CN112455439B - 基无人驾驶车辆环境认知及决策控制方法、系统及车辆 - Google Patents

基无人驾驶车辆环境认知及决策控制方法、系统及车辆 Download PDF

Info

Publication number
CN112455439B
CN112455439B CN202011338031.XA CN202011338031A CN112455439B CN 112455439 B CN112455439 B CN 112455439B CN 202011338031 A CN202011338031 A CN 202011338031A CN 112455439 B CN112455439 B CN 112455439B
Authority
CN
China
Prior art keywords
target
condition
preset
interest
region
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
CN202011338031.XA
Other languages
English (en)
Other versions
CN112455439A (zh
Inventor
邱利宏
王晟
徐榕
游虹
蔡张跃
谭秀全
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.)
Chongqing Changan Automobile Co Ltd
Original Assignee
Chongqing Changan Automobile Co Ltd
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 Chongqing Changan Automobile Co Ltd filed Critical Chongqing Changan Automobile Co Ltd
Priority to CN202011338031.XA priority Critical patent/CN112455439B/zh
Publication of CN112455439A publication Critical patent/CN112455439A/zh
Application granted granted Critical
Publication of CN112455439B publication Critical patent/CN112455439B/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
    • 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/14—Adaptive cruise control
    • B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
    • B60W30/165—Automatically following the path of a preceding lead vehicle, e.g. "electronic tow-bar"
    • 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
    • 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
    • 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
    • B60W40/107—Longitudinal acceleration
    • 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
    • B60W40/109—Lateral acceleration
    • 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
    • B60W40/12—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 parameters of the vehicle itself, e.g. tyre models
    • 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
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/06—Direction of travel
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B60W2520/105—Longitudinal acceleration
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/12—Lateral 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/12—Lateral speed
    • B60W2520/125—Lateral acceleration
    • 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
    • B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
    • B60W2530/201—Dimensions of vehicle
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/53—Road markings, e.g. lane marker or crosswalk
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/801—Lateral distance
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/803—Relative lateral 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/804—Relative longitudinal speed

Abstract

本发明公开了一种基无人驾驶车辆环境认知及决策控制方法、系统及车辆，包括：对传感器感兴趣区域内的目标进行筛选和编号；对不同编号的车辆进行跟踪和运动趋势预测；设定目标的压线边界作用线；设定潜在目标压线边界作用线；计算目标的危险程度；跟车目标决策；潜在危险目标决策。本发明提高了无人驾驶车辆的场景适应能力，在保障行驶安全的前提下，提升了乘客的乘坐体验。

