CN113665587A - 自动驾驶车辆的横向控制方法、设备、存储介质及装置 - Google Patents

Abstract

本发明公开了一种自动驾驶车辆的横向控制方法、设备、存储介质及装置，本发明通过获取目标车辆的当前姿态信息和待行驶目的地信息；根据所述待行驶目的地信息和预设轨迹规划模型确定参考轨迹信息；根据所述当前姿态信息、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量；根据所述目标误差量控制目标车辆的行驶轨迹。由于本发明通过当前姿态信息、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量，根据目标误差量控制目标车辆的行驶轨迹，本发明相对于现有技术中控制算法计算量大，导致轨迹跟踪能力差，本发明实现了有效降低对控制器的计算力要求，提升轨迹跟踪能力。

Description

自动驾驶车辆的横向控制方法、设备、存储介质及装置

技术领域

本发明涉及自动驾驶领域，尤其涉及一种自动驾驶车辆的横向控制方法、设备、存储介质及装置。

背景技术

目前，自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动操作机动车。

在智能车辆的研究中，涉及轨迹跟随控制部分，该部分主要是通过控制车辆的转向系统及驱动制动系统使得车辆按照期望的轨迹行驶，包括了纵向的速度跟随控制和横向的路径跟随控制。无论是智能辅助驾驶还是无人驾驶，车辆轨迹跟踪控制技术都是其中不可或缺的重要技术环节。目前应用于横向路径跟随控制算法主要有MPC(模型预测控制)、LQR纯跟踪法等计算量大的算法，存在着计算复杂，对控制器算力要求高等缺点，这无形中增加了车辆成本；而单纯PID等计算量小的控制算法，其轨迹跟踪能力差，不能适应高速复杂的环境。

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一种自动驾驶车辆的横向控制方法、设备、存储介质及装置，旨在解决现有技术中控制算法计算量大，导致轨迹跟踪能力差的技术问题。

为实现上述目的，本发明提供一种自动驾驶车辆的横向控制方法，所述自动驾驶车辆的横向控制方法包括以下步骤：

获取目标车辆的当前姿态信息和待行驶目的地信息；

根据所述待行驶目的地信息和预设轨迹规划模型确定参考轨迹信息；

根据所述当前姿态信息、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量；

根据所述目标误差量控制目标车辆的行驶轨迹。

可选地，所述根据所述当前姿态信息、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量的步骤，包括：

从所述当前姿态信息中提取所述目标车辆的后桥中心点及车头方向，将所述后桥中心点作为第一目标点；

根据所述第一目标点和所述车头方向确定第一目标切线；

根据所述第一目标点、所述第一目标切线、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量。

可选地，所述根据所述第一目标点、所述第一目标切线、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量的步骤，包括：

