CN114274968A - 一种车辆控制方法、装置、计算设备及存储介质 - Google Patents
一种车辆控制方法、装置、计算设备及存储介质 Download PDFInfo
- Publication number
- CN114274968A CN114274968A CN202111322075.8A CN202111322075A CN114274968A CN 114274968 A CN114274968 A CN 114274968A CN 202111322075 A CN202111322075 A CN 202111322075A CN 114274968 A CN114274968 A CN 114274968A
- Authority
- CN
- China
- Prior art keywords
- acceleration
- vehicle
- longitudinal
- road surface
- optimizer
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000001133 acceleration Effects 0.000 claims abstract description 232
- 230000008447 perception Effects 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009194 climbing Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Abstract
本申请公开了一种车辆控制方法,包括:获取车辆在行驶过程中的行驶状态数据、路径规划轨迹数据以及车辆上的不同传感器所采集到的环境感知数据,并根据环境感知数据确定出车辆的纵向行驶空间,从而利用加速度优化器,根据纵向行驶空间、行驶状态数据和路径规划轨迹数据,计算出纵向加速度,以便基于纵向加速度控制车辆进行行驶。由于加速度优化器根据车辆的纵向行驶空间确定纵向加速度,而并非直接根据车辆上的不同传感器所采集的环境感知数据确定纵向加速度,如此,可以实现加速度优化器与车辆上的不同传感器之间的解耦,从而降低加速度优化器与不同车型之间的适配难度。此外,本申请还提供了对应的装置、计算设备及存储介质。
Description
技术领域
本申请涉及智能控制技术领域,特别是涉及一种车辆控制方法、装置、计算设备及存储介质。
背景技术
汽车的自动化纵向控制技术,是指沿着车辆前后方向控制车辆进行行驶的技术,最初是控制油门实现定速巡航和最大行驶速度限制的功能。随着其它技术的发展,如毫米波雷达和摄像头图像感知技术、路径规划导航技术等,汽车的自动化纵向控制技术还融合了多样化的信息,如导航信息、通过车辆上的不同传感器所采集的环境信息等,通过将这些信息输入至加速度优化器中,并基于加速度优化器输出的纵向加速度对油门和刹车进行控制,以实现车辆自动紧急制动、自适应巡航控制功能。
其中,在基于传感器所采用的信息对车辆进行自动化的纵向控制过程中,不同类型的车辆上可能会采用不同的传感器,因此,在针对不同类型的车辆进行自动化的纵向控制时,通常需要针对不同传感器为加速度优化器定制化相应的接口,以使得加速度优化器能够识别多个不同传感器所采集的多样化信息并给定用于控制车辆运动的纵向加速度。
实际应用时,不同类型的车辆上所采用的传感器通常存在差异,因此,不同类型的车辆通常需要针对加速度优化器完成相应的定制化配置,从而导致加速度优化器与不同车型之间的适配难度较高。
发明内容
本申请实施例提供了一种车辆控制方法、装置、计算设备及存储介质,以降低加速度优化器与不同车型之间的适配难度。
第一方面,本申请实施例提供了一种车辆控制方法,所述方法包括:
获取车辆在行驶过程中的行驶状态数据、路径规划轨迹数据以及所述车辆上的不同传感器所采集到的环境感知数据;
根据所述环境感知数据以及所述行驶状态数据包括的车身俯仰角确定出所述车辆的纵向行驶空间;
利用加速度优化器,根据所述纵向行驶空间、所述行驶状态数据以及所述路径规划轨迹数据,计算出纵向加速度;
基于所述纵向加速度控制所述车辆进行行驶。
在一种可能的实施方式中,所述根据所述环境感知数据以及所述行驶状态数据包括的车身俯仰角确定出所述车辆的纵向行驶空间,包括:
根据所述环境感知数据,确定与所述车辆存在碰撞风险的至少一个对象以及每个对象相对于所述车辆的位置;
确定所述至少一个对象中碰撞风险等级最高的目标对象;
基于所述目标对象与所述车辆之间的路面距离、所述行驶状态数据包括的车身俯仰角,构建所述纵向行驶空间。
在一种可能的实施方式中,所述利用加速度优化器,根据所述纵向行驶空间、所述行驶状态数据以及所述路径规划轨迹数据,计算出纵向加速度,包括:
利用所述加速度优化器,确定所述车辆在所述纵向行驶空间内的局部加速度;
根据所述路径规划轨迹数据,确定所述车辆在路径规划轨迹预瞄点处的规划加速度;
根据所述行驶状态数据,计算出所述车辆由当前位置行驶至所述路径规划轨迹预瞄点的巡航加速度;
根据所述局部加速度、所述规划加速度以及所述巡航加速度,计算出纵向加速度。
在一种可能的实施方式中,所述利用所述加速度优化器,确定所述车辆在所述纵向行驶空间内的局部加速度,包括:
计算所述纵向行驶空间对应的路面长度;