Description

基无人驾驶车辆环境认知及决策控制方法、系统及车辆
技术领域
本发明属于无人驾驶车辆环境认知即决策控制技术领域，具体涉及一种基无人驾驶车辆环境认知及决策控制方法、系统及车辆。
背景技术
当前工程应用领域，自动驾驶跟车目标一般为传感器供应商输出的一号目标。基于一号目标做跟车控制的局限在于，对有目标切入的危险工况难以实现避撞。特别是城市拥堵工况，目前已经量产的L2或L2+自动驾驶车型，主要采用基于规则的算法架构。针对有车辆近距离切入的工况，难以实现有效的识别和及时制动，因此被动接管率在70 %以上，对用户信心感、驾驶体验和安全造成了极大的影响。
除了对跟车目标进行制动之外，主流量产车型都缺乏对潜在风险的预处理逻辑，而自然驾驶人在面临潜在风险时，一般会采取预制动措施，降低碰撞风险。例如CN109849910A根据感兴趣区域的目标是否压线，是否有靠近趋势，进行跟车目标决策。缺少系统性的风险评估和决策。考虑到传感器到控制执行需要经过传感融合、决策规划到控制几个阶段，在加上制动执行器本身的延时，就会造成从驾驶员感知风险到自动驾驶车辆实际制动有一个明显的时间差，就造成了实际驾驶体验较差且增加了安全风险的问题。
因此，有必要开发一种基无人驾驶车辆环境认知及决策控制方法、系统及车辆。
发明内容
本发明的目的是提供一种基无人驾驶车辆环境认知及决策控制方法、系统及车辆，能提高无人驾驶车辆的场景适应能力，在保障行驶安全的前提下，能提升乘客的乘坐体验。
本发明所述的一种基无人驾驶车辆环境认知及决策控制方法，包括以下步骤：
对传感器感兴趣区域内的目标进行筛选和编号；
对不同编号的车辆进行跟踪和运动趋势预测；
设定目标的压线边界作用线；
设定潜在目标压线边界作用线；
计算目标的危险程度；
跟车目标决策；
潜在危险目标决策。
进一步，对传感器感兴趣区域内的目标进行筛选和编号，具体为：
筛选出6个目标，本车道、相邻左车道和相邻右车道内各2个目标；
按照与本车的纵向距离由近到远依次排列，本车道内的2个目标编号为RT1和RT2；相邻左车道的2个目标编号为RT3和RT5，相邻右车道2个目标编号定义为RT4和RT6；
编号的目标若不在感兴趣区域内，对应的目标状态输出为零；
所述目标状态包含：纵向距离、纵向速度、横向距离、横向速度、纵向加速度、横向加速度、跟踪ID、目标物类型、长度、宽度以及航向角。
进一步，对不同编号的车辆进行跟踪和运动趋势预测，具体为：
设置缓存器，记录目标历史状态；
计算目标每一个计算周期内移动的距离；
若在历史过程中，目标横向距离连续变大或者变小，则认为目标具备有朝一个方向运动的基本条件；
若目标横向距离绝对值连续变小，且横向速度绝对值大于第一预设横向速度，则认为目标具有靠近趋势；
若目标横向距离绝对值连续变大，且横向速度绝对值大于第二预设横向速度，则认为目标具有切出趋势；
设置目标运动趋势回退条件；满足所述回退条件则不输出运动趋势。
进一步，设定目标压线边界作用线，具体为：
计算目标边缘点坐标，所述目标边缘点坐标为在本车相对坐标系下的目标四个边缘点的坐标值；
设定压线边界作用线初始值，目标选为跟车目标的默认边界作用线设置为压车道线达到Cover_Cali_Dist_in，Cover_Cali_Dist_in为一个标定值；
对压线边界作用线进行修正：
设定Cover_Cali_Dist_in取值与本车道宽度正相关，本车道宽度越大，Cover_Cali_Dist_in取值越大；
设定Cover_Cali_Dist_in取值与本车车速正相关，本车车速越高，Cover_Cali_Dist_in取值越大；
设定Cover_Cali_Dist_in取值与目标纵向距离相关，当目标纵向距离越大，Cover_Cali_Dist_in取值越大；
设定Cover_Cali_Dist_in取值与道路是否为弯道相关；当弯道为向左弯道时，相邻左车道目标Cover_Cali_Dist_in取值增大，相邻右车道目标Cover_Cali_Dist_in取值减小；当弯道为向右弯道时，相邻左车道目标Cover_Cali_Dist_in取值减小，相邻右车道目标Cover_Cali_Dist_in取值增加，所述弯道定义为当道路曲率绝对值大于门限值时，认为道路为弯道；
设定静止目标的Cover_Cali_Dist_in在动态目标的基础上增加一个第一标定量；
设定目标有靠近趋势时，Cover_Cali_Dist_in在静止目标对应标定量的基础上减少一个第二标定量；
根据目标坐标边缘点与车道线的关系计算目标压线量，目标压线量定义为边缘点侵入本车道的最大值；
当目标压线量达到在修正后的压线边界以内，认为目标满足压线条件。
进一步，设定潜在目标压线边界作用线，具体为：
计算目标边缘点离车道线的距离；
设定有靠近趋势时潜在目标的选入边界，所述潜在目标的选入边界是在目标选入边界的基础上，提前一个第三标定量；当目标离选为目标的边界的横向距离小于第三标定量时，即满足选为潜在目标的条件；
设定没有靠近趋势时潜在目标的选入边界，当目标没有靠近趋势时，潜在目标的选入边界是其边缘点离车道线的距离小于一个第四标定量。
进一步，目标的危险程度是根据将目标选为跟车目标时，恢复理想时距需要的减速度，具体包括：
计算目标与本车的相对距离；
计算目标与本车的相对速度；
根据相对距离和相对车速计算恢复理想时距需要的减速度，此减速度越小，目标的危险程度越高；
进一步，跟车目标决策，具体为：
设定可选为跟车目标的目标区域ID范围，设定跟车目标从RT1~RT6中切换；
设定跟车目标的切换逻辑如下：
默认跟车目标为RT1；
当满足条件A1或条件A2时，跟车目标从RT1切换到RT3：
条件A1，以下条件同时满足：
RT3在感兴趣区域内；
RT3连续预设个周期压线；
RT3与本车的纵向相对距离小于第一预设倍时距；
RT3的危险程度高于RT1的危险程度；
RT3没有切出趋势；
方向盘转角小于预设转角；
道路曲率半径大于预设道路曲率；
条件A2，以下条件同时满足：
RT3在感兴趣区域内；
RT3有靠近趋势；
RT3满足预设个周期在提前选入边界以内的条件；
RT3的危险程度高于RT1的危险程度；
当满足条件A3至条件A5中任意一个时，跟车目标从RT3切换到RT1：
条件A3，以下条件同时满足：
RT3在感兴趣区域内；
RT3连续预设个周期在车道线外；
条件A4，以下条件同时满足：
RT3在感兴趣区域内；
RT3有切出趋势；
RT3的压线量连续多个周期小于预设压线量；
条件A5，RT3不在感兴趣区域内；
当满足条件A6或条件A7时，跟车目标从RT1切换到RT4：
条件A6，以下条件同时满足：
RT4在感兴趣区域内；
RT4连续预设个周期压线；
RT4与本车的纵向相对距离小于第一预设倍时距；
RT4的危险程度高于RT1的危险程度；
RT4没有切出趋势
方向盘转角小于预设转角；
道路曲率半径大于预设道路曲率；
条件A7，以下条件同时满足：
RT4在感兴趣区域内；
RT4有靠近趋势；
RT4满足预设个周期在提前选入边界以内的条件；
RT4的危险程度高于RT1的危险程度；
当满足条件A8至条件A10中任意一个时，跟车目标从RT4切换到RT1；
条件A8，以下条件同时满足：
RT4在感兴趣区域内；
RT4连续预设个周期在车道线外；
条件A9，以下条件同时满足：
RT4在感兴趣区域内；
RT4有切出趋势；
RT4的压线量连续多个周期小于预设压线量；
条件A10，RT4不在感兴趣区域内；
当满足条件A11或条件A12时，跟车目标从RT1切换到RT5：
条件A11，以下条件同时满足：
RT5在感兴趣区域内；
RT5连续预设个周期压线；
RT3不满足连续预设个周期压线；
RT5与本车的纵向相对距离小于第一预设倍时距；
RT5的危险程度高于RT1的危险程度；
RT5没有切出趋势；
