CN113492882A - 一种实现车辆控制的方法、装置、计算机存储介质及终端 - Google Patents

一种实现车辆控制的方法、装置、计算机存储介质及终端 Download PDF

Info

Publication number
CN113492882A
CN113492882A CN202110795607.3A CN202110795607A CN113492882A CN 113492882 A CN113492882 A CN 113492882A CN 202110795607 A CN202110795607 A CN 202110795607A CN 113492882 A CN113492882 A CN 113492882A
Authority
CN
China
Prior art keywords
vehicle
information
value
representing
potential field
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
Application number
CN202110795607.3A
Other languages
English (en)
Other versions
CN113492882B (zh
Inventor
王红
杨凯
于文浩
李骏
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN202110795607.3A priority Critical patent/CN113492882B/zh
Publication of CN113492882A publication Critical patent/CN113492882A/zh
Application granted granted Critical
Publication of CN113492882B publication Critical patent/CN113492882B/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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
    • 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
    • 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
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00272—Planning or execution of driving tasks using trajectory prediction for other traffic participants relying on extrapolation of current movement
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • 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
    • 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
    • B60W2520/30—Wheel torque
    • 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
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4042—Longitudinal speed

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本文公开一种实现车辆控制的方法、装置、计算机存储介质及终端，包括：根据按照预设采样周期采集的第二车辆的第二运行信息，确定第二车辆的移动区域范围信息；根据确定的第二车辆的移动区域范围信息和第一车辆的第一运行信息，计算第二车辆的位置不确定性的势场值；求解同时满足势场值和第一车辆的三自由度车辆模型的车辆控制信息；根据求解获得的车辆控制信息对第一车辆的运行进行控制；其中，第一车辆为自动驾驶车辆；第二车辆为距离第一车辆预设距离的车辆。本发明实施例基于第二车辆的移动区域范围信息计算第二车辆的位置不确定性的势场值，基于势场值计算获得的车辆控制信息考虑了周围车辆的位置不确定性信息，提升了自动驾驶车辆的安全性。

