CN112977478B - 一种车辆控制方法及系统 - Google Patents
一种车辆控制方法及系统 Download PDFInfo
- Publication number
- CN112977478B CN112977478B CN202110391565.7A CN202110391565A CN112977478B CN 112977478 B CN112977478 B CN 112977478B CN 202110391565 A CN202110391565 A CN 202110391565A CN 112977478 B CN112977478 B CN 112977478B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- angle
- moment
- head
- hanger
- 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 94
- 230000003137 locomotive effect Effects 0.000 claims description 18
- 239000000126 substance Substances 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 19
- 230000000694 effects Effects 0.000 description 14
- 239000011159 matrix material Substances 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011438 discrete method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- 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
- 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
- B60W30/18—Propelling the 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
- 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
- B60W50/0097—Predicting future 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/06—Direction of travel
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本申请提供一种车辆控制方法及装置,涉及自动驾驶技术领域。其中,车辆控制方法包括:获取车辆在下一时刻的参考状态,参考状态包括车辆的位置、车头的航向角和车挂的航向角;根据车辆在当前时刻的实际转向角预测车辆在下一时刻的预测状态,预测状态包括车辆的位置、车头的航向角和车挂的航向角;基于参考状态和预测状态生成车辆在下一时刻的规划转向角,规划转向角能够减小预测状态与参考状态之间的差异;采用规划转向角在下一时刻控制车辆行驶。这样,不仅使车头能够按照参考轨迹行驶,还能够使车挂也按照参考轨迹行驶。
Description
技术领域
本申请涉及自动驾驶技术领域,尤其涉及一种车辆控制方法及系统。
背景技术
所谓自动驾驶,是指通过计算机对车辆进行控制,使得车辆按照规划的路径行驶。具体来说,在车辆中,路径规划模块输出参考轨迹,定位定向模块获取车辆的实时位置、车速等信息,控制模块根据参考轨迹、车辆的实时位置和车速等信息确定方向盘等执行机构的转角,进而采用该转角控制车辆按照参考轨迹行驶(即进行轨迹跟踪控制)。
在现有技术中,常用的轨迹跟踪控制方法主要有:比例积分微分(ProportionIntegral Differential,PID)控制法、模型预测控制法、预瞄控制法、前馈反馈控制法以及线性二次型调节器(Linear Quadratic Regulator,LQR)控制法等。
但是,PID控制法在控制过程中需要不断地试凑参数,尤其在车速变化或道路曲率变化时体现的更为明显,因此,PID控制法难以实现对曲率不断变化的轨迹进行平稳跟踪。模型预测控制法虽然能够实现平稳地跟踪,但是对于行驶在存在障碍物的道路上的挂车,模型预测控制法还是无法达到期望的轨迹跟踪以及避障效果。虽然有学者提出了A*等路径规划方法和模型预测方法对控制模块进行优化,但是这种设计复杂,增大了路径规划模块与控制模块之间的耦合,需要对车辆上层重新进行设计,无法在实际中广泛应用。
发明内容
本申请实施例的目的是提供一种车辆控制方法及系统,以使挂车能够对曲率不断变化的轨迹进行平稳跟踪,并且设计简单,能够在实际中广泛应用。
为解决上述技术问题,本申请实施例提供如下技术方案:
本申请第一方面提供一种车辆控制方法,所述车辆包括:车头和车挂;所述方法包括:
获取所述车辆在下一时刻的参考状态,所述参考状态包括所述车辆的位置、所述车头的航向角和所述车挂的航向角;
根据所述车辆在当前时刻的实际转向角预测所述车辆在下一时刻的预测状态,所述预测状态包括所述车辆的位置、所述车头的航向角和所述车挂的航向角;
基于所述参考状态和所述预测状态生成所述车辆在下一时刻的规划转向角,所述规划转向角能够减小所述预测状态与所述参考状态之间的差异;
采用所述规划转向角在下一时刻控制所述车辆行驶。
本申请第二方面提供一种车辆控制装置,所述车辆包括:车头和车挂;所述装置包括:
获取单元,用于获取所述车辆在下一时刻的参考状态,所述参考状态包括所述车辆的位置、所述车头的航向角和所述车挂的航向角;
预测单元,用于根据所述车辆在当前时刻的实际转向角预测所述车辆在下一时刻的预测状态,所述预测状态包括所述车辆的位置、所述车头的航向角和所述车挂的航向角;
控制单元,用于基于所述参考状态和所述预测状态生成所述车辆在下一时刻的规划转向角,所述规划转向角能够减小所述预测状态与所述参考状态之间的差异;
所述控制单元,用于采用所述规划转向角在下一时刻控制所述车辆行驶。
本申请第三方面提供一种电子设备,包括:处理器、存储器、总线;其中,所述处理器、所述存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行第一方面中的方法。
本申请第四方面提供一种计算机可读存储介质,包括:存储的程序;其中,在所述程序运行时控制所述存储介质所在设备执行第一方面中的方法。
相较于现有技术,本申请第一方面提供的车辆控制方法,通过获取包含有车挂航向角的参考状态,以及预测包含有车挂航向角的预测状态,并基于包含有车挂航向角的参考状态和包含有车挂航向角的预测状态为车辆下一时刻规划出转向角,即规划转向角。由于在生成规划转向角时考虑到了车辆中车挂的情况,故车辆采用该规划转向角行驶,不仅使车头能够按照参考轨迹行驶,还能够使车挂也按照参考轨迹行驶。这样,能够提高车辆整体进行横向轨迹跟踪的准确性。即便需要跟踪的参考轨迹曲率较大,带有车挂的车辆也能够实现准确地横向跟踪。并且,相比于现有的A*等路径规划方法和模型预测方法,本申请实施例提供的车辆控制方法设计简单,无需对车辆上层重新进行设计,能够在实际中广泛应用。
本申请第二方面提供的车辆控制装置、第三方面提供的电子设备、第四方面提供的计算机可读存储介质,与第一方面提供的车辆控制方法具有相同或相似的有益效果。
附图说明
通过参考附图阅读下文的详细描述,本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本申请的若干实施方式,相同或对应的标号表示相同或对应的部分,其中:
图1示意性地示出了车辆控制方法的流程一;
图2示意性地示出了车辆控制方法的流程二;
图3示意性地示出了车辆上各信息采集设备的位置;
图4示意性地示出了车辆与参考轨迹之间的关系;
图5示意性地示出了采用现有的车头运动学模型的MPC控制算法时车头的跟踪效果;
图6示意性地示出了采用现有的车头运动学模型的MPC控制算法时车挂的跟踪效果;
图7示意性地示出了采用本申请实施例中的车挂运动学模型的MPC控制算法时车头的跟踪效果;
图8示意性地示出了采用本申请实施例中的车挂运动学模型的MPC控制算法时车挂的跟踪效果;
图9示意性地示出了车辆控制装置的结构;
图10示意性地示出了电子设备的结构。
具体实施方式
下面将参照附图更详细地描述本申请的示例性实施方式。虽然附图中显示了本申请的示例性实施方式,然而应当理解,可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本申请,并且能够将本申请的范围完整的传达给本领域的技术人员。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本申请所属领域技术人员所理解的通常意义。
本申请实施例提供一种车辆控制方法,图1示意性地示出了车辆控制方法的流程一,参见图1所示,该方法可以包括:
S101:获取车辆在下一时刻的参考状态。
其中,参考状态包括车辆的位置、车头的航向角和车挂的航向角。
在具备自动驾驶功能的车辆中,都包含有路径规划模块。路径规划模块能够生成参考轨迹,使得车辆按照参考轨迹行驶。在参考轨迹中,包含有未来多个时刻的位置、航向角、速度等,使得车辆未来每个时刻按照规划的位置、航向角、速度等状态行驶。
本申请实施例中获取的下一时刻的参考状态,是从参考轨迹中获取的下一时刻的参考状态。例如:参考轨迹中包含有接下来5s的参考状态,即下1s的参考状态、下2s的参考状态、下3s的参考状态、下4s的参考状态、下5s的参考状态。步骤S101中获取的就是下1s的参考状态。
与现有的参考状态不同,本申请实施例中获取的参考状态不仅包括有车辆的位置、车辆的航向角(一般来说,对于非半挂车,车辆的航向角就是车头的航向角),还包括有车挂的航向角。通过获取规划的车挂的航向角,使得半挂车在自动驾驶的过程中,也考虑到车挂的行驶轨迹,进而提高半挂车轨迹跟踪的准确性。
S102:根据车辆在当前时刻的实际转向角预测车辆在下一时刻的预测状态。
其中,预测状态包括车辆的位置、车头的航向角和车挂的航向角。
一般来说,车辆的运动学模型中包含有车辆的控制量与车辆的状态之间的关系。也就是说,将车辆的控制量输入到运动学模型中,就能够输出车辆的状态(这样可以进行车辆状态预测)。或者,将车辆的状态输入到运动学模型中,就能够输出车辆的控制量(这样可以实现车辆的控制)。
在车辆的横向控制中,运动学模型中的控制量就是车辆的转向角。在本申请实施例中,将车辆当前时刻的实际转向角输入到状态预测模型(也就是运动学模型)中,就能够得到车辆在下一时刻的状态,即预测状态。
与现有的运动学模型不同,本申请实施例的状态预测模型中不仅包括有车头的航向角,还包括有车挂的航向角。这样,基于本申请实施例中的状态预测模型预测的车辆在下一时刻的状态中也包含有车挂的航向角。将车挂的航向角考虑进车辆的控制中,能够提高车辆跟踪的准确性。
本申请实施例中的状态预测模型可以是在现有的车辆运动学模型中车头的航向角的位置处添加一项车挂的航向角。其余的参数设置可以与现有的车辆运动学模型相同或相似,此处不再赘述。
