CN114255594B - 一种自主代客泊车运动规划与运动控制方法 - Google Patents
一种自主代客泊车运动规划与运动控制方法 Download PDFInfo
- Publication number
- CN114255594B CN114255594B CN202111623072.8A CN202111623072A CN114255594B CN 114255594 B CN114255594 B CN 114255594B CN 202111623072 A CN202111623072 A CN 202111623072A CN 114255594 B CN114255594 B CN 114255594B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parking
- path
- time
- 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 54
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000005457 optimization Methods 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 13
- 239000013598 vector Substances 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 4
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 239000013643 reference control Substances 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 2
- 238000003491 array Methods 0.000 claims description 2
- 230000003190 augmentative effect Effects 0.000 claims description 2
- 230000036461 convulsion Effects 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
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
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
- G08G1/133—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams within the vehicle ; Indicators inside the vehicles or at stops
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
- G08G1/143—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces inside the vehicles
Abstract
本发明适用于智能驾驶技术领域,提供了一种自主代客泊车运动规划与运动控制方法,适配园区多种车位形式与不同泊车空间的泊车路径规划以及路径处理,根据预先定义的泊车路径规划方法可以实现典型车位的泊车路径快速生成,在行驶过程中,根据道路曲率调整车辆纵向速度,并基于自适应MPC设计横向控制器,使车辆在通过大曲率弯道后可以迅速调整姿态重新跟随路径,并可以在统一控制框架下在泊车阶段引导车辆精准入库,整个自主代客泊车过程一次完成,无须再次规划泊车路径。
Description
技术领域
本发明属于智能驾驶技术领域,尤其涉及一种自主代客泊车运动规划与运动控制方法。
背景技术
无人驾驶车辆是未来智能交通系统的重要组成部分,自主代客泊车系统作为一种L4自动驾驶系统,能够自主处理行驶过程中遇到的各类问题,具有较大的落地前景,成为智能车领域的研究热点,同时也是社会、商业迫切需求的应用;自主代客泊车系统的实现需要解决环境感知、运动规划和运动跟踪三项关键技术,运动规划的任务是得到车辆从当前状态到目标状态的可行轨迹,运动控制的任务是最大程度保证无人车的跟踪精度和行驶稳定性,主要包括横向控制和纵向控制,横向控制主要研究智能车辆的路径跟踪能力,及车辆的行驶安全性、平稳性与乘坐舒适性,纵向控制主要研究智能车辆的速度跟踪能力;自主代客泊车场景下通常包含环岛、直角弯场景以及不同形式和空间的车位,常用的规划算法在泊车场景中需要较长的时间才能生成符合车辆运动学特性的泊车路径,车辆通常需要经过多次调整才能完全泊入车库。
常见的车辆横向控制方法虽然可以达到很高的跟踪精度,但是在大曲率路径中对车辆的期望姿态跟踪效果较差,在泊车过程中跟踪精度较差,容易导致泊车失败,或是需要对泊车路径进行重新规划;典型园区自主泊车工况通常包含平行、垂直和斜列三种车位形式,当车位泊车空间较小,即车位长度或道路宽度较小,车辆无法单步泊入车库,所以泊车路径通常基于最小转向半径设计,园区通常包含环岛,直角弯等大曲率路况,车辆需要以最小转向半径跟踪才能实现较好的跟踪效果,大曲率路径使得横向控制器的设计难度大大增加。为此我们提出一种自主代客泊车运动规划与运动控制方法。
