CN114407880A - 一种无人驾驶紧急避障路径跟踪方法 - Google Patents

一种无人驾驶紧急避障路径跟踪方法 Download PDF

Info

Publication number
CN114407880A
CN114407880A CN202210148975.3A CN202210148975A CN114407880A CN 114407880 A CN114407880 A CN 114407880A CN 202210148975 A CN202210148975 A CN 202210148975A CN 114407880 A CN114407880 A CN 114407880A
Authority
CN
China
Prior art keywords
vehicle
obstacle avoidance
emergency
deviation
wheel
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
CN202210148975.3A
Other languages
English (en)
Other versions
CN114407880B (zh
Inventor
任聪
沈忱
付斌
钟小凡
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.)
Lantu Automobile Technology Co Ltd
Original Assignee
Lantu Automobile 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 Lantu Automobile Technology Co Ltd filed Critical Lantu Automobile Technology Co Ltd
Priority to CN202210148975.3A priority Critical patent/CN114407880B/zh
Publication of CN114407880A publication Critical patent/CN114407880A/zh
Application granted granted Critical
Publication of CN114407880B publication Critical patent/CN114407880B/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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
    • B60W10/184—Conjoint control of vehicle sub-units of different type or different function including control of braking systems with wheel brakes
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
    • 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
    • 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
    • B60W2554/4041—Position
    • 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
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Human Computer Interaction (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明提供一种无人驾驶紧急避障路径跟踪方法，方法包括：获取自车行驶状态信息、位置信息和自车周围环境信息；根据道路曲率、自车与前车碰撞时间以及相邻车道的避障区域和约束条件，确定避障策略；当避障策略为紧急转向模式时，根据自车行驶状态信息、位置信息和自车周围环境信息规划最优避障路径；预测自车在最优避障路径上，不同时刻车辆位置对应前轮和后轮的车轮转角和车轮转速；根据计算的车辆的各个车轮的车轮转角和车轮转速，控制车辆跟踪最优避障路径行驶。本发明针对高速极限工况下，采用多种避障策略相结合和主动四轮转向路径跟踪，可改善高速时的操纵稳定性和安全性。