Description

一种实现车辆控制的方法、装置、计算机存储介质及终端
技术领域
本文涉及但不限于自动驾驶技术，尤指一种实现车辆控制的方法、装置、计算机存储介质及终端。
背景技术
由于在提升交通通行效率与安全性方面的巨大潜力，自动驾驶受到了各国研究人员的广泛关注。目前，自动驾驶车辆事故频发，如何提升自动驾驶车辆的安全性能，尤其是如何保障自动驾驶车辆在不确定性交通环境下的规划安全是一个亟待解决的关键问题。
目前，相关技术提出了车辆躲避移动障碍物的统一的运动规划方法，提供了用于避免碰撞的转向矫正；该方法包括检测车辆前方的移动物体，并且确定如果车辆沿着车道中心路径以及当前车辆速度行驶，在车辆和物体之间是否会发生碰撞；该方法未考虑周围车辆的轨迹不确定性，周围车辆的轨迹不确定性对自动驾驶车辆的安全性造成极大的影响，可能发生碰撞事故。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本发明实施例提供一种实现车辆控制的方法、装置、计算机存储介质及终端，能够提升自动驾驶车辆的安全性。
本发明实施例提供了一种实现车辆控制的方法，包括：
根据按照预设采样周期采集的第二车辆的第二运行信息，确定第二车辆的移动区域范围信息；
根据确定的第二车辆的移动区域范围信息和第一车辆的第一运行信息，计算第二车辆的位置不确定性的势场值；
求解同时满足势场值和第一车辆的三自由度车辆模型的车辆控制信息；
根据求解获得的车辆控制信息对第一车辆的运行进行控制；
其中，所述第一车辆为运行中的自动驾驶车辆；所述第二车辆为距离所述第一车辆预设距离的车辆；所述第二运行信息包括：第二位置信息和第二速度信息；所述第一运行信息包括以下一项或任意组合：第一位置信息、第一速度信息、航向角、前轮转角、前轮转矩和横摆角速度。
另一方面，本发明实施例还提供一种计算机存储介质，所述计算机存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述实现车辆控制的方法。
再一方面，本发明实施例还提供一种终端，包括：存储器和处理器，所述存储器中保存有计算机程序；其中，
处理器被配置为执行存储器中的计算机程序；
所述计算机程序被所述处理器执行时实现如上述实现车辆控制的方法。
还一方面，本发明实施例还提供一种实现车辆控制的装置，包括：确定移动范围单元、计算势场值单元、求解单元和控制单元；其中，
确定移动范围单元设置为：根据按照预设采样周期采集的第二车辆的第二运行信息，确定第二车辆的移动区域范围信息；
计算势场值单元设置为：根据确定的第二车辆的移动区域范围信息和第一车辆的第一运行信息，计算第二车辆的位置不确定性的势场值；
求解单元设置为：求解同时满足势场值和第一车辆的三自由度车辆模型的车辆控制信息；
控制单元设置为：根据求解获得的车辆控制信息对第一车辆的运行进行控制；
其中，所述第一车辆为运行中的自动驾驶车辆；所述第二车辆为距离所述第一车辆预设距离的车辆；所述第二运行信息包括：第二位置信息和第二速度信息；所述第一运行信息包括以下一项或任意组合：第一位置信息、第一速度信息、航向角、前轮转角、前轮转矩和横摆角速度。
本申请包括：根据按照预设采样周期采集的第二车辆的第二运行信息，确定第二车辆的移动区域范围信息；根据确定的第二车辆的移动区域范围信息和第一车辆的第一运行信息，计算第二车辆的位置不确定性的势场值；求解同时满足势场值和第一车辆的三自由度车辆模型的车辆控制信息；根据求解获得的车辆控制信息对第一车辆的运行进行控制；其中，第一车辆为自动驾驶车辆；第二车辆为距离第一车辆预设距离的车辆；第二运行信息包括：第二位置信息和第二速度信息；第一运行信息包括以下一项或任意组合：第一位置信息、第一速度信息、航向角、前轮转角、前轮转矩和横摆角速度。本发明实施例基于第二车辆的移动区域范围信息计算第二车辆的位置不确定性的势场值，基于势场值计算获得的车辆控制信息考虑了周围车辆的位置不确定性信息，提升了自动驾驶车辆的安全性。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。
图1为本发明实施例实现车辆控制的方法的流程图；
图2为本发明实施例实现车辆控制的装置的结构框图；
图3为本发明应用示例实现车辆控制的系统的组成框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1为本发明实施例实现车辆控制的方法的流程图，如图1所示，包括：
步骤101、根据按照预设采样周期采集的第二车辆的第二运行信息，确定第二车辆的移动区域范围信息；
在一种示例性实例中，本发明实施例中的采样周期可以根据计算移动区域范围信息的速度确定；在一种示例实例中，采样周期可以设置为等于计算时长。
步骤102、根据确定的第二车辆的移动区域范围信息和第一车辆的第一运行信息，计算第二车辆的位置不确定性的势场值；
步骤103、求解同时满足势场值和第一车辆的三自由度车辆模型的车辆控制信息；
步骤104、根据求解获得的车辆控制信息对第一车辆的运行进行控制；
其中，第一车辆为运行中的自动驾驶车辆；第二车辆为距离第一车辆预设距离的车辆；第二运行信息包括：第二位置信息和第二速度信息；第一运行信息包括以下一项或任意组合：第一位置信息、第一速度信息、航向角、前轮转角、前轮转矩和横摆角速度。
在一种示例性实例中，本发明实施例第二车辆可以包括以下一项或任意组合：在第一车辆前方第一预设距离的车辆、在第一车辆后方第二预设距离的车辆、在第一车辆左侧第三预设距离的车辆和在第一车辆右侧第四预设距离的车辆。预设距离的大小可以根据运行路段、安全性要求及运算量等进行分析确定。
