CN113104049A - 一种使用频率整型的车辆运动规划系统与方法 - Google Patents
一种使用频率整型的车辆运动规划系统与方法 Download PDFInfo
- Publication number
- CN113104049A CN113104049A CN202110321462.3A CN202110321462A CN113104049A CN 113104049 A CN113104049 A CN 113104049A CN 202110321462 A CN202110321462 A CN 202110321462A CN 113104049 A CN113104049 A CN 113104049A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- planning
- module
- target
- frequency
- 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
- 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
- B60W60/0013—Planning or execution of driving tasks specially adapted for occupant comfort
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种使用频率整型的车辆运动规划系统与方法,基于上层感知模块与车辆信息模块获取车辆周边可通行区域信息及车辆运动状态极限,并结合规划目标设定模块获得的规划目标需求,输入规划约束生成模块确定车辆的几何位置约束与运动状态约束;基于几何位置约束与车辆信息模块输出的车辆运动位姿及几何信息,规划终点采样模块输出多个规划终点;结合规划目标表征指标,获得最优控制问题的频率加权函数及优化目标函数;最终优化求解模块输出不同规划终点对应的最优控制序列与最优规划时域,经过最优路径选择模块的评选输出目标轨迹。本发明通过规划目标设定模块个性化选取不同的规划目标,可改善运动规划的舒适性。
Description
技术领域
本发明属于自动驾驶车辆技术领域,尤其涉及一种使用频率整型的车辆运动规划系统与方法。
背景技术
晕车作为晕动病的一种表现形式,晕车的症状包括出汗、头晕、恶心、呕吐,很大得影响着车辆中乘员的乘坐体验。国内外众多的调查研究均表明大部分人在乘坐车辆时都经历过轻度或重度的晕车,可以认为晕车是一种常见的现象。
随着自动驾驶技术的发展,车辆的自动化水平逐渐提高,车辆的运动包括加减速、转向运动都可由自动驾驶系统来控制,为了提升竞争力,满足用户对“智能车辆”这一先进概念的期待,无人出租车、无人巴士等出行服务应提供由于目前人类驾驶员提供的出行服务体验。而与此同时,一方面作为乘客,在关于能否安全抵达目的地这一基础要求之外,评判服务优劣的基础要素则是乘坐舒适性;另一方面从车辆的运动规划和控制方面入手,来减少车辆中乘员晕车的发病率和严重程度是可行的。
因此,为了促进大众对自动驾驶出行服务的认可程度,提升自动驾驶出行服务的水平,开发提升车内乘员乘坐舒适性的自动驾驶算法势在必行。但是,现有的抵抗晕车的措施、设计中,多从车内人机工效学的优化角度来减缓晕车,包括车内显示器、座椅布置、车内气候环境调整,或者从车辆底盘悬架设计与控制着手改善振动,尚未有从车辆的运动规划方面着手来缓解晕车的公开报道。
发明内容
本发明的目的在于针对现有技术的不足,提供使用频率整型的车辆运动规划系统与方法。
本发明的目的是通过以下技术方案实现的:一种使用频率整型的车辆运动规划系统,包括车辆模型模块、规划约束生成模块、加权函数选择模块、规划终点采样模块、优化求解模块、最优路径选择模块等。
所述车辆模型模块,包含车辆模型M,用于计算规划时域Ti内,任意t时刻车辆的运动状态x(t),t∈[0,Ti],包括车辆加速度矢量ai(t),车辆角速度矢量ωi(t),车辆行驶速度vi(t)和车辆位置(Xi(t),Yi(t))。
