CN112265548B - 一种考虑路面状况的自动驾驶控制策略调整方法 - Google Patents

一种考虑路面状况的自动驾驶控制策略调整方法 Download PDF

Info

Publication number
CN112265548B
CN112265548B CN202010965395.4A CN202010965395A CN112265548B CN 112265548 B CN112265548 B CN 112265548B CN 202010965395 A CN202010965395 A CN 202010965395A CN 112265548 B CN112265548 B CN 112265548B
Authority
CN
China
Prior art keywords
vehicle
control strategy
lane
control
module
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
CN202010965395.4A
Other languages
English (en)
Other versions
CN112265548A (zh
Inventor
陈宁
郭音伽
陈艳艳
刘卓
侯越
连培昆
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.)
Beijing University of Technology
Original Assignee
Beijing University of Technology
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 Beijing University of Technology filed Critical Beijing University of Technology
Priority to CN202010965395.4A priority Critical patent/CN112265548B/zh
Publication of CN112265548A publication Critical patent/CN112265548A/zh
Application granted granted Critical
Publication of CN112265548B publication Critical patent/CN112265548B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • 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
    • B60W40/02—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 ambient conditions
    • B60W40/06—Road conditions
    • 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
    • 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
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0008—Feedback, closed loop systems or details of feedback error signal
    • B60W2050/0011—Proportional Integral Differential [PID] controller
    • 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
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种考虑路面状况的自动驾驶控制策略调整方法及系统涉及车辆主动安全领域。系统包括通车载摄像头、路面智能检测模块、控制策略模块、车辆控制模块，系统采用车载摄像头采集到的前方道路视频信息并确定有效视距，通过路面智能检测模块识别前方道路存在的路面病害，根据不同的病害类型在控制策略模块中选取相应的车辆控制策略，并最终通过车辆控制模块实现车辆的控制。该系统成功的将由路面病害引起的车辆行驶不确定性按照对行驶行为影响的严重程度差异进行了合理化分解，通过设计针对不同影响程度的差异控制方法调整，有效降低或消除了路面病害对行驶车辆可能产生的舒适度下降或安全事故风险影响，从而进一步提升了现有自动驾驶控制策略的安全性。