根据所述第一目标点和第一预设模糊控制模型从所述参考轨迹信息中确定第二目标点；

根据所述第一目标点和所述第二目标点构建目标线段，根据所述目标线段和所述第一目标切线确定角度误差量；

基于所述第二目标点和所述第一目标切线的垂直距离确定横向误差量；

根据所述角度误差量和所述横向误差量确定目标误差量。

可选地，所述根据所述第一目标点和第一预设模糊控制模型从所述参考轨迹信息中确定第二目标点的步骤，包括：

获取当前车速；

根据第一预设模糊控制模型、所述参考轨迹信息中的弯道曲率及所述当前车速确定待选取点的参考距离；

根据所述参考距离和所述第一目标点从所述参考轨迹信息对应的参考轨迹中确定第二目标点。

可选地，所述根据所述目标误差量控制目标车辆的行驶轨迹的步骤，包括：

根据所述角度误差量、所述横向误差量及第二预设模糊控制模型确定待调整参数；

根据所述待调整参数和参考轨迹信息控制目标车辆的行驶轨迹。

可选地，所述根据所述角度误差量、所述横向误差量及第二预设模糊控制模型确定待调整参数的步骤，包括：

根据所述角度误差量和第二预设模糊控制模型确定待修正角度误差参数；

根据所述横向误差量和所述第二预设模糊控制模型确定待修正横向误差参数；

根据所述待修正角度误差参数和所述待修正横向误差参数确定车辆前轮转角对应的待调整参数。

可选地，所述根据所述待行驶目的地信息和预设轨迹规划模型确定参考轨迹信息的步骤，包括：

获取当前车身周围的环境信息；

根据所述预设路径规划模型、所述待行驶目的地信息及所述环境信息确定参考轨迹信息。

此外，为实现上述目的，本发明还提出一种自动驾驶车辆的横向控制设备，所述自动驾驶车辆的横向控制设备包括存储器、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车辆的横向控制程序，所述自动驾驶车辆的横向控制程序配置为实现如上文所述的自动驾驶车辆的横向控制的步骤。

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车辆的横向控制程序，所述自动驾驶车辆的横向控制程序被处理器执行时实现如上文所述的自动驾驶车辆的横向控制方法的步骤。

此外，为实现上述目的，本发明还提出一种自动驾驶车辆的横向控制装置，所述自动驾驶车辆的横向控制装置包括：

信息获取模块，用于获取目标车辆的当前姿态信息和待行驶目的地信息；

信息确定模块，用于根据所述待行驶目的地信息和预设轨迹规划模型确定参考轨迹信息；

误差确定模块，用于根据所述当前姿态信息、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量；

轨迹控制模块，用于根据所述目标误差量控制目标车辆的行驶轨迹。

本发明通过获取目标车辆的当前姿态信息和待行驶目的地信息；根据所述待行驶目的地信息和预设轨迹规划模型确定参考轨迹信息；根据所述当前姿态信息、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量；根据所述目标误差量控制目标车辆的行驶轨迹。由于本发明通过当前姿态信息、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量，根据目标误差量控制目标车辆的行驶轨迹，本发明相对于现有技术中控制算法计算量大，导致轨迹跟踪能力差，本发明实现了有效降低对控制器的计算力要求，提升轨迹跟踪能力。

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车辆的横向控制设备的结构示意图；

图2为本发明自动驾驶车辆的横向控制方法第一实施例的流程示意图；

图3为本发明自动驾驶车辆的横向控制方法第一实施例的自适应模糊控制器结构图

图4为本发明自动驾驶车辆的横向控制方法第二实施例的流程示意图；

图5为本发明自动驾驶车辆的横向控制方法第二实施例的第一目标切线示意图；

图6为本发明自动驾驶车辆的横向控制方法第二实施例的参考距离确定流程图；

图7为本发明自动驾驶车辆的横向控制方法第二实施例的的轨迹示意图；

图8为本发明自动驾驶车辆的横向控制方法第三实施例的流程示意图；

图9为本发明自动驾驶车辆的横向控制方法第三实施例的模糊控制流程图；

图10为本发明自动驾驶车辆的横向控制方法第三实施例的前轮转角控制框图；

图11为本发明自动驾驶车辆的横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车辆的横向控制设备结构示意图。

如图1所示，该自动驾驶车辆的横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)，可选用户接口1003还可以包括标准的有线接口、无线接口，对于用户接口1003的有线接口在本发明中可为USB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(Random Access Memory，RAM)，也可以是稳定的存储器(Non-volatileMemory，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车辆的横向控制设备的限定，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，认定为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及自动驾驶车辆的横向控制程序。

在图1所示的自动驾驶车辆的横向控制设备中，网络接口1004主要用于连接后台服务器，与所述后台服务器进行数据通信；用户接口1003主要用于连接用户设备；所述自动驾驶车辆的横向控制设备通过处理器1001调用存储器1005中存储的自动驾驶车辆的横向控制程序，并执行本发明实施例提供的自动驾驶车辆的横向控制方法。