Description

一种无人驾驶紧急避障路径跟踪方法
技术领域
本发明涉及车辆控制领域，更具体地，涉及一种无人驾驶紧急避障路径跟踪方法。
背景技术
车辆在极限工况下路径跟踪的好坏直接决定无人驾驶车辆操作的安全性和稳定性，而针对极限工况的紧急避让场景是提高无人驾驶主动安全的重要体现。当前紧急避让措施主要采用紧急制动(AEB)/紧急转向(AES)/制动转向相结合等三种方式，但大多无人驾驶车辆采用前轮转向进行控制，在紧急转向时车辆侧向加速度较大，易引起车辆侧翻事故。
发明内容
对于现有技术中只通过转动前轮来实现对两种车辆横向和纵向状态的动态控制，但在高速紧急极限工况下无法使车辆获得更好的动态性能的不足，本发明实施例提供了一种无人驾驶紧急避障路径跟踪方法，包括：获取自车行驶状态信息、位置信息和自车周围环境信息，所述自车周围环境信息中至少包括自车的前方障碍物信息；根据道路曲率、自车与前车碰撞时间以及相邻车道的避障区域和约束条件，确定避障策略，所述避障策略包括紧急制动模式、紧急转向模式和智能预警模式；当所述避障策略为紧急转向模式时，根据自车行驶状态信息、位置信息和自车周围环境信息规划最优避障路径；预测自车在最优避障路径上，不同时刻车辆位置对应前轮和后轮的车轮转角和车轮转速；根据计算的车辆的各个车轮的车轮转角和车轮转速，控制车辆跟踪最优避障路径行驶。
本发明提供一无人驾驶紧急避障路径跟踪方法，提高了紧急转向车辆的稳定性和安全性。相比于现有紧急避障技术，可以解决以下技术难题：
1.传统紧急避障采用最大制动进行刹停，但有时无法避免刹停；本发明结合紧急制动和紧急转向相结合的紧急避障系统，可在紧急制动无法避免碰撞时启动紧急转向措施，来提升车辆主动安全性。
2.前轮紧急转向需要更大的角度，产生更大的侧向力，容易侧翻；本发明采用独立四轮转向，可有效减少方向盘转角，提升紧急转向车辆机动性和操纵稳定性。
3.当前四轮转向路径跟踪模型参数复杂，外界干扰时传统模型控制鲁棒性较差；本发明提供一种基于神经网络的车辆紧急避障横纵向自适应控制，能够在一定程度上提高路径跟踪的控制精度、鲁棒性、舒适性。
附图说明
图1为本发明提供的一种无人驾驶紧急避障路径跟踪方法流程图；
图2为确定不同避障策略的流程示意图；
图3为四轮紧急转向避障控制系统的结构示意图；
图4为车辆动力学模型的示意图；
图5为对车辆纵向速度控制的横向控制示意图；
图6为车辆与最优避障路径的相对运动关系模型示意图；
图7为对四轮转角的横向控制示意图；
图8为车辆的转向控制示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
针对传统紧急避障方案仅考虑前轮转向的车辆进行路径规划和路径跟踪，在高速紧急工况下无法按照预期路径进行跟踪，易偏出规划路径的问题。本发明提供了一种融合后轮转向的无人驾驶紧急避障路径跟踪方法，能够实时监测车辆自身状态，自适应调整车辆四轮转向转角大小，实现横向距离偏差和横摆角误差最小。
实施例一
一种无人驾驶紧急避障路径跟踪方法，参见图1，该紧急避障路径跟踪方法主要包括以下步骤：
S1，获取自车行驶状态信息、位置信息和自车周围环境信息，所述自车周围环境信息中至少包括自车的前方障碍物信息。
可以理解的是，车辆在行驶过程中，可以利用车载传感器感知自车行驶状态信息、位置信息和自车周围环境信息，其中，自车周围环境信息主要包括自车前方障碍物信息，包括前方障碍物坐标、大小、距离信息，并对感知的障碍物进行筛选，保证确实是障碍物，后续车辆避障主要是避开障碍物。
S2，根据道路曲率、自车与前车碰撞时间以及相邻车道的避障区域和约束条件，确定避障策略，所述避障策略包括紧急制动模式、紧急转向模式和智能预警模式。
作为实施例，所述根据道路曲率、自车与前车碰撞时间以及相邻车道的避障区域和约束条件，确定避障策略，包括：根据自车位置信息和前方障碍物信息，计算自车与前车碰撞时间，若自车与前车碰撞时间小于设定时间阈值，确定所述避障策略为紧急制动模式；若道路曲率大于设定曲率阈值且自车与前车碰撞时间大于设定时间阈值且相邻车道存在避障区域，则确定所述避障策略为紧急转向模式或智能预警模式。
