CN114750750A - 一种自动泊车的最优跟踪控制方法、系统、设备和介质 - Google Patents
一种自动泊车的最优跟踪控制方法、系统、设备和介质 Download PDFInfo
- Publication number
- CN114750750A CN114750750A CN202210461757.5A CN202210461757A CN114750750A CN 114750750 A CN114750750 A CN 114750750A CN 202210461757 A CN202210461757 A CN 202210461757A CN 114750750 A CN114750750 A CN 114750750A
- Authority
- CN
- China
- Prior art keywords
- optimal
- tracking control
- automatic parking
- cell
- vehicle
- 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 79
- 238000013507 mapping Methods 0.000 claims abstract description 34
- 230000008569 process Effects 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000001413 cellular effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 206010048669 Terminal state Diseases 0.000 abstract 4
- 238000010586 diagram Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 5
- 238000005096 rolling process Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- B60W30/06—Automatic manoeuvring for parking
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供一种自动泊车的最优跟踪控制方法、系统、设备和介质，在离散状态空间中基于固定终端的胞映射最优轨迹规划方法，将给定参考轨迹离散成一系列的固定终端状态进行分别搜索求解得到其相对应的最优跟踪控制离散表格，每个离散后的固定终端状态都会对应一个最优跟踪控制离散表格，车辆可以根据给定参考轨迹离散后的一系列固定终端状态的最优跟踪控制离散表格在自动泊车最优跟踪控制离散表进行跟踪控制。本申请可以实现自动泊车对给定轨迹的跟踪控制，可以保证跟踪控制的实时性和准确性。在跟踪控制过程中，本申请不会出现控制信号抖动现象，跟踪控制效果良好。除此之外，在自动泊车过程中存在各种各样的不确定性，本申请具有很好的抗干扰性。
Description
技术领域
本发明属于自动驾驶中的智能泊车领域，具体涉及一种自动泊车的最优跟踪控制方法、系统、设备和介质。
背景技术
在智能泊车领域，为实现舒适安全的自动泊车功能，前提是要有一个高质量和高精确度的自动泊车最优参考轨迹。为进一步实现安全且精准自动泊车的任务，自动泊车的跟踪控制方法尤其重要。自动泊车轨迹的最优跟踪控制是实际轨迹在时间维度上与参考给定轨迹的偏差尽可能小。目前现存的自动泊车轨迹最优跟踪控制方法主要是传统控制方法，比如传统的PID控制，原理简单清晰且容易实现，但其准确度过于依赖于控制参数的校准。
现有技术中的的PID控制主要适用于多输入单输出的控制系统。滑模控制可以通过滑模面而可以解决非线性动力学控制系统的跟踪控制问题，具有很好的抗干扰性和鲁棒性。除此之外，滑模控制响应快速因此具有良好的实时性，被广泛应用在工程中对实时性要求较高的跟踪控制中。由于误差在滑模控制中的滑模面无法收敛，因此会导致控制信号出现抖动或尖峰现象。由于滑模控制在切换点处的平滑过渡与跟踪稳定性较差，因此跟踪控制效果并不好。目前基于最优控制的轨迹跟踪方法主要有两种，第一种是线性二次型调节器，第二种是滚动时域控制。采用线性二次型调节器在跟踪曲率突变的参考轨迹时会导致输出变量超调，跟踪控制能力差。采用滚动时域控制进行跟踪控制可以处理多目标和多约束的跟踪控制问题，但计算复杂度大。除了以上跟踪控制方法，还有模糊跟踪控制、自适应跟踪控制、动态面跟踪控制和神经网络控制方法，但基于以上方法的跟踪控制的准确性和鲁棒性仍有待提高。
