CN111813099B - 无人驾驶车的驾驶控制方法及其装置、计算机设备、车辆 - Google Patents
无人驾驶车的驾驶控制方法及其装置、计算机设备、车辆 Download PDFInfo
- Publication number
- CN111813099B CN111813099B CN201910225884.3A CN201910225884A CN111813099B CN 111813099 B CN111813099 B CN 111813099B CN 201910225884 A CN201910225884 A CN 201910225884A CN 111813099 B CN111813099 B CN 111813099B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- behavior
- current
- expected value
- behaviors
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000006399 behavior Effects 0.000 claims abstract description 266
- 230000009471 action Effects 0.000 claims description 42
- 230000008569 process Effects 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 239000000969 carrier Substances 0.000 abstract 2
- 238000000354 decomposition reaction Methods 0.000 description 9
- 238000013461 design Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000004043 responsiveness Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000009510 drug design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
- G05D1/0212—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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明涉及无人驾驶车的驾驶控制方法及其装置、计算机设备、车辆，方法包括如下步骤：S1获取当前车辆环境特征信息和当前车辆位姿信息；S2根据当前车辆环境特征信息、当前车辆位姿信息和目的地信息进行全局路径规划得到车辆行驶路径；S3根据当前车辆环境特征信息、当前车辆位姿信息、车辆行驶路径以及预设车辆行为规则进行车辆行为规划得到当前车辆控制期望值；其中，当前车辆控制期望值为当前各行为的控制期望值之和，所述行为包括车道保持行为、避障行为、跟车巡航行为、紧急停车行为、融入交通流行为和停车等待行为中的一种或多种行为；S4根据当前车辆控制期望值控制车辆行驶；装置、计算机设备为实现方法的载体，车辆安装有载体。本发明结合功能体系结构和行为体系结构，提高无人驾驶控制系统的适应性、可靠性以及安全性。
Description
技术领域
本发明涉及无人驾驶汽车技术领域，具体涉及无人驾驶车的驾驶控制方法及其装置、计算机设备、车辆。
背景技术
对无人驾驶车来说，体系结构是指无人驾驶车系统各部分之间相互关系和功能的分配，用于确定无人驾驶车信息流通关系和逻辑上的计算结构，简而言之，即无人驾驶车信息处理和控制系统的总体结构。对于驾驶控制系统的设计，其首要的问题就是要考虑建立一个适当的体系结构，实现系统模块之间的合理协调，并在系统的软、硬件上具有一定的开放性和可扩展性。体系结构的合理设计将能够实现复杂行为，而这正是结构化环境下无人驾驶车系统所需要具备的能力。
目前无人驾驶车系统架构设计采用功能分解型体系结构或行为分解型体系结构；如图1所示，功能分解型体系结构的主要特点在于其按照系统需要完成的基本任务将系统划分为各个子模块，系统只有一个单向循环的流程，每个模块被看作一个功能组件，在执行阶段则是按照规划结果运行，各模块顺序执行。如图2所示，行为分解型体系结构根据系统的行为划分为几个不同的子模块，如将月球探测车的任务划分为避障、漫游、行走等模块，每一个子模块都能独立控制智能系统完成特定的行为。
在实现本发明的过程中，发明人发现目前无人驾驶车系统架构设计至少存在以下问题：
1)所述功能型分解型体系架构的系统可靠性较差，且系统运行周期较长，不能满足无人驾驶汽车对功能安全以及在紧急工况下的快速响应性能要求；
2)所述功能型分解型体系架构存在对不同环境适应的完备性问题。
发明内容
本发明的目的在于提出一种无人驾驶车的控制方法及其装置、计算机设备、车辆，以解决功能分解型体系结构或行为分解型体系结构存在的问题。
为达本发明目的，本发明第一方面实施例提供一种无人驾驶车的驾驶控制方法，包括如下步骤：
步骤S1、获取当前车辆环境特征信息和当前车辆位姿信息；
步骤S2、根据所述当前车辆环境特征信息、所述当前车辆位姿信息和目的地信息进行全局路径规划得到车辆行驶路径；
步骤S3、根据所述当前车辆环境特征信息、所述当前车辆位姿信息、所述车辆行驶路径以及预设车辆行为规则进行车辆行为规划输出当前车辆控制期望值；其中，所述当前车辆控制期望值为当前各行为的控制期望值之和，所述行为包括车道保持行为、避障行为、跟车巡航行为、紧急停车行为、融入交通流行为和停车等待行为中的一种或多种行为；
步骤S4、根据所述当前车辆控制期望值控制车辆行驶。
优选地，所述步骤S3包括：
S31、根据所述当前车辆环境特征信息、所述车辆行驶路径和所述当前车辆位姿信息确定当前驾驶工况；
S32、根据所述当前驾驶工况确定参与竞争的行为；