基于上述硬件结构，提出本发明自动驾驶车辆的横向控制方法的实施例。

参照图2，图2为本发明自动驾驶车辆的横向控制方法第一实施例的流程示意图，提出本发明自动驾驶车辆的横向控制方法第一实施例。

在本实施例中，所述自动驾驶车辆的横向控制方法包括以下步骤：

步骤S10：获取目标车辆的当前姿态信息和待行驶目的地信息。

需说明的是，本实施例中的执行主体可以是包含自动驾驶车辆的横向控制系统的设备，如：车载电脑，还可为其他可实现相同或相似功能的设备，本实施例对此不做限制，在本实施例以及下述各实施例中以自动驾驶车辆的横向控制系统为例对本发明自动驾驶车辆的横向控制方法进行说明。

可理解的是，当前姿态信息可以是指车辆通过IMU实时采集的姿态信息，所述姿态信息可以包括车辆姿态角、角速度等信息。

应理解的是，待行驶目的地信息可以根据驾驶员输入的目的地信息和目标车辆当前所在位置所确定，目标车辆当前所在位置可以根据GPS定位所确定。所述待行驶的目的地信息可以包含距离、路径及待行驶时间等信息。

具体实现中，横向控制系统可以通过GPS获取目标车辆当前所在位置，并根据激光雷达和IMU惯导获取车辆当前姿态信息，从而获取目标车辆的当前姿态信息和待行驶目的地信息。

步骤S20：根据所述待行驶目的地信息和预设轨迹规划模型确定参考轨迹信息。

需说明的是，预设轨迹规划模型可以是预先设置的路径规划模型，所述路径规划模型可以是用于确定目标行驶参考轨迹的模型。

可理解的是，参考轨迹信息可以是指目标车辆在达到目的地之前全局参考轨迹对应的路径信息。

应理解的是，车辆在驾驶过程中，根据待行驶目的地信息可以得到多种行驶路径，可以通过预设轨迹规划模型从多种行驶路径中确定最优目标参考轨迹。

具体实现中，横向控制系统可以根据待行驶目的地信息和预设轨迹规划模型确定参考轨迹信息。

进一步地，所述步骤S20包括：获取当前车身周围的环境信息；根据所述预设路径规划模型、所述待行驶目的地信息及所述环境信息确定参考轨迹信息。

需说明的是，车辆在启动时，获取待行驶目的地信息，并根据GPS获取全局轨迹规划，启动激光雷达获取车辆周围的高精度地图信息。

可理解的是，预设路径规划模型和环境信息从全局估计规划中确定考轨迹信息。

步骤S30：根据所述当前姿态信息、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量。

需说明的是，第一预设模糊控制模型可以是预先设置的模型，所述模型可以是基于PID控制算法构建模型。

可理解的是，根据现场实际情况，能自动调整PID参数，可以通过专家PID控制器进行控制，但是由于操作者经验不易精确描述，控制过程中各种信号量以及评价指标不易定量表示，即专家PID方法受到局限。因此，本实施例可以通过把规则的条件、操作用模糊集表示，并把这些模糊控制规则以及有关信息作为知识存入数据库中，然后根据控制系统的实际响应情况，运用模糊推理，即可自动实现对PID参数的最佳调整，即为模糊自适应PID控制。自适应模糊PID控制器以误差e和误差变化量e_c作为输入(利用模糊控制规则在线对PID参数进行修改)，以满足不同时刻的e和e_c对PID参数自整定的要求。故需要基于离散PID控制算法构建模糊PID控制模型。

具体实现中，离散PID控制算法为：

公式中，K为采样序号；T为采样时间。U(k)为控制器的输出量；e(k)、e(j)、e(k-1)为控制器输入量，即给定值与被控对象输出值的偏差信号；K_p、K_i、K_d为比例系数。为了进一步说明，可以参考图3自适应模糊控制器结构图。