发明内容
本发明实施例的目的在于提供一种自主代客泊车运动规划与运动控制方法,旨在解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种自主代客泊车运动规划与运动控制方法,包括以下步骤:
步骤S1:当车辆驶入停车场的入口下客点时,车主下车后通过移动终端发送指令,指令同时发送至停车场端和车辆;停车场端获取指令后,通过停车场监测单元监测停车场内的车位占用情况,通过停车场定位单元监测车辆的实时位置,并将停车场的地图发送至车辆;车辆获取指令后与停车场端建立通讯,获取车位的位置、车辆的实时位置和停车场端的地图;
步骤S2:车辆根据移动终端的指令规划泊车路径和行车路径;当车辆接收到停车指令时,停车场端提供目标车位信息;车辆接收到召车指令时,停车场端提供当前车位信息和出口上客点位置信息;
步骤S3:对前方一段行驶路径进行处理,生成具有时间信息、路径信息、航向信息、曲率信息和速度信息的轨迹序列;
步骤S4:根据生成的具有时间信息的轨迹进行横纵向解耦控制。
进一步的,所述步骤S1中,当车主发送停车指令时,停车场端服务器获取指令后,通过停车场监测单元监测车位占用状况,为车辆分配距离最近的车位;当车主发送召车指令时,停车场端服务器获取指令后,通过停车场监测单元监测车辆当前所在车位,并为车辆分配距离最近的出口上客点。
进一步的,所述停车场监测单元包括布置在停车场端的摄像头,所述停车场定位单元包括若干个布置在停车场端的UWB,所述车辆具有V2X通讯功能,所述车辆配备有毫米波雷达、超声波雷达、激光雷达和环视摄像头传感器,所述车辆配备有工控机,且所述车辆配备有用于对目标转角和目标车速实现跟踪的线控底盘。
进一步的,所述步骤S2中,当车辆收到停车指令时,车辆当前位置为入口下客点,车辆目标位置为车位;当车辆收到召车指令时,车辆当前位置为车位,车辆目标位置为出口上客点;当车位位置与指令需要位置不符时,车辆对移动终端的指令不作响应。
进一步的,所述步骤S2中,泊车路径和行车路径的生成包括以下步骤:
步骤S21,车辆根据车位信息和泊车规划方法生成泊车路径;
步骤S22,当车辆收到移动终端停车指令时,车辆生成当前位置至泊车起始点的行车路径;当车辆收到移动终端召车指令时,将泊车路径逆序,生成出库路径,规划由出库路径末点至出口上客点的行车路径。
进一步的,所述步骤S3中,车辆对路径进行处理,重新计算采样点,计算路径航向和曲率,利用二次规划优化方法规划车速,并根据车速与路径信息生成时间序列。
进一步的,所述步骤S3中,路径处理方法包括以下步骤:
步骤S31:选取车辆前方固定长度的路径,重新计算采样点,生成具有固定间隔的路径序列;
步骤S32:根据路径序列,基于反正切函数计算路径航向;
步骤S33:根据路径点序列,基于三点圆方法计算路径曲率;
步骤S34:根据路径点序列,基于二次规划生成期望车速;
步骤S35:根据路径序列和速度信息,生成时间序列。
进一步的,所述步骤S4中,根据具有时间信息的轨迹信息,利用自适应MPC横向控制器控制车辆跟随目标路径,利用纵向控制器控制车辆跟随目标车速。
与现有技术相比,本发明的有益效果是:
该自主代客泊车运动规划与运动控制方法,提供了一种适配园区多种车位形式与不同泊车空间的泊车路径规划以及路径处理的方法,根据预先定义的泊车路径规划方法可以实现典型车位的泊车路径快速生成,在行驶过程中,根据道路曲率调整车辆纵向速度,并基于自适应MPC设计横向控制器,使车辆在通过大曲率弯道后可以迅速调整姿态重新跟随路径,并可以在统一控制框架下在泊车阶段引导车辆精准入库,整个自主代客泊车过程一次完成,无须再次规划泊车路径。
附图说明
图1为自主代客泊车运动规划与运动控制方法的流程图。
图2为自主代客泊车运动规划与运动控制方法中典型车位泊车规划和轨迹输出的流程图。
图3为自主代客泊车运动规划与运动控制方法中泊车区域的俯视示意图。
图中:100-移动终端,200-车辆,300-停车场端,301-停车场监测单元,302-停车场定位单元。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。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。
以下结合具体实施例对本发明的具体实现进行详细描述。
如图1-3所示,为本发明一个实施例提供的一种自主代客泊车运动规划与运动控制方法,包括以下步骤:
步骤S1:当车辆200驶入停车场的入口下客点时,车主下车后通过移动终端100发送指令,指令同时发送至停车场端300和车辆200;停车场端300获取指令后,通过停车场监测单元301监测停车场内的车位占用情况,通过停车场定位单元302监测车辆200的实时位置,并将停车场的地图发送至车辆200;车辆200获取指令后与停车场端300建立通讯,获取车位的位置、车辆200的实时位置和停车场端300的地图;
步骤S2:车辆200根据移动终端100的指令规划泊车路径和行车路径;当车辆200接收到停车指令时,停车场端300提供目标车位信息;车辆200接收到召车指令时,停车场端300提供当前车位信息和出口上客点位置信息;
