CN113771880B - 一种适用于车辆编队的车辆跟随自动驾驶方法及系统 - Google Patents

一种适用于车辆编队的车辆跟随自动驾驶方法及系统 Download PDF

Info

Publication number
CN113771880B
CN113771880B CN202111190753.XA CN202111190753A CN113771880B CN 113771880 B CN113771880 B CN 113771880B CN 202111190753 A CN202111190753 A CN 202111190753A CN 113771880 B CN113771880 B CN 113771880B
Authority
CN
China
Prior art keywords
vehicle
planned
target
path
determining
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
Application number
CN202111190753.XA
Other languages
English (en)
Other versions
CN113771880A (zh
Inventor
高秀晶
段慧洁
龙海飞
孙贵斌
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.)
Xiamen University of Technology
Original Assignee
Xiamen University of Technology
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 Xiamen University of Technology filed Critical Xiamen University of Technology
Priority to CN202111190753.XA priority Critical patent/CN113771880B/zh
Publication of CN113771880A publication Critical patent/CN113771880A/zh
Application granted granted Critical
Publication of CN113771880B publication Critical patent/CN113771880B/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
    • 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

Landscapes

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

Abstract

本发明提供了一种适用于车辆编队的车辆跟随自动驾驶方法及系统，其中，方法包括：获取车辆编队中待规划车辆的前车车辆的路径和待规划车辆的位置；待规划车辆为车辆编队中的非首车车辆；前车车辆为车辆编队中待规划车辆之前距离待规划车辆最近的车辆；根据前车车辆的路径，利用曲线拟合和均匀内插法确定待规划车辆的目标路径；根据目标路径和待规划车辆的位置，确定待规划车辆与目标路径的偏差；根据偏差，确定控制待规划车辆至目标路径的偏转角。本发明考虑了横向侧倾(横向位移偏差)和旋转因子(横向角度偏)对车辆的影响，能够提高车辆编队自动驾驶横向控制的协调性和路径规划的精度。