步骤S40：根据所述目标误差量控制目标车辆的行驶轨迹。

需说明的是，行驶轨迹可以是指控制车辆输出以执行自动驾驶轨迹跟踪控制的横向跟随控制的轨迹。

具体实现中，横向控制系统根据目标误差量控制目标车辆的行驶轨迹，够使车辆更加贴合参考轨迹。

本实施例通过获取目标车辆的当前姿态信息和待行驶目的地信息；根据所述待行驶目的地信息和预设轨迹规划模型确定参考轨迹信息；根据所述当前姿态信息、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量；根据所述目标误差量控制目标车辆的行驶轨迹。由于本实施例通过当前姿态信息、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量，根据目标误差量控制目标车辆的行驶轨迹，本实施例相对于现有技术中控制算法计算量大，导致轨迹跟踪能力差，本实施例实现了有效降低对控制器的计算力要求，提升轨迹跟踪能力。

参照图4，图4为本发明自动驾驶车辆的横向控制方法第二实施例的流程示意图，基于上述图2所示的第一实施例，提出本发明自动驾驶车辆的横向控制方法的第二实施例。

在本实施例中，所述步骤S30，包括：

步骤S301：从所述当前姿态信息中提取所述目标车辆的后桥中心点及车头方向，将所述后桥中心点作为第一目标点。

需说明的是，目标车辆的后桥中心点可以是指汽车后面那根桥的中心点。

具体实现中，为了对车辆坐标进行精准定位，可以将汽车后桥中心点作为基准点，从而便于后期对车辆轨迹的精准识别。

步骤S302：根据所述第一目标点和所述车头方向确定第一目标切线。

需说明的是，第一目标切线可以是指将第一目标点作为起始点沿着车头方向做全局参考轨迹的切线。

具体实现中，为了进一步说明可以参考图5第一目标切线示意图，以车辆后桥中心为第一点(a1起点)，车头方向为第一目标切线方向，作全局参考轨迹并作第一目标切线c1。

步骤S303：根据所述第一目标点、所述第一目标切线、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量。

具体实现中，为了对误差量精准分析，可以通过第一目标点和第一目标切线、参考轨迹信息中的参考轨迹及第一预设模糊控制模型确定目标误差量，从而可以通过误差量控制车辆拟合参考轨迹。

进一步地，为了提升对误差量的精准分析，所述步骤S303，包括：

步骤S3031：根据所述第一目标点和第一预设模糊控制模型从所述参考轨迹信息中确定第二目标点。

需说明的是，第二目标点可以是指基于第一目标点找到参考轨迹上的第二个点，即第二目标点会根据第一目标点的坐标变化所变化。第二目标点可以根据基于第一预设模糊控制模型和第一目标点确定第二参考点，即第二目标点。第一目标点是根据每一次计算过程中将后桥中心点作为第一目标点，第一目标点可以作为基准点进而选取参考轨迹上的第二目标点、第三目标点、第四目标点...等，车辆参考轨迹上不仅限于一个目标点，而是有多个目标点，可以将第一目标点作为基准点，选取下一个点重复计算，将车辆逼近第二目标点、第三目标点、第四目标点...以此达到车辆拟合轨迹的目的。即本实施例基于第一目标点选取下一个点但不仅限于第二目标点，车辆在拟合参考轨迹过程中，通过不断选取下一个点重复执行，以使车辆逼近下一个参考目标点，例如：参考轨迹上有5个目标点，当车辆达到第二目标点时，选取第三目标点作为下一个待拟合目标点，将车辆从第二目标点拟合轨迹至第三目标点，重复执行此过程，直至车辆达到第五目标点，以此达到车辆拟合轨迹的目标，本实施例中的举例数字仅用做说明，不作具体限制。

具体实现中，前一点的坐标a_n(x_n,y_n)(已知)，假设轨迹上后一点的坐标为(未知)a_n+1(x_n+1,y_n+1)；

故其距离应为

令S＝L_ref,遍历所有参考轨迹上的点，可得后一点的坐标a_n+1(x_n+1,y_n+1)。参考轨迹是以离散的点分布于坐标系上，所以遍历的参考轨迹上的点可能没有符合要求的点；