发明内容
针对现有技术中存在的问题，本发明提供一种自动泊车的最优跟踪控制方法、系统、设备和介质，能够提高自动泊车的跟踪控制的准确性，降低鲁棒性，具有很好的实时性和抗干扰性。
本发明是通过以下技术方案来实现：
一种自动泊车的最优跟踪控制方法，其特征在于，包括以下步骤：
S1：建立车辆运动学以及动力学模型，规划泊车场景并建立约束以及评价函数方程，得到最优参考轨迹；
S2：根据最优参考轨迹在离散状态空间中建立胞映射最优轨迹跟踪关系；
S3：对最优参考轨迹经过的胞设置为终止位置胞，对每个终止位置胞分别构建自动泊车最优跟踪控制离散表；
S4：根据离线计算出的自动泊车最优跟踪控制离散表，自动泊车系统根据当前车辆所在状态进行在自动泊车最优跟踪控制离散表并实施最优跟踪控制，从而达到对轨迹跟踪的目的。
进一步，所述得到最优参考轨迹的过程为：
建立自动泊车中的车辆动力学模型，计算车辆运动学约束和边界条件以及运动过程中的障碍约束；
建立给定初始位置到终止位置的以行驶时间或行驶里程为评价函数的自动泊车最优轨迹规划模型；
通过将车辆的状态变量和控制变量在状态空间中进行离散，基于胞映射方法采用动态规划的方法对自动泊车轨迹进行全局最优规划，并通过离线计算得出最优轨迹规划离散表，车辆根据离线计算出的最优轨迹规划离散表完成在线对车辆进行决策规划，得到最优参考轨迹。
进一步，所述胞映射方法包括以下步骤：
将状态空间离散为多个均布的方块区域，每个方块区域为一个胞，将每个胞的所有点作为该胞的中心点；
将车辆需要经过的方块区域的胞的中心点依次带入动力学方程并进行映射，得到胞映射关系。
进一步，所述步骤S3包括以下步骤：
在粗分的离散状态空间中先标记出最优参考轨迹经过的粗分胞，并将其设置为终止位置粗分胞；
将标记出的所有终止位置粗分胞作为一个新的离散状态空间进行细分，并将每个终止位置胞的中心胞标记为终止位置细分胞；
在新的离散状态空间中对每个终止位置细分胞采用胞映射方法得到每个终止位置细分胞的最优跟踪控制离散表格。
进一步，得到最优跟踪控制离散表格包括以下步骤：
分别对每个终止位置细分胞进行向前搜索并记录胞映射信息，不断向前搜索并更新最优评价函数值和控制解，直至最优跟踪控制离散表不再更新或细分状态空间中所有胞被搜索时终止位置细分胞最优跟踪控制离散表离线计算结束。
进一步，当最优跟踪控制离散表离线计算结束后，需要判断是否所有终止位置细分胞全部已经进行向前搜索，若没有，则继续对终止位置细分胞向前进行搜索，若完成全部搜索，则结束搜索。
进一步，所述步骤S4中的自动泊车系统实施最优跟踪控制的过程为：
判断车辆当前轨迹所在终止位置胞是否改变，若改变，则切换到新终止位置胞的最优跟踪控制离散表进行查表输入，若不改变，则终止位置胞的最优跟踪控制离散表保持不变，继续在该表内进行查询输入；
定位车辆当前状态变量所在的胞并判断车辆当前所在胞是否改变，若改变，则查询最优跟踪控制离散表，并寻找一步最优跟踪控制解；若车辆当前所在胞未改变，则最优跟踪控制输入保持不变；
最优跟踪控制解对车辆进行自动泊车最优跟踪控制反馈输入，实现根据最优轨迹的实时、准确跟踪。
一种自动泊车的最优跟踪控制系统，包括：
最优参考轨迹模块：用于建立车辆运动学以及动力学模型，规划泊车场景并建立约束以及评价函数方程，得到最优参考轨迹；
胞映射最优轨迹跟踪关系模块：用于根据最优参考轨迹在离散状态空间中建立胞映射最优轨迹跟踪关系；
最优跟踪控制离散表模块：用于对最优参考轨迹经过的胞设置为终止位置胞，对每个终止位置胞分别构建自动泊车最优跟踪控制离散表；
轨迹跟踪模块：用于根据离线计算出的自动泊车最优跟踪控制离散表，自动泊车系统根据当前车辆所在状态进行在自动泊车最优跟踪控制离散表并实施最优跟踪控制，从而达到对轨迹跟踪的目的。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如一种自动泊车的最优跟踪控制方法的步骤。
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一种自动泊车的最优跟踪控制方法的步骤。
与现有技术相比，本发明具有以下有益的技术效果：