其中，所述确定所述避障策略为紧急转向模式或智能预警模式，包括：分别计算自车与前车、自车与相邻前车和自车与相邻后车的当前实际距离D1、D2和D3，以及自车与前车、自车与相邻前车和自车与相邻后车的避障最小安全距离d1、d2和d3；若D1＞d1且D2＞d2且D3＞d3，则确定所述避障策略为紧急转向模式，否则，确定所述避障策略为智能预警模式。
可以理解的是，紧急避障主要依据道路环境信息、障碍物目标信息、TTC风险指标以及相邻车道是否存在行驶车辆等因素，并综合考虑紧急避障驾驶员舒适度指标，来自动选择自动紧急制动、自动紧急转向、智能预警三种不同的避障策略，以满足无人驾驶紧急避障工况下的车辆安全。其中，Di(i＝1,2,3)表示自车和前车、自车和相邻前车、自车和相邻后车的当前实际距离，di(i＝1,2,3)表示自车和前车、自车和相邻前车、自车和相邻后车的避障最小安全距离。
参见图2，根据感知的数据，包括车辆的行驶数据、驾驶状态信息、视觉车道线检测数据、障碍物信息以及道路曲率等，进行综合判断，进而确定紧急避障策略。
若道路曲率半径小于设定曲率阈值，比如道路曲率半径R＜500m，则采取紧急制动避障策略，具体的，计算自车与前车碰撞TTC时间、预测避障刹停距离以及计算舒适目标减速度，启动AEB紧急制动模式对车辆进行制动。
若道路曲率半径大于设定曲率半径，比如道路曲率半径R＜500m，计算自车与前车碰撞TTC时间，当自车与前车碰撞TTC时间小于设定时间阈值，比如，TTC时间小于0.9s，则启动AEB紧急制动模式对车辆进行制动。
若道路曲率半径大于设定曲率半径且自车与前车碰撞TTC时间大于设定时间阈值且相邻车道存在避障区域，则可以选取紧急转向避障策略。其中，上述计算了计算自车与前车、自车与相邻前车和自车与相邻后车的当前实际距离D1、D2和D3，以及自车与前车、自车与相邻前车和自车与相邻后车的避障最小安全距离d1、d2和d3，若D1＞d1且D2＞d2且D3＞d3，则采取紧急转向避障策略，否则，采取智能预警策略。
S3，当所述避障策略为紧急转向模式时，根据自车行驶状态信息、位置信息和自车周围环境信息规划最优避障路径。
作为实施例，所述当所述避障策略为紧急转向模式时，根据自车行驶状态信息、位置信息和自车周围环境信息规划最优避障路径，包括：根据自车周围环境信息和自车行驶状态信息，基于车辆动力学模型和路径跟踪模型计算出多条避障路径，从中选取最优避障路径。
可以理解的是，在紧急转向避障策略下，本发明实施例是在前轮转向的基础上融合后轮转向控制，提出了四轮转向避障控制系统，参见图3，四轮转向避障控制系统由数据预处理层，中央控制器和执行控制层三部分组成。
其中，数据预处理层通过对自车周围环境信息和自车行驶状态信息进行实时感知，选择紧急避障策略，并根据车辆质心的纵向速度、侧向速度以及车辆避障起始点坐标、车辆避障结束点坐标规划多条可行的避障路径，最终结合横摆角速度、驾驶员状态来选择最优避障路径。
在数据预处理层，相对比仅前轮转向路径跟踪模型，融合后轮转向控制参数后，需要引入新的车辆动力学和路径跟踪模型，车辆动力学模型的示意图可参见图4，为简化车辆路径跟踪模型的复杂度，忽略车辆滚动、俯仰和垂直运动，只考虑侧向和横摆运动。
考虑紧急避障下纵向运动、横向运动、横摆运动和侧倾运动，基于牛顿定理得到车辆单轨模型的动力学方程：
Figure BDA0003509891650000061
其中，X－O－Y表示惯性坐标系，x－o－y表示车辆坐标系，lf、lr分别为车辆质心到前、后轴距离，L表示车辆轴距；δf和δr分别为前轮转角和后轮转角；vx、vy和ωr为车辆质心的纵向速度、侧向速度和横摆角速度；β为车辆的质心侧偏角，αf和αr为前、后轮胎侧偏角，Fxi，Fyi(i＝r,f)分别为前、后轮胎纵向力和轮胎侧偏力,IZ表示车辆绕Z轴的转动惯量，(X，Y)代表车辆的位置坐标。
将所述车辆单轨模型的动力学方程进一步简化为车辆动力学模型：