因此定义符合ΔL≤|L_ref-L|时，即可用实际距离L代替L_ref，其中ΔL是参考距离L_ref和实际距离L的误差量。ΔL作为误差控制量可自己定义。其中S为两点之间的距离。

进一步地，所述步骤S3031包括：获取当前车速；根据第一预设模糊控制模型、所述参考轨迹信息中的弯道曲率及所述当前车速确定待选取点的参考距离；根据所述参考距离和所述第一目标点从所述参考轨迹信息对应的参考轨迹中确定第二目标点。

需说明的是，当前车速可以是目标车辆通过IMU惯性传感器实时获取车辆当前车速。

可理解的是，弯道曲率可以根据参考轨迹信息中弯道半径对应的曲率，日常驾驶过程中会遇到有弧度的路，因此车辆会需要进行角度及横向控制。

应理解的是，待参考距离可以是指第一目标点和下一待选取参考点之间的距离。

具体实现中，为了进一步说明可以参考图6参考距离确定流程图，参考轨迹上下一个点的选择。可以通过预先建立的模糊规则库，以车速V和弯道曲率U为输入量，以轨迹上两个参考点之间的参考距离L_ref为输出量，变化的选取参考点之间的距离。并根据参考距离和第一目标点确定参考轨迹信息对应的参考轨迹中确定第二目标点。

步骤S3032：根据所述第一目标点和所述第二目标点构建目标线段，根据所述目标线段和所述第一目标切线确定角度误差量。

具体实现中，为了进一步说明可以参考图5的轨迹示意图，找到参考轨迹上的第二目标点a₂，连接a₁,a₂构建目标线段b₁，目标线段b₁与第一目标切线c₁成一个夹角d₁，以角度d₁作为角度误差量。

步骤S3033：基于所述第二目标点和所述第一目标切线的垂直距离确定横向误差量。

具体实现中，定义横向误差e_n为车辆当前姿态和下一个点a_n+1在横向上的误差，考虑到前一个点a_n与后一个点a_n+1之间的距离不会太长，故以后一个点到前一个点切线的距离作为横向误差量e_n，为了进一步说明可以参考图7的轨迹示意图；此处第二目标点a₂到一目标切线c₁的垂直距离为横向误差量e₁。

步骤S3034：根据所述角度误差量和所述横向误差量确定目标误差量

需说明的是，将角度误差量和横向误差量作为目标误差量。

具体实现中，根据上图可知车辆的姿态，其横向误差的计算公式为：

由a_n(x_n,y_n),a_n+1(x_n+1,y_n+1)两个已知点可得直线方程

根据已知点a_n(x_n,y_n)和切线方程发f(x)与直线方程

相交，可求得切线方程f(x)。

根据上述已知条件可求得角度误差d_n和横向误差e_n。其中a_n(x_n,y_n)当前车辆在轨迹上的点；,a_n+1(x_n+1,y_n+1)下一个轨迹上的目标点；x_n、y_n为当前车辆在轨迹上的横坐标和纵坐标的值；x_n+1、y_n+1为下一个轨迹上的目标点的横坐标和纵坐标的值；x、y分别为自变量和因变量。

本实施例通过获取目标车辆的当前姿态信息和待行驶目的地信息，根据所述待行驶目的地信息和预设轨迹规划模型确定参考轨迹信息，从所述当前姿态信息中提取所述目标车辆的后桥中心点及车头方向，将所述后桥中心点作为第一目标点；根据所述第一目标点和所述车头方向确定第一目标切线；根据所述第一目标点、所述第一目标切线、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量。根据所述目标误差量控制目标车辆的行驶轨迹，由于本实施例通过当前姿态信息、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量，根据目标误差量控制目标车辆的行驶轨迹，本实施例相对于现有技术中控制算法计算量大，导致轨迹跟踪能力差，本实施例实现了有效降低对控制器的计算力要求，提升轨迹跟踪能力。

