CN113963542A - 无人车的数据处理方法及相关设备 - Google Patents

无人车的数据处理方法及相关设备 Download PDF

Info

Publication number
CN113963542A
CN113963542A CN202111242747.4A CN202111242747A CN113963542A CN 113963542 A CN113963542 A CN 113963542A CN 202111242747 A CN202111242747 A CN 202111242747A CN 113963542 A CN113963542 A CN 113963542A
Authority
CN
China
Prior art keywords
unmanned vehicle
error
front wheel
acceleration
steering angle
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
CN202111242747.4A
Other languages
English (en)
Other versions
CN113963542B (zh
Inventor
阎兴
窦凤谦
边学鹏
张亮亮
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.)
Jingdong Kunpeng Jiangsu Technology Co Ltd
Original Assignee
Jingdong Kunpeng Jiangsu Technology Co Ltd
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 Jingdong Kunpeng Jiangsu Technology Co Ltd filed Critical Jingdong Kunpeng Jiangsu Technology Co Ltd
Priority to CN202111242747.4A priority Critical patent/CN113963542B/zh
Publication of CN113963542A publication Critical patent/CN113963542A/zh
Application granted granted Critical
Publication of CN113963542B publication Critical patent/CN113963542B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Abstract

本公开的实施方式提供了无人车的数据处理方法及装置、计算机可读存储介质和电子设备，属于计算机和通信技术领域。所述方法包括：获取无人车的横向误差、纵向误差、当前速度和前后轮轴距；根据所述横向误差、所述前后轮轴距和所述当前速度获取所述无人车的前轮转向角；根据所述纵向误差和所述当前速度获得所述无人车的加速度。本公开的方法可以实现使横纵向控制量互不干扰。

