CN113771830B - 一种车辆控制方法和装置 - Google Patents
一种车辆控制方法和装置 Download PDFInfo
- Publication number
- CN113771830B CN113771830B CN202011510499.2A CN202011510499A CN113771830B CN 113771830 B CN113771830 B CN 113771830B CN 202011510499 A CN202011510499 A CN 202011510499A CN 113771830 B CN113771830 B CN 113771830B
- Authority
- CN
- China
- Prior art keywords
- weight
- control parameter
- control
- target
- instruction
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000001133 acceleration Effects 0.000 claims description 64
- 238000004590 computer program Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 description 64
- 230000008569 process Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011478 gradient descent method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000036461 convulsion Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241000284466 Antarctothoa delta Species 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
-
- 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
- B60W40/02—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 related to ambient conditions
- B60W40/06—Road conditions
- B60W40/068—Road friction coefficient
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/40—Coefficient of friction
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)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开了一种车辆控制方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：确定车辆的行驶场景；根据所述行驶场景，确定控制参数的目标值；根据所述控制参数的目标值，确定目标函数；根据预测模型和所述目标函数，确定控制指令；根据所述控制指令，控制所述车辆行驶。该实施方式能够使车辆更加平稳地运行，防止车辆失控。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种车辆控制方法和装置。
背景技术
自动驾驶车辆可以行驶在结构化道路、非结构化道路等不同场景中，为了保证车辆在不同的场景中平稳运行，需要根据不同的场景分别对车辆进行控制。
在现有方法中，不同的控制器对应不同的控制方法，当车辆的行驶场景发生变化时，需要切换相应的控制器对车辆进行控制。
但是，不同控制器间的切换容易造成车辆抖动甚至失控。
发明内容
有鉴于此，本发明实施例提供一种车辆控制方法和装置，能够使车辆更加平稳地运行，防止车辆失控。
第一方面，本发明实施例提供了一种车辆控制方法，包括：
确定车辆的行驶场景；
根据所述行驶场景，确定控制参数的目标值；
根据所述控制参数的目标值，确定目标函数；
根据预测模型和所述目标函数，确定控制指令；
根据所述控制指令，控制所述车辆行驶。
可选地，
进一步包括：
确定所述控制参数的当前值；
所述根据所述行驶场景，确定控制参数的目标值，包括：
根据所述行驶场景和所述控制参数的当前值，确定所述控制参数的目标值。
可选地，
所述行驶场景包括：摩擦系数大于指定值的结构化道路；
所述根据所述行驶场景和所述控制参数的当前值，确定所述控制参数的目标值，包括：
确定性能指标函数；
计算所述性能指标函数的负梯度，得到所述控制参数的增益；
根据所述控制参数的增益和所述控制参数的当前值，计算所述控制参数的目标值；
其中，所述控制参数包括：横向误差权重、纵向误差权重、速度误差权重和航向角误差权重中任意一种或多种。
可选地，
所述行驶场景包括：摩擦系数大于指定值的结构化道路；
所述根据所述行驶场景值，确定控制参数的目标值，包括：
确定速度区间与插值参数的对应关系；
根据所述对应关系，确定插值函数；
根据所述插值函数，计算所述控制参数的目标值；
其中，所述控制参数包括：加速度权重、前轮转角权重、加速度增量权重、前轮转角增量权重中任意一种或多种。
可选地，
所述行驶场景包括：非结构化道路；