步骤S3:对前方一段行驶路径进行处理,生成具有时间信息、路径信息、航向信息、曲率信息和速度信息的轨迹序列;
步骤S4:根据生成的具有时间信息的轨迹进行横纵向解耦控制。
在本发明实施例中,优选的,停车场的高精地图为预先建立,满足车辆200规划全局路径的需求。
如图1-3所示,作为本发明的一种优选实施例,所述步骤S1中,当车主发送停车指令时,停车场端300服务器获取指令后,通过停车场监测单元301监测车位占用状况,为车辆200分配距离最近的车位;当车主发送召车指令时,停车场端300服务器获取指令后,通过停车场监测单元301监测车辆当前所在车位,并为车辆200分配距离最近的出口上客点。
在本发明实施例中,优选的,车主发送停车指令或召车指令,指令同时发送至停车场端300和车辆200,停车场端300服务器获取指令后作出相应分配。
如图1-3所示,作为本发明的一种优选实施例,所述停车场监测单元301包括布置在停车场端300的摄像头,所述停车场定位单元302包括若干个布置在停车场端300的UWB,所述车辆200具有V2X通讯功能,所述车辆200配备有毫米波雷达、超声波雷达、激光雷达和环视摄像头传感器,所述车辆200配备有工控机,且所述车辆200配备有用于对目标转角和目标车速实现跟踪的线控底盘。
在本发明实施例中,目标车位信息的获取包括以下步骤:
步骤S11:车辆200收到车主的移动终端100指令后,启动自主代客泊车系统,与停车场端300服务器建立通讯联系;
步骤S12:停车场端300服务器通过覆盖停车场的摄像头和UWB,监控车位占用状况和车辆200实时位置,在收到车主停车指令后,将距离车辆200最近的处于空置状态中车位的车位信息,包括车位大小、车位类型和车位位置信息发送给车辆200;在收到车主召车指令后,将距离车辆200最近的出口上客点位置信息、以及车辆200当前所处车位的车位大小、类型和位置信息发送给车辆200;
步骤S13:停车场端300服务器通过覆盖停车场的UWB系统对车辆200进行实时定位,并将车辆200实时位置信息发送至车辆200。
如图1-3所示,作为本发明的一种优选实施例,所述步骤S2中,当车辆200收到停车指令时,车辆200当前位置为入口下客点,车辆200目标位置为车位;当车辆200收到召车指令时,车辆200当前位置为车位,车辆200目标位置为出口上客点;当车位位置与指令需要位置不符时,车辆200对移动终端100的指令不作响应。
在本发明实施例中,优选的,当车辆200接收到停车指令时,车辆200的目标位置为车位,停车场端300为车辆200提供目标车位信息;车辆200接收到召车指令时,车辆200的目标位置为出口上客点,停车场端300为车辆200提供当前车位信息和出口上客点位置信息。
如图1-3所示,作为本发明的一种优选实施例,所述步骤S2中,泊车路径和行车路径的生成包括以下步骤:
步骤S21,车辆200根据车位信息和泊车规划方法生成泊车路径;
步骤S22,当车辆200收到移动终端100停车指令时,车辆200生成当前位置至泊车起始点的行车路径;当车辆200收到移动终端100召车指令时,将泊车路径逆序,生成出库路径,规划由出库路径末点至出口上客点的行车路径。
在本发明实施例中,优选的,车辆200根据停车场端300提供的当前位置信息、目标位置信息、车位相关信息和自身结构参数规划泊车路径,泊车路径由圆弧和直线组合而成,车辆200进出库时以最小转向半径或直线行驶调整姿态,由此计算出车辆200单步平行泊车、两步平行泊车、单步垂直泊车、三步垂直泊车和斜列泊车的路径组成及关键点的信息,利用关键点及直线特征得到泊车路径;规划方法选用图搜索方法中的hybrid A*算法,在此不做赘述。
如图1-3所示,作为本发明的一种优选实施例,所述步骤S3中,车辆200对路径进行处理,重新计算采样点,计算路径航向和曲率,利用二次规划优化方法规划车速,并根据车速与路径信息生成时间序列。
在本发明实施例中,优选的,为减小运算负担,仅选取车辆200前方一段路径进行处理。
如图1-3所示,作为本发明的一种优选实施例,所述步骤S3中,路径处理方法包括以下步骤:
步骤S31:选取车辆200前方固定长度的路径,重新计算采样点,生成具有固定间隔的路径序列;
步骤S32:根据路径序列,基于反正切函数计算路径航向;
步骤S33:根据路径点序列,基于三点圆方法计算路径曲率;
步骤S34:根据路径点序列,基于二次规划生成期望车速;
步骤S35:根据路径序列和速度信息,生成时间序列。
在本发明实施例中,优选的,在步骤S31中,利用数值计算方法重新插值,生成具有固定间隔且平滑度较好的路径点序列;在步骤S32中,基于反正切函数计算相邻路径点的斜率,该斜率即为此路径点在大地坐标系下的航向,考虑车辆200前进行驶和倒车行驶时计算出的斜率存在方向上的区别,对于倒车路径的航向需要进行减180°处理;在步骤S33中,计算相邻三个路径点组成的三角形的外接圆的半径即可得到路径曲率;在步骤S34中,通过构造优化问题求解各个路径点对应的期望车速,给定目标巡航车速为vset,令x=[v1…vi…vn]T代表期望车速,其中n为给定路径点序列点的个数,所以跟随性能指标可以写成二次规划问题代价函数形式:其中P=In×n,q=[vset…vset]T,为保证舒适度,对车辆200的侧向加速度限制为/>对急动度的限制为smax=3m/s3,通过求解二次规划问题可以得到满足跟随性和舒适性要求的期望车速;在步骤S35中,根据路径点序列和速度信息,计算每个路径点由车辆200当前位置以期望车速到达时所需的时间,生成时间序列。