参照图8，图8为本发明自动驾驶车辆的横向控制方法第三实施例的流程示意图，基于上述图4所示的第二实施例，提出本发明自动驾驶车辆的横向控制方法的第三实施例。

在本实施例中，所述步骤S40，还包括：

步骤S401：根据所述角度误差量、所述横向误差量及第二预设模糊控制模型确定待调整参数。

需说明的是，待调整参数可以是指对车辆运行轨迹逼近参考轨迹时对应需要调整的角度误差及横向误差。

可理解的是，第二预设模糊控制模型可以是用于实时整定PID参数的模型

具体实现中，以角度误差d_n和横向误差e_n作为控制量输入执行模糊自适应整定PID，以车辆前轮转角为控制量输入，使得车辆运行轨迹逼近参考轨迹。

步骤S402：根据所述待调整参数和参考轨迹信息控制目标车辆的行驶轨迹。

具体实现中，为了进一步说明，可以参考图9模糊控制流程图。通过重复执行此控制流程，依次达到车辆拟合轨迹的目的。模糊控制规则可以是指PID参数模糊自整定是找出PID三个参数与e和e_c之间的模糊关系，在运行中通过不断检测e和e_c，根据模糊控制原理来对三个参数进行在线修改，以满足不同e和e_c时对控制参数的不同要求，而使被控对象有良好的动、静态性能。

基于PI算法的整定原则：

K_P整定：当在行驶过程中，误差e增大，ΔK_P取正，即增大K_P；当超调时误差e为负时，ΔK_P取负，即降低K_P；当误差在零附近时e为Z，分三种情况：e_c为N时，超调越来越大，此时ΔK_P取负；e_c为Z时，为降低误差，ΔK_P取正；e_c为P时，正向误差越来越大，ΔK_P取正。其中{N、P、Z}分别代表负，零，正。

K_i整定：采用积分分离策略，即误差在零附近时，ΔK_i取正，否则ΔK_i取零。

将系统误差e和误差变化率e_c变化范围定义为模糊集上的论域。

其模糊子集为e，e_c＝{N、0、P},子集中元素分别代表负、零、正。设e、e_c和K_P、K_i均服从正态分布，因此可得出各模糊子集的隶属度，根据各模糊子集的隶属度赋值表和个参数模糊控制模型，应用模糊合成推理设计PI参数的模糊矩阵。修正参数代入下式:

K_p＝K_p0+ΔK_p，K_i＝K_i0+ΔK_i

进一步地，所述步骤S401，包括：根据所述角度误差量和第二预设模糊控制模型确定待修正角度误差参数；根据所述横向误差量和所述第二预设模糊控制模型确定待修正横向误差参数；根据所述待修正角度误差参数和所述待修正横向误差参数确定车辆前轮转角对应的待调整参数。

需说明的是，以此往复，可以不断逼近参考轨迹。当参考轨迹为直线时，线段与前一点的切线的角度为0，不发生转向。适当选取参考轨迹上的点作切线，可以达到车辆转弯平顺和车辆轨迹跟随的目的。应用此控制方法可以在轨迹跟踪过程中不断的调整车辆前轮转向，能够使车辆更加贴合参考轨迹。

具体实现中,为了进一步说明可以参考图10前轮转角控制框图，将常规PID控制取为PI算法，把PI控制器的输出转化为误差和误差变化率之和，然后利用模糊控制方法设计随误差变化的增益，使得自动驾驶车辆跟踪到期望的运动轨迹。

PI控制

其中δ为车辆前轮转角；K1、K2为比例系数；K_P1、K_P2分别为横向误差比例系数和角度误差比例系数；e(n)、d(n)分别为横向误差和角度误差；K_i1、K_i2分别为横向误差积分系数和角度误差积分系数；n、T分别为采样序号和采样时间。

