CN111923904B - 一种无人驾驶电动汽车的自主避障方法 - Google Patents
一种无人驾驶电动汽车的自主避障方法 Download PDFInfo
- Publication number
- CN111923904B CN111923904B CN202010813240.9A CN202010813240A CN111923904B CN 111923904 B CN111923904 B CN 111923904B CN 202010813240 A CN202010813240 A CN 202010813240A CN 111923904 B CN111923904 B CN 111923904B
- Authority
- CN
- China
- Prior art keywords
- speed
- representing
- automobile
- car
- vehicle
- 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 38
- 230000008569 process Effects 0.000 claims description 12
- 230000001133 acceleration Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 7
- 230000004888 barrier function Effects 0.000 claims description 6
- 244000144992 flock Species 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 18
- 238000005516 engineering process Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004138 cluster model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000001617 migratory effect Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种无人驾驶电动汽车的自主避障方法,根据电动汽车周围环境计算电动汽车的实时避障速度和路径,实时控制电动汽车的行驶,从而实现电动汽车的自主避障,包括计算汽车i相对于附近其他汽车的总排斥速度、汽车i相对于附近其他汽车的总速度校准项和汽车i相对于附近障碍物的速度校准项,根据汽车i当前设定速度、总排斥速度、总速度校准项、速度校准项和速度校准项计算出汽车i的最终速度,当汽车i的最终速度数量值大于速度极大值时,使汽车i保持最终速度的行驶方向,避障行驶速度的数量值为速度极大值,当汽车i的最终速度数量值小于或等于速度极大值时,使汽车i按照最终速度行驶,即能实现电动汽车i的自主避障。
Description
技术领域
本发明属于人工智能技术领域,涉及一种无人驾驶电动汽车的自主避障方法。
背景技术
人工智能技术加快了时代的发展,并且某些领域里可以代替人类来完成相关工作,具有一定的经济和社会价值。自动驾驶技术即是其中一种典型的应用方向。在某些场合,如疲劳驾驶或车速过快时,会导致人的反应能力的下降,从而导致车祸的不断发生,因此能提高安全性的自动驾驶电动汽车技术受到越来越多的关注。
避障功能是自动驾驶技术中一项重要的功能。在遇到障碍时,自动驾驶系统可根据感知获得的障碍物信息与车辆位置,选择最优的避障方法和路线,灵活控制车辆的速度和转向,实现平稳和安全的行驶。
汽车避障技术主要是利用先进的传感技术来増强汽车对行驶环境的感知能力,将感知系统获取的车速、位置等实时信息反馈给系统,同时根据路况与车流的综合信息判断和分析潜在的安全隐患。并在紧急情况下自动采取报警提示、刹车或转向等措施协助和控制汽车主动避开障碍,保证车辆安全、高效和稳定地行驶。国外一些知名的汽车公司已经成功将智能避障系统应用在实际汽车上。
丰田汽车的预碰撞安全(PCS)系统采用摄像头和激光雷达探测前方障碍物,系统会对可能存在的追尾碰撞发出警报。驾驶员意识到危险并踩下刹车后,系统将启动先进的制动辅助系统缩短刹车制动的执行时间,从而显著地降低发生追尾事故的概率,但此系统只能提醒驾驶员,并不能直接采取制动措施,仍需驾驶员自行发出指令,可靠性差。
奥迪公司已经成功开发出车道变换辅助系统,可用于协助驾驶员更安全地进行换道行驶。该系统借助安装在后保险杠中的雷达传感器帮助驾驶员更好地观察盲区的交通状况。如果有汽车从后方迅速靠近或在盲区内有汽车时,后视镜的LED信号化会保持常亮以提醒驾驶员注意换道的危险。然而辅助系统并没有主动避障功能,和丰田汽车的预警系统基本相似,不能有效的解决自主避障问题。