所述控制参数的目标值大于其当前值，所述控制参数包括：横向误差权重、航向角误差权重、加速度权重和前轮转角增量权重中任意一种或多种。
可选地，
所述行驶场景包括：非结构化道路；
所述控制参数的目标值等于其当前值，所述控制参数包括：纵向误差权重和速度误差权重中任意一种或多种。
可选地，
所述行驶场景包括：非结构化道路；
所述控制参数的目标值小于其当前值，所述控制参数包括：前轮转角权重和前轮转角增量权重中任意一种或多种。
可选地，
所述行驶场景包括：摩擦系数小于或等于指定值的结构化道路；
所述控制参数的目标值大于其当前值，所述控制参数包括：最后一个预测时域和控制时域的横向误差权重、纵向误差权重、速度误差权重、航向角误差权重、加速度权重、前轮转角权重、加速度增量权重、前轮转角增量权重，以及其他预测时域和控制时域的加速度权重、前轮转角权重、加速度增量权重、前轮转角增量权重中任意一种或多种。
可选地，
所述行驶场景包括：紧急避险；
所述控制参数的目标值大于其当前值，所述控制参数包括：横向误差权重、纵向误差权重、速度误差权重和航向角误差权重中任意一种或多种。
和/或，
所述行驶场景包括：紧急避险；
所述控制参数的目标值小于其当前值，所述控制参数包括：加速度指令权重、前轮转角指令权重、加速度指令增量权重、前轮转角指令增量权重中任意一种或多种。
可选地，
进一步包括：
确定当前约束条件；
根据所述行驶场景和所述当前约束条件，确定目标约束条件；
所述根据预测模型和所述目标函数，确定控制指令，包括：
根据所述预测模型、所述目标函数和所述目标约束条件，确定所述控制指令。
可选地，
所述行驶场景包括：摩擦系数大于指定值的结构化道路；
所述目标约束条件与所述当前约束条件相同。
可选地，
所述行驶场景包括：非结构化道路；
所述当前约束条件包括：当前速度区间；
所述目标约束条件包括：目标速度区间；其中，所述目标速度区间的起点值小于0，且小于所述当前速度区间的起点值。
可选地，
所述行驶场景包括：摩擦系数小于或等于指定值的结构化道路；
所述当前约束条件包括：当前速度区间、指令信号的当前约束区间；
所述目标约束条件包括：目标速度区间、所述指令信号的目标约束区间；
其中，所述目标约束区间的左端点大于所述当前约束区间的左端点，所述目标约束区间的右端点小于所述当前约束区间的右端点；所述目标速度区间的左端点大于所述当前速度区间的左端点，所述目标速度区间的右端点小于所述当前速度区间的右端点；
所述指令信号，包括：前轮转角指令、加速度指令、前轮转角指令增量和加速度指令增量中任意一种或多种。
可选地，
所述行驶场景包括：紧急避险；
所述当前约束条件包括：指令信号的当前约束区间；
所述目标约束条件包括：所述指令信号的目标约束区间；
其中，所述目标约束区间的左端点小于所述当前约束区间的左端点，所述目标约束区间的右端点大于所述当前约束区间的右端点；
所述指令信号，包括：前轮转角指令、加速度指令、前轮转角指令增量和加速度指令增量中任意一种或多种。
第二方面，本发明实施例提供了一种车辆控制装置，包括：
行驶场景确定模块，配置为确定车辆的行驶场景；
目标函数确定模块，配置为根据所述行驶场景，确定控制参数的目标值；根据所述控制参数的目标值，确定目标函数；
控制模块，配置为根据预测模型和所述目标函数，确定控制指令；根据所述控制指令，控制所述车辆行驶。
第三方面，本发明实施例提供了一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一实施例所述的方法。
第四方面，本发明实施例提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一实施例所述的方法。
上述发明中的一个实施例具有如下优点或有益效果：本发明实施例采用模型预测控制技术，根据不同的行驶场景确定对应的控制参数，从而得到不同的目标函数，并根据目标函数确定对应的控制指令，实现不同行驶场景下的车辆控制。本发明实施例通过不同行驶场景对应的控制参数，对车辆进行更加精确地控制，实现车辆在不同行驶场景下的平稳运行。另外，本发明实施例无需针对不同的行驶场景切换控制方法，避免车辆发生抖动甚至失控。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是本发明的一个实施例提供的一种车辆控制方法的流程图；
图2是本发明的一个实施例提供的一种摩擦系数大于指定值的结构化道路场景下的车辆控制方法的流程图；
图3是本发明的一个实施例提供的一种非结构化道路场景下的车辆控制方法的流程图；
图4是本发明的一个实施例提供的一种摩擦系数小于或等于指定值的结构化道路场景下的车辆控制方法的流程图；
图5是本发明的一个实施例提供的一种紧急避险场景下的车辆控制方法的流程图；
图6是本发明的一个实施例提供的一种紧急避险场景下的车辆行驶示意图；
图7是本发明的另一个实施例提供的一种车辆控制方法的流程图；
图8是本发明的一个实施例提供的一种车辆控制装置的示意图；
图9是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
自动驾驶车辆(如自动驾驶汽车、无人配送车等)的行驶场景较为多样，包括：摩擦系数大于指定值的结构化道路场景(即结构化道路普通路面场景)、摩擦系数小于或等于指定值的结构化道路场景(雪面、冰面等结构化道路场景)、非结构化道路场景、紧急避险场景(如，急停)。
现有方法利用不同的控制器实现不同的控制方法，当车辆在不同的行驶场景运行时，需要切换控制器对车辆进行控制。但是，切换控制器容易造成车辆抖动甚至失控。
鉴于此，如图1所示，本发明实施例提供了一种车辆控制方法，包括：
步骤101：确定车辆的行驶场景。
