横向偏差值根据三个预瞄点的横向偏差进行确定，可以设置三个预瞄点的权重，例如可以是，选取的三个预瞄点得横向偏差值分别为E1、E2、E3。最终参与控制的偏差量计算取三个预瞄点偏差的加权平均均值,即目标横向偏差值E＝k1E1+k2E2+k3E3。其中，E为目标横向偏差值，k1，k2，k3的取值根据偏差点距离车辆当前位置的距离采用近大远小得原则进行选择。
其中，所述目标路径点曲率根据三个预瞄点的曲率进行确定，可以设置三个预瞄点的权重，在计算目标路径点曲率时设置的三个预瞄点的权重可以和计算目标横向偏差时设置的三个预瞄点的权重相同。例如可以是，三个预瞄点的曲率分别为
Figure BDA0002575243560000041
则最终曲率
Figure BDA0002575243560000042
其中，
Figure BDA0002575243560000043
为目标横向偏差值，k1，k2，k3的取值根据偏差点距离车辆当前位置的距离采用近大远小得原则进行选择。
具体的，将所述三个预瞄点的横向偏差值加权计算得到的目标横向偏差值和所述三个预瞄点的曲率加权计算得到的目标路径点曲率输入模糊控制器，输出目标前视距离。例如可以是，选取预瞄点A、预瞄点B和预瞄点C，预瞄点A的横向偏差为E1、预瞄点B的横向偏差为E2、预瞄点C的横向偏差为E3，预瞄点A的曲率为
Figure BDA0002575243560000051
预瞄点B的曲率为
Figure BDA0002575243560000052
预瞄点C的曲率为
Figure BDA0002575243560000053
则目标横向偏差值E通过公式E＝k1E1+k2E2+k3E3计算得到，目标路径点曲率
Figure BDA0002575243560000054
通过公式
Figure BDA0002575243560000055
计算得到。根据目标横向偏差值确定所述目标偏差值所属第一模糊子集，以及所述目标横向偏差值对所述第一模糊子集的隶属度，其中，所述第一模糊子集为横向偏差的模糊子集；根据所述目标路径点曲率确定所述目标路径点曲率所属第二模糊子集，以及所述目标路径点曲率对所述第二模糊子集的隶属度，其中，所述第二模糊子集为路径点曲率的模糊子集；根据所述第一模糊子集和所述第二模糊子集查询所述模糊规则表，得到第三模糊子集，其中，所述第三模糊子集为前视距离的模糊子集；根据所述目标横向偏差值对所述第一模糊子集的隶属度、所述目标路径点曲率对所述第二模糊子集的隶属度，以及第三模糊子集确定目标前视距离。
可选的，通过如下公式计算得到目标横向偏差值：
E＝k1E1+k2E2+k3E3；
其中，E1、E2和E3为三个预瞄点的横向偏差值，其中k1，k2，k3与第一距离成反比，所述第一距离为预瞄点与车辆当前位置的距离。
可选的，通过如下公式计算得到目标路径点曲率：
Figure BDA0002575243560000056
其中，
Figure BDA0002575243560000057
和
Figure BDA0002575243560000058
为三个预瞄点的曲率，其中k1，k2，k3与第一距离成反比，所述第一距离为预瞄点与车辆当前位置的距离。
可选的，所述模糊控制器包括：横向偏差的模糊子集、路径点曲率的模糊子集、前视距离的模糊子集和模糊规则表；
相应的，将所述三个预瞄点的横向偏差值加权计算得到的目标横向偏差值和所述三个预瞄点的曲率加权计算得到的目标路径点曲率输入模糊控制器，输出目标前视距离，包括：
根据所述目标横向偏差值确定所述目标偏差值所属第一模糊子集，以及所述目标横向偏差值对所述第一模糊子集的隶属度，其中，所述第一模糊子集为横向偏差的模糊子集；
根据所述目标路径点曲率确定所述目标路径点曲率所属第二模糊子集，以及所述目标路径点曲率对所述第二模糊子集的隶属度，其中，所述第二模糊子集为路径点曲率的模糊子集；
根据所述第一模糊子集和所述第二模糊子集查询所述模糊规则表，得到第三模糊子集，其中，所述第三模糊子集为前视距离的模糊子集；
根据所述目标横向偏差值对所述第一模糊子集的隶属度、所述目标路径点曲率对所述第二模糊子集的隶属度，以及第三模糊子集确定目标前视距离。
可选的，还包括：
根据横向偏差的论域确定横向偏差的模糊子集；
根据路径点曲率的论域确定路径点曲率的模糊子集；
根据前视距离的论域确定前视距离的模糊子集。
可选的，根据所述车辆属性信息确定三个预瞄点包括：
获取路径点；
根据所述车辆属性信息从所述路径点中选取三个预瞄点。