Description

一种适用于车辆编队的车辆跟随自动驾驶方法及系统
技术领域
本发明涉及车队路径规划技术领域，特别是涉及一种适用于车辆编队的车辆跟随自动驾驶方法及系统。
背景技术
队列自动驾驶是利用网联技术将单个车辆构成编队，通过交互协作方式完成车辆编队耦合性运动的自动驾驶策略。现有技术中，队列自动驾驶可通过两种技术实现。第一种是基于队列中单车的横向模型，例如，利用高速公路上铺设的磁性系统，检测单车数据，设计编队横纵向相关性，构建队列模型；在编队中通过单车识别道路，利用道路与单车横向相对位置建立横向模型；基于高精度地图规划目标路径，编队中的单车利用自身绝对定位和相对定位构成的组合定位，建立与目标路径之间的横向模型来实现横向运动控制。此外，还有利用激光雷达、IMU等多传感器融合的SLAM技术实时生成队列车辆的地图，制定行车规划，并结合路径跟踪等解耦控制方法进行横向控制。此类技术的横向模型都是基于队列中的单车而建立，基本能够满足单车横向自动驾驶的功能要求，但并未考虑队列编队的横向耦合性和一致性，通常会因单车的个体误差累积导致队列的横向一致性降低，影响横向控制稳定性和协调性，且控制方法较难适用于大曲线变化的道路。
第二种是利用后车装载的传感器识别前车构建横向模型。例如，利用机器视觉方法检测识别前车，并计算与其相对位置的横向偏差构建横向模型；采用激光雷达和雷达的传感器融合方案，实现了对障碍物和前车的鲁棒性检测，结合基于车道标志检测的数字地图对存在障碍物的车道进行识别等；并结合路径跟踪等解耦控制方法进行横向控制。这种方法对前车进行检测并计算相对位置，相比基于单车自主的横向模型，一定程度上提高了队列的横向耦合性。但是，此类方案要求前方车辆尾部具有明显的特征才能保障横向模型精度，当前方车辆是拖车或者挂车头的情况下，无法进行精确检测。此外，上述方法利用后车前方的传感器检测前车车尾的相关信息，造成前后车的控制点相异，容易降低横向模型准确度，影响横向控制精度和队列耦合性，且控制方法较难适用于大曲线变化的道路。
综上，现有技术在队列自动驾驶横向模型及控制方法上，忽略了队列车辆之间的耦合关系，从横向模型到控制方法上，均容易因队列车辆之间的个体差异，造成误差累积，影响队列在横向上的一致性；在控制方法中，忽略横向侧倾和旋转因子对车辆的影响，在道路曲率变化和高速变化情况下造成控制精度降低。
发明内容
本发明的目的是提供一种适用于车辆编队的车辆跟随自动驾驶方法及系统，能够提高车辆编队自动驾驶和路径规划的精度。
为实现上述目的，本发明提供了如下方案：
一种适用于车辆编队的车辆跟随自动驾驶方法，包括：
获取车辆编队中待规划车辆的前车车辆的路径和所述待规划车辆的位置；所述待规划车辆为车辆编队中的非首车车辆；所述前车车辆为车辆编队中待规划车辆之前距离待规划车辆最近的车辆；
根据所述前车车辆的路径，利用曲线拟合和均匀内插法确定所述待规划车辆的目标路径；
根据所述目标路径和所述待规划车辆的位置，确定所述待规划车辆与所述目标路径的偏差；
根据所述偏差，确定控制所述待规划车辆至所述目标路径的偏转角。
可选的，所述目标路径为：
Figure BDA0003300919860000021
其中，
Figure BDA0003300919860000022
为目标路径，qi为前车车辆的路径；Ni为目标路径
Figure BDA0003300919860000023
的单位方向矢量，εi为沿着单位方向矢量Ni的移动量。
可选的，所述根据所述目标路径和所述待规划车辆的位置，确定所述待规划车辆与所述目标路径的偏差，具体包括：
确定目标路径中任一点为当前目标点Pr[j]；
获取所述当前目标点的前一目标点Pr[j-1]和所述当前目标点的后一目标点Pr[j+1]；
依次连接所述当前目标点的前一目标点Pr[j-1]、所述当前目标点Pr[j]和所述当前目标点的后一目标点Pr[j+1]；
基于∠Pr[j-1]Pr[j]Pr[j+1]的角平分线将待规划车辆区域划分为第一区间和第二区间；所述第一区间靠近所述前一目标点Pr[j-1]；所述第二区间靠近所述后一目标点Pr[j+1]；所述待规划车辆区域为目标点为当前目标点Pr[j]的待规划车辆的位置集合所构成的平面；
根据所述待规划车辆的位置所在的区间，确定目标速度矢量；
确定待规划车辆的速度矢量；
根据所述目标速度矢量和所述待规划车辆的速度矢量，确定所述待规划车辆与所述目标路径的偏差。
可选的，所述根据待规划车辆的位置所在的区间，确定目标速度矢量，具体包括：
在所述待规划车辆的位置所处的区间为第一区间时，利用公式
Figure BDA0003300919860000031
确定目标速度矢量；
在所述待规划车辆的位置所处的区间为第二区间时，利用公式
Figure BDA0003300919860000032
确定目标速度矢量。
其中，V'r[j]为目标速度矢量，Vr[j]为目标速度，Δd[h-1]为待规划车辆与当前目标点Pr[j-1]之间的距离；Δd[h]为待规划车辆与当前目标点Pr[j]之间的距离。
可选的，所述待规划车辆的速度矢量为：
Figure BDA0003300919860000033
其中，P[h]为待规划车辆的当前位置；P[h-1]为待规划车辆的上一时刻的位置。