所述规划约束生成模块,接收上层感知模块计算获得的车辆可通行区域,获得轨迹几何位置约束g(x),包括车辆侧向位置极限Ym和纵向位置极限Xm;结合车辆运动状态极限,以及规划目标需求,获得车辆沿轨迹行驶时的运动状态约束h(x),包括最大纵向加速度axm、最大纵向加速度变化率最大侧向加速度aym、最大侧向加速度变化率和最大横摆角速度ωm和最大横摆角速度变化率
所述加权函数选择模块,针对规划终点采样模块选取的每个规划终点(Xi,Yi),i=1…n,根据规划目标C确定的目标相关表征指标,选用相应的频率加权函数W,并根据W设计基于频率整型方法的优化目标函数Ji,i=1…n。
所述规划终点采样模块,根据约束生成模块输出的几何位置约束g(x),沿既定车辆行驶方向,在可通行区域内选取多个规划终点(Xi,Yi),i=1…n;
所述优化求解模块,将规划问题描述为最优控制问题,结合车辆模型M、优化目标函数Ji以及规划约束g(x)和h(x),从车辆当前位置(X0,Y0)出发,针对某一规划终点(Xi,Yi),求解最优控制问题得到最优规划时域Ti以及对应的最优控制序列ui(t),t∈[0,Ti],并将最优控制序列输入至车辆模型M中,计算时域Ti内的车辆运动姿态xi(t),t∈[0,Ti],最终获得针对该终点的最优轨迹Pi并输出;
所述最优路径选择模块,接收不同规划终点(Xi,Yi)对应的最优轨迹Pi,通过仿真的方式,选取对规划目标C提升效果最佳的轨迹Po,作为最终的目标轨迹输出。
进一步地,频率加权函数W是针对车辆加速度和车辆角速度的加权函数,且函数为频域加权,即对不同频带的加速度a和角速度ω赋予不同的权重值,用于表征不同频带的a和ω对规划目标C的影响不同;频率加权函数W的选取不仅和规划目标C相关,还与不同方向上的加速度及角速度对C的影响有关,针对不同方向上的加速度和不同方向上的角速度,W可以相同也可以不同。
进一步地,使用滤波器作为频率加权函数,包括高通滤波器、低通滤波器和带通滤波器。
进一步地,优化目标函数Ji分为两部分,包括针对规划目标C的优化目标Jic和针对通行效率的优化目标Jit,即
Ji=Jic+Jit
其中,aWi和ωWi分别为经过频率加权后的加速度和角速度矢量,和分别为aWi和ωWi的转置,Q1i、Q2i分别为权重矩阵,用于区分不同方向的加速度、不同方向的角速度和通行效率对目标函数Ji取值的影响。
进一步地,规划终点采样模块使用等距采样法进行终点采样,以车辆当前位置(X0,Y0)为基准,作固定半径r的圆弧,圆弧的两端分别为车辆前方可通行区域的边界,在圆弧上以固定距离d选取规划终点(Xi,Yi)。
进一步地,d设置为车宽的一半,r值的大小为当前车速行驶一秒距离的两倍。
进一步地,最优路径选择模块采用仿真方法,计算车辆沿规划的轨迹运动时的加速度矢量ai(t)和角速度矢量ωi(t),并根据ai(t)和ωi(t)计算规划目标C的目标相关表征指标的值。
一种基于上述系统的使用频率整型的车辆运动规划方法,首先,接收上层感知计算获得的可通行区域,并在可通行区域内选取多个规划终点(Xi,Yi),i=1…n;其次,根据明确的可通行区域以及搭载系统的车辆的运动极限,确定约束g(x)和h(x);然后,根据不同方向上不同频带的加速度和角速度对规划目标C的影响,选用合适的频率加权函数W对各方向上的加速度和角速度进行加权,设计优化目标函数J;最后,计算车辆运动至不同规划终点的最优轨迹Pi,选取令目标相关表征指标的值最小的最优轨迹Po作为最终的目标轨迹;以上四个步骤,在车辆运动过程中,每隔一定时间运行一次。
一种计算机可读存储介质,存储有计算机程序,被执行时实现上述车辆运动规划方法的步骤。
一种车辆,包括上述车辆运动规划系统。
与现有技术相比,本发明的有益效果在于:
1、传统上,利用运动冲击度(即加速度导数,jerk)来优化的轨迹规划及控制算法,无法保证对乘员晕车现象的改善;本发明直接针对晕车现象的频域敏感性本质,使用频率整型方法,在轨迹规划的时候即通过减弱特定频段的加速度能量,有效缓解乘员晕车;
2、本发明可以考虑群体之间的差异性,针对不同的人群设定不同的频率加权函数,实现对乘员晕车的个性化防范;