根据所述路面长度以及所述行驶状态数据包括的车身俯仰角,计算出纵向行驶延伸长度;
将所述纵向行驶延伸长度输入至所述加速度优化器中,得到所述加速度优化器输出的所述局部加速度。
在一种可能的实施方式中,所述方法还包括:
获取所述纵向行驶空间对应的场景速度上限值;
根据所述行驶状态数据计算出所述车辆的当前行驶速度;
所述将所述纵向行驶延伸长度输入至所述加速度优化器中,得到所述加速度优化器输出的所述局部加速度,包括:
将所述纵向行驶延伸长度、所述场景速度上限值以及所述当前行驶速度输入至所述加速度优化器中,得到所述加速度优化器输出的所述局部加速度。
在一种可能的实施方式中,在基于所述纵向加速度控制所述车辆进行行驶之前,所述方法还包括:
根据所述行驶状态数据,计算出所述车轮滑移率;
根据所述车轮滑移率和/或所述行驶状态数据包括的车身俯仰角,确定所述纵向行驶空间对应的路面类型;
所述基于所述纵向加速度控制所述车辆进行行驶,包括:
当所述路面类型为光滑路面或颠簸路面并且所述纵向加速度位于所述路面类型对应的预设加速度范围内,或者所述路面类型为干燥路面时,基于所述纵向加速度控制所述车辆进行行驶。
在一种可能的实施方式中,所述方法还包括:
当所述路面类型为光滑路面或颠簸路面并且所述纵向加速度超出所述路面类型对应的预设加速度范围时,基于目标加速度控制所述车辆进行行驶,所述目标加速度为所述预设加速度范围内的任意值。
第二方面,本申请实施例还提供了一种车辆控制装置,所述装置包括:
第一获取模块,用于获取车辆在行驶过程中的行驶状态数据、路径规划轨迹数据以及所述车辆上的不同传感器所采集到的环境感知数据;
第一确定模块,用于根据所述环境感知数据以及所述行驶状态数据包括的车身俯仰角确定出所述车辆的纵向行驶空间;
第一计算模块,用于利用加速度优化器,根据所述纵向行驶空间、所述行驶状态数据以及所述路径规划轨迹数据,计算出纵向加速度;
第一控制模块,用于基于所述纵向加速度控制所述车辆进行行驶。
在一种可能的实施方式中,所述第一确定模块,包括:
第一确定单元,用于根据所述环境感知数据,确定与所述车辆存在碰撞风险的至少一个对象以及每个对象相对于所述车辆的位置;
第二确定单元,用于确定所述至少一个对象中碰撞风险等级最高的目标对象;
构建单元,用于基于所述目标对象与所述车辆之间的路面距离、所述行驶状态数据包括的车身俯仰角,构建所述纵向行驶空间。
在一种可能的实施方式中,所述第一计算模块,包括:
第三确定单元,用于利用所述加速度优化器,确定所述车辆在所述纵向行驶空间内的局部加速度;
第四确定单元,用于根据所述路径规划轨迹数据,确定所述车辆在路径规划轨迹预瞄点处的规划加速度;
第一计算单元,用于根据所述行驶状态数据,计算出所述车辆由当前位置行驶至所述路径规划轨迹预瞄点的巡航加速度;
第二计算单元,用于根据所述局部加速度、所述规划加速度以及所述巡航加速度,计算出纵向加速度。
在一种可能的实施方式中,所述第三确定单元,具体用于:
计算所述纵向行驶空间对应的路面长度;
根据所述路面长度以及所述行驶状态数据包括的车身俯仰角,计算出纵向行驶延伸长度;
将所述纵向行驶延伸长度输入至所述加速度优化器中,得到所述加速度优化器输出的所述局部加速度。
在一种可能的实施方式中,所述装置还包括:
第二获取模块,用于获取所述纵向行驶空间对应的场景速度上限值;
第二计算模块,用于根据所述行驶状态数据计算出所述车辆的当前行驶速度;
所述第三确定单元,具体用于将所述纵向行驶延伸长度、所述场景速度上限值以及所述当前行驶速度输入至所述加速度优化器中,得到所述加速度优化器输出的所述局部加速度。
在一种可能的实施方式中,在基于所述纵向加速度控制所述车辆进行行驶之前,所述装置还包括:
第三计算模块,用于根据所述行驶状态数据,计算出所述车轮滑移率;
第二确定模块,用于根据所述车轮滑移率和/或所述行驶状态数据包括的车身俯仰角,确定所述纵向行驶空间对应的路面类型;
所述第一控制模块,具体用于当所述路面类型为光滑路面或颠簸路面并且所述纵向加速度位于所述路面类型对应的预设加速度范围内,或者所述路面类型为干燥路面时,基于所述纵向加速度控制所述车辆进行行驶。
在一种可能的实施方式中,所述装置还包括:
第二控制模块,具体当所述路面类型为光滑路面或颠簸路面并且所述纵向加速度超出所述路面类型对应的预设加速度范围时,基于目标加速度控制所述车辆进行行驶,所述目标加速度为所述预设加速度范围内的任意值。
第三方面,本申请实施例还提供了一种计算设备,该设备可以包括处理器以及存储器:
所述存储器用于存储计算机程序;
所述处理器用于根据所述计算机程序执行上述第一方面以及第一方面中任一种实施方式所述的方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储计算机程序,所述计算机程序用于执行上述第一方面以及第一方面中任一种实施方式所述的方法。