本实施例通过获取目标车辆的当前姿态信息和待行驶目的地信息；根据所述待行驶目的地信息和预设轨迹规划模型确定参考轨迹信息；根据所述当前姿态信息、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量，根据所述角度误差量、所述横向误差量及第二预设模糊控制模型确定待调整参数；根据所述待调整参数和参考轨迹信息控制目标车辆的行驶轨迹。由于本实施例通过当前姿态信息、所述参考轨迹信息、第一预设模糊控制模型、第二预设模糊控制模型确定目标误差量，根据目标误差量控制目标车辆的行驶轨迹，本实施例相对于现有技术中控制算法计算量大，导致轨迹跟踪能力差，本实施例实现了有效降低对控制器的计算力要求，提升轨迹跟踪能力。

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车辆的横向控制程序，所述自动驾驶车辆的横向控制程序被处理器执行时实现如上文所述的自动驾驶车辆的横向控制方法的步骤。

参照图11，图11为本发明自动驾驶车辆的横向控制装置第一实施例的结构框图。

如图11所示，本发明实施例提出的自动驾驶车辆的横向控制装置包括：

信息获取模块10，用于获取目标车辆的当前姿态信息和待行驶目的地信息；

信息确定模块20，用于根据所述待行驶目的地信息和预设轨迹规划模型确定参考轨迹信息；

误差确定模块30，用于根据所述当前姿态信息、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量；

轨迹控制模块40，用于根据所述目标误差量控制目标车辆的行驶轨迹。

本实施例通过获取目标车辆的当前姿态信息和待行驶目的地信息；根据所述待行驶目的地信息和预设轨迹规划模型确定参考轨迹信息；根据所述当前姿态信息、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量；根据所述目标误差量控制目标车辆的行驶轨迹。由于本实施例通过当前姿态信息、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量，根据目标误差量控制目标车辆的行驶轨迹，本实施例相对于现有技术中控制算法计算量大，导致轨迹跟踪能力差，本实施例实现了有效降低对控制器的计算力要求，提升轨迹跟踪能力。

进一步地，所述误差确定模块30还用于从所述当前姿态信息中提取所述目标车辆的后桥中心点及车头方向，将所述后桥中心点作为第一目标点；根据所述第一目标点和所述车头方向确定第一目标切线；根据所述第一目标点、所述第一目标切线、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量。

进一步地，所述误差确定模块30还用于根据所述第一目标点和第一预设模糊控制模型从所述参考轨迹信息中确定第二目标点；根据所述第一目标点和所述第二目标点构建目标线段，根据所述目标线段和所述第一目标切线确定角度误差量；基于所述第二目标点和所述第一目标切线的垂直距离确定横向误差量；根据所述角度误差量和所述横向误差量确定目标误差量。

进一步地，所述误差确定模块30还用于获取当前车速；根据第一预设模糊控制模型、所述参考轨迹信息中的弯道曲率及所述当前车速确定待选取点的参考距离；根据所述参考距离和所述第一目标点从所述参考轨迹信息对应的参考轨迹中确定第二目标点。

进一步地，所述轨迹控制模块40还用于根据所述角度误差量、所述横向误差量及第二预设模糊控制模型确定待调整参数；根据所述待调整参数和参考轨迹信息控制目标车辆的行驶轨迹。

进一步地，所述轨迹控制模块40还用于根据所述角度误差量和第二预设模糊控制模型确定待修正角度误差参数；根据所述横向误差量和所述第二预设模糊控制模型确定待修正横向误差参数；根据所述待修正角度误差参数和所述待修正横向误差参数确定车辆前轮转角对应的待调整参数。

进一步地，信息确定模块20还用于获取当前车身周围的环境信息；根据所述预设路径规划模型、所述待行驶目的地信息及所述环境信息确定参考轨迹信息。

应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。

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自动驾驶车辆的横向控制方法，此处不再赘述。

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。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序，可将这些词语解释为名称。

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(如只读存储器镜像(Read Only Memory image，ROM)/随机存取存储器(Random AccessMemory，RAM)、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，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)

