CN115285145A - 一种无人驾驶弯道避撞轨迹规划与跟踪控制方法 - Google Patents

一种无人驾驶弯道避撞轨迹规划与跟踪控制方法 Download PDF

Info

Publication number
CN115285145A
CN115285145A CN202210941836.6A CN202210941836A CN115285145A CN 115285145 A CN115285145 A CN 115285145A CN 202210941836 A CN202210941836 A CN 202210941836A CN 115285145 A CN115285145 A CN 115285145A
Authority
CN
China
Prior art keywords
vehicle
collision avoidance
control
matrix
unmanned
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
CN202210941836.6A
Other languages
English (en)
Inventor
王衍学
裴如庆
冯剑波
陈志刚
李志星
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.)
Beijing University of Civil Engineering and Architecture
Original Assignee
Beijing University of Civil Engineering and Architecture
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 Beijing University of Civil Engineering and Architecture filed Critical Beijing University of Civil Engineering and Architecture
Priority to CN202210941836.6A priority Critical patent/CN115285145A/zh
Publication of CN115285145A publication Critical patent/CN115285145A/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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • 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
    • 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
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18163—Lane change; Overtaking manoeuvres
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • B60W2050/0031—Mathematical model of the vehicle
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/30—Road curve radius
    • 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
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4049—Relationship among other objects, e.g. converging dynamic objects
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种无人驾驶弯道避撞轨迹规划与跟踪控制方法包括，根据自车与障碍车行驶状态信息和位置信息结合控制算法，建立车辆动力学模型；根据道路信息参数、道路曲率、自车与障碍车的碰撞时间以及相邻车道的避障区域和约束条件，进行模拟轨迹规划；根据所述车辆动力学模型与所述模拟轨迹，进行路径跟踪控制，确定避撞策略，拟合出最优避撞路径。通过获取自车与障碍车的行驶状态信息、位置信息以及道路信息，根据道路曲率、自车与障碍车的碰撞时间以及相邻车道的避障区域和约束条件，确定避撞策略，拟合出最优避撞路径，实现车速不恒定状态下无人驾驶汽车弯道避撞功能。

Description

一种无人驾驶弯道避撞轨迹规划与跟踪控制方法
技术领域
本发明涉及无人驾驶车辆轨迹规划与跟踪控制技术领域，尤其涉及一种无人驾驶弯道避撞轨迹规划与跟踪控制方法。
背景技术
随着人们的生活愈发的智能，无人驾驶汽车也逐渐走入了我们的视野当中。智能汽车的发展不仅能方便人们的出行，也能够有效解决交通拥堵、环境污染，降低事故的发生。在无人驾驶方面，轨迹规划和路径跟踪是其核心组成部分，因此对它们的研究成为了业内人士的焦点。
