CN113311834A - 自动驾驶轨迹追踪方法、系统及存储介质 - Google Patents
自动驾驶轨迹追踪方法、系统及存储介质 Download PDFInfo
- Publication number
- CN113311834A CN113311834A CN202110556415.7A CN202110556415A CN113311834A CN 113311834 A CN113311834 A CN 113311834A CN 202110556415 A CN202110556415 A CN 202110556415A CN 113311834 A CN113311834 A CN 113311834A
- Authority
- CN
- China
- Prior art keywords
- point
- track
- vehicle
- control quantity
- tracking method
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000011218 segmentation Effects 0.000 claims description 21
- 238000001914 filtration Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 3
- 230000010355 oscillation Effects 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
Abstract
本发明公开了一种自动驾驶轨迹追踪方法、系统及存储介质,其中方法包括如下步骤:S100:根据轨迹上距自车最近轨迹点的横向误差及朝向误差,计算前馈控制量;S200:根据自车距预瞄点的横向误差,利用纯跟踪方法计算反馈控制量;S300:将自车距预瞄点的横向误差作为超前滞后控制器的输入误差,计算超前滞后控制量;S400:将前馈控制量、反馈控制量级超前滞后控制量相加获得车轮转角总输出。根据上述技术方案的自动驾驶轨迹追踪方法,通过引入由自车距最近轨迹点的横向误差及朝向误差计算的前馈控制量和超前滞后控制器到纯跟踪方法中,解决了输出转角震荡的问题,提高了自动驾驶系统的稳定性及控制精度。
Description
技术领域
本发明涉及智能驾驶领域,特别涉及一种自动驾驶轨迹追踪方法、系统及存储介质。
背景技术
随着科技的发展,各大汽车及互联网厂商都开始智能驾驶技术的研发。其中车辆横向控制技术是只能驾驶技术中的关键技术之一,其性能好坏会对实际的驾乘体验有着十分重要的影响。现有低速下常用的路径跟踪方法包括纯跟踪方法及Stanley方法。
纯跟踪方法适用于低速、转角不大的场景,适用于大偏差和道路曲率不连续的工况,鲁棒性较高。现有的纯跟踪方法的改进与结合存在输出转角存在震荡、收敛效果较差的问题。
发明内容
发明目的:本发明的目的是提出一种自动驾驶轨迹追踪方法,可以解决输出转角震荡的问题,提高系统的稳定性及控制精度。
本发明的另一目的是提出一种可以实施上述方法的系统及存储有上述方法的指令或者计算机程序的存储介质。
技术方案:本发明所述的自动驾驶轨迹追踪方法,具体包括如下步骤:
S100:根据轨迹上距自车最近轨迹点的横向误差及朝向误差,计算前馈控制量;
S200:根据自车距预瞄点的横向误差,利用纯跟踪方法计算反馈控制量;
S300:将自车距预瞄点的横向误差作为超前滞后控制器的输入误差,计算超前滞后控制量;
S400:将前馈控制量、反馈控制量级超前滞后控制量相加获得车轮转角总输出。
进一步的,所述步骤S400后还包括:
步骤S500:利用低通滤波器对车轮转角总输出进行滤波。
进一步的,所述步骤S100包括:
S110:对轨迹上的轨迹点进行分段处理,决定车辆的行驶方向;
S120:对各分段轨迹进行延长处理。
进一步的,所述步骤S110包括:
S111:将当前第i个轨迹点的下一点坐标(Xi+1,Yi+1,Yawi+1)从当前的ENU坐标系转换至当前点(Xi,Yi,Yawi)坐标系之下得到(X′i+1,Y′i+1,Yawi);
S112:若X’i+1大于0,则沿当前方向前进;若X’i+1小于0,则倒退,每出现一次前进或倒退的转折,记录转折对应的轨迹点的索引i,并记录转折点数n加1;