Description

无人车的数据处理方法及相关设备
技术领域
本公开涉及计算机和通信技术领域，具体而言，涉及无人车的数据处理方法及装置、计算机可读存储介质和电子设备。
背景技术
目前无人车上应用的控制算法是横纵耦合的全量运动学模型MPC(ModelPredictive Control，模型预测控制)控制，其状态量为车辆当前位置，当前航向角以及前轮转角，控制量为加速度和前轮转角，加速度在通过标定表映射出相应的油门刹车值发送给底盘，实现无人车的横纵向的联合控制。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开实施例提供无人车的数据处理方法及装置、计算机可读存储介质和电子设备，能够实现无人车的数据处理。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的一个方面，提供一种无人车的数据处理方法，包括：
获取无人车的横向误差、纵向误差、当前速度和前后轮轴距；
根据所述横向误差、所述前后轮轴距和所述当前速度获取所述无人车的前轮转向角；
根据所述纵向误差和所述当前速度获得所述无人车的加速度。
在一个实施例中，根据所述横向误差、所述前后轮轴距和所述当前速度获取所述无人车的前轮转向角包括：
根据以下公式求解所述无人车的前轮转向角
Figure BDA0003320060390000021
Figure BDA0003320060390000022
其中，lateral_error为横向误差，heading_error是航向角误差，wheel_base是前后轮轴距，v是所述无人车的当前速度，steer_angle是所述无人车的前轮转向角。
在一个实施例中，根据所述横向误差、所述前后轮轴距和所述当前速度获取所述无人车的前轮转向角包括：
根据以下公式求解所述无人车的前轮转向角
Figure BDA0003320060390000023
Figure BDA0003320060390000024
其中，lateral_error为横向误差，heading_error是航向角误差，wheel_base是前后轮轴距，v是所述无人车的当前速度，steer_angle是所述无人车的前轮转向角。
在一个实施例中，根据所述纵向误差和所述当前速度获得所述无人车的加速度包括：
根据以下公式求解所述无人车的加速度
Figure BDA0003320060390000025
Figure BDA0003320060390000026
其中，lon_error为纵向误差，acceleration是加速度，speed是预测点位置和无人车当前位置的位置差，speed_error是从当前点到预测点的加速度。
在一个实施例中，根据所述纵向误差和所述当前速度获得所述无人车的加速度包括：
根据以下公式求解所述无人车的加速度
Figure BDA0003320060390000027
Figure BDA0003320060390000028
其中，lon_error为纵向误差，-delta-acceleration是计算出的加速度增量，speed_error是从当前点到预测点的加速度差。
根据本公开的一个方面，提供一种无人车的数据处理装置，包括：
获取模块，配置为获取无人车的横向误差、纵向误差、当前速度和前后轮轴距；
前轮转向角获取模块，配置为根据所述横向误差、所述前后轮轴距和所述当前速度获取所述无人车的前轮转向角；
加速度获取模块，配置为根据所述纵向误差和所述当前速度获得所述无人车的加速度。
根据本公开的一个方面，提供一种电子设备，包括：
一个或多个处理器；
存储装置，配置为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时，使得所述一个或多个处理器实现如上实施例中任一项所述的方法。
根据本公开的一个方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上实施例中任一项所述的方法
本公开提出了一种横纵解耦的控制建模方法，使横纵向控制量互不干扰，模型更加合理，具有控制更加精确的效果。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
以下附图描述了本发明的某些说明性实施方式，其中相同的附图标记表示相同的元件。这些描述的实施方式将是本公开的示例性实施方式，而不是以任何方式进行限制。
图1示出了可以应用本公开实施方式的无人车的数据处理方法的示例性系统架构的示意图；
图2示出了适于用来实现本公开实施方式的电子设备的计算机系统的结构示意图；
图3示意性示出了根据本公开的一实施方式的无人车的数据处理方法的流程图；
图4示出了利用横纵解耦的方法建模后，MPC控制器的框图；
图5示意性示出了根据本公开的一实施方式的无人车的数据处理装置的框图；
图6示意性示出了根据本公开的另一个实施方式的无人车的数据处理装置的方框图；
图7示意性示出了根据本公开的另一个实施方式的无人车的数据处理装置的方框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
图1示出了可以应用本公开实施方式的无人车的数据处理方法的示例性系统架构100的示意图。
如图1所示，系统架构100可以包括终端101、102、103中的一种或多种，网络104和服务器105。网络104是用以在终端101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
应该理解，图1中的终端、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
无人车可以使用终端101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端101、102、103可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、便携式计算机和台式计算机、数字电影放映机等等。
服务器105可以是提供各种服务的服务器。例如无人车通过终端103(也可以是终端101或102)向服务器发送无人车的数据处理请求时，服务器105获取无人车的横向误差、纵向误差、当前速度和前后轮轴距；根据所述横向误差、所述前后轮轴距和所述当前速度获取所述无人车的前轮转向角；根据所述纵向误差和所述当前速度获得所述无人车的加速度。服务器105可以将无人车的数据处理结果显示于终端103或其他终端，进而无人车或其他人员可以基于终端上显示的内容查看无人车的数据处理的结果。
又如终端103(也可以是终端101或102)可以是智能电视、VR(Virtual Reality，虚拟现实)/AR(Augmented Reality，增强现实)头盔显示器、或者其上安装有导航、网约车、即时通讯、视频应用程序(application，APP)等的移动终端例如智能手机、平板电脑等，无人车可以通过该智能电视、VR/AR头盔显示器或者该导航、网约车、即时通讯、视频APP提出无人车的数据处理请求，服务器105可以获取所述无人车的前轮转向角和加速度。服务器105可以将获取的所述无人车的前轮转向角和加速度返回给该或其他智能电视、VR/AR头盔显示器或者该导航、网约车、即时通讯、视频APP，进而通过该智能电视、VR/AR头盔显示器或者该导航、网约车、即时通讯、视频APP，将获取的前轮转向角和加速度进行显示。