本发明实施例的目的在于根据车辆的行驶场景自适应调整控制参数的值，经过本次调整得到控制参数的目标值。
在实际应用场景中，可以根据规划装置发送的枚举类型，确定车辆的行驶场景。
步骤102：根据行驶场景，确定控制参数的目标值。
步骤103：根据控制参数的目标值，确定目标函数。
不同的行驶场景可以采用相同的目标函数，也可以采用不同的目标函数，不同的目标函数可以包含不同的控制参数。
步骤104：根据预测模型和目标函数，确定控制指令。
本发明实施例根据目标函数确定预测模型的参数，进而得到控制指令。
步骤105：根据控制指令，控制车辆行驶。
控制指令可以包括加速度指令、前轮转角指令等。
本发明实施例采用模型预测控制技术，通过不同行驶场景对应的控制参数，对车辆进行更加精确地控制，实现车辆在不同行驶场景下的平稳运行。另外，本发明实施例无需针对不同的行驶场景切换控制方法，避免车辆发生抖动甚至失控。
在本发明的一个实施例中，该方法还包括：确定控制参数的当前值；
根据行驶场景，确定控制参数的目标值，包括：
根据行驶场景和控制参数的当前值，确定控制参数的目标值。
控制参数的当前值，指的是本次控制之前控制参数的值。本发明实施例可以基于控制参数的当前值确定控制参数的目标值，也可以根据车辆的当前运行参数确定控制参数的目标值。
以下将以无人配送车为例，对不同场景下的车辆控制方法进行详细地说明。
第一、行驶场景为摩擦系数大于指定值的结构化道路。
如图2，本发明实施例提供了该行驶场景下的车辆控制方法，该方法包括：
步骤201：确定车辆的行驶场景。
该行驶场景为摩擦系数大于指定值的结构化道路。该场景是无人配送车最常规的行驶场景，在该场景下，车辆速度、绕行幅度等均会影响车辆闭环控制系统的稳定性和精准性。因此，为了实现车辆在不同速度和不同绕行幅度下的自适应控制功能，本发明根据车辆速度、横向误差、纵向误差、速度误差、航向角误差等指标进行控制参数的自适应调整。
步骤202：确定wl、ws、wv、wθ的当前值。
该行驶场景采用的目标函数如式(1)所示：
其中，wl、ws、wv、wθ、wa、wδ、wΔa、wΔδ分别用于表征横向误差权重、纵向误差权重、速度误差权重、航向角误差权重、加速度指令权重、前轮转角指令权重、加速度指令增量权重和前轮转角指令增量权重；elat、elon、ev、eθ分别用于表征横向误差、纵向误差、速度误差和航向角误差；a、δ、Δa、Δδ分别用于表征加速度指令、前轮转角指令、加速度指令增量和前轮转角指令增量；Np、Nc分别用于表征预测时域和控制时域，J用于表征目标函数的值。
在本发明实施例中，控制参数包括：wl、ws、wv、wθ、wa、wδ、wΔa、wΔδ。
步骤203：根据行驶场景和wl、ws、wv、wθ的当前值，通过梯度下降法计算wl、ws、wv、wθ的目标值。
具体过程如下：
A1：确定性能指标函数。
以下以调整wl为例进行阐述。
性能指标函数为式(2)：
A2：计算性能指标函数的负梯度，得到控制参数的增益。
为将Jlat取极小值，运用梯度下降法进行优化，首先求取负梯度如式(3)：
其中：
γ用于表征调整率，ym(k)用于表征第k次控制时预测模型的输出，km用于表征预测模型的增益。
在实际应场景中，为了使预测模型的增益与输入信号无关，对进行归一化。另外，为了保证控制参数的调整幅度不大于临界值，还可以进一步通过sat(x，β)限制控制参数的增益。
基于此，横向误差权重的增益如下：
其中，α>0，β＞0，且
α的作用是防止分子为0。
A3：根据控制参数的增益和控制参数的当前值，计算控制参数的目标值。
综上，wl的目标值计算公式如(7)：
其中，T用于表征控制周期，比如，如果20ms/周期，则T＝0.02s。wl(k-1)用于表征横向误差权重的当前值(即第k-1次控制时控制参数的值)，wl(k)用于表征横向误差权重的目标值(即第k次控制时控制参数的值)。
对于控制参数ws、wv、wθ的确定过程同wl，此处不再赘述。
ws、wv、wθ的目标值计算公式如(8)-(10)：
其中，ws(k-1)用于表征纵向误差权重的当前值，wl(k)用于表征纵向误差权重的目标值，用于表征纵向误差权重的增益，wv(k-1)用于表征速度误差权重的当前值，wv(k)用于表征速度误差权重的目标值，/>用于表征速度误差权重的增益，wθ(k-1)用于表征航向角误差权重的当前值，wθ(k)用于表征航向角误差权重的目标值，/>用于表征航向角误差权重的增益。
步骤204：根据行驶场景，通过线性插值法计算wa、wδ、wΔa、wΔδ的目标值。
具体包括如下步骤：
B1：确定速度区间与插值参数的对应关系。
以下以调整wa为例进行阐述。
速度区间与插值参数的对应关系如式(11)，在实际应用场景中，速度区间的个数个端点值可以根据实际情况进行调整，例如，增加区间(v4，v5)。
a、b、c、d为插值参数，v0、v1、v2、v3、v4为速度区间的端点，wa用于表征加速度指令权重的当前值。
B2：根据对应关系，确定插值函数。
如果当前车辆速度位于(v1，v2)，则插值函数为式(12)。
其中，v用于表征当前车辆速度。
B3：根据插值函数，计算控制参数的目标值。
将当前车辆速度带入插值函数，得到加速度指令权重的目标值。wδ、wΔa、wΔδ与wa类似，仅需将wa替换即可，本发明实施例不再赘述。
在没有人行道或者为了提高配送速度的情况下，无人配送车会穿梭于人行道和车行道之间，此时其速度变化区间比较大，相应地，其控制参数的变化区间较大。而梯度下降法只适用于小范围内调参，所以针对该情况，本发明采用线性插值法对wa、wδ、wΔa、wΔδ进行调整。
步骤205：根据控制参数的目标值，确定目标函数。
通过上述步骤已经确定式(1)中wl、ws、wv、wθ、wa、wδ、wΔa、wΔδ的值，得到目标函数。