S33、根据预设车辆行为规则确定所述参与竞争的行为的权值，并根据参与竞争的行为的权值进行行为规划；
S34、根据以下公式(1)-(2)和所述参与竞争的行为的权值确定当前车辆控制期望值，所述当前车辆控制期望值包括方向盘转角控制期望值和车速控制期望值；
其中，δsw为方向盘转角控制期望值，λi为i行为规划对期望方向盘转角的权值，δsw(i)为i行为规划的方向盘转角控制期望值，V为车速控制期望值，ωi为i行为规划对期望车速的权值，V(i)为i行为规划的车速控制期望值。
优选地，所述若干行为包括车道保持行为、避障行为、跟车巡航行为、紧急停车行为、融入交通流行为和停车等待行为中的一种或多种行为。
优选地，所述步骤S33包括：
若当前驾驶工况为车道没有其他交通物体，则车道保持行为的权值为1，并进行车道保持行为规划得到相应的车辆控制期望值。
优选地，所述步骤S33包括：
若满足第二条件，则紧急停车行为的权值为1，避障行为和跟车巡航行为的权值为0，并进行紧急停车行为规划得到相应的车辆控制期望值；
若满足第一条件且满足第三条件中障碍物与无人驾驶车速度差小于预设干涉阈值，则避障行为的权值为1，跟车巡航行为和紧急停车行为的权值为0，并进行避障行为规划得到相应的车辆控制期望值；
若满足第三条件中障碍物与无人驾驶车速度差大于等于跟车阈值且小于不干涉阈值，则跟车巡航行为的权值为1，避障行为和紧急停车行为的权值为0，并进行跟车巡航行为规划得到相应的车辆控制期望值；
若满足第三条件中障碍物与无人驾驶车速度差大于预设不干涉阈值，则车道保持行为的权值为1，跟车巡航行为、避障行为和紧急停车行为的权值为0，并进行车道保持行为规划得到相应的车辆控制期望值。
其中，不干涉阈值>跟车阈值>干涉阈值。
优选地，所述步骤S31包括：
若当前驾驶工况为车辆前方为道路交叉口，则所述融入交通流行为和停车等待行为根据预设条件进行行为竞争；其中，预设条件包括：第四条件为路口没有交通指示灯或交通指示灯为绿灯、第五条件为tBMP>tAMP+TAB以及第六条件为tAMP>tBMP+TAB；tBMP为侧方车辆到达车辆交汇点所用时间，tAMP为车辆到达车辆交汇点所用时间，TAB为安全时间阈值；
若满足第四条件且满足第五条件或第六条件，则融入交通流行为的权值为1，停车等待行为的权值为0，并进行融入交通流行为规划得到相应的车辆控制期望值；
若不满足第四条件，则停车等待行为的权值为1，融入交通流行为的权值为0，并进行停车等待行为规划得到相应的车辆控制期望值；
若满足第四条件但同时不满足第五条件和第六条件，则停车等待行为的权值为1，融入交通流行为的权值为0，并进行停车等待行为规划得到相应的车辆控制期望值。
优选地，tBMP和tAMP根据如下公式(3)-(4)进行计算：
tBMP＝dBMP/vB (3)
其中，VB为侧方车辆速度，dAMP为车辆到交汇点距离，asat为车辆最大加速度，V0为车辆当前车速，tSW为车辆加速时间，Vplan为行为规划欲达到的最终车速。
优选地，所述当前车辆环境特征信息包括当前车道线特征信息；
所述步骤S33中车道保持行为规划包括：
根据所述当前车道线特征信息和所述当前车辆位姿信息确定车辆的方向盘转角控制期望值。
优选地，所述当前车辆环境特征信息包括当前车道线特征信息和前方障碍物特征信息；
所述步骤S33中避障行为规划包括：
根据所述前方障碍物特征信息和所述当前车辆位姿信息判断车辆与前方障碍物的距离是否大于安全距离；
若大于安全距离，则根据所述当前车辆位姿信息以及所述障碍物特征信息确定车辆绕过所述前方障碍物的当前车辆控制期望值；
在绕过所述前方障碍物后并且车辆与所述前方障碍物的距离大于安全距离时，根据所述当前车道线特征信息和所述当前车辆位姿信息确定使车辆回到车道中心的当前车辆控制期望值。
优选地，所述当前车辆环境特征信息包括前方障碍物特征信息；
所述步骤S33中跟车巡航行为规划包括：
根据车辆与前方障碍物的距离、车辆前方障碍物的速度差以及最小行车间距确定进行跟车巡航的当前车辆控制期望值；其中，车辆跟车巡航过程中与前方障碍物的距离保持大于等于最小行车间距。
优选地，所述当前车辆环境特征信息包括前方障碍物特征信息；
所述步骤S33中紧急停车行为规划包括：
根据所述前方障碍物特征信息和所述当前车辆位姿信息确定车辆与前方障碍物的距离；
判断车辆与前方障碍物的距离是否小于安全距离，若小于安全距离，则操纵执行机构紧急制动。
优选地，所述步骤S33中融入交通流行为规划包括：
获取所述车辆行驶路径上的多个序列点；
根据所述多个序列点拟合虚拟转弯路径；
根据所述虚拟转弯路径确定车辆沿所述虚拟转弯路径行驶的当前车辆控制期望值。
优选地，所述当前车辆环境特征信息包括停车线特征信息和交通灯信息；
所述步骤S33中停车等待行为规划包括：
根据所述停车线特征信息和所述车辆当前位姿信息确定车辆与停车线的距离；
根据所述车辆与停车线的距离、当前车速以及所述交通灯信息确定当前车辆控制期望值。
优选地，所述步骤S4包括：实时获取并根据车辆状态信息与所述当前车辆控制期望值的误差进行闭环控制以实时调整车辆行驶状态。
为达本发明目的，本发明第二方面实施例提供一种用于实现如第一方面实施例所述方法的无人驾驶车的驾驶控制装置，包括：
车载感知单元，用于获取当前车辆环境特征信息和当前车辆位姿信息；
全局路径规划单元，用于根据所述当前车辆环境特征信息、所述当前车辆位姿信息和目的地信息进行全局路径规划得到车辆行驶路径；
驾驶控制单元，用于根据所述当前车辆环境特征信息、所述当前车辆位姿信息、所述车辆行驶路径以及预设车辆行为规则进行车辆行为规划得到当前车辆控制期望值；其中，所述当前车辆控制期望值为当前各行为的控制期望值之和，所述行为包括车道保持行为、避障行为、跟车巡航行为、紧急停车行为、融入交通流行为和停车等待行为中的一种或多种行为；
底盘控制单元，用于根据所述当前车辆控制期望值控制车辆行驶。
为达本发明目的，本发明第三方面实施例提供一种计算机设备，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，实现如第一方面实施例所述的无人驾驶车的控制方法。