现有路径规划算法例如人工势场法、蚁群算法等，路径跟踪算法例如PID控制算法、预瞄跟踪最优控制算法等，都已经广泛应用于各种场景。但是人们更多的关注于直道方面，另外大部分研究还假设在车速恒定的情况下进行控制，但在实际情况下车速不可能保持不变，这给人们提出了新的挑战。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题，提出了本发明。
因此，本发明提供了一种无人驾驶弯道避撞轨迹规划与跟踪控制方法，能够解决车速不恒定情况下，无人驾驶在弯道方面创新不足的问题。
为解决上述技术问题，本发明提供如下技术方案，一种无人驾驶弯道避撞轨迹规划与跟踪控制方法，包括：
根据自车与障碍车行驶状态信息和位置信息结合控制算法，建立车辆动力学模型；
根据道路信息参数、道路曲率、自车与障碍车的碰撞时间以及相邻车道的避障区域和约束条件，进行模拟轨迹规划；
根据所述车辆动力学模型与所述模拟轨迹，进行路径跟踪控制，确定避撞策略，拟合出最优避撞路径。
作为本发明所述的无人驾驶弯道避撞轨迹规划与跟踪控制方法的一种优选方案，其中：所述车辆动力学模型包括，
状态方程模型为：
Figure BDA0003786008470000021
其中，m为车辆质量，Iz为车辆横摆转动惯量；lf、lr为车辆质心到前后轴的距离；vx为质心处的纵向速度，y为侧向位移，
Figure BDA0003786008470000022
为侧向速度，Ψ为车辆质心的横摆角，
Figure BDA0003786008470000023
为车辆质心处侧向加速度；Fyf和Fyr车辆前后轮胎受到的侧向力；
Figure BDA0003786008470000024
为车辆质心横摆角速度，
Figure BDA0003786008470000025
为横摆角加速度；δ为前轮转角；Cαf和Cαr为前后轮的侧偏刚度；β为车辆的质心侧偏角度。
作为本发明所述的无人驾驶弯道避撞轨迹规划与跟踪控制方法的一种优选方案，其中：所述模拟轨迹规划包括，
将车辆从外侧车道驶入内侧车道路径用五次多项式曲线表示为：
Figure BDA0003786008470000026
通过变道约束条件获得变道的初始时刻和完成时刻位移、速度和加速度边界条件为：
XO(ton)＝0,
YO(ton)＝0,
XA(toff)＝RasinωOA,
YA(toff)＝Rb-cosωOA
Figure BDA0003786008470000027
Figure BDA0003786008470000028
Figure BDA0003786008470000029
Figure BDA00037860084700000210
Figure BDA0003786008470000031
Figure BDA0003786008470000032
Figure BDA0003786008470000033
Figure BDA0003786008470000034
其中，
Figure BDA0003786008470000035
和
Figure BDA0003786008470000036
为车辆在变道初始时刻的向心加速度和完成时刻的向心加速度，开始时刻ton，结束时刻toff，换道时间T＝ton-toff，路段长度L、车道间距d，状态约束:开始时刻纵向速度vxon、加速度axon,侧向速度vyon、加速度ayon；结束时刻纵向速度vxoff、加速度axoff,侧向速度vyoff、加速度ayoff，X0,Y0为初始时刻的纵向位置和横向位置XA,YA，为换道结束时刻的纵向位置和横向位置，
Figure BDA0003786008470000037
为初始时刻的纵向速度和横向速度，
Figure BDA0003786008470000038
为换道结束时的纵向速度和横向速度，
Figure BDA0003786008470000039
为初始时刻的纵向加速度和横向加速度，
Figure BDA00037860084700000310
为结束时刻的纵向加速度和横向加速度，Ra为内侧车道道路中心线半径，Rb为外侧车道道路中心线半径。
作为本发明所述的无人驾驶弯道避撞轨迹规划与跟踪控制方法的一种优选方案，其中：所述路径跟踪控制包括，
横纵向MPC控制，将纵向控制误差模型和横向控制误差模型集成到一起设误差模型为：
Figure BDA00037860084700000311
其中，误差状态变量分别对应：横向误差e1,横向误差率
Figure BDA00037860084700000312
航向误差e2,航向误差率
Figure BDA00037860084700000313
速度误差e3,位置误差e4，其中，误差状态变量分别对应：横向误差e1,横向误差率
Figure BDA00037860084700000314
航向误差e2,航向误差率
Figure BDA00037860084700000315
速度误差e3,位置误差e4，m为车辆质量，Iz为车辆横摆转动惯量；lf、lr为车辆质心到前后轴的距离，Cαf和Cαr为前后轮的侧偏刚度，vx为纵向速度，δ为前轮转角，a为纵向加速度，
Figure BDA00037860084700000316
为道路曲率。
作为本发明所述的无人驾驶弯道避撞轨迹规划与跟踪控制方法的一种优选方案，其中：所述误差模型包括，
