CN114167906A - 一种自动驾驶的加速度控制方法 - Google Patents

Abstract

本发明提供一种自动驾驶的加速度控制方法，包括：设置自动驾驶的感知层、预测层、规划决策层和运动控制层；采用Frenet坐标系统描述汽车相对于道路的位置，并通过所述感知层获取汽车周边动态及静态障碍物；所述预测层采用基于隐马尔科夫模型的预测方法来预测未来时间段内动态障碍物的运动轨迹及将对车辆行驶状态的影响程度；所述规划决策层制定出到下一目标点的运动轨迹、时间及速度，其中下一目标点为动态障碍物和路口停止线的位置点；所述运动控制层根据到达下一目标点的时间及始末速度，计算加速度控制量，并按所述加速度控制量对执行机构进行控制。本发明能对自动驾驶的加速度控制方法进行优化，提高行驶的平顺性和乘坐的舒适性。

Description

一种自动驾驶的加速度控制方法

技术领域

本发明涉及汽车自动驾驶的技术领域，尤其涉及一种自动驾驶的加速度控制方法。

背景技术

随着国内汽车保有量不断提高，交通堵塞，停车位紧张等问题越来越严重，车辆的自动驾驶技术为解决上述问题提出了一种全新的路径，车辆的自动驾驶在控制层面由车辆横向和纵向运动控制实现。目前在实际应用中，多采用PID控制器直接控制纵向速度，对于加速度一般只简单设置上下限，决策层输出期望速度，由控制器对比当前速度与期望速度的差值，进而控制行驶速度达到期望速度。在实际行驶中，常出现加减速顿挫，乘坐舒适性不佳等问题，会让乘客产生眩晕感。因此，如何对汽车自动驾驶的加速度进行控制，以控制车辆行驶速度达到期望速度，避免出现顿挫，闯动等现象。

发明内容

本发明提供一种自动驾驶的加速度控制方法，解决现有汽车自动驾驶对加速度控制存在顿挫和闯动的问题，能对自动驾驶的加速度控制方法进行优化，提高行驶的平顺性和乘坐的舒适性。

为实现以上目的，本发明提供以下技术方案：

一种自动驾驶的加速度控制方法，包括：

设置自动驾驶的感知层、预测层、规划决策层和运动控制层；

采用Frenet坐标系统描述汽车相对于道路的位置，并通过所述感知层获取汽车周边动态及静态障碍物；

所述预测层采用基于隐马尔科夫模型的预测方法来预测未来时间段内动态障碍物的运动轨迹及将对车辆行驶状态的影响程度；

所述规划决策层制定出到下一目标点的运动轨迹、时间及速度，其中下一目标点为动态障碍物和路口停止线的位置点；

所述运动控制层根据到达下一目标点的时间及始末速度，计算加速度控制量，并按所述加速度控制量对执行机构进行控制。

优选的，还包括：

将进入所述运动控制层的指令由逻辑门控制器分为三类，第一类加速度无限制，第二类加速度强限制，第三类加速度弱限制，进而将加速度限制分为加速度强限制模式，加速度弱限制模式及加速度无限制模式。

优选的，还包括：

如果加速度限制为加速度强限制模式，则按照限制的速度和加速度执行；

如果加速度限制为加速度无限制模式，则按照所述规划决策层给定的速度和加速度执行；

如果加速度限制为加速度弱限制模式，则按照所述加速度控制量进行执行。

优选的，还包括：

如果加速度限制为加速度弱限制模式，则以冲击度在时间段内累计为损失函数，以得到最小损失函数相应的速度轨迹，并由此求导得到加速度控制量。

优选的，还包括：

由下一目标点的时间、期间平均速度及始末速度，通过多种速度规划算法设计出多条速度轨迹，并找出损失函数量小的速度轨迹，进而对所述速度轨迹求导，得到所述加速度控制量。

优选的，到达下一目标点的时间由动态障碍物预测结果及路口红绿灯时间信息决定。

优选的，所述损失函数为在关于速度轨迹p(t)在时间段t1-t0内累计的冲击度，其表达式为：

其中C为损失函数。

优选的，还包括：

根据所述运动轨迹计算轨迹曲率，并根据预设的轨迹曲率与最大行驶速度的对应表进行查表得到最大允许行驶速度；

获取车辆当前速度，并判断所述当前速度与所述最大允许行驶速度的差值是否大于设定阈值，如果是，则由所述规划决策层重新规则运动轨迹，如果否，则减速至所述最大允许行驶速度以下继续执行原有轨迹。

本发明提供一种自动驾驶的加速度控制方法，设置自动驾驶的感知层、预测层、规划决策层和运动控制层，对自动驾驶的加速度控制量进行计算并优化控制，解决现有汽车自动驾驶对加速度控制存在顿挫和闯动的问题，能对自动驾驶的加速度控制方法进行优化，提高行驶的平顺性和乘坐的舒适性。

