CN114802214A - 纯跟踪自动泊车控制方法、性能评估工具及可读存储介质 - Google Patents

纯跟踪自动泊车控制方法、性能评估工具及可读存储介质 Download PDF

Info

Publication number
CN114802214A
CN114802214A CN202210594623.0A CN202210594623A CN114802214A CN 114802214 A CN114802214 A CN 114802214A CN 202210594623 A CN202210594623 A CN 202210594623A CN 114802214 A CN114802214 A CN 114802214A
Authority
CN
China
Prior art keywords
track
target
automatic parking
parking control
pure tracking
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
Application number
CN202210594623.0A
Other languages
English (en)
Inventor
柯梅花
贺勇
文滔
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.)
Chongqing Changan Automobile Co Ltd
Original Assignee
Chongqing Changan Automobile 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 Chongqing Changan Automobile Co Ltd filed Critical Chongqing Changan Automobile Co Ltd
Priority to CN202210594623.0A priority Critical patent/CN114802214A/zh
Publication of CN114802214A publication Critical patent/CN114802214A/zh
Pending legal-status Critical Current

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
    • B60W30/06—Automatic manoeuvring for parking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30264—Parking

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明涉及汽车辅助驾驶技术领域，具体涉及纯跟踪自动泊车控制方法、性能评估工具及可读存储介质。所述方法包括：构建基于预瞄距离的纯跟踪算法模型；获取目标车辆的纵向车速和轨迹曲率；根据目标车辆的纵向车速和轨迹曲率计算更新纯跟踪算法模型的预瞄距离，得到优化后的纯跟踪算法模型；基于优化后的纯跟踪算法模型实现目标车辆的自动泊车控制。本发明还公开了一种性能评估工具和可读存储介质。本发明能够优化纯追踪算法的预瞄距离，从而能够提高自动泊车控制的准确性和有效性。