福特公司最新开发的自动避障技术可通过传感器检测周围环境,根据决策机制控制车辆刹车或转向进行避障。当传感器检测到与障碍靠近的过程中司机没有做出反应,系统会通过自动刹车或者直接转向进行避障。这套系统虽然有效地解决了自主避障问题,但如果有多辆汽车、多个墙壁等多障碍物情况,系统此时就不能及时做出反应。
发明内容
本发明的目的是提供一种无人驾驶电动汽车的自主避障方法,解决了现有汽车自动避障方法不能在多障碍物情况下及时做出避障反应的问题。
本发明所采用的技术方案是,一种无人驾驶电动汽车的自主避障方法,根据电动汽车周围环境计算电动汽车的实时避障速度和路径,实时控制电动汽车的行驶,从而实现电动汽车的自主避障,具体包括以下步骤:
步骤1,计算汽车i相对于附近其他汽车的总排斥速度
步骤2,计算汽车i相对于附近其他汽车的总速度校准项
步骤3,计算汽车i相对于车道外部墙壁的速度校准项和相对于车道内部障碍物的速度校准项/>
步骤4,根据汽车i当前设定速度、总排斥速度总速度校准项/>墙壁作用项和障碍物作用项/>计算出汽车i的最终速度/>
步骤5,当汽车i的最终速度对应的数量值大于速度极大值vmax时,使汽车i保持最终速度/>的行驶方向,避障行驶速度的数量值为速度极大值vmax;当汽车i的最终速度对应的数量值小于或等于速度极大值vmax时,使汽车i按照最终速度/>行驶,即能实现电动汽车i的自主避障。
本发明的技术特征还在于,
步骤1的具体过程如下:
步骤1.1,计算汽车i相对于附近其他汽车j的排斥速度
式中,prep代表排斥线性系数,代表汽车i的位置矢量,/>代表汽车j的位置矢量,代表汽车i和汽车j之间的距离值,/>代表汽车i与附近其他汽车的最小安全距离;
步骤1.2,计算汽车i相对于附近所有其他汽车的总排斥速度
步骤2的具体过程如下:
步骤2.1,计算汽车i相对于附近其他汽车j的速度校准项
其中,Cfrict代表速度校准的误差减小系数,vfrict代表速度差定值,代表汽车i和其预期停止点之间的距离,africt代表汽车i的制动曲线加速度参数,pfrict代表汽车i速度的制动线性增益,/>代表汽车i的预定速度,/>代表汽车j的预定速度,vij代表汽车i与汽车j的预定速度差幅值;
代表汽车i相对于汽车j的平滑速度衰减值,可由平滑速度衰减函数D计算得到,平滑速度衰减函数D如下:
式中,r代表电动汽车和其预期停止点之间的距离,a代表汽车的加速度,p代表汽车速度的线性增益;
步骤2.2,计算汽车i相对于附近所有其他汽车的总速度校准项
步骤3中,计算汽车i相对于车道外部墙壁s附近的速度校准项
式中,代表墙壁s的速度,vis代表汽车i预定速度与墙壁s的速度差值,ris代表汽车i与墙壁s的距离值,/>代表停止偏移点,与/>相似,用于车道墙壁的校准,ashill代表墙壁制动加速度,pshill代表墙壁制动曲线增益。
步骤4的具体过程如下:
式中,vflock代表汽车i的自启动速度,代表汽车i相对于车道外部所有墙壁的总速度校准项,/>代表汽车i相对于车道内部障碍物的总速度校准项。
步骤5中,汽车i的实际行驶速度为
本发明的有益效果是,通过综合考虑电动汽车与其周围各障碍物的距离和相对速度来确定电动汽车的避障行驶速度,控制电动汽车按照避障行驶速度行驶,即实现电动汽车的自主避障,该方法可用于控制无人驾驶汽车,也可以在驾驶员过度疲劳时对电动汽车进行自行控制,能有效的避免电动汽车与其周围障碍物发生碰撞,提高了行车安全。
附图说明
图1是本发明电动汽车的自主避障方法的流程示意图;
图2是本发明实施例中短程排斥示意图;
图3是本发明实施例中的中程速度校准示意图;
图4是本发明实施例中远程吸引示意图;
图5为单辆电动汽车在无风且无固定障碍物时的行驶轨迹图;
图6是双辆电动汽车在无风且无固定障碍物时的行驶轨迹图;
图7为单辆电动汽车在无风有固定障碍物时的行驶轨迹图;
图8为双辆电动汽车在无风有固定障碍物时的行驶轨迹图;
图9为双辆电动汽车在有风无固定障碍物时的行驶轨迹图;
图10为双辆电动汽车在有风有固定障碍物时的行驶轨迹图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种无人驾驶电动汽车的自主避障方法,参照图1,先对电动汽车周围的环境进行侦察,得到约束电动汽车行驶的外在条件因素以及电动汽车自身的约束条件,即电动汽车的物理限制,如最小转弯半径,最小行驶速度等,再结合电动汽车的优化函数,路径规划的最优算法,最终得到一条最优路径;根据动力学和运动学将所得到的最优行驶路径转换为最优输入和最优状态,然后将所得到的数据输入行驶控制器,最终得到电动汽车可行驶的实时避障速度以及路径,实时控制电动汽车以避障行驶速度行驶,从而实现电动汽车的自主避障,具体包括以下步骤:
步骤1,检测电动汽车i车头中点到其他车辆车尾的最短距离rij,若rij小于汽车i与附近其他汽车的最小安全距离则实行排斥项。
本发明基于集群行为规则,见图2~图4,是根据早期基于微观主体的模型,建立和维持无碰撞集群只需要理想主体之间三种相互作用:短程排斥,中程速度校准和远程吸引,图2为短程排斥示意图,图3为中程速度校准示意图,图4为远程吸引示意图。在这些一般规则的基础上,数以百计的模型已经出来描述动物,人类,甚至迁移细胞的同步集体运动。这些系统被称为自组织系统,因为它们中的交互是局部的,决策是由自己作出的。自组织集群模型最近的一个应用是在集体机器人学中,在集体机器人学中,作为安全操作的先决条件,可以在这些交互的基础上将其用于自主电动汽车避障的分散控制算法。
计算汽车i相对于附近其他汽车的总排斥速度具体过程如下:
步骤1.1,计算汽车i相对于附近其他汽车j的排斥速度
式中,prep代表排斥线性系数,代表汽车i的位置矢量,/>代表汽车j的位置矢量,代表汽车i和汽车j之间的距离值,/>代表汽车i与附近其他汽车的最小安全距离;
步骤1.2,计算汽车i相对于附近所有其他汽车的总排斥速度为:
步骤2,检测电动汽车i预期停止点位置,根据预期停止点情况,运行速度校准项,构建平滑速度衰减函数D:
式中,r代表电动汽车和其预期停止点之间的距离,a代表汽车的加速度,p代表汽车速度的线性增益;
计算汽车i相对于附近其他汽车的总速度校准项具体过程如下:
步骤2.1,计算汽车i相对于附近其他汽车j的速度校准项
其中,Cfrict代表速度校准的误差减小系数,vfrict代表速度差定值,代表汽车i和其预期停止点之间的距离,africt代表汽车i的制动曲线加速度参数,pfrict代表汽车i速度的制动线性增益,/>代表汽车i的预定速度,/>代表汽车j的预定速度,vij代表汽车i与汽车j的预定速度差幅值,vij=|vi-vj|;
代表汽车i相对于汽车j的平滑速度衰减值,可将相应参数代入平滑速度衰减函数D中计算得到;
步骤2.2,计算汽车i相对于附近所有其他汽车的总速度校准项
步骤3,检测汽车i与车道两旁以及车道中间障碍物的距离,运行障碍物作用项,此处的障碍物为固定不动的物体,如车道两旁的墙壁、车道中间的石头等。
计算汽车i相对于车道外部墙壁s的速度校准项
式中,代表墙壁s的速度,垂直指向虚拟墙的边缘;vis代表汽车i预定速度与墙壁s的速度差值,ris代表汽车i与墙壁s的距离值,/>代表停止偏移点,与/>相似,用于车道墙壁的校准,ashill代表墙壁制动加速度,pshill代表墙壁制动曲线增益。
公式(7)和公式(8)类似于简化后的公式(4)和公式(5),因车道两旁以及车道中间的障碍物为固定不动的物体,所以保持速度校准的误差减小系数为1,公式(7)和公式(8)中的底数s为障碍物个体,
使用相同的概念可以避免车道内的凸形障碍物,但有两个区别:
一是车道外部的墙壁虚拟个体具有向内移动的速度,车道内部的障碍物虚拟个体具有向外移动的速度;二是车道内部的障碍物用一个相对于汽车最近距离的点来表示。因此,对于每一个电动汽车i和障碍物s,本发明定义一个速度分量矢量,类似于方程(7),使用与虚拟墙壁个体相同的参数,电动汽车与车道内部障碍物的速度校准项定义为
步骤4,根据汽车i当前设定速度、总排斥速度总速度校准项/>墙壁作用项/>和障碍物作用项/>计算出汽车i的最终速度/>
式中,vflock代表汽车i的自启动速度,代表汽车i相对于车道外部所有墙壁的总速度校准项,/>代表汽车i相对于车道内部障碍物的总速度校准项。
步骤5,当汽车i的最终速度对应的数量值大于速度极大值vmax时,使汽车i保持最终速度/>的行驶方向,避障行驶速度的数量值为速度极大值vmax;当汽车i的最终速度对应的数量值小于或等于速度极大值vmax时,汽车i的避障行驶速度为/>使汽车i按照最终速度/>行驶,即实现电动汽车i的自主避障,汽车i的避障行驶速度为/>
采用VM虚拟机对本发明电动汽车的自主避障方法进行仿真测试,将robotsim-master放入安装好的VM虚拟机中,根据文件里tool文件里的install提示,分别下载freeglut3-dev、libdevil-dev以及pathon三个库文件,然后执行makefile,会生成一个新的robotflocksim_main文件夹,在主界面输入./robotflocksim_main即可得到仿真界面,仿真界面上具有参数调解框,通过在参数调解框设置公式(1)-公式(9)中各个参数值,本实施例中各参数的取值分别为vflock=4.0m/s,vmax=8.0m/s,vfrict=0.5m/s, prep=0.4/s,pfrict=0.4/s,africt=2.5m/s2,pshill=0.2/s,vshill=6.52m/s,ashill=2.5m/s2,电动汽车的最大加速度amax=6.0m/s2。