可选的，
所述偏差包括横向位移偏差和横向角度偏差；
所述横向位移偏差为
Figure BDA0003300919860000041
所述横向角度偏差为
Figure BDA0003300919860000042
其中，e_dis[h]为横向位移偏差，e_ang[h]为横向角度偏差。
可选的，
所述偏转角为：
Figure BDA0003300919860000043
其中，δ为偏转角，kff、kdis、kang分别为自适应横向控制器中前馈控制增益、反馈控制的横向位移偏差控制增益、横向角度偏差控制增益；Kβ0、KSF分别为侧倾系数和旋转稳定性因子，ρ、dis_error、an_error分别为第一输入量、第二输入量和第三输入量，γ、lr、V、lf为车辆状态信息。
一种适用于车辆编队的车辆跟随自动驾驶系统，包括：
路径和位置获取模块，用于获取车辆编队中待规划车辆的前车车辆的路径和所述待规划车辆的位置；所述待规划车辆为车辆编队中的非首车车辆；所述前车车辆为车辆编队中待规划车辆之前距离待规划车辆最近的车辆；
目标路径确定模块，用于根据所述前车车辆的路径，利用曲线拟合和均匀内插法确定所述待规划车辆的目标路径；
偏差确定模块，用于根据所述目标路径和所述待规划车辆的位置，确定所述待规划车辆与所述目标路径的偏差；
偏转角确定模块，用于根据所述偏差，确定控制所述待规划车辆至所述目标路径的偏转角。
可选的，所述目标路径为：
Figure BDA0003300919860000044
其中，
Figure BDA0003300919860000045
为目标路径，qi为前车车辆的路径；Ni为目标路径
Figure BDA0003300919860000046
的单位方向矢量，εi为沿着单位方向矢量Ni的移动量。
可选的，所述偏差确定模块，具体包括：
当前目标点确定单元，用于确定目标路径中任一点为当前目标点Pr[j]；
相邻目标点位置获取单元，用于获取所述当前目标点的前一目标点Pr[j-1]和所述当前目标点的后一目标点Pr[j+1]；
目标点连接单元，用于依次连接所述当前目标点的前一目标点Pr[j-1]、所述当前目标点Pr[j]和所述当前目标点的后一目标点Pr[j+1]；
待规划车辆区域划分单元，用于基于∠Pr[j-1]Pr[j]Pr[j+1]的角平分线将待规划车辆区域划分为第一区间和第二区间；所述第一区间靠近所述前一目标点Pr[j-1]；所述第二区间靠近所述后一目标点Pr[j+1]；所述待规划车辆区域为目标点为当前目标点Pr[j]的待规划车辆的位置集合所构成的平面；
目标速度矢量确定单元，用于根据所述待规划车辆的位置所在的区间，确定目标速度矢量；
待规划车辆的速度矢量确定单元，用于确定待规划车辆的速度矢量；
偏差确定单元，用于根据所述目标速度矢量和所述待规划车辆的速度矢量，确定所述待规划车辆与所述目标路径的偏差。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种适用于车辆编队的车辆跟随自动驾驶方法及系统，其中，方法包括：获取车辆编队中待规划车辆的前车车辆的路径和待规划车辆的位置；待规划车辆为车辆编队中的非首车车辆；前车车辆为车辆编队中待规划车辆之前距离待规划车辆最近的车辆；根据前车车辆的路径，利用曲线拟合和均匀内插法确定待规划车辆的目标路径；根据目标路径和待规划车辆的位置，确定待规划车辆与目标路径的偏差；根据偏差，确定控制待规划车辆至目标路径的偏转角。本发明根据前车车辆的路径确定待规划车辆的目标路径，并根据横向位移偏差和横向角度偏差确定调整待规划车辆至目标路径的偏转角，考虑了横向侧倾(横向位移偏差)和旋转因子(横向角度偏)对车辆的影响，能够提高车辆编队自动驾驶横向控制的协调性和路径规划的精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中车辆跟随自动驾驶方法流程图；
图2为本发明实施例中队列后方车辆目标路径生成示意图；
图3为本发明实施例中车辆跟随自动驾驶方法实施流程图；
图4为本发明实施例中最近目标点第一计算流程如图；
图5为本发明实施例中最近目标点第二计算流程如图；
图6为本发明实施例中目标区间确定方法示意图；
图7为本发明实施例中横向偏差示意图；
图8为本发明实施例中横向自适应动力学模型示意图；
图9为本发明实施例中横向侧倾系数和旋转稳定性因子示意图；
图10为本发明实施例中队列自动驾驶横向耦合控制系统结构示意图；
图11为本发明实施例中车辆跟随自动驾驶系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种适用于车辆编队的车辆跟随自动驾驶方法及系统，能够提高车辆编队自动驾驶和路径规划的精度。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例中车辆跟随自动驾驶方法流程图，如图1所示，本发明提供了一种适用于车辆编队的车辆跟随自动驾驶方法，包括：
步骤101：获取车辆编队中待规划车辆的前车车辆的路径和待规划车辆的位置；待规划车辆为车辆编队中的非首车车辆；前车车辆为车辆编队中待规划车辆之前距离待规划车辆最近的车辆；
