CN112977613A - 自动驾驶汽车的转向控制方法、装置、设备及存储介质 - Google Patents
自动驾驶汽车的转向控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112977613A CN112977613A CN202110294123.0A CN202110294123A CN112977613A CN 112977613 A CN112977613 A CN 112977613A CN 202110294123 A CN202110294123 A CN 202110294123A CN 112977613 A CN112977613 A CN 112977613A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- steering
- target
- gain vector
- vehicle speed
- 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.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D6/00—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits
- B62D6/001—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits the torque NOT being among the input parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明属于自动驾驶的领域,公开了一种自动驾驶汽车的转向控制方法、装置、设备及存储介质。该方法包括:获取车辆转向信息,根据所述车辆转向信息确定不同车辆转向参数对应的增益值;根据所述增益值构建增益向量,根据预设优化域对所述增益向量进行优化,获得目标增益向量;根据当前行驶路况确定地形向量,根据所述地形向量、所述目标增益向量以及所述车辆转向信息确定转向控制参数;根据所述转向控制参数对车辆进行转向控制。由于本发明根据车辆转向信息进行了处理和优化,最终确定转向控制参数,相对于现有的直接根据检测模块生成的目标参数进行车辆的转向控制的方式,本发明上述方式能够使自动驾驶汽车转向时更加安全。
Description
技术领域
本发明涉及自动驾驶技术领域,尤其涉及一种自动驾驶汽车的转向控制方法、装置、设备及存储介质。
背景技术
无人驾驶技术已在兴起。无人驾驶汽车是通过车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标的智能汽车。它是利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶。集自动控制、体系结构、人工智能、视觉计算等众多技术于一体,是计算机科学、模式识别和智能控制技术高度发展的产物。深度学习、人工智能、高精度地图、环境感知技术的推广应用,使无人驾驶技术越来越靠近商用化。很多做前端科技研究的企业,已实现了无人驾驶车辆的示范运营。但是,自动驾驶车辆在行进过程中可能会出现不可预知的复杂场景,从而导致交通事故的发生,究其原因大多是自动驾驶的机动车在移动时的不确定性引起的。因此,如何对自动驾驶车辆进行安全有效地调度,成为一个亟待解决的问题。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种自动驾驶汽车的转向控制方法、装置、设备及存储介质,旨在解决现有技术中自动驾驶车辆在转向行进过程中可能会出现不可预知的复杂场景,需要调整转向控制参数的技术问题。
为实现上述目的,本发明提供了一种自动驾驶汽车的转向控制方法,所述方法包括以下步骤:
获取车辆转向信息,根据所述车辆转向信息确定不同车辆转向参数对应的增益值;
根据所述增益值构建增益向量,根据预设优化域对所述增益向量进行优化,获得目标增益向量;
根据当前行驶路况确定地形向量,根据所述地形向量、所述目标增益向量以及所述车辆转向信息确定转向控制参数;
根据所述转向控制参数对车辆进行转向控制。
可选地,所述获取车辆转向信息,根据所述车辆转向信息确定不同车辆转向参数对应的增益值的步骤之前,还包括:
在车辆进入转向路段时,根据探测设备获取所述转向路段的路段信息;
根据所述路段信息确定车辆的目标转角;
获取车辆的实际转角,在所述实际转角大于所述目标转角的预设阈值时,采集车辆转向信息。
可选地,所述根据所述增益值构建增益向量,根据预设优化域对所述增益向量进行优化,获得目标增益向量的步骤之前,还包括:
获取样本数据;
基于神经网络算法根据所述样本数据确定样本车速修正矩阵和样本转角修正矩阵;
根据所述样本车速修正矩阵确定车速优化域;
根据所述样本转角修正矩阵确定转角优化域,基于所述车速优化域和所述转角优化域构建预设优化域。
可选地,所述增益向量包括车速增益向量和转角增益向量,所述目标增益向量包括目标车速增益向量和目标转角增益向量;
相应的,所述根据预设优化域对所述增益向量进行优化,获得目标增益向量的步骤,包括:
根据所述预设优化域中的所述车速优化域对所述车速增益向量进行优化,获得目标车速增益向量;
根据所述预设优化域中的所述转角优化域对所述转角增益向量进行优化,获得目标转角增益向量。
可选地,所述根据所述预设优化域中的所述车速优化域对所述车速增益向量进行优化,获得目标车速增益向量的步骤,包括:
根据所述预设优化域中的所述车速优化域确定当前车速修正矩阵;
根据所述当前车速修正矩阵和所述车速增益向量获得所述目标车速增益向量;
相应的,所述根据所述预设优化域中的所述转角优化域对所述转角增益向量进行优化,获得目标转角增益向量,包括:
根据所述预设优化域中的所述转角优化域确定当前转角修正矩阵;