步骤206：确定当前约束条件。
考虑到车辆性能、路况等一些实际情况的限制，在对车辆控制过程中，通常需要确定约束条件，以对车辆速度、加速度等参数进行约束。当前约束条件可以包括对速度的约束、对加速度的约束以及对前轮转角的约束等。
步骤207：根据行驶场景和当前约束条件，确定目标约束条件。
本发明实施例不调整约束条件，因此，目标约束条件与当前约束条件相同。
步骤208：根据预测模型、目标函数和目标约束条件，确定控制指令。
步骤209：根据控制指令，控制车辆行驶。
本发明实施例确定的控制参数构成参数序列E。在该行驶场景中，在每一个控制周期内，均通过本发明实施例提供的方法调整参数序列E，以提高车辆控制精度。
在实际应用场景中，可以仅对部分控制参数进行调整，其他行驶场景也是如此。另外，在该场景下，还可以采用同一种方法对控制参数进行调整，如，仅适用线性插值法，并不限于本发明实施例提供的方法。
第二、行驶场景为非结构化道路。
如图3，本发明实施例提供了该行驶场景下的车辆控制方法，该方法包括：
步骤301：确定车辆的行驶场景。
该行驶场景为非结构化道路。当无人配送车进行泊车，或者在配送停靠点进行姿态调整时，处于非结构化道路场景。在该场景中，无人配送车的行驶速度较低、前轮转角较大，且可能会存在倒车行为。
步骤302：确定wl、ws、wv、wθ、wa、wδ、wΔa、wΔδ的当前值。
该场景采用的目标函数与摩擦系数大于指定值的结构化道路场景下的目标函数相同，均为式(1)。
步骤303：确定wl、wθ、wa、wΔa的目标值大于其当前值，wδ、wΔ的目标值小于其当前值，ws、wv的目标值等于其当前值。
相较于结构化道路场景下的控制参数，该场景下的控制参数对转角的约束较小，但对横向精度和航向角精度要求较高，以满足车辆在泊车或倒车时对车辆姿态和位置的高精度要求。
针对以上要求，具体地，wl、wθ的目标值是其当前值的两倍。同时，为了提升车辆横向控制效果，对车辆速度和加速度进行了抑制，使车辆加、减速放缓，wa、wΔa的目标值是其当前值的两倍，wΔδ＝0.0，wδ＝0.01。
wδ之所以为非零值，是为了保证闭环控制系统的稳定性。
步骤304：根据wl、ws、wv、wθ、wa、wδ、wΔa、wΔδ的目标值，确定目标函数。
步骤305：确定当前约束条件。
确定当前速度区间。由于该场景下车辆可能存在倒车行为，或者车速较低等情况，本发明实施例对速度的约束条件进行了调整，使得车辆的速度可以为负值。
步骤306：根据行驶场景和当前约束条件，确定目标约束条件。
目标约束条件包括：目标速度区间；其中，目标速度区间的起点值小于0，且小于当前速度区间的起点值。
步骤307：根据预测模型、目标函数和目标约束条件，确定控制指令。
步骤308：根据控制指令，控制车辆行驶。
本发明实施例确定的控制参数构成参数序列F。在该行驶场景中，在后续控制周期内，固定采用本发明实施例获得的参数序列F，以提高车辆行驶的安全性。
第三、行驶场景为摩擦系数小于或等于指定值的结构化道路。
如图4，本发明实施例提供了该行驶场景下的车辆控制方法，该方法包括：
步骤401：确定车辆的行驶场景。
该行驶场景为摩擦系数小于或等于指定值的结构化道路。当无人配送车行驶在带有冰、雪等道路摩擦系数较低的路面时，如果控制参数不做调整的话，可能会导致车辆在加速、减速、拐弯、绕行等场景下的控制效果变差。鉴于此，本发明实施例对控制参数进行适应性调整。
步骤402：确定wl、ws、wv、wθ、wa、wδ、wΔa、wΔδ、w′l、w′s、w′v、w′θ、w′a、w′δ、w′Δa、w′δ的当前值。
该行驶场景采用的目标函数如式(13)所示：
其中，w′i、w′s、w′v、w′θ、w′a、w′δ、w′Δa、w′δ用于表征最后一个预测时域和控制时域的横向误差权重、纵向误差权重、速度误差权重、航向角误差权重、加速度权重、前轮转角权重、加速度增量权重、前轮转角增量权重。
本发明实施例将最后一个预测时域和控制时域的控制参数独立出来，其目的在于增加最后一个预测时域和控制时域的权重，减小其他预测时域和控制时域的权重，以提高控制终点状态的准确性。
具体地，将w′l、w′s、w′v、w′θ、w′a、w′δ、w′Δa、w′δ的目标值是其当前值的3倍。考虑到在粘附系数较低的道路行驶时，轮胎侧偏力较小，车辆在拐弯时易打滑，因此，车辆前轮转角不可过大，加、减速度不可过急。鉴于此，wa、wδ、wΔa、wΔδ的目标值大于其当前值，以便于加速度指令、前轮转角指令、加速度指令增量和前轮转角指令增量较小。
步骤403：确定wa、wδ、wΔa、wΔδ、w′l、w′s、w′v、w′θ、w′a、w′δ、w′Δa、w′δ的目标值大于其当前值，wl、ws、wv、wθ的目标值等于其当前值。
步骤404：根据wl、ws、wv、wθ、wa、wδ、wΔa、wΔδ、w′l、w′s、w′v、w′θ、w′a、w′δ、w′Δa、w′δ的目标值，确定目标函数。
步骤405：确定当前约束条件。
当前约束条件包括：当前速度区间、指令信号的当前约束区间。
步骤406：根据行驶场景和当前约束条件，确定目标约束条件。
目标约束条件包括：目标速度区间、指令信号的目标约束区间。
其中，目标约束区间的左端点大于当前约束区间的左端点，目标约束区间的右端点小于当前约束区间的右端点；目标速度区间的左端点大于当前速度区间的左端点，目标速度区间的右端点小于当前速度区间的右端点。
指令信号，包括：前轮转角指令、加速度指令、前轮转角指令增量和加速度指令增量中任意一种或多种。
本发明实施例通过目标约束条件，从根本上保证了车辆不会发生侧翻、溜车等现象。
步骤407：根据预测模型、目标函数和目标约束条件，确定控制指令。