在本申请实施例的上述实现方式中,在对车辆进行控制的过程中,获取车辆在行驶过程中的行驶状态数据、路径规划轨迹数据以及所述车辆上的不同传感器所采集到的环境感知数据,并根据获取的环境感知数据确定出车辆的纵向行驶空间,从而利用加速度优化器,根据该纵向行驶空间、以及获取的行驶状态数据和路径规划轨迹数据,计算出车辆的纵向加速度,以便基于该纵向加速度控制所述车辆进行行驶。由于在确定车辆的纵向加速度的过程中,加速度优化器根据所述车辆的纵向行驶空间确定纵向加速度,而并非根据车辆上的不同传感器所采集的环境感知数据确定纵向加速度,如此,可以实现加速度优化器与车辆上的不同传感器之间的解耦,从而使得加速度优化器可以应用于任意传感器组合的车辆,降低加速度优化器与不同车型之间的适配难度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述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申请中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本申请实施例中一种车辆控制方法的流程示意图;
图2为纵向行驶空间的变化示意图;
图3为车辆相对于不同检测目标的纵向行驶空间的示意图;
图4为车辆针对遇到红灯与绿灯时分别对应的纵向行驶空间的示意图;
图5为本申请实施例提供的纵向行驶空间的示意图;
图6为本申请实施例中一种车辆控制装置的结构示意图;
图7为本申请实施例中一种计算设备的硬件结构示意图。
具体实施方式
在自动驾驶或者辅助驾驶等场景中,可以基于车辆周边的环境数据对车辆进行自动化控制,以提高控制车辆行驶的安全性。但是,由于不同类型的车辆所使用的传感器通常存在差异,并且同一车辆上的传感器可能被替换成其它型号的传感器等,因此,实际应用时通常需要针对不同类型的车辆所使用的传感器,定制化配置加速度优化器上的接口,并且加速度优化器上的接口越来越复杂,增加了加速度优化器与车辆之间的适配难度。
基于此,本申请实施例提供了一种车辆控制方法,旨在通过将车辆上的传感器与加速度优化器进行解耦,实现降低加速度优化器与车辆之间的适配难度。具体实现时,在对车辆进行控制的过程中,获取车辆在行驶过程中的行驶状态数据、路径规划轨迹数据以及所述车辆上的不同传感器所采集到的环境感知数据,并根据获取的环境感知数据确定出车辆的纵向行驶空间,从而利用加速度优化器,根据该纵向行驶空间、以及获取的行驶状态数据和路径规划轨迹数据,计算出车辆的纵向加速度,以便基于该纵向加速度控制所述车辆进行行驶。
由于在确定车辆的纵向加速度的过程中,加速度优化器根据所述车辆的纵向行驶空间确定纵向加速度,而并非根据车辆上的不同传感器所采集的环境感知数据确定纵向加速度,如此,可以实现加速度优化器与车辆上的不同传感器之间的解耦,从而使得加速度优化器可以应用于任意传感器组合的车辆,降低加速度优化器与不同车型之间的适配难度。
为使本申请的上述目的、特征和优点能够更加明显易懂,下面将结合附图对本申请实施例中的各种非限定性实施方式进行示例性说明。显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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它实施例,都属于本申请保护的范围。
参阅图1,图1示出了本申请实施例中一种车辆控制方法的流程示意图,该方法例如可以是由车辆上的自动驾驶域控制器(Autonomous Domain Unit,ADU)执行,或者可以由配置该车辆上的其它处理器执行,本实施例对此并不进行限定。为便于理解与说明,下述实施例中以ADU执行该方法为例进行示例性说明。图1所示的车辆控制方法具体可以包括:
S101:获取车辆在行驶过程中的行驶状态数据、路径规划轨迹数据以及车辆上的不同传感器所采集到的环境感知数据。
其中,行驶状态数据,是指用于指示车辆行驶状态的数据,例如包括轮速、车速、横摆角速度、纵向加速度、经度、纬度、俯仰角信号等。示例性地,ADU可以通过基于控制器局域网络(Controller Area Network,CAN)总线的通信接口获取经过滤波处理的轮速、车速、横摆角速度、纵向加速度等底盘数据,通过车辆上的全球定位系统(Global PositioningSystem,GPS)惯导获取经度、纬度、俯仰角信号、航向角等。当然,实际应用时,ADU所获取的行驶状态数据,还可以包括方向盘转角、侧向加速度等,本实施例对此并不进行限定。
路径规划轨迹数据,是指用于指示预先规划的车辆行驶路径的数据,其可以包括多个轨迹点以及车辆在各个轨迹点的行驶数据,如车速、航向角、加速度等。实际应用时,该路径规划轨迹数据可以在车辆行驶之前或者行驶过程中预先完成规划。
环境感知数据,是指表征车辆所处环境的数据,如车辆当前车道上的车辆、行人、停止线、红绿灯、锥桶、减速带、可行驶区域边缘等数据中的任意多种。实际应用时,车辆上可以配置有多个传感器,如视觉传感器、雷达传感器等,从而可以通过该多个传感器采集得到该环境感知数据等。
需要说明的是,获取车辆的上述行驶状态数据、路径规划轨迹数据以及环境感知数据的具体实现过程,在本领域中已有相关应用,在此不做赘述。
S102:根据环境感知数据以及行驶状态数据包括的车身俯仰角,确定出车辆的纵向行驶空间。
可以理解,车辆在纵向上的安全行驶空间与车辆所处环境相关,当车辆前方没有障碍物时,车辆的安全行驶空间通常较大;而车辆前方有障碍物时,车辆的安全行驶空间通常较小。为便于描述,以下将该安全行驶空间称之为纵向行驶空间。如图2所示,在本车前方的车辆1完全进入弯道之前,图2中左侧的标示的空间即为车辆可以安全行驶的纵向行驶空间(不会与前方车辆发生碰撞);而在车辆1进入弯道之后,图2中右侧标示的空间即为本车的纵向行驶空间。值得注意的是,车辆所能检测的目标不仅仅包括图2中的车辆,还可以是图3中所示的路障、可行驶区域边缘、树木等,相应的,本车的纵向行驶空间可参见图3;车辆所能检测的目标还可以是红绿灯,从而在本车前方没有车辆的情况下,红绿灯在亮红灯以及绿灯时的纵向行驶空间如图4所示。实际应用时,车辆还能识别出行人、锥桶等其它障碍物,本实施例对此并不进行限定。