步骤102：根据前车车辆的路径，利用曲线拟合和均匀内插法确定待规划车辆的目标路径；
步骤103：根据目标路径和待规划车辆的位置，确定待规划车辆与目标路径的偏差；
步骤104：根据偏差，确定控制待规划车辆至目标路径的偏转角。
具体的，目标路径为：
Figure BDA0003300919860000071
其中，
Figure BDA0003300919860000072
为目标路径，qi为前车车辆的路径；Ni为目标路径
Figure BDA0003300919860000073
的单位方向矢量，εi为沿着单位方向矢量Ni的移动量。
步骤103，具体包括：
确定目标路径中任一点为当前目标点Pr[j]；
获取当前目标点的前一目标点Pr[j-1]和当前目标点的后一目标点Pr[j+1]；
依次连接当前目标点的前一目标点Pr[j-1]、当前目标点Pr[j]和当前目标点的后一目标点Pr[j+1]；
基于∠Pr[j-1]Pr[j]Pr[j+1]的角平分线将待规划车辆区域划分为第一区间和第二区间；第一区间靠近前一目标点Pr[j-1]；靠近后一目标点Pr[j+1]；待规划车辆区域为目标点为当前目标点Pr[j]的待规划车辆的位置集合所构成的平面；
根据待规划车辆的位置所在的区间，确定目标速度矢量；
确定待规划车辆的速度矢量；
根据目标速度矢量和待规划车辆的速度矢量，确定待规划车辆与目标路径的偏差。
根据待规划车辆的位置所在的区间，确定目标速度矢量，具体包括：
在所述待规划车辆的位置所处的区间为第一区间时，利用公式
Figure BDA0003300919860000074
确定目标速度矢量；
在所述待规划车辆的位置所处的区间为第二区间时，利用公式
Figure BDA0003300919860000081
确定目标速度矢量。
其中，V'r[j]为目标速度矢量，Vr[j]为目标速度，Δd[h-1]为待规划车辆与当前目标点Pr[j-1]之间的距离；Δd[h]为待规划车辆与当前目标点Pr[j]之间的距离。
待规划车辆的速度矢量为：
Figure BDA0003300919860000082
其中，P[h]为待规划车辆的当前位置；P[h-1]为待规划车辆的上一时刻的位置。
其中，偏差包括横向位移偏差和横向角度偏差；
横向位移偏差为
Figure BDA0003300919860000083
横向角度偏差为
Figure BDA0003300919860000084
其中，e_dis[h]为横向位移偏差，e_ang[h]为横向角度偏差。
偏转角为：
Figure BDA0003300919860000085
其中，δ为偏转角，kff、kdis、kang分别为自适应横向控制器中前馈控制增益、反馈控制的横向位移偏差控制增益、横向角度偏差控制增益；Kβ0、KSF分别为侧倾系数和旋转稳定性因子，ρ、dis_error、an_error分别为第一输入量、第二输入量和第三输入量，γ、lr、V、lf为车辆状态信息；其中，V是通过公式
Figure BDA0003300919860000086
确定的。
具体的，本专利提出了一种基于车车通讯(V2V)的队列自动驾驶横向耦合模型及控制方法，包括目标路径生成模型、队列横向偏差模型和队列横向控制方法。
(1)目标路径生成模型
图2为本发明实施例中队列后方车辆目标路径生成示意图，如图2，前车利用高精度定位设备，将实时行驶路径信息(xhi，yhi)(其中，i表示路径点的ID，h的含义是heading的缩写，代表前车的意思)通过V2V发送给后方车辆。由于车速等因素，前车的实时路径离散点间隔较大、出现不平滑且间隔不均等问题。本专利提出后车接收前车的路径信息后，利用曲线拟合和均匀内插方法，生成与前车行驶路径一致、间隔均匀、平滑的目标路径。
步骤如下：
1、定义原始路径qi＝[xddi，yddi]T，i为路径点id，xddi、yddi分别为第i个目标点的x轴坐标和y轴坐标。
pi(t)＝QiMT(t) (1)
其中，Qi＝[qi-1，qi，qi+1，qi+2]，Qi表示原始路径点从i-1到i+2的路径点集合，pi(t)代表第i段的基样条曲线段，i＝1...n-2，参数M和T分别表示如下，其中t＝[0，1]为样条参数：
Figure BDA0003300919860000091
2、求出基样条曲线节点的曲率ρddi和方位角
Figure BDA0003300919860000092
如下式所示：
Figure BDA0003300919860000093
Figure BDA0003300919860000094
3、求出新的路径点如下式所示：
Figure BDA0003300919860000095
设定产常数Δ作为均匀间隔的调节参数，使其满足
Figure BDA0003300919860000096
依据上述方法，可生成平滑、间隔均等的目标路径。