Figure BDA0003509891650000071
基于状态空间，路径跟踪模型表示为
Figure BDA0003509891650000072
其中，ξ(t)＝[vy，vx，ωr，Y，X]T为系统状态变量，u(t)＝[δr，δf]T为系统输入的控制量。
根据自车周围环境信息和自车行驶状态信息，基于车辆动力学模型和路径跟踪模型计算出多条避障路径，从中选取最优避障路径。
S4，预测自车在最优避障路径上，不同时刻车辆位置对应前轮和后轮的车轮转角和车轮转速。
作为实施例，所述预测自车在最优避障路径上，不同时刻车辆位置对应前轮和后轮的车轮转角和车轮转速，包括：基于纵向控制策略完成前轮和后轮的车轮转速的调整控制：根据自车的前方障碍物信息、自车行驶状态信息和自车运动规划车速信息，基于神经网络完成车辆纵向速度的调整控制；基于横向控制策略完成前轮和后轮的车轮转角的调整控制：根据当前车速、道路曲率半径、横摆角速度、路径横向偏差，基于神经网络完成车辆前后轮转角的调整控制。
可以理解的是，中央控制器在车辆动力学、运动学模型基础上，采用横向控制器和纵向控制器，预测最优避障路径上不同时刻对应的车辆四轮转角和纵向车速等信号值。
具体的，中央控制层包括对车辆的横向控制和纵向控制，其中，纵向控制策略主要控制四轮转向车辆的加减速，而车辆在运动过程中随着外界环境的变化，模型各参数特征是实时变化的，传统PID控制器无法满足车辆纵向速度控制的要求。为能够实时对这些数据进行处理和学习，本发明纵向控制根据障碍物目标状态信息、自车运动状态信息和自车运动规划车速信息采用神经网络自适应分层PID控制策略(驱动层+制动层)，通过复杂的模型学习来达到实时调整PID控制器中的三个加权系数来优化控制参数。
对车辆纵向控制的示意图可参见图5，纵向PID控制器的输入e(t)和输出u(t)可用如下表示：
Figure BDA0003509891650000081
其中，kp是比例增益；ki是积分增益；kd是微分增益。
如图5所示，神经网络控制器的输入层为期望速度r(t)、实际车速v(t)、车辆位置c(t)、速度偏差e(t)和决策系统控制L，输出层为Kp、Ki、Kd三个参数，进一步根据PID算法完成车辆纵向速度的调整。神经网络控制器处理过程可用如下表示：
神经网络控制器输入输出层为：
Figure BDA0003509891650000082
其中
Figure BDA0003509891650000083
作为实施例，作为实施例，所述基于横向控制策略完成前轮和后轮的车轮转角的调整控制，包括：计算车辆实际位置与最优避障路径中预瞄点的横向距离偏差dy和偏航角方向偏差eφ；将横向距离偏差dy和偏航角方向偏差eφ作为横向PID控制器的输入，基于横向PID控制器通过前馈控制计算输出车辆前轮转角θf和后轮转角θr’；基于神经网络控制器对前馈控制计算出的后轮转角θr’进行后轮附加转角修正，作为最终后轮转角θr；基于车辆前轮转角θf和最终后轮转角θr，对车辆进行转角横向控制。
可以理解的是，横向控制根据当前车速、道路曲率半径、横摆角速度、路径横向偏差等信息采用神经网络自适应PID横向位移偏差及横摆运动控制方法对后轮转角进行实时调整控制，以控制车辆趋向于期望轨迹行驶，提高高速车辆行驶稳定性和舒适性。图6为车辆与最优避障路径的相对运动关系模型，最优避障路径中预瞄点的坐标为(Xp,Yp)，其切线方向与横坐标的夹角为φp，车辆质心的坐标为(Xc,Yc)；将全局坐标系中车辆与预瞄点的相对位置(Xp,Yp,φp)转化为车辆局部坐标系中的相对位置为(xl,el,φe)，φe为车辆坐标系中车辆与最优避障轨迹中预瞄点的偏航角方向偏差，φc为车辆实际横摆角。其中转化公式可表示为：
Figure BDA0003509891650000091
本发明将用车辆实际位置与最优避障路径中预瞄点的横向距离偏差dy和偏航角方向偏差eφ作为横向控制器的输入，通过前馈控制计算输出车辆前轮转角θf和后轮转角θr’，进一步通过神经网络控制器对前馈控制计算出的后轮转角θr’进行后轮附加转角修正，作为最终后轮转角θr，基于车辆前轮转角θf和最终后轮转角θr对车辆进行车轮转角的横向控制。
