CN112046504A - 无人驾驶车辆及其横向控制方法、电子设备 - Google Patents

Abstract

一种无人驾驶车辆及其横向控制方法、电子设备，上述方法包括：获取预瞄点的位置序列；根据车辆相对于N个预瞄点中每个预瞄点的位置偏差期望圆周曲率、航向偏差期望圆周曲率和轨迹曲率期望圆周曲率来确定加权期望圆周曲率；以及根据加权期望圆周曲率确定方向盘转角以及期望转角速度，以控制方向盘的转动，实现横向控制。获取预瞄点的位置序列包括：根据车辆的实时车速和当前期望轨迹的曲率确定预瞄点个数N；根据实时车速确定N个参考点的位置序列，N个参考点位于车辆的当前行驶方向上；确定当前期望轨迹上距离N个参考点中各个参考点的距离最近的点为横向控制的预瞄点。上述方法提升了预瞄点的适用性和横向控制的实时控制精度。

Description

无人驾驶车辆及其横向控制方法、电子设备

技术领域

本公开属于无人驾驶技术领域，涉及一种无人驾驶车辆及其横向控制方法、电子设备。

背景技术

智能驾驶的关键技术涉及到环境感知、高精定位、决策规划以及执行控制等众多的技术领域，其中执行控制作为智能驾驶车辆系统的最底层，直接关系着智能驾驶功能的最终实现。车辆运动控制是执行控制中最核心的部分，一般分为车辆纵向控制和横向控制。

车辆的横向控制主要是根据预期的路径轨迹，控制车辆的转向角度，使得车辆跟随期望轨迹行驶。横向控制中应用比较广泛为预瞄跟踪控制。目前预瞄跟踪控制有着不同的控制逻辑，目前的控制方法在有关预瞄跟踪控制的影响因素方面考虑不全面，仍期望提出一种无人驾驶的横向控制方法，可以有效降低在各种路况下的跟随偏差。

发明内容

(一)要解决的技术问题

本公开提供了一种无人驾驶车辆及其横向控制方法、电子设备，以至少部分解决以上所提出的技术问题。

(二)技术方案

本公开的第一个方面提供了一种无人驾驶车辆的横向控制方法。上述横向控制方法包括：获取预瞄点的位置序列。获取预瞄点的位置序列，包括：根据无人驾驶车辆的实时车速和当前期望轨迹的曲率确定预瞄点个数N，N为正整数。然后，根据实时车速确定N个参考点的位置序列。N个参考点位于无人驾驶车辆的当前行驶方向上。接着，确定当前期望轨迹上距离N个参考点中各个参考点的距离最近的点为横向控制的预瞄点，得到包含N个预瞄点的位置序列。上述横向控制方法还包括：根据无人驾驶车辆相对于N个预瞄点中每个预瞄点的位置偏差期望圆周曲率、航向偏差期望圆周曲率和轨迹曲率期望圆周曲率来确定加权期望圆周曲率。上述横向控制方法还包括：根据加权期望圆周曲率确定方向盘转角以及期望转角速度，以控制方向盘的转动，实现横向控制。

根据本公开的实施例，根据无人驾驶车辆的实时车速和当前期望轨迹的曲率确定预瞄点个数N，包括：根据实时车速值和当前期望轨迹的最大曲率计算得到第一数量；预先设定预瞄点最少个数为第二数量，第二数量大于1；以及确定第一数量和第二数量中较大的一个为预瞄点个数N。

根据本公开的实施例，根据实时车速确定N个参考点的位置序列，包括：根据实时车速值计算得到参考点零点距离无人驾驶车辆的当前位置的距离，以得到参考点零点的位置；以及根据设定的时间段内无人驾驶车辆以实时车速行驶对应得到的距离按照第i个参考点占据总个数N的比值划分得到各个参考点距离参考点零点的位置，以得到N个参考点的位置，其中i＝1，2，……，N。

根据本公开的实施例，根据无人驾驶车辆相对于N个预瞄点中每个预瞄点的位置偏差期望圆周曲率、航向偏差期望圆周曲率和轨迹曲率期望圆周曲率来确定加权期望圆周曲率，包括：

确定N个预瞄点中各个预瞄点的期望圆周权重系数K_i，i＝1，2，……，N；其中，

根据期望圆周权重系数K_i和N个预瞄点中各个预瞄点的位置偏差期望圆周曲率Row_i1、航向偏差期望圆周曲率Row_i2和轨迹曲率期望圆周曲率Row_i3确定加权位置偏差期望圆周曲率best_row1、加权航向偏差期望圆周曲率best_row2和加权轨迹曲率期望圆周曲率best_row3；

确定位置偏差权重系数K_Share1、航向偏差权重系数K_Share2和曲率圆周权重系数K_Share3，其中K_Share1+K_Share2+K_Share3＝1；以及

根据加权位置偏差期望圆周曲率best_row1、加权航向偏差期望圆周曲率bes_trow2、加权轨迹曲率期望圆周曲率best_row3、位置偏差权重系数K_Share1、航向偏差权重系数K_Share2和曲率圆周权重系数K_Share3确定加权期望圆周曲率best_row。