如图1-3所示,作为本发明的一种优选实施例,所述步骤S4中,根据具有时间信息的轨迹信息,利用自适应MPC横向控制器控制车辆200跟随目标路径,利用纵向控制器控制车辆200跟随目标车速。
在本发明实施例中,优选的,因为线控底盘已经具有较好的控制性能,在输入目标车速的情况下能实现较高精度的跟踪,可以直接利用底层控制器实现纵向跟踪。自适应MPC横向控制器设计时建立的预测模型考虑预瞄点误差,在对原本预测时域内的车辆200侧向运动进行预测的同时,通过选取适当的预瞄时间在不增大预测时域的情况下,通过侧向位移预瞄模型考虑内的车辆200的侧向运动,在几乎不增加计算量的情况下将预瞄时间扩大一倍。自适应MPC横向控制器实现包括以下步骤:
步骤S41,建立考虑预瞄点处误差的预测模型,MPC控制器中的预测时域N相当于人类驾驶员在驾驶过程中的预瞄时间,根据实际驾驶经验可知,预瞄时间应与当前车速以及道路曲率相关,但如果在MPC控制器中增加预测时域N,将导致相应优化问题所涉及的矩阵维度增大,导致优化问题求解时的计算量增大。设车辆200与参考点处的横向偏差为ed、航向角偏差为eψ:
ed=-(Xr-Xref)sinψref+(Yr-Yref)cosψref
eψ=ψ-ψref
式中,(Xr,Yr)是车辆200当前位置,ψ是车辆200当前航向,(Xref,Yref)是参考点位置,ψref是参考点航向;
为使MPC控制器能具有超出预测时域之外的预瞄能力,假定预瞄时间内车辆200横向误差变化率为航向角误差变化率为/>且保持不变,可以计算车辆200在预瞄点处的横向误差ed_preview与航向角偏差eψ_preview;
其中Δd和Δψ分别是预瞄点(Xp,Yp)相对于参考点的横向位移偏差和航向角偏差,Tp为预瞄时间;考虑航向角偏差eψ较小,所以预瞄点误差的预测模型可以整理为下式:
X(t+1)=AdX(t)+Bdu(t)
η(t)=CdX(t)+Ddu(t)
式中:
X(t)=[ed(t) eψ(t)]T
η(t)=[ed(t) eψ(t) ed_preview(t) eψ_preview(t)]T
所以在对原本预测时域[t,t+NTs]内的车辆200侧向运动进行预测的同时,通过选取适当的预瞄时间Tp可以在不增大预测时域的情况下通过侧向位移预瞄模型考虑[t+Tp,t+Tp+NTs]内的车辆200侧向运动,在几乎不增加计算量的情况下将预瞄时间扩大一倍;
步骤S42,对MPC优化问题进行转化及求解。预测模型的输出方程中存在控制输入的馈通,考虑将上一时刻的控制输入u(t-1)作为额外的状态引入状态向量,通过使用状态向量中的u(t-1)代替输出方程中的u(t),可以消除状态观测器和MPC控制器之间的循环依赖,将状态向量中的u(t-1)加入预测模型的输出中,可将参考控制输入以参考输出分量的形式引入代价函数。消除MPC控制器与状态观测器之间的循环依赖后,可将预测模型变为如下形式:
其中表示增广后的状态向量,/>表示增广后的输出向量,v(t)表示在时刻t的可测量扰动输入rref(t),Δu(t)表示在时刻t的控制输入增量。其中,n=4代表预测模型的状态个数;m=1代表预测模型的控制输入个数;q=1表示预测模型的可测量扰动输入个数。根据上述分析,可将预测时域内每个时刻的预测输出与参考输出之间的跟踪误差,以及控制增量的大小构造为如下代价函数:
其中,表示在时刻t预测的t+k时刻的状态/>refyt+k表示在时刻t预瞄的t+k时刻的参考输出refy(t+k|t)=[0 0 refyp(t+k|t) refu(t)]T;vt+k表示在时刻t预瞄的t+k时刻的可测量扰动输入v(t+k|t)=rref(t+k|t);Δut+k表示在时刻t计算得到的t+k时刻的控制输入增量Δu(t+k|t),Q是跟踪误差权重矩阵,Qf是终端跟踪误差权重矩阵,R是控制输入增量权重矩阵,Q和Qf须为半正定阵,R须为正定阵,一般选取对角线元素为相应的权重参数的对角阵。在对代价函数求解过程中,考虑车辆200前轮转角的物理极限,将控制量和控制增量限制在合理范围内:
-540°≤u≤540°
-10°≤Δu≤10°
另外,为降低优化问题的求解复杂度,通过引入如下约束条件,可以减少决策变量的个数,达到降低计算量的目的:
Δut+k=0,k=Nu,...,N-1
上述约束条件使得只有控制时域内的控制输入序列通过优化求解得出,而其余控制输入保持不变;
最终,上述问题被转换为带有线性约束条件的凸二次规划问题;
在每个控制周期,通过求解上述优化问题,可以得到最优的控制输入增量序列采用/>的第一个分量,得到最优控制输入为/>
本发明的工作原理是:
该自主代客泊车运动规划与运动控制方法,提供了一种适配园区多种车位形式与不同泊车空间的泊车路径规划方法以及路径处理方法,根据预先定义的泊车路径规划方法可以实现典型车位的泊车路径快速生成,在行驶过程中,根据道路曲率调整车辆200纵向速度,并基于自适应MPC设计横向控制器,使车辆200在通过大曲率弯道后可以迅速调整姿态重新跟随路径,并可以在统一控制框架下在泊车阶段引导车辆200精准入库,整个自主代客泊车过程一次完成,无须再次规划泊车路径。
