CN111857152B - 用于生成车辆控制信息的方法和装置 - Google Patents

Abstract

本公开的实施例公开了用于生成车辆控制信息的方法和装置。该方法的一具体实施方式包括：获取目标车辆的当前状态信息；从与该目标车辆对应的参考轨迹所包括的轨迹点对应的轨迹点信息中分别提取位置信息和时间信息与该当前状态信息匹配的轨迹点信息作为横向参考点信息和纵向参考点信息；根据该横向参考点信息的位置信息和路程信息以及该纵向参考点信息的速度信息和路程信息，生成与该当前状态信息对应的参考轨迹点信息；基于该当前状态信息与该参考轨迹点信息之间的差异的最小化，生成车辆控制信息，其中，该车辆控制信息包括加速度信息和转向角信息。该实施方式实现了控制自动驾驶车辆在轨迹跟踪过程的横纵向解耦，从而改善了车辆控制精度。

Description

用于生成车辆控制信息的方法和装置

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于生成车辆控制信息的方法和装置。

背景技术

随着自动驾驶技术的发展，模型预测控制(Model Predictive Control，MPC)在车辆轨迹跟踪领域的应用也越来越广泛。模型预测控制通常包括预测模型的建立，滚动优化和反馈校正等部分。

相关的技术中，对于参考轨迹点的选取通常是在轨迹规划的基础上从参考轨迹中选取距离当前时刻位置最近的点，并且以所选取的轨迹点对应的位置信息和速度信息作为状态变量的参考值。由于所选取的位置信息和速度信息对应于同一个轨迹点，造成车辆优化控制过程中横向(转向角)和纵向(加减速)强耦合，导致车辆轨迹跟踪的效果较差。

发明内容

本公开的实施例提出了用于生成车辆控制信息的方法和装置。

第一方面，本公开的实施例提供了一种用于生成车辆控制信息的方法，该方法包括：获取目标车辆的当前状态信息，其中，当前状态信息包括当前时刻的位置信息和速度信息；从与目标车辆对应的参考轨迹所包括的轨迹点对应的轨迹点信息中分别提取位置信息和时间信息与当前状态信息匹配的轨迹点信息作为横向参考点信息和纵向参考点信息，其中，轨迹点信息包括位置信息、速度信息、时间信息和路程信息；根据横向参考点信息的位置信息和路程信息以及纵向参考点信息的速度信息和路程信息，生成与当前状态信息对应的参考轨迹点信息；基于当前状态信息与参考轨迹点信息之间的差异的最小化，生成车辆控制信息，其中，车辆控制信息包括加速度信息和转向角信息。

在一些实施例中，上述基于当前状态信息与参考轨迹点信息之间的差异的最小化，生成车辆控制信息，包括：基于当前状态信息与参考轨迹点信息之间的差异，生成目标函数；基于目标车辆对应的运动学模型和/或动力学模型，生成与目标函数对应的约束条件；利用最优化算法生成车辆控制信息，以使目标函数最小化。

在一些实施例中，上述基于当前状态信息与参考轨迹点信息之间的差异，生成目标函数，包括：根据当前状态信息的位置信息与参考轨迹点信息的位置信息之间的差异，生成目标车辆坐标系下的横向位置偏差信息；根据当前状态信息的位置信息与参考轨迹点信息的位置信息和路程信息，生成目标车辆坐标系下的纵向位置偏差信息；根据当前状态信息的速度信息与参考轨迹点信息的速度信息之间的差异，生成速度偏差信息；生成与横向位置偏差信息、纵向位置偏差信息和速度偏差信息正相关的目标函数。

在一些实施例中，上述生成与横向位置偏差信息、纵向位置偏差信息和速度偏差信息正相关的目标函数，包括：生成与横向位置偏差信息、纵向位置偏差信息、速度偏差信息以及车辆控制信息正相关的目标函数。

在一些实施例中，该方法还包括：响应于确定横向位置偏差信息和/或纵向位置偏差信息大于各自对应的预设阈值，向目标设备发送指示重新进行轨迹规划的信息。

在一些实施例中，上述目标函数包括：

其中，上述lat_error,i、lon_error,i、v_i、θ_i、a_i、δ_i分别用于表征时刻i对应的横向位置偏差信息、纵向位置偏差信息、速度信息、航向角信息、加速度信息和转向角信息，上述v_r,i和θ_r,i分别用于表征时刻i对应的参考轨迹点信息的速度信息和航向角信息，上述w_l、w_s、w_v、w_θ、w_a、w_δ分别用于表征各项对应的预设权重值，上述N_p和上述N_c分别用于表征预测时域和控制时域，上述i用于标识上述预测时域和上述控制时域中的各时刻。

在一些实施例中，上述最优化算法包括二次规划模型，上述二次规划模型通过以下形式表示：

s.t.lb≤A*X≤ub

其中，上述X用于表征上述目标函数对应的优化变量矩阵，上述P矩阵和上述q矩阵分别根据上述目标函数中对应项的系数而确定，上述A矩阵用于表征上述约束条件，上述lb和ub分别用于表征上述约束条件的上、下限。

在一些实施例中，在上述基于当前状态信息与参考轨迹点信息之间的差异的最小化，生成车辆控制信息之前，该方法还包括：获取属于预测时域内的目标数目个参考轨迹点信息；以及上述基于当前状态信息与参考轨迹点信息之间的差异的最小化，生成车辆控制信息，包括：基于各参考轨迹点信息与目标车辆对应的状态信息之间的差异的最小化，迭代生成车辆控制信息序列；从车辆控制信息序列中提取与当前状态信息对应的车辆控制信息。