根据本公开的实施例，上述横向控制方法还包括：确定无人驾驶车辆相对于N个预瞄点中每个预瞄点的位置偏差期望圆周曲率、航向偏差期望圆周曲率和轨迹曲率期望圆周曲率。其中，确定无人驾驶车辆相对于N个预瞄点中每个预瞄点的位置偏差期望圆周曲率，包括：根据无人驾驶车辆的当前位置和第i个预瞄点的位置确定无人驾驶车辆相对于第i个预瞄点的位置偏差期望圆周曲率Row_i1，i＝1，2，……，N。确定无人驾驶车辆相对于N个预瞄点中每个预瞄点的航向偏差期望圆周曲率，包括：根据无人驾驶车辆的当前航向和第i个预瞄点的航向正切值确定无人驾驶车辆相对于第i个预瞄点的航向偏差期望圆周曲率Row_i2。确定无人驾驶车辆相对于N个预瞄点中每个预瞄点的轨迹曲率期望圆周曲率，包括：根据无人驾驶车辆的当前位置和第i个预瞄点对应的轨迹曲率确定无人驾驶车辆相对于第i个预瞄点的轨迹曲率期望圆周曲率Row_i3。

根据本公开的实施例，位置偏差期望圆周曲率Row_i1满足以下表达式：

其中，x_i-path表示第i个预瞄点的位置的横坐标；y_i-path表示第i个预瞄点的位置的纵坐标；x_now表示无人驾驶车辆的当前位置的横坐标；y_now表示无人驾驶车辆的当前位置的纵坐标，A、B和C为系数；

航向偏差期望圆周曲率Row_i2满足以下表达式：

其中，Tan_i-path表示当前期望轨迹上第i个预瞄点的正切值；ψ表示参数；E、F和G为系数；

轨迹曲率期望圆周曲率Row_i3满足以下表达式：

其中，ξ_i-path表示当前期望轨迹上第i个预瞄点的轨迹曲率；M为系数。

根据本公开的实施例，确定位置偏差权重系数K_Share1、航向偏差权重系数K_Share2和曲率圆周权重系数K_Share3，包括：

根据预设的位置偏差速度下限、位置偏差速度上限、与位置偏差速度下限对应的位置偏差权重系数下限、与位置偏差速度上限对应的位置偏差权重系数上限以及无人驾驶车辆的实时车速确定位置偏差权重系数K_Share1，位置偏差权重系数K_Share1满足以下表达式：

其中，v_ShareLow1表示位置偏差速度下限；v_ShareUp1表示位置偏差速度上限；K_ShareLow1表示与位置偏差速度下限v_ShareLow1对应的位置偏差权重系数下限；K_ShareUp1表示与位置偏差速度上限v_ShareUp1对应的位置偏差权重系数上限；v_now表示无人驾驶车辆的实时车速；

根据预设的航向偏差速度下限、航向偏差速度上限、与航向偏差速度下限对应的航向偏差权重系数下限、与航向偏差速度上限对应的航向偏差权重系数上限以及无人驾驶车辆的实时车速确定位置偏差权重系数K_Share1，位置偏差权重系数K_Share1满足以下表达式：

其中，v_ShareLow2表示航向偏差速度下限；v_ShareUp2表示航向偏差速度上限；K_ShareLow2表示与航向偏差速度下限v_ShareLow2对应的航向偏差权重系数下限；K_ShareUp2表示与航向偏差速度上限v_ShareUp2对应的航向偏差权重系数上限；以及

基于得到的位置偏差权重系数K_Share1、航向偏差权重系数K_Share2确定曲率圆周权重系数K_Share3。

根据本公开的实施例，方向盘转角满足以下表达式：

其中，θ表示方向盘转角；α表示车轮转角；r_ratio表示转向传动比；L表示轴距；best_row表示加权期望圆周曲率；v_now表示无人驾驶车辆的实时车速；v_ch表示无人驾驶车辆的特征车速，特征车速用于表征车辆影响转向控制的非线性特性。

根据本公开的实施例，期望转角速度满足以下表达式：

其中，n表示期望转角速度；K_η表示系数，大于0；v_max表示无人驾驶车辆的最大行驶速度；v_now表示无人驾驶车辆的实时车速；n_max表示转向系统的最大转角速度。

本公开的第二个方面提供了一种无人驾驶车辆。上述无人驾驶车辆包括：控制器，该控制器用于执行如上的任一种横向控制方法。控制器包括：预瞄点位置序列获取模块、加权期望圆周曲率确定模块以及执行参数确定模块。预瞄点位置序列获取模块用于获取预瞄点的位置序列。预瞄点位置序列获取模块包括：预瞄点个数确定子模块、参考点位置序列确定子模块和预瞄点位置序列确定子模块。上述预瞄点个数确定子模块用于根据无人驾驶车辆的实时车速和当前期望轨迹的曲率确定预瞄点个数N，N为正整数。参考点位置序列确定子模块用于根据实时车速确定N个参考点的位置序列，上述N个参考点位于无人驾驶车辆的当前行驶方向上。预瞄点位置序列确定子模块用于确定当前期望轨迹上距离N个参考点中各个参考点的距离最近的点为横向控制的预瞄点，得到包含N个预瞄点的位置序列。上述加权期望圆周曲率确定模块用于根据无人驾驶车辆相对于N个预瞄点中每个预瞄点的位置偏差期望圆周曲率、航向偏差期望圆周曲率和轨迹曲率期望圆周曲率来确定加权期望圆周曲率。上述执行参数确定模块用于根据加权期望圆周曲率确定方向盘转角以及期望转角速度，以控制方向盘的转动，实现横向控制。

本公开的第三个方面提供了一种电子设备。上述电子设备包括：一个或多个处理器；用于存储一个或多个程序的存储装置。其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器执行如上所述的任一种无人驾驶车辆的横向控制方法。上述电子设备独立于无人驾驶车辆，或者无人驾驶车辆包含上述电子设备。