以上仅是本发明的优选实施方式,应当指出,对于本领域的技术人员来说,在不脱离本发明构思的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些均不会影响本发明实施的效果和专利的实用性。
Claims (5)
1.一种自主代客泊车运动规划与运动控制方法,其特征在于,包括以下步骤:
步骤S1:当车辆驶入停车场的入口下客点时,车主下车后通过移动终端发送停车指令,指令同时发送至停车场端和车辆;停车场端获取指令后,通过停车场监测单元监测停车场内的车位占用情况,通过停车场定位单元监测车辆的实时位置,并将停车场的地图发送至车辆;车辆获取指令后与停车场端建立通讯,获取车位的位置、车辆的实时位置和停车场端的地图;
步骤S2:车辆根据移动终端的指令规划泊车路径和行车路径;当车辆接收到停车指令时,停车场端提供目标车位信息;车辆接收到召车指令时,停车场端提供当前车位信息和出口上客点位置信息;
步骤S3:对前方一段行驶路径进行处理,生成具有时间信息、路径信息、航向信息、曲率信息和速度信息的轨迹序列;
步骤S4:根据生成的具有时间信息的轨迹进行横纵向解耦控制;
所述步骤S3中,车辆对路径进行处理,重新计算采样点,计算路径航向和曲率,利用二次规划优化方法规划车速,并根据车速与路径信息生成时间序列;
所述步骤S3中,路径处理方法包括以下步骤:
步骤S31:选取车辆前方固定长度的路径,重新计算采样点,生成具有固定间隔的路径序列;
步骤S32:根据路径序列,基于反正切函数计算路径航向;
步骤S33:根据路径点序列,基于三点圆方法计算路径曲率;
步骤S34:根据路径点序列,基于二次规划生成期望车速;
步骤S35:根据路径序列和速度信息,生成时间序列;
在步骤S34中,通过构造优化问题求解各个路径点对应的期望车速,给定目标巡航车速为,令/>代表期望车速,其中/>为给定路径点序列点的个数,跟随性能指标写成二次规划问题代价函数形式:
,其中/>,/>,为保证舒适度,对车辆的侧向加速度限制为,对急动度的限制为/>,通过求解二次规划问题得到满足跟随性和舒适性要求的期望车速;
在步骤S35中,根据路径点序列和速度信息,计算每个路径点由车辆当前位置以期望车速到达时所需的时间,生成时间序列;
所述步骤S4中,根据具有时间信息的轨迹信息,利用自适应MPC横向控制器控制车辆跟随目标路径,利用纵向控制器控制车辆跟随目标车速;
自适应MPC横向控制器实现包括以下步骤:
步骤S41,建立考虑预瞄点处误差的预测模型,MPC控制器中的预测时域相当于人类驾驶员在驾驶过程中的预瞄时间,预瞄时间与当前车速以及道路曲率相关;设车辆与参考点处的横向偏差为/>、航向角偏差为/>:
;
式中,是车辆当前位置,/>是车辆当前航向,/>是参考点位置,/>是参考点航向;
为使MPC控制器能具有超出预测时域之外的预瞄能力,假定预瞄时间内车辆横向误差变化率为、航向角误差变化率为/>,且保持不变,计算车辆在预瞄点处的横向误差/>与航向角偏差/>;
;
其中和/>分别是预瞄点/>相对于参考点的横向位移偏差和航向角偏差,/>为预瞄时间;
将预瞄点误差的预测模型整理为下式:
;
式中:
;
步骤S42,对MPC优化问题进行转化及求解;预测模型的输出方程中存在控制输入的馈通,将上一时刻的控制输入作为额外的状态引入状态向量,通过使用状态向量中的代替输出方程中的/>,以消除状态观测器和MPC控制器之间的循环依赖,将状态向量中的/>加入预测模型的输出中,将参考控制输入以参考输出分量的形式引入代价函数;消除MPC控制器与状态观测器之间的循环依赖后,将预测模型变为如下形式:
;
其中表示增广后的状态向量,/>表示增广后的输出向量,/>表示在时刻/>的可测量扰动输入/>,/>表示在时刻/>的控制输入增量;其中,/>代表预测模型的状态个数;/>代表预测模型的控制输入个数;/>表示预测模型的可测量扰动输入个数;
将预测时域内每个时刻的预测输出与参考输出之间的跟踪误差,以及控制增量的大小构造为如下代价函数:
;
其中,表示在时刻/>预测的/>时刻的状态/>;/>表示在时刻/>预瞄的/>时刻的参考输出/>;/>表示在时刻/>预瞄的/>时刻的可测量扰动输入/>;/>表示在时刻/>计算得到的/>时刻的控制输入增量/>,/>是跟踪误差权重矩阵,/>是终端跟踪误差权重矩阵,/>是控制输入增量权重矩阵,/>和/>为半正定阵,/>为正定阵,选取对角线元素为相应的权重参数的对角阵;在对代价函数求解过程中,考虑车辆前轮转角的物理极限,将控制量和控制增量限制在合理范围内:
;
为降低优化问题的求解复杂度,通过引入如下约束条件,减少决策变量的个数,达到降低计算量的目的:
;
上述约束条件使得只有控制时域内的控制输入序列通过优化求解得出,而其余控制输入保持不变;
最终,上述问题被转换为带有线性约束条件的凸二次规划问题;
;
在每个控制周期,通过求解上述优化问题,得到最优的控制输入增量序列,采用的第一个分量,得到最优控制输入为/>。
2.根据权利要求1所述的自主代客泊车运动规划与运动控制方法,其特征在于,所述步骤S1中,当车主发送停车指令时,停车场端服务器获取指令后,通过停车场监测单元监测车位占用状况,为车辆分配距离最近的车位;当车主发送召车指令时,停车场端服务器获取指令后,通过停车场监测单元监测车辆当前所在车位,并为车辆分配距离最近的出口上客点。