根据所述当前转角修正矩阵和所述转角增益向量获得所述目标转角增益向量。
可选地,所述根据当前行驶路况确定地形向量的步骤,包括:
获取探测设备采集到的当前行驶路况;
根据所述当前行驶路况确定所述车辆转向信息中不同车辆转向参数对应的权重值;
根据所述权重值确定所述地形向量。
可选地,所述根据所述地形向量、所述目标增益向量以及所述车辆转向信息确定转向控制参数的步骤,包括:
确定所述地形向量和所述目标增益向量的点乘结果;
获取所述车辆转向信息中的目标车速和目标转角;
根据所述点乘结果、所述目标车速和所述目标转角确定转向控制参数,所述转向控制参数包括转角控制参数和车速控制参数。
此外,为实现上述目的,本发明还提供一种自动驾驶汽车的转向控制装置,所述装置包括:
获取模块,用于获取车辆转向信息,根据所述车辆转向信息确定不同车辆转向参数对应的增益值;
优化模块,用于根据所述增益值构建增益向量,根据预设优化域对所述增益向量进行优化,获得目标增益向量;
确定控制参数模块,用于根据当前行驶路况确定地形向量,根据所述地形向量、所述目标增益向量以及所述车辆转向信息确定转向控制参数;
控制模块,用于根据所述转向控制参数对车辆进行转向控制。
此外,为实现上述目的,本发明还提出一种自动驾驶汽车的转向控制设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的自动驾驶汽车的转向控制程序,所述自动驾驶汽车的转向控制程序配置为实现如上文所述的自动驾驶汽车的转向控制方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有自动驾驶汽车的转向控制程序,所述自动驾驶汽车的转向控制程序被处理器执行时实现如上文所述的自动驾驶汽车的转向控制方法的步骤。
本发明自动驾驶汽车的转向控制方法包括获取车辆转向信息,根据所述车辆转向信息确定不同车辆转向参数对应的增益值;根据所述增益值构建增益向量,根据预设优化域对所述增益向量进行优化,获得目标增益向量;根据当前行驶路况确定地形向量,根据所述地形向量、所述目标增益向量以及所述车辆转向信息确定转向控制参数;根据所述转向控制参数对车辆进行转向控制。由于本发明根据车辆转向信息对最终的车辆转向控制参数进行了处理和优化,最终确定转向控制参数,相对于现有的直接根据检测模块生成的目标参数进行车辆的转向控制的方式,本发明上述方式能够使自动驾驶汽车转向时面对复杂的路面环境以及不确定因素时可以随时调整转向控制参数,使车辆转向更加安全。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的自动驾驶汽车的转向控制设备的结构示意图;
图2为本发明自动驾驶汽车的转向控制方法第一实施例的流程示意图;
图3为本发明自动驾驶汽车的转向控制方法第二实施例的流程示意图;
图4为本发明自动驾驶汽车的转向控制方法第三实施例的流程示意图;
图5为本发明自动驾驶汽车的转向控制方法第三实施例的逻辑示意图;
图6为本发明自动驾驶汽车的转向控制装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的自动驾驶汽车的转向控制设备结构示意图。
如图1所示,该自动驾驶汽车的转向控制设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对自动驾驶汽车的转向控制设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及自动驾驶汽车的转向控制程序。
在图1所示的自动驾驶汽车的转向控制设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明自动驾驶汽车的转向控制设备中的处理器1001、存储器1005可以设置在自动驾驶汽车的转向控制设备中,所述自动驾驶汽车的转向控制设备通过处理器1001调用存储器1005中存储的自动驾驶汽车的转向控制程序,并执行本发明实施例提供的自动驾驶汽车的转向控制方法。
基于上述自动驾驶汽车的转向控制设备,本发明实施例提供了一种自动驾驶汽车的转向控制方法,参照图2,图2为本发明自动驾驶汽车的转向控制方法第一实施例的流程示意图。
本实施例中,所述自动驾驶汽车的转向控制方法包括以下步骤:
步骤S10:获取车辆转向信息,根据所述车辆转向信息确定不同车辆转向参数对应的增益值。
需要说明的是,本实施例的执行主体可以是一种具有网络通信以及程序运行的计算服务设备,例如手机、电脑、行车电脑、自动驾驶汽车的转向控制设备等。以下以所述自动驾驶汽车的转向控制设备为例,对本实施例及下述各实施例进行说明。
应理解的是,自动驾驶车辆在即将进入转向路段时,探测设备、工控计算机、云处理器会计算出初始的初始目标转向车速和初始目标转向角度值,自动驾驶汽车会根据所述初始目标转向车速和初始目标转向角度值进行初步的进入转向路段行驶。因此,在所述获取车辆转向信息,根据所述车辆转向信息确定不同车辆转向参数对应的增益值的步骤之前,还包括:在车辆进入转向路段时,根据探测设备获取所述转向路段的路段信息;根据所述路段信息确定车辆的目标转角;获取车辆的实际转角,在所述实际转角大于所述目标转角的预设阈值时,采集车辆转向信息。
需要说明的是,所述探测设备可以是安装在自动驾驶汽车上,用于探测驾驶汽车前方路况信息的设备,所述路段信息可以是自动驾驶汽车即将驶入的路段的弯度信息,坡度信息以及路面是否有障碍物等信息,所述目标转角可以是所述探测设备根据所述路段信息确定的自动驾驶车辆通过所述路段需要的转角,所述实际转角可以是所述自动驾驶车辆当前的实际转向角度,所述目标转角的预设阈值可以是所述目标转角乘以一个预设百分比后得到的值,例如,在所述实际转角大于所述目标转角的预设阈值时,采集车辆转向信息可以是,探测设备确定的目标转角为30度,预设阈值为60%,当实际转角大于30*60%=18时,采集车辆转向信息。所述预设阈值可以根据不同情况进行适应性调整,目的是为了在实际转角达到一定值后,采集转向信息,根据转向信息对行驶参数进行调整,也可以是实时采集转向信息,对车辆转向控制参数进行实时的调整,本实施例在此不加以限制,本实施例的对行驶参数的调整主要为调整自动驾驶车辆的车速和转角。