本发明提供一种自动泊车的最优跟踪控制方法、系统、设备和介质，具体为基于胞映射最优轨迹规划方法的自动泊车最优跟踪控制方法，在离散状态空间中基于固定终端的胞映射最优轨迹规划方法，将给定参考轨迹离散成一系列的固定终端状态进行分别搜索求解得到其相对应的最优跟踪控制离散表格，每个离散后的固定终端状态都会对应一个最优跟踪控制离散表格，车辆可以根据给定参考轨迹离散后的一系列固定终端状态的最优跟踪控制离散表格在自动泊车最优跟踪控制离散表进行跟踪控制。本申请可以实现自动泊车对给定轨迹的跟踪控制，可以保证跟踪控制的实时性和准确性。在跟踪控制过程中，本申请不会出现控制信号抖动现象，跟踪控制效果良好。除此之外，在自动泊车过程中存在各种各样的不确定性，本申请具有很好的抗干扰性。
附图说明
图1为本发明一种自动泊车的最优跟踪控制方法的流程图；
图2为本发明自动泊车跟踪控制场景图；
图3为本发明胞映射最优轨迹跟踪方法中粗分状态空间示意图；
图4为本发明胞映射最优轨迹跟踪方法中细分状态空间示意图；
图5为本发明自动泊车最优跟踪控制离散表构建方法示意图；
图6为本发明自动泊车在线跟踪控制方案示意图。
具体实施方式
下面结合具体的实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明公开一种自动泊车的最优跟踪控制方法，主要分为建立车辆运动学以及动力学模型、规划泊车跟踪场景并建立约束以及评价函数方程、在离散状态空间中建立胞映射最优轨迹跟踪关系、分别构建一系列自动泊车最优跟踪控制离散表、自动泊车在自动泊车最优跟踪控制离散表实施最优跟踪控制这几个步骤：
具体的，如图1和图2所示，包括以下步骤：
S1：建立车辆运动学以及动力学模型，规划泊车场景并建立约束以及评价函数方程，得到最优参考轨迹；
S2：根据最优参考轨迹在离散状态空间中建立胞映射最优轨迹跟踪关系；
S3：对最优参考轨迹经过的胞设置为终止位置胞，对每个终止位置胞分别构建自动泊车最优跟踪控制离散表；
S4：根据离线计算出的自动泊车最优跟踪控制离散表，自动泊车系统根据当前车辆所在状态进行在自动泊车最优跟踪控制离散表并实施最优跟踪控制，从而达到对轨迹跟踪的目的。
优选的，自动泊车跟踪控制场景为车辆在给定最优轨迹下进行跟踪，通过反馈跟踪控制使与精确实时跟踪给定最优轨迹。为了进一步提高跟踪轨迹的精确性和跟踪误差的收敛性，因此需要对自动泊车系统进行实时轨迹最优跟踪控制，以实现与参考轨迹的偏差最小的目的；
得到最优参考轨迹的过程为：
建立自动泊车中的车辆动力学模型，计算车辆运动学约束和边界条件以及运动过程中的障碍约束；
建立给定初始位置到终止位置的以行驶时间或行驶里程为评价函数的自动泊车最优轨迹规划模型；
通过将车辆的状态变量和控制变量在状态空间中进行离散，基于胞映射方法采用动态规划的方法对自动泊车轨迹进行全局最优规划，并通过离线计算得出最优轨迹规划离散表，车辆根据离线计算出的最优轨迹规划离散表完成在线对车辆进行决策规划，得到最优参考轨迹。
具体的，所述胞映射方法包括以下步骤：
将状态空间离散为多个均布的方块区域，每个方块区域为一个胞，将每个胞的所有点作为该胞的中心点；
将车辆需要经过的方块区域的胞的中心点依次带入动力学方程并进行映射，得到胞映射关系。
优选的，所述步骤S3包括以下步骤：
在粗分的离散状态空间中先标记出最优参考轨迹经过的粗分胞，并将其设置为终止位置粗分胞，如图3所示，阴影区域为终止位置粗分胞；
将标记出的所有终止位置粗分胞作为一个新的离散状态空间进行细分，如图4所示，并将每个终止位置胞的中心胞标记为终止位置细分胞；
在新的离散状态空间中对每个终止位置细分胞采用胞映射方法得到每个终止位置细分胞的最优跟踪控制离散表格。
优选的，如图5所示，得到最优跟踪控制离散表格包括以下步骤：
参考最优轨迹经过的胞，并定义为终止位置粗分胞。其次将所有终止位置粗分胞的中心点设为终止位置细分胞，并建立新的细分离散状态空间。在细分离散状态空间中，将车辆当前状态设为初始位置胞，障碍区域为陷胞，并对细分状态空间中每一个胞(除陷胞)一步胞映射，从而建立胞映射数据库。
分别对每个终止位置细分胞进行向前搜索并记录胞映射信息，不断向前搜索并更新最优评价函数值和控制解，直至最优跟踪控制离散表不再更新或细分状态空间中所有胞被搜索时终止位置细分胞最优跟踪控制离散表离线计算结束。
进一步的，当最优跟踪控制离散表离线计算结束后，需要判断是否所有终止位置细分胞全部已经进行向前搜索，若没有，则继续对终止位置细分胞向前进行搜索，若完成全部搜索，则结束搜索。
优选的，如图6所示，所述步骤S4中的自动泊车系统实施最优跟踪控制的过程为：