为达本发明目的，本发明第四方面实施例提供一种车辆，包括如第二方面实施例所述的无人驾驶车的控制装置或如第三方面实施例所述的计算机设备。
本发明实施例具有如下有益效果：
本发明实施例基于无人驾驶车功能体系结构设计了用于获取当前车辆环境特征信息和当前车辆位姿信息的车载感知单元、用于根据所述当前车辆环境特征信息、所述当前车辆位姿信息和目的地信息进行全局路径规划得到车辆行驶路径的全局路径规划单元、用于根据所述当前车辆环境特征信息、所述当前车辆位姿信息、所述车辆行驶路径以及预设车辆行为规则进行车辆行为规划得到当前车辆控制期望值的驾驶控制单元以及用于根据所述当前车辆控制期望值控制车辆行驶的底盘控制单元，每个单元被看作一个功能组件，在执行阶段则是按照规划结果运行，各模块顺序执行；
进一步地，本发明实施例基于无人驾驶车行为体系结构设计了多个独立进行车辆行为规划的模块，分别用于规划车道保持行为、避障行为、跟车巡航行为、紧急停车行为、融入交通流行为和停车等待行为，根据预设车辆行为规则对各个行为的规划结果进行竞争选择，最后根据行为竞争选择结果得到车辆控制期望值。
本发明实施例将传统的功能体系结构和行为体系结构进行结合，得到一种新的无人驾驶车驾驶控制方法及其装置，提高了无人驾驶车驾驶控制系统的适应性和可靠性，尤其是在紧急工况下的响应性，提升了系统的安全性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1为现有技术中所述功能分解型体系的结构示意图。
图2为现有技术中所述行为分解型体系的结构示意图。
图3为本发明实施例一中一种无人驾驶车的控制方法流程图。
图4为本发明实施例一中车辆行为竞争仲裁过程流程图。
图5为本发明实施例一中道路交叉口停车右转工况示意图。
图6为本发明实施例一中道路交叉口不停车左转工况示意图。
图7为本发明实施例一中道路交叉口融入交通流车辆几何关系示意图。
图8为本发明实施例二中一种无人驾驶车的控制装置结构示意图。
图9为本发明实施例三中一种计算机设备结构图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
另外，为了更好的说明本发明，在下文的具体实施例中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本发明同样可以实施。在一些实例中，对于本领域技术人员熟知的手段未作详细描述，以便于凸显本发明的主旨。
如图3所示，本发明实施例一提供一种无人驾驶车的驾驶控制方法，包括如下步骤：
步骤S1、获取当前车辆环境特征信息和当前车辆位姿信息；
具体而言，本实施例中可以通过设置于车辆上的多个传感单元来获取多种不同的信息，传感单元的型号、数量以及技术参数等的选择具体根据后续步骤中所需信息类型来确定；所述车辆环境特征信息可以是车辆所在车道的车道线特征信息、路面交通标志信息、交通灯等，车辆位姿信息包括车辆的位置信息和姿态信息。
步骤S2、根据所述当前车辆环境特征信息、所述当前车辆位姿信息和目的地信息进行全局路径规划得到车辆行驶路径；
具体而言，本实施例中全局路径规划可以由车载终端的地图软件来完成，全局路径规划功能是地图软件所常规具有的功能，也就是地图导航功能，此处不做详述。
步骤S3、根据所述当前车辆环境特征信息、所述当前车辆位姿信息、所述车辆行驶路径以及预设车辆行为规则进行车辆行为规划输出当前车辆控制期望值；其中，车辆被配置为执行若干行为，所述当前车辆控制期望值为当前各行为的控制期望值之和，所述行为包括车道保持行为、避障行为、跟车巡航行为、紧急停车行为、融入交通流行为和停车等待行为中的一种或多种行为；
具体而言，本实施例中车辆被配置为执行若干行为，所述当前车辆控制期望值为当前各行为的控制期望值之和。本实施例中，所说预设车辆行为规则包括车辆行驶过程中不同工况所对应的行为的优先情况，也就是说，对应某一种工况，车辆执行相应的行为，执行指令对应为车辆控制期望值。其中，若在某一种工况下，不执行某种行为，则该行为的车辆控制期望值应为0，若要执行某种行为，则该行为的车辆控制期望值应为1。步骤S4、根据所述当前车辆控制期望值控制车辆行驶。
具体而言，本实施例中车辆控制期望值为车辆的状态参数，也就是将车辆的状态参数设置为前面步骤S3得出的车辆控制期望值。需说明的是，车辆行驶控制过程是一个实时调整的过程，根据实时获取的车辆环境特征信息、车辆位姿信息等来确定最新的车辆控制期望值，据此来不断控制车辆行驶，使得车辆可以应付各种实时工况，提高系统可靠性和安全性。
在一实施例中，所述步骤S3包括如下子步骤：
步骤S31、根据所述当前车辆环境特征信息、所述车辆行驶路径和所述当前车辆位姿信息确定当前驾驶工况；
步骤S32、根据所述当前驾驶工况确定参与竞争的行为；
步骤S33、根据预设车辆行为规则确定所述参与竞争的行为的权值；
步骤S34、根据以下公式(1)-(2)和所述参与竞争的行为的权值确定当前车辆控制期望值，所述当前车辆控制期望值包括方向盘转角控制期望值和车速控制期望值；
其中，δsw为方向盘转角控制期望值，λi为i行为规划对期望方向盘转角的权值，δsw(i)为i行为规划的方向盘转角控制期望值，V为车速控制期望值，ωi为i行为规划对期望车速的权值，V(i)为i行为规划的车速控制期望值。
具体而言，本实施例中多个行为进行竞争，驾驶控制系统是通过预设车辆行为规则来进行行为仲裁，条件竞争机制的优点即在于满足条件即明确了车辆当前行驶环境下的行为，所以权值确定为1或0，这种机制主要是基于不同行为对车辆进行的纵向或侧向或复合控制；例如当从车道保持行为进入跟车巡航行为，车道保持行为方向盘转角权值将保持为1，车道保持行为车速权值将变为0，而自适应巡航行为方向盘转角权值为0，车速权值为1，无人驾驶车同时对车辆进行纵向和侧向的控制。
在一实施例中，所述若干行为包括但不限于车道保持行为、避障行为、跟车巡航行为、紧急停车行为、融入交通流行为和停车等待行为中的一种或多种。基于本发明实施例构思，根据驾驶过程中出现的情况，可以适当地增加其他车辆行为。
优选地，所述步骤S33包括：