值得注意的是,本实施例中ADU在确定车辆的纵向行使空间时,不仅仅基于用于指示车辆所处环境的环境感知数据,而包括车辆俯仰角。具体的,ADU可以基于环境感知数据确定出与本车存在碰撞风险的至少一个对象,如本车前方的车辆、红绿灯、停止线、行人等,同时,ADU还确定出每个对象相对于本车的位置;然后,ADU从至少一个对象中确定出碰撞风险等级最高的目标对象,并根据该目标对象与车辆之间的路面长度、行驶状态数据包括的车辆俯仰角,构建纵向行驶空间,如图5所示的纵向行驶空间。
如此,不同类型车辆上的ADU,在基于不同传感器所采集到的环境感知数据,均可以统一按照上述方式抽象整合得到本车在纵向上具有伸缩性的不规则平面空间,从而可以屏幕加速度优化器对于不同车辆使用的不同传感器所采集到的环境感知数据的差异。
S103:利用加速度优化器,根据纵向行驶空间、行驶状态数据以及路径规划轨迹数据,计算出纵向加速度。
本实施例中,ADU可以利用加速度优化器计算得到纵向加速度,并且,所计算出的纵向加速度,可以是通过多个维度的加速度进行综合计算得到。
在一种可能的实施方式中,ADU在确定车辆的纵向加速度时,可以利用加速度优化器,确定车辆在所述纵向行驶空间内的局部加速度。同时,ADU还根据已获取的路径规划轨迹数据,确定车辆在路径规划轨迹预瞄点处的规划加速度。其中,该预瞄点为路径规划轨迹的其中一个轨迹点,可以由ADU周期性的进行计算确定,并且,路径规划轨迹数据中包括该预瞄点对应速度、加速度等信息。另外,ADU还根据车辆的形式状态数据,计算出车辆由当前位置行驶至路径规划预瞄点的巡航加速度,例如可以是根据车辆的当前位置、当前车速、距离预瞄点的位置以及预瞄周期通过运动学公式进行计算得到。然后,ADU可以根据计算得到的局部加速度、规划加速度以及巡航加速度,计算出纵向加速度,例如通过下述公式(1)计算出纵向加速度。
atotal=acruise+aspace+atraj (1)
其中,atotal为纵向加速度,acruise为巡航加速度,aspace为局部加速度,atraj为规划加速度。
示例性地,ADU在利用加速度优化器,确定出车辆在纵向行驶空间内的局部加速度时,具体可以是先计算出纵向行驶空间对应的路面长度,并根据该路面长度以及行驶状态数据包括的车身俯仰角,计算出纵向行驶延伸长度,例如可以是通过下述公式(2)计算出纵向行驶延伸长度。然后,ADU将该纵向行驶延伸长度输入至加速度优化器中,得到该加速度优化器输出的局部加速度。例如,加速度优化器可以基于下述公式(3)计算出局部加速度。如此,根据路面长度以及车身俯仰角确定局部加速度,可以保证行驶速度的稳定性,避免爬坡无力和下坡俯冲。
lspace=lleval*cosβ (2)
aspace=Kl*lspace/lmax (3)
其中,lspace为纵向行驶延伸长度;lleval为纵向行驶空间对应的路面长度,也即车辆与目标对象之间在路面上的距离;β为车身俯仰角;Kl为距离比例控制系数;lmax为车辆上的传感器所能探测的最远距离,通常与传感器的探测能力有关。
实际应用时,ADU还可以考虑车辆的行驶场景对车辆进行更加合理的控制。比如,当车辆的旁边车道前方预设距离内有行人行走,或本车道前方特定距离内路面上有减速带时,可以限制车辆的最大车速,从而在确定车辆的纵向加速度时,可以基于车辆场景对纵向加速度进行约束,避免后续基于该纵向加速度对车辆进行控制后,车辆的车速超过该场景所允许的最大车速。
作为一种实现示例,ADU可以获取纵向行驶空间对应的场景速度上限值,例如,ADU可以根据环境感知数据确定车辆所处环境包括哪个或者哪些限速场景,从而根据确定出的至少一个限速场景分别对应的场景速度上限值,确定出数值最小的场景速度上限值。同时,ADU根据车辆的行驶状态数据计算出车辆的当前行驶速度。这样,ADU在计算局部加速度的过程中,可以将纵向行驶延伸长度、场景速度上限值以及车辆当前行驶速度输入至加速度优化器中,得到加速度优化器输出的局部加速度。例如,加速度优化器可以基于下述公式(4)计算出局部加速度aspace。
aspace=f*Kl*lspace/lmax+(1-f)*Kv*(vlimit-vcurrent) (4)
其中,f为距离和速度权重系数,其取值可以为小于1的数值;Kl为距离比例控制系数;Kv为速度比例控制系数;lspace为纵向行驶延伸长度;lmax为车辆上的传感器所能探测的最远距离;vcurrent为车辆的当前行驶速度;vlimit为场景速度上限值,其中,当车辆所处环境不包括限速场景时,该vlimit的值与vcurrent的值相等,即可以无需对车辆进行限速处理。
S104:基于纵向加速度控制车辆进行行驶。
本实施例中,ADU在计算出纵向加速度后,可以基于该纵向加速度,控制车辆在纵向进行相应的加速或者减速行驶,以提高车辆的控制安全。实际应用时,ADU还会计算出车辆在横向的加速度,并对车辆进行相应的控制。其中,横向是指与纵向垂直的方向。本实施例中,重点对于ADU在纵向上控制车辆行驶进行示例性说明,而对于车辆在其它方向上的控制,可基于现有的方式进行确定,对此不在进行赘述。