3.根据权利要求2所述的自主代客泊车运动规划与运动控制方法,其特征在于,所述停车场监测单元包括布置在停车场端的摄像头,所述停车场定位单元包括若干个布置在停车场端的UWB,所述车辆具有V2X通讯功能,所述车辆配备有毫米波雷达、超声波雷达、激光雷达和环视摄像头传感器,所述车辆配备有工控机,且所述车辆配备有用于对目标转角和目标车速实现跟踪的线控底盘。
4.根据权利要求1所述的自主代客泊车运动规划与运动控制方法,其特征在于,所述步骤S2中,当车辆收到停车指令时,车辆当前位置为入口下客点,车辆目标位置为车位;当车辆收到召车指令时,车辆当前位置为车位,车辆目标位置为出口上客点;当车位位置与指令需要位置不符时,车辆对移动终端的指令不作响应。
5.根据权利要求4所述的自主代客泊车运动规划与运动控制方法,其特征在于,所述步骤S2中,泊车路径和行车路径的生成包括以下步骤:
步骤S21,车辆根据车位信息和泊车规划方法生成泊车路径;
步骤S22,当车辆收到移动终端停车指令时,车辆生成当前位置至泊车起始点的行车路径;当车辆收到移动终端召车指令时,将泊车路径逆序,生成出库路径,规划由出库路径末点至出口上客点的行车路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111623072.8A CN114255594B (zh) | 2021-12-28 | 2021-12-28 | 一种自主代客泊车运动规划与运动控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111623072.8A CN114255594B (zh) | 2021-12-28 | 2021-12-28 | 一种自主代客泊车运动规划与运动控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114255594A CN114255594A (zh) | 2022-03-29 |
CN114255594B true CN114255594B (zh) | 2024-03-15 |
Family
ID=80798391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111623072.8A Active CN114255594B (zh) | 2021-12-28 | 2021-12-28 | 一种自主代客泊车运动规划与运动控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114255594B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109131318A (zh) * | 2018-10-19 | 2019-01-04 | 清华大学 | 一种基于拓扑地图的自主泊车路径协调方法 |
CN109712423A (zh) * | 2018-12-21 | 2019-05-03 | 江苏大学 | 一种代客泊车停车场系统及车辆出入库控制方法 |
CN110687797A (zh) * | 2019-11-11 | 2020-01-14 | 湖南大学 | 一种基于位置和姿态的自适应mpc泊车横向控制方法 |
CN110696819A (zh) * | 2019-10-31 | 2020-01-17 | 同济大学 | 一种自动泊车路径规划方法及系统 |
CN110979314A (zh) * | 2019-12-16 | 2020-04-10 | 驭势科技(北京)有限公司 | 一种自主代客泊车方法、车载设备及存储介质 |
WO2020108709A1 (de) * | 2018-11-27 | 2020-06-04 | Continental Teves Ag & Co. Ohg | Verfahren zum planen eines von einem parkassistenzsystem unterstützten parkvorgangs |
CN111307152A (zh) * | 2020-02-18 | 2020-06-19 | 中国科学院合肥物质科学研究院 | 一种自主泊车路径反向生成规划方法 |
CN111415523A (zh) * | 2020-03-06 | 2020-07-14 | 北京智行者科技有限公司 | 一种自主代客泊车方法及代客泊车系统 |
CN111739302A (zh) * | 2020-08-07 | 2020-10-02 | 宁波均联智行科技有限公司 | 自动代客泊车的方法及系统 |
CN112606830A (zh) * | 2020-12-29 | 2021-04-06 | 吉林大学 | 一种基于混合a*算法的两段式自主泊车路径规划方法 |
WO2021079338A1 (en) * | 2019-10-23 | 2021-04-29 | C.R.F. Societa' Consortile Per Azioni | Motor-vehicle trajectory planning and control to cause automated motor-vehicles to perform low-speed manoeuvres in automated driving |