工况一、若当前驾驶工况为车道没有其他交通物体，则车道保持行为的权值为1，并进行车道保持行为规划得到相应的车辆控制期望值。
具体而言，本实施例中在无其他交通物体时，车辆的一般行驶工况为车道保持，因此将车道保持设定为车辆的默认行为状态，即无人驾驶车开始启动后即进入车道保持行为。
在一实施例中，所述步骤S33包括：
工况二、若当前驾驶工况为车道有其他交通物体，即车辆行驶环境由于其他交通物体的出现而发生动态变化时，则所述避障行为、跟车巡航行为和紧急停车行为根据预设条件进行行为竞争；竞争条件因子为车道特征信息、障碍物与无人驾驶车的距离和相对速度，阈值取决于当前车速和传感器延迟时间以及障碍物的速度。
其中，预设条件包括：第一条件为车道为可通过车道、第二条件为障碍物与无人驾驶车时间距离小于安全阈值以及第三条件为障碍物与无人驾驶车速度差与预设阈值的比较结果；
工况二行为竞争过程如下：
若满足第二条件，则紧急停车行为的权值为1，避障行为和跟车巡航行为的权值为0，并进行紧急停车行为规划得到相应的车辆控制期望值；
若满足第一条件且满足第三条件中障碍物与无人驾驶车速度差小于预设干涉阈值，则避障行为的权值为1，跟车巡航行为和紧急停车行为的权值为0，并进行避障行为规划得到相应的车辆控制期望值；
若满足第三条件中障碍物与无人驾驶车速度差大于等于跟车阈值且小于不干涉阈值，则跟车巡航行为的权值为1，避障行为和紧急停车行为的权值为0，并进行跟车巡航行为规划得到相应的车辆控制期望值；
若满足第三条件中障碍物与无人驾驶车速度差大于预设不干涉阈值，则车道保持行为的权值为1，跟车巡航行为、避障行为和紧急停车行为的权值为0，并进行车道保持行为规划得到相应的车辆控制期望值。
其中，不干涉阈值>跟车阈值>干涉阈值。
在一实施例中，所述步骤S31包括：
工况三、若当前驾驶工况为车辆前方为道路交叉口，则所述融入交通流行为和停车等待行为根据预设条件进行行为竞争；其中，预设条件包括：第四条件为路口没有交通指示灯或交通指示灯为绿灯、第五条件为tBMP>tAMP+TAB以及第六条件为tAMP>tBMP+TAB；tBMP为侧方车辆到达车辆交汇点所用时间，tAMP为车辆到达车辆交汇点所用时间，TAB为安全时间阈值；
具体而言，在交叉口遇停车线停车等待融入交通流，停车后将根据车辆环境特征信息中的交通流内的有效车辆状态信息等竞争条件决策是继续等待还是融入交通流，本实施例中定义有效车辆为对无人驾驶车行为即将或已经产生影响的车辆。在融入交通流时，由于传感器等原因，要做以下两个假设：一、其他车辆的速度为匀速；二、无人驾驶车保持恒定加速度，直到达到期望车速。
在道路交叉口时，车辆包括两种行为：停车等待和融入交通流，需综合两种车辆工况来考虑。在低速工况下，无人驾驶车融入交通流时要保证不能干预其他车辆，比如离得太近甚至发生碰撞，所以无人驾驶车在融入交通流时要考虑空间安全距离；但在高速工况下，空间安全距离就不能作为安全融入交通流的唯一评价标准，在这种情况下就要考虑时间安全距离。
在道路交叉口时，典型环境工况如图5停车右转、图6不停车左转，其简化的几何关系表示如图7，图7中A代表无人驾驶车，B代表侧方来车，MP表示两车交汇点。
工况三行为竞争过程如下：
若满足第四条件且满足第五条件或第六条件，则融入交通流行为的权值为1，停车等待行为的权值为0，并进行融入交通流行为规划得到相应的车辆控制期望值；
若不满足第四条件，则停车等待行为的权值为1，融入交通流行为的权值为0，并进行停车等待行为规划得到相应的车辆控制期望值；
若满足第四条件但同时不满足第五条件和第六条件，则停车等待行为的权值为1，融入交通流行为的权值为0，并进行停车等待行为规划得到相应的车辆控制期望值。
在一实施例中，tBMP和tAMP根据如下公式(3)-(4)进行计算：
tBMP＝dBMP/vB (3)
其中，VB为侧方车辆速度，dAMP为车辆到交汇点距离，asat为车辆最大加速度，V0为车辆当前车速，tSW为车辆加速时间，Vplan为行为规划欲达到的最终车速。
在一实施例中，所述当前车辆环境特征信息包括当前车道线特征信息；
其中，所述步骤S33中车道保持行为规划包括：
根据所述当前车道线特征信息和所述当前车辆位姿信息确定车辆的方向盘转角控制期望值。
具体而言，本实施例中所述车道保持行为规划包括车道保持根据视觉系统给出的当前车道线特征信息以及车辆当前位姿实时跟踪车道中心线。对应地，车道保持行为作为独立的行为规划，其具有独立的控制器，控制器的输入主要为车道边界点、车道中心线等信息，依据选取的传感器的不同，车道信息的表达也不同，行为规划根据输入的车道信息利用路径跟踪控制器计算出控制车辆的方向盘转角，输出给底盘控制单元，底盘控制单元控制执行机构执行相应指令，此时底盘控制单元主要实现可视路径的路径跟踪。
在一实施例中，所述当前车辆环境特征信息包括当前车道线特征信息和前方障碍物特征信息；
其中，所述步骤S33中避障行为规划包括：
根据所述前方障碍物特征信息和所述当前车辆位姿信息判断车辆与前方障碍物的距离是否大于安全距离；
若大于安全距离，则根据所述当前车辆位姿信息以及所述障碍物特征信息确定车辆绕过所述前方障碍物的当前车辆控制期望值；
在绕过所述前方障碍物后并且车辆与所述前方障碍物的距离大于安全距离时，根据所述当前车道线特征信息和所述当前车辆位姿信息确定使车辆回到车道中心的当前车辆控制期望值。
具体而言，本实施例中所述避障行为规划包括根据雷达或其他感知系统给出的障碍物信息，结合视觉系统给出的车道线信息，在距离障碍物大于安全距离时避开障碍物，并在远离障碍物且距离障碍物的距离大于安全距离时回到原车道中心；其行为规划根据输入的障碍物信息和车道先信息利用避障控制器计算出绕过障碍物所需要的方向盘转角，输出给底盘控制单元，底盘控制单元控制方向盘转角设置为期望值。
在一实施例中，所述当前车辆环境特征信息包括前方障碍物特征信息；
其中，所述步骤S33中跟车巡航行为规划包括：
根据车辆与前方障碍物的距离、车辆前方障碍物的速度差以及最小行车间距确定进行跟车巡航的当前车辆控制期望值；其中，车辆跟车巡航过程中与前方障碍物的距离保持大于等于最小行车间距。