第二方面，本公开的实施例提供了一种用于生成车辆控制信息的装置，该装置包括：第一获取单元，被配置成获取目标车辆的当前状态信息，其中，当前状态信息包括当前时刻的位置信息和速度信息；提取单元，被配置成从与目标车辆对应的参考轨迹所包括的轨迹点对应的轨迹点信息中分别提取位置信息和时间信息与当前状态信息匹配的轨迹点信息作为横向参考点信息和纵向参考点信息，其中，轨迹点信息包括位置信息、速度信息、时间信息和路程信息；第一生成单元，被配置成根据横向参考点信息的位置信息和路程信息以及纵向参考点信息的速度信息和路程信息，生成与当前状态信息对应的参考轨迹点信息；第二生成单元，被配置成基于当前状态信息与参考轨迹点信息之间的差异的最小化，生成车辆控制信息，其中，车辆控制信息包括加速度信息和转向角信息。

在一些实施例中，上述第二生成单元包括：函数生成子单元，被配置成基于当前状态信息与参考轨迹点信息之间的差异，生成目标函数；约束生成子单元，被配置成基于目标车辆对应的运动学模型和/或动力学模型，生成与目标函数对应的约束条件；优化子单元，被配置成利用最优化算法生成车辆控制信息，以使目标函数最小化。

在一些实施例中，上述函数生成子单元包括：横向偏差生成模块，被配置成根据当前状态信息的位置信息与参考轨迹点信息的位置信息之间的差异，生成目标车辆坐标系下的横向位置偏差信息；纵向偏差生成模块，被配置成根据当前状态信息的位置信息与参考轨迹点信息的位置信息和路程信息，生成目标车辆坐标系下的纵向位置偏差信息；速度偏差生成模块，被配置成根据当前状态信息的速度信息与参考轨迹点信息的速度信息之间的差异，生成速度偏差信息；函数生成模块，被配置成生成与横向位置偏差信息、纵向位置偏差信息和速度偏差信息正相关的目标函数。

在一些实施例中，上述函数生成模块被进一步配置成：生成与横向位置偏差信息、纵向位置偏差信息、速度偏差信息以及车辆控制信息正相关的目标函数。

在一些实施例中，该装置还包括：发送单元，被配置成响应于确定横向位置偏差信息和/或纵向位置偏差信息大于各自对应的预设阈值，向目标设备发送指示重新进行轨迹规划的信息。

在一些实施例中，上述目标函数包括：

其中，上述lat_error,i、lon_error,i、v_i、θ_i、a_i、δ_i分别用于表征时刻i对应的横向位置偏差信息、纵向位置偏差信息、速度信息、航向角信息、加速度信息和转向角信息，上述v_r,i和θ_r,i分别用于表征时刻i对应的参考轨迹点信息的速度信息和航向角信息，上述w_l、w_s、w_v、w_θ、w_a、w_δ分别用于表征各项对应的预设权重值，上述N_p和上述N_c分别用于表征预测时域和控制时域，上述i用于标识上述预测时域和上述控制时域中的各时刻。

在一些实施例中，上述最优化算法包括二次规划模型，上述二次规划模型通过以下形式表示：

s.t.lb≤A*X≤ub

其中，上述X用于表征上述目标函数对应的优化变量矩阵，上述P矩阵和上述q矩阵分别根据上述目标函数中对应项的系数而确定，上述A矩阵用于表征上述约束条件，上述lb和ub分别用于表征上述约束条件的上、下限。

在一些实施例中，该装置还包括：第二获取单元，被配置成获取属于预测时域内的目标数目个参考轨迹点信息；以及上述第二生成单元包括：序列生成子单元，被配置成基于各参考轨迹点信息与目标车辆对应的状态信息之间的差异的最小化，迭代生成车辆控制信息序列；提取子单元，被配置成从车辆控制信息序列中提取与当前状态信息对应的车辆控制信息。

第三方面，本公开的实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本公开的实施例提供了一种自动驾驶车辆，该自动驾驶车辆包括：如第三方面中所描述的电子设备；车辆底盘，被配置成获取车辆控制信息；根据车辆控制信息，调整自动驾驶车辆的行驶状态；车身；动力设备。

第五方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本公开的实施例提供的用于生成车辆控制信息的方法和装置，通过从横向、纵向选取不同的参考轨迹点；以及将所选取的横向参考点信息的位置信息和路程信息以及纵向参考点信息的速度信息和路程信息进行组合作为轨迹跟踪的参考轨迹点信息，不仅可以对不同轨迹点的信息的充分利用，而且实现了控制自动驾驶车辆在轨迹跟踪过程的横纵向解耦，从而改善对复杂路况(例如参考轨迹航向角变化更频繁、速度变化更频繁)下的车辆控制精度和响应速度。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的用于生成车辆控制信息的方法的一个实施例的流程图；

图3是根据本公开的实施例的用于生成车辆控制信息的方法的一个应用场景的示意图；

图4是根据本公开的用于生成车辆控制信息的方法的又一个实施例的流程图；

图5是根据本公开的用于生成车辆控制信息的装置的一个实施例的结构示意图；

图6是适于用来实现本公开的实施例的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本公开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相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的用于生成车辆控制信息的方法或用于生成车辆控制信息的装置的示例性架构100。