所述误差模型的一般形式表示为：
Figure BDA0003786008470000041
其中：A(t)为状态矩阵，B(t)为控制矩阵，C(t)为扰动矩阵，D(t)
为输出矩阵ζ为系统状态量，u为系统控制量。
作为本发明所述的无人驾驶弯道避撞轨迹规划与跟踪控制方法的一种优选方案，其中：所述误差模型还包括，
对所述误差模型的一般形式进行采样时间为T的离散化采样，得到状态方程
Figure BDA0003786008470000042
其中：Ak为离散化后的状态矩阵，Bk为离散化后的控制矩阵，Ck为离散化后的扰动矩阵，I为单位矩阵，T为采样周期，Ak＝I+TA；Bk＝TB；
Figure BDA0003786008470000043
Figure BDA0003786008470000044
作为本发明所述的无人驾驶弯道避撞轨迹规划与跟踪控制方法的一种优选方案，其中：所述误差模型还包括，
将离散状态变量x(k)与控制变量u(k)组合成新的状态变量：
Figure BDA0003786008470000045
得到新的状态空间方程：
Figure BDA0003786008470000046
其中：
Figure BDA0003786008470000047
为新的状态矩阵，
Figure BDA0003786008470000048
为新的控制矩阵，
Figure BDA0003786008470000049
为新的扰动矩阵，
Figure BDA00037860084700000410
为新的输出矩阵。
作为本发明所述的无人驾驶弯道避撞轨迹规划与跟踪控制方法的一种优选方案，其中：所述路径跟踪控制还包括，
状态矩阵、控制矩阵、扰动矩阵表示如下：
Figure BDA0003786008470000051
Figure BDA0003786008470000052
Figure BDA0003786008470000053
其中，m为车辆质量，Iz为车辆横摆转动惯量；lf、lr为车辆质心到前后轴的距离，Cαf和Cαr为前后轮的侧偏刚度，vx为纵向速度，A状态矩阵、B控制矩阵、C扰动矩阵。
作为本发明所述的无人驾驶弯道避撞轨迹规划与跟踪控制方法的一种优选方案，其中：所述路径跟踪控制还包括，
目标函数为：
Figure BDA0003786008470000054
其中：yref由路径规划算法计算得到的参考轨迹；Q和R为加权矩阵；Np为预测时域，Nc为控制时域，Y为实际位移轨迹，Δu为控制变量的增量，ρ为权重系数，ε为松弛因子。
作为本发明所述的无人驾驶弯道避撞轨迹规划与跟踪控制方法的一种优选方案，其中：所述路径跟踪控制还包括，
约束条件：
Figure BDA0003786008470000061
其中，yh为硬约束输出(不能放宽约束范围)；ys为软约束输出(可以通过松弛因子ε对约束范围进行调整)；yh,min、yh,max为硬约束极限值；ys,min、ys,max为软约束极限值，ΔUmin控制增量最小值，ΔUmax控制增量最大值，Umin控制量最小值，Umax控制量最大值。
本发明的有益效果：本发明提出一种无人驾驶弯道避撞轨迹规划与跟踪控制方法，通过获取自车与障碍车的行驶状态信息、位置信息以及道路信息，根据道路曲率、自车与障碍车的碰撞时间以及相邻车道的避障区域和约束条件，确定避撞策略，拟合出最优避撞路径，实现车速不恒定状态下无人驾驶汽车弯道避撞功能，总体可以准确跟踪上所规划出来的超车轨迹，相比于传统基于纵向速度恒定的假定情况之下，仅通过控制前轮转角来实现避撞有了进一步的提高，更接近与现实情况。
附图说明
为了更清楚地说明本发明实施例的技术方案，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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明一个实施例提供的一种无人驾驶弯道避撞轨迹规划与跟踪控制方法的方法步骤图；
图2为本发明一个实施例提供的一种无人驾驶弯道避撞轨迹规划与跟踪控制方法的功能流程图；
图3为本发明一个实施例提供的一种无人驾驶弯道避撞轨迹规划与跟踪控制方法的车辆动力学模型的示意图；
图4为本发明一个实施例提供的一种无人驾驶弯道避撞轨迹规划与跟踪控制方法的车辆避撞示意图；
图5为本发明一个实施例提供的一种无人驾驶弯道避撞轨迹规划与跟踪控制方法的路径跟踪仿真结果图；
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”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，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、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也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1
参照图1-4，为本发明的第一个实施例，该实施例提供了一种无人驾驶弯道避撞轨迹规划与跟踪控制方法，包括：
S1：根据自车与障碍车行驶状态信息和位置信息结合控制算法，建立车辆动力学模型；