然后打开/robotsim-master/parameters/obstacles.default/文件,除过不要屏蔽中间的隔离道,将其余的障碍物数据都屏蔽掉,将NumberofAgent设置为1,即得到如图5所示的仿真图,图5为单辆电动汽车在无风且无固定障碍物时的行驶轨迹图。
图6是两辆电动汽车在无风且无固定障碍物时的行驶轨迹图,打开/robotsim-master/parameters/initparams.dat/文件,将NumberofAgent设置为2,再执行./robotflocksim_main指令,就会得到如图6所示的汽车行驶轨迹,由图6可以明显的看出两辆电动汽车在相聚较近的情况下也可以很好的避免发生碰撞。
图7为单辆电动汽车在无风有固定障碍物情况下的行驶轨迹,打开/robotsim-master/parameters/obstacles.default/文件,使障碍物参数显示出来,设置障碍物参数,然后保存完毕,再执行./robotflocksim_main指令,即会得到如图7所示的仿真图,根据如图7的行驶轨迹,可以看出电动汽车很好的避开了障碍物。
图8为双辆电动汽车在无风有固定障碍物情况下的行驶轨迹图,图9为双辆电动汽车在有风无固定障碍物情况下的行驶轨迹图,风速为20m/s,风的方向水平向右;图10为双辆电动汽车在有风且有固定障碍物情况下的行驶轨迹图,风速为20m/s,风的方向水平向右;结合图6和图8,从图9和图10可看出,相比无风的情况,有风时,电动汽车的运行轨迹略微变化,但没有碰到障碍物。
从图5到图10可看出,采用本发明电动汽车的自主避障方法能有效的避免电动汽车与其周围障碍物发生碰撞,提高了行车安全。
Claims (3)
1.一种无人驾驶电动汽车的自主避障方法,其特征在于,根据电动汽车周围环境计算电动汽车的实时避障速度和路径,实时控制电动汽车的行驶,从而实现电动汽车的自主避障,具体包括以下步骤:
步骤1,计算汽车i相对于附近其他汽车的总排斥速度
所述步骤1的具体过程如下:
步骤1.1,计算汽车i相对于附近其他汽车j的排斥速度
式中,prep代表排斥线性系数,代表汽车i的位置矢量,/>代表汽车j的位置矢量,/>代表汽车i和汽车j之间的距离值,/>代表汽车i与附近其他汽车的最小安全距离;
步骤1.2,计算汽车i相对于附近所有其他汽车的总排斥速度
步骤2,计算汽车i相对于附近其他汽车的总速度校准项
步骤2的具体过程如下:
步骤2.1,计算汽车i相对于附近其他汽车j的速度校准项
其中,Cfrict代表速度校准的误差减小系数,vfrict代表速度差定值,代表汽车i和其预期停止点之间的距离,africt代表汽车i的制动曲线加速度参数,pfrict代表汽车i速度的制动线性增益,/>代表汽车i的预定速度,/>代表汽车j的预定速度,vij代表汽车i与汽车j的预定速度差幅值;/>代表汽车i相对于汽车j的平滑速度衰减值,可由平滑速度衰减函数D计算得到,平滑速度衰减函数D如下:
式中,r代表电动汽车和其预期停止点之间的距离,,a代表汽车的加速度,p代表汽车速度的线性增益;
步骤2.2,计算汽车i相对于附近所有其他汽车的总速度校准项
步骤3,计算汽车i相对于车道外部墙壁的速度校准项和相对于车道内部障碍物的速度校准项/>
步骤3中,计算汽车i相对于车道外部墙壁s的速度校准项
式中,代表墙壁s的速度,vis代表汽车i预定速度与墙壁s的速度差值,ris代表汽车i与墙壁s的距离值,/>代表停止偏移点,与r0 frict相似,用于车道墙壁的校准,ashill代表墙壁制动加速度,pshill代表墙壁制动曲线增益;
步骤4,根据汽车i当前设定速度、总排斥速度总速度校准项/>墙壁作用项和障碍物作用项/>计算出汽车i的最终速度/>
步骤5,当汽车i的最终速度对应的数量值大于速度极大值vmax时,使汽车i保持最终速度/>的行驶方向,避障行驶速度的数量值为速度极大值vmax;当汽车i的最终速度/>对应的数量值小于或等于速度极大值vmax时,使汽车i按照最终速度/>行驶,即实现电动汽车i的自主避障。
2.根据权利要求1所述的一种无人驾驶电动汽车的自主避障方法,其特征在于,所述步骤4的具体过程如下:
式中,vflock代表汽车i的自启动速度,代表汽车i相对于车道外部所有墙壁的总速度校准项,/>代表汽车i相对于车道内部障碍物的总速度校准项。
3.根据权利要求2所述的一种无人驾驶电动汽车的自主避障方法,其特征在于,所述步骤5中,汽车i的实际行驶速度为