3、本发明根据规划目标设定的不同,可以实现不同的功能,不仅仅可以缓解乘员晕车,还可以以减弱振动、个性化地提升驾驶的动感程度等为目标,给予乘员更加舒适、丰富的驾驶体验;
4、本发明中在运动规划而非运动控制环节中,直接考虑乘员晕动特性,解决乘员晕动问题,规划得到可降低晕动概率的运动轨迹,可实现运动规划和控制的解耦,有利于解决晕动的抑制难题,灵活性高于在运动控制中抑制晕动的解决方案,可适配于多种不同特性的车辆设计,开发中算法标定难度大幅降低。
附图说明
图1为本发明系统示意图;
图2为本发明方法的车辆运动学模型示意图;
图3为本发明方法的规划约束生成模块示意图;
图4为本发明方法的频率加权函数示意图;
图5为本发明方法的规划终点采样模块示意图;
图6为本发明方法的优化求解模块示意图;
图7为本发明方法的最优路径选择模块示意图;
图8为本发明方法获得的最佳轨迹示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
本发明一种使用频率整型的车辆运动规划系统与方法,将频率整型方法引入到自动驾驶车辆运动规划系统中,通过运动规划提升自动驾驶车辆运动过程中的乘坐舒适性,并减弱乘客乘坐自动驾驶车辆的晕车水平。
如图1所示,本发明提供一种车辆,包括一种使用频率整型的车辆运动规划系统,该系统包括车辆模型模块、规划约束生成模块、加权函数选择模块、规划终点采样模块、优化求解模块、最优路径选择模块。系统的输入为上层感知模块计算数据、车辆信息和规划目标C。
(1)规划约束生成模块,接收上层感知模块输出的可通行区域信息,获得轨迹几何位置约束g(x),包括车辆侧向位置极限Ym和纵向位置极限Xm;结合车辆信息中的车辆运动状态极限以及规划目标C确定的规划目标需求,获得车辆沿轨迹行驶时的运动状态约束h(x),包括最大纵向加速度axm、最大纵向加速度变化率最大侧向加速度aym、最大侧向加速度变化率和最大横摆角速度ωm和最大横摆角速度变化率
(2)规划终点采样模块,接收规划约束生成模块输出的几何位置约束g(x)和车辆信息中的车辆运动状态(包括车辆速度方向和车辆当前位置)、车辆几何信息(车辆尺寸),沿既定车辆行驶方向,在可通行区域内选取多个规划终点(Xi,Yi),i=1…n。
具体地,使用等距采样法进行规划终点采样,以车辆当前位置(X0,Y0)为基准,作固定半径r的圆弧,圆弧的两端分别为车辆前方可通行区域的边界,在圆弧上以固定距离d选取规划终点(Xi,Yi)。优选地,d设置为车宽的一半,r值的大小为以当前车速行驶一秒距离的两倍。
(3)加权函数选择模块,接收规划目标C确定的目标相关表征指标,包括表征车辆运动对乘员健康影响的指标Al(8)、表征车辆运动对乘员舒适度影响的指标eVDV和表征车辆运动对乘员晕车影响的指标MSDV,针对规划终点采样模块选取的每个规划终点(Xi,Yi),i=1…n,根据不同方向上不同频带的加速度和角速度对目标相关表征指标的影响,选用合适的频率加权函数W对各方向上的加速度和角速度进行加权,并根据频率加权函数W设计基于频率整型方法的优化目标函数Ji。
具体地,本发明中规划目标C确定的目标相关表征指标参考ISO 2631-1:1997中包括的振动影响以及定义的表征指标;规划目标C包括减少车辆运动对乘员健康的影响、减少车辆运动对乘员舒适度的影响、缓解车辆运动导致的乘员晕车。
表征车辆运动对乘员健康影响的指标Al(8)定义如下:
其中,glW(t)是由频率加权函数加权的均方根加速度,时间域为T;l=x,y,z,表示不同的加速度方向;对于x、y方向,kx=ky=1.4,对于z方向,kz=1;T0是8小时(28800秒)的参考时间,此处x为车辆前后方向,y为车辆左右方向,z为车辆垂直方向。
表征车辆运动对乘员舒适度影响的指标eVDV定义如下:
其中,aW(t)是频率加权的均方根加速度矢量,时间域为T。
表征车辆运动对乘员晕车影响的指标定义如下:
其中,aW(t)是频率加权的加速度矢量,时间域为T。