需要说明的是,所述车辆转向信息可以是道路密度、车身侧倾角、不足转向度、负载系数、α-置信区间等信息以及探测设备确定的目标转角和目标车速等信息,道路密度:是指车辆进入转弯工况时,由探测设备探测分析计算出的道路的车辆和行人的密集度;车身侧倾角:是指转向时,车辆受向心力印象,车身纵向轴线偏离铅垂线的角度;不足转向度:车辆在转弯中的实际转向角度比前轮的转动角度小称为转向不足,不足转向度是对转向不足程度的描述,正值代表转向不足,负值代表转向过度;负载系数:车辆的实际载重量与最大载质量的比值,α-置信区间可以包括转角α-置信区间和车速α-置信区间。
应理解的是,对于固定转弯路段的一次转弯控制过程的目标车速和目标转弯角度可以分别认为是一组随机样本。在车辆进行同一转弯路段的大量的转弯过程可以积累大量的随机样本,对于这些随机样本可以统计出样本的数学期望和方差。根据切比雪夫不等式:
可知,任意一个数据集中,位于其平均数m个标准差范围内的比例(或部分)总是至少为1-1/m2,其中m为大于1的任意正数。对于m=2,m=3和m=5有如下结果:
所有数据中,至少有3/4(或75%)的数据位于平均数2个标准差范围内。
所有数据中,至少有8/9(或88.9%)的数据位于平均数3个标准差范围内。
所有数据中,至少有24/25(或96%)的数据位于平均数5个标准差范围内。
基于所述切比雪夫不等式可自定义α-置信区间,例如,可以将96%、88.9%等作为所述α-置信区间,α-置信区间可以包括转角α-置信区间和车速α-置信区间,所述转角α-置信区间和所述车速α-置信区间也可以分别定义或者为同一个值,本实施例在此不加以限制,例如,转角α-置信区间定义为96%,车速α-置信区间定义为88.9%,或者是将转角α-置信区间和车速α-置信区间都定义为88.9%,在所述自动驾驶车辆行驶一段时间后,样本数据会发生改变,此时,也可以重新定义所述α-置信区间。
需要说明的是,所述增益值可以是不同车辆转向参数对应的需要进行修正的参考值。所述根据所述车辆转向信息确定不同车辆转向参数对应的增益值可以是根据所述转向信息中的各参数信息确定各参数对应的增益值,例如,在修正控制参数车速时,自定义的车速α-置信区间为96%,对应的样本数据中的车速区间是[15,25],探测设备确定出来的目标车速为30,此时,认为探测设备确定的目标车速偏移了车速α-置信区间对应的车速区间[15,25],此时增益值可以根据将所述目标车速修正到车速α-置信区间对应的车速区间[15,25]内,因此,所述车速α-置信区间对应的增益值可以是0.6,若当前的道路密度过大,此时转向路段车速应相对降低,则道路密度参数对应的增益值可以为小于1的数,使得对调整的车速有负增益,若当前车辆的负载系数过大,此时转向路段车速也应相对降低,则负载系数参数对应的增益值也可以为小于1的数,使得对调整的车速有负增益,车身倾斜角、不足转向度等参数确定对应的增益值时与上述原理相同。
步骤S20:根据所述增益值构建增益向量,根据预设优化域对所述增益向量进行优化,获得目标增益向量。
需要说明的是,所述根据所述增益值构建增益向量可以是将所述增益值组成一个行向量,例如,增益值为0.9,1.1,1.3,0.6,1.2...,则构建的增益向量为(0.9 1.1 1.3 0.61.2...),所述预设优化域为预设的能够对所述增益向量进行优化的向量中的值的取值范围,例如,预设优化域为(0,2),根据所述预设优化域确定对所述增益向量进行优化的向量,利用矩阵乘法将所述增益向量和对所述增益向量进行优化的向量进行矩阵运算,得到所述目标增益向量。
步骤S30:根据当前行驶路况确定地形向量,根据所述地形向量、所述目标增益向量以及所述车辆转向信息确定转向控制参数。
需要说明的是,所述当前行驶路况可以是所述车辆在转向路段中的行驶的路况,可以是当前路段的弯度,坡度,是否有积水,坑洼等路况,所述地形向量可以是根据所述当前行驶路况生成的反映地形的向量。
进一步的,为了使优化后的转向控制参数更加准确,使车辆转向过程更加安全,能够应对复杂的路况,所述根据当前行驶路况确定地形向量的步骤,包括:获取探测设备采集到的当前行驶路况;根据所述当前行驶路况确定所述车辆转向信息中不同车辆转向参数对应的权重值;根据所述权重值确定所述地形向量。
需要说明的是,所述根据所述当前行驶路况确定所述车辆转向信息中不同车辆转向参数对应的权重值可以是根据当前行驶的路况,采用系统自学习的方式调整对应的参数对车辆转向控制参数的影响的权重值,例如,根据当前行驶路况可知,当前的转向路径坡度较大,则车身侧倾角对应的对最终的控制参数的影响较大,则车身侧倾角对应的权重也相应较大,当前的转向路径弯度较大,则不足转向度对应的对最终的控制参数的影响较大,则不足转向度对应的权重也相应较大,根据当前行驶的路况可知,其他的参数对最终的控制参数的影响较小,则对应的权重可以是对应较少,即最终的各参数对应的权重值可以是:0.1,0.4,0.3,0.1,0.1,则对应的地形向量为(0.1 0.4 0.3 0.1 0.1)。
进一步的,为了使优化后的转向控制参数更加准确,所述根据所述地形向量、所述目标增益向量以及所述车辆转向信息确定转向控制参数的步骤,包括:确定所述地形向量和所述目标增益向量的点乘结果;获取所述车辆转向信息中的目标车速和目标转角;根据所述点乘结果、所述目标车速和所述目标转角确定转向控制参数,所述转向控制参数包括转角控制参数和车速控制参数。