附图说明

为了更清楚地说明本发明的具体实施例，下面将对实施例中所需要使用的附图作简单地介绍。

图1是本发明提供的一种自动驾驶的加速度控制方法示意图。

图2是本发明提供的一种自动驾驶的加速度控制逻辑流程示意图。

图3是本发明提供的自动驾驶系统示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明实施例的方案，下面结合附图和实施方式对本发明实施例作进一步的详细说明。

针对当前汽车自动驾驶对加速度近为人民环境存在在顿挫和闯动的问题，本发明提供一种自动驾驶的加速度控制方法，解决现有汽车自动驾驶对加速度控制存在顿挫和闯动的问题，能对自动驾驶的加速度控制方法进行优化，提高行驶的平顺性和乘坐的舒适性。

如图1和图2所示，一种自动驾驶的加速度控制方法，包括：

S1：设置自动驾驶的感知层、预测层、规划决策层和运动控制层。

S2：采用Frenet坐标系统描述汽车相对于道路的位置，并通过所述感知层获取汽车周边动态及静态障碍物。

S3：所述预测层采用基于隐马尔科夫模型的预测方法来预测未来时间段内动态障碍物的运动轨迹及将对车辆行驶状态的影响程度。

S4：所述规划决策层制定出到下一目标点的运动轨迹、时间及速度，其中下一目标点为动态障碍物和路口停止线的位置点。

S5：所述运动控制层根据到达下一目标点的时间及始末速度，计算加速度控制量，并按所述加速度控制量对执行机构进行控制。

具体地，如图3所示，车外具有激光雷达、毫米波雷达、超声波雷达、摄像头等传感器及GPS天线；车上安装有工控机、GPS定位设备、线控制动系统、驱动电机等控制器和执行器。自动驾驶系统由感知层、预测层、规划决策层、运动控制层几部分组成，感知层负责将传感器接收到的信息实现周围环境感知，目标跟踪；预测层由预测算法预测跟踪目标未来轨迹；规划决策层将结合道路信息、跟踪目标预测轨迹等信息规划车辆运动轨迹及时间速度限制等；再由运动控制层规划并选择速度轨迹，转为加速度信号发送给驱动电机和线控制动系统执行。

通过感知层获取的汽车位置信息，可将笛卡尔坐标系转化为Frenet坐标系，Frenet坐标系描述了汽车相对于道路的位置，在Frenet坐标系中，s代表沿道路的距离称为纵坐标，d表示与纵向线的位移称为横坐标，利用Frenet坐标系将二维运动问题解耦为两个一维运动问题。

由感知层感知周边动态及静态障碍物，预测层采用基于隐马尔科夫模型的预测方法来预测未来时间段内动态障碍物的运动轨迹及将对车辆行驶状态的影响程度，再由规划决策层制定出到下一目标点的运动轨迹S，到达下一目标点的时间t，期间平均速度Va及始末速度V0，V1等，其中下一目标点一般为动态障碍物和路口停止线等的位置点，到达下一目标点的时间由动态障碍物预测结果及路口红绿灯时间等信息决定；再将这些信息传递到控制层，由控制层中的逻辑门上位控制器得到控制模式，并计算加速度控制量，进而按所述加速度控制量对执行机构进行控制。本方法能对自动驾驶的加速度控制方法进行优化，提高行驶的平顺性和乘坐的舒适性。

该方法还包括：将进入所述运动控制层的指令由逻辑门控制器分为三类，第一类加速度无限制，第二类加速度强限制，第三类加速度弱限制，进而将加速度限制分为加速度强限制模式，加速度弱限制模式及加速度无限制模式。

该方法还包括：如果加速度限制为加速度强限制模式，则按照限制的速度和加速度执行。如果加速度限制为加速度无限制模式，则按照所述规划决策层给定的速度和加速度执行。如果加速度限制为加速度弱限制模式，则按照所述加速度控制量进行执行。

在实际应用中，逻辑门控制器根据到达下一目标点的时间t及始末速度V0，V1将加速度模式分为加速度强限制模式，加速度弱限制模式及加速度无限制模式三种；并传递到下位参数控制器得到具体的加速度控制量a，并输出到执行机构。

该方法还包括：

如果加速度限制为加速度弱限制模式，则以冲击度在时间段内累计为损失函数，以得到最小损失函数相应的速度轨迹，并由此求导得到加速度控制量。

访方法还包括：由下一目标点的时间、期间平均速度及始末速度，通过多种速度规划算法设计出多条速度轨迹，并找出损失函数量小的速度轨迹，进而对所述速度轨迹求导，得到所述加速度控制量。

进一步，到达下一目标点的时间由动态障碍物预测结果及路口红绿灯时间信息决定。

进一步，所述损失函数为在关于速度轨迹p(t)在时间段t1-t0内累计的冲击度，其表达式为：

其中C为损失函数。

该方法还包括：

根据所述运动轨迹计算轨迹曲率，并根据预设的轨迹曲率与最大行驶速度的对应表进行查表得到最大允许行驶速度。

获取车辆当前速度，并判断所述当前速度与所述最大允许行驶速度的差值是否大于设定阈值，如果是，则由所述规划决策层重新规则运动轨迹，如果否，则减速至所述最大允许行驶速度以下继续执行原有轨迹。