在进一步可能的实施方式中,ADU在基于纵向加速度控制车辆进行行驶之前,还可以进一步考虑车辆当前所在的路面对于车辆控制的安全性影响。比如,车辆在光滑路面(也即与车辆轮胎之间的摩擦系数较小的路面)或者颠簸路面上行驶的最大速度,应当小于车辆在干燥路面(也即与车辆轮胎之间的摩擦系数较大的路面)上行驶的最大速度,以此使得车辆能够在短距离内实现有效制动,提高车辆行驶的安全性。因此,ADU可以根据车辆当前所在路面的路面类型,对用于控制车辆的纵向加速度进行约束。
具体实现时,ADU设备可以根据车辆的行驶状态数据,计算出车轮滑移率。其中,车轮滑移率,是指车辆的轮胎发出牵引力或制动力时,车轮运动中滑动所占的比例其可以通过下述公式(5)进行计算得到。然后,ADU根据计算出的车轮滑移率和/或行驶状态数据包括的车身俯仰角,确定纵向行驶空间对应的路面类型。其中,其所属的路面类型例如可以是光滑路面、颠簸路面、干燥路面中的任意一种。如此,ADU在对车辆进行控制时,当确定路面类型为光滑路面或者颠簸路面,并且上述所计算出的纵向加速度位于该路面类型对应的预设加速度范围内时,ADU可以基于该纵向加速度控制车辆进行行驶。或者,当确定路面类型为干燥路面时,ADU也可以基于该纵向加速度控制车辆进行行驶。而当路面类型为光滑路面或颠簸路面但是上述计算出的纵向加速度超出该路面类型对应的预设加速度范围时,ADU基于目标加速度控制所述车辆进行行驶,该目标加速度为预设加速度范围内的任意值,以避免车辆在光滑路面或者颠簸路面上以较大的加速度控制车辆行驶。
s=(u-uw)/u (5)
其中,s为车轮滑移率;u为车辆速度;uw为车辆的轮速。
示例性地,ADU在确定纵向行驶空间对应的路面类型时,具体可以是判断车轮滑移率大于预设的门限值时长是否超过预设时长。如果是,则ADU确定车辆所在的路面类型为光滑路面,而若不是,则ADU可以继续根据行驶状态数据判断在预设时长内车身俯仰角的波动次数是否大于预设次数。如果是,则ADU确定车辆所在的路面类型为颠簸路面;如果不是,则ADU可以确定车辆所在的路面类型为干燥路面。当然,本实施例所提供的确定路面类型的实施方式仅作为一种示例性说明,实际应用时,ADU也可以采用其它方式确定出路面类型,本实施例对此并不进行限定。
本实施例中,由于在确定车辆的纵向加速度的过程中,加速度优化器根据所述车辆的纵向行驶空间确定纵向加速度,而并非根据车辆上的不同传感器所采集的环境感知数据确定纵向加速度,如此,可以实现加速度优化器与车辆上的不同传感器之间的解耦,从而使得加速度优化器可以应用于任意传感器组合的车辆,降低加速度优化器与不同车型之间的适配难度。而且,基于抽象整合得到的局部空间,可以将车辆的纵向行驶加速度的优化计算从路面交通环境剥离,从而可以适应无人配送车、特种无人车等覆盖户外和室内、野外等多种行驶场景中。另外,在确定碰撞风险等级最高的目标对象时,可以基于综合考量视觉以及雷达等各种传感器所感知的目标、交通信息和可行驶区域边缘等信息,从而可以最大降低无人车的碰撞风险。
此外,本申请实施例还提供了一种车辆控制装置。参阅图6,图6示出了本申请实施例中一种车辆控制装置的结构示意图,该装置600包括:
第一获取模块601,用于获取车辆在行驶过程中的行驶状态数据、路径规划轨迹数据以及所述车辆上的不同传感器所采集到的环境感知数据;
第一确定模块602,用于根据所述环境感知数据以及所述行驶状态数据包括的车身俯仰角确定出所述车辆的纵向行驶空间;
第一计算模块603,用于利用加速度优化器,根据所述纵向行驶空间、所述行驶状态数据以及所述路径规划轨迹数据,计算出纵向加速度;
第一控制模块604,用于基于所述纵向加速度控制所述车辆进行行驶。
在一种可能的实施方式中,所述第一确定模块602,包括:
第一确定单元,用于根据所述环境感知数据,确定与所述车辆存在碰撞风险的至少一个对象以及每个对象相对于所述车辆的位置;
第二确定单元,用于确定所述至少一个对象中碰撞风险等级最高的目标对象;
构建单元,用于基于所述目标对象与所述车辆之间的路面距离、所述行驶状态数据包括的车身俯仰角,构建所述纵向行驶空间。
在一种可能的实施方式中,所述第一计算模块603,包括:
第三确定单元,用于利用所述加速度优化器,确定所述车辆在所述纵向行驶空间内的局部加速度;
第四确定单元,用于根据所述路径规划轨迹数据,确定所述车辆在路径规划轨迹预瞄点处的规划加速度;
第一计算单元,用于根据所述行驶状态数据,计算出所述车辆由当前位置行驶至所述路径规划轨迹预瞄点的巡航加速度;
第二计算单元,用于根据所述局部加速度、所述规划加速度以及所述巡航加速度,计算出纵向加速度。
在一种可能的实施方式中,所述第三确定单元,具体用于:
计算所述纵向行驶空间对应的路面长度;
根据所述路面长度以及所述行驶状态数据包括的车身俯仰角,计算出纵向行驶延伸长度;
将所述纵向行驶延伸长度输入至所述加速度优化器中,得到所述加速度优化器输出的所述局部加速度。
在一种可能的实施方式中,所述装置600还包括:
第二获取模块,用于获取所述纵向行驶空间对应的场景速度上限值;
第二计算模块,用于根据所述行驶状态数据计算出所述车辆的当前行驶速度;
所述第三确定单元,具体用于将所述纵向行驶延伸长度、所述场景速度上限值以及所述当前行驶速度输入至所述加速度优化器中,得到所述加速度优化器输出的所述局部加速度。