在一个具体的例子中，基于车辆二自由度运动学模型，纯跟踪算法以车后轴未切点，车辆纵向车身为切线，通过控制前轮转角使车辆沿着一条经过目标路点的圆弧行驶。每执行一个指令周期后，更新后轴坐标以及前视距离，就可以得到实时的前轮转向角控制量。建立大地坐标系0XY，其中(x,y)为车辆后轴中心，(gx,gy)为位于规划路径的下一个追踪点，现需要控制车辆是的车辆的后轴经过该路点。根据正弦定理得：
Figure BDA0002575243560000071
其中：ld为前视距离，即当前位置(即后轴位置)到目标路点的距离；α为目前车身姿态和目标路点的夹角；R为转弯半径。
根据车辆二自由度运动学模型，得到前轮转向角δ与后轴将遵循的曲率之间的几何关系为：
Figure BDA0002575243560000072
其中，L为车辆轴距。
结合以上两式，我们可以得出纯追踪算法控制量的最终表达式：
Figure BDA0002575243560000073
其中预瞄点处的横向偏差EL为：EL＝ld·sin α。
纯跟踪算法因简单易用、跟踪精度高，被广泛应用于智能车轨迹跟踪领域。前视距离是纯追踪算法中一个关键的参数，其取值的大小在很大程度上影响车辆的跟踪效果。较短的前视距离会造成车辆控制的不稳定甚至震荡，为了确保车辆稳定而设置较长的前视距离会造成较大的跟踪误差。仅使用一个预瞄点，路径曲率变化较大时，跟踪效果较差；预瞄点数量多，在跟踪平路和弯度不大的路径过程中会引入过多干扰信息,从而影响车体稳定性。因此，本发明实施例选择三点预瞄方式。
如图1a所示，选取的三个预瞄点得横向偏差值分别为E1、E2、E3。最终参与控制的偏差量计算取三个预瞄点偏差的加权平均均值,即目标横向偏差值E＝k1E1+k2E2+k3E3。其中k1，k2，k3的取值根据偏差点距离车辆当前位置的距离采用近大远小得原则进行选择。同理，三个预瞄点的曲率分别为
Figure BDA0002575243560000081
则目标路径点曲率
Figure BDA0002575243560000082
轨迹跟踪过程中，仅考虑轨迹的横向偏差不能够全面的反应视野前方轨迹变化的情况，引入轨迹的曲率作为输入量，可以增加系统的稳定性。模糊控制器的设计需进行输入模糊接口、模糊规则库、推理算法库和去模糊化接口四个部分。控制器设计为双输入单输出接口，输入变量为横向偏差Ek、路径点曲率
Figure BDA0002575243560000083
输出变量为纯跟踪控制中的前视距离ld，模糊语言值为：
1、横向偏差模糊化
对车辆控制量的计算需将计算所得到的加权平均值映射到车辆坐标系中，若映射得到的坐标为正数，说明其横向偏差为正数，从而车辆应向右转向，若映射得到的坐标为负数，则说明横向偏差为负数，从而车辆应向左转向。
横向偏差的模糊子集为{NB,NM,NS,ZO,PS,PM,PB}，分别代表负大、负中、负小、零、正小、正中、正大。根据实验结果，一般将横向偏差的论域确定为[-1.5m,1.5m]。
2、路径点曲率模糊化
路径点曲率的模糊子集为{NB,NM,NS,ZO,PS,PM,PB}，分别代表负大、负中、负小、零、正小、正中、正大。道路轨迹为凹时曲率为正，为凸时曲率为负，根据实验结果,将路径点曲率的论域确定为[-0.2rad,0.2rad]。
3.前视距离模糊化
前视距离的模糊子集为{S,LS,M,MB,B}，分别代表小、较小、中、较大、大。将前视距离的论域确定为[1,3]。
为了简化算法，提高模型运算速度，采用标准的三角形隶属度函数。确定模糊规则如下表1所示:
表1
Figure BDA0002575243560000091
如上表1所示，选取预瞄点A、预瞄点B和预瞄点C，预瞄点A的横向偏差为E1、预瞄点B的横向偏差为E2、预瞄点C的横向偏差为E3，预瞄点A的曲率为
Figure BDA0002575243560000092
预瞄点B的曲率为
Figure BDA0002575243560000093
预瞄点C的曲率为
Figure BDA0002575243560000094
则目标横向偏差值E通过公式E＝k1E1+k2E2+k3E3计算得到，目标路径点曲率
Figure BDA0002575243560000095
通过公式
Figure BDA0002575243560000096