步骤408：根据控制指令，控制车辆行驶。
本发明实施例确定的控制参数构成参数序列G。在该行驶场景中，在后续控制周期内，固定采用本发明实施例获得的参数序列G，以提高车辆行驶的安全性。
在实际应用场景中，当感知装置检测到路面带有冰或雪时，规划装置会将车辆加速度和减速度减小，同时将最高车速减小。规划装置之所以进行控制参数自适应调整，是因为仅车辆控制装置进行参数调整，会导致车辆控制装置无法精确跟随参考轨迹，从而使得控制系统不稳定，造成频繁重规划、车辆突然速度或减速等情况的发生。
需要说明的是，本发明实施例也可以采用其他形式的目标函数，如式(1)，此处不再赘述。
第四、行驶场景为紧急避险。
如图5，本发明实施例提供了该行驶场景下的车辆控制方法，该方法包括：
步骤501：确定车辆的行驶场景。
该行驶场景为紧急避险。
在车辆行驶过程中，由于感知装置的误检或漏检，或者障碍物的突然出现，经常会触发车辆开启紧急避险机制。此时，规划装置会规划出一条合理且安全的紧急避险轨迹，车辆沿着该轨迹行驶，可保证车辆迅速的转向并避开障碍物，同时车辆也不会紧急停车，以防造成被后车或其他运动物体追尾，如图6所示。
为了增强车辆对紧急避险轨迹的精确跟随，车辆控制装置需加大对横向、纵向、速度、航向角的跟随，同时放宽对前轮转角指令和加速度指令的约束。
步骤502：确定wl、ws、wv、wθ、wa、wδ、wΔa、wΔδ的当前值。
该场景采用的目标函数与摩擦系数大于指定值的结构化道路场景下的目标函数相同，均为式(1)。
步骤503：确定wl、ws、wv、wθ的目标值大于其当前值，wa、wδ、wΔa、wΔδ的目标值等于其当前值。
步骤504：根据wl、ws、wv、wθ、wa、wδ、wΔa、wΔδ的目标值，确定目标函数。
步骤505：确定当前约束条件。
当前约束条件包括：指令信号的当前约束区间。
步骤506：根据行驶场景和当前约束条件，确定目标约束条件。
当前约束条件包括：指令信号的当前约束区间。
目标约束条件包括：指令信号的目标约束区间。
其中，目标约束区间的左端点小于当前约束区间的左端点，目标约束区间的右端点大于当前约束区间的右端点。
指令信号，包括：前轮转角指令、加速度指令、前轮转角指令增量和加速度指令增量中任意一种或多种。
步骤507：根据预测模型、目标函数和目标约束条件，确定控制指令。
步骤508：根据控制指令，控制车辆行驶。
本发明实施例确定的控制参数构成参数序列H。在该行驶场景中，在后续控制周期内，固定采用本发明实施例获得的参数序列H，以提高车辆行驶的安全性。
在本发明的一个实施例中，可以根据行驶场景确定相应的参数序列，根据参数序列实现对车辆的控制，如图7所示。
如图8所示，本发明实施例提供了一种车辆控制装置，包括：
行驶场景确定模块801，配置为确定车辆的行驶场景；
目标函数确定模块802，配置为根据行驶场景，确定控制参数的目标值；根据控制参数的目标值，确定目标函数；
控制模块803，配置为根据预测模型和目标函数，确定控制指令；根据控制指令，控制车辆行驶。
在本发明的一个实施例中，行驶场景确定模块801，配置为确定控制参数的当前值；
目标函数确定模块802，配置为根据行驶场景和控制参数的当前值，确定控制参数的目标值。
在本发明的一个实施例中，行驶场景包括：摩擦系数大于指定值的结构化道路；
目标函数确定模块802，配置为确定性能指标函数；计算性能指标函数的负梯度，得到控制参数的增益；根据控制参数的增益和控制参数的当前值，计算控制参数的目标值；其中，控制参数包括：横向误差权重、纵向误差权重、速度误差权重和航向角误差权重中任意一种或多种。
在本发明的一个实施例中，行驶场景包括：摩擦系数大于指定值的结构化道路；
目标函数确定模块802，配置为确定速度区间与插值参数的对应关系；根据对应关系，确定插值函数；根据插值函数，计算控制参数的目标值；其中，控制参数包括：加速度权重、前轮转角权重、加速度增量权重、前轮转角增量权重中任意一种或多种。
在本发明的一个实施例中，行驶场景包括：非结构化道路；
控制参数的目标值大于其当前值，控制参数包括：横向误差权重、航向角误差权重、加速度权重和前轮转角增量权重中任意一种或多种。
在本发明的一个实施例中，行驶场景包括：非结构化道路；
控制参数的目标值等于其当前值，控制参数包括：纵向误差权重和速度误差权重中任意一种或多种。
在本发明的一个实施例中，行驶场景包括：非结构化道路；
控制参数的目标值小于其当前值，控制参数包括：前轮转角权重和前轮转角增量权重中任意一种或多种。
在本发明的一个实施例中，行驶场景包括：摩擦系数小于或等于指定值的结构化道路；控制参数的目标值大于其当前值，控制参数包括：最后一个预测时域和控制时域的横向误差权重、纵向误差权重、速度误差权重、航向角误差权重、加速度权重、前轮转角权重、加速度增量权重、前轮转角增量权重，以及其他预测时域和控制时域的加速度权重、前轮转角权重、加速度增量权重、前轮转角增量权重中任意一种或多种。
在本发明的一个实施例中，行驶场景包括：紧急避险；
控制参数的目标值大于其当前值，控制参数包括：横向误差权重、纵向误差权重、速度误差权重和航向角误差权重中任意一种或多种。
在本发明的一个实施例中，行驶场景包括：紧急避险；
控制参数的目标值小于其当前值，控制参数包括：加速度指令权重、前轮转角指令权重、加速度指令增量权重、前轮转角指令增量权重中任意一种或多种。
在本发明的一个实施例中，目标函数确定模块802，配置为确定当前约束条件；根据行驶场景和当前约束条件，确定目标约束条件；
控制模块803，配置为根据预测模型、目标函数和目标约束条件，确定控制指令。
在本发明的一个实施例中，行驶场景包括：摩擦系数大于指定值的结构化道路；