S113:重复步骤S111至S112直至轨迹上最后一个轨迹点,发生转折的轨迹点即为轨迹分段点,轨迹被轨迹分段点分为n+1段。
6、进一步的,所述步骤S120包括:
S121:确定轨迹延长距离Extend_dis=V_car*T_extend,式中V_car为当前车速,T_extend为延长时间;
S122:确定延长轨迹分段点数Extend_num=Extend_dis/dt_extend式中dt_extend为分段间隔时间;
第j个延长轨迹分段点的坐标x和y分别为temp(j).x=path(i).x+dt*cos(temp.heading)*(j+1),temp(j).y=path(i).y+dt*sin(temp.heading)*(j+1),其中path(i).x和path(i).y分别为轨迹分段点i的坐标x和y,j=1、2、3……Extend_num;
S124:循环步骤S123直至最后一个轨迹分段点。
进一步的,所述步骤S300包括:
S310:计算预瞄距离Lf=Lmin+V_car*T_lf,式中Lf为预瞄距离,Lmin为车辆的最小预瞄距离,V_car为当前自车车速,T_lf为预瞄时间;
S320:从横向位置距离自车最近的轨迹点开始,计算到后续未经过的各轨迹点的距离,选择大于等于预瞄距离的点作为预瞄点;
S330:计算自车位置与预瞄点的横向误差,并带入到纯跟踪方法计算反馈控制量。
进一步的,所述低通滤波器的表达式如下:
wa=2.0*PI*cutoff_freq;
alpha=wa*ts/2.0;
alpha_sqr=alpha*alpha;
tmp_term=std::sqrt(2.0)*alpha+alpha_sqr;
gain=alpha_sqr/(1.0+tmp_term);
denominators(0)=1;
denominators(1)=(2.0*(alpha_sqr-1.0)/(1.0+tmp_term);
denominators(2)=(1.0-std::sqrt(2.0)*alpha+alpha_sqr)/(1.0+tmp_term);
numerators(0)=gain;
numerators(1)=2*gain;
numerators(2)=gain;
式中PI为用来deg转rad的转换单位,cutoff_freq为设计截止频率,ts为控制器运行周期,wa,alpha,alpha_sqr,tmp_term,gain都为低通滤波器设计时产生的临时参数,denominators和numerators为低通滤波器的传递函数的分母和分子的系数项。
进一步的,所述步骤S500中滤波后获得的车轮转角值
Steer_filter=(numerators(0)*X_values(0)+numerators(1)*X_values(1)+numerators(2)*X_values(2)-denominators(1)*Y_values(0)-denominators(2)*Y_values(1))/denominators(0),式中X_values(0)、X_values(1)、X_values(2)分别为当前周期、前一周期和前二周期的车轮转角总输出值,Y_values(0)、Y_values(1)、Y_values(2)分别为前一周期、前二周期及前三周期滤波后获得的车轮转角值。
本发明所述的自动驾驶轨迹追踪系统,包括:轨迹处理模块,用于对轨迹进行分段和延长处理,获得与自车最近的轨迹点及当前自车位置的预瞄点;前馈控制模块,用于根据轨迹上距自车最近点的横向误差及朝向误差,计算前馈控制量;反馈控制模块,用于根据自车距预瞄点的横向误差,利用纯跟踪方法计算反馈控制量;超前滞后控制模块,用于用于根据自车距预瞄点的横向误差,计算超前滞后控制量;低通滤波器,用于对所述前馈控制量、所述反馈控制量及所述超前滞后控制量的和进行滤波,获得车轮转角值。
本发明所述的存储介质,存储有计算机程序,其特征在于,所述计算机程序被设置为运行时执行上述自动驾驶轨迹追踪方法。
有益效果:与现有技术相比,本发明具有如下优点:解决了输出转角震荡的问题,并对输出结果进行低通滤波处理,提高了系统的稳定性及控制精度。
附图说明
图1为本发明实施例的自动驾驶轨迹追踪方法的流程图;
图2为本发明实施例的轨迹延长循环示意图;
图3为本发明实施例的自动驾驶轨迹追踪系统的原理框图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