Description

一种考虑路面状况的自动驾驶控制策略调整方法
技术领域
本发明涉及汽车主动安全领域，尤其是指一种考虑路面状况的自动驾驶控制策略调整方法。
背景技术
公路路面裂缝、坑洞等病害严重影响行车舒适性和安全性，随着人工智能技术的发展，智能路面病害检测技术日趋成熟，从而大大降低了传统的检测方法造成的大量人工成本和车辆运行成本。如果将智能路面病害检测技术融入到自动驾驶车辆系统中，通过识别出前方道路存在的路面病害，车辆即可在综合考虑交通信息和路面实际情况的基础上，提出整体驾驶策略。因此，设计一种考虑路面状况的自动驾驶控制策略调整方法，能够有效提升自动驾驶车辆在遇到路面病害时车辆行驶的安全性和舒适性。
发明内容
本发明提出了一种考虑路面状况的自动驾驶控制策略调整方法，能够计算出车载摄像头在不同半径的平曲线上行驶时的有效视距，以现有路面病害智能检测技术为基础，根据不同病害对车辆驾驶行为影响的差异，控制策略模块针对不同道路病害和车辆周围交通状况为车辆选择相应的车辆控制策略，并通过车辆控制模块实现对车辆驾驶行为的控制，能够有效的提高车辆在遇到不同道路病害情况下驾驶的舒适性和安全性。
本发明考虑路面状况的自动驾驶控制策略调整方法包括有效视距计算模块、路面智能检测模块、控制策略模块、车辆控制模块。
一种考虑路面状况的自动驾驶控制策略调整方法,其特征在于，包括如下步骤：
a.有效视距计算模块基于车载摄像头计算出车载摄像头的有效视距，并将计算出的有效视距输入控制策略模块。
b.路面智能检测模块将检测结果输入控制策略模块，控制策略模块根据病害检测结果判断出有病害发生时，则根据当前车辆运行状态数据计算出车辆减速至期望速度所需距离，并与车载摄像头有效视距做对比；若车辆减速至期望速度所需距离小于车载摄像头有效视距时，根据病害类型在控制策略库中选取相应的车辆控制策略；若车辆减速至期望车速所需距离大于车载摄像头有效视距时，则采取控制策略库中的预减速纵向控制策略。
c.将选取的控制策略输入车辆控制模块，采用PID控制方法实现各策略对车辆的纵向控制和横向控制。
有效视距计算模块执行下述步骤：
以车辆当前位置所处车道中线为坐标原点O建立XY坐标，其中X轴由车辆出发指向车道直线与缓和曲线交接处直线延长线方向，Y轴由车辆出发指向X轴逆时针旋转90度的方向。
计算以视频检测设备视野角为夹角的延长线与车辆所处车道的车道边缘的交点坐标A，公式如下：
Figure BDA0002682100630000031
其中，XA为A点在X轴上对应坐标值，YA为A点在Y轴上对应坐标值，θd为车载摄像头的最大视野角，可由摄像头的参数直接获取，θM为车载摄像头的水平视距线与X轴夹角，LM为车载摄像头的最远检测水平视距，可由摄像头的参数直接获取，XM为车载摄像头的最远检测水平视距LM在X轴上的投影与X轴的交点坐标值，Ll为车道宽度，可由道路设计标准直接确定，一般可取3.5米，RL为道路的平曲线半径可由公式计算得出。
计算原点O与A点之间的距离，公式如下：
Figure BDA0002682100630000032
其中，LOA为原点O与A点之间的距离，XA为A点在X轴上对应坐标值，YA为A点在Y轴上对应坐标值。
计算平曲线半径RL，该值的计算可由车辆当前轮胎转角推算得出，计算步骤如下：
由方向盘转角推算出轮胎转角，公式如下：
Figure BDA0002682100630000033
计算一段时间内轮胎的平均转角，公式如下：
Figure BDA0002682100630000034
计算平曲线半径值，公式如下：
Figure BDA0002682100630000041
其中，RL为平曲线半径值，Ror为车辆行驶轨迹的弧长，vc为车辆行驶速度，可由车辆CAN线获取，th为计算道路平曲线半径所采集历史数据的时间间隔，一般可设为1秒，
Figure BDA0002682100630000042
为车辆中心在th时间内的平均转向角，t0为现在时刻前th时的时刻，
Figure BDA0002682100630000043
为t时刻车辆的转向角，fc为车辆CAN线数据采集频率，
Figure BDA0002682100630000044
为t时刻方向盘的转向角，ωin为车辆内侧车轮最大转向角，ωout为车辆外侧车轮最大转向角，ωmax为方向盘最大转向角。
计算过A点的延长线与平曲线半径的交点B之间的距离，公式如下：
Figure BDA0002682100630000045
其中，LAB为点A、B之间的距离，RL为平曲线半径，Ll为车道宽度可由道路设计标准直接确定，一般可取3.5米。
采用余弦公式计算出之间的夹角，公式如下：
Figure BDA0002682100630000046
其中，θR为LAB、RL之间的夹角，XA为A点在X轴上对应坐标值，YA为A点在Y轴上对应坐标值，RL为平曲线半径，Ll为车道宽度可由道路设计标准直接确定，一般可取3.5米。
计算角θR对应的弧长0C即为车载摄像头有效视距，公式如下：
Ld＝RLθR
其中，Ld为车载摄像头有效视距，RL为平曲线半径，θR为LAB、RL之间的夹角。
路面智能检测模块采用路面病害检测算法识别路面病害，并将检测结果存入病害信息列表，病害信息列表包括病害标识字段用Do表示、病害类型字段用DT表、病害影响车道字段用DL表示。
其中病害标识字段Do记录是否检测到病害，1为发现病害，0为未发现病害；病害类型字段DT包含病害类型如下:“PavementMarking”为路面标线，“BrokenMarking”为破损标线，“Patch”为大面积修补，“Pothole”为路面坑槽，“WellLid”为井盖，“Crack”为路面裂缝，“SealedCrack”为裂缝修补。
其中轻微病害包括“BrokenMarking”、“Patch”、“SealedCrack”、“WellLid”，中等病害包括“Crack”，严重病害包括“Pothole”。
控制策略模块的输入数据为病害信息列表，当Do＝0时，保持原有控制策略；当Do＝1且DL包含车辆行驶车道时，计算车辆从当前行驶速度减速到期望速度所需的距离Ls，若Ls<Ld则分病害类型从控制策略库中选取相应的车辆控制策略，若Ls>Ld则采取控制策略库中的预减速纵向控制策略。
控制策略库包含不同病害类型下对车辆的横向和纵向控制策略，横向控制策略是采用PID控制方法对车辆的转角速度进行控制的策略，纵向控制策略是采用PID控制方法对车辆的速度进行控制的策略，具体内容包括：
若DL包含车辆行驶车道且DT＝“PavementMarking”，则保持原控制策略。
若DL包含车辆行驶车道且DT＝“BrokenMarking”或“Patch”或“SealedCrack”或“WellLid”，则k时刻采取纵向控制策略，增量式PID控制方法所需的加速度变化值Δa(k)计算公式如下：
Figure BDA0002682100630000061