目标约束条件与当前约束条件相同。
在本发明的一个实施例中，行驶场景包括：非结构化道路；
当前约束条件包括：当前速度区间；
目标约束条件包括：目标速度区间；其中，目标速度区间的起点值小于0，且小于当前速度区间的起点值。
在本发明的一个实施例中，行驶场景包括：摩擦系数小于或等于指定值的结构化道路；当前约束条件包括：当前速度区间、指令信号的当前约束区间；目标约束条件包括：目标速度区间、指令信号的目标约束区间；
其中，目标约束区间的左端点大于当前约束区间的左端点，目标约束区间的右端点小于当前约束区间的右端点；目标速度区间的左端点大于当前速度区间的左端点，目标速度区间的右端点小于当前速度区间的右端点；
指令信号，包括：前轮转角指令、加速度指令、前轮转角指令增量和加速度指令增量中任意一种或多种。
在本发明的一个实施例中，行驶场景包括：紧急避险；
当前约束条件包括：指令信号的当前约束区间；
目标约束条件包括：指令信号的目标约束区间；
其中，目标约束区间的左端点小于当前约束区间的左端点，目标约束区间的右端点大于当前约束区间的右端点；
指令信号，包括：前轮转角指令、加速度指令、前轮转角指令增量和加速度指令增量中任意一种或多种。
本发明实施例提供了一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上述任一实施例的方法。
下面参考图9，其示出了适于用来实现本发明实施例的终端设备的计算机系统900的结构示意图。图9示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示，计算机系统900包括中央处理单元(CPU)901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中，还存储有系统900操作所需的各种程序和数据。CPU 901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
以下部件连接至I/O接口905：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(CPU)901执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括发送模块、获取模块、确定模块和第一处理模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，发送模块还可以被描述为“向所连接的服务端发送图片获取请求的模块”。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：
确定车辆的行驶场景；
根据所述行驶场景，确定所述控制参数的目标值；
根据所述控制参数的目标值，确定目标函数；
根据预测模型和所述目标函数，确定控制指令；
根据所述控制指令，控制所述车辆行驶。
根据本发明实施例的技术方案，通过不同行驶场景对应的控制参数，对车辆进行更加精确地控制，实现车辆在不同行驶场景下的平稳运行。另外，本发明实施例无需针对不同的行驶场景切换控制方法，避免车辆发生抖动甚至失控。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (12)
1.一种车辆控制方法，其特征在于，包括：
确定车辆的行驶场景、以及控制参数的当前值；所述行驶场景包括：摩擦系数大于指定值的结构化道路；
根据所述行驶场景，确定控制参数的目标值，包括：
确定性能指标函数；计算所述性能指标函数的负梯度，得到所述控制参数的增益；根据所述控制参数的增益和所述控制参数的当前值，计算所述控制参数的目标值；其中，所述控制参数包括：横向误差权重、纵向误差权重、速度误差权重和航向角误差权重中任意一种或多种；
确定速度区间与插值参数的对应关系；根据所述对应关系，确定插值函数；根据所述插值函数，计算所述控制参数的目标值；其中，所述控制参数包括：加速度指令权重、前轮转角指令权重、加速度指令增量权重、前轮转角指令增量权重中任意一种或多种；
根据所述控制参数的目标值，确定目标函数；
根据预测模型和所述目标函数，确定控制指令；
根据所述控制指令，控制所述车辆行驶。
2.如权利要求1所述的方法，其特征在于，
所述行驶场景包括：非结构化道路；
所述控制参数的目标值大于其当前值，所述控制参数包括：横向误差权重、航向角误差权重、加速度权重和前轮转角增量权重中任意一种或多种；
或，
所述行驶场景包括：非结构化道路；
所述控制参数的目标值等于其当前值，所述控制参数包括：纵向误差权重和速度误差权重中任意一种或多种；
或，
所述行驶场景包括：非结构化道路；
所述控制参数的目标值小于其当前值，所述控制参数包括：前轮转角权重和前轮转角增量权重中任意一种或多种。
3.如权利要求1所述的方法，其特征在于，
所述行驶场景包括：摩擦系数小于或等于指定值的结构化道路；
所述控制参数的目标值大于其当前值，所述控制参数包括：最后一个预测时域和控制时域的横向误差权重、纵向误差权重、速度误差权重、航向角误差权重、加速度指令权重、前轮转角指令权重、加速度指令增量权重、前轮转角指令增量权重，以及其他预测时域和控制时域的加速度指令权重、前轮转角指令权重、加速度指令增量权重、前轮转角指令增量权重中任意一种或多种。
4.如权利要求1所述的方法，其特征在于，
所述行驶场景包括：紧急避险；
所述控制参数的目标值大于其当前值，所述控制参数包括：横向误差权重、纵向误差权重、速度误差权重和航向角误差权重中任意一种或多种；
和/或，
所述行驶场景包括：紧急避险；
所述控制参数的目标值小于其当前值，所述控制参数包括：加速度指令权重、前轮转角指令权重、加速度指令增量权重、前轮转角指令增量权重中任意一种或多种。