需要说明的是,所述目标增益向量包括目标车速增益向量和目标转角增益向量,所述点乘结果可以是将所述地形向量和所述目标车速增益向量和所述目标转角增益向量分别进行点乘的结果,其中,所述地形向量可以是一个,也可以是针对车速和转角分别确定一个转角地形向量和车速地形向量,以使对车速和转角分别进行优化时,优化后的结果更加准确,若分别确定转角地形向量和车速地形向量,则会生成车速点乘结果和转角点乘结果,根据所述点乘结果、所述目标车速和所述目标转角确定转向控制参数可以是根据车速点乘结果、转角点乘结果、所述目标车速和所述目标转角确定转向控制参数,例如,车速点乘结果为1.2、转角点乘结果为0.8、探测设备在进入转向路段之前确定的目标车速为30、目标转角为40,则优化后的转向控制参数为转角0.8*40=32,车速为1.2*30=36。
步骤S40:根据所述转向控制参数对车辆进行转向控制。
需要说明的是,所述转向控制参数包括转角控制参数和车速控制参数,车辆根据所述车速控制参数和转角控制参数进行车辆的转向控制。
本实施例获取车辆转向信息,根据所述车辆转向信息确定不同车辆转向参数对应的增益值;根据所述增益值构建增益向量,根据预设优化域对所述增益向量进行优化,获得目标增益向量;根据当前行驶路况确定地形向量,根据所述地形向量、所述目标增益向量以及所述车辆转向信息确定转向控制参数;根据所述转向控制参数对车辆进行转向控制。由于本实施例是根据车辆转向信息进行了处理和优化,最终确定转向控制参数,相对于现有的直接根据检测模块生成的目标参数进行车辆的转向控制的方式,本实施例上述方式能够使自动驾驶汽车转向时更加安全。
参考图3,图3为本发明自动驾驶汽车的转向控制方法第二实施例的流程示意图。
基于上述第一实施例,在本实施例中,所述步骤S20之前,还包括:
步骤S101:获取样本数据。
需要说明的是,所述样本数据可以是自动驾驶车辆之前进行转向过程中的根据探测设备确定的初始转角和初始车速以及最终转向成功采用的目标转角和目标车速以及转向的路况信息参数等数据,例如道路密度、车身侧倾角、不足转向度、负载系数、转角α-置信区间和车速α-置信区间等数据信息,例如,样本数据中的其中一组数据为自动驾驶车辆在准备转向时,探测设备确定的初始转角为30,初始车速为20,道路密度为5、车身侧倾角5、不足转向度10、负载系数0.4、转角α-置信区间90%和车速α-置信区间89%,以及最终车辆成功转向所采用的目标转角26,目标车速18等数据。
步骤S102:基于神经网络算法根据所述样本数据确定样本车速修正矩阵和样本转角修正矩阵。
需要说明的是,所述样本车速修正矩阵和所述样本转角修正矩阵可以是对原增益向量进行优化的样本修正矩阵,所述样本修正矩阵为对角阵,主对角元素即为算法的优化因子,根据所述优化因子的值确定优化域,优化的过程可以理解为是将原增益向量按照一定的比例进行放、缩。并以整个转弯控制过程完成的最终评价来确定优化域设定的是否合理,通过大量的数据的积累和深度学习,不断完善优化域的设定。评价指标可以是转弯过程完成的时间,或者转弯过程是否出现突发状况需要系统重新做算法修正等等。确定修正矩阵的算法公式如下:
应理解的是,(a1 a2 .... an-1 an)为样本数据中的参数对应的增益向量,(b1 b2... bn-1 bn)为样本数据中的目标增益向量,可以是根据样本数据中的所述车辆的最终成功转向的目标车速和目标转角以及转向的评价结果确定的目标增益向量,为所述样本修正矩阵,其中,公式中的n代表有n个参数,在不同的场景下,可以选用不同的参数以及参数个数进行车辆转向控制参数的优化。本实施例在此不加以限制。
在具体实施中,以下以确定样本车速修正矩阵为例,样本数据中根据探测设备确定的初始车速为20,根据探测设备采集到的参数信息确定的原车速增益向量为(1.1,1.2,0.6,0.8),样本数据中的车速地形向量为(0.2,0.3,0.4,0.1),样本数据中车辆成功转向的最终目标车速为24,在确定车速修正矩阵时,优化后的增益向量与地形向量点乘后的点乘结果与初始车速为20的乘积为24,根据神经网络算法以及成功转向过程中的各评价指标,例如,转向的舒适度,转向的安全性等,以及初始车速和目标车速对各个参数的增益向量进行优化,得知优化后的目标增益向量可以为(1.1,1.1,0.8,0.3)等结果,根据优化后的目标增益向量(1.1,1.1,0.8,0.3)对应公式中的(b1 b2 ... bn-1 bn)和样本数据中的参数对应的增益向量(1.1,1.2,0.6,0.8)对应公式中的(a1 a2 .... an-1 an)根据上述公式可以得知车速修正矩阵。
应理解的是,根据车辆最终的转向结果和初始参数信息得出的目标增益向量可能并不唯一,即使目标增益向量唯一,得出的修正矩阵也并不是固定值,但可以根据转向过程完成的最终评价结果确定修正矩阵是否合理,需要剔除不合理的修正矩阵。不合理的修正矩阵即根据该修正矩阵得不到车辆最终的目标转向控制参数或车辆在转向过程中触发了更高级别的预警信息或发生特殊情况使得转向失败。即认为是不合理的修正矩阵。所述神经网络算法需要通过大量的数据的积累和深度学习,不断完善修正矩阵的设定。
步骤S103:根据所述样本车速修正矩阵确定车速优化域。
需要说明的是,所述车速优化域可以是所述样本车速修正矩阵中的对角阵上的优化因子的取值范围,例如,车速修正矩阵中的优化因子大概在范围0.5到1.5之间,则车速优化域可以是[0.5,1.5]。
步骤S104:根据所述样本转角修正矩阵确定转角优化域,基于所述车速优化域和所述转角优化域构建预设优化域。
需要说明的是,所述转角优化域可以是所述样本转角修正矩阵中的对角阵上的优化因子的取值范围,例如,转角修正矩阵中的优化因子大概在范围0.3到1.7之间,则车速优化域可以是[0.3,1.7]。基于所述车速优化域和所述转角优化域构建预设优化域可以是将所述车速优化域和所述转角优化域作为所述预设优化域。
本实施例中,获取样本数据;基于神经网络算法根据所述样本数据确定样本车速修正矩阵和样本转角修正矩阵;根据所述样本车速修正矩阵确定车速优化域;根据所述样本转角修正矩阵确定转角优化域,基于所述车速优化域和所述转角优化域构建预设优化域。本实施例根据自动驾驶汽车的大量样本数据得出预设优化域,使得后续通过该预设优化域对车辆的转向控制参数进行优化调整的时候能够更加的准确,提高车辆在转向过程中的安全性。