如图1所示，系统架构100可以包括车辆传感器101、车辆控制器102、车辆执行设备103和网络104。网络104用以在车辆传感器101、车辆控制器102、车辆执行设备103之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

车辆传感器101、车辆控制器102、车辆执行设备103可以是硬件，也可以是软件。当车辆传感器101、车辆控制器102、车辆执行设备103为硬件时，车辆传感器101可以从车辆执行设备103获取车辆的当前状态生成当前状态信息；车辆控制器102可以从车辆传感器101获取所生成的当前状态信息，并进行分析处理，以生成车辆控制信息；车辆执行设备103可以从车辆控制器102获取所生成的车辆控制信息，并根据所获取的车辆控制信息调整车辆的行驶状态。

当车辆传感器101、车辆控制器102、车辆执行设备103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

可选地，车辆控制器102可以是用于控制自动驾驶车辆的云端服务器。云端服务器可以是硬件，也可以是软件。当云端服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当云端服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本公开的实施例所提供的用于生成车辆控制信息的方法一般由车辆控制器102执行，相应地，用于生成车辆控制信息的装置一般设置于车辆控制器102中。

应该理解，图1中的车辆传感器、车辆控制器、车辆执行设备和网络的数目仅仅是示意性的。根据实现需要，可以具有任意数目的车辆传感器、车辆控制器、车辆执行设备和网络。

继续参考图2，示出了根据本公开的用于生成车辆控制信息的方法的一个实施例的流程200。该用于生成车辆控制信息的方法包括以下步骤：

步骤201，获取目标车辆的当前状态信息。

在本实施例中，用于生成车辆控制信息的方法的执行主体(如图1所示的车辆控制器102)可以通过有线连接方式或者无线连接方式获取目标车辆的当前状态信息。其中，上述当前状态信息包括当前时刻的位置信息和速度信息。上述目标车辆可以是根据实际的应用需求而预先指定的、受车辆控制器(例如云端服务器)所控制的任意车辆，上述目标车辆也可以是根据规则而定的车辆(例如车辆控制器所安装的车辆)。

具体地，上述执行主体可以获取预先存储于本地的当前状态信息，也可以从与之通信连接的电子设备(例如安装于上述目标车辆的传感器)获取上述当前状态信息。其中，上述位置信息和速度信息可以作为当前时刻对应的状态变量。上述位置信息可以包括笛卡尔坐标系下的横、纵坐标和航向角，例如(x,y,θ)。上述速度信息可以包括速率(v)和方向。上述速度的方向通常与上述航向角一致。

步骤202，从与目标车辆对应的参考轨迹所包括的轨迹点对应的轨迹点信息中分别提取位置信息和时间信息与当前状态信息匹配的轨迹点信息作为横向参考点信息和纵向参考点信息。

在本实施例中，上述执行主体可以首先获取与上述目标车辆对应的参考轨迹。其中，上述参考轨迹通常为上层轨迹规划模块所生成的轨迹点信息集合。上述轨迹点信息可以包括位置信息、速度信息、时间信息和路程信息。上述位置信息可以用于指示轨迹点的位置。上述速度信息可以用于指示上述目标车辆到达上述轨迹点的期望速度。上述时间信息可以用于指示上述目标车辆到达上述轨迹点的期望时间。上述路程信息可以用于指示上述轨迹点与预设路径起点之间的路程。而后，上述执行主体可以从上述参考轨迹所包括的轨迹点对应的轨迹点信息中提取位置信息与上述步骤201所获取的当前状态信息的位置信息匹配的轨迹点信息作为横向参考点信息。其中，上述位置信息匹配例如可以包括位置之间的距离最近。上述执行主体还可以从上述参考轨迹所包括的轨迹点对应的轨迹点信息中提取时间信息与上述步骤201所获取的当前时刻匹配的轨迹点信息作为纵向参考点信息。其中，上述时间信息匹配例如可以包括时间信息所指示的时刻与当前时刻最接近。

步骤203，根据横向参考点信息的位置信息和路程信息以及纵向参考点信息的速度信息和路程信息，生成与当前状态信息对应的参考轨迹点信息。

在本实施例中，上述执行主体可以从步骤203所获取的横向参考点信息中提取位置信息和路程信息。上述执行主体还可以从步骤203所获取的纵向参考点信息中提取速度信息和路程信息。而后，上述执行主体可以将上述横向参考点信息中的位置信息、路程信息和上述纵向参考点信息中的速度信息、路程信息进行组合，生成与当前状态信息对应的参考轨迹点信息。从而，上述参考轨迹点信息对应的状态变量可以包括[x_r,y_r,θ_r,v_r,s_r1,s_r2]。其中，上述x_r,y_r,θ和s_r1可以分别用于表征上述横向参考点信息中的位置信息和路程信息。上述v_r和s_r2可以分别用于表征上述纵向参考点信息中的速度信息和路程信息。

步骤204，基于当前状态信息与参考轨迹点信息之间的差异的最小化，生成车辆控制信息。

在本实施例中，基于当前状态信息与参考轨迹点信息之间的差异的最小化，上述执行主体可以通过各种最优化算法进行求解，从而生成上述车辆控制信息。其中，上述车辆控制信息可以包括加速度信息(a)和转向角信息(δ)。