计算得到。根据目标横向偏差值确定所述目标偏差值属于NB，以及所述目标横向偏差值对所述NB的隶属度；根据所述目标路径点曲率确定所述目标路径点曲率属于NB，以及所述目标路径点曲率对NB的隶属度；根据目标偏差值属于NB和目标路径点曲率属于NB查询表1，得到目标前视距离属于S；根据所述目标横向偏差值对NV的隶属度、所述目标路径点曲率对NB的隶属度，以及S确定目标前视距离。
纯跟踪算法因简单易用、跟踪精度高，被广泛应用于智能车轨迹跟踪领域。前视距离是纯追踪算法中一个关键的参数，其取值的大小在很大程度上影响车辆的跟踪效果。较短的前视距离会造成车辆控制的不稳定甚至震荡，为了确保车辆稳定而设置较长的前视距离会造成较大的跟踪误差。仅使用一个预瞄点，路径曲率变化较大时，跟踪效果较差；预瞄点数量多，在跟踪平路和弯度不大的路径过程中会引入过多干扰信息,从而影响车体稳定性。因此，本发明选择三点预瞄方式。
本实施例的技术方案，通过获取车辆属性信息；根据所述车辆属性信息确定三个预瞄点；将所述三个预瞄点的横向偏差值加权计算得到的目标横向偏差值和所述三个预瞄点的曲率加权计算得到的目标路径点曲率输入模糊控制器，输出目标前视距离，以实现能够通过三个预瞄点的横向偏差和道路曲率确定前视距离，进而提高智能泊车的路径跟踪效果及稳定性。
实施例二
图2为本发明实施例二提供的一种前视距离确定装置的结构示意图。本实施例可适用于前视距离确定的情况，该装置可采用软件和/或硬件的方式实现，该装置可集成在任何提供前视距离确定的功能的设备中，如图2所示，所述前视距离确定装置具体包括：获取模块210、确定模块220和输出模块230。
其中，获取模块，用于获取车辆属性信息；
确定模块，用于根据所述车辆属性信息确定三个预瞄点；
输出模块，用于将所述三个预瞄点的横向偏差值加权计算得到的目标横向偏差值和所述三个预瞄点的曲率加权计算得到的目标路径点曲率输入模糊控制器，输出目标前视距离。
可选的，通过如下公式计算得到目标横向偏差值：
E＝k1E1+k2E2+k3E3；
其中，E1、E2和E3为三个预瞄点的横向偏差值，其中k1，k2，k3与第一距离成反比，所述第一距离为预瞄点与车辆当前位置的距离。
上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
本实施例的技术方案，通过获取车辆属性信息；根据所述车辆属性信息确定三个预瞄点；将所述三个预瞄点的横向偏差值加权计算得到的目标横向偏差值和所述三个预瞄点的曲率加权计算得到的目标路径点曲率输入模糊控制器，输出目标前视距离，以实现能够通过三个预瞄点的横向偏差和道路曲率确定前视距离，进而提高智能泊车的路径跟踪效果及稳定性。
实施例三
图3为本发明实施例三中的一种计算机设备的结构示意图。图3示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图3显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。另外，本实施例中的计算机设备12，显示器24不是作为独立个体存在，而是嵌入镜面中，在显示器24的显示面不予显示时，显示器24的显示面与镜面从视觉上融为一体。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的前视距离确定方法：
获取车辆属性信息；
根据所述车辆属性信息确定三个预瞄点；
将所述三个预瞄点的横向偏差值加权计算得到的目标横向偏差值和所述三个预瞄点的曲率加权计算得到的目标路径点曲率输入模糊控制器，输出目标前视距离。
实施例四
本发明实施例四提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有发明实施例提供的前视距离确定方法：
获取车辆属性信息；
根据所述车辆属性信息确定三个预瞄点；
将所述三个预瞄点的横向偏差值加权计算得到的目标横向偏差值和所述三个预瞄点的曲率加权计算得到的目标路径点曲率输入模糊控制器，输出目标前视距离。
可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中，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。
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发明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)。
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 (7)