具体地,对于频率加权函数W:频率加权函数W是针对车辆加速度和车辆角速度的加权函数,且函数为频域加权,即对不同频带的加速度a和角速度ω赋予不同的权重值,用于表征不同频带的a和ω对规划目标C的影响不同;优选地,使用滤波器作为频率加权函数,如高通滤波器、低通滤波器和带通滤波器。频率加权函数W的选取不仅和规划目标C相关,还与不同方向上的加速度及角速度对C的影响有关,针对不同方向上的加速度和不同方向上的角速度,W可以相同也可以不同。
具体地,对于优化目标函数Ji,i=1…n:Ji分为两部分,包括针对规划目标C的优化目标Jci和针对通行效率的优化目标Jti,即
Ji=Jci+Iti
优选地:
其中,aWi,i=1…n和ωWi,i=1…n分别为经过频率加权后的加速度和角速度矢量,和分别为aWi和ωWi的转置;Q1i,i=1…n、Q2i,i=1…n分别为权重矩阵,用于区分不同方向(包括x、y、z方向)的加速度、不同方向的角速度和通行效率对优化目标函数Ji取值的影响。
(4)优化求解模块,结合车辆运动学模型M、每个规划终点采样模块选取的规划终点(Xi,Yi)、加权函数选择模块设计的对应优化目标函数Ji、规划约束生成模块确定的几何位置约束g(x)和运动状态约束h(x),将针对规划目标C的车辆运动规划问题描述为最优控制问题;从车辆当前位置(X0,Y0)出发,针对某一规划终点(Xi,Yi),求解最优控制问题,得到最优规划时域Ti以及对应的最优控制序列ui(t),t∈[0,Ti];并将最优控制序列输入至车辆模型模块的车辆模型M中。
(5)车辆模型模块,接收优化求解模块输出的最优控制序列ui(t),根据车辆模型M,计算时域Ti内任意t时刻的车辆运动姿态xi(t),t∈[0,Ti],包括车辆加速度矢量ai(t)、车辆角速度矢量ωi(t)、车辆行驶速度vi(t)和车辆位置(Xi(t),Yi(t));最终获得针对每个规划终点(Xi,Yi)的最优轨迹Pi并输出。车辆位置(Xi(t),Yi(t))为从(X0,Y0)到(Xi,Yi)的序列。
(6)最优路径选择模块,接收车辆模型模块输出的不同规划终点(Xi,Yi)对应的最优轨迹Pi,通过仿真计算Pi对应的目标相关表征指标的值,并选取能达到规划目标C的,令目标相关表征指标的值最小的一个最优轨迹Po,作为最终的目标轨迹输出。
其中,仿真方法具体为:假设车辆装备有理想的车辆运动控制模块,可以控制车辆毫无偏差地行驶在规划的轨迹上;在此基础上,计算车辆沿不同规划终点(Xi,Yi)规划的轨迹运动时的加速度矢量ai(t)和角速度矢量ωi(t),并根据ai(t)和ωi(t)计算规划目标C的目标相关表征指标的值。
本发明一种使用频率整型的车辆运动规划方法,具体为:
首先,接收上层感知模块计算获得的可通行区域,并在可通行区域内选取多个规划终点(Xi,Yi),i=1…n。
其次,根据明确的可通行区域以及搭载系统的车辆的运动极限,确定约束g(x)和h(x)。
然后,根据不同方向上不同频带的加速度和角速度对规划目标C的影响,选用合适的频率加权函数W,对各方向上的加速度和角速度进行加权,针对不同规划终点设计优化目标函数Ji。
最后,计算车辆运动至不同规划终点的最优轨迹Pi,选取令Ji最小的最优轨迹Po,作为最终的目标轨迹。
本发明提供一种计算机可读存储介质,存储有计算机程序,被执行时实现以上运行步骤。在车辆运动过程中,每隔一定时间运行一次,输出目标规划轨迹,通过车辆运动规划、控制来达到规划目标C。
本实施例确定规划目标C为缓解车辆运动导致的乘员晕车,选择一般车辆的平面直线运动场景。
车辆模型选择单轨车辆运动学模型,如图2所示。车辆在全球笛卡尔坐标系统XOY中移动,xoy坐标连接到车辆上,x轴指向前部,y轴指向左侧,后桥中心点是车辆坐标原点。(X,Y)是车辆位置,方向角θ定义为X轴和x轴之间的角,v是速度,ax是纵向加速度。r是转弯半径,l是车辆轴距,则曲率ρ=1/r,可以将车辆模型M描述如下:
规划约束生成模块如图3所示,上层感知模块确定车辆在全球笛卡尔坐标系统XOY中的位置(X,Y)、探测道路边界及本车行驶方向前障碍物包括前方车辆、行人、障碍物,计算获得的车辆可通行区域。规划约束生成模块接受上层感知模块计算数据,获得轨迹几何位置约束g(x),包括本车辆到侧向道路边界的侧向位置极限Ym和到前方障碍物的纵向位置极限Xm;结合车辆运动状态极限,以及规划目标需求,获得车辆沿轨迹行驶时的运动状态约束h(x),包括最大纵向加速度axm、最大纵向加速度变化率最大侧向加速度aym、最大侧向加速度变化率和最大横摆角速度ωm和最大横摆角速度变化率