图2示出了适于用来实现本公开实施方式的电子设备的计算机系统的结构示意图。
需要说明的是，图2示出的电子设备的计算机系统200仅是一个示例，不应对本公开实施方式的功能和使用范围带来任何限制。
如图2所示，计算机系统200包括中央处理单元(CPU，Central Processing Unit)201，其可以根据存储在只读存储器(ROM，Read-Only Memory)202中的程序或者从储存部分208加载到随机访问存储器(RAM，Random Access Memory)203中的程序而执行各种适当的动作和处理。在RAM 203中，还存储有系统操作所需的各种程序和数据。CPU 201、ROM 202以及RAM 203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。
以下部件连接至I/O接口205：包括键盘、鼠标等的输入部分206；包括诸如阴极射线管(CRT，Cathode Ray Tube)、液晶显示器(LCD，Liquid Crystal Display)等以及扬声器等的输出部分207；包括硬盘等的储存部分208；以及包括诸如LAN(Local Area Network，局域网)卡、调制解调器等的网络接口卡的通信部分209。通信部分209经由诸如因特网的网络执行通信处理。驱动器210也根据需要连接至I/O接口205。可拆卸介质211，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210上，以便于从其上读出的计算机程序根据需要被安装入储存部分208。
特别地，根据本公开的实施方式，下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，本公开的实施方式包括一种计算机程序产品，其包括承载在计算机可读存储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。在这样的实施方式中，该计算机程序可以通过通信部分209从网络上被下载和安装，和/或从可拆卸介质211被安装。在该计算机程序被中央处理单元(CPU)201执行时，执行本申请的方法和/或装置中限定的各种功能。
需要说明的是，本公开所示的计算机可读存储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(Erasable Programmable Read Only Memory，可擦除可编程只读存储器)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。在本公开中，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。而在本公开中，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存储介质，该计算机可读存储介质可以发送、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。计算机可读存储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(RadioFrequency，射频)等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本公开各种实施方式的方法、装置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，方框中所框选的功能也可以以不同于附图中所框选的顺序发生。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。
描述于本公开实施方式中所涉及到的模块和/或单元和/或子单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的模块和/或单元和/或子单元也可以设置在处理器中。其中，这些模块和/或单元和/或子单元的名称在某种情况下并不构成对该模块和/或单元和/或子单元本身的限定。
作为另一方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施方式中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读存储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电子设备执行时，使得该电子设备实现如下述实施方式中所述的方法。例如，所述的电子设备可以实现如图3各个步骤。
相关技术中，例如可以采用机器学习方法、深度学习方法等进行无人车的数据处理，不同方法适用的范围不同。
图3示意性示出了根据本公开的一实施方式的无人车的数据处理方法的流程图。本公开实施方式的方法步骤可以由终端或服务器执行，或由终端和服务器交互执行，例如，可以由上述图1中的服务器105执行，但本公开并不限定于此。
在步骤S310中，获取无人车的横向误差、纵向误差、当前速度和前后轮轴距。
在该步骤中，服务器获取无人车的横向误差、纵向误差、当前速度和前后轮轴距。
在一个实施例中，本申请的误差是指是指无人车两个不同状态(位置点)的值之间的差值，两个不同状态(位置点)例如为无人车当前的位置点(时间点)和预测的位置点(时间点)。
在一个实施例中，横向误差是指无人车当前位置与预测位置之间的距离。
在一个实施例中，纵向误差是指通过时间找的当前位置与预测位置之间的距离，具体是用插值的方法插出来。
其中，横向误差和纵向误差属于无人车驾驶领域的现有技术，在此不再赘述。
本公开实施方式中，终端可以以各种形式来实施。例如，本公开中描述的终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(personal digitalassistant，PDA)、便捷式媒体播放器(portable media player，PMP)、无人车的数据处理装置、可穿戴设备、智能手环、计步器、机器人、无人驾驶车等移动终端，以及诸如数字TV(television，电视机)、台式计算机等固定终端。
在步骤S320中，根据所述横向误差、所述前后轮轴距和所述当前速度获取所述无人车的前轮转向角。
在该步骤中，服务器根据所述横向误差、所述前后轮轴距和所述当前速度获取所述无人车的前轮转向角。
在一个实施例中，根据所述横向误差、所述前后轮轴距和所述当前速度获取所述无人车的前轮转向角包括：
根据以下公式求解所述无人车的前轮转向角
Figure BDA0003320060390000091
Figure BDA0003320060390000092
其中，lateral_error为横向误差，heading_error是航向角误差，wheel_base是前后轮轴距，v是所述无人车的当前速度，steer_angle是所述无人车的前轮转向角。
在一个实施例中，根据所述横向误差、所述前后轮轴距和所述当前速度获取所述无人车的前轮转向角包括：
根据以下公式求解所述无人车的前轮转向角
Figure BDA0003320060390000093
Figure BDA0003320060390000094
其中，lateral_error为横向误差，heading_error是航向角误差，wheel_base是前后轮轴距，v是所述无人车的当前速度，steer_angle是所述无人车的前轮转向角。