本申请包括：根据按照预设采样周期采集的第二车辆的第二运行信息，确定第二车辆的移动区域范围信息；根据确定的第二车辆的移动区域范围信息和第一车辆的第一运行信息，计算第二车辆的位置不确定性的势场值；求解同时满足势场值和第一车辆的三自由度车辆模型的车辆控制信息；根据求解获得的车辆控制信息对第一车辆的运行进行控制；其中，第一车辆为自动驾驶车辆；第二车辆为距离第一车辆预设距离的车辆；第二运行信息包括：第二位置信息和第二速度信息；第一运行信息包括以下一项或任意组合：第一位置信息、第一速度信息、航向角、前轮转角、前轮转矩和横摆角速度。本发明实施例基于第二车辆的移动区域范围信息计算第二车辆的位置不确定性的势场值，基于势场值计算获得的车辆控制信息考虑了周围车辆的位置不确定性信息，提升了自动驾驶车辆的安全性。
在一种示例性实例中，本发明实施例步骤101确定第二车辆的移动区域范围信息，包括：
利用扩展卡尔曼滤波算法对第二运行信息进行运算，获得下一时刻第二车辆的位置的后验估计值与不确定性方差后验估计值；
根据获得的位置的后验估计值与不确定性方差后验估计值，统计得到移动区域范围信息；
其中，下一时刻包括：距离当前时刻预设时长的时刻。
需要说明的是，本发明实施例预设时长可以由本领域技术人员根据经验进行设定和调整。
在一种示例性实例中，本发明实施例获得下一时刻第二车辆的位置的后验估计值与不确定性方差后验估计值，包括：
建立第二车辆的车辆运动学模型st+1＝Fst+Bct和车辆状态观测模型zt＝Hst+qt；
基于扩展卡尔曼滤波算法计算第二车辆的先验状态估计值spt与先验协方差值Pt为：
spt＝Fsp(t-1)+Bct；
Figure BDA0003162614610000051
根据计算获得的计算第二车辆的先验状态估计值spt与先验协方差值Pt，计算第二车辆的状态后验估计值
Figure BDA0003162614610000052
和协方差后验估计值
Figure BDA0003162614610000053
为：
Figure BDA0003162614610000054
Figure BDA0003162614610000061
其中，st＝[xt,yt,φt,vst]T，表示当前时刻t第二车辆的状态；xt表示第二车辆在全局坐标系下的横坐标；yt表示第二车辆在全局坐标系下的纵坐标；φt表示第二车辆的航向角；ct＝[vst,wst]T，表示当前时刻t第二车辆的输入，vst表示第二车辆的速度；wst表示第二车辆的横摆角速度；ct服从均值为
Figure BDA0003162614610000062
方差为
Figure BDA0003162614610000063
的正态分布N；
Figure BDA0003162614610000064
Figure BDA0003162614610000065
dt表示采样周期；H为观测矩阵；qt表示观测噪声；车辆状态观测模型服从均值为0，方差为
Figure BDA0003162614610000066
的正态分布；
Figure BDA0003162614610000067
Figure BDA0003162614610000068
为t-1时刻的协方差后验估计值；
Figure BDA0003162614610000069
z0t为第二车辆位置的传感器测量值；
Figure BDA00031626146100000610
Figure BDA00031626146100000611
需要说明的是，车辆运动学模型st+1＝Fst+Bct和车辆状态观测模型zt＝Hst+qt只需要执行一次建立即可。
在一种示例性实例中，本发明实施例中的移动区域范围信息PSB为：
Figure BDA00031626146100000612
其中，
Figure BDA00031626146100000613
θ＝tan-1(MaxEigvec(y)/MaxEigvec(x))，
Figure BDA00031626146100000614
表示协方差后验估计值
Figure BDA00031626146100000615
的最大特征值，
Figure BDA00031626146100000616
表示协方差后验估计值
Figure BDA00031626146100000617
的最小特征值，tan-1表示反正切函数，χ2表示卡方分布的统计特征值。
在一种示例性实例中，本发明实施例步骤102计算第二车辆位置不确定性的势场值，包括：
获得第二车辆的车辆预测输出状态Yp：Yp＝Cx；
其中，
Figure BDA0003162614610000071
结合第二车辆的PSB，第一车辆的第一位置信息L，确定第二车辆的位置不确定性的势场值为：
Figure BDA0003162614610000072
其中，Yd为预先定义包括期望行驶路径与期望行驶速度的期望输出；min(·)表示计算最小值，Yp表示系统预测状态量，a表示正常数，norm(·,·)表示计算欧式距离，u表示控制量，Q、R和S表示相应的权重矩阵。
在一种示例性实例中，本发明实施例Q、R和S可以由本领域技术人员预先设置。
在一种示例性实例中，本发明实施例步骤103求解满足计算的势场值和第一车辆的三自由度车辆模型的第一车辆的车辆控制信息，包括：
对三自由度车辆模型和势场值，利用预设的求解器计算获得车辆控制信息；
其中，求解器包括：二次规划求解器。
在一种示例性实例中，执行步骤103求解满足车辆三自由度车辆模型和势场值的车辆控制信息时，本发明实施例方法还包括：
根据第二车辆的位置的后验估计值与不确定性方差后验估计值，添加求解车辆控制信息的约束条件。
在一种示例性实例中，本发明实施例中的约束条件表达式为：
Figure BDA0003162614610000073
其中，
Figure BDA0003162614610000074
表示第二车辆位置的后验估计值
Figure BDA0003162614610000075
在X坐标方向的值；
Figure BDA0003162614610000076
表示第二车辆位置的后验估计值
Figure BDA0003162614610000077
在Y坐标方向的值；