1.一种前视距离确定方法，其特征在于，包括：
获取车辆属性信息；
根据所述车辆属性信息确定三个预瞄点；
将所述三个预瞄点的横向偏差值加权计算得到的目标横向偏差值和所述三个预瞄点的曲率加权计算得到的目标路径点曲率输入模糊控制器，输出目标前视距离；
其中，通过如下公式计算得到目标横向偏差值：
Figure DEST_PATH_IMAGE002
；
其中，
Figure DEST_PATH_IMAGE004
、
Figure DEST_PATH_IMAGE006
和
Figure DEST_PATH_IMAGE008
为三个预瞄点的横向偏差值，其中
Figure DEST_PATH_IMAGE010
与第一距离成反比，所述第一距离为预瞄点与车辆当前位置的距离；
其中，通过如下公式计算得到目标路径点曲率：
Figure DEST_PATH_IMAGE012
；
其中，
Figure DEST_PATH_IMAGE014
、
Figure DEST_PATH_IMAGE016
和
Figure DEST_PATH_IMAGE018
为三个预瞄点的曲率，其中
Figure DEST_PATH_IMAGE010A
与第一距离成反比，所述第一距离为预瞄点与车辆当前位置的距离。
2.根据权利要求1所述的方法，其特征在于，所述模糊控制器包括：横向偏差的模糊子集、路径点曲率的模糊子集、前视距离的模糊子集和模糊规则表；
相应的，将所述三个预瞄点的横向偏差值加权计算得到的目标横向偏差值和所述三个预瞄点的曲率加权计算得到的目标路径点曲率输入模糊控制器，输出目标前视距离，包括：
根据所述目标横向偏差值确定所述目标横向偏差值所属第一模糊子集，以及所述目标横向偏差值对所述第一模糊子集的隶属度，其中，所述第一模糊子集为横向偏差的模糊子集；
根据所述目标路径点曲率确定所述目标路径点曲率所属第二模糊子集，以及所述目标路径点曲率对所述第二模糊子集的隶属度，其中，所述第二模糊子集为路径点曲率的模糊子集；
根据所述第一模糊子集和所述第二模糊子集查询所述模糊规则表，得到第三模糊子集，其中，所述第三模糊子集为前视距离的模糊子集；
根据所述目标横向偏差值对所述第一模糊子集的隶属度、所述目标路径点曲率对所述第二模糊子集的隶属度，以及第三模糊子集确定目标前视距离。
3.根据权利要求2所述的方法，其特征在于，还包括：
根据横向偏差的论域确定横向偏差的模糊子集；
根据路径点曲率的论域确定路径点曲率的模糊子集；
根据前视距离的论域确定前视距离的模糊子集。
4.根据权利要求1所述的方法，其特征在于，根据所述车辆属性信息确定三个预瞄点包括：
获取路径点；
根据所述车辆属性信息从所述路径点中选取三个预瞄点。
5.一种前视距离确定装置，其特征在于，包括：
获取模块，用于获取车辆属性信息；
确定模块，用于根据所述车辆属性信息确定三个预瞄点；
输出模块，用于将所述三个预瞄点的横向偏差值加权计算得到的目标横向偏差值和所述三个预瞄点的曲率加权计算得到的目标路径点曲率输入模糊控制器，输出目标前视距离；
其中，通过如下公式计算得到目标横向偏差值：
Figure DEST_PATH_IMAGE002A
；
其中，
Figure DEST_PATH_IMAGE004A
、
Figure DEST_PATH_IMAGE006A
和
Figure DEST_PATH_IMAGE008A
为三个预瞄点的横向偏差值，其中
Figure DEST_PATH_IMAGE010AA
与第一距离成反比，所述第一距离为预瞄点与车辆当前位置的距离；
通过如下公式计算得到目标路径点曲率：
Figure DEST_PATH_IMAGE012A
；
其中，
Figure 393795DEST_PATH_IMAGE014
、
Figure 356941DEST_PATH_IMAGE016
和
Figure 667836DEST_PATH_IMAGE018
为三个预瞄点的曲率，其中
Figure DEST_PATH_IMAGE010AAA
与第一距离成反比，所述第一距离为预瞄点与车辆当前位置的距离。
6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-4中任一所述的方法。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该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。
CN202010651782.0A 2020-07-08 2020-07-08 一种前视距离确定方法、装置、设备及存储介质 Active CN111796521B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010651782.0A CN111796521B (zh) 2020-07-08 2020-07-08 一种前视距离确定方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010651782.0A CN111796521B (zh) 2020-07-08 2020-07-08 一种前视距离确定方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111796521A CN111796521A (zh) 2020-10-20
CN111796521B true CN111796521B (zh) 2022-06-10