在本实施例的一些可选的实现方式中，基于当前状态信息与参考轨迹点信息之间的差异的最小化，上述执行主体可以通过以下步骤生成车辆控制信息：

第一步，基于当前状态信息与参考轨迹点信息之间的差异的最小化，生成目标函数。

在这些实现方式中，上述执行主体可以首先确定步骤201所获取的当前状态信息与参考轨迹点信息之间的差异。其中，上述差异可以包括以下至少一项：位置信息之间的差异，速度信息之间的差异。而后，上述执行主体可以基于上述所生成的差异的最小化，生成目标函数。

可选地，基于当前状态信息与参考轨迹点信息之间的差异，上述执行主体可以通过以下步骤生成目标函数：

S1、根据当前状态信息的位置信息与参考轨迹点信息的位置信息之间的差异，生成目标车辆坐标系下的横向位置偏差信息。

在这些实现方式中，根据当前状态信息的位置信息与参考轨迹点信息的位置信息之间的差异，上述执行主体可以生成目标车辆坐标系下的横向位置偏差信息。作为示例，上述执行主体可以首先利用Frenet公式将位置信息中的笛卡尔坐标系下的坐标转换为目标车辆坐标系下的坐标。转换方式可以如公式(1)和公式(2)所示。而后，上述执行主体可以将转换后的车辆的横向位移确定为上述目标车辆坐标系下的横向位置偏差信息lat_error，如公式(3)所示。

dl＝(y-y_r)·cosθ_r-(x-x_r)·sinθ_r (1)

ds＝(y-y_r)·sinθ_r+(x-x_r)·cosθ_r (2)

lat_error＝dl (3)

其中，上述dl可以用于表征车辆的横向位移；上述ds可以用于表征车辆的纵向位移。上述x,y,θ和x_r,y_r,θ_r可以分别用于表征当前状态信息的位置信息和参考轨迹点信息的位置信息。

S2、根据当前状态信息的位置信息与参考轨迹点信息的位置信息和路程信息，生成目标车辆坐标系下的纵向位置偏差信息。

在这些实现方式中，根据当前状态信息的位置信息与参考轨迹点信息的位置信息和路程信息，上述执行主体可以生成目标车辆坐标系下的纵向位置偏差信息。作为示例，上述执行主体可以基于上述步骤S1所生成的车辆的纵向位移和步骤202所提取的纵向参考点和横向参考点的路程信息之间的差值，生成上述目标车辆坐标系下的纵向位置偏差信息lon_error，如公式(4)所示。

lon_error＝ds+s_r2-s_r1 (4)

其中，上述s_r1和s_r2可以分别用于表征上述横向参考点信息中的路程信息和纵向参考点信息中的路程信息。

需要说明的是，上述纵向位置偏差信息的计算公式通常与当前状态信息的速度信息所指示的速率与参考轨迹点信息的速度信息所指示的速率之间的大小关系一致。

基于上述可选的实现方式，上述执行主体可以在转换值目标车辆坐标系后充分利用横向参考点和纵向参考点各自的轨迹点信息，从而提升确定轨迹偏差的准确性，进而可以提升轨迹跟踪的效果。

S3、根据当前状态信息的速度信息与参考轨迹点信息的速度信息之间的差异，生成速度偏差信息。

在这些实现方式中，根据当前状态信息的速度信息与参考轨迹点信息的速度信息之间的差异，上述执行主体可以通过各种方式生成速度偏差信息。作为示例，上述执行主体可以将当前状态信息的速度信息与参考轨迹点信息的速度信息之间的差值确定为上述速度偏差信息。

S4、生成与横向位置偏差信息、纵向位置偏差信息和速度偏差信息正相关的目标函数。

在这些实现方式中，上述执行主体可以生成与上述步骤S1所生成的横向位置偏差信息、上述步骤S2所生成的纵向位置偏差信息和上述步骤S3所生成的速度偏差信息正相关的目标函数。

作为示例，上述目标函数可以如公式(5)所示：

J₁＝|lat_error|+|lon_error|+|v-v_r|+|θ-θ_r| (5)

其中，上述“||”可以用于表征取绝对值。式中其他符号的含义可以与前述描述一致，此处不再赘述。

可选地，上述执行主体还可以生成与横向位置偏差信息、纵向位置偏差信息、速度偏差信息以及车辆控制信息正相关的目标函数。

在这些实现方式中，上述目标函数中还可以包括车辆控制信息。作为示例，上述目标函数可以如公式(6)所示：

J₂＝w_l·|lat_error|+w_s·|lon_error|+w_v·|v-v_r|+w_θ·|θ-θ_r|+w_a·|a|+w_δ·|δ|(6)

其中，上述w_l、w_s、w_v、w_θ、w_a、w_δ可以分别用于表征各项对应的预设权重值。上述权重值通常为0～1之间。式中其他符号的含义可以与前述描述一致，此处不再赘述。

基于上述可选的实现方式，上述执行主体可以将车辆控制信息添加至车辆控制的目标函数。通过将目标函数最小化，实现了将车辆控制信息的尽量减小，从而保证车辆行驶的平稳性以及减小车辆硬件设备的损耗。