Description

纯跟踪自动泊车控制方法、性能评估工具及可读存储介质
技术领域
本发明涉及汽车辅助驾驶技术领域，具体涉及纯跟踪自动泊车控制方法、性能评估工具及可读存储介质。
背景技术
随着汽车工业的飞速发展，汽车辅助驾驶的功能日趋完善。自动泊车功能是汽车辅助驾驶功能之一，其涉及的技术内容非常广泛，不仅包括人工智能技术，通信技术等，也包括对车辆本体的控制技术。泊车控制作为自动泊车系统的关键一环，对整个系统的泊车效果起到决定性作用，因而，对于泊车控制方法的研究具有重要意义。
典型的自动泊车控制方法包括基于几何追踪的方法，如：Pure pursuit(纯跟踪)、Stanley(斯坦利)等；以及基于模型预测的方法，如：MPC(模型预测控制)，LQR(线性二次型调节器)等。其中，纯跟踪控制由于其几何原理简单，对外界干扰的鲁棒性好，适用于路径平滑的中低速跟踪场景等优点，被广泛应用在自动泊车场景中。
目前，纯追踪算法一般基于预瞄距离(前视距离)考虑路径信息，这种方法在低速情况下几乎不受路径形状的影响。但申请人发现，如果设置的预瞄距离过短，会造成车辆控制的不稳定甚至震荡，导致纯追踪算法的控制稳定性不足；而设置的预瞄距离过长，又会造成车辆在大转角处转向不足，导致纯追踪算法的转向合理性偏低。并且，目前纯追踪算法选择最佳预瞄距离的方法并不明确，最常用的是将预瞄距离表示为纵向车速的函数。然而，实际上预瞄距离也可能是轨迹曲率(预先通过规划模块规划的轨迹曲线)的函数。因此，如何设计一种能够优化纯追踪算法预瞄距离的自动泊车控制方法，以提高自动泊车控制的准确性和有效性是亟需解决的技术问题。
发明内容
针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种纯跟踪自动泊车控制方法，以能够优化纯追踪算法的预瞄距离，从而能够提高自动泊车控制的准确性和有效性。
为了解决上述技术问题，本发明采用了如下的技术方案：
纯跟踪自动泊车控制方法，包括以下步骤：
S1：构建基于预瞄距离的纯跟踪算法模型；
S2：获取目标车辆的纵向车速和轨迹曲率；
S3：根据目标车辆的纵向车速和轨迹曲率计算更新纯跟踪算法模型的预瞄距离，得到优化后的纯跟踪算法模型；
S4：基于优化后的纯跟踪算法模型实现目标车辆的自动泊车控制。
优选的，步骤S4中，优化后的纯跟踪算法模型以目标车辆的后轴为切点、纵向车身为切线，通过控制目标车辆的前轮转角使目标车辆沿着一条经过预设目标路点的圆弧路径行驶，以实自动泊车控制。
优选的，步骤S1中，纯跟踪算法模型表示为：
Figure BDA0003667299920000021
式中：δ表示前轮转角；α表示车身和目标路点的夹角；L表示车辆轴距；Ld表示与纵向车速和轨迹曲率相关的预瞄距离。
优选的，步骤S3中，通过如下公式计算预瞄距离：
Ld＝k*v+Lf；
式中：Ld表示预瞄距离；k表示设置的系数，v表示纵向车速，Lf表示根据轨迹曲率的弯曲程度对应设置的预瞄距离初始值。
优选的，轨迹曲率的弯曲程度越大，预瞄距离初始值的取值越大；轨迹曲率的弯曲程度越小，预瞄距离初始值的取值越小。
本发明公开了纯跟踪自动泊车控制的性能评估工具，通过以下步骤实施性能评估：
A1：根据自动泊车的目标车位类型生成对应的目标规划轨迹；
A2：通过本发明的纯跟踪自动泊车控制方法实施目标车辆的自动泊车控制，得到对应的实际跟踪轨迹离散点；
A3：基于实际跟踪轨迹离散点和目标规划轨迹计算对应的性能评估指标；
A4：通过性能评估指标实现纯跟踪自动泊车控制的性能评估。
优选的，步骤A1中，水平车位的目标规划轨迹为五次多项式曲线；垂直车位的目标规划轨迹为圆弧和直线组成的两段曲线。
优选的，步骤A3中，性能评估指标包括但不限于位置误差、偏航角误差和速度误差。
优选的，位置误差：按照固定间隔沿着目标规划轨迹进行均匀的取点形成目标轨迹点；然后通过实际跟踪轨迹离散点搜索目标轨迹点中距离最近的点，进而比较得到对应的位置误差；
偏航角误差：对目标规划轨迹进行求导后得到目标轨迹曲率，然后将目标轨迹曲率与实际跟踪轨迹离散点的航向进行对比，得到对应的偏航角误差；
速度误差：分别通过目标规划轨迹和实际跟踪轨迹离散点计算对应的目标速度和实际速度，然后比较目标速度和实际速度得到对应的速度误差。
本发明公开了一种可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现本发明的纯跟踪自动泊车控制方法的步骤。
本发明中纯跟踪自动泊车控制方法与现有技术相比，具有如下有益效果：
本发明通过目标车辆的纵向车速和轨迹曲率更新纯跟踪算法模型的预瞄距离，使得纯跟踪算法模型的预瞄距离能够与纵向车速和轨迹曲率有效关联，能够提高纯跟踪算法模型的控制稳定性和在大转角处的转向合理性，进而能够实现不均匀曲率轨迹(或不同车位)的良好跟踪，从而能够提高自动泊车控制的准确性和有效性。