Family

ID=72809702

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010651782.0A Active CN111796521B (zh) 2020-07-08 2020-07-08 一种前视距离确定方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111796521B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112572437B (zh) * 2020-12-18 2022-09-30 北京京东乾石科技有限公司 一种行驶方向的确定方法、装置、设备及存储介质
CN113552888B (zh) * 2021-07-29 2022-07-19 中国第一汽车股份有限公司 应用于无人车的行驶轨迹控制方法、装置、设备及介质
CN113353060A (zh) * 2021-08-06 2021-09-07 国汽智控(北京)科技有限公司 车辆的横向控制方法、装置及车辆
CN113788017A (zh) * 2021-08-23 2021-12-14 武汉光庭信息技术股份有限公司 一种车道保持控制方法、系统、电子设备及存储介质
CN114326709A (zh) * 2021-12-03 2022-04-12 成都信息工程大学 一种基于模型预测控制的具有预览特性的智能车辆路径跟踪方法
CN116466589B (zh) * 2023-04-26 2024-02-09 长春理工大学 一种基于自抗扰模型的路径跟踪控制方法、装置、存储介质及电子设备
CN116295447B (zh) * 2023-05-23 2023-08-15 未来机器人（深圳）有限公司 路径跟踪方法及自动导航车

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107097785A (zh) * 2017-05-25 2017-08-29 江苏大学 一种预瞄距离自适应的智能车辆横向控制方法
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
CN108001447A (zh) * 2017-11-23 2018-05-08 江苏大学 一种智能车辆路径跟踪前轮转角补偿控制方法
CN108045435A (zh) * 2017-11-29 2018-05-18 江苏大学 一种路面自适应的智能车辆横向混合控制方法
CN110001637A (zh) * 2019-04-10 2019-07-12 吉林大学 一种基于多点跟踪的无人驾驶汽车路径跟踪控制装置及控制方法
CN110471289A (zh) * 2019-08-28 2019-11-19 湖南大学 一种基于视觉导航移动设备的自适应路径跟踪方法及系统
CN210011734U (zh) * 2019-04-10 2020-02-04 吉林大学 一种基于多点跟踪的无人驾驶汽车路径跟踪控制装置
CN111158377A (zh) * 2020-01-15 2020-05-15 浙江吉利汽车研究院有限公司 一种用于车辆的横向控制方法、系统及车辆