可选地，响应于确定横向位置偏差信息和/或纵向位置偏差信息大于各自对应的预设阈值，上述执行主体还可以向目标设备发送指示重新进行轨迹规划的信息。

在这些实现方式中，上述目标设备通常可以包括用于执行轨迹规划的设备，例如自动驾驶系统。

基于上述可选的实现方式，上述执行主体可以在当前位置与参考轨迹偏差过大的情况下，触发重新进行轨迹规划。由于轨迹规划属于轨迹跟踪的上层决策，通过重新进行轨迹规划的触发，实现了对不适合当前路况的轨迹规划的调整。

第二步，基于目标车辆对应的运动学模型和/或动力学模型，生成与目标函数对应的约束条件。

在这些实现方式中，基于目标车辆对应的运动学模型和/或动力学模型，上述执行主体可以通过各种方式生成与目标函数对应的约束条件。作为示例，上述约束条件可以包括运动学模型和/或动力学模型的基本公式。作为又一示例，上述约束条件还可以包括经过线性化之后的运动学模型和/或动力学模型的基本公式。其中，上述线性化方式可以包括一阶泰勒级数展开。

可选地，上述约束条件还可以包括以下至少一项：车辆加速度增量约束，车辆转角增量约束。上述车辆加速度增量约束和车辆转角增量约束通常可以根据车辆本身特性、实时性、车辆平稳性等情况而预先设定相应的上、下限，以满足车辆本身特性约束和平稳运行等需求。

需要说明的是，上述约束条件通常还可以包括车辆初始状态约束，车辆加速度约束，车辆速度约束，车辆转角约束。其中，上述车辆加速度约束、车辆速度约束、车辆转角约束通常可以根据地图、行驶场景、运营需求以及车辆本身特性等实际情况而预先设定相应的上、下限。

基于上述可选的实现方式，通过将目标车辆对应的运动学模型和/或动力学模型作为约束条件而非作为待优化的目标函数中的其中一项，降低了方法的复杂度，减少了计算时间，从而更适于车辆时变模型的应用。

第三步，利用最优化算法生成车辆控制信息，以使目标函数最小化。

可选地，上述最优化算法可以包括二次规划模型。

在这些实现方式中，上述目标函数可以包括但不限于如前述的J₁、J₂等各种形式的目标函数。

从而，可以将上述目标函数转化为二次规划模型求解，如公式(7)所示：

s.t.lb≤A*X≤ub

其中，上述X矩阵可以用于表征包括上述车辆控制信息的决策变量，即上述目标函数对应的优化变量。作为示例，X矩阵中的行向量或列向量可以用于表征上述目标车辆某一状态的状态变量[x,y,θ,v,a,δ]。式中其他符号的含义可以与前述描述一致，此处不再赘述。

根据如前所述的目标函数中对应项的系数，可以确定上述公式(7)中的P矩阵和q矩阵。上述约束矩阵A可以根据上述第二步的约束条件生成。

基于上述可选的实现方式，采用二次规划模型求解，与线性规划相比能够更精细地对目标函数进行拟合，与其他非线性规划相比能够有效地减少计算时间，从而实现在计算精度和计算时间两方面的平衡。

在本实施例的一些可选的实现方式中，在求解过程中所涉及到的关于三角函数的计算，上述执行主体可以采用查表的方式进行计算，以减少运算时间。

在本实施例的一些可选的实现方式中，上述执行主体还可以向目标执行终端发送车辆控制信息，以调整目标车辆的行驶状态。其中，上述目标执行终端可以是安装在上述目标车辆上的执行机构。上述目标执行终端可以在接收到上述车辆控制信息之后，调整车辆的方向盘或油门踏板，以调整上述目标车辆的行驶状态。

继续参见图3，图3是根据本公开的实施例的用于生成车辆控制信息的方法的应用场景的一个示意图。在图3的应用场景中，自动驾驶配送车可以首先获取当前状态信息。其中，上述当前状态信息例如可以包括距计时起点15.0s时的位置(如图3中的点A所示)和速度信息。自动驾驶配送车可以根据当前状态信息从参考轨迹(如图3中的实曲线S1所示)所包括的轨迹点中选取点X’和点A’对应的轨迹点信息分别作为横向参考点信息和纵向参考点信息。之后，自动驾驶配送车可以将点X’对应的位置信息和路程信息以及点A’对应的速度信和路程信息组成参考轨迹点信息。而后，自动驾驶配送车可以基于上述当前状态信息与上述参考轨迹点信息之间的差异的最小化，生成包括加速度信息和转向角信息的车辆控制信息。

可选地，自动驾驶配送车还可以从上述参考轨迹中向后获取有限时间步的若干个轨迹点对应的轨迹点信息，从而生成针对预测行驶轨迹(如图3中的虚曲线S2所示)的车辆控制信息序列。

可选地，自动驾驶配送车还可以根据上述所生成的车辆控制信息调整行驶状态。

目前，现有技术之一通常是在轨迹规划的基础上从参考轨迹中选取距离当前时刻位置最近的点，并且以所选取的轨迹点对应的位置信息和速度信息作为状态变量的参考值，导致在低速、人行道行驶等的复杂路况下对车辆进行轨迹跟踪的效果较差。而本公开的上述实施例提供的方法，通过从横向、纵向选取不同的参考轨迹点并将所选取的参考轨迹点对应的信息进行组合作为轨迹跟踪的参考轨迹点信息，实现了控制自动驾驶车辆在轨迹跟踪过程的横纵向解耦，从而改善对复杂路况(例如参考轨迹航向角变化更频繁、速度变化更频繁)下的车辆控制精度和响应速度。