5.如权利要求1所述的方法，其特征在于，进一步包括：
确定当前约束条件；
根据所述行驶场景和所述当前约束条件，确定目标约束条件；
所述根据预测模型和所述目标函数，确定控制指令，包括：
根据所述预测模型、所述目标函数和所述目标约束条件，确定所述控制指令。
6.如权利要求5所述的方法，其特征在于，
所述行驶场景包括：摩擦系数大于指定值的结构化道路；
所述目标约束条件与所述当前约束条件相同。
7.如权利要求5所述的方法，其特征在于，
所述行驶场景包括：非结构化道路；
所述当前约束条件包括：当前速度区间；
所述目标约束条件包括：目标速度区间；其中，所述目标速度区间的起点值小于0，且小于所述当前速度区间的起点值。
8.如权利要求5所述的方法，其特征在于，
所述行驶场景包括：摩擦系数小于或等于指定值的结构化道路；
所述当前约束条件包括：当前速度区间、指令信号的当前约束区间；
所述目标约束条件包括：目标速度区间、所述指令信号的目标约束区间；
其中，所述目标约束区间的左端点大于所述当前约束区间的左端点，所述目标约束区间的右端点小于所述当前约束区间的右端点；所述目标速度区间的左端点大于所述当前速度区间的左端点，所述目标速度区间的右端点小于所述当前速度区间的右端点；
所述指令信号，包括：前轮转角指令、加速度指令、前轮转角指令增量和加速度指令增量中任意一种或多种。
9.如权利要求5-8任一所述的方法，其特征在于，
所述行驶场景包括：紧急避险；
所述当前约束条件包括：指令信号的当前约束区间；
所述目标约束条件包括：所述指令信号的目标约束区间；
其中，所述目标约束区间的左端点小于所述当前约束区间的左端点，所述目标约束区间的右端点大于所述当前约束区间的右端点；
所述指令信号，包括：前轮转角指令、加速度指令、前轮转角指令增量和加速度指令增量中任意一种或多种。
10.一种车辆控制装置，其特征在于，包括：
行驶场景确定模块，配置为确定车辆的行驶场景；
目标函数确定模块，配置为根据所述行驶场景，确定控制参数的目标值，包括：确定性能指标函数；计算所述性能指标函数的负梯度，得到所述控制参数的增益；根据所述控制参数的增益和所述控制参数的当前值，计算所述控制参数的目标值；其中，所述控制参数包括：横向误差权重、纵向误差权重、速度误差权重和航向角误差权重中任意一种或多种；确定速度区间与插值参数的对应关系；根据所述对应关系，确定插值函数；根据所述插值函数，计算所述控制参数的目标值；其中，所述控制参数包括：加速度指令权重、前轮转角指令权重、加速度指令增量权重、前轮转角指令增量权重中任意一种或多种；根据所述控制参数的目标值，确定目标函数；
控制模块，配置为根据预测模型和所述目标函数，确定控制指令；根据所述控制指令，控制所述车辆行驶。
11.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-9中任一所述的方法。
12.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-9中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011510499.2A CN113771830B (zh) | 2020-12-18 | 2020-12-18 | 一种车辆控制方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011510499.2A CN113771830B (zh) | 2020-12-18 | 2020-12-18 | 一种车辆控制方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113771830A CN113771830A (zh) | 2021-12-10 |
| CN113771830B true CN113771830B (zh) | 2024-02-06 |
Family
ID=78835355
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011510499.2A Active CN113771830B (zh) | 2020-12-18 | 2020-12-18 | 一种车辆控制方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113771830B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105857306A (zh) * | 2016-04-14 | 2016-08-17 | 中国科学院合肥物质科学研究院 | 一种用于多种泊车场景的车辆自主泊车路径规划方法 |
| CN110187639A (zh) * | 2019-06-27 | 2019-08-30 | 吉林大学 | 一种基于参数决策框架的轨迹规划控制方法 |
| JP2020061155A (ja) * | 2018-10-11 | 2020-04-16 | 澤蒼 顧 | Ｓｄｌモデルの導入した画像の抽出方法 |
| CN111409642A (zh) * | 2020-03-31 | 2020-07-14 | 潍柴动力股份有限公司 | 车速控制方法及装置、车辆电控设备 |