实施流程如图3所示，后车开始接收前车的实时路径信息；根据所设定的路径点数量N，利用接收的qi(i＝1:N)数据，结合上述方法生成初始目标路径qi。队列进行动态跟驰后，即后车车速Vf>0；设置初始值为1的n，利用所接收的qi(i＝1+n:N+n)数据，生成目标路径Pr[j]；伴随前车行驶，对n进行更新，并不断地迭代目标路径。此处，本专利提出的路径点数量N为随着队列车速变化的因变量，因考虑采用CACC(协同式自适应巡航控制)的队列车间距离伴随车速变化而变化，即N＝N0+a*V，其中N0为队列最小车间距离时的路径点数量，V为车速，a为调节参数。在此模型下，队列横向控制方法可以根据车速变化提供满足不同预瞄点的路径点数量。
(2)队列横向偏差模型
(2.1)目标点探索方法
利用基于前车实时行驶路径信息，生成实时迭代更新的固定长度N的后车的目标路径信息，再结合后车的实时定位信息P[h]，根据式(1)，以相对距离最近为原则，进行全局探索，确定目标路径点。在基础上，依据不同的横向控制策略，可以调整目标点，例如预瞄点等方法。本文仅阐述与后车的实时位置相对距离最近点作为目标点。
P[h]-Pr[j]＝min(P[h]-Pr[k]),1≤k≤N. (6)
后车当前位置与第1个目标路径点开始计算相对距离，直到与第N个路径点分别计算并逐个进行相对距离的比较，找到最近相对距离的目标点j，计算流程如图4-5所示。
(2.2)横向偏差计算方法
后车的目标路径中确定了目标路径点之后，建立横向偏差计算方法。首先，将目标路径点与前后两个路径点构成的空间划分为两个区间，判定后车当前位置所处的目标区间，并确定目标速度矢量，目标区间确定方法如图6所示。
定义目标路径点Pr[j]与其前一个路径点Pr[j-1]构成的直线、和与其后一个路径点Pr[j+1]构成直线的夹角定义为θmax，后车当前位置P[h]与Pr[j]连成直线与Pr[j]和Pr[j+1]构成直线的夹角定义为θ，Δd[h]为后车当前位置P[h]与目标路径点Pr[j]之间的距离，可得：
Figure BDA0003300919860000111
通过比较θ与θmax之间的关系，判断后车所处的区间，如式(8)所示。
Figure BDA0003300919860000112
其次，计算目标路径点Pr[j]的速度矢量。当后车处于区间[j]时，速度矢量方向为目标路径点Pr[j]至下一个路径点Pr[j+1]；当后车处于区间[j-1]时，速度矢量方向为目标路径点的前一个路径点Pr[j-1]至目标路径点Pr[j]，目标速度矢量V′r[j]和后车当前速度矢量V′[h]的计算式(9)。
Figure BDA0003300919860000113
最后，横向偏差如图7所示，定义横向位移偏差e_dis[h]和横向角度偏差e_ang[h]，并建立横向偏差计算模型。
Figure BDA0003300919860000114
(3)队列横向控制模型及方法
(3.1)建立横向自适应动力学模型
横向运动自适应控制模型研究主要是在二自由度车辆基本运动模型的基础上，通过标定车辆侧倾运动稳定因子和旋转运动因子，在车辆基本运动模型中加入稳定因子和旋转运动因子，建立横向自适应动力学模型，如图8所示，图8中，x,y为车辆行驶的坐标，θ为待规划车辆车轴与x轴的角度；β为待规划车辆速度方向与车轴的角度；γ待规划车辆的横摆角速度。
根据车辆的平行运动、旋转运动、前后轮的横摆力、前后轮横摆角、侧倾角和横摆角速度等的关系，可得到式(11)和式(12)所示的前轮角度、横摆角和横摆角速度的关系式。其中A，B为是由车辆参数的构成的矩阵。
Figure BDA0003300919860000121
Figure BDA0003300919860000122
结合横向偏差的计算模型，可构建关于横向位移偏差e_dis和横向角度偏差e_ang的误差方程式和误差微分方程式：
Figure BDA0003300919860000123
Figure BDA0003300919860000124
Figure BDA0003300919860000125
Figure BDA0003300919860000126
其中，
Figure BDA0003300919860000127
θr为目标路径车轴与x轴的角度，θr为目标路径速度方向与车轴的角度。xr、yr为目标路径点的位置信息；ω为
Figure BDA0003300919860000128
的一阶微分，
Figure BDA0003300919860000129
θ为待规划车辆车轴与X轴的角度，β为待规划车辆速度方向与车轴的角度。ωr为
Figure BDA00033009198600001210
的一阶微分，
Figure BDA00033009198600001211
θr目标路径点车轴与X轴的角度，βr为目标路径点速度方向与车轴的角度。
根据式(13)-式(16)可以得到轨迹追踪控制模型，如式(17)所示。
δ＝f1(γ)+kβ·f2(β)+kρ·f3(ρ)+kdis·f4(e_dis)+kang·f5(e_ang) (17)
其中，kdis和kang分别是自动轨迹追踪横向距离偏差和角度偏差的控制系数。
其次，考虑速度变化和曲率变化对横向运动的影响，对横向侧倾系数和旋转稳定性因子进行标定，如图9所示。
根据侧倾系数Kβ0和旋转稳定性因子KSF可获得旋转运动时的侧倾角β0(β为速度方向与车轴的角度，β0为侧倾角)以及基于旋转稳定性因子的轮胎角度的计算：