具体而言，本实施例中所述跟车巡航行为规划包括根据雷达感知系统、视觉感知系统等感知系统给出的前方车辆特征信息，前方车辆为具有一定移动速度的前方障碍物，前方车辆特征信息为影响无人驾驶车行驶的障碍物位置和速度信息，据此对无人驾驶车进行的纵向控制，即是依据最小行车间距，实现车辆速度状态随前方车辆变化的功能。所述跟车巡航行为作为独立的行为规划，其具有独立的控制器，控制器的输入量为无人驾驶车与障碍物的相对距离和速度信息，输出量为车速。
更具体地，本实施例中根据模糊控制理论设计出基于模糊控制的跟车巡航控制器，考虑自适应巡航控制算法要求具有快速响应性和稳定性，因此选用以车距误差及误差变化率为输入的二维模糊控制器。这样既避免了选择一维控制器的动态性能不佳，也避免了采用三维模糊控制器的过于复杂、难以设计和占用计算机资源较多的弊端。
在一实施例中，所述当前车辆环境特征信息包括前方障碍物特征信息；
其中，所述步骤S33中紧急停车行为规划包括：
根据所述前方障碍物特征信息和所述当前车辆位姿信息确定车辆与前方障碍物的距离；
判断车辆与前方障碍物的距离是否小于安全距离，若小于安全距离，则操纵执行机构紧急制动。
具体而言，本实施例中所述紧急停车行为规划包括直接对无人驾驶车进行紧急制动，属于反应式行为，既当这个行为被触发时，不经过控制策略直接操纵执行机构紧急制动，即以最大制动减速度控制车辆。
在一实施例中，所述步骤S33中融入交通流行为规划包括：
获取所述车辆行驶路径上的多个序列点；
根据所述多个序列点拟合虚拟转弯路径；
根据所述虚拟转弯路径确定车辆沿所述虚拟转弯路径行驶的当前车辆控制期望值。
具体而言，本实施例中所述融入交通流行为规划包括根据全局路径规划提供的序列点拟合转弯路径并跟踪虚拟路径对车辆进行控制。所述融入交通流行为作为独立的行为规划，其具有独立的控制器，控制器的输入量为虚拟路径上的点的信息，行为规划根据这些点的信息拟合路径并利用路径跟踪控制器计算出控制车辆的方向盘转角，输出给底盘控制单元，底盘控制单元对虚拟路径的进行路径跟踪控制。
在一实施例中，所述当前车辆环境特征信息包括停车线特征信息和交通灯信息；
所述步骤S33中停车等待行为规划包括：
根据所述停车线特征信息和所述车辆当前位姿信息确定车辆与停车线的距离；
根据所述车辆与停车线的距离、当前车速以及所述交通灯信息确定当前车辆控制期望值。
具体而言，交通指示灯信息即为红绿黄灯；本实施例中所述停车等待行为规划包括根据视觉系统给出的停车线信息以及车辆与停车线的距离，根据车辆与停车线的距离以及指示灯信息对车辆进行纵向控制，使得车辆能够在红灯或黄灯的情况下，及时地停在停车线之前。所述停车等待行为作为独立的行为规划，其具有独立的控制器，控制器的输入量为与停车线的距离和车速信息，输出量为车速。
在一实施例中，所述步骤S4包括：实时获取并根据车辆状态信息与所述当前车辆控制期望值的误差进行闭环控制以实时调整车辆行驶状态，从而提高无人驾驶的控制精度。
如图8所示，本发明实施例二提供一种用于实现如实施例一所述方法的无人驾驶车的驾驶控制装置，包括：
车载感知单元，用于获取当前车辆环境特征信息和当前车辆位姿信息，还用于获取车辆的车速信息和方向盘转角信息等车辆状态信息；
全局路径规划单元，用于根据所述当前车辆环境特征信息、所述当前车辆位姿信息和目的地信息进行全局路径规划得到车辆行驶路径；
驾驶控制单元，用于根据所述当前车辆环境特征信息、所述当前车辆位姿信息、所述车辆行驶路径以及预设车辆行为规则进行车辆行为规划得到当前车辆控制期望值；其中，车辆被配置为执行若干行为，所述当前车辆控制期望值为当前各行为的控制期望值之和；
底盘控制单元，用于根据所述当前车辆控制期望值控制车辆行驶。
需要说明的是，实施例二所述装置与实施例一所述方法对应，因此前述对实施例一所述方法的解释说明也适用于实施例二的装置，其实现原理类似，此处不再赘述。
如图9所示，本发明实施例三提供一种计算机设备100，包括存储器101、处理器102及存储在存储器101上并可在处理器102上运行的计算机程序103，所述处理器102执行所述计算机程序103时，实现如实施例一所述的无人驾驶车的控制方法。
需要说明的是，前述对实施例一所述方法的解释说明也适用于实施例三的计算机设备，其实现原理类似，此处不再赘述。
本发明实施例四提供一种车辆，包括如实施例二所述的无人驾驶车的控制装置或如实施例三所述的计算机设备。
在本说明书的描述中，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
通过以上实施例的描述可知，以上实施例基于无人驾驶车功能体系结构设计了用于获取当前车辆环境特征信息和当前车辆位姿信息的车载感知单元、用于根据所述当前车辆环境特征信息、所述当前车辆位姿信息和目的地信息进行全局路径规划得到车辆行驶路径的全局路径规划单元、用于根据所述当前车辆环境特征信息、所述当前车辆位姿信息、所述车辆行驶路径以及预设车辆行为规则进行车辆行为规划得到当前车辆控制期望值的驾驶控制单元以及用于根据所述当前车辆控制期望值控制车辆行驶的底盘控制单元，每个单元被看作一个功能组件，在执行阶段则是按照规划结果运行，各模块顺序执行；进一步地，以上实施例基于无人驾驶车行为体系结构设计了多个独立进行车辆行为规划的模块，分别用于规划车道保持行为、避障行为、跟车巡航行为、紧急停车行为、融入交通流行为和停车等待行为，根据预设车辆行为规则对各个行为的规划结果进行竞争选择，最后根据行为竞争选择结果得到车辆控制期望值。以上实施例将传统的功能体系结构和行为体系结构进行结合，得到一种新的无人驾驶车驾驶控制方法及其装置，提高了无人驾驶车驾驶控制系统的适应性和可靠性，尤其是在紧急工况下的响应性，提升了系统的安全性。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种无人驾驶车的驾驶控制方法，其特征在于，包括如下步骤：
步骤S1、获取当前车辆环境特征信息和当前车辆位姿信息；
步骤S2、根据所述当前车辆环境特征信息、所述当前车辆位姿信息和目的地信息进行全局路径规划得到车辆行驶路径；