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010813240.9A CN111923904B (zh) | 2020-08-13 | 2020-08-13 | 一种无人驾驶电动汽车的自主避障方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010813240.9A CN111923904B (zh) | 2020-08-13 | 2020-08-13 | 一种无人驾驶电动汽车的自主避障方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111923904A CN111923904A (zh) | 2020-11-13 |
CN111923904B true CN111923904B (zh) | 2024-03-08 |
Family
ID=73311702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010813240.9A Active CN111923904B (zh) | 2020-08-13 | 2020-08-13 | 一种无人驾驶电动汽车的自主避障方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111923904B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117141472B (zh) * | 2023-10-26 | 2023-12-26 | 集美大学 | 一种车辆行驶主动避障控制系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101076008B1 (ko) * | 2010-07-19 | 2011-10-21 | 삼성탈레스 주식회사 | 자기장을 이용하여 경로계획을 생성하는 자율주행 로봇 |
CN108326849A (zh) * | 2018-01-04 | 2018-07-27 | 浙江大学 | 一种基于改进人工势场法的多自由度机械臂动态避障路径规划方法 |
CN108995538A (zh) * | 2018-08-09 | 2018-12-14 | 金龙联合汽车工业(苏州)有限公司 | 一种电动汽车的无人驾驶系统 |
CN109318890A (zh) * | 2018-06-29 | 2019-02-12 | 北京理工大学 | 一种基于动态窗口及障碍物势能场的无人车动态避障方法 |
CN109562759A (zh) * | 2016-07-26 | 2019-04-02 | 伟摩有限责任公司 | 为自主车辆确定对象的可行驶性 |
CN109878514A (zh) * | 2019-03-13 | 2019-06-14 | 的卢技术有限公司 | 一种车辆周围环境的分项方法及其应用系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9216745B2 (en) * | 2013-09-16 | 2015-12-22 | Disney Enterprises, Inc. | Shared control of semi-autonomous vehicles including collision avoidance in multi-agent scenarios |
US11231715B2 (en) * | 2018-05-22 | 2022-01-25 | King Fahd University Of Petroleum And Minerals | Method and system for controlling a vehicle |
-
2020
- 2020-08-13 CN CN202010813240.9A patent/CN111923904B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101076008B1 (ko) * | 2010-07-19 | 2011-10-21 | 삼성탈레스 주식회사 | 자기장을 이용하여 경로계획을 생성하는 자율주행 로봇 |
CN109562759A (zh) * | 2016-07-26 | 2019-04-02 | 伟摩有限责任公司 | 为自主车辆确定对象的可行驶性 |
CN108326849A (zh) * | 2018-01-04 | 2018-07-27 | 浙江大学 | 一种基于改进人工势场法的多自由度机械臂动态避障路径规划方法 |