在一种可能的实施方式中,在基于所述纵向加速度控制所述车辆进行行驶之前,所述装置600还包括:
第三计算模块,用于根据所述行驶状态数据,计算出所述车轮滑移率;
第二确定模块,用于根据所述车轮滑移率和/或所述行驶状态数据包括的车身俯仰角,确定所述纵向行驶空间对应的路面类型;
所述第一控制模块,具体用于当所述路面类型为光滑路面或颠簸路面并且所述纵向加速度位于所述路面类型对应的预设加速度范围内,或者所述路面类型为干燥路面时,基于所述纵向加速度控制所述车辆进行行驶。
在一种可能的实施方式中,所述装置600还包括:
第二控制模块,具体当所述路面类型为光滑路面或颠簸路面并且所述纵向加速度超出所述路面类型对应的预设加速度范围时,基于目标加速度控制所述车辆进行行驶,所述目标加速度为所述预设加速度范围内的任意值。
需要说明的是,上述装置各模块、单元之间的信息交互、执行过程等内容,由于与本申请实施例中方法实施例基于同一构思,其带来的技术效果与本申请实施例中方法实施例相同,具体内容可参见本申请实施例前述所示的方法实施例中的叙述,此处不再赘述。
此外,本申请实施例还提供了一种计算设备。参阅图7,图7示出了本申请实施例中一种计算设备的硬件结构示意图,该设备700可以包括处理器701以及存储器702。
其中,所述存储器702,用于存储计算机程序;
所述处理器701,用于根据所述计算机程序执行上述方法实施例中所述的车辆控制方法。
另外,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储计算机程序,所述计算机程序用于执行上述方法实施例中所述的车辆控制方法。
本申请实施例中提到的“第一获取模块”、“第一计算模块”等名称中的“第一”只是用来做名字标识,并不代表顺序上的第一。该规则同样适用于“第二”、“第三”等。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如只读存储器(英文:read-only memory,ROM)/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者诸如路由器等网络通信设备)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述仅是本申请示例性的实施方式,并非用于限定本申请的保护范围。
Claims (10)
1.一种车辆控制方法,其特征在于,所述方法包括:
获取车辆在行驶过程中的行驶状态数据、路径规划轨迹数据以及所述车辆上的不同传感器所采集到的环境感知数据;
根据所述环境感知数据以及所述行驶状态数据包括的车身俯仰角确定出所述车辆的纵向行驶空间;
利用加速度优化器,根据所述纵向行驶空间、所述行驶状态数据以及所述路径规划轨迹数据,计算出纵向加速度;
基于所述纵向加速度控制所述车辆进行行驶。
2.根据权利要求1所述的方法,其特征在于,所述根据所述环境感知数据以及所述行驶状态数据包括的车身俯仰角确定出所述车辆的纵向行驶空间,包括:
根据所述环境感知数据,确定与所述车辆存在碰撞风险的至少一个对象以及每个对象相对于所述车辆的位置;
确定所述至少一个对象中碰撞风险等级最高的目标对象;
基于所述目标对象与所述车辆之间的路面距离、所述行驶状态数据包括的车身俯仰角,构建所述纵向行驶空间。
3.根据权利要求1所述的方法,其特征在于,所述利用加速度优化器,根据所述纵向行驶空间、所述行驶状态数据以及所述路径规划轨迹数据,计算出纵向加速度,包括:
利用所述加速度优化器,确定所述车辆在所述纵向行驶空间内的局部加速度;
根据所述路径规划轨迹数据,确定所述车辆在路径规划轨迹预瞄点处的规划加速度;
根据所述行驶状态数据,计算出所述车辆由当前位置行驶至所述路径规划轨迹预瞄点的巡航加速度;
根据所述局部加速度、所述规划加速度以及所述巡航加速度,计算出纵向加速度。
4.根据权利要求3所述的方法,其特征在于,所述利用所述加速度优化器,确定所述车辆在所述纵向行驶空间内的局部加速度,包括:
计算所述纵向行驶空间对应的路面长度;
根据所述路面长度以及所述行驶状态数据包括的车身俯仰角,计算出纵向行驶延伸长度;
将所述纵向行驶延伸长度输入至所述加速度优化器中,得到所述加速度优化器输出的所述局部加速度。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
获取所述纵向行驶空间对应的场景速度上限值;
根据所述行驶状态数据计算出所述车辆的当前行驶速度;
所述将所述纵向行驶延伸长度输入至所述加速度优化器中,得到所述加速度优化器输出的所述局部加速度,包括:
将所述纵向行驶延伸长度、所述场景速度上限值以及所述当前行驶速度输入至所述加速度优化器中,得到所述加速度优化器输出的所述局部加速度。
6.根据权利要求书1至5任一项所述的方法,其特征在于,在基于所述纵向加速度控制所述车辆进行行驶之前,所述方法还包括:
根据所述行驶状态数据,计算出所述车轮滑移率;
根据所述车轮滑移率和/或所述行驶状态数据包括的车身俯仰角,确定所述纵向行驶空间对应的路面类型;
所述基于所述纵向加速度控制所述车辆进行行驶,包括:
当所述路面类型为光滑路面或颠簸路面并且所述纵向加速度位于所述路面类型对应的预设加速度范围内,或者所述路面类型为干燥路面时,基于所述纵向加速度控制所述车辆进行行驶。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
当所述路面类型为光滑路面或颠簸路面并且所述纵向加速度超出所述路面类型对应的预设加速度范围时,基于目标加速度控制所述车辆进行行驶,所述目标加速度为所述预设加速度范围内的任意值。
8.一种车辆控制装置,其特征在于,所述装置包括:
第一获取模块,用于获取车辆在行驶过程中的行驶状态数据、路径规划轨迹数据以及所述车辆上的不同传感器所采集到的环境感知数据;
第一确定模块,用于根据所述环境感知数据以及所述行驶状态数据包括的车身俯仰角确定出所述车辆的纵向行驶空间;
第一计算模块,用于利用加速度优化器,根据所述纵向行驶空间、所述行驶状态数据以及所述路径规划轨迹数据,计算出纵向加速度;
第一控制模块,用于基于所述纵向加速度控制所述车辆进行行驶。
9.一种计算设备,其特征在于,所述设备包括处理器以及存储器:
所述存储器用于存储计算机程序;
所述处理器用于根据所述计算机程序执行权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储计算机程序,所述计算机程序用于执行权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111322075.8A CN114274968A (zh) | 2021-11-09 | 2021-11-09 | 一种车辆控制方法、装置、计算设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111322075.8A CN114274968A (zh) | 2021-11-09 | 2021-11-09 | 一种车辆控制方法、装置、计算设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114274968A true CN114274968A (zh) | 2022-04-05 |
Family
ID=80868848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111322075.8A Pending CN114274968A (zh) | 2021-11-09 | 2021-11-09 | 一种车辆控制方法、装置、计算设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114274968A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009006836A (ja) * | 2007-06-27 | 2009-01-15 | Nissan Motor Co Ltd | 進行方向加速度推定装置、自動車、進行方向加速度推定方法および車両制御装置 |
US20170364083A1 (en) * | 2016-06-21 | 2017-12-21 | Baidu Online Network Technology (Beijing) Co., Ltd. | Local trajectory planning method and apparatus for smart vehicles |
CN107512262A (zh) * | 2017-08-14 | 2017-12-26 | 吉林大学 | 一种针对执行驱动空间受限时的车辆稳定控制系统轮胎力分配方法 |
US20200117207A1 (en) * | 2018-10-15 | 2020-04-16 | Baidu Usa Llc | Optimal longitudinal trajectory generation under varied lateral acceleration constraints |
CN112009499A (zh) * | 2020-09-14 | 2020-12-01 | 北京罗克维尔斯科技有限公司 | 一种车辆自动驾驶控制方法及装置 |
CN112148002A (zh) * | 2020-08-31 | 2020-12-29 | 西安交通大学 | 一种局部轨迹规划方法、系统及装置 |
CN113183975A (zh) * | 2021-05-28 | 2021-07-30 | 阿波罗智能技术(北京)有限公司 | 自动驾驶车辆的控制方法、装置、设备以及存储介质 |
CN113415288A (zh) * | 2021-06-23 | 2021-09-21 | 东风柳州汽车有限公司 | 分段式纵向车速规划方法、装置、设备及存储介质 |
-
2021
- 2021-11-09 CN CN202111322075.8A patent/CN114274968A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009006836A (ja) * | 2007-06-27 | 2009-01-15 | Nissan Motor Co Ltd | 進行方向加速度推定装置、自動車、進行方向加速度推定方法および車両制御装置 |