δρ＝(1+KSF·V2)·(lf+lr)·ρ (18)
Figure BDA0003300919860000131
其中，lf、lr为车辆前后轮的轴距。结合式(18)、式(19)和式(20)最终建立车辆横向运动自适应控制模型：
Figure BDA0003300919860000132
(3.2)横向自适应控制方法
在上述方法的基础上，设计横向自适应控制方法，如图7所示。
队列自动驾驶横向耦合控制系统如图10，系统包括目标路径生成单元和横向偏差计算单元的输入模块、车辆参数信息模块、队列自适应横向控制器和输出模块。
目标路径生成模块生成后车的目标路径，包括目标路径点ID、坐标信息以及曲率ρ。
横向偏差计算模块利用目标路径生成模块的目标路径信息和车辆参数信息模块的自车的实时位置，计算得到包括横向位移偏差e_dis和横向角度偏差e_ang的横向偏差。
车辆参数信息模块获取队列自适应横向控制模型所需的车辆信息，包括车速V、横摆角速度γ、横摆角β、前后轮轴距lf和lr、车辆重量m等。
队列自适应横向控制器获取目标路径生成模块、横向偏差计算模块、车辆参数信息模块分别计算自动路径跟踪控制的转向指令角δpf和前馈控制的转向指令角δff，最终结合二者控制方法，输出最终队列自适应横向控制的转向指令角δ。
图11为本发明实施例中车辆跟随自动驾驶系统结构示意图，如图11所示，本发明还提供了一种适用于车辆编队的车辆跟随自动驾驶系统，包括：
路径和位置获取模块1001，用于获取车辆编队中待规划车辆的前车车辆的路径和待规划车辆的位置；待规划车辆为车辆编队中的非首车车辆；前车车辆为车辆编队中待规划车辆之前距离待规划车辆最近的车辆；
目标路径确定模块102，用于根据前车车辆的路径，利用曲线拟合和均匀内插法确定待规划车辆的目标路径；
偏差确定模块1003，用于根据目标路径和待规划车辆的位置，确定待规划车辆与目标路径的偏差；
偏转角确定模块1004，用于根据偏差，确定控制待规划车辆至目标路径的偏转角。
其中，目标路径为：
Figure BDA0003300919860000141
其中，
Figure BDA0003300919860000142
为目标路径，qi为前车车辆的路径；Ni为目标路径
Figure BDA0003300919860000143
的单位方向矢量，εi为沿着单位方向矢量Ni的移动量。
具体的，偏差确定模块1003，具体包括：
当前目标点确定单元，用于确定目标路径中任一点为当前目标点Pr[j]；
相邻目标点位置获取单元，用于获取当前目标点的前一目标点Pr[j-1]和当前目标点的后一目标点Pr[j+1]；
目标点连接单元，用于依次连接当前目标点的前一目标点Pr[j-1]、当前目标点Pr[j]和当前目标点的后一目标点Pr[j+1]；
待规划车辆区域划分单元，用于基于∠Pr[j-1]Pr[j]Pr[j+1]的角平分线将待规划车辆区域划分为第一区间和第二区间；第一区间靠近前一目标点Pr[j-1]；第一区间靠近后一目标点Pr[j+1]；待规划车辆区域为目标点为当前目标点Pr[j]的待规划车辆的位置集合所构成的平面；
目标速度矢量确定单元，用于根据待规划车辆的位置所在的区间，确定目标速度矢量；
待规划车辆的速度矢量确定单元，用于确定待规划车辆的速度矢量；
偏差确定单元，用于根据目标速度矢量和待规划车辆的速度矢量，确定待规划车辆与目标路径的偏差。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种适用于车辆编队的车辆跟随自动驾驶方法，其特征在于，所述方法，包括：
获取车辆编队中待规划车辆的前车车辆的路径和所述待规划车辆的位置；所述待规划车辆为车辆编队中的非首车车辆；所述前车车辆为车辆编队中待规划车辆之前距离待规划车辆最近的车辆；
根据所述前车车辆的路径，利用曲线拟合和均匀内插法确定所述待规划车辆的目标路径；
根据所述目标路径和所述待规划车辆的位置，确定所述待规划车辆与所述目标路径的偏差；
根据所述偏差，确定控制所述待规划车辆至所述目标路径的偏转角；
所述根据所述目标路径和所述待规划车辆的位置，确定所述待规划车辆与所述目标路径的偏差，具体包括：
确定目标路径中任一点为当前目标点Pr[j]；
获取所述当前目标点的前一目标点Pr[j-1]和所述当前目标点的后一目标点Pr[j+1]；
依次连接所述当前目标点的前一目标点Pr[j-1]、所述当前目标点Pr[j]和所述当前目标点的后一目标点Pr[j+1]；
基于∠Pr[j-1]Pr[j]Pr[j+1]的角平分线将待规划车辆区域划分为第一区间和第二区间；所述第一区间靠近所述前一目标点Pr[j-1]；所述第二区间靠近所述后一目标点Pr[j+1]；所述待规划车辆区域为目标点为当前目标点Pr[j]的待规划车辆的位置集合所构成的平面；
根据所述待规划车辆的位置所在的区间，确定目标速度矢量；
确定待规划车辆的速度矢量；
根据所述目标速度矢量和所述待规划车辆的速度矢量，确定所述待规划车辆与所述目标路径的偏差。
2.根据权利要求1所述的适用于车辆编队的车辆跟随自动驾驶方法，其特征在于，所述目标路径为：
Figure FDA0003941186640000011