(三)有益效果

从上述技术方案可以看出，本公开提供的无人驾驶车辆及其横向控制方法、电子设备，具有以下有益效果：

(1)在获取预瞄点的位置序列时，能够实时根据当前车辆状态和预期轨迹状态来实时计算获取合适的预瞄点位置以及预瞄点的个数，实现了自适应预瞄点计算，提升了预瞄点的适用性，基于上述预瞄点序列得到的横向控制参数具有较高的精确度和实时性；

(2)通过全面考虑位置、航向以及轨迹曲率的影响，得到加权位置偏差期望圆周曲率best_row1、加权航向偏差期望圆周曲率best_row2和加权轨迹曲率期望圆周曲率best_row3，并且根据车辆状态(例如无人驾驶车辆的实时车速、实时位置)来实时调节三者之间的权重，计算获取的用于实现横向控制的加权期望圆周曲率best_row更加符合各个时刻的具体场景工况，能够大大提升横向控制的实时精度；

(3)基于自行车模型作为基础，同时基于车辆特征车速的属性参数作为修正项来计算方向盘转角，对于较高速度的场景计算准确度和精度较高，上述属性参数较为容易获取，模型简单，适用于低速和高速运动场景。

附图说明

图1为根据本公开实施例所示的无人驾驶车辆的横向控制方法的流程图。

图2为根据本公开实施例所示的获取预瞄点的位置序列的场景示意图。

图3为根据本公开实施例所示的考虑位置、航向偏差的影响得到的位置偏差圆周和航向偏差圆周的场景示意图。

图4为根据本公开实施例所示的确定无人驾驶车辆相对于N个预瞄点中每个预瞄点的位置偏差期望圆周曲率的示意图。

图5为根据本公开实施例所示的确定无人驾驶车辆相对于N个预瞄点中每个预瞄点的航向偏差期望圆周曲率的示意图。

图6为根据本公开实施例所示的低速下对车辆的转速进行估计的模型示意图。

图7为根据本公开实施例所示的无人驾驶车辆的结构框图。

具体实施方式

本公开的实施例提供了一种无人驾驶车辆及其横向控制方法、电子设备，在无人驾驶车辆(可以简称为车辆)的自动行驶过程中，实时考虑轨迹曲率、位置和航向的影响因素，通过自适应计算预瞄点、基于车辆实时运行状态来实时调节轨迹曲率、位置和航向各影响因素的权重，从而得到符合实际场景的加权期望圆周曲率，基于上述加权期望圆周曲率来控制执行器执行横向运动，提升了无人驾驶车辆横向控制的实时精度。

为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。

本公开的第一个示例性实施例提供了一种无人驾驶车辆的横向控制方法。

图1为根据本公开实施例所示的无人驾驶车辆的横向控制方法的流程图。

参照图1所示，本公开的横向控制方法包括以下操作：S11～S13。

在操作S11，获取预瞄点的位置序列。

无人驾驶车辆(可以简称为车辆)在实际行驶过程中，车速和道路曲率是影响横向控制的最关键的两个因素，对于预瞄跟踪控制来说，预瞄点的个数也直接关系到控制参数的计算。本公开根据实时车速和期望轨迹的曲率自适应计算预瞄点的个数，以增加预瞄点的适用性。

在操作S12，根据无人驾驶车辆相对于N个预瞄点中每个预瞄点的位置偏差期望圆周曲率、航向偏差期望圆周曲率和轨迹曲率期望圆周曲率来确定加权期望圆周曲率。

在操作S13，根据加权期望圆周曲率确定方向盘转角以及期望转角速度，以控制方向盘的转动，实现横向控制。

根据本公开的实施例，获取预瞄点的位置序列的操作S11包括以下子操作：S111～S113。

图2为根据本公开实施例所示的获取预瞄点的位置序列的场景示意图。

在子操作S111，根据无人驾驶车辆的实时车速和当前期望轨迹的曲率确定预瞄点个数N，N为正整数。

根据本公开的实施例，在上述子操作S111中，根据实时车速值和当前期望轨迹的最大曲率计算得到第一数量。

参照图2所示，无人驾驶车辆在自动驾驶控制中，决策功能模块实时输出当前期望轨迹，参照图2所示，当前期望轨迹为点的序列，每个点均包含特定的物理信息，上述物理信息中包含有曲率的信息。可以实时读取当前期望轨迹上的期望轨迹点的曲率信息，以获取当前期望轨迹的最大曲率Curvature_max。

将无人驾驶车辆的实时车速v_now的实时车速值表示为v(v仅有数值，不带单位，数值对应的单位为国际单位m/s；v_now带有单位)计算时，采用无人驾驶车辆的实时车速的数值，不带单位(无量纲)，选用的数值对应的单位为国际单位m/s。

根据无人驾驶车辆的实时车速值v和当前期望轨迹的最大曲率Curvature_max计算得到的第一数量N₁。

在一实例中，第一数量N₁满足以下表达式：

根据本公开的实施例，在上述子操作S111中，预先设定预瞄点最少个数为第二数量N₂，第二数量N₂大于1。

根据本公开的实施例，在上述子操作S111中，确定第一数量N₁和第二数量N₂中较大的一个为预瞄点个数N，N＝max(N₁，N₂)。

通常而言，计算出来的第一数量N₁的个数一般都大于第二数量N₂的个数。上述第二数量N₂的设置是为了确保预瞄点能够取到2个或2个以上，避免在第一数量的公式(1)计算出来的第一数量不合理的情况下限定出预瞄点的个数。