加权函数的选择,首先根据规划目标C为缓解乘员晕车症状,确定规划目标相关表征指标为表征车辆运动对乘员晕车影响的指标,选用ISO 2631-1:1997标准中引入的晕动病剂量值MSDV,根据标准,MSDV的计算定义如下:
其中,aW(t)是由频率加权函数加权的加速度矢量,时间域为T,ISO 2631-1:1997的6.4.1节中定义了频率加权函数,如图4所示,该函数在0.16Hz附近达到峰值,对MSDV的影响最大,然后在0.16Hz后逐渐减小。
对于本实施例平面车辆运动场景,规划目标相关表征指标为仅考虑纵向和横向加速度产生的晕动病剂量值MSDV:
上式即为平面车辆运动工况下规划目标C的指标计算式,MSDVx和MSDVy分别是纵向和横向晕动病剂量值,axW(t)和ayW(t)分别是频率加权的纵向和横向加速度,加权函数同上,即图4所示。
考虑到一般车辆无法响应高频控制输入的情况,选取二阶高通滤波器作为频率加权函数W,滤波器形式如下:
ωc=2πfc,
基于上述规划目标C的指标和频率加权函数W,针对每个规划终点(Xi,Yi),i=1…n,设计频率整型方法的优化目标函数Ji,i=1…n,包括针对规划目标C的优化目标Jci,i=1…n和针对通行效率的优化目标Jti,i=1…n,即
Ji=Jci+Jti
式中,
其中,axWi(t),i=1…n和ayWi(t),i=1…n分别为经过频率加权后的x、y方向的加速度,和分别为axWi和ayWi的转置,Qx1i,i=1…n、Qy1i,i=1…n分别为权重矩阵。同时优化目标函数可表示为:
规划终点采样模块如图5所示,具体为:根据约束生成模块输出的几何位置约束g(x)与可通行区域信息,沿既定车辆行驶方向,使用等距采样法进行终点采样,以车辆当前位置(X0,Y0)原点,作固定半径r的圆弧,圆弧的两端分别为车辆前方可通行区域的边界,在圆弧上以固定距离d选取规划终点(Xi,Yi),i=1…n,剔除与车辆前方可通行区域边界、前方障碍物相接触的规划终点,其余点即为规划终点采样模块最终输出的多个规划终点,其中,d设置为车宽的一半,r值的大小为当前车速行驶一秒距离的两倍,通过车辆信息的输出获得。
优化求解模块如图6所示,结合车辆模型M、优化目标函数J以及规划约束g(x)和h(x),从车辆当前位置(X0,Y0)出发,针对某一规划终点(Xi,Yi),将平面车辆运动规划问题描述为最优控制问题:
式中,是整个系统的系统状态,g(xv(tf),u(tf))是终端约束。该最优控制问题可用多种方法求解,包括古典变分法。求解得到最优规划时域Ti以及对应的最优控制序列ui(t),t∈[0,Ti],并将最优控制序列输入至车辆模型M中,计算时域Ti内的车辆运动姿态xi(t),t∈[0,Ti],最终获得针对该终点的最优轨迹Pi并输出。对于规划终点采样模块得到的每一个规划终点均描述为最优控制问题,并求解得到一系列控制序列、最优轨迹Pi,i=1…n。
最优路径选择模块如图7所示,接收优化求解模块输出的一系列不同规划终点(Xi,Yi)与对应的最优轨迹Pi,i=1…n,采用仿真的方法,假设车辆装备有理想的车辆运动控制模块,可以控制车辆毫无偏差地行驶在规划的轨迹上,在此基础上,计算车辆沿规划的轨迹运动时的加速度矢量ax(t)和ay(t),并将ax(t)和ay(t)代入到规划目标C的指标计算式中,计算得到每个最优轨迹Pi,i=1…n对应的规划目标指标值,即仅考虑横向和纵向加速度产生的运动病剂量值MSDV,并以此来评判该最优轨迹。最后从这些最优轨迹中选取对规划目标C提升效果最佳的轨迹Po,作为最终的目标轨迹输出。最终的目标轨迹如图8所示。
Claims (10)
1.一种使用频率整型的车辆运动规划系统,其特征在于,包括车辆模型模块、规划约束生成模块、加权函数选择模块、规划终点采样模块、优化求解模块、最优路径选择模块等。