| CN111717282A (zh) * | 2020-07-07 | 2020-09-29 | 中国人民解放军国防科技大学 | 一种基于模型预测控制的人机共享驾驶辅助转向方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11625009B2 (en) * | 2020-03-26 | 2023-04-11 | Intel Corporation | Non-uniform occupancy grid manager |
-
2020
- 2020-12-18 CN CN202011510499.2A patent/CN113771830B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105857306A (zh) * | 2016-04-14 | 2016-08-17 | 中国科学院合肥物质科学研究院 | 一种用于多种泊车场景的车辆自主泊车路径规划方法 |
| JP2020061155A (ja) * | 2018-10-11 | 2020-04-16 | 澤蒼 顧 | Ｓｄｌモデルの導入した画像の抽出方法 |
| CN110187639A (zh) * | 2019-06-27 | 2019-08-30 | 吉林大学 | 一种基于参数决策框架的轨迹规划控制方法 |
| CN111409642A (zh) * | 2020-03-31 | 2020-07-14 | 潍柴动力股份有限公司 | 车速控制方法及装置、车辆电控设备 |
| CN111717282A (zh) * | 2020-07-07 | 2020-09-29 | 中国人民解放军国防科技大学 | 一种基于模型预测控制的人机共享驾驶辅助转向方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113771830A (zh) | 2021-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10452074B2 (en) | Method and system for controlling autonomous driving vehicle reentering autonomous driving mode | |
| US10442435B2 (en) | Speed control parameter estimation method for autonomous driving vehicles | |
| JP6668375B2 (ja) | 比例、積分及び微分（ｐｉｄ）コントローラを用いた自律走行車のステアリング制御方法及びシステム | |
| US10534364B2 (en) | Method and system for autonomous vehicle speed following | |
| US10407076B2 (en) | Method and system for determining road frictions of autonomous driving vehicles using learning-based model predictive control | |
| CN113353103A (zh) | 一种弯道车速控制方法、装置、设备及介质 | |
| CN107031655B (zh) | 确定复杂路段的方差因子 | |
| US20180251135A1 (en) | Longitude cascaded controller preset for controlling autonomous driving vehicle reentering autonomous driving mode | |
| CN110525436A (zh) | 车辆换道控制方法、装置、车辆和存储介质 | |
| CN113511205B (zh) | 规划车辆的移动的方法和系统 | |
| CN112572461B (zh) | 控制车辆的方法、装置、设备和存储介质 | |
| WO2022022549A1 (zh) | 用于控制车辆的方法、装置、电子设备和存储介质 | |
| CN110809542B (zh) | 车辆的控制方法、装置及设备 | |
| CN112455446B (zh) | 用于车辆控制的方法、装置、电子设备和存储介质 | |
| CN113552888A (zh) | 应用于无人车的行驶轨迹控制方法、装置、设备及介质 | |
| CN114212104B (zh) | 车辆控制方法、装置、车辆和存储介质 | |
| US20220289184A1 (en) | Method and Device for Scheduling a Trajectory of a Vehicle | |
| CN113771830B (zh) | 一种车辆控制方法和装置 | |
| KR20210135588A (ko) | 장치의 이동성을 자율적으로 제어하는 방법 | |
| CN110850878A (zh) | 智能车辆控制方法、装置、设备及介质 | |
| KR101930163B1 (ko) | 차로 유지 제어 장치 및 방법 | |
| CN115683140A (zh) | 代客泊车循迹的过弯车速规划方法、系统、设备及介质 | |
| CN113778045A (zh) | 对自动驾驶车辆控制器进行评价的方法和装置 | |
| CN114379584B (zh) | 车辆控制方法、装置、车辆、设备和存储介质 | |
| CN118238803A (zh) | 控制车辆的方法、设备、车辆和计算机程序产品 |
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 |