作为实施例，所述将横向距离偏差dy和偏航角方向偏差eφ作为横向PID控制器的输入，基于横向PID控制器通过前馈控制计算输出车辆前轮转角θf和后轮转角θr’，包括：将横向距离偏差dy、偏航角方向偏差eφ和道路曲率半径输入横向PID控制器中，输出车辆前轮转角θf；基于横向PID控制器中的前后轮转角模型，根据车辆前轮转角θf计算出后轮转角θr’。
可以理解的是，具体的横向控制可参见图7，避障系统中的前馈信息：横向位移偏差dy＝Yp-Yc和横摆角方位偏移φe＝φp-φc两个横向PID控制器的输入，为很好的消除道路环境对控制器的影响，在横向PID控制器中引入了道路曲率半径和方向盘转角的对应关系参数，根据道路的曲率半径，判断车辆是否处于弯道以及车辆跟踪的横向误差值过大，否则激活弯道的方向盘转角非线性补偿控制，如θ*＝θ×G×V，G为道路曲率和方向盘转角的关系。
横向PID控制器输入dy、φe和输出θf关系可用如下表1表示，表1为道路曲率半径与方向盘转角修正值之间的关系。
表1
Figure BDA0003509891650000101
通过调整横向PID控制器中位移偏差dy和横摆角方位偏差的三个参数，输出车辆前轮转角，其中，kp是位移偏差比例参数；ki是位移偏差积分参数；kd是位移偏差微分参数；kp’是方位偏差比例参数；ki’是方位偏差积分参数；kd’是方位偏差微分参数。
其中，前后轮转角模型为横向PID控制器的一部分，车辆前后轮转角对应关系用如下公式表示，根据横向PID控制器输出的前轮转角和车辆前后轮转角模型，计算输出此时对应的车辆后轮转角θr’。
Figure BDA0003509891650000111
其中，C1和C2是四轮转向的控制参数，lf、lr、L分别为车辆前轴距、后轴距、轴距；Cf、Cr分别为车辆前后轮的侧偏刚度；M、u、w分别为车辆的质量、车速和车辆横摆角速度。
作为实施例，所述基于神经网络控制器对前馈控制计算出的后轮转角θr’进行后轮附加转角修正，作为最终后轮转角θr，包括：将横向PID控制器输出的车辆前轮转角θf输入车辆参考模型中，输出理想横摆角速度；将理想横摆角速度、实际横摆角速度、横向位移偏差、横摆角方位偏差、方向盘转角偏差、道路曲率、横向速度、横向加速度以及纵向速度输入神经网络控制器，输出后轮转角修正值和横向PID控制器的六个参数优化值；基于后轮转角修正值对对前馈控制计算出的后轮转角θr’进行后轮附加转角修正，作为最终后轮转角θr。
可以理解的是，神经网络控制器根据横向位移偏差、横摆角方位偏差、方向盘转角偏差以及道路曲率等信息，并结合横向速度、横向加速度以及纵向速度等信息，自适应学习并输出此时的后轮转角修正值和PID控制器中6个参数优化值。
神经网络输入输出层为：
Figure BDA0003509891650000112
Figure BDA0003509891650000121
其中
Figure BDA0003509891650000122
S5，根据计算的车辆的各个车轮的车轮转角和车轮转速，控制车辆跟踪最优避障路径行驶。
可以理解的是，车辆在避障过程中需要将横向控制和纵向控制结合起来，共同完成车辆的控制，参见图8，其控制楼层如下：首先，根据将最优避障路径离散化成多个预瞄点；其次，将车辆此时的状态和预瞄点的期望状态进行比较，将横纵向偏差分别输入到对应的控制器中，输出车辆对应的控制参数；最后，根据控制参数控制车辆运动，并结合此时车辆状态实时调整后续避障路径期望参数，同时判断是否为避障路径的最后轨迹点，以完成车辆实际控制。
本发明提供的一种无人驾驶紧急避障路径跟踪方法，针对高速极限工况下，采用多种避障策略相结合和主动四轮转向路径跟踪，可以有效减少车辆紧急转向时的侧倾力，提升四轮转向路径跟踪精确性和鲁棒性，以保证车辆操作稳定性和安全性。
需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims (9)