步骤S3、根据所述当前车辆环境特征信息、所述当前车辆位姿信息、所述车辆行驶路径以及预设车辆行为规则进行车辆行为规划输出当前车辆控制期望值；其中，所述当前车辆控制期望值为当前各行为的控制期望值之和，所述行为包括车道保持行为、避障行为、跟车巡航行为、紧急停车行为、融入交通流行为和停车等待行为中的一种或多种行为；
步骤S4、根据所述当前车辆控制期望值控制车辆行驶；
进一步地，所述步骤S3包括：
步骤S31、根据所述当前车辆环境特征信息、所述车辆行驶路径和所述当前车辆位姿信息确定当前驾驶工况；
步骤S32、根据所述当前驾驶工况确定参与竞争的行为；
步骤S33、根据预设车辆行为规则确定所述参与竞争的行为的权值，并根据参与竞争的行为的权值进行行为规划；
步骤S34、根据以下公式（1）-（2）和所述参与竞争的行为的权值确定当前车辆控制期望值，所述当前车辆控制期望值包括方向盘转角控制期望值和车速控制期望值；
（1）
（2）
其中，为方向盘转角控制期望值，/>为i行为规划对期望方向盘转角的权值，/>为i行为规划的方向盘转角控制期望值，V为车速控制期望值，/>为i行为规划对期望车速的权值，/>为i行为规划的车速控制期望值。
2.根据权利要求1所述的无人驾驶车的驾驶控制方法，其特征在于，所述步骤S33包括：
若当前驾驶工况为车道没有其他交通物体，则车道保持行为的权值为1，并进行车道保持行为规划得到相应的车辆控制期望值；
若当前驾驶工况为车道有其他交通物体，所述避障行为、跟车巡航行为和紧急停车行为根据预设条件进行行为竞争；其中，预设条件包括：第一条件为车道为可通过车道、第二条件为障碍物与无人驾驶车时间距离小于安全阈值以及第三条件为障碍物与无人驾驶车速度差大于等于跟车阈值；
若满足第二条件，则紧急停车行为的权值为1，避障行为和跟车巡航行为的权值为0，并进行紧急停车行为规划得到相应的车辆控制期望值；
若满足第一条件且满足第三条件中障碍物与无人驾驶车速度差小于预设干涉阈值，则避障行为的权值为1，跟车巡航行为和紧急停车行为的权值为0，并进行避障行为规划得到相应的车辆控制期望值；
若满足第三条件中障碍物与无人驾驶车速度差大于等于跟车阈值且小于不干涉阈值，则跟车巡航行为的权值为1，避障行为和紧急停车行为的权值为0，并进行跟车巡航行为规划得到相应的车辆控制期望值；
若满足第三条件中障碍物与无人驾驶车速度差大于预设不干涉阈值，则车道保持行为的权值为1，跟车巡航行为、避障行为和紧急停车行为的权值为0，并进行车道保持行为规划得到相应的车辆控制期望值；
其中，不干涉阈值>跟车阈值>干涉阈值。
3.根据权利要求2所述的无人驾驶车的驾驶控制方法，其特征在于，所述步骤S31包括：
若当前驾驶工况为车辆前方为道路交叉口，则所述融入交通流行为和停车等待行为根据预设条件进行行为竞争；其中，预设条件包括：第四条件为路口没有交通指示灯或交通指示灯为绿灯，第五条件为tBMP>tAMP+TAB以及第六条件为tAMP> tBMP +TAB；tBMP为侧方车辆到达车辆交汇点所用时间，tAMP为车辆到达车辆交汇点所用时间，TAB为安全时间阈值；
若满足第四条件且满足第五条件或第六条件，则融入交通流行为的权值为1，停车等待行为的权值为0，并进行融入交通流行为规划得到相应的车辆控制期望值；
若不满足第四条件，则停车等待行为的权值为1，融入交通流行为的权值为0，并进行停车等待行为规划得到相应的车辆控制期望值；
若满足第四条件但同时不满足第五条件和第六条件，则停车等待行为的权值为1，融入交通流行为的权值为0，并进行停车等待行为规划得到相应的车辆控制期望值。
4.根据权利要求3所述的无人驾驶车的驾驶控制方法，其特征在于，tBMP 和tAMP根据如下公式（3）-（4）进行计算：
（3）
（4）
（5）
其中，VB为侧方车辆速度，dAMP为车辆到交汇点距离，asat为车辆最大加速度，V0为车辆当前车速，tSW为车辆加速时间，Vplan为行为规划欲达到的最终车速。
5.根据权利要求2-4任一项所述的无人驾驶车的驾驶控制方法，其特征在于，所述当前车辆环境特征信息包括当前车道线特征信息和前方障碍物特征信息；
所述步骤S33中车道保持行为规划包括：
根据所述当前车道线特征信息和所述当前车辆位姿信息确定车辆的方向盘转角控制期望值；
所述步骤S33中避障行为规划包括：
根据所述前方障碍物特征信息和所述当前车辆位姿信息判断车辆与前方障碍物的距离是否大于安全距离；
若大于安全距离，则根据所述当前车辆位姿信息以及所述障碍物特征信息确定车辆绕过所述前方障碍物的当前车辆控制期望值；
在绕过所述前方障碍物后并且车辆与所述前方障碍物的距离大于安全距离时，根据所述当前车道线特征信息和所述当前车辆位姿信息确定使车辆回到车道中心的当前车辆控制期望值；
所述步骤S33中跟车巡航行为规划包括：
根据车辆与前方障碍物的距离、车辆前方障碍物的速度差以及最小行车间距确定进行跟车巡航的当前车辆控制期望值；其中，车辆跟车巡航过程中与前方障碍物的距离保持大于等于最小行车间距；
所述步骤S33中紧急停车行为规划包括：
根据所述前方障碍物特征信息和所述当前车辆位姿信息确定车辆与前方障碍物的距离；
判断车辆与前方障碍物的距离是否小于安全距离，若小于安全距离，则操纵执行机构紧急制动。
6.根据权利要求3或4所述的无人驾驶车的驾驶控制方法，其特征在于，所述当前车辆环境特征信息包括停车线特征信息和交通灯信息，
所述步骤S33中融入交通流行为规划包括：
获取所述车辆行驶路径上的多个序列点；
根据所述多个序列点拟合虚拟转弯路径；
根据所述虚拟转弯路径确定车辆沿所述虚拟转弯路径行驶的当前车辆控制期望值；
所述步骤S33中停车等待行为规划包括：
根据所述停车线特征信息和所述车辆当前位姿信息确定车辆与停车线的距离；
根据所述车辆与停车线的距离、当前车速以及所述交通灯信息确定当前车辆控制期望值。
7.根据权利要求1所述的无人驾驶车的驾驶控制方法，其特征在于，所述步骤S4包括：实时获取并根据车辆状态信息与所述当前车辆控制期望值的误差进行闭环控制以实时调整车辆行驶状态。
8.一种用于实现权利要求1-7任一项所述方法的无人驾驶车的驾驶控制装置，其特征在于，包括：