本发明能够根据水平车位、垂直车位等不同车位轨迹设置对应的预瞄参数，并能够根据同一车位轨迹不同部分曲率设置对应的预瞄参数，使得能够更好的调整和优化纯跟踪算法模型的预瞄距离，进而能够实现不同车位轨迹的误差控制，从而能够进一步提高自动泊车控制的准确性和有效性。
本发明中提出的纯跟踪自动泊车控制的性能评估工具，能够有效的定量分析和评价纯跟踪自动泊车控制的性能，将实际的控制性能可视化显示，并得到具体可靠的评估数据，有利于对纯跟踪自动泊车控制进行进一步的优化和改进，从而能够更好的辅助提高自动泊车控制的效果。
附图说明
为了使发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
图1为纯跟踪自动泊车控制方法的逻辑框图；
图2为纯跟踪算法原理图；
图3为实验流程图；
图4为APA系统结合Carla输出的仿真界面；
图5为纯跟踪自动泊车控制的性能评估工具实施的逻辑框图；
图6为水平车位泊车场景下的跟踪误差分析图；
图7为垂直车位泊车场景下的跟踪误差分析图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。此外，术语“水平”、“竖直”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜的。在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例一：
本实施例中公开了一种纯跟踪自动泊车控制方法。
如附图1所示，纯跟踪自动泊车控制方法，包括以下步骤：
S1：构建基于预瞄距离的纯跟踪算法模型，如附图2所示；
纯跟踪算法模型表示为：
Figure BDA0003667299920000041
式中：δ表示前轮转角；α表示车身和目标路点的夹角；L表示车辆轴距；Ld表示与纵向车速和轨迹曲率相关的预瞄距离。在图2中，R表示转弯半径；xr、yr分别表示预瞄点的横坐标和纵坐标；e表示与预瞄点的横向偏差。
S2：获取目标车辆的纵向车速和轨迹曲率；
本实施例中，采用现有手段获取标车辆的纵向车速和轨迹曲率，这里不再赘述。
S3：根据目标车辆的纵向车速和轨迹曲率计算更新纯跟踪算法模型的预瞄距离，得到优化后的纯跟踪算法模型；
具体实施过程中，通过如下公式计算预瞄距离：
Ld＝k*v+Lf；
式中：Ld表示预瞄距离；k表示设置的系数，v表示纵向车速，Lf表示根据轨迹曲率的弯曲程度对应设置的预瞄距离初始值。
S4：基于优化后的纯跟踪算法模型实现目标车辆的自动泊车控制。
本实施例中，优化后的纯跟踪算法模型以目标车辆的后轴为切点、纵向车身为切线，通过控制目标车辆的前轮转角使目标车辆沿着一条经过预设目标路点的圆弧路径行驶，以实自动泊车控制。
需要说明的是，本发明中纯跟踪自动泊车控制方法可通过程序编程的方式生成对应的软件代码或软件服务，进而能够在服务器和计算机上运行和实施。
本发明技术方案的主要应用场景包括APA(自动泊车辅助系统)、AVP(自主代客泊车系统)以及更高阶自动驾驶系统。其中，在CARLA仿真环境和实车闭环测试中，均实现了APA系统的良好控制。
实际被应用的纯跟踪算法缺陷在于无法获取较好的预瞄距离参数。因此，本发明通过目标车辆的纵向车速和轨迹曲率更新纯跟踪算法模型的预瞄距离，使得纯跟踪算法模型的预瞄距离能够与纵向车速和轨迹曲率有效关联，能够提高纯跟踪算法模型的控制稳定性和在大转角处的转向合理性，进而能够实现不均匀曲率轨迹(或不同车位)的良好跟踪，从而能够提高自动泊车控制的准确性和有效性。
同时，本发明能够根据水平车位、垂直车位等不同车位轨迹设置对应的预瞄参数(如水平车位的预瞄距离初始值Lf＝0.5，垂直车位的预瞄距离初始值Lf＝0.3)，并能够根据同一车位轨迹不同部分曲率设置对应的预瞄参数(如水平车位预瞄距离初始值Lf＝0.5，终点附近预瞄距离初始值Lf＝0.3)，使得能够更好的调整和优化纯跟踪算法模型的预瞄距离，进而能够实现不同车位轨迹的误差控制(误差控制在0.2m范围内)，从而能够进一步提高自动泊车控制的准确性和有效性。
具体实施过程中，轨迹曲率的弯曲程度越大，预瞄距离初始值的取值越大；轨迹曲率的弯曲程度越小，预瞄距离初始值的取值越小。
本实施例中，水平车位的预瞄距离初始值Lf＝0.5，在水平车位终点轨迹附近，由于曲率较平滑，故将终点附近的预瞄距离初始值设置为Lf＝0.3，即根据水平车位轨迹曲率的变化(弯曲程度)设置预瞄参数Lf。垂直车位的预瞄距离初始值Lf＝0.3，在垂直车位终点轨迹附近，由于曲率较大，故将终点附近的预瞄距离初始值设置为Lf＝0.5，即根据垂直车位轨迹曲率的变化(弯曲程度)设置预瞄参数Lf。
为了更好的说明轨迹曲率与预瞄距离初始值的关系，本实施例公开了如下说明：
定义轨迹曲率(跟踪曲线)的弯曲程度为C，可由对曲线方程的二次求导得到。
令