其中，
Figure BDA0002682100630000062
为轻微病害影响下的比例系数，
Figure BDA0002682100630000063
为轻微病害影响下的积分系数，
Figure BDA0002682100630000064
为轻微影病害响下的微分系数，
Figure BDA0002682100630000065
为轻微病害影响下的期望车速，以上系数可根据车辆动力学参数通过实验方式获取，v(k)为车辆k时刻速度，T为采样时间间隔。
若DL包含车辆行驶车道且DT＝“Crack”，则k时刻采取纵向控制策略，增量式PID控制方法所需的加速度变化值Δa计算公式如下：
Figure BDA0002682100630000066
其中，
Figure BDA0002682100630000067
为中等病害影响下的比例系数，
Figure BDA0002682100630000068
为中等病害影响下的积分系数，
Figure BDA0002682100630000069
为中等病害影响下的微分系数，
Figure BDA00026821006300000610
为中等病害影响下的期望车速，以上系数可根据车辆动力学参数通过实验方式获取，v(k)为车辆k时刻速度，T为采样时间间隔，取值范围为[0.1,1]，单位为秒。
若DL包含车辆行驶车道且DT＝“Pothole”，则k时刻采取横向控制策略和纵向控制策略，将病害的检测信息按车道进行划分，格式为：[Sl2,Sl1,Sm,Sr1,Sr2]，车辆当前所处车道为Sm车道时，各种情况下车辆的横、纵向控制策略如下表：
Figure BDA0002682100630000071
其中，Sl2为中间车道左侧第二条车道，Sl1中间车道左侧第一条车道，Sm为中间车道，Sr1为中间车道右侧第一条车道，Sr2为中间车道右侧第二条车道。
各项值域范围及含义如下：-1为超出检测范围，0为无病害，1为路面裂缝“Crack”，2为坑槽“Pothole”。
若纵向控制策略为1级减速，则k时刻，增量式PID控制方法所需的加速度变化值Δa计算公式如下：
Figure BDA0002682100630000072
其中，
Figure BDA0002682100630000073
为轻微病害影响下的比例系数，
Figure BDA0002682100630000074
为轻微病害影响下的积分系数，
Figure BDA0002682100630000075
为轻微病害影响下的微分系数，
Figure BDA0002682100630000076
为轻微病害影响下的期望车速，以上系数可由该系数可根据车辆动力学参数通过实验方式获取，v(k)为车辆k时刻速度，T为采样时间间隔，取值范围为[0.1,1]，单位为秒。
若纵向控制策略为2级减速，则k时刻，增量式PID控制方法所需的加速度变化值Δa计算公式如下：
Figure BDA0002682100630000081
其中，
Figure BDA0002682100630000082
为严重病害影响下的比例系数，
Figure BDA0002682100630000083
为严重病害影响下的积分系数，
Figure BDA0002682100630000084
为严重病害影响下的微分系数，
Figure BDA0002682100630000085
为严重病害影响下的期望车速，以上系数可根据车辆动力学参数通过实验方式获取，v(k)为车辆k时刻速度，T为采样时间间隔，取值范围为[0.1,1]，单位为秒。
当控制策略中涉及车道变换时需要进行横向控制，则k时刻，增量式PID控制方法所需的转角速度变化值
Figure BDA0002682100630000086
计算公式如下：
Figure BDA0002682100630000087
其中，
Figure BDA0002682100630000088
为车辆转向的比例系数，
Figure BDA0002682100630000089
为车辆转向的积分系数，
Figure BDA00026821006300000810
为车辆转向的微分系数，
Figure BDA00026821006300000811
为车辆转向的期望车速，以上系数可根据车辆动力学参数通过实验方式获取，ω(k)为车辆k时刻速度，T为采样时间间隔，取值范围为[0.1,1]，单位为秒。
Figure BDA00026821006300000812
可由下式计算得出：
Figure BDA00026821006300000813
其中，nl为变向车道数，Ll为车道宽度，Ld为有效检测视距。
当采用预减速控制策略进行纵向控制，则k时刻，增量式PID控制方法所需的加速度变化值Δa计算公式如下：
Figure BDA0002682100630000091
其中，
Figure BDA0002682100630000092
为预减速控制策略的比例系数，
Figure BDA0002682100630000093
为预减速控制策略的积分系数，
Figure BDA0002682100630000094
为预减速控制策略的微分系数，以上系数可根据车辆动力学参数通过实验方式获取，ρ一般取0.9，vahead(k)为前车车速，v(k)为车辆k时刻速度，T为采样时间间隔，取值范围为[0.1,1]，单位为秒。
横向控制策略受视距遮挡和无可插入间隙的影响，视距遮挡是指当车辆的实际检测视距小于车辆的有效检测视距，即车辆的检测视距受到了其他车辆的遮挡，这种情况下受视距遮挡影响的车道以及该条车道同向上的其他车道，车道病害检测信息为-1，即超出检测范围；无可插入间隙是指临近的第一车道不满足车辆变道所需的安全插入间隙，这种情况下无可插入间隙的车道及其同方向上的其他车道，车道病害检测信息为-1，即超出检测范围。
车辆控制模块包括横向控制子模块和纵向控制子模块，纵向控制子模块的输入数据为Δa(k)，横向控制子模块的输入值为
Figure BDA0002682100630000095
横向控制子模块当收到控制量Δa(k)后，若Δa(k)>0则为油门控制，这根据传动比、伺服电机每转一圈所需的驱动脉冲数确定一个比例系数kthrottle-drive，将控制量乘上该系数发送给伺服电机驱动器。若Δa(k)<0则为制动控制，为了减少制动踏板的频繁抖动，按照模糊控制规则采用量化等级的值实施控制。
下表所示含义为当控制量Δa(k)的变化范围在“变化范围”各项的区域时，对应的量化等级值。
Figure BDA0002682100630000101
附图说明
图1是考虑路面状况的自动驾驶控制策略调整方法结构图；
图2是计算车载摄像头有效视距的示意图；
图3是计算平曲线半径值的示意图；
图4是确定X、Y坐标轴的示意图；
图5是PID控制流程图；
图6时车辆变向车道数为2时的场景示意图；