当然,除了采用车辆的状态预测模型预测车辆在下一时刻的状态,也可以采用其它算法预测车辆在下一时刻的状态。此处对于预测车辆在下一时刻的状态的具体过程,不做限定。
S103:基于参考状态和预测状态生成车辆在下一时刻的规划转向角。
其中,规划转向角能够减小预测状态与参考状态之间的差异。
在获取到车辆下一时刻的参考状态和预测状态之后,为了使车辆能够按照参考状态行驶,就需要使预测的车辆接下来的状态更加接近为车辆规划的状态。故而,在生成车辆下一时刻的规划转向角时,需要使车辆的参考状态与预测状态之间的差异减小。
而在使得车辆的预测状态与车辆的参考状态之间的差异能够减小的基础上,可以采用现有的车辆控制量的计算方式计算出车辆在下一时刻需要采取的转向角,即规划转向角。故此处对于基于车辆的参考状态和车辆的预测状态计算车辆的规划转向角的具体过程,不再赘述。此处唯一不同的是,车辆的预测状态与参考状态中除了包含车头的航向角,还包含有车挂的航向角。而在具体的计算过程中,只需在考虑车头的航向角的同时,一并考虑车挂的航向角即可。
S104:采用规划转向角在下一时刻控制车辆行驶。
在生成的规划转向角中考虑到了车挂,故车辆在下一时刻采用该规划转向角行驶,能够使车辆中的车头和车挂都尽可能地按照参考轨迹行驶,进而提高包含有车挂的车辆在横向轨迹跟踪过程中的准确性。
由上述内容可知,本申请实施例提供的车辆控制方法,通过获取包含有车挂航向角的参考状态,以及预测包含有车挂航向角的预测状态,并基于包含有车挂航向角的参考状态和包含有车挂航向角的预测状态为车辆下一时刻规划出转向角,即规划转向角。由于在生成规划转向角时考虑到了车辆中车挂的情况,故车辆采用该规划转向角行驶,不仅使车头能够按照参考轨迹行驶,还能够使车挂也按照参考轨迹行驶。这样,能够提高车辆整体进行横向轨迹跟踪的准确性。即便需要跟踪的参考轨迹曲率较大,带有车挂的车辆也能够实现准确地横向跟踪。并且,相比于现有的A*等路径规划方法和模型预测方法,本申请实施例提供的车辆控制方法设计简单,无需对车辆上层重新进行设计,能够在实际中广泛应用。
进一步地,作为图1所示方法的细化和扩展,本申请实施例还提供了一种车辆控制方法。图2示意性地示出了车辆控制方法的流程二,参见图2所示,该方法可以包括:
S201:搭载无人驾驶平台。
在车辆出厂或使用前,可以通过手动或自动化控制,在无人驾驶平台上搭载全球定位系统(Global Positioning System,GPS)、千寻网络差分设备、惯性测量单元(Inertial Measurement Unit,IMU)、摄像头、雷达等信息采集设备。
通过GPS或千寻网络差分设备能够获取车辆实时的位置和航向角。通过IMU能够获取车辆的速度。通过摄像头和雷达能够获取车辆周围的环境信息,例如:车辆前方哪些位置有哪些障碍物等。
还可以通过底层控制中搭载的控制器局域网络(Controller Area Network,CAN)获取车辆的其它状态,例如:油门开度、制动踏板角度、档位以及方向盘转角。进而实时收集车辆的位置、速度、转向等状态信息。
图3示意性地示出了车辆上各信息采集设备的位置,参见图3所示,在车辆前方,安装有单目相机、激光雷达、中短距毫米波雷达、长距毫米波雷达。在车辆两侧,安装有单目相机、激光雷达和中短距毫米波雷达。通过图3中的各信息采集设备,能够获知车辆周围的环境状况。
S202:生成参考轨迹。
在高精度地图上,生成规划路径。这里的规划路径是指预先规划的需要作业车辆行驶的路线。例如:从A地到B地有3条行驶路线,即路线a、路线b和路线c。需要车辆采用路线a进行作业,那么,路线a就是规划路径。对于规划路径,可以按照固定周期保存在车辆中。
在获取到规划路径后,由于车辆实际行驶过程中道路上还会存在有障碍物等需要车辆避开的物体,因此,规划路径还需要在车辆行驶的过程中进行微调,微调后的路径即为参考轨迹。具体来说,S202可以包括:
S2021:获取规划路径和车辆当前的道路信息。
规划路径可以从车辆的路径规划模块中获取。车辆当前的道路信息可以是车辆行驶道路上的障碍物等,可以通过车辆上安装的摄像头、激光雷达、毫米波雷达等获取。
S2022:将规划路径转换至车体坐标系。
在车辆的规划控制中,常用到两种坐标系。一种是通用横墨卡托格网系统(Universal Transverse Mercator Grid System,UTM)坐标系,或者世界大地测量系统(World Geodetic System,WGS84)坐标系,这属于全局坐标系,便于进行路径规划。另一种就是车体坐标系,便于车辆跟踪行驶。
由于规划路径是处于全局坐标系,而车辆的运动学模型都是建立在车体坐标系的基础上,即以(x,y,yaw)的形式表现,而在后续的车辆控制中,需要利用车辆的运动学模型预测车辆的状态,因此,需要预先将规划路径从全局坐标系转换至车体坐标系下。
而将规划路径从全局坐标系转换至车体坐标系下的具体转换方式,可以采用现有的坐标系转换方式,此处不做限定。
S2023:根据车体坐标系下的规划路径和道路信息确定车辆待跟踪的多个参考点。
如果通过道路信息确定车辆周围存在障碍物,而障碍物刚好在规划路径上,那么,就需要将规划路径上存在障碍物处的点进行移动(一般不会移动较大,只要绕开障碍物即可),使得移动后的点避开障碍物。这样,车辆跟踪移动后的点行驶,就能够避开障碍物。移动后的点就是上述的多个参考点。
S2024:对多个参考点进行拟合,使得拟合后的多个参考点满足三次多项式,得到参考轨迹。
其中,参考轨迹包括车辆在各个时刻的参考状态。
S203:获取参考状态,以及进行碰撞检测。
在获取参考状态时,由于参考轨迹中只包含有车头的航向角,并不直接包含车挂的航向角,因此需要基于参考轨迹计算出车挂的航向角,以便于后续结合车挂的航向角进行转向控制。总体来说,是基于叠加的思路在IMU中进行。S203可以包括:
S2031:从参考轨迹中获取当前时刻的车辆的位置、车头的航向角和车挂的航向角,以及下一时刻的车辆的位置和车头的航向角。
在初始时刻,车挂的航向角就是车挂与车头之间的夹角,即车挂的铰接角。
S2032:根据当前时刻的车辆的位置、车头的航向角和车挂的航向角,下一时刻的车辆的位置和车头的航向角预测下一时刻的车挂的航向角。
其中,为下一时刻的车挂的铰接角的变化量,为当前时刻的车头的航向角,为当前时刻的车挂的航向角,为车头的航向角从当前时刻到下一时刻的变化量,为车辆的位置从当前时刻到下一时刻的变化量,为车头的后轴到铰接点的距离,为车挂的后轴到铰接点的距离。
然后,将下一时刻的车挂的铰接角的变化量与当前时刻的车挂的铰接角相加,得到下一时刻的车挂的铰接角。
最后,根据下一时刻的车头的航向角和下一时刻的车挂的铰接角确定下一时刻的车挂的航向角。
当然,还可以采取其它方式根据当前时刻的车辆的位置、车头的航向角和车挂的航向角,下一时刻的车辆的位置和车头的航向角预测下一时刻的车挂的航向角。例如:采用神经网络模型等。
S2033:基于预测的下一时刻的车挂的航向角以及规划的下一时刻的车头的位置和车头的航向角生成车辆在下一时刻的参考状态。
这样,就能够通过车辆在各个时刻的部分参考状态(X1,Y1,ψ11),(X2,Y2,ψ12), ...(Xn,Yn,ψ1n)以及当前挂车铰接角,获得车辆在各个时刻的全部参考状态(X1,Y1,ψ11,ψ21),(X2,Y2,ψ12,ψ22), ... (Xn,Yn,ψ1n,ψ2n) 。
在进行碰撞检测时,在S2033之后,还包括:
S2034:根据车辆在下一时刻的参考状态计算车辆在下一时刻的外包络。
S2035:根据外包络和车辆当前的道路信息确定车辆是否会发生碰撞。
也就是说,在路径规划模块中,基于车辆在下一时刻的参考状态构建出车辆在下一时刻的外包络。从车辆当前的道路信息中确定出障碍物的位置和大小。计算外包络与障碍物之间的距离,当距离大于0时,确定车辆按照当前参考轨迹行驶不会与周围环境发生碰撞;当距离等于或小于0时,说明车辆按照当前参考轨迹行驶会与周围环境发生碰撞,此时需要重新生成参考轨迹,直到确定车辆按照参考轨迹行驶不会与周围环境发生碰撞为止。
S204:预测车辆状态。
由于预测的车辆的状态中还包括有车挂的航向角,因此,可以通过建立一种新的车辆状态预测模型,以实现包含有车挂航向角的车辆状态预测。
具体的,在车辆局部坐标系OXY下,定义车辆的后轴中心坐标为。并假设车辆转向过程中车辆质心侧偏角保持不变,即车辆瞬时转向半径与道路曲率半径相同。接下来,以车辆的位姿和挂车的铰接角作为车辆状态建立车辆状态预测模型。
图4示意性地示出了车辆与参考轨迹之间的关系,参见图4所示,车辆在实际行驶过程中,车辆采用控制量行驶,车辆实际的位置、航向角与参考轨迹之间存在有一定的差异。也就是说,车辆的状态可以通过车辆状态预测模型和车辆控制量进行预测。
其中,为车辆在下一时刻的预测状态,为车头的后轴中心在大地坐标下方向的位置,为车头的后轴中心在大地坐标下方向的位置,为车头在当前时刻的航向角,为车挂在当前时刻的航向角,为车头的前轮转角,为车头的轴距,为车挂的后轴到铰接点的距离,为车头的后轴到铰接点的距离,为车头在位置处的纵向速度。
这里的车辆的状态预测模型与现有的车辆状态预测模型不同,本申请实施例中的车辆状态预测模型中包含有车挂的航向角。
在进行线性化处理时,具体的,首先,计算车辆在下一时刻的预测状态与参考状态的偏差,车辆的前轮转角的估计值;然后,将车辆在下一时刻的预测状态、车辆在下一时刻的预测状态与参考状态的偏差以及车辆的前轮转角的估计值在参考点处线性化,得到状态空间方程。
上式中各物理量的含义与前述各物理量的含义相同,此处不再赘述。
为保证车辆的状态预测模型能够在车辆的计算机中运行,还需要将得到的空间状态方程进行离散。在进行离散处理时,可以采用精确离散的方法,以保证车辆在控制过程中的准确性和转向控制的稳定性。具体的离散方式为现有技术,此处不再赘述。离散后的状态空间模型如下:
S204具体包括:
S2041:采用状态空间模型计算车辆在下一时刻的预测状态。
这里需要说明的是,步骤S203与步骤S204可以并列执行。对于步骤S203与步骤S204的执行顺序,此处不做限定。
S205:计算转向角。
在获取到车辆在下一时刻的参考状态,以及预测出车辆在下一时刻的预测状态后,就能够基于车辆在下一时刻的参考状态和预测状态计算车辆在下一时刻的转向角,即规划转向角。
在实际应用中,可以设计一个预测控制器,使得步骤S205在预测控制器中执行。
具体的,主要通过进行两方面的约束来确定规划转向角。一方面为减小预测状态与参考状态之间的差异,一方面为控制器自身的限制。
其中,为车辆在时刻的预测状态与参考状态的误差,为车辆在时刻的转角,为横向位移偏差的权重因子,为车头航向角偏差的权重因子,为车挂航向角偏差的权重因子,转角的权重因子。为横向位移偏差,为车头航向角偏差,为车挂航向角偏差,为车辆的前轮转角的估计值。
因此,S205可以包括:
上式中各物理量的含义与前述各物理量的含义相同,此处不再赘述。
S206:采用规划转向角在下一时刻控制车辆行驶。
在车辆的控制过程中,始终存在一条期望轨迹,即参考轨迹。以k时刻作为当前时刻,控制器结合当前的测量值和状态预测模型,能够预测未来一段时域内的系统输出,即预测状态。通过求解满足目标函数以及各种约束的优化问题,得到在控制时域内的控制序列,即转向角,并将该控制序列的第一个元素作为被控对象的实际控制量。当进入到下一个时刻k+1时,重复上述过程。如此滚动的完成带约束的优化问题,实现对被控对象的持续控制,保证车辆行驶过程中轨迹的精确和稳定跟踪的能力。