所述车辆模型模块,包含车辆模型M,用于计算规划时域Ti内,任意t时刻车辆的运动状态x(t),t∈[0,Ti],包括车辆加速度矢量ai(t),车辆角速度矢量ωi(t),车辆行驶速度vi(t)和车辆位置(Xi(t),Yi(t))。
所述规划约束生成模块,接收上层感知模块计算获得的车辆可通行区域,获得轨迹几何位置约束g(x),包括车辆侧向位置极限Ym和纵向位置极限Xm;结合车辆运动状态极限,以及规划目标需求,获得车辆沿轨迹行驶时的运动状态约束h(x),包括最大纵向加速度axm、最大纵向加速度变化率最大侧向加速度aym、最大侧向加速度变化率和最大横摆角速度ωm和最大横摆角速度变化率
所述加权函数选择模块,针对规划终点采样模块选取的每个规划终点(Xi,Yi),i=1…n,根据规划目标C确定的目标相关表征指标,选用相应的频率加权函数W,并根据W设计基于频率整型方法的优化目标函数Ji,i=1…n。
所述规划终点采样模块,根据约束生成模块输出的几何位置约束g(x),沿既定车辆行驶方向,在可通行区域内选取多个规划终点(Xi,Yi),i=1…n;
所述优化求解模块,将规划问题描述为最优控制问题,结合车辆模型M、优化目标函数Ji以及规划约束g(x)和h(x),从车辆当前位置(X0,Y0)出发,针对某一规划终点(Xi,Yi),求解最优控制问题得到最优规划时域Ti以及对应的最优控制序列ui(t),t∈[0,Ti],并将最优控制序列输入至车辆模型M中,计算时域Ti内的车辆运动姿态xi(t),t∈[0,Ti],最终获得针对该终点的最优轨迹Pi并输出;
所述最优路径选择模块,接收不同规划终点(Xi,Yi)对应的最优轨迹Pi,通过仿真的方式,选取对规划目标C提升效果最佳的轨迹Po,作为最终的目标轨迹输出。
2.如权利要求1所述使用频率整型的车辆运动规划系统,其特征在于,频率加权函数W是针对车辆加速度和车辆角速度的加权函数,且函数为频域加权,即对不同频带的加速度a和角速度ω赋予不同的权重值,用于表征不同频带的a和ω对规划目标C的影响不同;频率加权函数W的选取不仅和规划目标C相关,还与不同方向上的加速度及角速度对C的影响有关,针对不同方向上的加速度和不同方向上的角速度,W可以相同也可以不同。
3.如权利要求1所述使用频率整型的车辆运动规划系统,其特征在于,使用滤波器作为频率加权函数,包括高通滤波器、低通滤波器和带通滤波器。
5.如权利要求1所述使用频率整型的车辆运动规划系统,其特征在于,规划终点采样模块使用等距采样法进行终点采样,以车辆当前位置(X0,Y0)为基准,作固定半径r的圆弧,圆弧的两端分别为车辆前方可通行区域的边界,在圆弧上以固定距离d选取规划终点(Xi,Yi)。
6.如权利要求5所述使用频率整型的车辆运动规划系统,其特征在于,d设置为车宽的一半,r值的大小为当前车速行驶一秒距离的两倍。
7.如权利要求1所述使用频率整型的车辆运动规划系统,其特征在于,最优路径选择模块采用仿真方法,计算车辆沿规划的轨迹运动时的加速度矢量ai(t)和角速度矢量ωi(t),并根据ai(t)和ωi(t)计算规划目标C的目标相关表征指标的值。
8.一种基于权利要求1-7任一项所述系统的使用频率整型的车辆运动规划方法,其特征在于,首先,接收上层感知计算获得的可通行区域,并在可通行区域内选取多个规划终点(Xi,Yi),i=1…n;其次,根据明确的可通行区域以及搭载系统的车辆的运动极限,确定约束g(x)和h(x);然后,根据不同方向上不同频带的加速度和角速度对规划目标C的影响,选用合适的频率加权函数W对各方向上的加速度和角速度进行加权,设计优化目标函数J;最后,计算车辆运动至不同规划终点的最优轨迹Pi,选取令目标相关表征指标的值最小的最优轨迹Po作为最终的目标轨迹;以上四个步骤,在车辆运动过程中,每隔一定时间运行一次。
9.一种计算机可读存储介质,存储有计算机程序,其特征在于,被执行时实现权利要求8所述方法的步骤。