方向盘转角小于预设转角；
道路曲率半径大于预设道路曲率；
条件A12，以下条件同时满足：
RT5在感兴趣区域内；
RT5有靠近趋势；
RT5满足预设个周期在提前选入边界以内的条件；
RT5的危险程度高于RT1的危险程度；
当满足条件A13至条件A15中任意一个时，跟车目标从RT5切换到RT1：
条件A13，以下条件同时满足：
RT5在感兴趣区域内；
RT5连续预设个周期在车道线外；
RT5没有靠近趋势
条件A14，以下条件同时满足：
RT5在感兴趣区域内；
RT5有切出趋势；
RT5的压线量连续多个周期小于预设压线量；
条件A15，RT5不在感兴趣区域内；
当满足条件A16或条件A17时，跟车目标从RT1切换到RT6：
条件A16，以下条件同时满足：
RT6在感兴趣区域内；
RT6连续预设个周期压线；
RT4不满足连续预设个周期压线；
RT6与本车的纵向相对距离小于第一预设倍时距；
RT6的危险程度高于RT1的危险程度；
RT6没有切出趋势；
方向盘转角小于预设转角；
道路曲率半径大于预设道路曲率；
条件A17，以下条件同时满足：
RT6在感兴趣区域内；
RT6有靠近趋势；
RT6满足预设个周期在提前选入边界以内的条件；
RT6的危险程度高于RT1的危险程度；
当满足条件A18至条件A20中的任意一个时，跟车目标从RT6切换到RT1：
条件A18，以下条件同时满足：
RT6在感兴趣区域内；
RT6连续预设个周期在车道线外；
RT6没有靠近趋势
条件A19，以下条件同时满足：
RT6在感兴趣区域内；
RT6有切出趋势；
RT6的压线量连续多个周期小于预设压线量；
条件A20，RT6不在感兴趣区域内；
当满足以下条A21至条件A27时，跟车目标从RT1切换到RT2：
条件A21，RT1存在于感兴趣区域内；
条件A22，RT2存在于感兴趣区域内；
条件A23，RT1有切出趋势，或RT1与本车的横向相对距离大于预设横向相对距离，或者RT1为二轮车；
条件A24，RT2与RT1的纵向距离差值在第二预设倍时距之内；
条件A25，RT2的危险程度高于RT1的危险程度；
条件A26，双侧车道线完好；
条件A27，道路曲率半径大于预设道路曲率；
当满足条件A28至条件A33中任意一个时，跟车目标从RT2切换到RT1：
条件A28，以下条件同时满足：
RT1有切出趋势；
RT1与本车的横向相对距离小于预设横向相对距离；
RT2存在于感兴趣区域内；
RT2与RT1的纵向距离差值在第二预设倍时距之内；
RT2的危险程度高与RT1的危险程度；
双侧车道线完好；
道路曲率半径大于预设道路曲率；
条件A29，RT2不在感兴趣区域内；
条件A30，RT2与RT1的纵向距离差值在第二预设倍时距之上；
条件A31，RT2的危险程度低于RT1的危险程度；
条件A32，双侧车道线至少有一边丢失；
条件A33，道路曲率半径小于预设道路曲率；
当同时满足条件A34和条件A35时，跟车目标从RT3切换到RT4：
条件A34，RT4的危险程度高于RT3的危险程度；
条件A35，RT4存在于感兴趣区域内；
当同时满足条件A36和条件A37时，跟车目标从RT4切换到RT3：
条件A36，RT3的危险程度高于RT4的危险程度；
条件A37，RT4存在于感兴趣区域内。
进一步，潜在危险目标决策，包括：
RTi被选为潜在目标，i=3,4,5,6，需满足条件B1或条件B2中的任意一个：
条件B1，如下条件同时满足：
RTi在感兴趣区域内；
RTi至少有一个边沿点潜在目标边界作用线以内；
RTi有靠近趋势；
RTi的危险程度高于RT1的危险程度；
双侧车道线完好；
条件B2，如下条件同时满足：
RTi在感兴趣区域内；
RTi的压线量大于预设压线量；
RTi没有切出趋势；
RTi纵向速度比本车纵向速度低预设百分比以上；
RTi在第三预设倍时距以内；
RTi的危险程度高于RT1的危险程度；
双侧车道线完好；
与条件B1相对应的RTi作为潜在目标的释放条件为，满足如下条件C1至条件C4中任意一个：
条件C1，RTi所有边沿点都在潜在目标边界作用线以外预设距离以上；
条件C2，RTi不在感兴趣区域内；
条件C3，RTi没有靠近趋势；
条件C4，RTi的危险程度低于RT1的危险程度；
与条件B2相对应的RTi作为潜在目标的释放条件为，满足条件D1至D6中任意一个：
条件D1，RTi的压线量小于一个预设压线量；
条件D2，RTi不在感兴趣区域内；
条件D3，RTi比本车慢10%以内；
条件D4，RTi在第四预设倍时距之外；
条件D5，双侧车道线至少与一侧丢失；
条件D6，RTi的危险程度低于RT1的危险程度；
当条件B1或B2成立时，RTi被选为潜在目标，直到与条件B1和B2对应的释放条件成立，RTi才被释放；
潜在目标决策逻辑如下：
设定潜在目标的选择范围，潜在目标从RT3~RT6中选择；
当跟车目标为RT1，RT3是潜在目标，RT4不是潜在目标时，最终的潜在目标为RT3；
当跟车目标为RT1，RT4是潜在目标，RT3不是潜在目标时，最终的潜在目标为RT4；
当跟车目标为RT1，RT3和RT4都是潜在目标，比较RT3和RT4的危险程度，若RT3的危险程度高于RT4的危险程度，则最终的潜在目标为RT3；若RT4的危险程度高于RT3的危险程度，则最终的潜在目标为RT4；
当跟车目标为RT1，RT3和RT4都不是潜在目标时，如果RT5是潜在目标，RT6不是潜在目标，最终的潜在目标为RT5；如果RT6是潜在目标，RT5不是潜在目标，最终的潜在目标为RT6；如果RT5和RT6都是潜在目标，比较RT5和RT6的危险程度，若RT5的危险程度高度RT6的危险程度，则最终的潜在目标为RT5；若RT6的危险程度高于RT5的危险程度，则最终的潜在目标为RT6；
当目标被选为跟车目标时，纵向控制按照正常的减速逻辑进行制动；当目标被选为潜在目标时，纵向控制按照正常的减速逻辑计算出的减速度乘以一个标定系数进行弱制动。
第二方面，本发明所述的一种无人驾驶车辆环境认知及决策控制系统，包括存储器和控制器，所述存储器内存储有计算机可读程序，所述计算机可读程序被控制器调用时，能执行如本发明所述的无人驾驶车辆环境认知及决策控制方法的步骤。
第三方面，本发明所述的一种车辆，采用如本发明中所述的无人驾驶车辆环境认知及决策控制系统。
本发明具有以下优点：
（1）基于传感融合的目标进行跟踪、轨迹预测和危险态势评估，实现了智能车辆对驾驶环境的深层次理解和场景适应能力；
（2）对复杂多变的交通环境进行了量化，提升了智能车辆对周围环境变化的判断和预测能力，以及复杂环境下的决策能力，在保障行驶安全的前提下，提升了实际的驾乘体验；
（3）采用基于规则的认知逻辑，实现了自动驾驶车辆的拟人化决策，使得车辆的决策符合自然驾驶人的心理预期，增加了用户信心感。
附图说明
图1是目标区域ID示意图；
图2是目标选择和潜在目标选择边界示意图；
图3是跟车目标决策状态流图；
图4是潜在目标决策状态流图。
具体实施方式
下面结合附图对本发明作进一步说明。
本实施例中，一种基无人驾驶车辆环境认知及决策控制方法，包括以下步骤：
对传感器感兴趣区域内的目标进行筛选和编号；
对不同编号的车辆进行跟踪和运动趋势预测；
设定目标的压线边界作用线；
设定潜在目标压线边界作用线；
计算目标的危险程度；
跟车目标决策；
潜在危险目标决策。
本实施例中，所述传感器感兴趣区域根据如下规则定义：
以本车前保险杠中心为原点的3倍时距以内的区域，包含本车道、相邻左车道、相邻右车道上纵向3倍时距以内的区域；
所述时距定义为以本车车速匀速行驶1s的距离。
本实施例中，对传感器感兴趣区域内的目标进行筛选和编号，具体为：