在步骤S330中，根据所述纵向误差和所述当前速度获得所述无人车的加速度。
在该步骤中，服务器根据所述纵向误差和所述当前速度获得所述无人车的加速度。
在一个实施例中，根据所述纵向误差和所述当前速度获得所述无人车的加速度包括：
根据以下公式求解所述无人车的加速度
Figure BDA0003320060390000095
Figure BDA0003320060390000096
其中，lon_error为纵向误差，acceleration是加速度，speed是预测点位置和无人车当前位置的位置差，speed_error是从当前点到预测点的加速度。
在一个实施例中，根据所述纵向误差和所述当前速度获得所述无人车的加速度包括：
根据以下公式求解所述无人车的加速度
Figure BDA0003320060390000101
Figure BDA0003320060390000102
其中，lon_error为纵向误差，-delta-acceleration是计算出的加速度增量，speed_error是从当前点到预测点的加速度差。
本公开中，在横向和纵向参考点选择标准不同的情况下，提出了一种横纵解耦的控制建模方法，使横纵向控制量互不干扰，模型更加合理，具有控制更加精确的效果。
现有技术中，采用横纵耦合的方法对无人物流车控制系统建模的最大的缺点是，对上游规划模块输出的难以适应，首先规划模块在输出参考位置时采取的策略有两套标准：一种是根据时间输出控制的参考量，另外一种是根据位置输出控制的参考量。为了使无人车在特定的时间出现在特定的位置上，控制器的纵向采用了时间标准的参考点，横向采用了位置标准的参考点。这个方法导致的结果是以上采用的两个点存在数值上的巨大差异，但是模型中却体现着横纵耦合的控制算法，所以对控制结果有着潜在的风险，以及难以预料的结果。
本公开中，仍然采用纵向以时间标准找参考点，横向以位置标准找参考点，但是在建立控制模型时，采用横纵分离的思想，对耦合模型做了解耦处理，使得加速度控制量只影响纵向位置和速度，前轮转角控制量只影响横向状态。另外，本公开中采用的是误差横纵解耦的运动学模型，控制器的控制量是控制增量，这样的好处是使系统控制变化量更加平顺。
图4示出了利用横纵解耦的方法建模后，MPC控制器的框图。其中，OSQP(OperatorSplitting Quadratic Program，算子分裂二次规划)。
为了避免纵向时间标准找参考点，横向位置标准找参考点带来的模型不一致，但是还需要用多变量控制的方法，根据几何和运动学关系对物流无人车做如下控制建模
横向模型：
Figure BDA0003320060390000111
Figure BDA0003320060390000112
纵向模型：
Figure BDA0003320060390000113
Figure BDA0003320060390000114
其中，lat_error为横向误差，heading_error为航向角误差，lon_error为纵向误差，speed_error是从当前点到预测点的加速度，wheel_base是前后轮轴距，steer_angle是所述无人车的前轮转向角，speed是预测点位置和无人车当前位置的位置差。v是车辆在全局坐标系下的速度(当前车速)。因为横向是非线性模型，需要进行线性化，而纵向本来就是线性模型，所以此处无需线性化。经过线性化和整理，可以得到增广后的运动学模型，如下所示：
横向模型：
Figure BDA0003320060390000115
Figure BDA0003320060390000116
纵向模型：
Figure BDA0003320060390000117
Figure BDA0003320060390000118
可以看出横纵向的控制量，steer_angle影响横向，以位置标准找参考点，delta_acceleration影响纵向，以时间标准找参考点，实现了模型的横纵分离。
lon_error是通过时间找的距离误差，这个是用插值的方法插出来；lat_error是直接通过距离找的距离误差；lon_error和lat_error都是已知的。
图5示意性示出了根据本公开的一实施方式的无人车的数据处理装置的框图。本公开实施方式提供的无人车的数据处理装置500可以设置在服务器端或终端上，或者部分设置在终端上，部分设置在服务器端上，例如，可以设置在图1中的服务器105，但本公开并不限定于此。
本公开实施方式提供的无人车的数据处理装置500可以包括获取模块510、前轮转向角获取模块520、加速度获取模块530。
其中，获取模块，配置为获取无人车的横向误差、纵向误差、当前速度和前后轮轴距；
前轮转向角获取模块，配置为根据所述横向误差、所述前后轮轴距和所述当前速度获取所述无人车的前轮转向角；
加速度获取模块，配置为根据所述纵向误差和所述当前速度获得所述无人车的加速度。
根据本公开的实施方式，使横纵向控制量互不干扰，模型更加合理，具有控制更加精确的效果。
图6示意性示出了根据本公开的另一个实施方式的无人车的数据处理装置600的方框图。
如图6所示，除了图5实施方式描述的获取模块510、前轮转向角获取模块520、加速度获取模块530之外，该无人车的数据处理装置600还包括显示模块610。
具体地，显示模块610在第四获取模块550获取前轮转向角和加速度后，向无人车或工作人员显示前轮转向角和加速度。
在该无人车的数据处理装置600中，通过显示模块610可以显示前轮转向角和加速度。
图7示意性示出了根据本公开的另一个实施方式的无人车的数据处理装置700的方框图。
如图7所示，除了图5实施方式描述的获取模块510、前轮转向角获取模块520、加速度获取模块530之外，无人车的数据处理装置700还包括存储模块710。
具体地，存储模块710用于对无人车的数据处理过程中的数据进行存储，以方便后续调用和参考。
可以理解的是获取模块510、前轮转向角获取模块520、加速度获取模块530、显示模块610和存储模块710可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施方式，获取模块510、前轮转向角获取模块520、加速度获取模块530、显示模块610和存储模块710的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以以对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式的适当组合来实现。或者，获取模块510、前轮转向角获取模块520、加速度获取模块530、显示模块610和存储模块710的至少一个可以至少被部分地实现为计算机程序模块，当该程序被计算机运行时，可以执行相应模块的功能。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块、单元和子单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块、单元和子单元的特征和功能可以在一个模块、单元和子单元中具体化。反之，上文描述的一个模块、单元和子单元的特征和功能可以进一步划分为由多个模块、单元和子单元来具体化。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施方式仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (8)