参照图1,根据本发明实施例的自动驾驶轨迹追踪方法,包括如下步骤:
S100:根据轨迹上距自车最近轨迹点的横向误差及朝向误差,计算前馈控制量;
S200:根据自车距预瞄点的横向误差,利用纯跟踪方法计算反馈控制量;
S300:将自车距预瞄点的横向误差作为超前滞后控制器的输入误差,计算超前滞后控制量;
S400:将前馈控制量、反馈控制量级超前滞后控制量相加获得车轮转角总输出。
根据上述技术方案的自动驾驶轨迹追踪方法,根据距离自车最近的轨迹点的横向误差和朝向误差计算前馈控制量,并与纯跟踪算法预瞄,计算反馈控制量,将二者结合获得最终的控制输出,避免输出的转角震荡。同时为了进一步地提高系统的稳定性及控制精度,增加了超前滞后控制量作为补偿,改善系统的瞬态性能和稳态性能,兼有快速响应特性和良好的稳态精度。将上述轨迹追踪方法运用到自动驾驶的泊车入库场景中,输出的车轮转向角稳定不振荡,使机动车可以迅速平稳安全地进入目标车库。
参照图1,在一些实施例中,为了进一步降低输出转角震荡问题,使系统的输出更加光滑,步骤400后还包括:
步骤S500:利用低通滤波器对车轮转角总输出进行滤波。
在一些实施例中,为了判断车辆的行驶方向,增加车辆在行驶方向变化的转折点处能平稳过渡,实现转折点处的预瞄,步骤S100包括:
S110:对轨迹上的轨迹点进行分段处理,决定车辆的行驶方向;
S120:对各分段轨迹进行延长处理。
在本实施例中,步骤S110具体包括:
S111:将当前第i个轨迹点的下一点坐标(Xi+1,Yi+1,Yawi+1)从当前的ENU坐标系转换至当前点(Xi,Yi,Yawi)坐标系之下得到(X′i+1,Y′i+1,Yawi);
S112:若X’i+1大于0,则沿当前方向前进;若X’i+1小于0,则倒退,每出现一次前进或倒退的转折,记录转折对应的轨迹点的索引i,并记录转折点数n加1;
S113:重复步骤S111至S112直至轨迹上最后一个轨迹点,发生转折的轨迹点即为轨迹分段点,轨迹被轨迹分段点分为n+1段。
参照图2,在本实施例中,步骤S120具体包括:
S121:确定轨迹延长距离Extend_dis=V_car*T_extend,式中V_car为当前车速,T_extend为延长时间;
S122:确定延长轨迹分段点数Extend_num=Extend_dis/dt_extend式中dt_extend为分段间隔时间;
第j个延长轨迹分段点的坐标x和y分别为temp(j).x=path(i).x+dt*cos(temp.heading)*(j+1),temp(j).y=path(i).y+dt*sin(temp.heading)*(j+1),其中path(i).x和path(i).y分别为轨迹分段点i的坐标x和y,j=1、2、3……Extend_num;
S124:循环步骤S123直至最后一个轨迹分段点。
可以理解的是,步骤S100中,自车位置(Xego,Yego,Yawego)距轨迹上最近的轨迹点(Xnear,Ynear,Yawnear)的横向误差及朝向误差分别由下式计算而得:
Error_LatNear=-sin(Yawego)*(Xnear-Xego)+cos(Yawego)*(Ynear-Yego);
Error_YawNear=Yawnear-Yawego;
其中Error_LatNear为距离自车最近轨迹点的横向偏差,Error_YawNear为距离自车最近轨迹点的朝向偏差,由车轮的前馈控制量Steer_FF可由下式计算获得:
Steer_FF=A*Error_LatNear+B*Error_YawNear;
其中A和B为预设固定参数,可以根据实际测试经验数据进行设定。
在一些实施例中,步骤S300具体包括:
S310:计算预瞄距离Lf=Lmin+V_car*T_lf,式中Lf为预瞄距离,Lmin为车辆的最小预瞄距离,V_car为当前自车车速,T_lf为预瞄时间;
S320:从横向位置距离自车最近的轨迹点开始,计算到后续未经过的各轨迹点的距离,选择大于等于预瞄距离的点作为预瞄点;
S330:计算自车位置与预瞄点的横向误差,并带入到纯跟踪方法计算反馈控制量。
可以理解的是,若横向位置距离自车最近的轨迹点为前进方向发生转折的轨迹分段点,为了使转折点处的转弯可以平稳过渡,预瞄点可以从该轨迹分段点的延长轨迹上的延长轨迹分段点中选择满足条件的。