筛选出6个目标，本车道、相邻左车道和相邻右车道内各2个目标；按照与本车的纵向距离由近到远依次排列，本车道内的2个目标编号为RT1和RT2；相邻左车道的2个目标编号为RT3和RT5，相邻右车道2个目标编号定义为RT4和RT6，参见图1。编号的目标若不在感兴趣区域内，对应的目标状态输出为零；所述目标状态包含：纵向距离、纵向速度、横向距离、横向速度、纵向加速度、横向加速度、跟踪ID、目标物类型、长度、宽度以及航向角。
本实施例中，对不同编号的车辆进行跟踪和运动趋势预测，具体为：
设置缓存器，记录目标历史状态。计算目标每一个计算周期内移动的距离。若在历史过程中，目标横向距离连续变大或者变小，则认为目标具备有朝一个方向运动的基本条件。若目标横向距离绝对值连续变小，且横向速度绝对值大于第一预设横向速度，则认为目标具有靠近趋势。若目标横向距离绝对值连续变大，且横向速度绝对值大于第二预设横向速度，则认为目标具有切出趋势。设置目标运动趋势回退条件；满足所述回退条件则不输出运动趋势。
本实施例中，设定目标压线边界作用线，具体为：
计算目标边缘点坐标，所述目标边缘点坐标为在本车相对坐标系下的目标四个边缘点的坐标值。设定压线边界作用线初始值，目标选为跟车目标的默认边界作用线设置为压车道线达到标定值Cover_Cali_Dist_in，Cover_Cali_Dist_in为一个标定值。
本实施例中，对压线边界作用线进行修正：
设定Cover_Cali_Dist_in取值与本车道宽度正相关，本车道宽度越大，Cover_Cali_Dist_in 取值越大；当车道宽度在3.4m~3.7m之间时，Cover_Cali_Dist_in初始值取值为0.3 m，当车道宽小于3.4m时，Cover_Cali_Dist_in取值0.2 m，当车道宽大于3.7m时，Cover_Cali_Dist_in取值0.4 m；
设定Cover_Cali_Dist_in取值与本车车速正相关，本车车速越高，Cover_Cali_Dist_in取值越大；当车速小于60 km/h时，不对Cover_Cali_Dist_in进行修正，当车速在60km/h ~80 km/h之间时，Cover_Cali_Dist_in取值在默认值基础上增加0.1 m，当车速大于80 km/h时，Cover_Cali_Dist_in在默认值基础上增加0.2 m；
设定Cover_Cali_Dist_in取值与目标车纵向距离相关，当目标在1倍时距以内时，Cover_Cali_Dist_in取值为初始值；当目标在1倍到2倍时距之间变化时，Cover_Cali_Dist_in取值随着纵向距离增大线性增加一个标定值Cover_Cali_rec；Cover_Cali_rec默认值为0.2 m，且和车道宽度与3.6 m的比值线性相关；
设定Cover_Cali_Dist_in取值与道路是否为弯道相关。当弯道为向左弯道时，相邻左车道目标Cover_Cali_Dist_in取值增大0.1 m，相邻右车道目标Cover_Cali_Dist_in取值减小0.1m；当弯道为向右弯道时，相邻左车道目标Cover_Cali_Dist_in取值减小0.1m，相邻右车道目标Cover_Cali_Dist_in取值增加0.1 m；所述弯道定义为，当道路曲率绝对值大于门限值时，认为道路为弯道；
设定静止目标的Cover_Cali_Dist_in在动态目标的基础上增加一个第一标定量；
设定目标有靠近趋势时，Cover_Cali_Dist_in在静止目标标定量的基础上减少一个第二标定量，第二个标定量为有靠近趋势的目标的横向速度绝对值乘以设定的时间标定值，取值为0.5 s。
根据目标坐标边缘点与车道线的关系计算目标压线量，目标压线量定义为边缘点侵入本车道的最大值。当目标压线量达到在修正后的压线边界以内，认为目标满足压线条件。
当车道线存在时，目标离车道线的距离即为其边缘点于车道线的最近距离。当车道线不存在时，目标离车道线的距离即为其边缘点于虚拟车道线的距离。所述虚拟车道线是将本车行驶轨迹左右两侧平移车道线丢失前的半个车道宽得到。若车道线长时间丢失，平移的半个车道线取固定值1.6m。
由于静止目标的横向距离测量存在跳变的可能性，当静止目标处在固定的时距范围内时，对其压线状态进行锁定。即，目标一旦满足压线条件就不再释放，一旦不满足压线条件就不再选入。
本实施例中，设定潜在目标压线边界作用线，具体为：
计算目标边缘点离车道线的距离；
设定有靠近趋势时潜在目标的选入边界，所述潜在目标的选入边界是在目标选入边界的基础上，提前一个第三标定量，此第三标定量设置为目标1s能移动的横向距离；当目标离选为目标的边界的横向距离小于目标1s能移动的横向距离时，即满足选为潜在目标的条件；
设定没有靠近趋势时潜在目标的选入边界，当目标没有靠近趋势时，潜在目标的选入边界是其边缘点离车道线的距离小于一个第四标定量。
本实施例中，目标的危险程度是根据将目标选为跟车目标时，恢复理想时距需要的减速度，具体包括：
计算目标与本车的相对距离；
计算目标与本车的相对速度；
根据相对距离和相对车速计算恢复理想时距需要的减速度，此减速度越小，目标的危险程度越高。
如图3所示，为跟车目标决策状态流图。默认跟车目标时RT1，当满足切换逻辑时，跟车目标ID会按照前述逻辑在RT1~RT6之间切换。跟车目标决策，具体为：
设定可选为跟车目标的目标区域ID范围，设定跟车目标从RT1~RT6中切换；
设定跟车目标的切换逻辑如下：
默认跟车目标为RT1；
当满足条件A1或条件A2时，跟车目标从RT1切换到RT3：
条件A1 (Condition1to3_1)，以下条件同时满足：
RT3在感兴趣区域内；
RT3连续预设个周期压线；
RT3与本车的纵向相对距离小于第一预设倍时距（比如：2倍时距）；
RT3的危险程度高于RT1的危险程度；
RT3没有切出趋势；
方向盘转角小于预设转角；
道路曲率半径大于预设道路曲率；
条件A2 (Condition1to3_2)，以下条件同时满足：
RT3在感兴趣区域内；
RT3有靠近趋势；
RT3满足预设个周期在提前选入边界以内的条件；
RT3的危险程度高于RT1的危险程度；
当满足条件A3至条件A5中任意一个时，跟车目标从RT3切换到RT1：
条件A3(Condition3to1_1)，以下条件同时满足：
RT3在感兴趣区域内；
RT3连续预设个周期在车道线外；
条件A4(Condition3to1_2)，以下条件同时满足：
RT3在感兴趣区域内；
RT3有切出趋势；
RT3的压线量连续多个周期小于预设压线量；
条件A5(Condition3to1_3)，RT3不在感兴趣区域内；
当满足条件A6或条件A7时，跟车目标从RT1切换到RT4：
条件A6(Condition1to4_1)，以下条件同时满足：
RT4在感兴趣区域内；
RT4连续预设个周期压线；
RT4与本车的纵向相对距离小于第一预设倍时距（比如：2倍时距）；
RT4的危险程度高于RT1的危险程度；
RT4没有切出趋势
方向盘转角小于预设转角；
道路曲率半径大于预设道路曲率；
条件A7(Condition1to4_2)，以下条件同时满足：
RT4在感兴趣区域内；
RT4有靠近趋势；
RT4满足预设个周期在提前选入边界以内的条件；
RT4的危险程度高于RT1的危险程度；
当满足条件A8至条件A10中任意一个时，跟车目标从RT4切换到RT1；
条件A8(Condition4to1_1)，以下条件同时满足：
RT4在感兴趣区域内；
RT4连续预设个周期在车道线外；
条件A9(Condition4to1_2)，以下条件同时满足：
RT4在感兴趣区域内；
RT4有切出趋势；
RT4的压线量连续多个周期小于预设压线量；
条件A10(Condition4to1_3)，RT4不在感兴趣区域内；
当满足条件A11或条件A12时，跟车目标从RT1切换到RT5：
条件A11 (Condition1to5_1)，以下条件同时满足：