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107097785A (zh) * 2017-05-25 2017-08-29 江苏大学 一种预瞄距离自适应的智能车辆横向控制方法
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
CN108001447A (zh) * 2017-11-23 2018-05-08 江苏大学 一种智能车辆路径跟踪前轮转角补偿控制方法
CN108045435A (zh) * 2017-11-29 2018-05-18 江苏大学 一种路面自适应的智能车辆横向混合控制方法
CN110001637A (zh) * 2019-04-10 2019-07-12 吉林大学 一种基于多点跟踪的无人驾驶汽车路径跟踪控制装置及控制方法
CN210011734U (zh) * 2019-04-10 2020-02-04 吉林大学 一种基于多点跟踪的无人驾驶汽车路径跟踪控制装置
CN110471289A (zh) * 2019-08-28 2019-11-19 湖南大学 一种基于视觉导航移动设备的自适应路径跟踪方法及系统
CN111158377A (zh) * 2020-01-15 2020-05-15 浙江吉利汽车研究院有限公司 一种用于车辆的横向控制方法、系统及车辆

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于纯追踪模型的算法改进;郭璧玺 等;《汽车实用技术》;20190815(第15期);第32-34页 *
自动导航插秧机路径跟踪系统稳定性模糊控制优化方法;唐小涛 等;《农业机械学报》;20180125;第49卷(第1期);第29-34页 *
视觉导航智能车辆横向运动的自适应预瞄控制;陈无畏 等;《中国机械工程》;20140305;第25卷(第5期);第698-704页 *

Also Published As

Publication number Publication date
CN111796521A (zh) 2020-10-20

Similar Documents

Publication Publication Date Title
CN111796521B (zh) 一种前视距离确定方法、装置、设备及存储介质
CN111873991B (zh) 一种车辆转向的控制方法、装置、终端及存储介质
CN113552888B (zh) 应用于无人车的行驶轨迹控制方法、装置、设备及介质
CN112020014B (zh) 一种换道轨迹规划方法、装置、服务器及存储介质
WO2023024879A1 (zh) 电控后轮转向方法、装置、电子设备及存储介质
CN110850895B (zh) 一种路径跟踪方法、装置、设备及存储介质
CN111619554A (zh) 一种车辆后轮转向控制方法、装置、设备及存储介质
WO2023010854A1 (zh) 路径跟踪方法、装置、车辆及存储介质
CN114475781A (zh) 一种车辆控制方法、装置、设备以及存储介质
WO2022247203A1 (zh) 自动驾驶车辆的控制方法、装置、设备以及存储介质
EP3932781B1 (en) Reverse trajectory tracking method and apparatus, electronic device and storage medium
WO2022143919A1 (zh) 转向参数检测方法及装置、计算机设备及可读存储介质
WO2023142794A1 (zh) 一种车辆控制方法、装置、设备以及存储介质
CN112009460B (zh) 一种车辆控制方法、装置、设备及存储介质
WO2024041447A1 (zh) 位姿的确定方法、装置、电子设备和存储介质
CN115576328B (zh) 基于模糊控制器的机器人导航避障方法及装置
CN114413791B (zh) 一种舵轮式叉车舵轮零偏角的检测方法、系统及装置
CN114620074A (zh) 车辆控制方法、装置、电子设备及存储介质
CN113822593A (zh) 一种安全态势评估方法、装置、存储介质及电子设备
CN113219968A (zh) 自动驾驶控制方法及装置
CN110654458B (zh) 车辆方向盘控制方法、装置、计算机设备及车辆
CN113753024B (zh) 一种车辆稳态偏差消除方法、装置、设备及存储介质
Xu Precise path planning and trajectory tracking based on improved A-star algorithm
Zhou et al. Modelling and dynamic analysis of slippage level for large-scale skid-steered unmanned ground vehicle
CN111013147B (zh) 双轮载具的效果渲染方法、装置、存储介质及电子设备

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