应说明的是，本文从车辆路径跟踪控制的角度对车辆进行建模，同时考虑到采用模型预测控制作为路径跟踪控制器，为了减少所述控制算法的计算量，使车辆能够快速而稳定的实现路径跟踪，需要对无人驾驶车辆模型进行简化，构建车辆二自由度动力学模型。
更进一步的，二自由度车辆模型的动力学方程为：
Figure BDA0003786008470000081
Figure BDA0003786008470000082
其状态方程模型为：
Figure BDA0003786008470000083
其中，m为车辆质量，Iz为车辆横摆转动惯量；lf、lr为车辆质心到前后轴的距离；vx为质心处的纵向速度，y为侧向位移，
Figure BDA0003786008470000084
为侧向速度，Ψ为车辆质心的横摆角，
Figure BDA0003786008470000085
为车辆质心处侧向加速度；Fyf和Fyr车辆前后轮胎受到的侧向力；
Figure BDA0003786008470000086
为车辆质心横摆角速度，
Figure BDA0003786008470000087
为横摆角加速度；δ为前轮转角；Cαf和Cαr为前后轮的侧偏刚度；β为车辆的质心侧偏角度。
S2：根据道路信息参数、道路曲率、自车与障碍车的碰撞时间以及相邻车道的避障区域和约束条件，进行模拟轨迹规划；
应说明的是，无人驾驶汽车弯道超车路线如图4所示，蓝车驶入内侧车道，并且在内侧车道前进一段时间后，重新驶回外侧车道，由此来完成无人驾驶汽车弯道超车这一完整动作。
更进一步的，基于图4，以外侧车道的道路中心线O点为原点来建立坐标系。已知内侧车道的曲率半径为Ra，外侧车道曲率半径为Rb。假设汽车在通过弯道过程中，为了超越前方低速行驶的车辆，采取从外侧车道变入内侧车道这一动作，初始时刻蓝车和红车均在外侧车道匀速向前行驶，二者的速度分别为V1和V2，在O点处蓝车开始变道，沿着规划的五次多项式曲线行进到内侧车道的A点，为了保证在换道过程中蓝车能够安全平稳的到达A点，与红车不发生碰撞，采用保守的变道措施，从O点到A点所用的最大时间为
Figure BDA0003786008470000091
更进一步的，通过上式可得，A点的确定是为了使蓝车完成换道这个过程之后，依然落后于外侧车道低速行驶的红车，通过这种比较保守的变道措施，以换取蓝车驶入内侧车道过程当中的绝对安全。
更进一步的，在上式的基础之上，我们可以通过从O点到A点所用的最大时间来获得驶入内侧车道路径OA其对应的最大圆弧角度
ωOA＝v1TOA
更进一步的，假定蓝车在点A处的方位角为ωOA，则O点和A点的坐标能够表示成
(xO,yO)＝(0,0)
(xA,yA)＝(RasinωOA,Rb-cosωOA)
应说明的是，为了便于研究，在弯道超车这一过程中将车辆视为一个矩形。起始时的状态为
Figure BDA0003786008470000092
结束时状态
Figure BDA0003786008470000093
Figure BDA0003786008470000094
通过无人驾驶车辆上的传感器我们可以快速的获得车辆在初始时刻的状态，并且通过变道过程中的目标位置可以方便的得到车辆在完成变道后结束时车辆的状态。
更进一步的，将车辆从外侧车道驶入内侧车道路径OA用五次多项式曲线表示为：
Figure BDA0003786008470000095
应说明的是，为了规划变道轨迹通常要结合时间、位置还有开始时刻和完成时刻车辆的状态等等条件。假定初始时刻车辆位于O点，变道完成时车辆位于A点。
时间约束:开始时刻ton，结束时刻toff，换道时间T＝ton-toff。
位置约束:路段长度L、车道间距d。
状态约束:开始时刻纵向速度vxon、加速度axon,侧向速度vyon、加速度ayon；结束时刻纵向速度vxoff、加速度axoff,侧向速度vyoff、加速度ayoff。
更进一步的，通过变道约束条件可以获得变道的初始时刻和完成时刻蓝车在图3坐标系下位移、速度和加速度边界条件为：
XO(ton)＝0,
YO(ton)＝0,
XA(toff)＝RasinωOA,
YA(toff)＝Rb-cosωOA
Figure BDA0003786008470000101
Figure BDA0003786008470000102
Figure BDA0003786008470000103
Figure BDA0003786008470000104
Figure BDA0003786008470000105
Figure BDA0003786008470000106
Figure BDA0003786008470000107
Figure BDA0003786008470000108
其中，
Figure BDA0003786008470000109
和
Figure BDA00037860084700001010
为车辆在变道初始时刻的向心加速度和完成时刻的向心加速度，开始时刻ton，结束时刻toff，换道时间T＝ton-toff，路段长度L、车道间距d，状态约束:开始时刻纵向速度vxon、加速度axon,侧向速度vyon、加速度ayon；结束时刻纵向速度vxoff、加速度axoff,侧向速度vyoff、加速度ayoff，X0,Y0为初始时刻的纵向位置和横向位置XA,YA，为换道结束时刻的纵向位置和横向位置，