Figure BDA0003667299920000061
然后确定预瞄距离，同时根据C求得车辆的预瞄速度。
确定的轨迹，相应地就有最大和最小的曲线弯曲程度。首先，确定C的两个临界值C1，C2，当C1≤C≤C2时，车速和预瞄距离随弯曲程度的变化而变化，且遵循弯曲程度越大，速度和预瞄距离越小。相应地，如果弯曲程度为C1，预瞄距离和速度将取得最大值，轨迹弯曲程度为C2，预瞄距离和车速取最小值。当弯曲程度在两者之间时按下述函数进行计算。
为保证车速和预瞄距离变化的连续性和平稳性，选取二次多项式函数进行计算。由此得到车速V和预瞄距离D计算公式如下：
Figure BDA0003667299920000062
Figure BDA0003667299920000063
式中：a1、a2、b1、b2为常数；Vmax、Vmin分别为最大最小的预瞄速度；Dmax、Dmin分别为最大和最小的预瞄距离，且它们分别对应曲线弯曲程度的边界，可得：
Vmax＝a1(C1-C2)2+b1；
Vmin＝b1；
Dmax＝a2(C1-C2)2+b2。
综上可知，本发明能够根据水平车位、垂直车位等不同车位轨迹设置对应的预瞄参数(如水平车位的预瞄距离初始值Lf＝0.5，垂直车位的预瞄距离初始值Lf＝0.3)，并能够根据同一车位轨迹不同部分曲率设置对应的预瞄参数(如水平车位预瞄距离初始值Lf＝0.5，终点附近预瞄距离初始值Lf＝0.3)，使得能够更好的调整和优化纯跟踪算法模型的预瞄距离，进而能够实现不同车位轨迹的误差控制(误差控制在0.2m范围内)，从而能够进一步提高自动泊车控制的准确性和有效性。
为了更好的说明本发明技术方案的优势，本实施例中公开了如下实验(如附图3所示)。
本实验基于Carla仿真平台实施(如附图4所示)，在Carla仿真界面，可以观测到纯跟踪自动泊车控制的实际控制效果。为了定量评价纯跟踪自动泊车控制的效果，本发明还设计了一种纯跟踪自动泊车控制的性能评估工具。
1、实验的具体过程如下：
首先启动开发板，在上位机终端运行泊车程序；然后在Carla仿真环境中，选择一个目标车位(如水平车位)，车辆行驶到目标车位附近，由规划模块给出一系列的目标轨迹，控制模块(搭载有本发明的纯跟踪算法模型)按照给定的目标轨迹进行跟踪，提取并记录规划的目标轨迹和实际的跟踪轨迹；最后利用性能评估工具，将目标轨迹和跟踪轨迹进行可视化对比和具体误差值分析，得出基于本发明纯跟踪算法模型实现自动泊车控制取得的效果。
如附图5所示，纯跟踪自动泊车控制的性能评估工具，通过以下步骤实施性能评估：
A1：根据自动泊车的目标车位类型生成对应的目标规划轨迹；
A2：通过实施例一中的纯跟踪自动泊车控制方法实施目标车辆的自动泊车控制，得到对应的实际跟踪轨迹离散点(纯跟踪自动泊车控制得到的轨迹是离散点)；
A3：基于实际跟踪轨迹离散点和目标规划轨迹计算对应的性能评估指标；
A4：通过性能评估指标实现纯跟踪自动泊车控制的性能评估。
本实施例中，可通过将性能评估指标与预设的性能评估阈值进行对比或匹配的方式评估纯跟踪自动泊车控制的性能。
需要说明的是，性能评估工具的实际应用步骤如下：
1)运行仿真环境，将目标轨迹参数和控制轨迹点分别存储到txt文本中；
2)Python脚本读入txt文本，根据上述原理得到位置误差，偏航角误差，速度误差；
3)Python库函数matplotlib可视化显示性能误差。
本实施例中，水平车位的目标规划轨迹为五次多项式曲线；垂直车位的目标规划轨迹为圆弧和直线组成的两段曲线。
本实施例中，性能评估指标包括但不限于位置误差、偏航角误差和速度误差。
以水平车位为例对性能评估指标的计算进行说明(垂直车位的计算方法类似)：
位置误差：按照固定间隔(设置为0.001)沿着目标规划轨迹进行均匀的取点形成目标轨迹点；然后通过实际跟踪轨迹离散点搜索目标轨迹点中距离最近的点，进而比较得到对应的位置误差；
偏航角误差：对目标规划轨迹进行求导后得到目标轨迹曲率，然后将目标轨迹曲率与实际跟踪轨迹离散点的航向(离散点的曲率即航向)进行对比，得到对应的偏航角误差；
速度误差：分别通过目标规划轨迹和实际跟踪轨迹离散点计算对应的目标速度和实际速度，然后比较目标速度和实际速度得到对应的速度误差。
本发明中提出的纯跟踪自动泊车控制的性能评估工具，能够有效的定量分析和评价纯跟踪自动泊车控制的性能，将实际的控制性能可视化显示，并得到具体可靠的评估数据，有利于对纯跟踪自动泊车控制进行进一步的优化和改进，从而能够更好的辅助提高自动泊车控制的效果。
2、实验结果：
在水平车位泊车场景下，通过性能评估工具对目标轨迹和跟踪轨迹进行对比，根据对比结果可知，基于本发明纯跟踪算法模型实现自动泊车控制的轨迹跟踪效果很好。
图6为水平车位泊车场景下的跟踪误差分析图，该曲线体现了在泊车跟踪过程中实际跟踪位置与目标轨迹位置的误差。由图6可知，基于本发明纯跟踪算法模型实现自动泊车控制的方法，在水平车位场景下的跟踪误差基本控制在0.2米范围内。