参考图4,图4为本发明自动驾驶汽车的转向控制方法第三实施例的流程示意图。
基于上述各实施例,在本实施例中,所述步骤S20,包括:
步骤S201:根据所述增益值构建增益向量,根据所述预设优化域中的所述车速优化域对所述车速增益向量进行优化,获得目标车速增益向量。
进一步的,为了使获得的目标车速增益向量能够更准确的对车辆转向控制参数中的目标车速进行有益的修正,所述根据所述预设优化域中的所述车速优化域对所述车速增益向量进行优化,获得目标车速增益向量的步骤,包括:根据所述预设优化域中的所述车速优化域确定当前车速修正矩阵;根据所述当前车速修正矩阵和所述车速增益向量获得所述目标车速增益向量。
需要说明的是,所述增益向量包括车速增益向量和转角增益向量,所述目标增益向量包括目标车速增益向量和目标转角增益向量。所述车速优化域为基于神经网络算法和之前的大量的样本数据得出的合理的修正矩阵中优化因子的取值范围,所述当前车速修正矩阵可以是根据所述车速优化域和当前的参数信息确定各参数对应的车速优化因子,根据所述车速优化因子构建当前车速修正矩阵,所述根据所述当前车速修正矩阵和所述车速增益向量获得所述目标车速增益向量可以是将所述当前车速修正矩阵和所述车速增益向量进行矩阵乘法运算,获得所述目标车速增益向量。
应理解的是,根据所述预设优化域中的所述车速优化域对所述车速增益向量进行优化可以理解为根据所述车速优化域确定的车速修正矩阵将车速增益向量按照一定的比例进行放、缩,得到目标车速增益向量。
在具体实施中,车辆的转向参数有车身侧倾角、不足转向度和负载系数,其对应的增益值为:0.8,0.9,1.2,车速α-置信区间89%,探测设备计算的初始车速为23,车速α-置信区间89%,对应的车速为18至22之间,探测设备计算的初始车速为23偏移所述车速α-置信区间,则车速α-置信区间对应的增益值可以为0.9,则所述车速增益向量为(0.8,0.9,1.2,0.9),车速优化域为[0.5,1.5],根据当前的车辆行驶路况可知,需要对车身侧倾角、不足转向度对应的增益值进行正增益,负载系数和车速α-置信区间对应的增益值进行负增益,则车速修正矩阵中的优化因子的取值可以根据车速优化域为[0.5,1.5]进行取值为:1.1,1.2,0.9,0.9,则车速修正矩阵为将所述车速增益向量为(0.8,0.9,1.2,0.9)与所述车速修正矩阵与进行矩阵运算,得出目标车速增益向量为(0.88,1.08,1.08,0.81)。
步骤S202:根据所述预设优化域中的所述转角优化域对所述转角增益向量进行优化,获得目标转角增益向量。
进一步的,为了使获得的目标转角增益向量能够更准确的对车辆转向控制参数中的目标转角进行有益的修正,所述根据所述预设优化域中的所述转角优化域对所述转角增益向量进行优化,获得目标转角增益向量的步骤,包括:根据所述预设优化域中的所述转角优化域确定当前转角修正矩阵;根据所述当前转角修正矩阵和所述转角增益向量获得所述目标转角增益向量。
需要说明的是,所述转角优化域为基于神经网络算法和之前的大量的样本数据得出的合理的修正矩阵中优化因子的取值范围,所述当前转角修正矩阵可以是根据所述转角优化域和当前的参数信息确定各参数对应的转角优化因子,所述优化因子的作用为对各参数对应的增益值进行正增益或负增益,根据所述转角优化因子构建当前转角修正矩阵,所述根据所述当前转角修正矩阵和所述转角增益向量获得所述目标转角增益向量可以是将所述当前转角修正矩阵和所述转角增益向量进行矩阵乘法运算,获得所述目标转角增益向量。
应理解的是,根据所述预设优化域中的所述转角优化域对所述转角增益向量进行优化可以理解为根据所述转角优化域确定的转角修正矩阵将转角增益向量按照一定的比例进行放、缩,得到目标转角增益向量。
在具体实施中,车辆的转向参数有车身侧倾角、不足转向度和负载系数,其对应的增益值为:0.8,0.9,1.2,转角α-置信区间90%,探测设备计算的初始转角为30,转角α-置信区间90%,对应的转角为25至35之间,探测设备计算的初始转角为30没有偏移所述转角α-置信区间,则转角α-置信区间对应的增益值可以为1,则所述转角增益向量为(0.8,0.9,1.2,1),转角优化域为[0.5,1.5],根据当前的车辆行驶路况可知,需要对车身侧倾角、不足转向度对应的增益值进行正增益,负载系数对应的增益值进行负增益,转角α-置信区间对应的增益值可以不进行增益,则转角修正矩阵中的优化因子的取值可以根据车速优化域为[0.5,1.5]进行取值:1.1,1.2,0.9,1,则转角修正矩阵为
参照图5,图5为本实施例中的逻辑示意图,图5中则是分别确定道路密度、车身侧倾角、不足转向度、负载系数、α-置信区间对应的增益值a1,a2,a3,a4,a5,其中,根据上述实施例可知,α-置信区间对应的增益值是根据自定义的α-置信区间和探测设备确定的初始的转弯车速和转角确定的。再根据不同的修正矩阵A和B即本实施例中的车速修正矩阵和转角修正矩阵分别得到最终的转向控制参数转弯车速和转角。对本实施例以及上述实施例的理解可以参照此图。
本实施例根据所述预设优化域中的所述车速优化域对所述车速增益向量进行优化,获得目标车速增益向量;根据所述预设优化域中的所述转角优化域对所述转角增益向量进行优化,获得目标转角增益向量。所述根据所述预设优化域中的所述车速优化域对所述车速增益向量进行优化,获得目标车速增益向量的步骤,包括:根据所述预设优化域中的所述车速优化域确定当前车速修正矩阵;根据所述当前车速修正矩阵和所述车速增益向量获得所述目标车速增益向量;相应的,所述根据所述预设优化域中的所述转角优化域对所述转角增益向量进行优化,获得目标转角增益向量,包括:根据所述预设优化域中的所述转角优化域确定当前转角修正矩阵;根据所述当前转角修正矩阵和所述转角增益向量获得所述目标转角增益向量。本实施例通过车速优化域和转角优化域分别对自动驾驶车辆的目标转角和目标车速进行增益,分别获得车速目标增益向量和转角目标增益向量,通过对原增益向量的正、负增益控制,解决需要反复修正目标车速和目标转弯角度,以完成自动驾驶车辆的转向控制。