图7是车辆检测视线受其他车辆遮挡场景示意图；
图8是车辆无可插入间隙场景示意图；
图9是车辆纵向控制流程图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
作为本发明一实施例，如图1所示考虑路面状况的自动驾驶控制策略调整方法包括：有效视距计算模块101、路面智能检测模块102、控制策略模块103、车辆控制模块104。
有效视距计算模块基于车载摄像头计算出车载摄像头的有效视距，并将计算出的有效视距输入所述控制策略模块。
路面智能检测模块将检测结果输入控制策略模块，控制策略模块根据病害检测结果判断出前方道路有病害发生时，则根据当前车辆运行状态数据计算出车辆减速至期望速度所需距离，并与车载摄像头有效视距做对比；若车辆减速至期望速度所需距离小于车载摄像头有效视距时，根据病害类型在控制策略库中选取相应的车辆控制策略；若车辆减速至期望车速所需距离大于车载摄像头有效视距时，则采取控制策略库中的预减速纵向控制策略。
选取的控制策略输入车辆控制模块，采用PID控制方法实现各策略对车辆的纵向控制和横向控制。
有效视距计算模块执行下述步骤：
以车辆当前位置所处车道中线为坐标原点O建立XY坐标(如图2中1所示)，其中X轴由车辆出发指向车道直线(如图4中14所示)与缓和曲线(如图4中15所示)交接处(如图4中16所示)直线延长线方向(如图4中17所示)，Y轴由车辆出发指向X轴逆时针旋转90度的方向(如图4中18所示)。
计算以视频检测设备视野角为夹角的延长线与车辆所处车道的车道边缘的交点坐标A(如图2中6所示)，公式如下：
Figure BDA0002682100630000111
其中，XA为A点在X轴上对应坐标值，YA为A点在Y轴上对应坐标值，θd为车载摄像头的最大视野角(如图2中2所示)，可由摄像头的参数直接获取，θM为车载摄像头的水平视距线与X轴夹角(如图2中4所示)，LM为车载摄像头的最远检测水平视距(如图2中5所示)，可由摄像头的参数直接获取，XM为车载摄像头的最远检测水平视距LM在X轴上的投影与X轴的交点坐标值，Ll为车道宽度，可由道路设计标准直接确定，一般可取3.5米，RL为道路的平曲线半径可由公式计算得出。
计算原点O与A点之间的距离，公式如下：
Figure BDA0002682100630000121
其中，LOA为原点O与A点之间的距离3，XA为A点在X轴上对应的坐标值，YA为A点在Y轴上对应的坐标值。
平曲线半径RL(如图2中7所示)，该值的计算可由车辆当前轮胎转角推算得出，而轮胎转角和方向盘转角之间存在对应关系，因此可通过获取车辆的方向盘转角间接获取到轮胎转角，计算步骤如下：
由方向盘转角推算出轮胎转角
Figure BDA0002682100630000122
公式如下：
Figure BDA0002682100630000123
计算一段时间内轮胎的平均转角
Figure BDA0002682100630000124
公式如下：
Figure BDA0002682100630000125
计算平曲线半径值RL，公式如下：
Figure BDA0002682100630000126
其中，RL为平曲线半径值(如图3中13所示)，Ror为车辆行驶轨迹的弧长(如图3中12所示)，vc为车辆行驶速度，可由车辆CAN线获取，th为计算道路平曲线半径所采集历史数据的时间间隔，一般可设为1秒，
Figure BDA0002682100630000131
为车辆中心在th时间内的平均转向角(如图3中11所示)，t0为现在时刻前th时的时刻，
Figure BDA0002682100630000132
为t时刻车辆的转向角，fc为车辆CAN线数据采集频率，
Figure BDA0002682100630000133
为t时刻方向盘的转向角，可由DBC协议文件获取，ωin为车辆内侧车轮最大转向角，可由DBC协议文件获取，ωout为车辆外侧车轮最大转向角，可由DBC协议文件获取，ωmax为方向盘最大转向角，可由DBC协议文件获取。
计算过A点的延长线与平曲线半径的交点B之间的距离，公式如下：
Figure BDA0002682100630000134
其中，LAB为点A、B之间的距离(如图2中8所示)，RL为平曲线半径(如图2中7所示)，Ll为车道宽度可由道路设计标准直接确定，一般可取3.5米。
采用余弦公式计算出RL、LAB之间的夹角，公式如下：
Figure BDA0002682100630000135
其中，θR为RL、LAB之间的夹角(如图2中9所示)，XA为A点在X轴上对应的坐标值，YA为A点在Y轴上对应的坐标值，RL为平曲线半径7，Ll为车道宽度可由道路设计标准直接确定，一般可取3.5米。
计算角θR对应的弧长0C(如图2中10所示)即为车载摄像头有效视距，公式如下：
Ld＝RLθR
其中，Ld为车载摄像头有效视距(如图2中10所示)，RL为平曲线半径(如图2中7所示)，θR为RL、LAB之间的夹角(如图2中9所示)。
路面智能检测模块采用路面病害检测算法识别路面病害，并将检测结果存入病害信息列表，病害信息列表包括病害标识字段用Do表示、病害类型字段用DT表示、病害影响车道字段用DL表示。
其中，病害标识字段Do记录是否检测到病害，1为发现病害，0为未发现病害；病害类型字段DT包含病害类型如下:“PavementMarking”为路面标线，“BrokenMarking”为破损标线，“Patch”为大面积修补，“Pothole”为路面坑槽，“WellLid”为井盖，“Crack”为路面裂缝，“SealedCrack”为裂缝修补。
其中轻微病害包括“BrokenMarking”、“Patch”、“SealedCrack”、“WellLid”，中等病害包括“Crack”，严重病害包括“Pothole”。
控制策略模块的输入数据为病害信息列表，当Do＝0时，保持原有控制策略；当Do＝1且DL包含车辆行驶车道时，计算车辆从当前行驶速度减速到期望速度所需的距离Ls，若Ls<Ld则分病害类型从控制策略库中选取相应的车辆控制策略，若Ls>Ld则采取控制策略库中的预减速纵向控制策略。
控制策略库包含不同病害类型下对车辆的横向和纵向控制策略，横向控制策略是采用PID控制方法对车辆的转角速度进行控制的策略，纵向控制策略是采用PID控制方法对车辆的速度进行控制的策略，PID控制过程如图5所示，具体内容包括：
若DL包含车辆行驶车道且DT＝“PavementMarking”，则保持原控制策略。
若DL包含车辆行驶车道且DT＝“BrokenMarking”或“Patch”或“SealedCrack”或“WellLid”，则k时刻采取纵向控制策略，增量式PID控制方法所需的加速度变化值Δa(k)计算公式如下：
Figure BDA0002682100630000151
其中，