1.一种无人驾驶紧急避障路径跟踪方法，其特征在于，包括：
获取自车行驶状态信息、位置信息和自车周围环境信息，所述自车周围环境信息中至少包括自车前方障碍物信息；
根据道路曲率、自车与前车碰撞时间以及相邻车道的避障区域和约束条件，确定避障策略，所述避障策略包括紧急制动模式、紧急转向模式和智能预警模式；
当所述避障策略为紧急转向模式时，根据自车行驶状态信息、位置信息和自车周围环境信息规划最优避障路径；
预测自车在最优避障路径上，不同时刻车辆位置对应前轮和后轮的车轮转角和车轮转速；
根据计算的车辆的各个车轮的车轮转角和车轮转速，控制车辆跟踪最优避障路径行驶。
2.根据权利要求1所述的紧急避障路径跟踪方法，其特征在于，所述根据道路曲率、自车与前车碰撞时间以及相邻车道的避障区域和约束条件，确定避障策略，包括：
根据自车位置信息和前方障碍物信息，计算自车与前车碰撞时间，若自车与前车碰撞时间小于设定时间阈值，确定所述避障策略为紧急制动模式；
若道路曲率大于设定曲率阈值且自车与前车碰撞时间大于设定时间阈值且相邻车道存在避障区域，则确定所述避障策略为紧急转向模式或智能预警模式；
其中，所述确定所述避障策略为紧急转向模式或智能预警模式，包括：
分别计算自车与前车、自车与相邻前车和自车与相邻后车的当前实际距离D1、D2和D3，以及自车与前车、自车与相邻前车和自车与相邻后车的避障最小安全距离d1、d2和d3；
若D1＞d1且D2＞d2且D3＞d3，则确定所述避障策略为紧急转向模式，否则，确定所述避障策略为智能预警模式。
3.根据权利要求1或2所述的紧急避障路径跟踪方法，其特征在于，所述当所述避障策略为紧急转向模式时，根据自车行驶状态信息、位置信息和自车周围环境信息规划最优避障路径，包括：
根据自车周围环境信息和自车行驶状态信息，基于车辆动力学模型和路径跟踪模型计算出多条避障路径，从中选取最优避障路径。
4.根据权利要求3所述的紧急避障路径跟踪方法，其特征在于，所述车辆动力学模型为：
根据紧急避障下纵向运动、横向运动、横摆运动和侧倾运动，基于牛顿定理得到车辆单轨模型的动力学方程：
Figure FDA0003509891640000021
其中，X－O－Y表示惯性坐标系，x－o－y表示车辆坐标系，lf、lr分别为车辆质心到前、后轴距离，L表示车辆轴距；δf和δr分别为前轮转角和后轮转角；vx、vy和ωr为车辆质心的纵向速度、侧向速度和横摆角速度；β为车辆的质心侧偏角，αf和αr为前、后轮胎侧偏角，Fxi，Fyi(i＝r,f)分别为前、后轮胎纵向力和轮胎侧偏力,IZ表示车辆绕Z轴的转动惯量，(X，Y)代表车辆的位置坐标；
将所述车辆单轨模型的动力学方程进一步简化为车辆动力学模型：
Figure FDA0003509891640000031
基于状态空间，路径跟踪模型表示为
Figure FDA0003509891640000032
其中，ξ(t)＝[vy，vx，ωr，Y，X]T为系统状态变量，u(t)＝[δr，δf]T为系统输入的控制量。
5.根据权利要求1所述的紧急避障路径跟踪方法，其特征在于，所述预测自车在最优避障路径上，不同时刻车辆位置对应前轮和后轮的车轮转角和车轮转速，包括：
基于纵向控制策略完成前轮和后轮的车轮转速的调整控制：根据自车的前方障碍物信息、自车行驶状态信息和自车运动规划车速信息，基于神经网络完成车辆纵向速度的调整控制；
基于横向控制策略完成前轮和后轮的车轮转角的调整控制：根据当前车速、道路曲率半径、横摆角速度、路径横向偏差，基于神经网络完成车辆前后轮转角的调整控制。
6.根据权利要求5所述的紧急避障路径跟踪方法，其特征在于，所述基于纵向控制策略完成前轮和后轮的车轮转速的调整控制，包括：
将自车期望速度r(t)、实际车速v(t)、车辆位置c(t)、速度偏差e(t)和决策系统控制L输入神经网络控制器中，获取神经网络控制器输出的比例增益Kp、积分增益Ki和微分增益Kd；
根据比例增益Kp、积分增益Ki和微分增益Kd，利用纵向PID控制器输出纵向速度控制值u(t)，基于纵向速度控制值u(t)对自车进行控制；
其中，纵向PID控制器的输入e(t)和输出u(t)表示为：
Figure FDA0003509891640000041
7.根据权利要求5所述的紧急避障路径跟踪方法，其特征在于，所述基于横向控制策略完成前轮和后轮的车轮转角的调整控制，包括：
计算车辆实际位置与最优避障路径上预瞄点的横向距离偏差dy和偏航角方向偏差eφ；
将横向距离偏差dy和偏航角方向偏差eφ作为横向PID控制器的输入，基于横向PID控制器通过前馈控制计算输出车辆前轮转角θf和后轮转角θr’；
基于神经网络控制器对前馈控制计算出的后轮转角θr’进行后轮附加转角修正，作为最终后轮转角θr；
基于车辆前轮转角θf和最终后轮转角θr，对车辆进行转角横向控制。
8.根据权利要求7所述的紧急避障路径跟踪方法，其特征在于，所述计算车辆实际位置与最优避障路径中预瞄点的横向距离偏差dy和偏航角方向偏差eφ，包括：
Figure FDA0003509891640000051
其中，最优避障路径中预瞄点的坐标为(Xp,Yp)，其切线方向与横坐标的夹角为φp，车辆质心的坐标为(Xc,Yc)；将全局坐标系中车辆与预瞄点的相对位置(Xp,Yp,φp)转化为车辆局部坐标系中的相对位置为(xl,el,φe)，φe为车辆坐标系中车辆与最优避障轨迹中预瞄点的偏航角方向偏差，φc为车辆实际横摆角。
9.根据权利要求7或8所述的紧急避障路径跟踪方法，其特征在于，所述将横向距离偏差dy和偏航角方向偏差eφ作为横向PID控制器的输入，基于横向PID控制器通过前馈控制计算输出车辆前轮转角θf和后轮转角θr’，包括：
将横向距离偏差dy、偏航角方向偏差eφ和道路曲率半径输入横向PID控制器中，输出车辆前轮转角θf；
基于横向PID控制器中的前后轮转角模型，根据车辆前轮转角θf计算出后轮转角θr’；
其中，横向PID控制器表示为：
Figure FDA0003509891640000052
其中，kp是位移偏差比例参数；ki是位移偏差积分参数；kd是位移偏差微分参数；kp’是方位偏差比例参数；ki’是方位偏差积分参数；kd’是方位偏差微分参数；
相应的，所述基于神经网络控制器对前馈控制计算出的后轮转角θr’进行后轮附加转角修正，作为最终后轮转角θr，包括：
将横向PID控制器输出的车辆前轮转角θf输入车辆参考模型中，输出理想横摆角速度；
将理想横摆角速度、实际横摆角速度、横向位移偏差、横摆角方位偏差、方向盘转角偏差、道路曲率、横向速度、横向加速度以及纵向速度输入神经网络控制器，输出后轮转角修正值和横向PID控制器的六个参数优化值；
基于后轮转角修正值对对前馈控制计算出的后轮转角θr’进行后轮附加转角修正，作为最终后轮转角θr。
CN202210148975.3A 2022-02-18 2022-02-18 一种无人驾驶紧急避障路径跟踪方法 Active CN114407880B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210148975.3A CN114407880B (zh) 2022-02-18 2022-02-18 一种无人驾驶紧急避障路径跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210148975.3A CN114407880B (zh) 2022-02-18 2022-02-18 一种无人驾驶紧急避障路径跟踪方法