在实际应用中,本申请实施例提供的车辆控制方法可以加载在车辆的自动驾驶平台中,通过运行本申请实施例提供的车辆控制方法,能够实现车辆轨迹跟踪的精准控制。
最后,以一个对比实例来说明本申请实施例提供的车辆控制方法具有更加准确地轨迹跟踪性能。
以参考轨迹为例。图5示意性地示出了采用现有的车头运动学模型的MPC控制算法时车头的跟踪效果,图6示意性地示出了采用现有的车头运动学模型的MPC控制算法时车挂的跟踪效果,图7示意性地示出了采用本申请实施例中的车挂运动学模型的MPC控制算法时车头的跟踪效果,图8示意性地示出了采用本申请实施例中的车挂运动学模型的MPC控制算法时车挂的跟踪效果。将图5和图6与图7和图8进行对比,可以看出,对于曲率不断变化的参考路径,虽然现有的基于车头运动学模型的MPC控制算法和本申请实施例中的车挂运动学模型的MPC控制算法都能够实现车头较为精准的跟踪,但是,现有的基于车头运动学模型的MPC控制算法相比于本申请实施例中的车挂运动学模型的MPC控制算法,在车挂上就无法实现精准的跟踪,误差较大。若车挂较长,车辆采用现有的基于车头运动学模型的MPC控制算法进行跟踪,还有可能会与周围环境发生碰撞。而本申请实施例中的基于车挂运动学模型的MPC控制算法考虑到挂车的铰接角,并将其加入到优化目标当中,能够提高挂车角度的跟随效果,以及避免整车与环境因素之间的碰撞。
由上述内容可知,本申请实施例提供的车辆控制方法,通过获取包含有车挂航向角的参考状态,以及预测包含有车挂航向角的预测状态,并基于包含有车挂航向角的参考状态和包含有车挂航向角的预测状态为车辆下一时刻规划出转向角,即规划转向角。由于在生成规划转向角时考虑到了车辆中车挂的情况,故车辆采用该规划转向角行驶,不仅使车头能够按照参考轨迹行驶,还能够使车挂也按照参考轨迹行驶。这样,能够提高车辆整体进行横向轨迹跟踪的准确性。即便需要跟踪的参考轨迹曲率较大,带有车挂的车辆也能够实现准确地横向跟踪。并且,相比于现有的A*等路径规划方法和模型预测方法,本申请实施例提供的车辆控制方法设计简单,无需对车辆上层重新进行设计,能够在实际中广泛应用。
基于同一发明构思,作为对上述方法的实现,本申请实施例还提供了一种车辆控制装置,车辆包括车头和车挂。图9示意性地示出了车辆控制装置的结构,参见图9所示,该装置可以包括:
获取单元901,用于获取所述车辆在下一时刻的参考状态,所述参考状态包括所述车辆的位置、所述车头的航向角和所述车挂的航向角;
预测单元902,用于根据所述车辆在当前时刻的实际转向角预测所述车辆在下一时刻的预测状态,所述预测状态包括所述车辆的位置、所述车头的航向角和所述车挂的航向角;
控制单元903,用于基于所述参考状态和所述预测状态生成所述车辆在下一时刻的规划转向角,所述规划转向角能够减小所述预测状态与所述参考状态之间的差异;
所述控制单元903,用于采用所述规划转向角在下一时刻控制所述车辆行驶。
基于前述实施例,所述获取单元,用于:
获取为所述车辆规划的当前时刻的所述车辆的位置、所述车头的航向角和所述车挂的航向角,下一时刻的所述车辆的位置和所述车头的航向角;
根据当前时刻的所述车辆的位置、所述车头的航向角和所述车挂的航向角,下一时刻的所述车辆的位置和所述车头的航向角预测下一时刻的所述车挂的航向角;
基于预测的下一时刻的所述车挂的航向角以及规划的下一时刻的所述车头的位置和所述车头的航向角生成所述车辆在下一时刻的参考状态。
基于前述实施例,所述获取单元,用于:
采用预测下一时刻的所述车挂的铰接角的变化量;其中,为下一时刻的所述车挂的铰接角的变化量,为当前时刻的所述车头的航向角,为当前时刻的所述车挂的航向角,为所述车头的航向角从当前时刻到下一时刻的变化量,为所述车辆的位置从当前时刻到下一时刻的变化量,为所述车头的后轴到铰接点的距离,为所述车挂的后轴到铰接点的距离;
将下一时刻的所述车挂的铰接角的变化量与当前时刻的所述车挂的铰接角相加,得到下一时刻的所述车挂的铰接角;
根据下一时刻的所述车头的航向角和下一时刻的所述车挂的铰接角确定下一时刻的所述车挂的航向角。
基于前述实施例,所述装置还包括:规划单元,用于:
获取规划路径和所述车辆当前的道路信息;
将所述规划路径转换至车体坐标系;
根据车体坐标系下的所述规划路径和所述道路信息确定所述车辆待跟踪的多个参考点;
对所述多个参考点进行拟合,使得拟合后的所述多个参考点满足三次多项式,得到参考轨迹,所述参考轨迹包括所述车辆在各个时刻的参考状态;
所述获取单元,用于:
从所述参考轨迹中获取当前时刻的所述车辆的位置和所述车头的航向角以及下一时刻的所述车头的位置和所述车头的航向角。
基于前述实施例,所述装置还包括:检测单元,用于:
根据所述车辆在下一时刻的参考状态计算所述车辆在下一时刻的外包络;
根据所述外包络和所述车辆当前的道路信息确定所述车辆是否会发生碰撞。
基于前述实施例,所述预测单元,用于:
其中,为所述车辆在下一时刻的预测状态,为所述车头的后轴中心在大地坐标下方向的位置,为所述车头的后轴中心在大地坐标下方向的位置,为所述车头在当前时刻的航向角,为所述车挂在当前时刻的航向角,为所述车头的前轮转角,为所述车头的轴距,为所述车挂的后轴到铰接点的距离,为所述车头的后轴到铰接点的距离,为所述车头在位置处的纵向速度。
基于前述实施例,所述装置还包括:模型生成单元,用于
计算所述车辆在下一时刻的预测状态与参考状态的偏差,所述车辆的前轮转角的估计值;
将所述车辆在下一时刻的预测状态、所述车辆在下一时刻的预测状态与参考状态的偏差以及所述车辆的前轮转角的估计值在参考点处线性化,得到状态空间方程;
将所述状态空间方程进行离散,得到所述车辆的状态空间模型;
所述预测单元,用于:
采用所述状态空间模型计算所述车辆在下一时刻的预测状态。
基于前述实施例,所述控制单元,用于:
其中,为所述车辆在时刻的预测状态与参考状态的误差,为所述车辆在时刻的转角,为横向位移偏差的权重因子,为所述车头航向角偏差的权重因子,为所述车挂航向角偏差的权重因子,转角的权重因子。为横向位移偏差,为所述车头航向角偏差,为所述车挂航向角偏差,为所述车辆的前轮转角的估计值,和分别为所述车辆的转向机构的转角的最小值和最大值。
这里需要指出的是,以上装置实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请装置实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
基于同一发明构思,本申请实施例还提供了一种电子设备。图10示意性地示出了电子设备的结构,参见图10所示,该电子设备可以包括:处理器1001、存储器1002、总线1003;其中,处理器1001、存储器1002通过总线1003完成相互间的通信;处理器1001用于调用存储器1002中的程序指令,以执行上述一个或多个实施例中的方法。
这里需要指出的是,以上电子设备实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请电子设备实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
基于同一发明构思,本申请实施例还提供了一种计算机可读存储介质。该存储介质可以包括:存储的程序;其中,在程序运行时控制存储介质所在设备执行上述一个或多个实施例中的方法。
这里需要指出的是,以上存储介质实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请存储介质实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种车辆控制方法,其特征在于,所述车辆包括:车头和车挂;所述方法包括:
获取所述车辆在下一时刻的参考状态,所述参考状态包括所述车辆的位置、所述车头的航向角和所述车挂的航向角;
根据所述车辆在当前时刻的实际转向角预测所述车辆在下一时刻的预测状态,所述预测状态包括所述车辆的位置、所述车头的航向角和所述车挂的航向角;
基于所述参考状态和所述预测状态生成所述车辆在下一时刻的规划转向角,所述规划转向角能够减小所述预测状态与所述参考状态之间的差异;
采用所述规划转向角在下一时刻控制所述车辆行驶;
其中,所述获取所述车辆在下一时刻的参考状态,包括:
获取为所述车辆规划的当前时刻的所述车辆的位置、所述车头的航向角和所述车挂的航向角,下一时刻的所述车辆的位置和所述车头的航向角;
根据当前时刻的所述车辆的位置、所述车头的航向角和所述车挂的航向角,下一时刻的所述车辆的位置和所述车头的航向角预测下一时刻的所述车挂的航向角;
基于预测的下一时刻的所述车挂的航向角以及规划的下一时刻的所述车辆的位置和所述车头的航向角生成所述车辆在下一时刻的参考状态;
其中,所述根据当前时刻的所述车辆的位置、所述车头的航向角和所述车挂的航向角,下一时刻的所述车辆的位置和所述车头的航向角预测下一时刻的所述车挂的航向角,包括:
采用预测下一时刻的所述车挂的铰接角的变化量;其中,为下一时刻的所述车挂的铰接角的变化量,为当前时刻的所述车头的航向角,为当前时刻的所述车挂的航向角,为所述车头的航向角从当前时刻到下一时刻的变化量,为所述车辆的位置从当前时刻到下一时刻的变化量, 为所述车头的后轴到铰接点的距离, 为所述车挂的后轴到铰接点的距离;
将下一时刻的所述车挂的铰接角的变化量与当前时刻的所述车挂的铰接角相加,得到下一时刻的所述车挂的铰接角;
根据下一时刻的所述车头的航向角和下一时刻的所述车挂的铰接角确定下一时刻的所述车挂的航向角。
2.根据权利要求1所述的方法,其特征在于,在所述获取为所述车辆规划的当前时刻的所述车辆的位置、所述车头的航向角和所述车挂的航向角,下一时刻的所述车辆的位置和所述车头的航向角之前,所述方法还包括:
获取规划路径和所述车辆当前的道路信息;
将所述规划路径转换至车体坐标系;
根据车体坐标系下的所述规划路径和所述道路信息确定所述车辆待跟踪的多个参考点;
对所述多个参考点进行拟合,使得拟合后的所述多个参考点满足三次多项式,得到参考轨迹,所述参考轨迹包括所述车辆在各个时刻的参考状态;
所述获取为所述车辆规划的当前时刻的所述车辆的位置、所述车头的航向角和所述车挂的航向角,下一时刻的所述车辆的位置和所述车头的航向角,包括:
从所述参考轨迹中获取当前时刻的所述车辆的位置和所述车头的航向角以及下一时刻的所述车辆的位置和所述车头的航向角。
3.根据权利要求1所述的方法,其特征在于,在所述获取所述车辆在下一时刻的参考状态之后,所述方法还包括:
根据所述车辆在下一时刻的参考状态计算所述车辆在下一时刻的外包络;
根据所述外包络和所述车辆当前的道路信息确定所述车辆是否会发生碰撞。
7.一种车辆控制装置,其特征在于,所述车辆包括:车头和车挂;所述装置包括:
获取单元,用于获取所述车辆在下一时刻的参考状态,所述参考状态包括所述车辆的位置、所述车头的航向角和所述车挂的航向角;
预测单元,用于根据所述车辆在当前时刻的实际转向角预测所述车辆在下一时刻的预测状态,所述预测状态包括所述车辆的位置、所述车头的航向角和所述车挂的航向角;
控制单元,用于基于所述参考状态和所述预测状态生成所述车辆在下一时刻的规划转向角,所述规划转向角能够减小所述预测状态与所述参考状态之间的差异;
所述控制单元,用于采用所述规划转向角在下一时刻控制所述车辆行驶;
其中,所述获取单元,用于:
获取为所述车辆规划的当前时刻的所述车辆的位置、所述车头的航向角和所述车挂的航向角,下一时刻的所述车辆的位置和所述车头的航向角;
根据当前时刻的所述车辆的位置、所述车头的航向角和所述车挂的航向角,下一时刻的所述车辆的位置和所述车头的航向角预测下一时刻的所述车挂的航向角;
基于预测的下一时刻的所述车挂的航向角以及规划的下一时刻的所述车辆的位置和所述车头的航向角生成所述车辆在下一时刻的参考状态;
其中,所述获取单元,用于:
采用预测下一时刻的所述车挂的铰接角的变化量;其中,为下一时刻的所述车挂的铰接角的变化量,为当前时刻的所述车头的航向角,为当前时刻的所述车挂的航向角,为所述车头的航向角从当前时刻到下一时刻的变化量,为所述车辆的位置从当前时刻到下一时刻的变化量, 为所述车头的后轴到铰接点的距离, 为所述车挂的后轴到铰接点的距离;
将下一时刻的所述车挂的铰接角的变化量与当前时刻的所述车挂的铰接角相加,得到下一时刻的所述车挂的铰接角;
根据下一时刻的所述车头的航向角和下一时刻的所述车挂的铰接角确定下一时刻的所述车挂的航向角。
8.一种电子设备,其特征在于,包括:处理器、存储器、总线;
其中,所述处理器、所述存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行如权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110391565.7A CN112977478B (zh) | 2021-04-13 | 2021-04-13 | 一种车辆控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110391565.7A CN112977478B (zh) | 2021-04-13 | 2021-04-13 | 一种车辆控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112977478A CN112977478A (zh) | 2021-06-18 |
CN112977478B true CN112977478B (zh) | 2021-08-24 |
Family
ID=76338017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110391565.7A Active CN112977478B (zh) | 2021-04-13 | 2021-04-13 | 一种车辆控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112977478B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114019975B (zh) * | 2021-11-05 | 2024-06-11 | 广州极飞科技股份有限公司 | 一种农具轨迹控制方法、装置及农业机械 |
CN114322799B (zh) * | 2022-03-14 | 2022-05-24 | 北京主线科技有限公司 | 一种车辆行驶方法、装置、电子设备和存储介质 |
CN115388906A (zh) * | 2022-08-24 | 2022-11-25 | 上海安亭地平线智能交通技术有限公司 | 位姿的确定方法、装置、电子设备和存储介质 |
CN116620306B (zh) * | 2023-05-25 | 2024-07-05 | 常州浩万新能源科技有限公司 | 电摩托智能一体化车辆控制方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105700538A (zh) * | 2016-01-28 | 2016-06-22 | 武汉光庭信息技术股份有限公司 | 基于神经网络和pid算法的轨迹跟随方法 |
CN109823335A (zh) * | 2019-03-01 | 2019-05-31 | 武汉光庭科技有限公司 | 带挂卡车的自动倒车控制方法及系统 |
CN110525421A (zh) * | 2019-09-23 | 2019-12-03 | 苏州智加科技有限公司 | 一种用于具有挂车的车辆的车道保持强化学习方法及系统 |
CN111169470A (zh) * | 2020-01-06 | 2020-05-19 | 上海汽车集团股份有限公司 | 一种自动泊车方法、装置及电子设备 |
CN111522237A (zh) * | 2020-04-24 | 2020-08-11 | 北京科技大学 | 一种半挂车的避障控制方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9037312B2 (en) * | 2013-08-26 | 2015-05-19 | Ford Global Technologies | Trailer heading angle using vehicle wheel speed sensors |
CN110398969B (zh) * | 2019-08-01 | 2022-09-27 | 北京主线科技有限公司 | 自动驾驶车辆自适应预测时域转向控制方法及装置 |
-
2021
- 2021-04-13 CN CN202110391565.7A patent/CN112977478B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105700538A (zh) * | 2016-01-28 | 2016-06-22 | 武汉光庭信息技术股份有限公司 | 基于神经网络和pid算法的轨迹跟随方法 |