1.一种无人车的数据处理方法，其特征在于，包括：
获取无人车的横向误差、纵向误差、当前速度和前后轮轴距；
根据所述横向误差、所述前后轮轴距和所述当前速度获取所述无人车的前轮转向角；
根据所述纵向误差和所述当前速度获得所述无人车的加速度。
2.根据权利要求1所述的方法，其特征在于，根据所述横向误差、所述前后轮轴距和所述当前速度获取所述无人车的前轮转向角包括：
根据以下公式求解所述无人车的前轮转向角
Figure FDA0003320060380000011
Figure FDA0003320060380000012
其中，lateral_error为横向误差，heading_error是航向角误差，wheel_base是前后轮轴距，v是所述无人车的当前速度，steer_angle是所述无人车的前轮转向角。
3.根据权利要求1所述的方法，其特征在于，根据所述横向误差、所述前后轮轴距和所述当前速度获取所述无人车的前轮转向角包括：
根据以下公式求解所述无人车的前轮转向角
Figure FDA0003320060380000013
Figure FDA0003320060380000014
其中，lateral_error为横向误差，heading_error是航向角误差，wheel_base是前后轮轴距，v是所述无人车的当前速度，steer_angle是所述无人车的前轮转向角。
4.根据权利要求1所述的方法，其特征在于，根据所述纵向误差和所述当前速度获得所述无人车的加速度包括：
根据以下公式求解所述无人车的加速度
Figure FDA0003320060380000015
Figure FDA0003320060380000016
其中，lon_error为纵向误差，acceleration是加速度，speed是预测点位置和无人车当前位置的位置差，speed_error是从当前点到预测点的加速度。
5.根据权利要求1所述的方法，其特征在于，根据所述纵向误差和所述当前速度获得所述无人车的加速度包括：
根据以下公式求解所述无人车的加速度
Figure FDA0003320060380000021
Figure FDA0003320060380000022
其中，lon_error为纵向误差，-delta-acceleration是计算出的加速度增量，speed_error是从当前点到预测点的加速度差。
6.一种无人车的数据处理装置，其特征在于，包括：
获取模块，配置为获取无人车的横向误差、纵向误差、当前速度和前后轮轴距；
前轮转向角获取模块，配置为根据所述横向误差、所述前后轮轴距和所述当前速度获取所述无人车的前轮转向角；
加速度获取模块，配置为根据所述纵向误差和所述当前速度获得所述无人车的加速度。
7.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，配置为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时，使得所述一个或多个处理器实现如权利要求1至5中任一项所述的方法。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的方法。
CN202111242747.4A 2021-10-25 2021-10-25 无人车的数据处理方法及相关设备 Active CN113963542B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111242747.4A CN113963542B (zh) 2021-10-25 2021-10-25 无人车的数据处理方法及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111242747.4A CN113963542B (zh) 2021-10-25 2021-10-25 无人车的数据处理方法及相关设备