判断车辆当前轨迹所在终止位置胞是否改变，若改变，则切换到新终止位置胞的最优跟踪控制离散表进行查表输入，若不改变，则终止位置胞的最优跟踪控制离散表保持不变，继续在该表内进行查询输入；
定位车辆当前状态变量所在的胞并判断车辆当前所在胞是否改变，若改变，则查询最优跟踪控制离散表，并寻找一步最优跟踪控制解；若车辆当前所在胞未改变，则最优跟踪控制输入保持不变；
最优跟踪控制解对车辆进行自动泊车最优跟踪控制反馈输入，实现根据最优轨迹的实时、准确跟踪；具体的，所述最优跟踪控制解来源于最优跟踪控制离散表。
本发明提供一种自动泊车的最优跟踪控制系统，包括：
最优参考轨迹模块：用于建立车辆运动学以及动力学模型，规划泊车场景并建立约束以及评价函数方程，得到最优参考轨迹；
胞映射最优轨迹跟踪关系模块：用于根据最优参考轨迹在离散状态空间中建立胞映射最优轨迹跟踪关系；
最优跟踪控制离散表模块：用于对最优参考轨迹经过的胞设置为终止位置胞，对每个终止位置胞分别构建自动泊车最优跟踪控制离散表；
轨迹跟踪模块：用于根据离线计算出的自动泊车最优跟踪控制离散表，自动泊车系统根据当前车辆所在状态进行在自动泊车最优跟踪控制离散表并实施最优跟踪控制，从而达到对轨迹跟踪的目的。
本发明再一个实施例中，提供了一种计算机设备，该计算机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，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于一种自动泊车的最优跟踪控制方法的操作。
本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关一种自动泊车的最优跟踪控制方法的相应步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的范围。
Claims (10)
1.一种自动泊车的最优跟踪控制方法，其特征在于，包括以下步骤：
S1：建立车辆运动学以及动力学模型，规划泊车场景并建立约束以及评价函数方程，得到最优参考轨迹；
S2：根据最优参考轨迹在离散状态空间中建立胞映射最优轨迹跟踪关系；
S3：对最优参考轨迹经过的胞设置为终止位置胞，对每个终止位置胞分别构建自动泊车最优跟踪控制离散表；
S4：根据离线计算出的自动泊车最优跟踪控制离散表，自动泊车系统根据当前车辆所在状态进行在自动泊车最优跟踪控制离散表并实施最优跟踪控制，从而达到对轨迹跟踪的目的。
2.根据权利要求1所述一种自动泊车的最优跟踪控制方法，其特征在于，所述得到最优参考轨迹的过程为：
建立自动泊车中的车辆动力学模型，计算车辆运动学约束和边界条件以及运动过程中的障碍约束；
建立给定初始位置到终止位置的以行驶时间或行驶里程为评价函数的自动泊车最优轨迹规划模型；
通过将车辆的状态变量和控制变量在状态空间中进行离散，基于胞映射方法采用动态规划的方法对自动泊车轨迹进行全局最优规划，并通过离线计算得出最优轨迹规划离散表，车辆根据离线计算出的最优轨迹规划离散表完成在线对车辆进行决策规划，得到最优参考轨迹。
3.根据权利要求2所述一种自动泊车的最优跟踪控制方法，其特征在于，所述胞映射方法包括以下步骤：
将状态空间离散为多个均布的方块区域，每个方块区域为一个胞，将每个胞的所有点作为该胞的中心点；
将车辆需要经过的方块区域的胞的中心点依次带入动力学方程并进行映射，得到胞映射关系。
4.根据权利要求1所述一种自动泊车的最优跟踪控制方法，其特征在于，所述步骤S3包括以下步骤：
在粗分的离散状态空间中先标记出最优参考轨迹经过的粗分胞，并将其设置为终止位置粗分胞；
将标记出的所有终止位置粗分胞作为一个新的离散状态空间进行细分，并将每个终止位置胞的中心胞标记为终止位置细分胞；
在新的离散状态空间中对每个终止位置细分胞采用胞映射方法得到每个终止位置细分胞的最优跟踪控制离散表格。
5.根据权利要求4所述一种自动泊车的最优跟踪控制方法，其特征在于，得到最优跟踪控制离散表格包括以下步骤：
分别对每个终止位置细分胞进行向前搜索并记录胞映射信息，不断向前搜索并更新最优评价函数值和控制解，直至最优跟踪控制离散表不再更新或细分状态空间中所有胞被搜索时终止位置细分胞最优跟踪控制离散表离线计算结束。
6.根据权利要求5所述一种自动泊车的最优跟踪控制方法，其特征在于，当最优跟踪控制离散表离线计算结束后，需要判断是否所有终止位置细分胞全部已经进行向前搜索，若没有，则继续对终止位置细分胞向前进行搜索，若完成全部搜索，则结束搜索。