在子操作S112，根据实时车速值确定N个参考点的位置序列，N个参考点位于无人驾驶车辆的当前行驶方向上。

根据本公开的实施例，参照图2所示，根据车辆的当前位置S作为起点，沿着无人驾驶车辆的当前行驶方向向前预瞄N个参考点，图2中采用箭头示意当前行驶方向。本公开中，参考点的个数与预瞄点的个数是相同的，均采用N表示。

根据本公开的实施例，参照图2所示，参考点零点为x₀，N个参考点对应的位置分别示意为x₁、x₂、……、x_N。在上述子操作S112中，根据实时车速值v计算得到参考点零点x₀距离无人驾驶车辆的当前位置S的距离，以得到参考点零点x₀的位置。

根据实时车速值v计算得到参考点零点x₀距离无人驾驶车辆的当前位置S的距离d₀，计算出来的值的单位是米，这里的计算为纯数字的计算，没有量纲。

上述距离d₀的计算公式如下：

通常而言，行驶中的车辆的速度计算出来的距离d₀的值大于2的。为了避免极端情况下车速过低时的参考点零点距离无人驾驶车辆的当前位置距离过短，如果计算出来的距离d₀小于2，可以采用设定的初始距离值d_0-set，d_0-set≥2。

在上述子操作S112中，根据设定的时间段内无人驾驶车辆以实时车速行驶对应得到的距离按照第i个参考点占据总个数N的比值划分得到各个参考点距离参考点零点的位置，以得到N个参考点的位置，其中i＝1，2，……，N。

参照图2所示，以无人驾驶车辆的当前位置为位置坐标的原点，则第i个参考点的位置x_i满足以下表达式：

其中，τ_max表示设定时间段的时间最大值，τ_min表示设定时间段的时间最小值，i＝1，2，……，N。

在子操作S113，确定当前期望轨迹上距离N个参考点中各个参考点的距离最近的点为横向控制的预瞄点，得到包含N个预瞄点的位置序列。

参照图2所示，将当前期望轨迹上距离N个参考点中各个参考点的距离最近的点为横向控制的预瞄点，如图2中的S₁、S₂、……，S_N所示，得到了预瞄点的位置序列{S₁、S₂、……，S_N}。

基于公式(1)～(3)可知，上述N个参考点的总数量、N个参考点的位置是与无人驾驶车辆的实时车速以及当前期望轨迹相关的，因此由此确定出来的N个参考点具有自适应的特征，能够随着车辆的运动参数发生精准的变化，根据N个参考点在当前期望轨迹上确定出来的用于横向控制的预瞄点的位置序列具有较高的精确度和实时性。

根据本公开的实施例，根据无人驾驶车辆相对于N个预瞄点中每个预瞄点的位置偏差期望圆周曲率、航向偏差期望圆周曲率和轨迹曲率期望圆周曲率来确定加权期望圆周曲率的操作S12包括以下子操作：S121～S124。

在子操作S121，确定N个预瞄点中各个预瞄点的期望圆周权重系数K_i，i＝1，2，……，N；其中，各个预瞄点的期望圆周权重系数K_i满足：

在子操作S122，根据期望圆周权重系数Ki和N个预瞄点中各个预瞄点的位置偏差期望圆周曲率Row_i1、航向偏差期望圆周曲率Row_i2和轨迹曲率期望圆周曲率Row_i3确定加权位置偏差期望圆周曲率best_row1、加权航向偏差期望圆周曲率best_row2和加权轨迹曲率期望圆周曲率best_row3。

各个预瞄点的期望圆周权重系数K_i可以是预设值，上述预设值是根据测试得到的值或者经验值，可以有效反映各个预瞄点占据的比重，以实现横向控制的实时精确性。

根据本公开的实施例，上述横向控制方法还包括子操作S121-1：确定无人驾驶车辆相对于N个预瞄点中每个预瞄点的位置偏差期望圆周曲率、航向偏差期望圆周曲率和轨迹曲率期望圆周曲率。上述子操作S121-1在子操作S122之前执行。

在操作S12中，考虑了位置、航向偏差以及轨迹曲率的变化对于横向控制的影响，将车辆的实际运动与当前期望轨迹的偏差分解为位置、航向偏差，同时考虑上轨迹曲率的变化因素，将上述因素导致的偏差进行加权处理，各自的权重根据无人驾驶车辆的实时状态而发生变化。

图3为根据本公开实施例所示的考虑位置、航向偏差的影响得到的位置偏差圆周和航向偏差圆周的场景示意图。

参照图3所示，当给定车辆的期望轨迹时，根据车辆的当前位置与当前期望轨迹的偏差，可以将其分为两种情况，第一种如图3中示意的A点到B点的情况，此时车辆实际的航向与期望轨迹一致，但是车辆实际位置与期望轨迹位置存在位置偏差；第二种如图3中示意的C点情况，此时车辆位置与期望轨迹一致，但是车辆实际位置与期望轨迹航向存在航向误差。在车辆实际行驶过程中，前述两种情况一般同时存在，故在横向控制中需要实时在位置误差和航向误差中进行平衡，保证轨迹跟随性能。

图4为根据本公开实施例所示的确定无人驾驶车辆相对于N个预瞄点中每个预瞄点的位置偏差期望圆周曲率的示意图。

参照图4所示，确定无人驾驶车辆相对于N个预瞄点中每个预瞄点的位置偏差期望圆周曲率包括：根据无人驾驶车辆的当前位置和第i个预瞄点的位置确定无人驾驶车辆相对于第i个预瞄点的位置偏差期望圆周曲率Row_i1，i＝1，2，……，N。