进一步参考图4，其示出了用于生成车辆控制信息的方法的又一个实施例的流程400。该用于生成车辆控制信息的方法的流程400，包括以下步骤：

步骤401，获取目标车辆的当前状态信息。

步骤402，从与目标车辆对应的参考轨迹所包括的轨迹点对应的轨迹点信息中分别提取位置信息和时间信息与当前状态信息匹配的轨迹点信息作为横向参考点信息和纵向参考点信息。

步骤403，根据横向参考点信息的位置信息和路程信息以及纵向参考点信息的速度信息和路程信息，生成与当前状态信息对应的参考轨迹点信息。

上述步骤401、步骤404、步骤405分别与前述实施例中的步骤201、步骤202的可选的实现方式、步骤203一致，上文针对步骤201、步骤202的可选的实现方式和步骤203的描述也适用于步骤401、步骤404和步骤405，此处不再赘述。

步骤404，获取属于预测时域内的目标数目个参考轨迹点信息。

在本实施例中，用于生成车辆控制信息的方法的执行主体(例如图1所示的车辆控制器102)可以通过各种方式获取属于预测时域内的目标数目个参考轨迹点信息。其中，上述预测时域内的参考轨迹点信息的获取可以与前述实施例中步骤202、203所描述的方式一致，此处不再赘述。

需要说明的是，需要将上述当前状态替换为上述预测时域内的对应时刻的状态。

步骤405，基于各参考轨迹点信息与目标车辆对应的状态信息之间的差异的最小化，迭代生成车辆控制信息序列。

在本实施例中，上述执行主体可以基于各参考轨迹点信息与目标车辆对应的状态信息之间的差异的最小化，采用与前述实施例中步骤204及其可选的实现方式一致的方式，迭代生成车辆控制信息序列。

在本实施例的一些可选的实现方式中，待优化的目标函数可以如公式(8)所示：

其中，上述N_p和N_c可以分别用于表征预测时域和控制时域。上述下标i可以用于标识预测时域和控制时域中的各时刻。式中其他符号的含义可以与前述描述一致，此处不再赘述。

上述执行主体可以采用各种优化方法对上述目标函数进行求解，从而生成与控制时域对应的车辆控制信息序列。其中，上述车辆控制信息序列中通常包括在上述控制时域中各时间步对应的时刻的车辆控制信息。

步骤406，从车辆控制信息序列中提取与当前状态信息对应的车辆控制信息。

在本实施例中，上述执行主体可以从步骤405所生成的车辆控制信息序列中提取与当前状态信息对应的车辆控制信息。由于上述车辆控制信息序列通常按照时间顺序排列，因此上述执行主体通常从上述车辆控制序列中提取第一项车辆控制信息作为与当前状态信息对应的车辆控制信息。

从图4中可以看出，本实施例中的用于生成车辆控制信息的方法的流程400体现了获取属于预测时域内的目标数目个参考轨迹点信息的步骤，以及生成车辆控制信息序列的步骤。由此，本实施例描述的方案可以输出，从而实现了在未来有限时间步的车辆控制信息序列的生成，从而保证了车辆行驶过程的平稳性以及对车辆控制的及时性。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了用于生成车辆控制信息的装置的一个实施例，该装置实施例与图2或图4所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例提供的用于生成车辆控制信息的装置500包括第一获取单元501、提取单元502、第一生成单元503和第二生成单元504。其中，第一获取单元501，被配置成获取目标车辆的当前状态信息，其中，当前状态信息包括当前时刻的位置信息和速度信息；提取单元502，被配置成从与目标车辆对应的参考轨迹所包括的轨迹点对应的轨迹点信息中分别提取位置信息和时间信息与当前状态信息匹配的轨迹点信息作为横向参考点信息和纵向参考点信息，其中，轨迹点信息包括位置信息、速度信息、时间信息和路程信息；第一生成单元503，被配置成根据横向参考点信息的位置信息和路程信息以及纵向参考点信息的速度信息和路程信息，生成与当前状态信息对应的参考轨迹点信息；第二生成单元504，被配置成基于当前状态信息与参考轨迹点信息之间的差异的最小化，生成车辆控制信息，其中，车辆控制信息包括加速度信息和转向角信息。

在本实施例中，用于生成车辆控制信息的装置500中：第一获取单元501、提取单元502、第一生成单元503和第二生成单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，上述第二生成单元504可以包括函数生成子单元(图中未示出)、约束生成子单元(图中未示出)、优化子单元(图中未示出)。其中，上述函数生成子单元可以被配置成基于当前状态信息与参考轨迹点信息之间的差异，生成目标函数。上述约束生成子单元可以被配置成基于目标车辆对应的运动学模型和/或动力学模型，生成与目标函数对应的约束条件。上述优化子单元可以被配置成利用最优化算法生成车辆控制信息，以使目标函数最小化。

在本实施例的一些可选的实现方式中，上述函数生成子单元可以包括横向偏差生成模块(图中未示出)、纵向偏差生成模块(图中未示出)、速度偏差生成模块(图中未示出)、函数生成模块(图中未示出)。其中，上述横向偏差生成模块，可以被配置成根据当前状态信息的位置信息与参考轨迹点信息的位置信息之间的差异，生成目标车辆坐标系下的横向位置偏差信息。上述纵向偏差生成模块，可以被配置成根据当前状态信息的位置信息与参考轨迹点信息的位置信息和路程信息，生成目标车辆坐标系下的纵向位置偏差信息。上述速度偏差生成模块，可以被配置成根据当前状态信息的速度信息与参考轨迹点信息的速度信息之间的差异，生成速度偏差信息。上述函数生成模块，可以被配置成生成与横向位置偏差信息、纵向位置偏差信息和速度偏差信息正相关的目标函数。