Figure BDA0002682100630000152
为轻微病害影响下的比例系数，
Figure BDA0002682100630000153
为轻微病害影响下的积分系数，
Figure BDA0002682100630000154
为轻微病害影响下的微分系数，
Figure BDA0002682100630000155
为轻微病害影响下的期望车速，以上系数可根据车辆动力学参数通过实验方式获取，v(k)为车辆k时刻速度，T为采样时间间隔，取值范围为[0.1,1]，单位为秒。
若DL包含车辆行驶车道且DT＝“Crack”，则k时刻采取纵向控制策略，增量式PID控制方法所需的加速度变化值Δa(k)计算公式如下：
Figure BDA0002682100630000156
其中，
Figure BDA0002682100630000157
为中等病害影响下的比例系数，
Figure BDA0002682100630000158
为中等病害影响下的积分系数，
Figure BDA0002682100630000159
为中等病害影响下的微分系数，
Figure BDA00026821006300001510
为中等病害影响下的期望车速，以上系数可根据车辆动力学参数通过实验方式获取，v(k)为车辆k时刻速度，T为采样时间间隔，取值范围为[0.1,1]，单位为秒。
若DL包含车辆行驶车道且DT＝“Pothole”，则k时刻采取横向控制策略和纵向控制策略，将病害的检测信息按车道进行划分，格式为：[Sl2,Sl1,Sm,Sr1,Sr2]，车辆当前所处车道为Sm车道时，各种情况下车辆的横、纵向控制策略如下表：
Figure BDA0002682100630000161
其中，Sl2为中间车道左侧第二条车道，Sl1中间车道左侧第一条车道，Sm为中间车道，Sr1为中间车道右侧第一条车道，Sr2为中间车道右侧第二条车道。
各项值域范围及含义如下：-1为超出检测范围，0为无病害，1为路面裂缝Crack，2为坑槽Pothole。
若纵向控制策略为1级减速，则k时刻，增量式PID控制方法所需的加速度变化值Δa(k)计算公式如下：
Figure BDA0002682100630000162
其中，
Figure BDA0002682100630000163
为轻微病害影响下的比例系数，
Figure BDA0002682100630000164
为轻微病害影响下的积分系数，
Figure BDA0002682100630000165
为轻微病害影响下的微分系数，
Figure BDA0002682100630000166
为轻微病害影响下的期望车速，以上系数可根据车辆动力学参数通过实验方式获取，v(k)为车辆k时刻速度，T为采样时间间隔，取值范围为[0.1,1]，单位为秒。
若纵向控制策略为2级减速，则k时刻，增量式PID控制方法所需的加速度变化值Δa(k)计算公式如下：
Figure BDA0002682100630000171
其中，
Figure BDA0002682100630000172
为严重影响下的比例系数，
Figure BDA0002682100630000173
为严重影响下的积分系数，
Figure BDA0002682100630000174
为严重影响下的微分系数，
Figure BDA0002682100630000175
为严重影响下的期望车速，以上系数可根据车辆动力学参数通过实验方式获取，v(k)为车辆k时刻速度，T为采样时间间隔，取值范围为[0.1,1]，单位为秒。
当控制策略中涉及车道变换时需要进行横向控制，则k时刻，增量式PID控制方法所需的转角速度变化值
Figure BDA0002682100630000176
计算公式如下：
Figure BDA0002682100630000177
其中，
Figure BDA0002682100630000178
为车辆转向的比例系数，
Figure BDA0002682100630000179
为车辆转向的积分系数，
Figure BDA00026821006300001710
为车辆转向的微分系数，
Figure BDA00026821006300001711
为车辆转向的期望车速，以上系数可根据车辆动力学参数通过实验方式获取，ω(k)为车辆k时刻速度，T为采样时间间隔，取值范围为[0.1,1]，单位为秒。
Figure BDA00026821006300001712
可由下式计算得出：
Figure BDA00026821006300001713
其中，nl为变向车道数，Ll为车道宽度，Ld为有效检测视距，图6所示为变向车道数为2时的场景示意图。
当采用预减速控制策略进行纵向控制，则k时刻，增量式PID控制方法所需的加速度变化值Δa(k)计算公式如下：
Figure BDA0002682100630000181
其中，
Figure BDA0002682100630000182
为预减速控制策略的比例系数，
Figure BDA0002682100630000183
为预减速控制策略的积分系数，
Figure BDA0002682100630000184
为预减速控制策略的微分系数，以上系数可根据车辆动力学参数通过实验方式获取，ρ一般取0.9，vahead(k)为前车车速，v(k)为车辆k时刻速度，T为采样时间间隔，取值范围为[0.1,1]，单位为秒。
横向控制策略受视距遮挡和无可插入间隙的影响，视距遮挡是指当车辆的实际检测视距小于车辆的有效检测视距，即车辆的检测视距受到了其他车辆的遮挡，场景示意图如图7所示，受车辆B遮挡影响车辆A在所处车道的左侧车道方向上的视距减小，这种情况下受视距遮挡影响的车道以及该条车道同向上的其他车道，车道病害检测信息为-1，即超出检测范围。
无可插入间隙是指临近的第一车道不满足车辆变道所需的安全插入间隙，场景示意图如图8所示，车辆B、C和车辆C、D的车辆间距较小，在到达前方路面病害之前不能提供给A车安全的可插入间隙，这种情况下无可插入间隙的车道及其同方向上的其他车道，车道病害检测信息为-1，即超出检测范围。
车辆控制模块包括横向控制子模块和纵向控制子模块，纵向控制子模块的输入数据为Δa(k)，横向控制子模块的输入值为
Figure BDA0002682100630000185
纵向控制子模块当收到控制量Δa(k)后，若Δa(k)>0则为油门控制，这根据传动比、伺服电机每转一圈所需的驱动脉冲数确定一个比例系数kthrottle-drive，将控制量乘上该系数发送给伺服电机驱动器。
若Δa(k)<0则为制动控制，为了减少制动踏板的频繁抖动，按照模糊控制规则采用量化等级的值实施控制，控制流程如图9所示。
下表所示含义为当控制量Δa(k)的变化范围在“变化范围”各项的区域时，对应的量化等级值。
Figure BDA0002682100630000191