CN109318890A (zh) * | 2018-06-29 | 2019-02-12 | 北京理工大学 | 一种基于动态窗口及障碍物势能场的无人车动态避障方法 |
CN108995538A (zh) * | 2018-08-09 | 2018-12-14 | 金龙联合汽车工业(苏州)有限公司 | 一种电动汽车的无人驾驶系统 |
CN109878514A (zh) * | 2019-03-13 | 2019-06-14 | 的卢技术有限公司 | 一种车辆周围环境的分项方法及其应用系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111923904A (zh) | 2020-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3678911B1 (en) | Pedestrian behavior predictions for autonomous vehicles | |
CN113386795B (zh) | 一种自动驾驶车辆智能决策及局部轨迹规划方法及其决策系统 | |
Kazemi et al. | A learning-based stochastic MPC design for cooperative adaptive cruise control to handle interfering vehicles | |
WO2020143288A1 (zh) | 一种复杂工况下自动驾驶车辆决策系统及其轨迹规划方法 | |
EP0483905B1 (en) | Method and apparatus for controlling high speed vehicles | |
Ferrara et al. | Second order sliding mode control of vehicles with distributed collision avoidance capabilities | |
JP2020157985A (ja) | 車両の走行制御装置 | |
CN109131326A (zh) | 一种具有换道辅助功能的自适应巡航控制器及其工作方法 | |
US20230021615A1 (en) | Vehicle control device, and vehicle control system | |
CN110481544A (zh) | 一种针对行人的汽车避撞方法及避撞系统 | |
CN105691388A (zh) | 一种汽车主动避撞系统及其轨迹规划方法 | |
CN106796759A (zh) | 车辆控制系统 | |
Liu et al. | Enabling safe freeway driving for automated vehicles | |
EP3911548B1 (en) | Vehicle control | |
CN111634292B (zh) | 一种用于矿区的碰撞预测方法 | |
Sun et al. | An active safety control method of collision avoidance for intelligent connected vehicle based on driving risk perception | |
KR20200089275A (ko) | 적어도 부분적으로 자동으로 주행하는 자동차를 위한 운전자 보조 시스템, 자동차 및 자동차 동역학을 제어하기 위한 방법 | |
WO2019061616A1 (en) | IMPEDANCE BASED MOTION CONTROL FOR AUTONOMOUS VEHICLES | |
CN106218612B (zh) | 一种汽车安全行驶的方法、装置以及终端 | |
CN113508070B (zh) | 用于自动驾驶机动车辆的汽车电子横向动力学控制系统 | |
Choi et al. | Emergency collision avoidance maneuver based on nonlinear model predictive control | |
US20220261003A1 (en) | Driver-centric model predictive controller | |
CN116946137A (zh) | 一种基于驾驶意图的车路协同智能车辆换道防碰撞系统 | |
CN205396080U (zh) | 一种汽车主动避撞系统 | |
JP2023016669A (ja) | 自律走行車両の制御装置及び方法 |
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 |