WO2021102957A1 (zh) * | 2019-11-29 | 2021-06-03 | 驭势(上海)汽车科技有限公司 | 一种车道保持方法、车载设备和存储介质 |
CN113635891A (zh) * | 2021-08-02 | 2021-11-12 | 北京科技大学 | 一体式平行泊车轨迹规划和跟踪控制方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11249485B2 (en) * | 2018-05-30 | 2022-02-15 | Siemens Industry Software Nv | Method and system for controlling an autonomous vehicle device to repeatedly follow a same predetermined trajectory |
EP3803828B1 (en) * | 2018-05-31 | 2022-03-30 | Nissan North America, Inc. | Probabilistic object tracking and prediction framework |
-
2021
- 2021-12-28 CN CN202111623072.8A patent/CN114255594B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109131318A (zh) * | 2018-10-19 | 2019-01-04 | 清华大学 | 一种基于拓扑地图的自主泊车路径协调方法 |
WO2020108709A1 (de) * | 2018-11-27 | 2020-06-04 | Continental Teves Ag & Co. Ohg | Verfahren zum planen eines von einem parkassistenzsystem unterstützten parkvorgangs |
CN109712423A (zh) * | 2018-12-21 | 2019-05-03 | 江苏大学 | 一种代客泊车停车场系统及车辆出入库控制方法 |
WO2021079338A1 (en) * | 2019-10-23 | 2021-04-29 | C.R.F. Societa' Consortile Per Azioni | Motor-vehicle trajectory planning and control to cause automated motor-vehicles to perform low-speed manoeuvres in automated driving |
CN110696819A (zh) * | 2019-10-31 | 2020-01-17 | 同济大学 | 一种自动泊车路径规划方法及系统 |
CN110687797A (zh) * | 2019-11-11 | 2020-01-14 | 湖南大学 | 一种基于位置和姿态的自适应mpc泊车横向控制方法 |
WO2021102957A1 (zh) * | 2019-11-29 | 2021-06-03 | 驭势(上海)汽车科技有限公司 | 一种车道保持方法、车载设备和存储介质 |
CN110979314A (zh) * | 2019-12-16 | 2020-04-10 | 驭势科技(北京)有限公司 | 一种自主代客泊车方法、车载设备及存储介质 |
CN111307152A (zh) * | 2020-02-18 | 2020-06-19 | 中国科学院合肥物质科学研究院 | 一种自主泊车路径反向生成规划方法 |
CN111415523A (zh) * | 2020-03-06 | 2020-07-14 | 北京智行者科技有限公司 | 一种自主代客泊车方法及代客泊车系统 |
CN111739302A (zh) * | 2020-08-07 | 2020-10-02 | 宁波均联智行科技有限公司 | 自动代客泊车的方法及系统 |
CN112606830A (zh) * | 2020-12-29 | 2021-04-06 | 吉林大学 | 一种基于混合a*算法的两段式自主泊车路径规划方法 |
CN113635891A (zh) * | 2021-08-02 | 2021-11-12 | 北京科技大学 | 一体式平行泊车轨迹规划和跟踪控制方法及系统 |
Non-Patent Citations (6)
Title |
---|
Bing Zhang ; Guoying Chen ; Changfu Zong.Path Tracking of Full Drive-by-Wire Electric Vehicle based on Model Prediction Control.2018 IEEE Intelligent Vehicles Symposium (IV).2018,全文. * |