Claims (5)

1.一种考虑路面状况的自动驾驶控制策略调整方法，其特征在于，包括如下步骤：
a.有效视距计算模块基于车载摄像头计算出车载摄像头的有效视距，并将计算出的有效视距输入控制策略模块；
b.路面智能检测模块将检测结果输入控制策略模块，控制策略模块根据病害检测结果判断出前方道路有病害发生时，则根据当前车辆运行状态数据计算出车辆减速至期望速度所需距离，并与车载摄像头有效视距做对比；若车辆减速至期望车速所需距离小于车载摄像头有效视距时，根据病害类型在控制策略库中选取相应的车辆控制策略；若车辆减速至期望车速所需距离大于车载摄像头有效视距时，则采取控制策略库中的预减速纵向控制策略；
c.将选取的控制策略输入车辆控制模块，采用PID控制方法实现各策略中对车辆纵向控制和横向控制；
所述路面智能检测模块，采用路面病害检测算法识别路面病害，并将检测结果存入病害信息列表，病害信息列表包括病害标识字段用Do表示、病害类型字段用DT表示、病害影响车道字段用DL表示；
其中病害标识字段Do记录是否检测到病害，1为发现病害，0为未发现病害；病害类型字段DT包含病害类型如下:“PavementMarking”为路面标线，“BrokenMarking”为破损标线，“Patch”为大面积修补，“Pothole”为路面坑槽，“WellLid”为井盖，“Crack”为路面裂缝，“SealedCrack”为裂缝修补；
其中轻微病害包括“BrokenMarking”、“Patch”、“SealedCrack”、“WellLid”，中等病害包括“Crack”，严重病害包括“Pothole”；
所述步骤b控制策略模块的输入数据为病害信息列表，当Do＝0时，保持原有控制策略；当Do＝1且DL包含车辆行驶车道时，控制策略模块从控制策略库中选择并执行相应控制策略；
所述步骤b中控制策略库包含不同病害类型下对车辆的横向和纵向控制策略，横向控制策略是采用PID控制方法对车辆的转角速度进行控制的策略，纵向控制策略是采用PID控制方法对车辆的速度进行控制的策略，具体内容包括：
若DL包含车辆行驶车道且DT＝“PavementMarking”，则保持原控制策略；
若DL包含车辆行驶车道且DT＝“BrokenMarking”或“Patch”或“SealedCrack”或“WellLid”，则k时刻采取纵向控制策略，增量式PID控制方法所需的加速度变化值Δa(k)计算公式如下：
Figure FDA0003628853720000021
其中，
Figure FDA0003628853720000022
为轻微病害影响下的比例系数，
Figure FDA0003628853720000023
为轻微病害影响下的积分系数，
Figure FDA0003628853720000024
为轻微病害影响下的微分系数，
Figure FDA0003628853720000025
为轻微病害影响下的期望车速，以上系数可根据车辆动力学参数通过实验方式获取，v(k)为车辆k时刻速度，T为采样时间间隔，取值范围为[0.1，1]，单位为秒；
若DL包含车辆行驶车道且DT＝“Crack”，则k时刻采取纵向控制策略，增量式PID控制方法所需的加速度变化值Δa(k)计算公式如下：
Figure FDA0003628853720000031
其中，
Figure FDA0003628853720000032
为中等病害影响下的比例系数，
Figure FDA0003628853720000033
为中等病害影响下的积分系数，
Figure FDA0003628853720000034
为中等病害影响下的微分系数，
Figure FDA0003628853720000035
为中等病害影响下的期望车速，以上系数可根据车辆动力学参数通过实验方式获取，v(k)为车辆k时刻速度，T为采样时间间隔，取值范围为[0.1，1]，单位为秒；
若DL包含车辆行驶车道且DT＝“Pothole”，则k时刻采取横向控制策略和纵向控制策略，结合车辆行驶车道的周围其他车道的病害检测信息，针对每种可能的情况提出对车辆的横、纵向控制策略，其中横向控制策略包括左向变道n和右向变道n，n为车辆变道数目，纵向控制策略包括1级减速和2级减速；
若纵向控制策略为1级减速，则k时刻，增量式PID控制方法所需的加速度变化值计算Δa(k)公式如下：
Figure FDA0003628853720000036
其中，
Figure FDA0003628853720000037
为轻微病害影响下的比例系数，
Figure FDA0003628853720000038
为轻微病害影响下的积分系数，
Figure FDA0003628853720000039
为轻微病害影响下的微分系数，
Figure FDA00036288537200000310
为轻微病害影响下的期望车速，以上系数可根据车辆动力学参数通过实验方式获取，v(k)为车辆k时刻速度，T为采样时间间隔，取值范围为[0.1，1]，单位为秒；
若纵向控制策略为2级减速，则k时刻，增量式PID控制方法所需的加速度变化值Δa(k)计算公式如下：
Figure FDA00036288537200000311
Figure FDA0003628853720000041
其中，
Figure FDA0003628853720000042
为严重病害影响下的比例系数，
Figure FDA0003628853720000043
为严重病害影响下的积分系数，
Figure FDA0003628853720000044
为严重病害影响下的微分系数，
Figure FDA0003628853720000045
为严重病害影响下的期望车速，以上系数可根据车辆动力学参数通过实验方式获取，v(k)为车辆k时刻速度，T为采样时间间隔，取值范围为[0.1，1]，单位为秒；
当控制策略中涉及车道变换时需要进行横向控制，则k时刻，增量式PID控制方法所需的转角速度变化值
Figure FDA0003628853720000046
计算公式如下：
Figure FDA0003628853720000047
其中，
Figure FDA0003628853720000048