在一实施例中，参照图3和图4所示，A点示意无人驾驶车辆的当前位置，B点示意操作S11确定的第i个预瞄点的位置。上述第i个预瞄点的位置可以根据决策发出的期望轨迹而实时获取。无人驾驶车辆相对于第i个预瞄点的位置偏差期望圆周曲率Row_i1满足以下表达式：

其中，x_i-path表示第i个预瞄点的位置的横坐标；y_i-path表示第i个预瞄点的位置的纵坐标；x_now表示无人驾驶车辆的当前位置的横坐标；y_now表示无人驾驶车辆的当前位置的纵坐标，A、B和C为系数。

图5为根据本公开实施例所示的确定无人驾驶车辆相对于N个预瞄点中每个预瞄点的航向偏差期望圆周曲率的示意图。

参照图5所示，确定无人驾驶车辆相对于N个预瞄点中每个预瞄点的航向偏差期望圆周曲率，包括：根据无人驾驶车辆的当前航向和第i个预瞄点的航向正切值确定无人驾驶车辆相对于第i个预瞄点的航向偏差期望圆周曲率Row_i2。目前决策层发送的期望轨迹序列中将会包含每个点对应的正切值，故可直接使用。

参照图3和图5所示，C点为车辆当前位置和第i个预瞄点的位置重合，但是二者的航向存在偏差的示意。无人驾驶车辆相对于第i个预瞄点的航向偏差期望圆周曲率Row_i2满足以下表达式：

其中，Tan_i-path表示当前期望轨迹上第i个预瞄点的正切值；ψ表示参数，是为了简化公式(9)的表示形式而给出的一个参数表示；E、F和G为系数。公式(10)可以直接代入至公式(9)中，上述参数ψ列出来是为了简化表示形式。

车辆在实际转向过程中，轨迹的曲率变化也会影响车辆的横向控制，本公开通过计算轨迹曲率对应的期望圆周曲率，将轨迹曲率考虑在内。目前决策层发送的期望轨迹序列中将会包含每个点对应的轨迹曲率，故可认为其已知直接使用即可。对应于车辆进行直线行驶的情形，上述轨迹的曲率变化的影响为0，在后续的操作。

车辆在实际行驶过程中，决策层发送的轨迹序列一般为不规则的曲线，故实际控制中，一般不存在单独只考虑位置误差，或者航向误差的情况，正常工况中均一般为位置误差和航向误差的耦合。

对于不同的轨迹点，其位置误差和航向误差存在区别，轨迹的曲率也会不一样，而且位置误差，航向误差，轨迹曲率对于车辆转向的影响可能是冲突的。所以，在实际的控制过程中，需要同时考虑位置误差，航向误差和轨迹曲率，在这三者之间进行平衡，以达到车辆转向跟随的高精度。

确定无人驾驶车辆相对于N个预瞄点中每个预瞄点的轨迹曲率期望圆周曲率，包括：根据无人驾驶车辆的当前位置和第i个预瞄点对应的轨迹曲率确定无人驾驶车辆相对于第i个预瞄点的轨迹曲率期望圆周曲率Row_i3。

轨迹曲率期望圆周曲率Row_i3满足以下表达式：

其中，ξ_i-path表示当前期望轨迹上第i个预瞄点的轨迹曲率；M为系数。

在子操作S123，确定位置偏差权重系数K_Share1、航向偏差权重系数K_Share2和曲率圆周权重系数K_Share3，其中上述置偏差权重系数K_Share1、航向偏差权重系数K_Share2和曲率圆周权重系数K_Share3满足：

K_Share1+K_Share2+K_Share3＝1 (12)。

根据本公开的实施例，确定位置偏差权重系数K_Share1、航向偏差权重系数K_Share2和曲率圆周权重系数K_Share3的子操作S23包括以下次子操作：S123a～S123c。

在次子操作S123a，根据预设的位置偏差速度下限、位置偏差速度上限、与位置偏差速度下限对应的位置偏差权重系数下限、与位置偏差速度上限对应的位置偏差权重系数上限以及无人驾驶车辆的实时车速确定位置偏差权重系数K_Share1，位置偏差权重系数K_Share1满足以下表达式：

其中，v_ShareLow1表示位置偏差速度下限；v_ShareUp1表示位置偏差速度上限；K_ShareLow1表示与位置偏差速度下限v_ShareLow1对应的位置偏差权重系数下限；K_ShareUp1表示与位置偏差速度上限v_ShareUp1对应的位置偏差权重系数上限；v_now表示无人驾驶车辆的实时车速。

在次子操作S123b，根据预设的航向偏差速度下限、航向偏差速度上限、与航向偏差速度下限对应的航向偏差权重系数下限、与航向偏差速度上限对应的航向偏差权重系数上限以及无人驾驶车辆的实时车速确定位置偏差权重系数K_Share1，位置偏差权重系数K_Share1满足以下表达式：

其中，v_ShareLow2表示航向偏差速度下限；v_ShareUp2表示航向偏差速度上限；K_ShareLow2表示与航向偏差速度下限v_ShareLow2对应的航向偏差权重系数下限；K_ShareUp2表示与航向偏差速度上限v_ShareUp2对应的航向偏差权重系数上限。

在次子操作S123c，基于得到的位置偏差权重系数K_Share1、航向偏差权重系数K_Share2确定曲率圆周权重系数K_Share3。由于K_Share1、K_Share2和K_Share3具有公式(12)所示的关系式，那么根据公式(13)和(14)计算得出的K_Share1、K_Share2可以求出K_Share3。