其中，
Figure FDA0003941186640000012
为目标路径，qi为前车车辆的路径；Ni为目标路径
Figure FDA0003941186640000013
的单位方向矢量，εi为沿着单位方向矢量Ni的移动量。
3.根据权利要求1所述的适用于车辆编队的车辆跟随自动驾驶方法，其特征在于，所述根据待规划车辆的位置所在的区间，确定目标速度矢量，具体包括：
在所述待规划车辆的位置所处的区间为第一区间时，利用公式
Figure FDA0003941186640000021
确定目标速度矢量；
在所述待规划车辆的位置所处的区间为第二区间时，利用公式
Figure FDA0003941186640000022
确定目标速度矢量；
其中，V′r[j]为目标速度矢量，Vr[j]为目标速度，Δd[h-1]为待规划车辆与当前目标点Pr[j-1]之间的距离；Δd[h]为待规划车辆与当前目标点Pr[j]之间的距离。
4.根据权利要求3所述的适用于车辆编队的车辆跟随自动驾驶方法，其特征在于，所述待规划车辆的速度矢量为：
Figure FDA0003941186640000023
其中，P[h]为待规划车辆的当前位置；P[h-1]为待规划车辆的上一时刻的位置。
5.根据权利要求4所述的适用于车辆编队的车辆跟随自动驾驶方法，其特征在于，
所述偏差包括横向位移偏差和横向角度偏差；
所述横向位移偏差为
Figure FDA0003941186640000024
所述横向角度偏差为
Figure FDA0003941186640000025
其中，e_dis[h]为横向位移偏差，e_ang[h]为横向角度偏差。
6.根据权利要求5所述的适用于车辆编队的车辆跟随自动驾驶方法，其特征在于，
所述偏转角为：
Figure FDA0003941186640000031
其中，δ为偏转角，kff、kdis、kang分别为自适应横向控制器中前馈控制增益、反馈控制的横向位移偏差控制增益、横向角度偏差控制增益；Kβ0、KSF分别为侧倾系数和旋转稳定性因子，ρ、dis_error、an_error分别为第一输入量、第二输入量和第三输入量，γ、lr、V、lf为车辆状态信息。
7.一种适用于车辆编队的车辆跟随自动驾驶系统，其特征在于，所述系统，包括：
路径和位置获取模块，用于获取车辆编队中待规划车辆的前车车辆的路径和所述待规划车辆的位置；所述待规划车辆为车辆编队中的非首车车辆；所述前车车辆为车辆编队中待规划车辆之前距离待规划车辆最近的车辆；
目标路径确定模块，用于根据所述前车车辆的路径，利用曲线拟合和均匀内插法确定所述待规划车辆的目标路径；
偏差确定模块，用于根据所述目标路径和所述待规划车辆的位置，确定所述待规划车辆与所述目标路径的偏差；
偏转角确定模块，用于根据所述偏差，确定控制所述待规划车辆至所述目标路径的偏转角；
所述偏差确定模块，具体包括：
当前目标点确定单元，用于确定目标路径中任一点为当前目标点Pr[j]；
相邻目标点位置获取单元，用于获取所述当前目标点的前一目标点Pr[j-1]和所述当前目标点的后一目标点Pr[j+1]；
目标点连接单元，用于依次连接所述当前目标点的前一目标点Pr[j-1]、所述当前目标点Pr[j]和所述当前目标点的后一目标点Pr[j+1]；
待规划车辆区域划分单元，用于基于∠Pr[j-1]Pr[j]Pr[j+1]的角平分线将待规划车辆区域划分为第一区间和第二区间；所述第一区间靠近所述前一目标点Pr[j-1]；所述第二区间靠近所述后一目标点Pr[j+1]；所述待规划车辆区域为目标点为当前目标点Pr[j]的待规划车辆的位置集合所构成的平面；
目标速度矢量确定单元，用于根据所述待规划车辆的位置所在的区间，确定目标速度矢量；
待规划车辆的速度矢量确定单元，用于确定待规划车辆的速度矢量；
偏差确定单元，用于根据所述目标速度矢量和所述待规划车辆的速度矢量，确定所述待规划车辆与所述目标路径的偏差。
8.根据权利要求7所述的适用于车辆编队的车辆跟随自动驾驶系统，其特征在于，所述目标路径为：
Figure FDA0003941186640000041
其中，
Figure FDA0003941186640000042
为目标路径，qi为前车车辆的路径；Ni为目标路径
Figure FDA0003941186640000043
的单位方向矢量，εi为沿着单位方向矢量Ni的移动量。
CN202111190753.XA 2021-10-13 2021-10-13 一种适用于车辆编队的车辆跟随自动驾驶方法及系统 Active CN113771880B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111190753.XA CN113771880B (zh) 2021-10-13 2021-10-13 一种适用于车辆编队的车辆跟随自动驾驶方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111190753.XA CN113771880B (zh) 2021-10-13 2021-10-13 一种适用于车辆编队的车辆跟随自动驾驶方法及系统