Publications (2)

Publication Number Publication Date
CN113963542A true CN113963542A (zh) 2022-01-21
CN113963542B CN113963542B (zh) 2022-12-27

Family

ID=79466812

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111242747.4A Active CN113963542B (zh) 2021-10-25 2021-10-25 无人车的数据处理方法及相关设备

Country Status (1)

Country Link
CN (1) CN113963542B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102416956A (zh) * 2011-09-09 2012-04-18 中南大学 汽车质心侧偏角和轮胎侧偏角软测量方法
CN105722739A (zh) * 2013-11-18 2016-06-29 雷诺股份公司 用于对车辆进行自动控制的方法和装置
US20180233048A1 (en) * 2015-08-20 2018-08-16 Scania Cv Ab Method, control unit and system for avoiding collision with vulnerable road users
CN108958258A (zh) * 2018-07-25 2018-12-07 吉林大学 一种无人车的轨迹跟随控制方法、控制系统及相关装置
CN109287122A (zh) * 2017-05-22 2019-01-29 百度时代网络技术（北京）有限公司 基于自动驾驶车辆的控制反馈更新地图的方法和系统
US20200039523A1 (en) * 2018-07-31 2020-02-06 Nio Usa, Inc. Vehicle control system using nonlinear dynamic model states and steering offset estimation
CN111857152A (zh) * 2020-07-31 2020-10-30 北京京东乾石科技有限公司 用于生成车辆控制信息的方法和装置
CN112148016A (zh) * 2020-09-30 2020-12-29 深兰人工智能(深圳)有限公司 基于模型预测控制算法横纵向解耦的车辆控制方法和装置
CN113195342A (zh) * 2018-12-31 2021-07-30 动态Ad有限责任公司 转向角度校准