参照图6,图6为本发明自动驾驶汽车的转向控制装置第一实施例的结构框图。
如图6所示,本发明实施例提出的自动驾驶汽车的转向控制装置包括:
获取模块10,用于获取车辆转向信息,根据所述车辆转向信息确定不同车辆转向参数对应的增益值;
优化模块20,用于根据所述增益值构建增益向量,根据预设优化域对所述增益向量进行优化,获得目标增益向量;
确定控制参数模块30,用于根据当前行驶路况确定地形向量,根据所述地形向量、所述目标增益向量以及所述车辆转向信息确定转向控制参数;
控制模块40,用于根据所述转向控制参数对车辆进行转向控制。
本实施例获取车辆转向信息,根据所述车辆转向信息确定不同车辆转向参数对应的增益值;根据所述增益值构建增益向量,根据预设优化域对所述增益向量进行优化,获得目标增益向量;根据当前行驶路况确定地形向量,根据所述地形向量、所述目标增益向量以及所述车辆转向信息确定转向控制参数;根据所述转向控制参数对车辆进行转向控制。由于本实施例是根据车辆转向信息进行了处理和优化,最终确定转向控制参数,相对于现有的直接根据检测模块生成的目标参数进行车辆的转向控制的方式,本实施例上述方式能够使自动驾驶汽车转向时更加安全。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的参数运行方法,此处不再赘述。
基于本发明上述自动驾驶汽车的转向控制装置第一实施例,提出本发明自动驾驶汽车的转向控制装置的第二实施例。
在本实施例中,所述获取模块10,还用于在车辆进入转向路段时,根据探测设备获取所述转向路段的路段信息;根据所述路段信息确定车辆的目标转角;获取车辆的实际转角,在所述实际转角大于所述目标转角的预设阈值时,采集车辆转向信息。
进一步的,所述优化模块20,还用于获取样本数据;基于神经网络算法根据所述样本数据确定样本车速修正矩阵和样本转角修正矩阵;根据所述样本车速修正矩阵确定车速优化域;根据所述样本转角修正矩阵确定转角优化域,基于所述车速优化域和所述转角优化域构建预设优化域。
进一步的,所述优化模块20,还用于根据所述预设优化域中的所述车速优化域对所述车速增益向量进行优化,获得目标车速增益向量;根据所述预设优化域中的所述转角优化域对所述转角增益向量进行优化,获得目标转角增益向量。
进一步的,所述优化模块20,还用于根据所述预设优化域中的所述车速优化域确定当前车速修正矩阵;根据所述当前车速修正矩阵和所述车速增益向量获得所述目标车速增益向量;根据所述预设优化域中的所述转角优化域确定当前转角修正矩阵;根据所述当前转角修正矩阵和所述转角增益向量获得所述目标转角增益向量。
进一步的,所述确定控制参数模块30,还用于获取探测设备采集到的当前行驶路况;根据所述当前行驶路况确定所述车辆转向信息中不同车辆转向参数对应的权重值;根据所述权重值确定所述地形向量。
进一步的,所述确定控制参数模块30,还用于确定所述地形向量和所述目标增益向量的点乘结果;获取所述车辆转向信息中的目标车速和目标转角;根据所述点乘结果、所述目标车速和所述目标转角确定转向控制参数,所述转向控制参数包括转角控制参数和车速控制参数。
本发明自动驾驶汽车的转向控制装置的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有自动驾驶汽车的转向控制程序,所述自动驾驶汽车的转向控制程序被处理器执行时实现如上文所述的自动驾驶汽车的转向控制方法的步骤。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种自动驾驶汽车的转向控制方法,其特征在于,所述自动驾驶汽车的转向控制方法包括以下步骤:
获取车辆转向信息,根据所述车辆转向信息确定不同车辆转向参数对应的增益值;
根据所述增益值构建增益向量,根据预设优化域对所述增益向量进行优化,获得目标增益向量;
根据当前行驶路况确定地形向量,根据所述地形向量、所述目标增益向量以及所述车辆转向信息确定转向控制参数;
根据所述转向控制参数对车辆进行转向控制。
2.如权利要求1所述的自动驾驶汽车的转向控制方法,其特征在于,所述获取车辆转向信息,根据所述车辆转向信息确定不同车辆转向参数对应的增益值的步骤之前,还包括:
在车辆进入转向路段时,根据探测设备获取所述转向路段的路段信息;
根据所述路段信息确定车辆的目标转角;
获取车辆的实际转角,在所述实际转角大于所述目标转角的预设阈值时,采集车辆转向信息。
3.如权利要求1所述的自动驾驶汽车的转向控制方法,其特征在于,所述根据所述增益值构建增益向量,根据预设优化域对所述增益向量进行优化,获得目标增益向量的步骤之前,还包括:
获取样本数据;
基于神经网络算法根据所述样本数据确定样本车速修正矩阵和样本转角修正矩阵;
根据所述样本车速修正矩阵确定车速优化域;
根据所述样本转角修正矩阵确定转角优化域,基于所述车速优化域和所述转角优化域构建预设优化域。
4.如权利要求3所述的自动驾驶汽车的转向控制方法,其特征在于,所述增益向量包括车速增益向量和转角增益向量,所述目标增益向量包括目标车速增益向量和目标转角增益向量;
相应的,所述根据预设优化域对所述增益向量进行优化,获得目标增益向量的步骤,包括:
根据所述预设优化域中的所述车速优化域对所述车速增益向量进行优化,获得目标车速增益向量;
根据所述预设优化域中的所述转角优化域对所述转角增益向量进行优化,获得目标转角增益向量。
5.如权利要求4所述的自动驾驶汽车的转向控制方法,其特征在于,所述根据所述预设优化域中的所述车速优化域对所述车速增益向量进行优化,获得目标车速增益向量的步骤,包括:
根据所述预设优化域中的所述车速优化域确定当前车速修正矩阵;
根据所述当前车速修正矩阵和所述车速增益向量获得所述目标车速增益向量;