在本实施例中,自车位置(Xego,Yego,Yawego)与预瞄点位置(Xlf,Ylf,Yawlf)之间的横向距离deltaX由下式计算而出:
deltaX=-sin(Yawego)*(Xlf-Xego)+cos(Yawego)*(Ylfr-Yego)。
并通过下式利用纯跟踪方法计算车轮转角的反馈控制量:
Steer_FB=acrtan(2*Lwheelbase*delataX)/Lf/Lf;
其中Steer_FB为反馈控制输出的车轮转角,Lwheelbase为车辆轴距。
可以理解的是,在一些实施例中,超前滞后控制器的结构如下式所示:
a1=α*τ;
a0=1;
b1=β*τ;
b0=β;
Ts=dt;
kn1=2*b1+Ts*b0;
kn0=Ts*b0-2*b1;
kd1=2*a1+Ts*a0;
kd0=Ts*a0-2*a1;
innerstate=(delataX-innerstate_last*kd0)/kd1;
Steer_leadlag=innerstate*kn1+innerstate_last*kn0;
innerstate_last=innerstate;
其中α,β,a0,a1,b0,b1为超前滞后控制器的系统设计参数,τ为时间常数,dt为lead-lag控制器的运行周期,kn0,kn1,kd0,kd1,innerstate为lead-lag控制器离散化产生的内部参数,innerstate_last为innerstate在上一周期所存储的值,Steer_leadlag为超前滞后控制器产生的车轮转角的超前滞后控制量。
实际输出的车轮转角总输出为三个控制量的和,即:
Steer_sum=Steer_FF+Steer_FB+Steer_leadlag,式中Steer_sum为系统最终输出的车轮转角总输出。
在一些实施例中,低通滤波器的表达式如下:
wa=2.0*PI*cutoff_freq;
alpha=wa*ts/2.0;
alpha_sqr=alpha*alpha;
tmp_term=std::sqrt(2.0)*alpha+alpha_sqr;
gain=alpha_sqr/(1.0+tmp_term);
denominators(0)=1;
denominators(1)=(2.0*(alpha_sqr-1.0)/(1.0+tmp_term);
denominators(2)=(1.0-std::sqrt(2.0)*alpha+alpha_sqr)/(1.0+tmp_term);
numerators(0)=gain;
numerators(1)=2*gain;
numerators(2)=gain;
式中PI为用来deg转rad的转换单位,cutoff_freq为设计截止频率,ts为控制器运行周期,wa,alpha,alpha_sqr,tmp_term,gain都为低通滤波器设计时产生的临时参数,denominators和numerators为低通滤波器的传递函数的分母和分子的系数项。
相应的,步骤S500中滤波后获得的车轮转角值
Steer_filter=(numerators(0)*X_values(0)+numerators(1)*X_values(1)+numerators(2)*X_values(2)-denominators(1)*Y_values(0)-denominators(2)*Y_values(1))/denominators(0),式中X_values(0)、X_values(1)、X_values(2)分别为当前周期、前一周期和前二周期的车轮转角总输出值,Y_values(0)、Y_values(1)、Y_values(2)分别为前一周期、前二周期及前三周期滤波后获得的车轮转角值。
参照图3,根据本发明实施例的自动驾驶轨迹控制系统,可以实施上述自动驾驶轨迹控制算法,包括轨迹处理模块、前馈控制模块、反馈控制模块、超前滞后控制模块及低通滤波器。其中轨迹处理模块,用于对轨迹进行分段和延长处理,获得与自车最近的轨迹点及当前自车位置的预瞄点;前馈控制模块用于根据轨迹上距自车最近点的横向误差及朝向误差,计算前馈控制量;反馈控制模块用于根据自车距预瞄点的横向误差,利用纯跟踪方法计算反馈控制量;超前滞后控制模块,用于用于根据自车距预瞄点的横向误差,计算超前滞后控制量;低通滤波器,用于述前馈控制量、反馈控制量及超前滞后控制量的和进行滤波,获得最终输出的车轮转角值。