为车辆转向的比例系数，
Figure FDA0003628853720000049
为车辆转向的积分系数，
Figure FDA00036288537200000410
为车辆转向的微分系数，以上系数可根据车辆动力学参数通过实验方式获取，T为采样时间间隔，取值范围为[0.1，1]，单位为秒；
Figure FDA00036288537200000411
可由下式计算得出：
Figure FDA00036288537200000412
其中，nl为变向车道数，Ll为车道宽度，Ld为有效检测视距；
当采用预减速控制策略进行纵向控制，则k时刻，增量式PID控制方法所需的加速度变化值Δa(k)计算公式如下：
Figure FDA00036288537200000413
其中，
Figure FDA00036288537200000414
为预减速控制策略的比例系数，
Figure FDA00036288537200000415
为预减速控制策略的积分系数，
Figure FDA00036288537200000416
为预减速控制策略的微分系数，以上系数可根据车辆动力学参数通过实验方式获取，ρ为一般取0.9，vahead(k)为前车车速，v(k)为车辆k时刻速度，T为采样时间间隔，取值范围为[0.1，1]，单位为秒。
2.根据权利要求1所述方法，其特征在于，所述有效视距计算模块执行下述步骤：
以车辆当前位置所处车道中线为坐标原点O建立XY坐标(1)，其中X轴由车辆出发指向车道直线与缓和曲线交接处直线延长线方向，Y轴由车辆出发指向X轴逆时针旋转90度的方向；
计算以视频检测设备视野角为夹角的延长线与车辆所处车道的车道边缘的交点坐标A(6)，公式如下：
Figure FDA0003628853720000051
其中，XA为A点在X轴上对应的坐标值，YA为A点在Y轴上对应的坐标值，θd为车载摄像头的最大视野角(2)，可由摄像头的参数直接获取，θM为车载摄像头的水平视距线与X轴夹角(4)，LM为车载摄像头的最远检测水平视距(5)，可由摄像头的参数直接获取，XM为车载摄像头的最远检测水平视距LM在X轴上的投影与X轴的交点坐标值，Ll为车道宽度，可由道路设计标准直接确定，RL为道路的平曲线半径(7)，可由公式计算得出；
计算原点O与A点之间的距离，公式如下：
Figure FDA0003628853720000052
其中，LOA为原点O与A点之间的距离(3)；
平曲线半径RL，该值的计算可由车辆当前轮胎转角推算得出，计算步骤如下：
由方向盘转角推算出轮胎转角，公式如下：
Figure FDA0003628853720000061
计算一段时间内轮胎的平均转角，公式如下：
Figure FDA0003628853720000062
计算平曲线半径值，公式如下：
Figure FDA0003628853720000063
其中，RL为平曲线半径值(7)，Ror为车辆行驶轨迹的弧长(12)，v3为车辆行驶速度，可通过车辆CAN线获取，th为计算道路平曲线半径所采集历史数据的时间间隔，
Figure FDA0003628853720000064
为车辆中心在th时间内的平均转向角(11)，t0为现在时刻t前th时的时刻，
Figure FDA0003628853720000065
为车辆中心在t时刻车辆的转向角，f3为车辆CAN线数据采集频率，
Figure FDA0003628853720000066
为t时刻方向盘的转向角，ωin为车辆内侧车轮最大转向角，ωout为车辆外侧车轮最大转向角，ωmax为方向盘最大转向角；
计算过A点的延长线与平曲线半径的交点B之间的距离，公式如下：
Figure FDA0003628853720000067
其中，LAB为点A、B之间的距离(8)；
采用余弦公式计算出LAB、RL之间的夹角θR；
计算角θR对应的弧长0C(10)即为车载摄像头有效视距，公式如下：
Ld＝RLθR
其中，Ld为车载摄像头有效视距(10)，θR为LAB、RL之间的夹角(9)。
3.根据权利要求1所述方法，其特征在于，所述横向控制策略受视距遮挡和无可插入间隙的影响，视距遮挡是指当车辆的实际检测视距小于车辆的有效检测视距，即车辆的检测视距受到了其他车辆的遮挡，这种情况下受视距遮挡影响的车道以及该条车道同向上的其他车道，车道病害检测信息为-1，即超出检测范围；无可插入间隙是指临近的第一车道不满足车辆变道所需的安全插入间隙，这种情况下无可插入间隙的车道及其同方向上的其他车道，车道病害检测信息为-1，即超出检测范围。
4.根据权利要求1所述方法，其特征在于，所述车辆控制模块包括横向控制子模块和纵向控制子模块，纵向控制子模块的输入数据为Δa(k)，横向控制子模块的输入值为
Figure FDA0003628853720000071
纵向控制子模块当收到控制量Δa(k)后，若Δa(k)＞0则为油门控制，这根据传动比、伺服电机每转一圈所需的驱动脉冲数确定一个比例系数kthrottle-drive，将控制量乘上该系数发送给伺服电机驱动器；若Δa(k)＜0则为制动控制，为了减少制动踏板的频繁抖动，按照模糊控制规则采用量化等级的值实施控制。
5.一种考虑路面状况的自动驾驶控制策略调整系统，包括有效视距计算模块、控制策略模块、路面智能检测模块和车辆控制模块，其用于执行根据上述权利要求1-4中任一项所述的方法。
CN202010965395.4A 2020-09-15 2020-09-15 一种考虑路面状况的自动驾驶控制策略调整方法 Active CN112265548B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010965395.4A CN112265548B (zh) 2020-09-15 2020-09-15 一种考虑路面状况的自动驾驶控制策略调整方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010965395.4A CN112265548B (zh) 2020-09-15 2020-09-15 一种考虑路面状况的自动驾驶控制策略调整方法