Figure BDA0003162614610000078
Figure BDA0003162614610000079
θ＝tan-1(MaxEigvec(y)/MaxEigvec(x))，
Figure BDA00031626146100000710
表示协方差后验估计值
Figure BDA00031626146100000713
的最大特征值，
Figure BDA00031626146100000711
表示协方差后验估计值
Figure BDA00031626146100000712
的最小特征值，tan-1表示反正切函数，χ2表示卡方分布的统计特征值。
本发明实施例还提供一种计算机存储介质，计算机存储介质中存储有计算机程序，计算机程序被处理器执行时实现上述实现车辆控制的方法。
本发明实施例还提供一种终端，包括：存储器和处理器，存储器中保存有计算机程序；其中，
处理器被配置为执行存储器中的计算机程序；
计算机程序被处理器执行时实现如上述实现车辆控制的方法。
图2为本发明实施例实现车辆控制的装置的结构框图，如图2所示，包括：确定移动范围单元、计算势场值单元、求解单元和控制单元；其中，
确定移动范围单元设置为：根据按照预设采样周期采集的第二车辆的第二运行信息，确定第二车辆的移动区域范围信息；
计算势场值单元设置为：根据确定的第二车辆的移动区域范围信息和第一车辆的第一运行信息，计算第二车辆的位置不确定性的势场值；
求解单元设置为：求解同时满足势场值和第一车辆的三自由度车辆模型的车辆控制信息；
控制单元设置为：根据求解获得的车辆控制信息对第一车辆的运行进行控制；
其中，第一车辆为运行中的自动驾驶车辆；第二车辆为距离第一车辆预设距离的车辆；第二运行信息包括：第二位置信息和第二速度信息；第一运行信息包括以下一项或任意组合：第一位置信息、第一速度信息、航向角、前轮转角、前轮转矩和横摆角速度。
本申请包括：根据按照预设采样周期采集的第二车辆的第二运行信息，确定第二车辆的移动区域范围信息；根据确定的第二车辆的移动区域范围信息和第一车辆的第一运行信息，计算第二车辆的位置不确定性的势场值；求解同时满足势场值和第一车辆的三自由度车辆模型的车辆控制信息；根据求解获得的车辆控制信息对第一车辆的运行进行控制；其中，第一车辆为自动驾驶车辆；第二车辆为距离第一车辆预设距离的车辆；第二运行信息包括：第二位置信息和第二速度信息；第一运行信息包括以下一项或任意组合：第一位置信息、第一速度信息、航向角、前轮转角、前轮转矩和横摆角速度。本发明实施例基于第二车辆的移动区域范围信息计算第二车辆的位置不确定性的势场值，基于势场值计算获得的车辆控制信息考虑了周围车辆的位置不确定性信息，提升了自动驾驶车辆的安全性。
在一种示例性实例中，本发明实施例确定移动范围单元是设置为：
利用扩展卡尔曼滤波算法对第二运行信息进行运算，获得下一时刻第二车辆的位置的后验估计值与不确定性方差后验估计值；
根据获得的位置的后验估计值与不确定性方差后验估计值，统计得到移动区域范围信息。
在一种示例性实例中，本发明实施例确定移动范围单元是设置为获得下一时刻第二车辆的位置的后验估计值与不确定性方差后验估计值，包括：
建立第二车辆的车辆运动学模型st+1＝Fst+Bct和车辆状态观测模型zt＝Hst+qt；
基于扩展卡尔曼滤波算法计算第二车辆的先验状态估计值spt与先验协方差值Pt为：
spt＝Fsp(t-1)+Bct；
Figure BDA0003162614610000091
根据计算获得的计算第二车辆的先验状态估计值spt与先验协方差值Pt，计算第二车辆的状态后验估计值
Figure BDA0003162614610000092
和协方差后验估计值
Figure BDA0003162614610000093
为：
Figure BDA0003162614610000094
Figure BDA0003162614610000095
其中，st＝[xt,yt,φt,vst]T，表示当前时刻t第二车辆的状态；xt表示第二车辆在全局坐标系下的横坐标；yt表示第二车辆在全局坐标系下的纵坐标；φt表示第二车辆的航向角；ct＝[vst,wst]T，表示当前时刻t第二车辆的输入，vst表示第二车辆的速度；wst表示第二车辆的横摆角速度；ct服从均值为
Figure BDA0003162614610000096
方差为
Figure BDA0003162614610000097
的正态分布N；
Figure BDA0003162614610000098
Figure BDA0003162614610000101
dt表示采样周期；H为观测矩阵；qt表示观测噪声；车辆状态观测模型服从均值为0，方差为
Figure BDA0003162614610000102
的正态分布；
Figure BDA0003162614610000103
Figure BDA0003162614610000104
为t-1时刻的协方差后验估计值；
Figure BDA0003162614610000105
z0t为第二车辆位置的传感器测量值；
Figure BDA0003162614610000106
Figure BDA0003162614610000107
在一种示例性实例中，本发明实施例中的移动区域范围信息PSB为：
Figure BDA0003162614610000108
其中，
Figure BDA0003162614610000109
θ＝tan-1(MaxEigvec(y)/MaxEigvec(x))，
Figure BDA00031626146100001010
表示协方差后验估计值
Figure BDA00031626146100001011
的最大特征值，
Figure BDA00031626146100001012
表示协方差后验估计值
Figure BDA00031626146100001013
的最小特征值，tan-1表示反正切函数，χ2表示卡方分布的统计特征值。