RT5在感兴趣区域内；
RT5连续预设个周期压线；
RT3不满足连续预设个周期压线；
RT5与本车的纵向相对距离小于第一预设倍时距（比如：2倍时距）；
RT5的危险程度高于RT1的危险程度；
RT5没有切出趋势；
方向盘转角小于预设转角；
道路曲率半径大于预设道路曲率；
条件A12(Condition1to5_2)，以下条件同时满足：
RT5在感兴趣区域内；
RT5有靠近趋势；
RT5满足预设个周期在提前选入边界以内的条件；
RT5的危险程度高于RT1的危险程度；
当满足条件A13至条件A15中任意一个时，跟车目标从RT5切换到RT1：
条件A13 (Condition5to1_1)，以下条件同时满足：
RT5在感兴趣区域内；
RT5连续预设个周期在车道线外；
RT5没有靠近趋势
条件A14 (Condition5to1_2)，以下条件同时满足：
RT5在感兴趣区域内；
RT5有切出趋势；
RT5的压线量连续多个周期小于预设压线量；
条件A15(Condition5to1_3)，RT5不在感兴趣区域内；
当满足条件A16或条件A17时，跟车目标从RT1切换到RT6：
条件A16(Condition1to6_1)，以下条件同时满足：
RT6在感兴趣区域内；
RT6连续预设个周期压线；
RT4不满足连续预设个周期压线；
RT6与本车的纵向相对距离小于第一预设倍时距（比如：2倍时距）；
RT6的危险程度高于RT1的危险程度；
RT6没有切出趋势；
方向盘转角小于预设转角；
道路曲率半径大于预设道路曲率；
条件A17(Condition1to6_2)，以下条件同时满足：
RT6在感兴趣区域内；
RT6有靠近趋势；
RT6满足预设个周期在提前选入边界以内的条件；
RT6的危险程度高于RT1的危险程度；
当满足条件A18至条件A20中的任意一个时，跟车目标从RT6切换到RT1：
条件A18(Condition6to1_1)，以下条件同时满足：
RT6在感兴趣区域内；
RT6连续预设个周期在车道线外；
RT6没有靠近趋势
条件A19 (Condition6to1_2)，以下条件同时满足：
RT6在感兴趣区域内；
RT6有切出趋势；
RT6的压线量连续多个周期小于预设压线量；
条件A20 (Condition6to1_3)，RT6不在感兴趣区域内；
当满足以下条A21至条件A27(Condition1to2)时，跟车目标从RT1切换到RT2：
条件A21，RT1存在于感兴趣区域内；
条件A22，RT2存在于感兴趣区域内；
条件A23，RT1有切出趋势，或RT1与本车的横向相对距离大于预设横向相对距离，或者RT1为二轮车；
条件A24，RT2与RT1的纵向距离差值在第二预设倍时距（比如：0.5）之内；
条件A25，RT2的危险程度高于RT1的危险程度；
条件A26，双侧车道线完好；
条件A27，道路曲率半径大于预设道路曲率；
当满足条件A28至条件A33中任意一个时，跟车目标从RT2切换到RT1：
条件A28(Condition2to1_1)，以下条件同时满足：
RT1有切出趋势；
RT1与本车的横向相对距离小于预设横向相对距离；
RT2存在于感兴趣区域内；
RT2与RT1的纵向距离差值在第二预设倍时距（比如：0.5）之内；
RT2的危险程度高与RT1的危险程度；
双侧车道线完好；
道路曲率半径大于预设道路曲率；
条件A29(Condition2to1_2)，RT2不在感兴趣区域内；
条件A30(Condition2to1_3)，RT2与RT1的纵向距离差值在第二预设倍时距之上；
条件A31(Condition2to1_4)，RT2的危险程度低于RT1的危险程度；
条件A32(Condition2to1_5)，双侧车道线至少有一边丢失；
条件A33(Condition2to1_6)，道路曲率半径小于预设道路曲率；
当同时满足条件A34和条件A35时(Condition3to4)，跟车目标从RT3切换到RT4：
条件A34，RT4的危险程度高于RT3的危险程度；
条件A35，RT4存在于感兴趣区域内；
当同时满足条件A36和条件A37(Condition4to3)时，跟车目标从RT4切换到RT3：
条件A36，RT3的危险程度高于RT4的危险程度；
条件A37，RT4存在于感兴趣区域内。
本实施例中，潜在危险目标决策，包括：
RTi被选为潜在目标，i=3,4,5,6，需满足条件B1或条件B2中的任意一个：
条件B1，如下条件同时满足：
RTi在感兴趣区域内；
RTi至少有一个边沿点潜在目标边界作用线以内；
RTi有靠近趋势；
RTi的危险程度高于RT1的危险程度；
双侧车道线完好；
条件B2，如下条件同时满足：
RTi在感兴趣区域内；
RTi的压线量大于预设压线量；
RTi没有切出趋势；
RTi纵向速度比本车纵向速度低预设百分比（比如：15 %）以上；
RTi在第三预设倍时距（比如：1.2倍时距）以内；
RTi的危险程度高于RT1的危险程度；
双侧车道线完好；
与条件B1相对应的RTi作为潜在目标的释放条件为，满足如下条件C1至条件C4中任意一个：
条件C1，RTi所有边沿点都在潜在目标边界作用线以外预设距离（比如：0.3m）以上；
条件C2，RTi不在感兴趣区域内；
条件C3，RTi没有靠近趋势；
条件C4，RTi的危险程度低于RT1的危险程度；
与条件B2相对应的RTi作为潜在目标的释放条件为，满足条件D1至D6中任意一个：
条件D1，RTi的压线量小于一个预设压线量；
条件D2，RTi不在感兴趣区域内；
条件D3，RTi比本车慢10%以内；
条件D4，RTi在第四预设倍时距（比如：1.5倍时距）之外；
条件D5，双侧车道线至少与一侧丢失；
条件D6，RTi的危险程度低于RT1的危险程度；
当条件B1或B2成立时，RTi被选为潜在目标，直到与条件B1和B2对应的释放条件成立，RTi才被释放；
如图4所示，为潜在目标决策状态流图。潜在目标默认是RT1，当满足切换条件时，潜在目标ID会按照前述逻辑在RT3~RT6之间切换。潜在目标决策逻辑如下：
设定潜在目标的选择范围，潜在目标从RT3~RT6中选择；
当跟车目标为RT1，RT3是潜在目标，RT4不是潜在目标时，最终的潜在目标为RT3；
当跟车目标为RT1，RT4是潜在目标，RT3不是潜在目标时，最终的潜在目标为RT4；
当跟车目标为RT1，RT3和RT4都是潜在目标，比较RT3和RT4的危险程度，若RT3的危险程度高于RT4的危险程度，则最终的潜在目标为RT3；若RT4的危险程度高于RT3的危险程度，则最终的潜在目标为RT4；
当跟车目标为RT1，RT3和RT4都不是潜在目标时，如果RT5是潜在目标，RT6不是潜在目标，最终的潜在目标为RT5；如果RT6是潜在目标，RT5不是潜在目标，最终的潜在目标为RT6；如果RT5和RT6都是潜在目标，比较RT5和RT6的危险程度，若RT5的危险程度高度RT6的危险程度，则最终的潜在目标为RT5；若RT6的危险程度高于RT5的危险程度，则最终的潜在目标为RT6；
当目标被选为跟车目标时，纵向控制按照正常的减速逻辑进行制动；当目标被选为潜在目标时，纵向控制按照正常的减速逻辑计算出的减速度乘以一个标定系数进行弱制动。
图2所示为目标选择和潜在目标选择边界示意图。1倍时距以内目标选入边界和车道线平行；1~2倍时距内目标选入边界向内线性收缩一个标定量。潜在目标时在跟车目标的基础上，向外平移一个标定量。
本实施例中，一种无人驾驶车辆环境认知及决策控制系统，包括存储器和控制器，所述存储器内存储有计算机可读程序，所述计算机可读程序被控制器调用时，能执行如本实施例中所述的无人驾驶车辆环境认知及决策控制方法的步骤。
本实施例中，一种车辆，采用如本实施例中所述的无人驾驶车辆环境认知及决策控制系统。