Publications (2)

Publication Number Publication Date
CN112265548A CN112265548A (zh) 2021-01-26
CN112265548B true CN112265548B (zh) 2022-06-14

Family

ID=74349961

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010965395.4A Active CN112265548B (zh) 2020-09-15 2020-09-15 一种考虑路面状况的自动驾驶控制策略调整方法

Country Status (1)

Country Link
CN (1) CN112265548B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113096517B (zh) * 2021-04-13 2022-09-30 北京工业大学 基于5g和自动驾驶的路面病害智能检测小车及沙盘展示系统
CN114291094B (zh) * 2021-12-28 2024-05-17 清华大学苏州汽车研究院（相城） 一种基于自动驾驶的路面状况感知响应系统及方法
CN115937826B (zh) * 2023-02-03 2023-05-09 小米汽车科技有限公司 目标检测方法及装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11148394A (ja) * 1997-11-14 1999-06-02 Nissan Motor Co Ltd 車両制御装置
JP3674316B2 (ja) * 1998-06-25 2005-07-20 日産自動車株式会社 走行位置決定装置
JP3094106B1 (ja) * 1999-10-27 2000-10-03 建設省土木研究所長 車線逸脱防止システム
US8751154B2 (en) * 2008-04-24 2014-06-10 GM Global Technology Operations LLC Enhanced clear path detection in the presence of traffic infrastructure indicator
US9632502B1 (en) * 2015-11-04 2017-04-25 Zoox, Inc. Machine-learning systems and techniques to optimize teleoperation and/or planner decisions
JP6805992B2 (ja) * 2017-07-18 2020-12-23 トヨタ自動車株式会社 周辺監視装置
CN110246358A (zh) * 2018-03-08 2019-09-17 比亚迪股份有限公司 用于定位车辆所在停车位的方法、车辆及系统
CN110614998B (zh) * 2019-08-21 2021-01-08 南京航空航天大学 一种激进型辅助驾驶弯道避障换道路径规划系统及方法
CN111516692A (zh) * 2020-04-20 2020-08-11 重庆长安汽车股份有限公司 一种车辆在坑洼路面上行驶的控制系统及方法

Also Published As

Publication number Publication date
CN112265548A (zh) 2021-01-26

Similar Documents

Publication Publication Date Title
CN112265548B (zh) 一种考虑路面状况的自动驾驶控制策略调整方法
DE102019111390B4 (de) Verfahren zum steuern eines automatisierten fahrbetriebs eines kraftfahrzeugs
CN109649393B (zh) 一种自动驾驶变换车道的路径规划方法及装置
CN107792069B (zh) 车辆的行驶控制装置
CN107010066B (zh) 车辆的行驶控制装置
JP3391745B2 (ja) カーブ進入制御装置
US9676333B2 (en) Vehicle control system
CN107867291A (zh) 车辆的行驶控制装置
US11603103B2 (en) Vehicle speed control
CN112896188B (zh) 一种考虑前车遭遇的自动驾驶决策控制的系统
CN113501001A (zh) 一种无人驾驶车辆变道行驶控制方法、系统及终端
EP3029538B1 (en) Vehicle position/bearing estimation device and vehicle position/bearing estimation method
CN107031630A (zh) 车辆的行驶控制装置
CN112224202B (zh) 一种紧急工况下的多车协同避撞系统及方法
CN113511221B (zh) 一种监控横向控制能力的方法、系统、车辆及存储介质
CN106476807B (zh) 车辆的行驶控制装置
GB2549105A (en) Improvements in vehicle speed control
CN112319365B (zh) 一种变道预警辅助方法及系统
WO2021235043A1 (ja) 車両制御装置
CN110920623B (zh) 自动驾驶中车辆变道至目标车道前车之后的预测方法
CN110077462B (zh) 一种无人车行驶过程中的转向保护方法及终端
DE102019212933A1 (de) Steuersystem für ein fahrzeug
CN110920622B (zh) 自动驾驶中车辆变道至目标车道前车之前的预测方法
CN114084133B (zh) 一种跟车目标的确定方法及相关装置
CN114537445A (zh) 一种基于本车行驶轨迹的跟车目标选择方法

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