在一种示例性实例中，本发明实施例计算势场值单元设置为：
获得第二车辆的车辆预测输出状态Yp：Yp＝Cx；
其中，
Figure BDA00031626146100001014
结合第二车辆的PSB，第一车辆的第一位置信息L，确定第二车辆的位置不确定性的势场值为：
Figure BDA00031626146100001015
其中，Yd为预先定义包括期望行驶路径与期望行驶速度的期望输出；min(·)表示计算最小值，Yp表示系统预测状态量，a表示正常数，norm(·,·)表示计算欧式距离，u表示控制量，Q、R和S表示相应的权重矩阵。
在一种示例性实例中，本发明实施例求解单元是设置为：
对三自由度车辆模型和势场值，利用预设的求解器计算获得车辆控制信息；
其中，求解器包括：二次规划求解器。
在一种示例性实例中，本发明实施例求解单元还设置为：
根据第二车辆的位置的后验估计值与不确定性方差后验估计值，添加求解车辆控制信息的约束条件。
在一种示例性实例中，本发明实施例中的约束条件表达式为：
Figure BDA0003162614610000111
其中，
Figure BDA0003162614610000112
表示第二车辆位置的后验估计值
Figure BDA0003162614610000113
在X坐标方向的值；
Figure BDA0003162614610000114
表示第二车辆位置的后验估计值
Figure BDA0003162614610000115
在Y坐标方向的值；
Figure BDA0003162614610000116
Figure BDA0003162614610000117
θ＝tan-1(MaxEigvec(y)/MaxEigvec(x))，
Figure BDA0003162614610000118
表示协方差后验估计值
Figure BDA0003162614610000119
的最大特征值，
Figure BDA00031626146100001110
表示协方差后验估计值
Figure BDA00031626146100001111
的最小特征值，tan-1表示反正切函数，χ2表示卡方分布的统计特征值。
以下通过应用示例对本发明实施例进行简要说明，应用示例仅用于陈述本发明实施例，并不用于限定本发明的保护范围。
应用示例
本应用示例提供一种车辆控制的系统，图3为本发明应用示例实现车辆控制的系统的组成框图，如图3所示，包括信息采集单元和实现车辆控制的装置；其中，信息采集单元包括全球定位系统(GPS)、惯性传感器(IMU)、毫米波雷达、摄像头、前轮转角传感器、前轮转矩传感器与横摆角速度传感器。实现车辆控制的装置包括：确定移动范围单元、计算势场值单元、求解单元和控制单元；其中，
第一车辆为传感器所在车辆(简称自车车辆)，第二车辆为第一车辆周围的车辆(简称周围车辆)；
GPS与IMU组合的组合导航模块设置为：获取第二车辆的第二位置信息L和第二速度信息和航向角ψ；其中，L包括：横坐标X与纵坐标Y；第二速度信息包括：纵向速度u、侧向速度v。
毫米波雷达与摄像头组合的组合导航模块设置为：实时获取每一辆第二车辆的第二运行信息Zot，Zot包括：第二位置信息Ls和第二速度信息Vs。
前轮转角传感器与前轮转矩传感器设置为：实时获取第二车辆的前轮转角δ和前轮转矩Tr；
横摆角速度传感器设置为：获取第二车辆的横摆角速度r。
确定移动范围单元设置为：根据实时获得的第二车辆的第二运行信息，利用扩展卡尔曼滤波算法预测下一时刻第二车辆的位置的后验估计值
Figure BDA0003162614610000126
与不确定性方差后验估计值
Figure BDA0003162614610000127
根据预测获得的位置的后验估计值
Figure BDA0003162614610000128
与不确定性方差后验估计值
Figure BDA0003162614610000129
采用统计方法确定第二车辆的移动区域范围信息；
计算势场值单元设置为：根据第一位置信息L、第一速度信息V航向角ψ、前轮转角δ、前轮转矩Tr、横摆角速度r、以及第二车辆的移动区域范围信息，计算第二车辆位置不确定性的势场值与约束条件；
求解满足第一车辆的车辆三自由度车辆模型、势场值和约束条件的第一车辆的车辆控制信息。
在一种示例性实例中，本发明实施例中第一车辆的三自由度车辆模型可以基于相关理论确定，可以包括：
Figure BDA0003162614610000121
其中，x＝[X,u,Y,v,ψ,r]T，u＝[Tr,δ]T
Figure BDA0003162614610000122
Figure BDA0003162614610000123
其中，X表示第一车辆在全局坐标系下的横坐标，Y表示第一车辆在全局坐标系下的纵坐标，u表示第一车辆的纵向速度，v表示第一车辆的侧向速度，ψ表示第一车辆的航向角，r表示第一车辆的横摆角速度，Tr表示第一车辆的前轮转矩，δ表示第一车辆的前轮转向角；m为第一车辆的质量，Ix为第一车辆的转动惯量，Cαf为第一车辆的前轮胎侧偏刚度，Cαr为第一车辆的后轮胎侧偏刚度，lf为第一车辆的车辆质心距车辆前轴的距离，lr为第一车辆的车辆质心距车辆后轴的距离，Rw为第一车辆的车轮半径。
在一种示例性实例中，本发明实施例获得的第二车辆的第二运行信息Zot，可以利用扩展卡尔曼滤波算法的相关原理，预测获得下一时刻第二车辆的位置的后验估计值
Figure BDA0003162614610000131
与不确定性方差后验估计值
Figure BDA0003162614610000132
在一种示例性实例中，本发明实施例预测获得下一时刻第二车辆的位置的后验估计值
Figure BDA0003162614610000133
与不确定性方差后验估计值
Figure BDA0003162614610000134
包括：
建立第二车辆运动学模型：st+1＝Fst+Bct；