相应的,所述根据所述预设优化域中的所述转角优化域对所述转角增益向量进行优化,获得目标转角增益向量,包括:
根据所述预设优化域中的所述转角优化域确定当前转角修正矩阵;
根据所述当前转角修正矩阵和所述转角增益向量获得所述目标转角增益向量。
6.如权利要求1至5任一项所述的自动驾驶汽车的转向控制方法,其特征在于,所述根据当前行驶路况确定地形向量的步骤,包括:
获取探测设备采集到的当前行驶路况;
根据所述当前行驶路况确定所述车辆转向信息中不同车辆转向参数对应的权重值;
根据所述权重值确定所述地形向量。
7.如权利要求1至6任一项所述的自动驾驶汽车的转向控制方法,其特征在于,所述根据所述地形向量、所述目标增益向量以及所述车辆转向信息确定转向控制参数的步骤,包括:
确定所述地形向量和所述目标增益向量的点乘结果;
获取所述车辆转向信息中的目标车速和目标转角;
根据所述点乘结果、所述目标车速和所述目标转角确定转向控制参数,所述转向控制参数包括转角控制参数和车速控制参数。
8.一种自动驾驶汽车的转向控制装置,其特征在于,所述自动驾驶汽车的转向控制装置包括:
获取模块,用于获取车辆转向信息,根据所述车辆转向信息确定不同车辆转向参数对应的增益值;
优化模块,用于根据所述增益值构建增益向量,根据预设优化域对所述增益向量进行优化,获得目标增益向量;
确定控制参数模块,用于根据当前行驶路况确定地形向量,根据所述地形向量、所述目标增益向量以及所述车辆转向信息确定转向控制参数;
控制模块,用于根据所述转向控制参数对车辆进行转向控制。
9.一种自动驾驶汽车的转向控制设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的自动驾驶汽车的转向控制程序,所述自动驾驶汽车的转向控制程序配置为实现如权利要求1至7中任一项所述的自动驾驶汽车的转向控制方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有自动驾驶汽车的转向控制程序,所述自动驾驶汽车的转向控制程序被处理器执行时实现如权利要求1至7任一项所述的自动驾驶汽车的转向控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110294123.0A CN112977613B (zh) | 2021-03-18 | 2021-03-18 | 自动驾驶汽车的转向控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110294123.0A CN112977613B (zh) | 2021-03-18 | 2021-03-18 | 自动驾驶汽车的转向控制方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112977613A true CN112977613A (zh) | 2021-06-18 |
CN112977613B CN112977613B (zh) | 2022-03-08 |
Family
ID=76333309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110294123.0A Active CN112977613B (zh) | 2021-03-18 | 2021-03-18 | 自动驾驶汽车的转向控制方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112977613B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114312847A (zh) * | 2022-01-13 | 2022-04-12 | 安徽江淮汽车集团股份有限公司 | 一种自动驾驶车辆的横向控制方法及装置 |
CN115817163A (zh) * | 2023-02-17 | 2023-03-21 | 禾多科技(北京)有限公司 | 车辆轮速调整方法、装置、电子设备和计算机可读介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103576710A (zh) * | 2012-08-07 | 2014-02-12 | 株式会社电装 | 控制系统和车辆转向控制系统 |
CN103646298A (zh) * | 2013-12-13 | 2014-03-19 | 中国科学院深圳先进技术研究院 | 一种自动驾驶方法及系统 |
CN106004996A (zh) * | 2016-06-23 | 2016-10-12 | 北京智行者科技有限公司 | 一种智能车转向控制方法及系统 |
CN108820039A (zh) * | 2018-05-11 | 2018-11-16 | 江苏大学 | 一种无人驾驶车辆弯道横向控制系统及方法 |
CN111634331A (zh) * | 2020-06-10 | 2020-09-08 | 上海联适导航技术有限公司 | 一种自动驾驶车辆的转向控制方法、装置及系统 |
CN111873991A (zh) * | 2020-07-22 | 2020-11-03 | 中国第一汽车股份有限公司 | 一种车辆转向的控制方法、装置、终端及存储介质 |
CN112092827A (zh) * | 2020-09-23 | 2020-12-18 | 北京百度网讯科技有限公司 | 自动驾驶功能控制方法、装置、电子设备及存储介质 |
-
2021
- 2021-03-18 CN CN202110294123.0A patent/CN112977613B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103576710A (zh) * | 2012-08-07 | 2014-02-12 | 株式会社电装 | 控制系统和车辆转向控制系统 |