根据本发明实施例的存储介质,存储有计算机程序,计算机程序被设置为运行时执行上述自动驾驶轨迹追踪方法。
Claims (10)
1.一种自动驾驶轨迹追踪方法,其特征在于,包括如下步骤:
S100:根据轨迹上距自车最近轨迹点的横向误差及朝向误差,计算前馈控制量;
S200:根据自车距预瞄点的横向误差,利用纯跟踪方法计算反馈控制量;
S300:将自车距预瞄点的横向误差作为超前滞后控制器的输入误差,计算超前滞后控制量;
S400:将前馈控制量、反馈控制量级超前滞后控制量相加获得车轮转角总输出。
2.根据权利要求1所述的自动驾驶轨迹追踪方法,其特征在于,所述步骤S400后还包括:
步骤S500:利用低通滤波器对车轮转角总输出进行滤波。
3.根据权利要求1所述的自动驾驶轨迹追踪方法,其特征在于,所述步骤S100包括:
S110:对轨迹上的轨迹点进行分段处理,决定车辆的行驶方向;
S120:对各分段轨迹进行延长处理。
4.根据权利要求3所述的自动驾驶轨迹追踪方法,其特征在于,所述步骤S110包括:
S111:将当前第i个轨迹点的下一点坐标(Xi+1,Yi+1,Yawi+1)从当前的ENU坐标系转换至当前点(Xi,Yi,Yawi)坐标系之下得到(X′i+1,Y′i+1,Yawi);
S112:若X’i+1大于0,则沿当前方向前进;若X’i+1小于0,则倒退,每出现一次前进或倒退的转折,记录转折对应的轨迹点的索引i,并记录转折点数n加1;
S113:重复步骤S111至S112直至轨迹上最后一个轨迹点,发生转折的轨迹点即为轨迹分段点,轨迹被轨迹分段点分为n+1段。
5.根据权利要求3所述的自动驾驶轨迹追踪方法,其特征在于,所述步骤S120包括:
S121:确定轨迹延长距离Extend_dis=V_car*T_extend,式中V_car为当前车速,T_extend为延长时间;
S122:确定延长轨迹分段点数Extend_num=Extend_dis/dt_extend式中dt_extend为分段间隔时间;
第j个延长轨迹分段点的坐标x和y分别为temp(j).x=path(i).x+dt*cos(temp.heading)*(j+1),temp(j).y=path(i).y+dt*sin(temp.heading)*(j+1),其中path(i).x和path(i).y分别为轨迹分段点i的坐标x和y,j=1、2、3……Extend_num;
S124:循环步骤S123直至最后一个轨迹分段点。
6.根据权利要求1所述的自动驾驶轨迹追踪方法,其特征在于,所述步骤S300包括:
S310:计算预瞄距离Lf=Lmin+V_car*T_lf,式中Lf为预瞄距离,Lmin为车辆的最小预瞄距离,V_car为当前自车车速,T_lf为预瞄时间;
S320:从横向位置距离自车最近的轨迹点开始,计算到后续未经过的各轨迹点的距离,选择大于等于预瞄距离的点作为预瞄点;
S330:计算自车位置与预瞄点的横向误差,并带入到纯跟踪方法计算反馈控制量。
7.根据权利要求2所述的自动驾驶轨迹追踪方法,其特征在于,所述低通滤波器的表达式如下:
wa=2.0*PI*cutoff_freq;
alpha=wa*ts/2.0;
alpha_sqr=alpha*alpha;
tmp_term=std::sqrt(2.0)*alpha+alpha_sqr;
gain=alpha_sqr/(1.0+tmp_term);
denominators(0)=1;
denominators(1)=(2.0*(alpha_sqr-1.0)/(1.0+tmp_term);
denominators(2)=(1.0-std::sqrt(2.0)*alpha+alpha_sqr)/(1.0+tmp_term);
numerators(0)=gain;
numerators(1)=2*gain;
numerators(2)=gain;
式中PI为用来deg转rad的转换单位,cutoff_freq为设计截止频率,ts为控制器运行周期,wa,alpha,alpha_sqr,tmp_term,gain都为低通滤波器设计时产生的临时参数,denominators和numerators为低通滤波器的传递函数的分母和分子的系数项。
8.根据权利要求7所述的低通滤波器,其特征在于,所述步骤S500中滤波后获得的车轮转角值