在操作S124，根据加权位置偏差期望圆周曲率best_row1、加权航向偏差期望圆周曲率best_row2、加权轨迹曲率期望圆周曲率best_row3、位置偏差权重系数K_Share1、航向偏差权重系数K_Share2和曲率圆周权重系数K_Share3确定加权期望圆周曲率best_row。

加权期望圆周曲率best_row满足以下表达式：

best_row＝best_row1×K_Share1+best_row2×K_Share2+best_row3×K_Share3 (15)。

在操作S13中，根据加权期望圆周曲率确定方向盘转角以及期望转角速度，以控制方向盘的转动，实现横向控制。

图6为根据本公开实施例所示的低速下对车辆的转速进行估计的模型示意图。

车辆的横向控制执行器控制的是方向盘的转角，根据前述计算获得的加权期望圆周曲率best_row为期望的转向圆周曲率，在实际控制中需要实时将计算获得的加权期望圆周曲率best_row转换为最终的执行器输出。

参照图6所示，将车辆简化为自行车模型，可以得到前轮转角和轴距与转向半径之间的关系式如下：

其中，α为车轮的转角；L为轴距；R为当前转角对应的转向半径，best_row为加权期望圆周曲率。在实施例中，上述车轮的转角可以是前轮的转角。

上述公式(17)能够在较低速的场景下对车辆的转向进行估计，但是当车速高于一定值后，由于轮胎等的非线性特性，上述公式将会有一定的偏差，故在本公开的横向控制方法中，引入车辆属性特征车速作为修正，则车轮的转角的表达式如下：

方向盘转角满足以下表达式：

其中，θ表示方向盘转角；α表示车轮转角；r_ratio表示转向传动比；L表示轴距；best_row表示加权期望圆周曲率；v_now表示无人驾驶车辆的实时车速；v_ch表示无人驾驶车辆的特征车速，特征车速用于表征车辆影响转向控制的非线性特性。

根据本公开的实施例，期望转角速度满足以下表达式：

其中，n表示期望转角速度；K_η表示系数，大于0；v_max表示无人驾驶车辆的最大行驶速度；v_now表示无人驾驶车辆的实时车速；n_max表示转向系统的最大转角速度。

将计算获得的方向盘转角，期望转角速度一并发送给转向控制器EPS，EPS根据转角和转角速度输入控制方向盘转动，实现车辆的横向控制。

根据本公开的实车测试数据表明，基于上述横向控制方法控制的无人驾驶车辆在直行道路上高速行驶工况下的跟随误差小于0.3m；在车辆以最小转弯半径转弯工况下，跟随误差小于0.5m；在车辆通过S弯工况下，高速通过时(车速大于30km/h)，跟随误差小于0.6，低速通过时(车速小于30km/h)，跟随误差小于0.5m，大大提升了车辆横向控制跟随的稳定性。

本实施例的无人驾驶车辆的横向控制方法在获取预瞄点的位置序列时，能够实时根据当前车辆状态和预期轨迹状态来实时计算获取合适的预瞄点位置以及预瞄点的个数，实现了自适应预瞄点计算，提升了预瞄点的适用性，基于上述预瞄点序列得到的横向控制参数具有较高的精确度和实时性。通过全面考虑位置、航向以及轨迹曲率的影响，得到加权位置偏差期望圆周曲率best_row1、加权航向偏差期望圆周曲率best_row2和加权轨迹曲率期望圆周曲率best_row3，并且根据车辆状态(例如无人驾驶车辆的实时车速、实时位置)来实时调节三者之间的权重，计算获取的用于实现横向控制的加权期望圆周曲率best_row更加符合各个时刻的具体场景工况，能够大大提升横向控制的实时精度。基于自行车模型作为基础，同时基于车辆特征车速的属性参数作为修正项来计算方向盘转角，对于较高速度的场景计算准确度和精度较高，上述属性参数较为容易获取，模型简单，适用于低速和高速运动场景。

本公开的第二个示例性实施例提供了一种无人驾驶车辆。

图7为根据本公开实施例所示的无人驾驶车辆的结构框图。

参照图7所示，上述无人驾驶车辆2包括：控制器20，该控制器20用于执行如上的任一种横向控制方法。控制器20包括：预瞄点位置序列获取模块201、加权期望圆周曲率确定模块202以及执行参数确定模块203。

上述预瞄点位置序列获取模块201用于获取预瞄点的位置序列。

上述加权期望圆周曲率确定模块202用于根据无人驾驶车辆相对于N个预瞄点中每个预瞄点的位置偏差期望圆周曲率、航向偏差期望圆周曲率和轨迹曲率期望圆周曲率来确定加权期望圆周曲率。

上述执行参数确定模块203用于根据加权期望圆周曲率确定方向盘转角以及期望转角速度，以控制方向盘的转动，实现横向控制。参照图7所示，上述执行参数确定模块203将确定的方向盘转角以及期望转角速度等控制参数发送给执行器21，以便于执行器21按照上述控制参数进行横向操作。

参照图7所示，预瞄点位置序列获取模块201包括：预瞄点个数确定子模块201a、参考点位置序列确定子模块201b和预瞄点位置序列确定子模块201c。上述预瞄点个数确定子模块201a用于根据无人驾驶车辆的实时车速和当前期望轨迹的曲率确定预瞄点个数N，N为正整数。参考点位置序列确定子模块201b用于根据实时车速确定N个参考点的位置序列，上述N个参考点位于无人驾驶车辆的当前行驶方向上。预瞄点位置序列确定子模块201c用于确定当前期望轨迹上距离N个参考点中各个参考点的距离最近的点为横向控制的预瞄点，得到包含N个预瞄点的位置序列。