在垂直车位泊车场景下，通过性能评估工具对目标轨迹和跟踪轨迹进行对比，根据对比结果可知，基于本发明纯跟踪算法模型实现自动泊车控制的轨迹跟踪效果很好。
图7为垂直车位泊车场景下的跟踪误差分析图，该曲线体现了在泊车跟踪过程中实际跟踪位置与目标轨迹位置的误差。由图7可知，基于本发明纯跟踪算法模型实现自动泊车控制的方法，在垂直车位场景下的跟踪误差基本控制在0.2米范围内。
实施例二：
本实施例中公开了一种可读存储介质。
一种可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现本发明的纯跟踪自动泊车控制方法的步骤。可读存储介质可以是U盘或计算机等具有可读存储功能的设备。
最后需要说明的是，以上实施例仅用以说明本发明的技术方案而非限制技术方案，本领域的普通技术人员应当理解，那些对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.纯跟踪自动泊车控制方法，其特征在于，包括以下步骤：
S1：构建基于预瞄距离的纯跟踪算法模型；
S2：获取目标车辆的纵向车速和轨迹曲率；
S3：根据目标车辆的纵向车速和轨迹曲率计算更新纯跟踪算法模型的预瞄距离，得到优化后的纯跟踪算法模型；
S4：基于优化后的纯跟踪算法模型实现目标车辆的自动泊车控制。
2.如权利要求1所述的纯跟踪自动泊车控制方法，其特征在于：步骤S4中，优化后的纯跟踪算法模型以目标车辆的后轴为切点、纵向车身为切线，通过控制目标车辆的前轮转角使目标车辆沿着一条经过预设目标路点的圆弧路径行驶，以实自动泊车控制。
3.如权利要求1所述的纯跟踪自动泊车控制方法，其特征在于：步骤S1中，纯跟踪算法模型表示为：
Figure FDA0003667299910000011
式中：δ表示前轮转角；α表示车身和目标路点的夹角；L表示车辆轴距；Ld表示与纵向车速和轨迹曲率相关的预瞄距离。
4.如权利要求3所述的纯跟踪自动泊车控制方法，其特征在于：步骤S3中，通过如下公式计算预瞄距离：
Ld＝k*v+Lf；
式中：Ld表示预瞄距离；k表示设置的系数，v表示纵向车速，Lf表示根据轨迹曲率的弯曲程度对应设置的预瞄距离初始值。
5.如权利要求4所述的纯跟踪自动泊车控制方法，其特征在于：轨迹曲率的弯曲程度越大，预瞄距离初始值的取值越大；轨迹曲率的弯曲程度越小，预瞄距离初始值的取值越小。
6.纯跟踪自动泊车控制的性能评估工具，其特征在于，通过以下步骤实施性能评估：
A1：根据自动泊车的目标车位类型生成对应的目标规划轨迹；
A2：通过权利要求1中的纯跟踪自动泊车控制方法实施目标车辆的自动泊车控制，得到对应的实际跟踪轨迹离散点；
A3：基于实际跟踪轨迹离散点和目标规划轨迹计算对应的性能评估指标；
A4：通过性能评估指标实现纯跟踪自动泊车控制的性能评估。
7.如权利要求6所述的纯跟踪自动泊车控制的性能评估工具，其特征在于：步骤A1中，水平车位的目标规划轨迹为五次多项式曲线；垂直车位的目标规划轨迹为圆弧和直线组成的两段曲线。
8.如权利要求6所述的纯跟踪自动泊车控制的性能评估工具，其特征在于：步骤A3中，性能评估指标包括但不限于位置误差、偏航角误差和速度误差。
9.如权利要求8所述的纯跟踪自动泊车控制的性能评估工具，其特征在于：
位置误差：按照固定间隔沿着目标规划轨迹进行均匀的取点形成目标轨迹点；然后通过实际跟踪轨迹离散点搜索目标轨迹点中距离最近的点，进而比较得到对应的位置误差；
偏航角误差：对目标规划轨迹进行求导后得到目标轨迹曲率，然后将目标轨迹曲率与实际跟踪轨迹离散点的航向进行对比，得到对应的偏航角误差；
速度误差：分别通过目标规划轨迹和实际跟踪轨迹离散点计算对应的目标速度和实际速度，然后比较目标速度和实际速度得到对应的速度误差。
10.一种可读存储介质，其特征在于，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现如权利要求1-5任一项所述的纯跟踪自动泊车控制方法的步骤。
CN202210594623.0A 2022-05-27 2022-05-27 纯跟踪自动泊车控制方法、性能评估工具及可读存储介质 Pending CN114802214A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210594623.0A CN114802214A (zh) 2022-05-27 2022-05-27 纯跟踪自动泊车控制方法、性能评估工具及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210594623.0A CN114802214A (zh) 2022-05-27 2022-05-27 纯跟踪自动泊车控制方法、性能评估工具及可读存储介质