CN109823335A (zh) * | 2019-03-01 | 2019-05-31 | 武汉光庭科技有限公司 | 带挂卡车的自动倒车控制方法及系统 |
CN110525421A (zh) * | 2019-09-23 | 2019-12-03 | 苏州智加科技有限公司 | 一种用于具有挂车的车辆的车道保持强化学习方法及系统 |
CN111169470A (zh) * | 2020-01-06 | 2020-05-19 | 上海汽车集团股份有限公司 | 一种自动泊车方法、装置及电子设备 |
CN111522237A (zh) * | 2020-04-24 | 2020-08-11 | 北京科技大学 | 一种半挂车的避障控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112977478A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112977478B (zh) | 一种车辆控制方法及系统 | |
Brown et al. | Coordinating tire forces to avoid obstacles using nonlinear model predictive control | |
Hatipoglu et al. | Automated lane change controller design | |
Lima et al. | Spatial model predictive control for smooth and accurate steering of an autonomous truck | |
US8543261B2 (en) | Methods and apparati for predicting and quantifying threat being experienced by a modeled system | |
US20110029235A1 (en) | Vehicle Control | |
Zhang et al. | Human-lead-platooning cooperative adaptive cruise control | |
WO2014149043A1 (en) | Smart cruise control system | |
CN114942642A (zh) | 一种无人驾驶汽车轨迹规划方法 | |
Rodriguez-Castaño et al. | High-speed autonomous navigation system for heavy vehicles | |
CN113581201A (zh) | 一种基于势场模型的无人汽车避撞控制方法及系统 | |
CN115042816B (zh) | 路径跟踪方法、装置、设备、介质及程序 | |
CN113665587A (zh) | 自动驾驶车辆的横向控制方法、设备、存储介质及装置 | |
CN115454086A (zh) | 一种基于模型预测控制算法的车辆主动避撞控制方法 | |
Bulsara et al. | Obstacle avoidance using model predictive control: An implementation and validation study using scaled vehicles | |
CN114442630B (zh) | 一种基于强化学习和模型预测的智能车规划控制方法 | |
CN117826799A (zh) | 一种无人驾驶车队横纵方向耦合协同控制方法及装置 | |
Farag et al. | MPC track follower for self-driving cars | |
Chen et al. | An overtaking obstacle algorithm for autonomous driving based on dynamic trajectory planning | |
CN115817509A (zh) | 一种基于ampc的多轴分布式驱动车辆转向辅助轨迹跟踪方法 | |
Nietzschmann et al. | Trajectory optimization for car-like vehicles in structured and semi-structured environments | |
Qian et al. | Research on automatic parking system based on linear quadratic regulator | |
Gratzer et al. | Two-Layer MPC Architecture for Efficient Mixed-Integer-Informed Obstacle Avoidance in Real-Time | |
Kovacs et al. | Integrated path planning and lateral-longitudinal control for autonomous electric vehicles | |
Shen | Path Following Control of Automated Vehicle Considering Model Uncertainties External Disturbances and Parametric Varying |
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 |