Publications (2)

Publication Number Publication Date
CN114407880A true CN114407880A (zh) 2022-04-29
CN114407880B CN114407880B (zh) 2023-06-27

Family

ID=81261230

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210148975.3A Active CN114407880B (zh) 2022-02-18 2022-02-18 一种无人驾驶紧急避障路径跟踪方法

Country Status (1)

Country Link
CN (1) CN114407880B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024077940A1 (zh) * 2022-10-14 2024-04-18 中国第一汽车股份有限公司 车辆四轮紧急避险方法、装置、存储介质和电子设备

Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002104104A (ja) * 2001-06-11 2002-04-10 Hitachi Ltd 自動車の協調制御装置
US20040193374A1 (en) * 2003-03-28 2004-09-30 Hac Aleksander B. Collision avoidance with active steering and braking
US9229453B1 (en) * 2014-08-29 2016-01-05 GM Global Technology Operations LLC Unified motion planner for autonomous driving vehicle in avoiding the moving obstacle
CN107226089A (zh) * 2017-04-14 2017-10-03 南京航空航天大学 一种无人驾驶汽车避撞策略
CN107380162A (zh) * 2017-06-08 2017-11-24 南京航空航天大学 基于功能分配与多目标模糊决策的协同避撞方法
CN107839683A (zh) * 2017-11-07 2018-03-27 长春工业大学 一种考虑运动障碍物的汽车紧急避撞控制方法
CN107885932A (zh) * 2017-11-07 2018-04-06 长春工业大学 一种考虑人机和谐的汽车紧急避撞分层式控制方法
CN108189835A (zh) * 2017-12-28 2018-06-22 清华大学苏州汽车研究院（吴江） 一种自动驾驶的避撞控制方法及系统
CN108839652A (zh) * 2018-06-27 2018-11-20 聊城大学 一种车辆失稳可控域的自动驾驶紧急避让系统
CN109017778A (zh) * 2018-07-31 2018-12-18 大连民族大学 四轮独立驱动车辆的期望路径主动转向控制方法
CN109017760A (zh) * 2018-07-31 2018-12-18 大连民族大学 车辆期望轨迹跟踪方法、装置及滚动时域优化算法
CN109664881A (zh) * 2019-01-08 2019-04-23 广州小鹏汽车科技有限公司 一种紧急转向辅助驾驶方法、系统及电子设备
CN109910878A (zh) * 2019-03-21 2019-06-21 山东交通学院 基于轨迹规划的自动驾驶车辆避障控制方法及系统
CN110155081A (zh) * 2019-05-28 2019-08-23 南京航空航天大学 一种智能驾驶汽车的自适应避障控制系统
CN110614998A (zh) * 2019-08-21 2019-12-27 南京航空航天大学 一种激进型辅助驾驶弯道避障换道路径规划系统及方法
CN111703419A (zh) * 2020-05-29 2020-09-25 江苏大学 一种智能汽车紧急工况下避撞轨迹规划方法
CN112373470A (zh) * 2020-11-17 2021-02-19 聊城大学 紧急避让工况自动驾驶转向制动Nash博弈控制方法
CN112677963A (zh) * 2021-01-07 2021-04-20 吉林大学 智能网联四轮独立转向和独立驱动电动汽车紧急避障系统
CN112937593A (zh) * 2021-03-03 2021-06-11 福瑞泰克智能系统有限公司 车辆运动控制方法、装置、系统以及计算机设备
CN113246974A (zh) * 2021-04-12 2021-08-13 南京航空航天大学 无人驾驶应急场景下避险/降损控制方法、存储介质和电子装置
CN113291292A (zh) * 2021-06-02 2021-08-24 东风汽车集团股份有限公司 基于斜坡路况性能优化的横向控制方法及系统
CN113428140A (zh) * 2021-07-06 2021-09-24 安徽海博智能科技有限责任公司 一种无人驾驶的紧急停车控制方法及系统
US20220036735A1 (en) * 2018-05-08 2022-02-03 Tsinghua University Real-time driving risk assessment method employing equivalent force and device thereof