Publications (1)

Publication Number Publication Date
CN114802214A true CN114802214A (zh) 2022-07-29

Family

ID=82519337

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210594623.0A Pending CN114802214A (zh) 2022-05-27 2022-05-27 纯跟踪自动泊车控制方法、性能评估工具及可读存储介质

Country Status (1)

Country Link
CN (1) CN114802214A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116466589A (zh) * 2023-04-26 2023-07-21 长春理工大学 一种基于自抗扰模型的路径跟踪控制方法、装置、存储介质及电子设备
CN116749950A (zh) * 2023-07-25 2023-09-15 云创智行科技(苏州)有限公司 一种自适应转向判定方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116466589A (zh) * 2023-04-26 2023-07-21 长春理工大学 一种基于自抗扰模型的路径跟踪控制方法、装置、存储介质及电子设备
CN116466589B (zh) * 2023-04-26 2024-02-09 长春理工大学 一种基于自抗扰模型的路径跟踪控制方法、装置、存储介质及电子设备
CN116749950A (zh) * 2023-07-25 2023-09-15 云创智行科技(苏州)有限公司 一种自适应转向判定方法及装置
CN116749950B (zh) * 2023-07-25 2024-01-26 云创智行科技(苏州)有限公司 一种自适应转向判定方法及装置

Similar Documents

Publication Publication Date Title
CN114802214A (zh) 纯跟踪自动泊车控制方法、性能评估工具及可读存储介质
CN109764886B (zh) 一种路径规划方法
CN113448335A (zh) 路径规划方法和装置、车辆和可读存储介质
CN109799828B (zh) 自动驾驶车辆横纵向协调控制方法
CN111121777A (zh) 无人驾驶设备轨迹规划方法、装置、电子设备和存储介质
CN113859266B (zh) 一种非结构化道路目标车辆换道轨迹预测方法及系统
CN112327830B (zh) 车辆自动驾驶变道轨迹的规划方法及电子设备
CN111752274B (zh) 一种基于强化学习的激光agv的路径跟踪控制方法
CN110262506A (zh) 预瞄点的确认方法、车辆行驶控制方法、装置及设备
CN111409632A (zh) 车辆控制方法及装置、计算机设备和存储介质
CN110789530A (zh) 一种四轮独立转向-独立驱动车辆轨迹跟踪方法和系统
CN113625702A (zh) 基于二次规划的无人车同时路径跟踪与避障方法
CN112977412A (zh) 一种车辆控制方法、装置、设备及计算机存储介质
CN116661299A (zh) 自动驾驶混合决策控制方法及系统
CN114115268B (zh) 路径生成方法、装置、交通工具及存储介质
CN116300938A (zh) 铰接式车辆的轨迹规划方法、装置、设备和介质
US11518432B2 (en) Zero point compensation method and device for electric power steering
Xu Precise path planning and trajectory tracking based on improved A-star algorithm
CN112518744A (zh) 机器人轨迹规划方法、装置、机器人
CN113158415B (zh) 一种基于误差分析的车辆轨迹相似度评估方法
CN113753024B (zh) 一种车辆稳态偏差消除方法、装置、设备及存储介质
CN114137972B (zh) 路径生成方法、装置、交通工具及存储介质
Xue et al. Learning model predictive control with error dynamics regression for autonomous racing
CN116533992B (zh) 基于深度强化学习算法的自动泊车路径规划方法及其系统
US20230096493A1 (en) Methods and Systems for Trajectory Planning of a Vehicle

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