Claims (9)

1.一种无人驾驶车辆环境认知及决策控制方法，其特征在于，包括以下步骤：
对传感器感兴趣区域内的目标进行筛选和编号；
对不同编号的车辆进行跟踪和运动趋势预测；
设定目标的压线边界作用线；
设定潜在目标压线边界作用线；
计算目标的危险程度；
跟车目标决策；
潜在危险目标决策；
其中，跟车目标决策，具体为：
设定可选为跟车目标的目标区域ID范围，设定跟车目标从RT1~RT6中切换；
设定跟车目标的切换逻辑如下：
默认跟车目标为RT1；
当满足条件A1或条件A2时，跟车目标从RT1切换到RT3：
条件A1，以下条件同时满足：
RT3在感兴趣区域内；
RT3连续预设个周期压线；
RT3与本车的纵向相对距离小于第一预设倍时距；
RT3的危险程度高于RT1的危险程度；
RT3没有切出趋势；
方向盘转角小于预设转角；
道路曲率半径大于预设道路曲率；
条件A2，以下条件同时满足：
RT3在感兴趣区域内；
RT3有靠近趋势；
RT3满足预设个周期在提前选入边界以内的条件；
RT3的危险程度高于RT1的危险程度；
当满足条件A3至条件A5中任意一个时，跟车目标从RT3切换到RT1：
条件A3，以下条件同时满足：
RT3在感兴趣区域内；
RT3连续预设个周期在车道线外；
条件A4，以下条件同时满足：
RT3在感兴趣区域内；
RT3有切出趋势；
RT3的压线量连续多个周期小于预设压线量；
条件A5，RT3不在感兴趣区域内；
当满足条件A6或条件A7时，跟车目标从RT1切换到RT4：
条件A6，以下条件同时满足：
RT4在感兴趣区域内；
RT4连续预设个周期压线；
RT4与本车的纵向相对距离小于第一预设倍时距；
RT4的危险程度高于RT1的危险程度；
RT4没有切出趋势
方向盘转角小于预设转角；
道路曲率半径大于预设道路曲率；
条件A7，以下条件同时满足：
RT4在感兴趣区域内；
RT4有靠近趋势；
RT4满足预设个周期在提前选入边界以内的条件；
RT4的危险程度高于RT1的危险程度；
当满足条件A8至条件A10中任意一个时，跟车目标从RT4切换到RT1；
条件A8，以下条件同时满足：
RT4在感兴趣区域内；
RT4连续预设个周期在车道线外；
条件A9，以下条件同时满足：
RT4在感兴趣区域内；
RT4有切出趋势；
RT4的压线量连续多个周期小于预设压线量；
条件A10，RT4不在感兴趣区域内；
当满足条件A11或条件A12时，跟车目标从RT1切换到RT5：
条件A11，以下条件同时满足：
RT5在感兴趣区域内；
RT5连续预设个周期压线；
RT3不满足连续预设个周期压线；
RT5与本车的纵向相对距离小于第一预设倍时距；
RT5的危险程度高于RT1的危险程度；
RT5没有切出趋势；
方向盘转角小于预设转角；
道路曲率半径大于预设道路曲率；
条件A12，以下条件同时满足：
RT5在感兴趣区域内；
RT5有靠近趋势；
RT5满足预设个周期在提前选入边界以内的条件；
RT5的危险程度高于RT1的危险程度；
当满足条件A13至条件A15中任意一个时，跟车目标从RT5切换到RT1：
条件A13，以下条件同时满足：
RT5在感兴趣区域内；
RT5连续预设个周期在车道线外；
RT5没有靠近趋势
条件A14，以下条件同时满足：
RT5在感兴趣区域内；
RT5有切出趋势；
RT5的压线量连续多个周期小于预设压线量；
条件A15，RT5不在感兴趣区域内；
当满足条件A16或条件A17时，跟车目标从RT1切换到RT6：
条件A16，以下条件同时满足：
RT6在感兴趣区域内；
RT6连续预设个周期压线；
RT4不满足连续预设个周期压线；
RT6与本车的纵向相对距离小于第一预设倍时距；
RT6的危险程度高于RT1的危险程度；
RT6没有切出趋势；
方向盘转角小于预设转角；
道路曲率半径大于预设道路曲率；
条件A17，以下条件同时满足：
RT6在感兴趣区域内；
RT6有靠近趋势；
RT6满足预设个周期在提前选入边界以内的条件；
RT6的危险程度高于RT1的危险程度；
当满足条件A18至条件A20中的任意一个时，跟车目标从RT6切换到RT1：
条件A18，以下条件同时满足：
RT6在感兴趣区域内；
RT6连续预设个周期在车道线外；
RT6没有靠近趋势
条件A19，以下条件同时满足：
RT6在感兴趣区域内；
RT6有切出趋势；
RT6的压线量连续多个周期小于预设压线量；
条件A20，RT6不在感兴趣区域内；
当满足以下条A21至条件A27时，跟车目标从RT1切换到RT2：
条件A21，RT1存在于感兴趣区域内；
条件A22，RT2存在于感兴趣区域内；
条件A23，RT1有切出趋势，或RT1与本车的横向相对距离大于预设横向相对距离，或者RT1为二轮车；
条件A24，RT2与RT1的纵向距离差值在第二预设倍时距之内；
条件A25，RT2的危险程度高于RT1的危险程度；
条件A26，双侧车道线完好；
条件A27，道路曲率半径大于预设道路曲率；
当满足条件A28至条件A33中任意一个时，跟车目标从RT2切换到RT1：
条件A28，以下条件同时满足：
RT1有切出趋势；
RT1与本车的横向相对距离小于预设横向相对距离；
RT2存在于感兴趣区域内；
RT2与RT1的纵向距离差值在第二预设倍时距之内；
RT2的危险程度高与RT1的危险程度；
双侧车道线完好；
道路曲率半径大于预设道路曲率；
条件A29，RT2不在感兴趣区域内；
条件A30，RT2与RT1的纵向距离差值在第二预设倍时距之上；
条件A31，RT2的危险程度低于RT1的危险程度；
条件A32，双侧车道线至少有一边丢失；
条件A33，道路曲率半径小于预设道路曲率；
当同时满足条件A34和条件A35时，跟车目标从RT3切换到RT4：
条件A34，RT4的危险程度高于RT3的危险程度；
条件A35，RT4存在于感兴趣区域内；
当同时满足条件A36和条件A37时，跟车目标从RT4切换到RT3：
条件A36，RT3的危险程度高于RT4的危险程度；
条件A37，RT4存在于感兴趣区域内。
2.根据权利要求1所述的无人驾驶车辆环境认知及决策控制方法，其特征在于：对传感器感兴趣区域内的目标进行筛选和编号，具体为：
筛选出6个目标，本车道、相邻左车道和相邻右车道内各2个目标；
按照与本车的纵向距离由近到远依次排列，本车道内的2个目标编号为RT1和RT2；相邻左车道的2个目标编号为RT3和RT5，相邻右车道2个目标编号定义为RT4和RT6；
编号的目标若不在感兴趣区域内，对应的目标状态输出为零；
所述目标状态包含：纵向距离、纵向速度、横向距离、横向速度、纵向加速度、横向加速度、跟踪ID、目标物类型、长度、宽度以及航向角。
3.根据权利要求1或2所述的无人驾驶车辆环境认知及决策控制方法，其特征在于：对不同编号的车辆进行跟踪和运动趋势预测，具体为：