其中，st＝[xt,yt,φt,vst]T，表示当前时刻t第二车辆的状态，xt表示第二车辆在全局坐标系下的横坐标，yt表示第二车辆在全局坐标系下的纵坐标，φt表示第二车辆的航向角，ct＝[vst,wst]T，vst表示第二车辆的速度，wst表示第二车辆的横摆角速度；表示当前时刻t第二车辆的输入，假设其服从均值为
Figure BDA0003162614610000135
方差为
Figure BDA0003162614610000136
的正态分布N，即：
Figure BDA0003162614610000137
Figure BDA0003162614610000138
Figure BDA0003162614610000139
dt表示采样周期；
建立第二车辆状态观测模型：zt＝Hst+qt；
其中，H为观测矩阵，qt表示观测噪声，第二车辆状态观测模型服从均值为0，方差为
Figure BDA00031626146100001310
的正态分布，即：
Figure BDA00031626146100001311
基于扩展卡尔曼滤波算法，计算获得的第二车辆的先验状态估计值spt与先验协方差值Pt为：
spt＝Fspt-1+Bct
Figure BDA0003162614610000141
其中，
Figure BDA0003162614610000142
Figure BDA0003162614610000143
为t-1时刻的协方差后验估计值，t为当前时刻；
第二车辆的状态后验估计值
Figure BDA0003162614610000144
协方差后验估计值
Figure BDA0003162614610000145
及卡尔曼增益Kt的计算公式为：
Figure BDA0003162614610000146
Figure BDA0003162614610000147
其中，
Figure BDA0003162614610000148
z0t为第二车辆位置的传感器测量值。
在一种示例性实例中，本发明实施例采用统计方法确定第二车辆的移动区域范围信息，包括通过以下公式计算移动区域范围信息PSB：
Figure BDA0003162614610000149
其中，
Figure BDA00031626146100001410
θ＝tan-1(MaxEigvec(y)/MaxEigvec(x))，符号
Figure BDA00031626146100001411
表示计算第二车辆的协方差后验估计值
Figure BDA00031626146100001412
的最大特征值，
Figure BDA00031626146100001413
表示计算第二车辆的协方差后验估计值
Figure BDA00031626146100001414
的最小特征值，符号tan-1表示反正切函数，χ2表示卡方分布的统计特征值。
在一种示例性实例中，计算第二车辆位置不确定性的势场值与约束条件：
获得车辆预测输出状态Yp：Yp＝Cx；
其中，
Figure BDA00031626146100001415
同时，定义期望输出Yd，其包括期望行驶路径与期望行驶速度，结合第二车辆的PSB，第一车辆的第一位置信息L，设置第二车辆的位置不确定性的势场值：
Figure BDA0003162614610000151
其中，符号min(·)表示计算最小值，Yp表示系统预测状态量，a表示正常数，norm(·,·)表示计算欧式距离，u表示控制量，Q，R，S表示相应的权重矩阵；
根据第二车辆的位置的后验估计值
Figure BDA00031626146100001513
与不确定性方差后验估计值
Figure BDA00031626146100001514
设定如下约束条件：
Figure BDA0003162614610000152
其中，
Figure BDA0003162614610000153
表示第二车辆位置的后验估计值
Figure BDA0003162614610000154
在X坐标方向的值，
Figure BDA0003162614610000155
表示周围车辆位置的后验估计值
Figure BDA0003162614610000156
在Y坐标方向的值，
Figure BDA0003162614610000157
Figure BDA0003162614610000158
θ＝tan-1(MaxEigvec(y)/MaxEigvec(x))，
Figure BDA0003162614610000159
表示计算第二车辆的协方差后验估计值
Figure BDA00031626146100001510
的最大特征值，
Figure BDA00031626146100001511
表示计算第二车辆的协方差后验估计值
Figure BDA00031626146100001512
的最小特征值，tan-1表示反正切函数，χ2表示卡方分布的统计特征值；
在一种示例性实例中，本发明实施例求解满足车辆三自由度车辆模型、势场值和约束条件的第一车辆的车辆控制信息，包括：
将三自由度模型、势场值及约束条件，利用包括二次规划求解器在内的模型预测控制算法计算获得第二车辆的车辆控制信息，实现了基于第一车辆的不确定性的运动规划，降低了第二车辆的规划风险。在一种示例性示例中，本发明实施例方法还可以采用其他种类的求解器进行车辆控制信息的求解。
相关技术中的车辆运动规划方法一般只利用了周围车辆在下一时刻的最优估计位置信息(即一个点信息)，忽略了车辆仍有在其他位置的概率信息，具有较大的安全隐患，而本发明利用统计方法确定周围车辆位置概率边界范围，并基于该周围车辆位置概率边界范围进行自动驾驶车辆的不确定性运动规划，有效降低了自动驾车辆运动规划的安全风险，保障车辆行驶安全。
“本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。”。