1.一种自动驾驶车辆的横向控制方法，其特征在于，所述自动驾驶车辆的横向控制方法包括以下步骤：

获取目标车辆的当前姿态信息和待行驶目的地信息；

根据所述待行驶目的地信息和预设轨迹规划模型确定参考轨迹信息；

根据所述当前姿态信息、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量；

根据所述目标误差量控制目标车辆的行驶轨迹。

2.如权利要求1所述的自动驾驶车辆的横向控制方法，其特征在于，所述根据所述当前姿态信息、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量的步骤，包括：

从所述当前姿态信息中提取所述目标车辆的后桥中心点及车头方向，将所述后桥中心点作为第一目标点；

根据所述第一目标点和所述车头方向确定第一目标切线；

根据所述第一目标点、所述第一目标切线、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量。

3.如权利要求2所述的自动驾驶车辆的横向控制方法，其特征在于，所述根据所述第一目标点、所述第一目标切线、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量的步骤，包括：

根据所述第一目标点和第一预设模糊控制模型从所述参考轨迹信息中确定第二目标点；

根据所述第一目标点和所述第二目标点构建目标线段，根据所述目标线段和所述第一目标切线确定角度误差量；

基于所述第二目标点和所述第一目标切线的垂直距离确定横向误差量；

根据所述角度误差量和所述横向误差量确定目标误差量。

4.如权利要求3所述的自动驾驶车辆的横向控制方法，其特征在于，所述根据所述第一目标点和第一预设模糊控制模型从所述参考轨迹信息中确定第二目标点的步骤，包括：

获取当前车速；

根据第一预设模糊控制模型、所述参考轨迹信息中的弯道曲率及所述当前车速确定待选取点的参考距离；

根据所述参考距离和所述第一目标点从所述参考轨迹信息对应的参考轨迹中确定第二目标点。

5.如权利要求3所述的自动驾驶车辆的横向控制方法，其特征在于，所述根据所述目标误差量控制目标车辆的行驶轨迹的步骤，包括：

根据所述角度误差量、所述横向误差量及第二预设模糊控制模型确定待调整参数；

根据所述待调整参数和参考轨迹信息控制目标车辆的行驶轨迹。

6.如权利要求5所述的自动驾驶车辆的横向控制方法，其特征在于，所述根据所述角度误差量、所述横向误差量及第二预设模糊控制模型确定待调整参数的步骤，包括：

根据所述角度误差量和第二预设模糊控制模型确定待修正角度误差参数；

根据所述横向误差量和所述第二预设模糊控制模型确定待修正横向误差参数；

根据所述待修正角度误差参数和所述待修正横向误差参数确定车辆前轮转角对应的待调整参数。

7.如权利要求1至6中任一项所述的自动驾驶车辆的横向控制方法，其特征在于，所述根据所述待行驶目的地信息和预设轨迹规划模型确定参考轨迹信息的步骤，包括：

获取当前车身周围的环境信息；

根据所述预设路径规划模型、所述待行驶目的地信息及所述环境信息确定参考轨迹信息。

8.一种自动驾驶车辆的横向控制设备，其特征在于，所述自动驾驶车辆的横向控制设备包括：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车辆的横向控制程序，所述自动驾驶车辆的横向控制程序被所述处理器执行时实现如权利要求1至7中任一项所述的自动驾驶车辆的横向控制方法。

9.一种存储介质，其特征在于，所述存储介质上存储有自动驾驶车辆的横向控制程序，所述自动驾驶车辆的横向控制程序被处理器执行时实现如权利要求1至7中任一项所述的自动驾驶车辆的横向控制方法。

10.一种自动驾驶车辆的横向控制装置，其特征在于，所述自动驾驶车辆的横向控制装置包括：

信息获取模块，用于获取目标车辆的当前姿态信息和待行驶目的地信息；

信息确定模块，用于根据所述待行驶目的地信息和预设轨迹规划模型确定参考轨迹信息；

误差确定模块，用于根据所述当前姿态信息、所述参考轨迹信息及第一预设模糊控制模型确定目标误差量；

轨迹控制模块，用于根据所述目标误差量控制目标车辆的行驶轨迹。

Images