设置缓存器，记录目标历史状态；
计算目标每一个计算周期内移动的距离；
若在历史过程中，目标横向距离连续变大或者变小，则认为目标具备有朝一个方向运动的基本条件；
若目标横向距离绝对值连续变小，且横向速度绝对值大于第一预设横向速度，则认为目标具有靠近趋势；
若目标横向距离绝对值连续变大，且横向速度绝对值大于第二预设横向速度，则认为目标具有切出趋势；
设置目标运动趋势回退条件；满足所述回退条件则不输出运动趋势。
4.根据权利要求3所述的无人驾驶车辆环境认知及决策控制方法，其特征在于：设定目标压线边界作用线，具体为：
计算目标边缘点坐标，所述目标边缘点坐标为在本车相对坐标系下的目标四个边缘点的坐标值；
设定压线边界作用线初始值，目标选为跟车目标的默认边界作用线设置为压车道线达到Cover_Cali_Dist_in，Cover_Cali_Dist_in为一个标定值；
对压线边界作用线进行修正：
设定Cover_Cali_Dist_in取值与本车道宽度正相关，本车道宽度越大，Cover_Cali_Dist_in取值越大；
设定Cover_Cali_Dist_in取值与本车车速正相关，本车车速越高，Cover_Cali_Dist_in取值越大；
设定Cover_Cali_Dist_in取值与目标纵向距离相关，当目标纵向距离越大，Cover_Cali_Dist_in取值越大；
设定Cover_Cali_Dist_in取值与道路是否为弯道相关；当弯道为向左弯道时，相邻左车道目标Cover_Cali_Dist_in取值增大，相邻右车道目标Cover_Cali_Dist_in取值减小；当弯道为向右弯道时，相邻左车道目标Cover_Cali_Dist_in取值减小，相邻右车道目标Cover_Cali_Dist_in取值增加，所述弯道定义为当道路曲率绝对值大于门限值时，认为道路为弯道；
设定静止目标的Cover_Cali_Dist_in在动态目标的基础上增加第一标定量；
设定目标有靠近趋势时，Cover_Cali_Dist_in在静态目标对应的标定量的基础上减少一个第二标定量；
根据目标坐标边缘点与车道线的关系计算目标压线量，目标压线量定义为边缘点侵入本车道的最大值；
当目标压线量达到在修正后的压线边界以内，认为目标满足压线条件。
5.根据权利要求4所述的无人驾驶车辆环境认知及决策控制方法，其特征在于：设定潜在目标压线边界作用线，具体为：
计算目标边缘点离车道线的距离；
设定有靠近趋势时潜在目标的选入边界，所述潜在目标的选入边界是在目标选入边界的基础上，提前一个第三标定量；当目标离选为目标的边界的横向距离小于第三标定量时，即满足选为潜在目标的条件；
设定没有靠近趋势时潜在目标的选入边界，当目标没有靠近趋势时，潜在目标的选入边界是其边缘点离车道线的距离小于一个第四标定量。
6.根据权利要求4或5所述的无人驾驶车辆环境认知及决策控制方法，其特征在于：目标的危险程度是根据将目标选为跟车目标时，恢复理想时距需要的减速度，具体包括：
计算目标与本车的相对距离；
计算目标与本车的相对速度；
根据相对距离和相对车速计算恢复理想时距需要的减速度，此减速度越小，目标的危险程度越高。
7.根据权利要求6所述的无人驾驶车辆环境认知及决策控制方法，其特征在于：潜在危险目标决策，包括：
RTi被选为潜在目标，i=3,4,5,6，需满足条件B1或条件B2中的任意一个：
条件B1，如下条件同时满足：
RTi在感兴趣区域内；
RTi至少有一个边沿点潜在目标边界作用线以内；
RTi有靠近趋势；
RTi的危险程度高于RT1的危险程度；
双侧车道线完好；
条件B2，如下条件同时满足：
RTi在感兴趣区域内；
RTi的压线量大于预设压线量；
RTi没有切出趋势；
RTi纵向速度比本车纵向速度低预设百分比以上；
RTi在第三预设倍时距以内；
RTi的危险程度高于RT1的危险程度；
双侧车道线完好；
与条件B1相对应的RTi作为潜在目标的释放条件为，满足如下条件C1至条件C4中任意一个：
条件C1，RTi所有边沿点都在潜在目标边界作用线以外预设距离以上；
条件C2，RTi不在感兴趣区域内；
条件C3，RTi没有靠近趋势；
条件C4，RTi的危险程度低于RT1的危险程度；
与条件B2相对应的RTi作为潜在目标的释放条件为，满足条件D1至D6中任意一个：
条件D1，RTi的压线量小于一个预设压线量；
条件D2，RTi不在感兴趣区域内；
条件D3，RTi比本车慢10%以内；
条件D4，RTi在第四预设倍时距之外；
条件D5，双侧车道线至少与一侧丢失；
条件D6，RTi的危险程度低于RT1的危险程度；
当条件B1或B2成立时，RTi被选为潜在目标，直到与条件B1和B2对应的释放条件成立，RTi才被释放；
潜在目标决策逻辑如下：
设定潜在目标的选择范围，潜在目标从RT3~RT6中选择；
当跟车目标为RT1，RT3是潜在目标，RT4不是潜在目标时，最终的潜在目标为RT3；
当跟车目标为RT1，RT4是潜在目标，RT3不是潜在目标时，最终的潜在目标为RT4；
当跟车目标为RT1，RT3和RT4都是潜在目标，比较RT3和RT4的危险程度，若RT3的危险程度高于RT4的危险程度，则最终的潜在目标为RT3；若RT4的危险程度高于RT3的危险程度，则最终的潜在目标为RT4；
当跟车目标为RT1，RT3和RT4都不是潜在目标时，如果RT5是潜在目标，RT6不是潜在目标，最终的潜在目标为RT5；如果RT6是潜在目标，RT5不是潜在目标，最终的潜在目标为RT6；如果RT5和RT6都是潜在目标，比较RT5和RT6的危险程度，若RT5的危险程度高度RT6的危险程度，则最终的潜在目标为RT5；若RT6的危险程度高于RT5的危险程度，则最终的潜在目标为RT6；
当目标被选为跟车目标时，纵向控制按照正常的减速逻辑进行制动；当目标被选为潜在目标时，纵向控制按照正常的减速逻辑计算出的减速度乘以一个标定系数进行弱制动。
8.一种无人驾驶车辆环境认知及决策控制系统，其特征在于：包括存储器和控制器，所述存储器内存储有计算机可读程序，所述计算机可读程序被控制器调用时，能执行如权利要求1至7任一所述的无人驾驶车辆环境认知及决策控制方法的步骤。
9.一种车辆，其特征在于：采用如权利要求8所述的无人驾驶车辆环境认知及决策控制系统。
CN202011338031.XA 2020-11-25 2020-11-25 基无人驾驶车辆环境认知及决策控制方法、系统及车辆 Active CN112455439B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011338031.XA CN112455439B (zh) 2020-11-25 2020-11-25 基无人驾驶车辆环境认知及决策控制方法、系统及车辆