在本实施例的一些可选的实现方式中，上述函数生成模块可以被进一步配置成生成与横向位置偏差信息、纵向位置偏差信息、速度偏差信息以及车辆控制信息正相关的目标函数。

在本实施例的一些可选的实现方式中，上述用于生成车辆控制信息的装置500还可以包括：发送单元(图中未示出)，被配置成响应于确定横向位置偏差信息和/或纵向位置偏差信息大于各自对应的预设阈值，向目标设备发送指示重新进行轨迹规划的信息。

在本实施例的一些可选的实现方式中，上述目标函数可以包括：

其中，上述lat_error,i、lon_error,i、v_i、θ_i、a_i、δ_i可以分别用于表征时刻i对应的横向位置偏差信息、纵向位置偏差信息、速度信息、航向角信息、加速度信息和转向角信息。上述v_r,i和θ_r,i可以分别用于表征时刻i对应的参考轨迹点信息的速度信息和航向角信息。上述w_l、w_s、w_v、w_θ、w_a、w_δ可以分别用于表征各项对应的预设权重值。上述N_p和上述N_c可以分别用于表征预测时域和控制时域。上述i可以用于标识上述预测时域和上述控制时域中的各时刻。

在本实施例的一些可选的实现方式中，上述最优化算法可以包括二次规划模型。上述二次规划模型可以通过以下形式表示：

s.t.lb≤A*X≤ub

其中，上述X可以用于表征上述目标函数对应的优化变量矩阵。上述P矩阵和上述q矩阵可以分别根据上述目标函数中对应项的系数而确定。上述A矩阵可以用于表征上述约束条件。上述lb和ub可以分别用于表征上述约束条件的上、下限。

在本实施例的一些可选的实现方式中，上述用于生成车辆控制信息的装置500还可以包括：第二获取单元(图中未示出)，被配置成获取属于预测时域内的目标数目个参考轨迹点信息。上述第二生成单元可以包括序列生成子单元(图中未示出)、提取子单元(图中未示出)。其中，上述序列生成子单元，可以被配置成基于各参考轨迹点信息与目标车辆对应的状态信息之间的差异的最小化，迭代生成车辆控制信息序列。上述提取子单元，可以被配置成从车辆控制信息序列中提取与当前状态信息对应的车辆控制信息。

本公开的上述实施例提供的装置，通过提取单元502从横向、纵向选取不同的参考轨迹点；以及第一生成单元503将所选取的横向参考点信息的位置信息和路程信息以及纵向参考点信息的速度信息和路程信息进行组合作为轨迹跟踪的参考轨迹点信息，不仅可以对不同轨迹点的信息的充分利用，而且实现了控制自动驾驶车辆在轨迹跟踪过程的横纵向解耦，从而改善对复杂路况(例如参考轨迹航向角变化更频繁、速度变化更频繁)下的车辆控制精度和响应速度。

下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的自动驾驶车辆的控制系统)600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD，Liquid CrystalDisplay)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。

需要说明的是，上述电子设备可以单独存在，也可以安装在车辆中。当上述电子设备安装在车辆中的时候，也可以将上述功能集成在车辆的驾驶控制系统中。

还需要说明的是，本公开的实施例所述的自动驾驶车辆可以包括如前描述的电子设备、车辆底盘、车身和动力设备。其中，上述车辆底盘，可以被配置成获取前述实施例所描述的车辆控制信息；根据上述车辆控制信息，调整上述自动驾驶车辆的行驶状态。

本公开的实施例所述的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或者是上述两者的任意组合。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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本公开的实施例中，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。而在本公开的实施例中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF(RadioFrequency，射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取目标车辆的当前状态信息，其中，当前状态信息包括当前时刻的位置信息和速度信息；从与目标车辆对应的参考轨迹所包括的轨迹点对应的轨迹点信息中分别提取位置信息和时间信息与当前状态信息匹配的轨迹点信息作为横向参考点信息和纵向参考点信息，其中，轨迹点信息包括位置信息、速度信息、时间信息和路程信息；根据横向参考点信息的位置信息和路程信息以及纵向参考点信息的速度信息和路程信息，生成与当前状态信息对应的参考轨迹点信息；基于当前状态信息与参考轨迹点信息之间的差异的最小化，生成车辆控制信息，其中，车辆控制信息包括加速度信息和转向角信息。

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公开的实施例的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)。

附图中的流程图和框图，图示了按照本公开的各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器，包括第一获取单元、提取单元、第一生成单元和第二生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取目标车辆的当前状态信息的单元，其中，当前状态信息包括当前时刻的位置信息和速度信息”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (12)

1.一种用于生成车辆控制信息的方法，包括：

获取目标车辆的当前状态信息，其中，所述当前状态信息包括当前时刻的位置信息和速度信息；

从与所述目标车辆对应的参考轨迹所包括的轨迹点对应的轨迹点信息中分别提取位置信息和时间信息与所述当前状态信息匹配的轨迹点信息作为横向参考点信息和纵向参考点信息，其中，所述轨迹点信息包括位置信息、速度信息、时间信息和路程信息，所述时间信息用于指示所述目标车辆到达所述轨迹点的期望时间，所述路程信息用于指示所述轨迹点与预设路径起点之间的路程；