在实际应用中，在控制层中逻辑门控制器的设计为：先由运动轨迹S计算轨迹曲率q，按查表(预设的轨迹曲率q与最大允许行驶速度Vmax的对应表)得到最大允许行驶速度Vmax，若当前速度Vn-Vmax>5km/h，则由规划决策层重新规划运动轨迹S’，且期间最高速度不高于Vmax。若小于5km/h，则减速至Vmax以下继续执行轨迹S。由下一目标点的时间限制t，期间平均速度Va及始末速度V0，V1等信息，通过梯形、余弦、多项式或7段S型等多种速度规划算法设计出多条速度轨迹p，以表达在速度与时间的关系图，若有速度限制和加速度限制，则按照限制的速度与加速度执行；若有突发情况，加速度可不受限制，譬如需紧急制动时，则保障乘员，行人安全，以最大制动力制动。

在加减速中，如何计算加速度控制量，首先选取损失函数C为冲击度J在关于速度轨迹p在时间段t1-t0内累计的Jt，其表达式为：

计算多条速度轨迹后，找出使得C最小的速度轨迹p(t)，再对速度轨迹p求导，即得到每一时刻的加速度控制量。

可见，本发明提供一种自动驾驶的加速度控制方法，设置自动驾驶的感知层、预测层、规划决策层和运动控制层，对自动驾驶的加速度控制量进行计算并优化控制，解决现有汽车自动驾驶对加速度控制存在顿挫和闯动的问题，能对自动驾驶的加速度控制方法进行优化，提高行驶的平顺性和乘坐的舒适性。

以上依据图示所示的实施例详细说明了本发明的构造、特征及作用效果，以上所述仅为本发明的较佳实施例，但本发明不以图面所示限定实施范围，凡是依照本发明的构想所作的改变，或修改为等同变化的等效实施例，仍未超出说明书与图示所涵盖的精神时，均应在本发明的保护范围内。

Claims (8)

1.一种自动驾驶的加速度控制方法，其特征在于，包括：

设置自动驾驶的感知层、预测层、规划决策层和运动控制层；

采用Frenet坐标系统描述汽车相对于道路的位置，并通过所述感知层获取汽车周边动态及静态障碍物；

所述预测层采用基于隐马尔科夫模型的预测方法来预测未来时间段内动态障碍物的运动轨迹及将对车辆行驶状态的影响程度；

所述规划决策层制定出到下一目标点的运动轨迹、时间及速度，其中下一目标点为动态障碍物和路口停止线的位置点；

所述运动控制层根据到达下一目标点的时间及始末速度，计算加速度控制量，并按所述加速度控制量对执行机构进行控制。

2.根据权利要求1所述的自动驾驶的加速度控制方法，其特征在于，还包括：

将进入所述运动控制层的指令由逻辑门控制器分为三类，第一类加速度无限制，第二类加速度强限制，第三类加速度弱限制，进而将加速度限制分为加速度强限制模式，加速度弱限制模式及加速度无限制模式。

3.根据权利要求2所述的自动驾驶的加速度控制方法，其特征在于，还包括：

如果加速度限制为加速度强限制模式，则按照限制的速度和加速度执行；

如果加速度限制为加速度无限制模式，则按照所述规划决策层给定的速度和加速度执行；

如果加速度限制为加速度弱限制模式，则按照所述加速度控制量进行执行。

4.根据权利要求3所述的自动驾驶的加速度控制方法，其特征在于，还包括：

如果加速度限制为加速度弱限制模式，则以冲击度在时间段内累计为损失函数，以得到最小损失函数相应的速度轨迹，并由此求导得到加速度控制量。

5.根据权利要求4所述的自动驾驶的加速度控制方法，其特征在于，还包括：

由下一目标点的时间、期间平均速度及始末速度，通过多种速度规划算法设计出多条速度轨迹，并找出损失函数量小的速度轨迹，进而对所述速度轨迹求导，得到所述加速度控制量。

6.根据权利要求5所述的自动驾驶的加速度控制方法，其特征在于，到达下一目标点的时间由动态障碍物预测结果及路口红绿灯时间信息决定。

7.根据权利要求6所述的自动驾驶的加速度控制方法，其特征在于，所述损失函数为在关于速度轨迹p(t)在时间段t1-t0内累计的冲击度，其表达式为：

其中C为损失函数。

8.根据权利要求7所述的自动驾驶的加速度控制方法，其特征在于，还包括：

根据所述运动轨迹计算轨迹曲率，并根据预设的轨迹曲率与最大行驶速度的对应表进行查表得到最大允许行驶速度；

获取车辆当前速度，并判断所述当前速度与所述最大允许行驶速度的差值是否大于设定阈值，如果是，则由所述规划决策层重新规则运动轨迹，如果否，则减速至所述最大允许行驶速度以下继续执行原有轨迹。

Images