7.根据权利要求1所述一种自动泊车的最优跟踪控制方法，其特征在于，所述步骤S4中的自动泊车系统实施最优跟踪控制的过程为：
判断车辆当前轨迹所在终止位置胞是否改变，若改变，则切换到新终止位置胞的最优跟踪控制离散表进行查表输入，若不改变，则终止位置胞的最优跟踪控制离散表保持不变，继续在该表内进行查询输入；
定位车辆当前状态变量所在的胞并判断车辆当前所在胞是否改变，若改变，则查询最优跟踪控制离散表，并寻找一步最优跟踪控制解；若车辆当前所在胞未改变，则最优跟踪控制输入保持不变；
最优跟踪控制解对车辆进行自动泊车最优跟踪控制反馈输入，实现根据最优轨迹的实时、准确跟踪。
8.一种自动泊车的最优跟踪控制系统，其特征在于，根据权利要求1-7所述任意项一种自动泊车的最优跟踪控制方法，包括：
最优参考轨迹模块：用于建立车辆运动学以及动力学模型，规划泊车场景并建立约束以及评价函数方程，得到最优参考轨迹；
胞映射最优轨迹跟踪关系模块：用于根据最优参考轨迹在离散状态空间中建立胞映射最优轨迹跟踪关系；
最优跟踪控制离散表模块：用于对最优参考轨迹经过的胞设置为终止位置胞，对每个终止位置胞分别构建自动泊车最优跟踪控制离散表；
轨迹跟踪模块：用于根据离线计算出的自动泊车最优跟踪控制离散表，自动泊车系统根据当前车辆所在状态进行在自动泊车最优跟踪控制离散表并实施最优跟踪控制，从而达到对轨迹跟踪的目的。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述一种自动泊车的最优跟踪控制方法的步骤。
10.一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7任一项所述一种自动泊车的最优跟踪控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210461757.5A CN114750750A (zh) | 2022-04-28 | 2022-04-28 | 一种自动泊车的最优跟踪控制方法、系统、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210461757.5A CN114750750A (zh) | 2022-04-28 | 2022-04-28 | 一种自动泊车的最优跟踪控制方法、系统、设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114750750A true CN114750750A (zh) | 2022-07-15 |
Family
ID=82332218
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210461757.5A Pending CN114750750A (zh) | 2022-04-28 | 2022-04-28 | 一种自动泊车的最优跟踪控制方法、系统、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114750750A (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110696818A (zh) * | 2019-10-12 | 2020-01-17 | 深圳市布谷鸟科技有限公司 | 一种基于最优路径的自动泊车方法及系统 |
| CN111976718A (zh) * | 2020-07-13 | 2020-11-24 | 浙江大华汽车技术有限公司 | 自动泊车的控制方法和系统 |
| US20210046923A1 (en) * | 2019-08-13 | 2021-02-18 | Zoox, Inc. | System and method for trajectory validation |
| WO2021053607A1 (en) * | 2019-09-18 | 2021-03-25 | C.R.F. Societa' Consortile Per Azioni | Model-based design of trajectory planning and control for automated motor-vehicles in a dynamic environment |
| CN112590775A (zh) * | 2020-12-22 | 2021-04-02 | 中国第一汽车股份有限公司 | 一种自动泊车方法、装置、车辆及存储介质 |