根据所述横向参考点信息的位置信息和路程信息以及所述纵向参考点信息的速度信息和路程信息，生成与所述当前状态信息对应的参考轨迹点信息；

基于所述当前状态信息与所述参考轨迹点信息之间的差异的最小化，生成车辆控制信息，其中，所述车辆控制信息包括加速度信息和转向角信息。

2.根据权利要求1所述的方法，其中，所述基于所述当前状态信息与所述参考轨迹点信息之间的差异的最小化，生成车辆控制信息，包括：

基于所述当前状态信息与所述参考轨迹点信息之间的差异，生成目标函数；

基于所述目标车辆对应的运动学模型和/或动力学模型，生成与所述目标函数对应的约束条件；

利用最优化算法生成所述车辆控制信息，以使所述目标函数最小化。

3.根据权利要求2所述的方法，其中，所述基于所述当前状态信息与所述参考轨迹点信息之间的差异，生成目标函数，包括：

根据所述当前状态信息的位置信息与所述参考轨迹点信息的位置信息之间的差异，生成所述目标车辆坐标系下的横向位置偏差信息；

根据所述当前状态信息的位置信息与所述参考轨迹点信息的位置信息和路程信息，生成所述目标车辆坐标系下的纵向位置偏差信息；

根据所述当前状态信息的速度信息与所述参考轨迹点信息的速度信息之间的差异，生成速度偏差信息；

生成与所述横向位置偏差信息、纵向位置偏差信息和速度偏差信息正相关的目标函数。

4.根据权利要求3所述的方法，其中，所述生成与所述横向位置偏差信息、纵向位置偏差信息和速度偏差信息正相关的目标函数，包括：

生成与所述横向位置偏差信息、纵向位置偏差信息、速度偏差信息以及车辆控制信息正相关的目标函数。

5.根据权利要求3所述的方法，其中，所述方法还包括：

响应于确定所述横向位置偏差信息和/或所述纵向位置偏差信息大于各自对应的预设阈值，向目标设备发送指示重新进行轨迹规划的信息。

6.根据权利要求4所述的方法，其中，所述目标函数包括：

其中，所述lat_error,i、lon_error,i、v_i、θ_i、a_i、δ_i分别用于表征时刻i对应的横向位置偏差信息、纵向位置偏差信息、速度信息、航向角信息、加速度信息和转向角信息，所述v_r,i和θ_r,i分别用于表征时刻i对应的参考轨迹点信息的速度信息和航向角信息，所述w_l、w_s、w_v、w_θ、w_a、w_δ分别用于表征各项对应的预设权重值，所述N_p和所述N_c分别用于表征预测时域和控制时域，所述i用于标识所述预测时域和所述控制时域中的各时刻。

7.根据权利要求2所述的方法，其中，所述最优化算法包括二次规划模型，所述二次规划模型通过以下形式表示：

s.t.lb≤A*X≤ub

其中，所述X用于表征所述目标函数对应的优化变量矩阵，所述P矩阵和所述q矩阵分别根据所述目标函数中对应项的系数而确定，所述A矩阵用于表征所述约束条件，所述lb和所述ub分别用于表征所述约束条件的上、下限。

8.根据权利要求1-7之一所述的方法，其中，在所述基于所述当前状态信息与所述参考轨迹点信息之间的差异的最小化，生成车辆控制信息之前，所述方法还包括：

获取属于预测时域内的目标数目个参考轨迹点信息；

以及

所述基于所述当前状态信息与所述参考轨迹点信息之间的差异的最小化，生成车辆控制信息，包括：

基于各参考轨迹点信息与所述目标车辆对应的状态信息之间的差异的最小化，迭代生成车辆控制信息序列；

从所述车辆控制信息序列中提取与所述当前状态信息对应的车辆控制信息。

9.一种用于生成车辆控制信息的装置，包括：

第一获取单元，被配置成获取目标车辆的当前状态信息，其中，所述当前状态信息包括当前时刻的位置信息和速度信息；

提取单元，被配置成从与所述目标车辆对应的参考轨迹所包括的轨迹点对应的轨迹点信息中分别提取位置信息和时间信息与所述当前状态信息匹配的轨迹点信息作为横向参考点信息和纵向参考点信息，其中，所述轨迹点信息包括位置信息、速度信息、时间信息和路程信息，所述时间信息用于指示所述目标车辆到达所述轨迹点的期望时间，所述路程信息用于指示所述轨迹点与预设路径起点之间的路程；

第一生成单元，被配置成根据所述横向参考点信息的位置信息和路程信息以及所述纵向参考点信息的速度信息和路程信息，生成与所述当前状态信息对应的参考轨迹点信息；

第二生成单元，被配置成基于所述当前状态信息与所述参考轨迹点信息之间的差异的最小化，生成车辆控制信息，其中，所述车辆控制信息包括加速度信息和转向角信息。

10.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。

11.一种自动驾驶车辆，包括：

如权利要求10所述电子设备；

车辆底盘，被配置成获取所述车辆控制信息；根据所述车辆控制信息，调整所述自动驾驶车辆的行驶状态；

车身；

动力设备。

12.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-8中任一所述的方法。