车载感知单元，用于获取当前车辆环境特征信息和当前车辆位姿信息；
全局路径规划单元，用于根据所述当前车辆环境特征信息、所述当前车辆位姿信息和目的地信息进行全局路径规划得到车辆行驶路径；
驾驶控制单元，用于根据所述当前车辆环境特征信息、所述当前车辆位姿信息、所述车辆行驶路径以及预设车辆行为规则进行车辆行为规划得到当前车辆控制期望值；其中，所述当前车辆控制期望值为当前各行为的控制期望值之和，所述行为包括车道保持行为、避障行为、跟车巡航行为、紧急停车行为、融入交通流行为和停车等待行为中的一种或多种行为；
底盘控制单元，用于根据所述当前车辆控制期望值控制车辆行驶。
9.一种计算机设备，其特征在于，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，实现如权利要求1-7任一项所述的无人驾驶车的驾驶控制方法。
10.一种车辆，其特征在于，包括如权利要求8所述的无人驾驶车的驾驶控制装置或如权利要求9所述的计算机设备。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910225884.3A CN111813099B (zh) | 2019-03-25 | 2019-03-25 | 无人驾驶车的驾驶控制方法及其装置、计算机设备、车辆 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910225884.3A CN111813099B (zh) | 2019-03-25 | 2019-03-25 | 无人驾驶车的驾驶控制方法及其装置、计算机设备、车辆 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111813099A CN111813099A (zh) | 2020-10-23 |
| CN111813099B true CN111813099B (zh) | 2024-03-05 |
Family
ID=72843566
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910225884.3A Active CN111813099B (zh) | 2019-03-25 | 2019-03-25 | 无人驾驶车的驾驶控制方法及其装置、计算机设备、车辆 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111813099B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112256033B (zh) * | 2020-10-30 | 2022-12-20 | 安徽江淮汽车集团股份有限公司 | 驾驶状态识别方法、设备、存储介质及装置 |
| CN112829765A (zh) * | 2021-01-23 | 2021-05-25 | 湖南喜宝达信息科技有限公司 | 具备无人驾驶功能的电单车控制方法、系统及存储介质 |
| CN113253734A (zh) * | 2021-06-07 | 2021-08-13 | 江西东锐机械有限公司 | 带避障信号传输功能的无人驾驶智能控制器及其控制系统 |
| CN113548049B (zh) * | 2021-07-27 | 2022-05-31 | 武汉理工大学 | 一种基于有限状态机的智能车辆驾驶行为决策方法及系统 |
| CN116022165A (zh) * | 2021-10-25 | 2023-04-28 | 华为技术有限公司 | 一种车辆安全控制方法及装置 |
| CN116442998B (zh) * | 2023-05-12 | 2023-09-15 | 三安车业集团有限公司 | 一种车辆制动控制系统及方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104015726A (zh) * | 2014-06-30 | 2014-09-03 | 长城汽车股份有限公司 | 一种汽车巡航控制方法、装置、系统及车辆 |
| CN104635736A (zh) * | 2014-12-19 | 2015-05-20 | 财团法人车辆研究测试中心 | 用于驾驶行为决策的自动驾驶系统及其方法 |
| CN104925057A (zh) * | 2015-06-26 | 2015-09-23 | 武汉理工大学 | 一种具有多模式切换体系的汽车自适应巡航系统及其控制方法 |
| CN105599763A (zh) * | 2016-01-22 | 2016-05-25 | 奇瑞汽车股份有限公司 | 一种车辆控制方法和装置 |
| CN105691393A (zh) * | 2014-11-25 | 2016-06-22 | 广州汽车集团股份有限公司 | 基于实时路况的车辆智能巡航控制方法及装置 |
| CN106527452A (zh) * | 2016-12-30 | 2017-03-22 | 广州汽车集团股份有限公司 | 一种无人驾驶汽车遇障时运动路径规划方法及系统 |
| CN108225364A (zh) * | 2018-01-04 | 2018-06-29 | 吉林大学 | 一种无人驾驶汽车驾驶任务决策系统及方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6873911B2 (en) * | 2002-02-01 | 2005-03-29 | Nissan Motor Co., Ltd. | Method and system for vehicle operator assistance improvement |
| EP2845779B1 (en) * | 2013-09-09 | 2018-08-01 | Honda Research Institute Europe GmbH | Driving assistance technique for active vehicle control |