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102416956A (zh) * 2011-09-09 2012-04-18 中南大学 汽车质心侧偏角和轮胎侧偏角软测量方法
CN105722739A (zh) * 2013-11-18 2016-06-29 雷诺股份公司 用于对车辆进行自动控制的方法和装置
US20180233048A1 (en) * 2015-08-20 2018-08-16 Scania Cv Ab Method, control unit and system for avoiding collision with vulnerable road users
CN109287122A (zh) * 2017-05-22 2019-01-29 百度时代网络技术（北京）有限公司 基于自动驾驶车辆的控制反馈更新地图的方法和系统
CN108958258A (zh) * 2018-07-25 2018-12-07 吉林大学 一种无人车的轨迹跟随控制方法、控制系统及相关装置
US20200039523A1 (en) * 2018-07-31 2020-02-06 Nio Usa, Inc. Vehicle control system using nonlinear dynamic model states and steering offset estimation
CN113195342A (zh) * 2018-12-31 2021-07-30 动态Ad有限责任公司 转向角度校准
CN111857152A (zh) * 2020-07-31 2020-10-30 北京京东乾石科技有限公司 用于生成车辆控制信息的方法和装置
CN112148016A (zh) * 2020-09-30 2020-12-29 深兰人工智能(深圳)有限公司 基于模型预测控制算法横纵向解耦的车辆控制方法和装置

Also Published As

Publication number Publication date
CN113963542B (zh) 2022-12-27

Similar Documents

Publication Publication Date Title
CN105333883A (zh) 一种用于抬头显示器的导航路径轨迹显示方法和装置
CN109515444B (zh) 用于输出无人驾驶汽车的行驶性能指标的方法和装置
US20230139187A1 (en) Method and apparatus for determining information, electronic device and storage medium
CN115817463B (zh) 车辆避障方法、装置、电子设备和计算机可读介质
CN112348029A (zh) 局部地图调整方法、装置、设备和计算机可读介质
CN113306570B (zh) 用于控制自动驾驶车辆的方法、装置和自动驾驶配送车
CN111098842B (zh) 车辆速度控制方法及相关设备
CN113963542B (zh) 无人车的数据处理方法及相关设备
CN113050660A (zh) 误差补偿方法、装置、计算机设备及存储介质
CN110555861B (zh) 光流计算方法、装置及电子设备
CN110321854B (zh) 用于检测目标对象的方法和装置
Schipor et al. Towards Interactions with Augmented Reality Systems in Hyper-Connected Cars.
CN113804196B (zh) 无人车路径规划方法及相关设备
CN110069195B (zh) 图像拖拽变形方法和装置
CN111338339A (zh) 轨迹规划方法、装置、电子设备及计算机可读介质
EP4261644A1 (en) Unmanned vehicle path optimization method and related device
CN115563734A (zh) 故障容错时间间隔计算方法及装置、电子设备、存储介质
CN112265646B (zh) 登机桥的控制方法及相关设备
CN113804208A (zh) 无人车路径优化方法及相关设备
CN113361059A (zh) 车辆模拟场景的生成方法及相关设备
CN113819915A (zh) 无人车路径规划方法及相关设备
CN111815701A (zh) 基于直方柱投影点的体积确定方法及装置
CN115588185B (zh) 行驶路线生成方法、装置、电子设备和计算机可读介质
CN116630436B (zh) 相机外参修正方法、装置、电子设备和计算机可读介质
CN114464006B (zh) 自动驾驶车辆的分配方法和装置

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