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011338031.XA CN112455439B (zh) 2020-11-25 2020-11-25 基无人驾驶车辆环境认知及决策控制方法、系统及车辆

Publications (2)

Publication Number Publication Date
CN112455439A CN112455439A (zh) 2021-03-09
CN112455439B true CN112455439B (zh) 2022-07-08

Family

ID=74798930

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011338031.XA Active CN112455439B (zh) 2020-11-25 2020-11-25 基无人驾驶车辆环境认知及决策控制方法、系统及车辆

Country Status (1)

Country Link
CN (1) CN112455439B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113859232B (zh) * 2021-10-30 2023-09-26 重庆长安汽车股份有限公司 一种车辆自动驾驶潜在目标预测报警方法及系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007001384A (ja) * 2005-06-22 2007-01-11 Nissan Motor Co Ltd 車両の走行制御装置
DE102015220781A1 (de) * 2015-10-23 2017-04-27 Bayerische Motoren Werke Aktiengesellschaft Assistenzsystem und Verfahren zur situationsabhängigen Anpassung eines Fahrzeugabstands
CN107891860A (zh) * 2017-11-14 2018-04-10 重庆长安汽车股份有限公司 基于道路曲率自适应调节车速的系统及方法
JP2018086947A (ja) * 2016-11-29 2018-06-07 マツダ株式会社 車両制御装置
CN109849910A (zh) * 2018-12-21 2019-06-07 重庆长安汽车股份有限公司 无人驾驶车辆多目标决策控制方法、装置及计算机可读存储介质
CN109895699A (zh) * 2019-03-11 2019-06-18 汉腾汽车有限公司 一种指示车辆周围目标与危险程度的系统及方法
CN110015297A (zh) * 2019-04-02 2019-07-16 北京海纳川汽车部件股份有限公司 自适应巡航控制方法、装置及自动驾驶车辆
CN110406532A (zh) * 2019-06-21 2019-11-05 重庆长安汽车股份有限公司 一种识别目标车辆可能变道的方法、系统及汽车
JP2020075558A (ja) * 2018-11-06 2020-05-21 日産自動車株式会社 車両制御方法及び車両制御装置
CN111383474A (zh) * 2018-12-29 2020-07-07 长城汽车股份有限公司 自动驾驶车辆的决策系统及方法
CN111391834A (zh) * 2018-12-28 2020-07-10 本田技研工业株式会社 车辆控制装置
CN111717204A (zh) * 2019-03-18 2020-09-29 长城汽车股份有限公司 自动驾驶车辆的横向控制方法及系统
CN111731289A (zh) * 2020-06-24 2020-10-02 中国第一汽车股份有限公司 跟车控制方法、装置、车辆及存储介质
CN111873998A (zh) * 2020-07-31 2020-11-03 重庆长安汽车股份有限公司 一种自动驾驶车辆纵向加速度规划方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3060795B2 (ja) * 1993-08-31 2000-07-10 三菱自動車工業株式会社 自動車の走行制御装置
JP2017001485A (ja) * 2015-06-09 2017-01-05 トヨタ自動車株式会社 車両の運転支援装置
KR20170016177A (ko) * 2015-08-03 2017-02-13 엘지전자 주식회사 차량 및 그 제어방법
KR101728323B1 (ko) * 2015-10-15 2017-05-02 현대자동차주식회사 차량, 및 그 제어방법
JP6642413B2 (ja) * 2016-12-27 2020-02-05 トヨタ自動車株式会社 車両走行制御装置
JP6583252B2 (ja) * 2016-12-27 2019-10-02 トヨタ自動車株式会社 運転支援装置
JP6521487B2 (ja) * 2017-06-06 2019-05-29 マツダ株式会社 車両制御装置
WO2019073576A1 (ja) * 2017-10-12 2019-04-18 本田技研工業株式会社 車両並びにその制御装置及び制御方法
CN110103961B (zh) * 2019-04-18 2020-11-03 浙江吉利控股集团有限公司 智能跟车控制方法、装置、系统及终端

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007001384A (ja) * 2005-06-22 2007-01-11 Nissan Motor Co Ltd 車両の走行制御装置
DE102015220781A1 (de) * 2015-10-23 2017-04-27 Bayerische Motoren Werke Aktiengesellschaft Assistenzsystem und Verfahren zur situationsabhängigen Anpassung eines Fahrzeugabstands
JP2018086947A (ja) * 2016-11-29 2018-06-07 マツダ株式会社 車両制御装置
CN107891860A (zh) * 2017-11-14 2018-04-10 重庆长安汽车股份有限公司 基于道路曲率自适应调节车速的系统及方法
JP2020075558A (ja) * 2018-11-06 2020-05-21 日産自動車株式会社 車両制御方法及び車両制御装置
CN109849910A (zh) * 2018-12-21 2019-06-07 重庆长安汽车股份有限公司 无人驾驶车辆多目标决策控制方法、装置及计算机可读存储介质
CN111391834A (zh) * 2018-12-28 2020-07-10 本田技研工业株式会社 车辆控制装置
CN111383474A (zh) * 2018-12-29 2020-07-07 长城汽车股份有限公司 自动驾驶车辆的决策系统及方法
CN109895699A (zh) * 2019-03-11 2019-06-18 汉腾汽车有限公司 一种指示车辆周围目标与危险程度的系统及方法
CN111717204A (zh) * 2019-03-18 2020-09-29 长城汽车股份有限公司 自动驾驶车辆的横向控制方法及系统
CN110015297A (zh) * 2019-04-02 2019-07-16 北京海纳川汽车部件股份有限公司 自适应巡航控制方法、装置及自动驾驶车辆
CN110406532A (zh) * 2019-06-21 2019-11-05 重庆长安汽车股份有限公司 一种识别目标车辆可能变道的方法、系统及汽车
CN111731289A (zh) * 2020-06-24 2020-10-02 中国第一汽车股份有限公司 跟车控制方法、装置、车辆及存储介质
CN111873998A (zh) * 2020-07-31 2020-11-03 重庆长安汽车股份有限公司 一种自动驾驶车辆纵向加速度规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于C-V2X自适应巡航仿真研究;冯其高等;《汽车实用技术》;20200715(第13期);69-72 *

Also Published As

Publication number Publication date
CN112455439A (zh) 2021-03-09

Similar Documents

Publication Publication Date Title
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
CN109855639B (zh) 基于障碍物预测与mpc算法的无人驾驶轨迹规划方法
CN111750887B (zh) 降低事故严重程度的无人驾驶车辆轨迹规划方法及系统
CN109669461B (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
CN109727469B (zh) 一种多车道下自动驾驶车辆综合危险度评估方法
CN110471408B (zh) 基于决策过程的无人驾驶车辆路径规划方法
CN109131326B (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
CN110488802B (zh) 一种网联环境下的自动驾驶车辆动态行为决策方法
CN109987092B (zh) 一种车辆避障换道时机的确定方法及避障换道的控制方法
CN110539752B (zh) 一种智能汽车多预测范围模型预测轨迹跟踪控制方法及系统
CN109976329B (zh) 一种车辆避障换道路径的规划方法
WO2020135810A1 (zh) 多传感器数据融合方法和装置
CN110703754B (zh) 一种自动驾驶车辆路径与速度高度耦合的轨迹规划方法
CN110568758B (zh) 一种自动驾驶汽车的参数自适应横向运动lqr控制方法
CN110553660B (zh) 一种基于a*算法和人工势场的无人车轨迹规划方法
CN112026756B (zh) 基于跟踪目标的危险目标选择方法、系统及车辆
CN103754221A (zh) 一种车辆自适应巡航控制系统
JPWO2018066560A1 (ja) 車両制御装置
US20200317266A1 (en) Vehicle controller
CN112249008B (zh) 针对复杂动态环境的无人驾驶汽车预警方法
CN113276848A (zh) 一种智能驾驶换道避障轨迹规划、跟踪控制方法及系统
CN111891116A (zh) 一种提升自动驾驶横向控制稳定性的方法
Wang et al. Predictive safety control for road vehicles after a tire blowout
CN115257724A (zh) 一种插电式混动汽车安全节能决策控制方法和系统
CN111459159A (zh) 一种路径跟随控制系统及控制方法

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