Patent Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002104104A (ja) * 2001-06-11 2002-04-10 Hitachi Ltd 自動車の協調制御装置
US20040193374A1 (en) * 2003-03-28 2004-09-30 Hac Aleksander B. Collision avoidance with active steering and braking
US9229453B1 (en) * 2014-08-29 2016-01-05 GM Global Technology Operations LLC Unified motion planner for autonomous driving vehicle in avoiding the moving obstacle
CN107226089A (zh) * 2017-04-14 2017-10-03 南京航空航天大学 一种无人驾驶汽车避撞策略
CN107380162A (zh) * 2017-06-08 2017-11-24 南京航空航天大学 基于功能分配与多目标模糊决策的协同避撞方法
CN107839683A (zh) * 2017-11-07 2018-03-27 长春工业大学 一种考虑运动障碍物的汽车紧急避撞控制方法
CN107885932A (zh) * 2017-11-07 2018-04-06 长春工业大学 一种考虑人机和谐的汽车紧急避撞分层式控制方法
CN108189835A (zh) * 2017-12-28 2018-06-22 清华大学苏州汽车研究院（吴江） 一种自动驾驶的避撞控制方法及系统
US20220036735A1 (en) * 2018-05-08 2022-02-03 Tsinghua University Real-time driving risk assessment method employing equivalent force and device thereof
CN108839652A (zh) * 2018-06-27 2018-11-20 聊城大学 一种车辆失稳可控域的自动驾驶紧急避让系统
CN109017760A (zh) * 2018-07-31 2018-12-18 大连民族大学 车辆期望轨迹跟踪方法、装置及滚动时域优化算法
CN109017778A (zh) * 2018-07-31 2018-12-18 大连民族大学 四轮独立驱动车辆的期望路径主动转向控制方法
CN109664881A (zh) * 2019-01-08 2019-04-23 广州小鹏汽车科技有限公司 一种紧急转向辅助驾驶方法、系统及电子设备
CN109910878A (zh) * 2019-03-21 2019-06-21 山东交通学院 基于轨迹规划的自动驾驶车辆避障控制方法及系统
CN110155081A (zh) * 2019-05-28 2019-08-23 南京航空航天大学 一种智能驾驶汽车的自适应避障控制系统
CN110614998A (zh) * 2019-08-21 2019-12-27 南京航空航天大学 一种激进型辅助驾驶弯道避障换道路径规划系统及方法
CN111703419A (zh) * 2020-05-29 2020-09-25 江苏大学 一种智能汽车紧急工况下避撞轨迹规划方法
CN112373470A (zh) * 2020-11-17 2021-02-19 聊城大学 紧急避让工况自动驾驶转向制动Nash博弈控制方法
CN112677963A (zh) * 2021-01-07 2021-04-20 吉林大学 智能网联四轮独立转向和独立驱动电动汽车紧急避障系统
CN112937593A (zh) * 2021-03-03 2021-06-11 福瑞泰克智能系统有限公司 车辆运动控制方法、装置、系统以及计算机设备
CN113246974A (zh) * 2021-04-12 2021-08-13 南京航空航天大学 无人驾驶应急场景下避险/降损控制方法、存储介质和电子装置
CN113291292A (zh) * 2021-06-02 2021-08-24 东风汽车集团股份有限公司 基于斜坡路况性能优化的横向控制方法及系统
CN113428140A (zh) * 2021-07-06 2021-09-24 安徽海博智能科技有限责任公司 一种无人驾驶的紧急停车控制方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024077940A1 (zh) * 2022-10-14 2024-04-18 中国第一汽车股份有限公司 车辆四轮紧急避险方法、装置、存储介质和电子设备

Also Published As

Publication number Publication date
CN114407880B (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
CN111890951B (zh) 智能电动汽车轨迹跟踪与运动控制方法
CN112677963B (zh) 智能网联四轮独立转向和独立驱动电动汽车紧急避障系统
US11364895B2 (en) Yaw motion control method for four-wheel distributed vehicle
CN109144076B (zh) 一种多车辆横纵向耦合协同控制系统及控制方法
CN106004870B (zh) 一种基于变权重模型预测算法的车辆稳定性集成控制方法
CN108773376B (zh) 一种融合驾驶意图的汽车多目标分层协同控制与优化方法
CN109131312B (zh) 一种智能电动汽车acc/esc集成控制系统及其方法
CN113246974B (zh) 无人驾驶应急场景下避险/降损控制方法、存储介质和电子装置
CN112406853B (zh) 轮毂电机驱动越野车横摆与侧倾稳定性集成控制方法
CN112026533B (zh) 一种极限工况下的四轮独立驱动电动汽车牵引力控制方法
CN112644455B (zh) 一种分布式驱动车辆行驶稳定性控制方法
WO2023138258A1 (zh) 一种主动转向和横摆力矩自学习协同控制方法
JP6986463B2 (ja) 運転支援装置、運転支援方法及び運転支援システム
CN109164814A (zh) 面向高速公路场景的自动驾驶控制系统
WO2022266824A1 (zh) 一种转向控制方法及装置
CN112109732A (zh) 一种智能驾驶自适应曲线预瞄方法
CN112644488A (zh) 自适应巡航系统
CN115534938A (zh) 一种基于附加横摆力矩的人机共驾汽车紧急避撞控制方法及系统
CN114407880B (zh) 一种无人驾驶紧急避障路径跟踪方法
CN114987537A (zh) 基于神经网络动力学的自动驾驶车辆道路自适应漂移控制系统与方法
CN113183953B (zh) 基于分布式驱动底盘的车辆碰后主动安全控制方法及系统
CN114454871A (zh) 一种用于四轮独立驱动的无人驾驶平台稳定跟踪控制方法
CN114312848A (zh) 基于双层mpc的智能驾驶汽车轨迹规划与跟踪控制方法
CN114312847B (zh) 一种自动驾驶车辆的横向控制方法及装置
CN114044003B (zh) 前后双轴转向车辆的循迹控制方法

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