CN103646298A (zh) * | 2013-12-13 | 2014-03-19 | 中国科学院深圳先进技术研究院 | 一种自动驾驶方法及系统 |
CN106004996A (zh) * | 2016-06-23 | 2016-10-12 | 北京智行者科技有限公司 | 一种智能车转向控制方法及系统 |
CN108820039A (zh) * | 2018-05-11 | 2018-11-16 | 江苏大学 | 一种无人驾驶车辆弯道横向控制系统及方法 |
CN111634331A (zh) * | 2020-06-10 | 2020-09-08 | 上海联适导航技术有限公司 | 一种自动驾驶车辆的转向控制方法、装置及系统 |
CN111873991A (zh) * | 2020-07-22 | 2020-11-03 | 中国第一汽车股份有限公司 | 一种车辆转向的控制方法、装置、终端及存储介质 |
CN112092827A (zh) * | 2020-09-23 | 2020-12-18 | 北京百度网讯科技有限公司 | 自动驾驶功能控制方法、装置、电子设备及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114312847A (zh) * | 2022-01-13 | 2022-04-12 | 安徽江淮汽车集团股份有限公司 | 一种自动驾驶车辆的横向控制方法及装置 |
CN114312847B (zh) * | 2022-01-13 | 2024-04-12 | 安徽江淮汽车集团股份有限公司 | 一种自动驾驶车辆的横向控制方法及装置 |
CN115817163A (zh) * | 2023-02-17 | 2023-03-21 | 禾多科技(北京)有限公司 | 车辆轮速调整方法、装置、电子设备和计算机可读介质 |
CN115817163B (zh) * | 2023-02-17 | 2023-05-23 | 禾多科技(北京)有限公司 | 车辆轮速调整方法、装置、电子设备和计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112977613B (zh) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3798746B1 (en) | Vehicle lane change control method and device | |
CN112977613B (zh) | 自动驾驶汽车的转向控制方法、装置、设备及存储介质 | |
CN110789517A (zh) | 自动驾驶横向控制方法、装置、设备及存储介质 | |
CN111516673B (zh) | 基于智能摄像头和高精地图定位的车道线融合系统及方法 | |
US20050267608A1 (en) | Model predictive control apparatus | |
CN111731274B (zh) | 泊车扭矩的确定方法、装置、设备和介质 | |
CN109334667B (zh) | 一种智能车变道控制方法及装置 | |
WO2010101749A1 (en) | Predictive semi-autonomous vehicle navigation system | |
RU2715667C1 (ru) | Способ управления движением транспортного средства и устройство управления движением | |
US10589777B2 (en) | Steering control apparatus | |
CN111259737B (zh) | 车辆方向盘故障的预测方法、装置、电子设备及存储介质 | |
CN112859838B (zh) | 一种自动驾驶控制方法、装置、设备和介质 | |
CN111923916B (zh) | 一种基于视觉感知行为和anfis的仿人转向建模方法及转向控制系统 | |
WO2022044210A1 (ja) | 運転支援装置、学習装置、運転支援方法、運転支援プログラム、学習済モデルの生成方法、学習済モデル生成プログラム | |
CN114056425B (zh) | 车辆转向控制方法、装置、车辆及存储介质 | |
CN114291074B (zh) | 一种车辆侧翻预警方法、装置及存储介质 | |
CN115593514B (zh) | 转向角度传感器零位标定方法、装置、设备及存储介质 | |
KR101526729B1 (ko) | Lkas의 제어 토크 조정 장치 및 그 방법 | |
US20220097688A1 (en) | Method for evaluating a method for controlling an at least semi-automated mobile platform | |
CN118323162A (zh) | 一种车辆辅助驾驶方法、系统、电子设备及介质 | |
CN117208010A (zh) | 一种车辆驾驶模式的切换方法、装置、设备及存储介质 | |
CN118225118A (zh) | 车辆路径规划方法、系统、设备、车辆、介质和产品 | |
CN113734170B (zh) | 一种基于深度q学习的自动驾驶换道决策方法 | |
CN110276322B (zh) | 一种结合车机闲散资源的图像处理方法及装置 | |
US20240132103A1 (en) | Trajectory planning system for an autonomous vehicle with a real-time function approximator |
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 |