| CN112859863A (zh) * | 2021-01-15 | 2021-05-28 | 北京科技大学 | 一种基于预测的路径跟踪控制关键参考点选取方法及系统 |
| CN113110489A (zh) * | 2021-04-30 | 2021-07-13 | 清华大学 | 一种轨迹规划方法、装置、电子设备和存储介质 |
| CN113276848A (zh) * | 2021-04-09 | 2021-08-20 | 江苏大学 | 一种智能驾驶换道避障轨迹规划、跟踪控制方法及系统 |
| CN113359757A (zh) * | 2021-06-30 | 2021-09-07 | 湖北汽车工业学院 | 一种改进型混合a*算法的无人驾驶车辆路径规划与轨迹跟踪方法 |
| CN113467456A (zh) * | 2021-07-07 | 2021-10-01 | 中国科学院合肥物质科学研究院 | 一种未知环境下用于特定目标搜索的路径规划方法 |
| CN113619604A (zh) * | 2021-08-26 | 2021-11-09 | 清华大学 | 自动驾驶汽车的集成式决控方法、装置及存储介质 |
| CN114620034A (zh) * | 2022-04-28 | 2022-06-14 | 南阳理工学院 | 一种自动泊车的轨迹动态规划方法、系统、设备及介质 |
-
2022
- 2022-04-28 CN CN202210461757.5A patent/CN114750750A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210046923A1 (en) * | 2019-08-13 | 2021-02-18 | Zoox, Inc. | System and method for trajectory validation |
| WO2021053607A1 (en) * | 2019-09-18 | 2021-03-25 | C.R.F. Societa' Consortile Per Azioni | Model-based design of trajectory planning and control for automated motor-vehicles in a dynamic environment |
| CN110696818A (zh) * | 2019-10-12 | 2020-01-17 | 深圳市布谷鸟科技有限公司 | 一种基于最优路径的自动泊车方法及系统 |
| CN111976718A (zh) * | 2020-07-13 | 2020-11-24 | 浙江大华汽车技术有限公司 | 自动泊车的控制方法和系统 |
| CN112590775A (zh) * | 2020-12-22 | 2021-04-02 | 中国第一汽车股份有限公司 | 一种自动泊车方法、装置、车辆及存储介质 |
| CN112859863A (zh) * | 2021-01-15 | 2021-05-28 | 北京科技大学 | 一种基于预测的路径跟踪控制关键参考点选取方法及系统 |
| CN113276848A (zh) * | 2021-04-09 | 2021-08-20 | 江苏大学 | 一种智能驾驶换道避障轨迹规划、跟踪控制方法及系统 |
| CN113110489A (zh) * | 2021-04-30 | 2021-07-13 | 清华大学 | 一种轨迹规划方法、装置、电子设备和存储介质 |
| CN113359757A (zh) * | 2021-06-30 | 2021-09-07 | 湖北汽车工业学院 | 一种改进型混合a*算法的无人驾驶车辆路径规划与轨迹跟踪方法 |
| CN113467456A (zh) * | 2021-07-07 | 2021-10-01 | 中国科学院合肥物质科学研究院 | 一种未知环境下用于特定目标搜索的路径规划方法 |
| CN113619604A (zh) * | 2021-08-26 | 2021-11-09 | 清华大学 | 自动驾驶汽车的集成式决控方法、装置及存储介质 |
| CN114620034A (zh) * | 2022-04-28 | 2022-06-14 | 南阳理工学院 | 一种自动泊车的轨迹动态规划方法、系统、设备及介质 |