| US10611379B2 (en) * | 2016-08-16 | 2020-04-07 | Toyota Jidosha Kabushiki Kaisha | Integrative cognition of driver behavior |
-
2019
- 2019-03-25 CN CN201910225884.3A patent/CN111813099B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104015726A (zh) * | 2014-06-30 | 2014-09-03 | 长城汽车股份有限公司 | 一种汽车巡航控制方法、装置、系统及车辆 |
| CN105691393A (zh) * | 2014-11-25 | 2016-06-22 | 广州汽车集团股份有限公司 | 基于实时路况的车辆智能巡航控制方法及装置 |
| CN104635736A (zh) * | 2014-12-19 | 2015-05-20 | 财团法人车辆研究测试中心 | 用于驾驶行为决策的自动驾驶系统及其方法 |
| CN104925057A (zh) * | 2015-06-26 | 2015-09-23 | 武汉理工大学 | 一种具有多模式切换体系的汽车自适应巡航系统及其控制方法 |
| CN105599763A (zh) * | 2016-01-22 | 2016-05-25 | 奇瑞汽车股份有限公司 | 一种车辆控制方法和装置 |
| CN106527452A (zh) * | 2016-12-30 | 2017-03-22 | 广州汽车集团股份有限公司 | 一种无人驾驶汽车遇障时运动路径规划方法及系统 |
| CN108225364A (zh) * | 2018-01-04 | 2018-06-29 | 吉林大学 | 一种无人驾驶汽车驾驶任务决策系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111813099A (zh) | 2020-10-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111813099B (zh) | 无人驾驶车的驾驶控制方法及其装置、计算机设备、车辆 | |
| RU2727907C1 (ru) | Способ управления вождением и устройство управления вождением | |
| Raravi et al. | Merge algorithms for intelligent vehicles | |
| JP7112658B2 (ja) | 車両運転支援システム及び方法 | |
| JP6680403B2 (ja) | 運転支援車両の目標車速生成方法及び目標車速生成装置 | |
| US20210276550A1 (en) | Target vehicle speed generation method and target vehicle speed generation device for driving assisted vehicle | |
| WO2020081536A1 (en) | Trajectory initialization | |
| CN113165648A (zh) | 用于基于采样对机动车辆的可能轨迹进行规划的控制系统和控制方法 | |
| CN110288847B (zh) | 一种自动驾驶决策方法、装置、系统、存储介质及终端 | |
| JP7183521B2 (ja) | 経路候補設定システム及び経路候補設定方法 | |
| WO2021111164A1 (ja) | 車両制御方法及び車両制御装置 | |
| JP7429172B2 (ja) | 車両制御装置、車両制御方法、およびプログラム | |
| US20230118472A1 (en) | Systems and methods for vehicle motion planning | |
| JP2020111300A (ja) | 車両運転支援システム及び方法 | |
| CN112824995A (zh) | 用于控制机动车辆的方法以及控制装置 | |
| JP7379033B2 (ja) | 運転支援方法及び運転支援装置 | |
| US20220266871A1 (en) | Remote support system and remote support method | |
| JP2020111302A (ja) | 車両運転支援システム及び方法 | |
| JP2021030956A (ja) | 運転支援装置 | |
| US10953876B2 (en) | Target vehicle speed generation method and target vehicle speed generation device for driving-assisted vehicle | |
| WO2021171049A1 (ja) | 車両制御方法及び車両制御装置 | |
| JP2016045636A (ja) | 移動物体進路予測装置 | |
| Ghariblu et al. | Trajectory planning of autonomous vehicle in freeway driving | |
| JP2020163971A (ja) | 車両運転支援装置 | |
| Luu et al. | Real-Time Longitudinal Control for Autonomous Mobile Robot Platform Using Multiple Infrared Sensors |
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 |