US20170364083A1 (en) * | 2016-06-21 | 2017-12-21 | Baidu Online Network Technology (Beijing) Co., Ltd. | Local trajectory planning method and apparatus for smart vehicles |
CN107512262A (zh) * | 2017-08-14 | 2017-12-26 | 吉林大学 | 一种针对执行驱动空间受限时的车辆稳定控制系统轮胎力分配方法 |
US20200117207A1 (en) * | 2018-10-15 | 2020-04-16 | Baidu Usa Llc | Optimal longitudinal trajectory generation under varied lateral acceleration constraints |
CN112148002A (zh) * | 2020-08-31 | 2020-12-29 | 西安交通大学 | 一种局部轨迹规划方法、系统及装置 |
CN112009499A (zh) * | 2020-09-14 | 2020-12-01 | 北京罗克维尔斯科技有限公司 | 一种车辆自动驾驶控制方法及装置 |
CN113183975A (zh) * | 2021-05-28 | 2021-07-30 | 阿波罗智能技术(北京)有限公司 | 自动驾驶车辆的控制方法、装置、设备以及存储介质 |
CN113415288A (zh) * | 2021-06-23 | 2021-09-21 | 东风柳州汽车有限公司 | 分段式纵向车速规划方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11636362B1 (en) | Predicting trajectory intersection by another road user | |
US20210188356A1 (en) | Vehicle control device | |
WO2020187254A1 (zh) | 自动驾驶车辆的纵向控制方法系统 | |
US20210188258A1 (en) | Vehicle control device | |
US20210188262A1 (en) | Vehicle control device | |
CN110471415B (zh) | 具有自动驾驶模式的车辆及其控制方法和系统 | |
EP3644294B1 (en) | Vehicle information storage method, vehicle travel control method, and vehicle information storage device | |
CN110949388B (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
US8983706B2 (en) | Safety device for motor vehicle and method for operating a motor vehicle | |
EP2942687B1 (en) | Automated driving safety system | |
US20200238980A1 (en) | Vehicle control device | |
EP3715204A1 (en) | Vehicle control device | |
US10703363B2 (en) | In-vehicle traffic assist | |
US20200353918A1 (en) | Vehicle control device | |
US11719549B2 (en) | Vehicle control apparatus | |
US11703875B2 (en) | Braking control behaviors for autonomous vehicles | |
JP2016084038A (ja) | 車両の走行制御装置 | |
US11364929B2 (en) | Systems and methods for shared control of a vehicle | |
US20200180614A1 (en) | Vehicle control device | |
CN113692372B (zh) | 用于自主车辆的异常处理 | |
WO2016194168A1 (ja) | 走行制御装置及び方法 | |
CN115339437A (zh) | 自主车辆的远程对象检测、定位、跟踪和分类 | |
JP7397408B2 (ja) | 車両制御装置 | |
JP2019105568A (ja) | 物体認識装置、物体認識方法及び車両 | |
US20230242158A1 (en) | Incorporating position estimation degradation into trajectory planning for autonomous vehicles in certain situations |
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 |