根据本公开的实施例的模块、子模块、次子模块中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、次子模块中的任意一个或多个可以被拆分成多个模块来实现。例如，预瞄点位置序列获取模块201、加权期望圆周曲率确定模块202以及执行参数确定模块203中的一个或任意多个可以在一个模块中实现，或者将其中一个模块拆分为多个子模块实现。

根据本公开实施例的模块、子模块、次子模块中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、次子模块中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。例如，预瞄点个数确定子模块201a、参考点位置序列确定子模块201b和预瞄点位置序列确定子模块201c可以被实现为硬件电路或者以计算机程序的方式实现。

本公开的第三个示例性实施例提供了一种电子设备。上述电子设备包括：一个或多个处理器；用于存储一个或多个程序的存储装置。其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器执行如上所述的任一种无人驾驶车辆的横向控制方法。上述电子设备独立于无人驾驶车辆，例如电子设备为外部的远程控制平台。或者无人驾驶车辆包含上述电子设备，例如上述电子设备为无人驾驶车辆上车载的控制设备。

综上所述，本公开提供了一种无人驾驶车辆及其横向控制方法、电子设备，在无人驾驶车辆的自动行驶过程中，通过实时考虑轨迹曲率、位置和航向的影响因素，自适应计算预瞄点、基于车辆实时运行状态来实时调节轨迹曲率、位置和航向各影响因素的权重，计算获取的用于实现横向控制的加权期望圆周曲率更加符合各个时刻的具体场景工况，能够大大提升横向控制的实时精度，从而得到符合实际场景的精确的加权期望圆周曲率，基于上述加权期望圆周曲率来控制执行器执行横向运动，提升了无人驾驶车辆横向控制的实时精度。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、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，上述模块、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，框图或流程图中的每个方框、以及框图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。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上所述的具体实施例，对本公开的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本公开的具体实施例而已，并不用于限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种无人驾驶车辆的横向控制方法，其特征在于，包括：

获取预瞄点的位置序列，包括：

根据所述无人驾驶车辆的实时车速和当前期望轨迹的曲率确定预瞄点个数N，N为正整数；

根据所述实时车速确定N个参考点的位置序列，所述N个参考点位于所述无人驾驶车辆的当前行驶方向上；

确定所述当前期望轨迹上距离所述N个参考点中各个参考点的距离最近的点为横向控制的预瞄点，得到包含N个预瞄点的位置序列；

根据所述无人驾驶车辆相对于N个预瞄点中每个预瞄点的位置偏差期望圆周曲率、航向偏差期望圆周曲率和轨迹曲率期望圆周曲率来确定加权期望圆周曲率；以及

根据所述加权期望圆周曲率确定方向盘转角以及期望转角速度，以控制方向盘的转动，实现横向控制。

2.根据权利要求1所述的横向控制方法，其特征在于，所述根据所述无人驾驶车辆的实时车速和当前期望轨迹的曲率确定预瞄点个数N，包括：

根据实时车速值和当前期望轨迹的最大曲率计算得到第一数量；

预先设定预瞄点最少个数为第二数量，所述第二数量大于1；以及

确定所述第一数量和所述第二数量中较大的一个为所述预瞄点个数N。

3.根据权利要求1所述的横向控制方法，其特征在于，所述根据所述实时车速确定N个参考点的位置序列，包括：

根据所述实时车速值计算得到参考点零点距离所述无人驾驶车辆的当前位置的距离，以得到参考点零点的位置；以及

根据设定的时间段内所述无人驾驶车辆以实时车速行驶对应得到的距离按照第i个参考点占据总个数N的比值划分得到各个参考点距离参考点零点的位置，以得到N个参考点的位置，其中i＝1，2，……，N。

4.根据权利要求1所述的横向控制方法，其特征在于，所述根据所述无人驾驶车辆相对于N个预瞄点中每个预瞄点的位置偏差期望圆周曲率、航向偏差期望圆周曲率和轨迹曲率期望圆周曲率来确定加权期望圆周曲率，包括：

确定N个预瞄点中各个预瞄点的期望圆周权重系数K_i，i＝1，2，……，N；其中，

根据所述期望圆周权重系数K_i和N个预瞄点中各个预瞄点的位置偏差期望圆周曲率Row_i1、航向偏差期望圆周曲率Row_i2和轨迹曲率期望圆周曲率Row_i3确定加权位置偏差期望圆周曲率best_row1、加权航向偏差期望圆周曲率best_row2和加权轨迹曲率期望圆周曲率best_row3；

确定位置偏差权重系数K_Share1、航向偏差权重系数K_Share2和曲率圆周权重系数K_Share3，其中K_Share1+K_Share2+K_Share3＝1；以及

根据加权位置偏差期望圆周曲率best_row1、加权航向偏差期望圆周曲率best_row2、加权轨迹曲率期望圆周曲率best_row3、位置偏差权重系数K_Share1、航向偏差权重系数K_Share2和曲率圆周权重系数K_Share3确定加权期望圆周曲率best_row。

5.根据权利要求1或4所述的横向控制方法，其特征在于，还包括：确定所述无人驾驶车辆相对于N个预瞄点中每个预瞄点的位置偏差期望圆周曲率、航向偏差期望圆周曲率和轨迹曲率期望圆周曲率；