Steer_filter=(numerators(0)*X_values(0)+numerators(1)*X_values(1)+numerators(2)*X_values(2)-denominators(1)*Y_values(0)-denominators(2)*Y_values(1))/
denominators(0),式中X_values(0)、X_values(1)、X_values(2)分别为当前周期、前一周期和前二周期的车轮转角总输出值,Y_values(0)、Y_values(1)、Y_values(2)分别为前一周期、前二周期及前三周期滤波后获得的车轮转角值。
9.一种自动驾驶轨迹追踪系统,其特征在于,包括:
轨迹处理模块,用于对轨迹进行分段和延长处理,获得与自车最近的轨迹点及当前自车位置的预瞄点;
前馈控制模块,用于根据轨迹上距自车最近点的横向误差及朝向误差,计算前馈控制量;
反馈控制模块,用于根据自车距预瞄点的横向误差,利用纯跟踪方法计算反馈控制量;
超前滞后控制模块,用于用于根据自车距预瞄点的横向误差,计算超前滞后控制量;
低通滤波器,用于对所述前馈控制量、所述反馈控制量及所述超前滞后控制量的和进行滤波,获得车轮转角值。
10.一种存储介质,其特征在于,存储有计算机指令,所述计算机指令被设置为运行时执行根据权利要求1至8任一项所述的自动驾驶轨迹追踪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110556415.7A CN113311834B (zh) | 2021-05-21 | 2021-05-21 | 自动驾驶轨迹追踪方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110556415.7A CN113311834B (zh) | 2021-05-21 | 2021-05-21 | 自动驾驶轨迹追踪方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113311834A true CN113311834A (zh) | 2021-08-27 |
CN113311834B CN113311834B (zh) | 2022-11-11 |
Family
ID=77374088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110556415.7A Active CN113311834B (zh) | 2021-05-21 | 2021-05-21 | 自动驾驶轨迹追踪方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113311834B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000112523A (ja) * | 1998-09-30 | 2000-04-21 | Honda Motor Co Ltd | 自動追従走行システム |
CN102358287A (zh) * | 2011-09-05 | 2012-02-22 | 北京航空航天大学 | 一种用于车辆自动驾驶机器人的轨迹跟踪控制方法 |
CN110006419A (zh) * | 2018-01-04 | 2019-07-12 | 郑州宇通客车股份有限公司 | 一种基于预瞄的车辆轨迹跟踪点确定方法 |
US20190276016A1 (en) * | 2016-10-31 | 2019-09-12 | MAGNETI MARELLI S.p.A. | Adaptive control method and system in a terrestrial vehicle for tracking a route, particularly in an autonomous driving scenario |
CN112051864A (zh) * | 2019-06-06 | 2020-12-08 | 北京京东尚科信息技术有限公司 | 用于移动目标轨迹跟踪的方法及装置、设备和可读介质 |
-
2021