Publications (2)

Publication Number Publication Date
CN113771880A CN113771880A (zh) 2021-12-10
CN113771880B true CN113771880B (zh) 2023-01-06

Family

ID=78871102

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111190753.XA Active CN113771880B (zh) 2021-10-13 2021-10-13 一种适用于车辆编队的车辆跟随自动驾驶方法及系统

Country Status (1)

Country Link
CN (1) CN113771880B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107943071A (zh) * 2017-11-03 2018-04-20 中国科学院自动化研究所 无人车的编队保持控制方法及系统
CN108616810A (zh) * 2018-05-10 2018-10-02 上海交通大学 一种车队自主跟车系统、便携式装置及方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2685338B1 (en) * 2012-07-12 2018-04-11 Volvo Car Corporation Apparatus and method for lateral control of a host vehicle during travel in a vehicle platoon
FR3072069B1 (fr) * 2017-10-10 2019-09-20 Commissariat A L'energie Atomique Et Aux Energies Alternatives Procede de conduite automatique sous contrainte d'un vehicule, notamment d'un bus dans un centre de remisage, et dispositif mettant en œuvre un tel procede
CA3159409A1 (en) * 2018-07-07 2020-01-16 Peloton Technology, Inc. Control of automated following in vehicle convoys

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107943071A (zh) * 2017-11-03 2018-04-20 中国科学院自动化研究所 无人车的编队保持控制方法及系统
CN108616810A (zh) * 2018-05-10 2018-10-02 上海交通大学 一种车队自主跟车系统、便携式装置及方法

Also Published As

Publication number Publication date
CN113771880A (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
CN111033176B (zh) 地图信息提供系统
CN107128366B (zh) 用于对拖曳车辆通过弯道提供校正的车道跟随路径的系统和方法
CN107128314B (zh) 用于牵引车辆的增强的车辆横向控制
JP6294924B2 (ja) 車両の走行制御装置
JP6905367B2 (ja) 車両の走行制御装置
CN102076541B (zh) 用于自动车道居中和车道变换控制系统的路径生成算法
JP4586795B2 (ja) 車両用制御装置
US10843695B2 (en) Apparatus and program for assisting drive of vehicle
US9618938B2 (en) Field-based torque steering control
JP2017047798A (ja) 車両の走行制御装置
WO2018142527A1 (ja) 走行履歴の記憶方法、走行軌跡モデルの生成方法、自己位置推定方法、及び走行履歴の記憶装置
CN108045435B (zh) 一种路面自适应的智能车辆横向混合控制方法
CN101837781A (zh) 用于自动车道对正或换道的控制系统的基于模型的预测控制
CN105813914A (zh) 用于紧急转向支持功能的控制单元和方法
CN105667592A (zh) 用于保持车道的车辆转向控制装置及方法
EP3791239A1 (en) A method for establishing a path for a vehicle
JP4899626B2 (ja) 走行制御装置
US20200384997A1 (en) Convoy of Variable Gap
CN112797998A (zh) 车辆车道级定位方法及相应程序载体、产品、装置和车辆
US20180347993A1 (en) Systems and methods for verifying road curvature map data
US9758189B2 (en) Vehicle control apparatus
JP7418196B2 (ja) 走行軌跡推定方法及び走行軌跡推定装置
JP7206970B2 (ja) 車両運動制御方法及び車両運動制御装置
CN113335313B (zh) 车辆角度偏差标定方法、装置、电子设备及存储介质
CN113771880B (zh) 一种适用于车辆编队的车辆跟随自动驾驶方法及系统

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