其中，确定所述无人驾驶车辆相对于N个预瞄点中每个预瞄点的位置偏差期望圆周曲率，包括：根据所述无人驾驶车辆的当前位置和第i个预瞄点的位置确定所述无人驾驶车辆相对于第i个预瞄点的位置偏差期望圆周曲率Row_i1，i＝1，2，……，N；

确定所述无人驾驶车辆相对于N个预瞄点中每个预瞄点的航向偏差期望圆周曲率，包括：根据所述无人驾驶车辆的当前航向和第i个预瞄点的航向正切值确定所述无人驾驶车辆相对于第i个预瞄点的航向偏差期望圆周曲率Row_i2；

确定所述无人驾驶车辆相对于N个预瞄点中每个预瞄点的轨迹曲率期望圆周曲率，包括：根据所述无人驾驶车辆的当前位置和第i个预瞄点对应的轨迹曲率确定所述无人驾驶车辆相对于第i个预瞄点的轨迹曲率期望圆周曲率Row_i3。

6.根据权利要求5所述的横向控制方法，其特征在于，

所述位置偏差期望圆周曲率Row_i1满足以下表达式：

其中，x_i-path表示第i个预瞄点的位置的横坐标；y_i-path表示第i个预瞄点的位置的纵坐标；x_now表示无人驾驶车辆的当前位置的横坐标；y_now表示无人驾驶车辆的当前位置的纵坐标，A、B和C为系数；

所述航向偏差期望圆周曲率Row_i2满足以下表达式：

其中，Tan_i-path表示当前期望轨迹上第i个预瞄点的正切值；ψ表示参数；E、F和G为系数；

所述轨迹曲率期望圆周曲率Row_i3满足以下表达式：

其中，ξ_i-path表示当前期望轨迹上第i个预瞄点的轨迹曲率；M为系数。

7.根据权利要求4所述的横向控制方法，其特征在于，所述确定位置偏差权重系数K_Share1、航向偏差权重系数K_Share2和曲率圆周权重系数K_Share3，包括：

根据预设的位置偏差速度下限、位置偏差速度上限、与所述位置偏差速度下限对应的位置偏差权重系数下限、与所述位置偏差速度上限对应的位置偏差权重系数上限以及无人驾驶车辆的实时车速确定位置偏差权重系数K_Share1，所述位置偏差权重系数K_Share1满足以下表达式：

其中，v_ShareLow1表示位置偏差速度下限；v_ShareUp1表示位置偏差速度上限；K_ShareLow1表示与所述位置偏差速度下限v_ShareLow1对应的位置偏差权重系数下限；K_ShareUp1表示与所述位置偏差速度上限v_ShareUp1对应的位置偏差权重系数上限；v_now表示无人驾驶车辆的实时车速；

根据预设的航向偏差速度下限、航向偏差速度上限、与所述航向偏差速度下限对应的航向偏差权重系数下限、与所述航向偏差速度上限对应的航向偏差权重系数上限以及无人驾驶车辆的实时车速确定位置偏差权重系数K_Share1，所述位置偏差权重系数K_Share1满足以下表达式：

其中，v_ShareLow2表示航向偏差速度下限；v_ShareUp2表示航向偏差速度上限；K_ShareLow2表示与所述航向偏差速度下限v_ShareLow2对应的航向偏差权重系数下限；K_ShareUp2表示与所述航向偏差速度上限v_ShareUp2对应的航向偏差权重系数上限；以及

基于得到的所述位置偏差权重系数K_Share1、航向偏差权重系数K_Share2确定曲率圆周权重系数K_Share3。

8.根据权利要求1所述的横向控制方法，其特征在于，

所述方向盘转角满足以下表达式：

其中，θ表示方向盘转角；α表示车轮转角；r_ratio表示转向传动比；L表示轴距；best_row表示加权期望圆周曲率；v_now表示无人驾驶车辆的实时车速；v_ch表示无人驾驶车辆的特征车速，特征车速用于表征车辆影响转向控制的非线性特性；

所述期望转角速度满足以下表达式：

其中，n表示期望转角速度；K_η表示系数，大于0；v_max表示无人驾驶车辆的最大行驶速度；n_max表示转向系统的最大转角速度。

9.一种无人驾驶车辆，其特征在于，包括：控制器，所述控制器用于执行权利要求1-8中任一项所述的横向控制方法；

所述控制器包括：

预瞄点位置序列获取模块，用于获取预瞄点的位置序列；所述预瞄点位置序列获取模块包括：

预瞄点个数确定子模块，用于根据所述无人驾驶车辆的实时车速和当前期望轨迹的曲率确定预瞄点个数N，N为正整数；

参考点位置序列确定子模块，用于根据所述实时车速确定N个参考点的位置序列，所述参考点位于所述无人驾驶车辆的当前行驶方向上；以及

预瞄点位置序列确定子模块，用于确定所述当前期望轨迹上距离所述N个参考点中各个参考点的距离最近的点为横向控制的预瞄点，得到包含N个预瞄点的位置序列；

加权期望圆周曲率确定模块，用于根据所述无人驾驶车辆相对于N个预瞄点中每个预瞄点的位置偏差期望圆周曲率、航向偏差期望圆周曲率和轨迹曲率期望圆周曲率来确定加权期望圆周曲率；以及

执行参数确定模块，用于根据所述加权期望圆周曲率确定方向盘转角以及期望转角速度，以控制方向盘的转动，实现横向控制。

10.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行权利要求1-8中任一项所述的无人驾驶车辆的横向控制方法；所述电子设备独立于所述无人驾驶车辆，或者所述无人驾驶车辆包含所述电子设备。

Images