Non-Patent Citations (2)
| Title |
|---|
| 徐杨;陆丽萍;褚端峰;黄子超;: "无人车辆轨迹规划与跟踪控制的统一建模方法", 自动化学报, no. 04, 18 April 2018 (2018-04-18) * |
| 梁志伟;马旭东;房芳;朱松豪;: "一种基于双层插值的路径规划及跟踪算法", 机器人, no. 06, 15 November 2010 (2010-11-15) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107966902B (zh) | 一种不确定性间歇过程的约束2d跟踪控制方法 | |
| CN111650929B (zh) | 一种自适应滑模控制方法、系统及移动机器人控制器 | |
| CN111106772B (zh) | 一种包含参数跟踪的感应电机状态强跟踪滤波估计方法 | |
| CN107169557A (zh) | 一种对布谷鸟优化算法进行改进的方法 | |
| CN104111664A (zh) | 在速度环克服电机死区提高雷达跟踪精度的方法 | |
| CN112859866A (zh) | 机器人滚动路径规划方法、系统、存储介质、设备及应用 | |
| CN111812975A (zh) | 一种基于模糊模型辨识的抽水蓄能机组调速系统广义预测控制方法 | |
| CN110321605A (zh) | 一种基于多重模型预测控制的人机交互协调控制策略 | |
| CN112798961A (zh) | 一种电动汽车动力电池剩余使用寿命预测方法 | |
| CN112564557B (zh) | 一种永磁同步电机的控制方法、装置、设备及存储介质 | |
| CN114750750A (zh) | 一种自动泊车的最优跟踪控制方法、系统、设备和介质 | |
| Lee et al. | Cooperative distributed model predictive control for linear plants subject to convex economic objectives | |
| CN114620034A (zh) | 一种自动泊车的轨迹动态规划方法、系统、设备及介质 | |
| Fang et al. | A maximum entropy inverse reinforcement learning algorithm for automatic parking | |
| Li et al. | Neural-fuzzy control of truck backer-upper system using a clustering method | |
| Xiaolin et al. | Research on Robot Tracking of Books Returning to Bookshelf Based on Particle Swarm Optimization Fuzzy PID Control | |
| CN114537391A (zh) | 一种基于预报观测器的车辆跟驰伺服控制方法及系统 | |
| Chen et al. | The determination of reward function in agv motion control based on dqn | |
| CN109039166B (zh) | 一种永磁同步直线伺服系统速度环pi-ip控制参数自校正方法 | |
| CN110308655A (zh) | 一种基于a3c算法的伺服系统补偿方法 | |
| CN108121348A (zh) | 行驶速度控制方法、装置、系统和工程机械 | |
| CN117901724B (zh) | 一种纯电动汽车热管理系统控制方法、系统及设备 | |
| CN114371701B (zh) | 无人艇航向控制方法、控制器、自动舵以及无人艇 | |
| CN113296515A (zh) | 一种双独立电驱动车辆显式模型预测路径跟踪方法 | |
| Jiang et al. | Approximated Long Horizon MPC with Hindsight for Autonomous Vehicles Path Tracking |
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 |