10.一种车辆,其特征在于,包括如权利要求1-7任一项所述系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110321462.3A CN113104049B (zh) | 2021-03-25 | 2021-03-25 | 一种使用频率整型的车辆运动规划系统与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110321462.3A CN113104049B (zh) | 2021-03-25 | 2021-03-25 | 一种使用频率整型的车辆运动规划系统与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113104049A true CN113104049A (zh) | 2021-07-13 |
CN113104049B CN113104049B (zh) | 2022-07-01 |
Family
ID=76712211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110321462.3A Active CN113104049B (zh) | 2021-03-25 | 2021-03-25 | 一种使用频率整型的车辆运动规划系统与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113104049B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI788110B (zh) * | 2021-11-18 | 2022-12-21 | 鴻華先進科技股份有限公司 | 載具控制訊號處理系統、方法及電腦可讀存儲介質 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190117419A (ko) * | 2019-09-27 | 2019-10-16 | 엘지전자 주식회사 | 자율주행 차량의 컨텐츠 제공 방법 및 이를 위한 장치 |
CN110597245A (zh) * | 2019-08-12 | 2019-12-20 | 北京交通大学 | 基于二次型规划和神经网络的自动驾驶换道轨迹规划方法 |
CN110749333A (zh) * | 2019-11-07 | 2020-02-04 | 中南大学 | 基于多目标优化的无人驾驶车辆运动规划方法 |
CN112109735A (zh) * | 2020-10-22 | 2020-12-22 | 苏州智行众维智能科技有限公司 | 一种考虑车辆舒适性的智能驾驶控制系统及方法 |
DE102019208985A1 (de) * | 2019-06-19 | 2020-12-24 | Zf Friedrichshafen Ag | Verfahren zur Vermeidung von Reisekrankheit in einem autonomen Fahrzeug |
WO2020261724A1 (ja) * | 2019-06-25 | 2020-12-30 | 株式会社日立製作所 | 車両制御システム |
-
2021
- 2021-03-25 CN CN202110321462.3A patent/CN113104049B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102019208985A1 (de) * | 2019-06-19 | 2020-12-24 | Zf Friedrichshafen Ag | Verfahren zur Vermeidung von Reisekrankheit in einem autonomen Fahrzeug |
WO2020261724A1 (ja) * | 2019-06-25 | 2020-12-30 | 株式会社日立製作所 | 車両制御システム |
CN110597245A (zh) * | 2019-08-12 | 2019-12-20 | 北京交通大学 | 基于二次型规划和神经网络的自动驾驶换道轨迹规划方法 |
KR20190117419A (ko) * | 2019-09-27 | 2019-10-16 | 엘지전자 주식회사 | 자율주행 차량의 컨텐츠 제공 방법 및 이를 위한 장치 |