- 2021-05-21 CN CN202110556415.7A patent/CN113311834B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000112523A (ja) * | 1998-09-30 | 2000-04-21 | Honda Motor Co Ltd | 自動追従走行システム |
CN102358287A (zh) * | 2011-09-05 | 2012-02-22 | 北京航空航天大学 | 一种用于车辆自动驾驶机器人的轨迹跟踪控制方法 |
US20190276016A1 (en) * | 2016-10-31 | 2019-09-12 | MAGNETI MARELLI S.p.A. | Adaptive control method and system in a terrestrial vehicle for tracking a route, particularly in an autonomous driving scenario |
CN110006419A (zh) * | 2018-01-04 | 2019-07-12 | 郑州宇通客车股份有限公司 | 一种基于预瞄的车辆轨迹跟踪点确定方法 |
CN112051864A (zh) * | 2019-06-06 | 2020-12-08 | 北京京东尚科信息技术有限公司 | 用于移动目标轨迹跟踪的方法及装置、设备和可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113311834B (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108646756B (zh) | 基于分段仿射模糊滑模的智能汽车横向控制方法及系统 | |
CN112519882B (zh) | 一种车辆参考轨迹跟踪方法及系统 | |
CN111717204A (zh) | 自动驾驶车辆的横向控制方法及系统 | |
CN110006419B (zh) | 一种基于预瞄的车辆轨迹跟踪点确定方法 | |
CN110979305A (zh) | 车辆异常换道控制方法、装置及系统 | |
CN112793562B (zh) | 一种自动泊车路径的规划和跟踪控制方法、规划装置、存储介质和计算机设备 | |
EP1994455A2 (en) | Trajectory tracking control system and method for mobile unit | |
CN108958258A (zh) | 一种无人车的轨迹跟随控制方法、控制系统及相关装置 | |
WO2022095814A1 (zh) | 自动倒车控制方法、装置、车辆和存储介质 | |
CN111731307B (zh) | 一种车辆转弯控制方法、装置、车辆及存储介质 | |
CN113433942B (zh) | 一种基于最优航向角的长轴车辆路径跟踪控制方法 | |
CN112124295B (zh) | 无人驾驶车辆及其终点横向稳态控制方法、电子设备 | |
CN113183957A (zh) | 车辆控制方法、装置、设备及自动驾驶车辆 | |
CN116552550A (zh) | 基于参数不确定性和横摆稳定性的车辆轨迹跟踪控制系统 | |
CN113311834B (zh) | 自动驾驶轨迹追踪方法、系统及存储介质 | |
CN112537297A (zh) | 车道保持方法、系统及车辆 | |
CN114148320A (zh) | 一种路径跟踪控制方法及设备 | |
CN113525366A (zh) | 一种针对钢轮压路机液压横向控制器的横向控制方法 | |
CN115167469A (zh) | 一种路径跟踪控制方法及装置 | |
CN114620033A (zh) | 一种基于前轮反馈控制的泊车入库控制方法 | |
CN112158196B (zh) | 自动泊车方法及装置 | |
CN110723200B (zh) | 一种转向回正及中间位置控制系统及其控制方法 | |
CN113914406A (zh) | 一种电动装载机路径跟踪系统及控制方法 | |
CN116520857B (zh) | 一种车辆轨迹跟踪方法 | |
CN114194216B (zh) | 一种车辆控制的方法和装置 |
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 |