Claims (11)

1.一种实现车辆控制的方法，包括：
根据按照预设采样周期采集的第二车辆的第二运行信息，确定第二车辆的移动区域范围信息；
根据确定的第二车辆的移动区域范围信息和第一车辆的第一运行信息，计算第二车辆的位置不确定性的势场值；
求解同时满足势场值和第一车辆的三自由度车辆模型的车辆控制信息；
根据求解获得的车辆控制信息对第一车辆的运行进行控制；
其中，所述第一车辆为运行中的自动驾驶车辆；所述第二车辆为距离所述第一车辆预设距离的车辆；所述第二运行信息包括：第二位置信息和第二速度信息；所述第一运行信息包括以下一项或任意组合：第一位置信息、第一速度信息、航向角、前轮转角、前轮转矩和横摆角速度。
2.根据权利要求1所述的方法，其特征在于，所述确定第二车辆的移动区域范围信息，包括：
利用扩展卡尔曼滤波算法对所述第二运行信息进行运算，获得下一时刻所述第二车辆的位置的后验估计值与不确定性方差后验估计值；
根据获得的所述位置的后验估计值与所述不确定性方差后验估计值，统计得到所述移动区域范围信息；
其中，所述下一时刻包括：距离当前时刻预设时长的时刻。
3.根据权利要求2所述的方法，其特征在于，所述获得下一时刻所述第二车辆的位置的后验估计值与不确定性方差后验估计值，包括：
建立所述第二车辆的车辆运动学模型st+1＝Fst+Bct和车辆状态观测模型zt＝Hst+qt；
基于扩展卡尔曼滤波算法计算所述第二车辆的先验状态估计值spt与先验协方差值Pt为：
spt＝Fsp(t-1)+Bct；
Figure FDA0003162614600000021
根据计算获得的计算所述第二车辆的先验状态估计值spt与先验协方差值Pt，计算所述第二车辆的状态后验估计值
Figure FDA0003162614600000022
和协方差后验估计值
Figure FDA0003162614600000023
为：
Figure FDA0003162614600000024
Figure FDA0003162614600000025
其中，所述st＝[xt，yt，φt，vst]T，表示当前时刻t所述第二车辆的状态；所述xt表示所述第二车辆在全局坐标系下的横坐标；所述yt表示所述第二车辆在全局坐标系下的纵坐标；所述φt表示所述第二车辆的航向角；所述ct＝[vst，wst]T，表示当前时刻t所述第二车辆的输入，所述vst表示所述第二车辆的速度；所述wst表示所述第二车辆的横摆角速度；ct服从均值为
Figure FDA0003162614600000026
万差为
Figure FDA0003162614600000027
的正态分布N；所述
Figure FDA0003162614600000028
所述
Figure FDA0003162614600000029
所述dt表示所述采样周期；所述H为观测矩阵；所述qt表示观测噪声；所述车辆状态观测模型服从均值为0，方差为
Figure FDA00031626146000000210
的正态分布；所述
Figure FDA00031626146000000211
所述
Figure FDA00031626146000000212
为t-1时刻的协方差后验估计值；所述
Figure FDA00031626146000000213
所述z0t为所述第二车辆位置的传感器测量值；所述
Figure FDA00031626146000000214
4.根据权利要求3所述的方法，其特征在于，所述移动区域范围信息PSB为：
Figure FDA00031626146000000215
其中，所述
Figure FDA00031626146000000216
所述
Figure FDA00031626146000000217
所述θ＝tan-1(MaxEigvec(y)/MaxEigvec(x))，所述
Figure FDA00031626146000000218
表示所述协方差后验估计值
Figure FDA00031626146000000219
的最大特征值，所述
Figure FDA00031626146000000220
表示所述协方差后验估计值
Figure FDA00031626146000000221
的最小特征值，所述tan-1表示反正切函数，所述χ2表示卡方分布的统计特征值。
5.根据权利要求4所述的方法，其特征在于，所述计算第二车辆位置不确定性的势场值，包括：
获得所述第二车辆的车辆预测输出状态Yp：Yp＝Cx；
其中，
Figure FDA0003162614600000031
结合第二车辆的PSB，第一车辆的第一位置信息L，确定所述第二车辆的位置不确定性的势场值为：
Figure FDA0003162614600000032
其中，所述Yd为预先定义包括期望行驶路径与期望行驶速度的期望输出；所述min(·)表示计算最小值，所述Yp表示系统预测状态量，所述a表示正常数，所述norm(·，·)表示计算欧式距离，所述u表示控制量，所述Q、R和S表示相应的权重矩阵。
6.根据权利要求2所述的方法，其特征在于，所述求解同时满足势场值和第一车辆的三自由度车辆模型的车辆控制信息，包括：
对所述三自由度车辆模型和所述势场值，利用预设的求解器计算获得所述车辆控制信息；
其中，所述求解器包括：二次规划求解器。
7.根据权利要求2～6任一项所述的方法，其特征在于，所述求解同时满足势场值和第一车辆三自由度车辆模型的车辆控制信息时，所述方法还包括：
根据第二车辆的所述位置的后验估计值与所述不确定性方差后验估计值，添加求解所述车辆控制信息的约束条件。
8.根据权利要求7所述的方法，其特征在于，所述约束条件表达式为：
Figure FDA0003162614600000033
其中，所述
Figure FDA0003162614600000034
表示第二车辆位置的后验估计值
Figure FDA0003162614600000035
在X坐标方向的值；所述
Figure FDA0003162614600000041
表示第二车辆位置的后验估计值
Figure FDA0003162614600000042
在Y坐标方向的值；所述
Figure FDA0003162614600000043
Figure FDA0003162614600000044
所述
Figure FDA0003162614600000045
所述θ＝tan-1(MaxEigvec(y)/MaxEigvec(x))，所述
Figure FDA0003162614600000046
表示所述协方差后验估计值
Figure FDA0003162614600000047
的最大特征值，所述
Figure FDA0003162614600000048
表示所述协方差后验估计值
Figure FDA0003162614600000049
的最小特征值，所述tan-1表示反正切函数，所述χ2表示卡方分布的统计特征值。
9.一种计算机存储介质，所述计算机存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1～8中任一项所述的实现车辆控制的方法。
10.一种终端，包括：存储器和处理器，所述存储器中保存有计算机程序；其中，
处理器被配置为执行存储器中的计算机程序；
所述计算机程序被所述处理器执行时实现如权利要求1～8中任一项所述的实现车辆控制的方法。
11.一种实现车辆控制的装置，包括：确定移动范围单元、计算势场值单元、求解单元和控制单元；其中，
确定移动范围单元设置为：根据按照预设采样周期采集的第二车辆的第二运行信息，确定第二车辆的移动区域范围信息；
计算势场值单元设置为：根据确定的第二车辆的移动区域范围信息和第一车辆的第一运行信息，计算第二车辆的位置不确定性的势场值；
求解单元设置为：求解同时满足势场值和第一车辆的三自由度车辆模型的车辆控制信息；
控制单元设置为：根据求解获得的车辆控制信息对第一车辆的运行进行控制；
其中，所述第一车辆为运行中的自动驾驶车辆；所述第二车辆为距离所述第一车辆预设距离的车辆；所述第二运行信息包括：第二位置信息和第二速度信息；所述第一运行信息包括以下一项或任意组合：第一位置信息、第一速度信息、航向角、前轮转角、前轮转矩和横摆角速度。
CN202110795607.3A 2021-07-14 2021-07-14 一种实现车辆控制的方法、装置、计算机存储介质及终端 Active CN113492882B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110795607.3A CN113492882B (zh) 2021-07-14 2021-07-14 一种实现车辆控制的方法、装置、计算机存储介质及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110795607.3A CN113492882B (zh) 2021-07-14 2021-07-14 一种实现车辆控制的方法、装置、计算机存储介质及终端