Changhua Dai ; Changfu Zong ; Guoying Chen.Path Tracking Control Based on Model Predictive Control With Adaptive Preview Characteristics and Speed-Assisted Constraint.IEEE Access.2020,第8卷全文. * |
园区内自动驾驶车辆局部路径规划与控制算法研究;王翔;中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)(第08期);摘要及正文第28-36、70页,图2.8-2.11 * |
基于MPC的无人驾驶车辆的轨迹跟踪;郝亮;李金良;荣同康;邓乐康;;汽车实用技术(第20期);全文 * |
基于MPC的自动驾驶车辆横向路径跟踪控制;陈威;廖文浩;刘明春;;南昌大学学报(工科版)(第03期);全文 * |
智能车辆横纵向耦合的运动规划研究;薄悦;中国优秀硕士学位论文全文数据库 (基础科学辑);20201015(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114255594A (zh) | 2022-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109085820B (zh) | 临界条件的自主车辆驾驶系统和方法 | |
US11698638B2 (en) | System and method for predictive path planning in autonomous vehicles | |
CN110471408B (zh) | 基于决策过程的无人驾驶车辆路径规划方法 | |
CN113359757B (zh) | 一种无人驾驶车辆路径规划与轨迹跟踪方法 | |
WO2020143288A1 (zh) | 一种复杂工况下自动驾驶车辆决策系统及其轨迹规划方法 | |
CN110126825B (zh) | 用于低级别前馈车辆控制策略的系统和方法 | |
CN112835333B (zh) | 一种基于深度强化学习多agv避障与路径规划方法及系统 | |
CN110244721A (zh) | 自动驾驶控制方法、装置、设备及存储介质 | |
US11586209B2 (en) | Differential dynamic programming (DDP) based planning architecture for autonomous driving vehicles | |
CN112572443B (zh) | 一种高速公路车辆换道实时避撞轨迹规划方法及系统 | |
Hosseini et al. | Interactive path planning for teleoperated road vehicles in urban environments | |
US20190129447A1 (en) | Coordinated control of vehicle cohorts | |
CN112965476A (zh) | 一种基于多窗口抽样的高速无人车轨迹规划系统及方法 | |
CN115116220A (zh) | 一种用于矿区装卸场景的无人驾驶多车协同控制方法 | |
CN114852085A (zh) | 基于路权侵入度的车辆自动驾驶轨迹规划方法 | |
CN114442630A (zh) | 一种基于强化学习和模型预测的智能车规划控制方法 | |
CN114255594B (zh) | 一种自主代客泊车运动规划与运动控制方法 | |
Esposto et al. | Hybrid path planning for non-holonomic autonomous vehicles: An experimental evaluation | |
CN116465427B (zh) | 一种基于时空风险量化的智能车辆换道避障路径规划方法 | |
WO2023147769A1 (en) | Systems, methods, and computer-readable media for spatio-temporal motion planning | |
CN112596516B (zh) | 基于Dubins曲线的多车队形切换方法 | |
Nietzschmann et al. | Trajectory optimization for car-like vehicles in structured and semi-structured environments | |
CN114510032A (zh) | 一种保障车辆快速编队稳定的多车协同控制方法及装置 | |
CN115092139A (zh) | 一种智能网联车辆交织区协同运动规划方法 | |
Ezeoma et al. | Model Predictive Control of Autonomous Vehicles to Enhance Driving Performance and Safety. |
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 |