CN110749333A (zh) * | 2019-11-07 | 2020-02-04 | 中南大学 | 基于多目标优化的无人驾驶车辆运动规划方法 |
CN112109735A (zh) * | 2020-10-22 | 2020-12-22 | 苏州智行众维智能科技有限公司 | 一种考虑车辆舒适性的智能驾驶控制系统及方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI788110B (zh) * | 2021-11-18 | 2022-12-21 | 鴻華先進科技股份有限公司 | 載具控制訊號處理系統、方法及電腦可讀存儲介質 |
Also Published As
Publication number | Publication date |
---|---|
CN113104049B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110654195B (zh) | 车辆、车辆悬架系统及其调节方法、装置 | |
CN111717207B (zh) | 一种考虑人车冲突的协同转向控制方法 | |
CN110703754A (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 | |
CN108454628A (zh) | 一种驾驶员在环的人车协同转向滚动优化控制方法 | |
CN107380161A (zh) | 一种辅助驾驶员实现理想行驶轨迹的主动转向控制装置 | |
CN108819951A (zh) | 一种考虑驾驶员驾驶技能的人机共驾横向驾驶权分配方法 | |
CN111615480B (zh) | 车辆、车辆运动状态推断装置以及车辆运动状态推断方法 | |
CN113147309B (zh) | 汽车电控半主动悬架系统控制方法 | |
CN107512262A (zh) | 一种针对执行驱动空间受限时的车辆稳定控制系统轮胎力分配方法 | |
US20180284150A1 (en) | Attitude estimation apparatus and transportation machine | |
CN102609765A (zh) | 基于多项式及rbf神经网络的智能车辆换道路径规划方法 | |
WO2023174327A1 (zh) | 一种协同控制模块、自适应巡航系统及其控制方法、交通工具 | |
CN108327714A (zh) | 具有主动姿态调节能力的分布式独立驱动车辆控制系统 | |
CN109991974A (zh) | 自动驾驶路径跟随方法、装置及控制设备 | |
WO2022024919A1 (ja) | サスペンション制御装置およびサスペンション装置の制御方法 | |
CN113635726B (zh) | 整车半主动悬架系统集成控制方法和系统 | |
KR20220110319A (ko) | 차량 제어 장치, 차량 제어 방법 및 차량 제어 시스템 | |
CN113104049B (zh) | 一种使用频率整型的车辆运动规划系统与方法 | |
CN107662468A (zh) | 用于主动悬架的车辆侧倾运动安全h2/h∞控制器设计方法 | |
CN107220405A (zh) | 一种基于改进细胞膜优化算法的汽车底盘系统集成多目标优化方法 | |
CN103407342A (zh) | 一种车辆横向动力学模糊混沌控制系统及其控制方法 | |
CN109835336A (zh) | 一种基于模糊算法的带约束方波状车速规划方法 | |
CN115534938A (zh) | 一种基于附加横摆力矩的人机共驾汽车紧急避撞控制方法及系统 | |
CN114357631B (zh) | 基于协同分布式优化的集成式车辆防侧翻主动控制方法 | |
CN111674387B (zh) | 一种基于导数迭代预测产生新型侧翻预警指标的方法 |
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 |