Publications (2)

Publication Number Publication Date
CN113492882A true CN113492882A (zh) 2021-10-12
CN113492882B CN113492882B (zh) 2022-09-23

Family

ID=77996140

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110795607.3A Active CN113492882B (zh) 2021-07-14 2021-07-14 一种实现车辆控制的方法、装置、计算机存储介质及终端

Country Status (1)

Country Link
CN (1) CN113492882B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116048091A (zh) * 2023-02-09 2023-05-02 武汉溯野科技有限公司 一种考虑位姿估计不确定性的机器人轨迹规划方法和装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120122486A1 (en) * 2009-07-28 2012-05-17 Bae Systems Plc Estimating positions of a device and at least one target in an environment
US20180043890A1 (en) * 2016-08-11 2018-02-15 Trw Automotive Gmbh Control system and control method for determining a likelihood of a lane change by a preceding vehicle
CN108045373A (zh) * 2017-09-11 2018-05-18 同济大学 一种自动驾驶纵向统一规划方法及系统
GB2570887A (en) * 2018-02-07 2019-08-14 Jaguar Land Rover Ltd A system for a vehicle
CN110155081A (zh) * 2019-05-28 2019-08-23 南京航空航天大学 一种智能驾驶汽车的自适应避障控制系统
CN110356405A (zh) * 2019-07-23 2019-10-22 桂林电子科技大学 车辆辅助行驶方法、装置、计算机设备及可读存储介质
CN110930766A (zh) * 2019-12-02 2020-03-27 武汉理工大学 一种基于图论与势场方法的无人车多车道护航编队方法
US20200290577A1 (en) * 2019-03-11 2020-09-17 Mitsubishi Electric Research Laboratories, Inc. System and Method for Determining Friction Curve of Tire
US20200307565A1 (en) * 2019-03-31 2020-10-01 Gm Cruise Holdings Llc Controlling an autonomous vehicle based upon a predicted imminent lane change
CN112644486A (zh) * 2021-01-05 2021-04-13 南京航空航天大学 一种基于新型驾驶安全场的智能车避障轨迹规划方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120122486A1 (en) * 2009-07-28 2012-05-17 Bae Systems Plc Estimating positions of a device and at least one target in an environment
US20180043890A1 (en) * 2016-08-11 2018-02-15 Trw Automotive Gmbh Control system and control method for determining a likelihood of a lane change by a preceding vehicle
CN108045373A (zh) * 2017-09-11 2018-05-18 同济大学 一种自动驾驶纵向统一规划方法及系统
GB2570887A (en) * 2018-02-07 2019-08-14 Jaguar Land Rover Ltd A system for a vehicle
US20200290577A1 (en) * 2019-03-11 2020-09-17 Mitsubishi Electric Research Laboratories, Inc. System and Method for Determining Friction Curve of Tire
US20200307565A1 (en) * 2019-03-31 2020-10-01 Gm Cruise Holdings Llc Controlling an autonomous vehicle based upon a predicted imminent lane change
CN110155081A (zh) * 2019-05-28 2019-08-23 南京航空航天大学 一种智能驾驶汽车的自适应避障控制系统
CN110356405A (zh) * 2019-07-23 2019-10-22 桂林电子科技大学 车辆辅助行驶方法、装置、计算机设备及可读存储介质
CN110930766A (zh) * 2019-12-02 2020-03-27 武汉理工大学 一种基于图论与势场方法的无人车多车道护航编队方法
CN112644486A (zh) * 2021-01-05 2021-04-13 南京航空航天大学 一种基于新型驾驶安全场的智能车避障轨迹规划方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116048091A (zh) * 2023-02-09 2023-05-02 武汉溯野科技有限公司 一种考虑位姿估计不确定性的机器人轨迹规划方法和装置
CN116048091B (zh) * 2023-02-09 2023-09-15 武汉溯野科技有限公司 一种考虑位姿估计不确定性的机器人轨迹规划方法和装置

Also Published As

Publication number Publication date
CN113492882B (zh) 2022-09-23

Similar Documents

Publication Publication Date Title
US11235757B2 (en) Collision avoidance apparatus
CN107867288B (zh) 用于检测前向碰撞的方法
US9645250B2 (en) Fail operational vehicle speed estimation through data fusion of 6-DOF IMU, GPS, and radar
EP3091370B1 (en) Method and arrangement for determining safe vehicle trajectories
US11597385B2 (en) Autonomous vehicle and vehicle running control method using the same
US7729857B2 (en) System for and method of detecting a collision and predicting a vehicle path
US20200324761A1 (en) Automatic imposition of vehicle speed restrictions depending on road situation analysis
CN109927727B (zh) 用于判定附近车辆的动作的设备和方法
US20180056998A1 (en) System and Method for Multi-Vehicle Path Planning Technical Field
US11708069B2 (en) Obstacle avoidance apparatus and obstacle avoidance route generating apparatus
WO2020129208A1 (ja) 走行計画生成装置および自動運転システム
US11648965B2 (en) Method and system for using a reaction of other road users to ego-vehicle actions in autonomous driving
EP3925845B1 (en) Other vehicle action prediction method and other vehicle action prediction device
US11709503B2 (en) Exception handling for autonomous vehicles
US11731661B2 (en) Systems and methods for imminent collision avoidance
CN113504782B (zh) 障碍物防撞方法、装置、系统和移动工具
CN113492882B (zh) 一种实现车辆控制的方法、装置、计算机存储介质及终端
Vasic et al. An overtaking decision algorithm for networked intelligent vehicles based on cooperative perception
CN112693454B (zh) 自适应轨迹生成方法及系统
US20220198810A1 (en) Information processing device and information processing method
CN116118770A (zh) 面向稳健自动驾驶控制的车辆感知系统的自适应合理化器
SE1950883A1 (en) Method and control unit for predicting a collision between a vehicle and a mobile object
US20240124060A1 (en) A method for determining whether an automatic collision avoidance steering maneuver should be executed or not
US20230054590A1 (en) Validation of surrounding objects percieved by an ads-equipped vehicle
JP7175344B1 (ja) 車両制御装置、車両制御システム、車両制御方法及び車両制御プログラム

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