Figure BDA0003786008470000111
为初始时刻的纵向速度和横向速度，
Figure BDA0003786008470000112
为换道结束时的纵向速度和横向速度，
Figure BDA0003786008470000113
为初始时刻的纵向加速度和横向加速度，
Figure BDA0003786008470000114
为结束时刻的纵向加速度和横向加速度，Ra为内侧车道道路中心线半径，Rb为外侧车道道路中心线半径。
更进一步的，同样为了使蓝车可以重新安全的返回外侧车道，需要蓝车在内侧车道行驶一段时间后再执行变道的动作，假定蓝车在内侧车道内所经过的时间为：
Figure BDA0003786008470000115
其中：N为正整数；L为红车的车长。
应说明的是，B点的选取原则上是为了保证蓝车在返回外侧车道过程中不与前方低速行驶的汽车发生碰撞，所以采取保守的策略使蓝车在内侧车道超越前方低速的红车N个车身长度后再执行重新变道外侧的操作，以此来获得绝对的安全性。
更进一步的，在此期间，我们通过上式所获得的蓝车在内侧车道经历的时间，进而获得在内侧车道行驶的路径AB所对应的圆弧角度，并且可以得到重新驶回外侧车道的路径起始点B的坐标：
ωAB＝v1TAB
(xB,yB)＝(Rasin(ωOA+ωAB),Rb-Racos(ωOA+ωAB))
应说明的是，同样，假定蓝车按照五次多项式曲线所规划的轨迹从内侧车道B点重新驶回外侧车道C点，那么通过上述所描述的计算步骤我们可以重新获得满足约束条件的驶回外侧车道路线BC，故在此不再过度赘述。
S3：根据所述车辆动力学模型与所述模拟轨迹，进行路径跟踪控制，确定避撞策略，拟合出最优避撞路径。
更进一步的，进行横纵向MPC控制设计，将纵向控制误差模型和横向控制误差模型集成到一起设误差模型为：
Figure BDA0003786008470000121
其中，误差状态变量分别对应：横向误差e1,横向误差率
Figure BDA0003786008470000122
航向误差e2,航向误差率
Figure BDA0003786008470000123
速度误差e3,位置误差e4，m为车辆质量，Iz为车辆横摆转动惯量；lf、lr为车辆质心到前后轴的距离，Cαf和Cαr为前后轮的侧偏刚度，vx为纵向速度，δ为前轮转角，a为纵向加速度，
Figure BDA0003786008470000124
为道路曲率。
应说明的是，对应的状态矩阵、控制矩阵、扰动矩阵如下：
Figure BDA0003786008470000125
Figure BDA0003786008470000126
Figure BDA0003786008470000127
其中，m为车辆质量，Iz为车辆横摆转动惯量；lf、lr为车辆质心到前后轴的距离，Cαf和Cαr为前后轮的侧偏刚度，vx为纵向速度，A状态矩阵、B控制矩阵、C扰动矩阵。
应说明的是，需要通过这几个矩阵来进一步对其误差模型进行离散化，以便采用二次规划方式求解，得到最优的前轮转角以及纵向加速度，输入到carsim里面。
更进一步的，本文采用模型预测控制的方法来设计路径跟踪控制器，使用线性时变模型进行模型预测控制具有计算简单、预测速度快等优点。对所述误差模型写为如下一般形式：
Figure BDA0003786008470000131
其中：A(t)为状态矩阵，B(t)为控制矩阵，C(t)为扰动矩阵，D(t)为输出矩阵ζ为系统状态量，u为系统控制量。
更进一步的，对所述误差模型一般形式进行离散化，采样时间为T，得到状态方程
Figure BDA0003786008470000132
其中：Ak为离散化后的状态矩阵，Bk为离散化后的控制矩阵，Ck为离散化后的扰动矩阵，I为单位矩阵，T为采样周期，Ak＝I+TA；Bk＝TB；
Figure BDA0003786008470000133
Figure BDA0003786008470000134
更进一步的，将离散状态变量x(k)与控制变量u(k)组合成新的状态变量：
Figure BDA0003786008470000135
即可得到新的状态空间方程：
Figure BDA0003786008470000136
其中：
Figure BDA0003786008470000137
为新的状态矩阵，
Figure BDA0003786008470000138
为新的控制矩阵，
Figure BDA0003786008470000139
为新的扰动矩阵，
Figure BDA00037860084700001310
为新的输出矩阵。
应说明的是，新的状态方程实现将对前轮转角的控制转化为对前轮转角增量的控制的功能。
更进一步的，目标函数为：
Figure BDA0003786008470000141
其中：yref由路径规划算法计算得到的参考轨迹；Q和R为加权矩阵；Np为预测时域，Nc为控制时域，Y为实际位移轨迹，Δu为控制变量的增量，ρ为权重系数，ε为松弛因子。
更进一步的，在车辆动力学模型的基础上所设计的路径跟踪控制器需要其在每个控制周期内求解一下约束问题：
Figure BDA0003786008470000142
其中，yh为硬约束输出(不能放宽约束范围)；ys为软约束输出(可以通过松弛因子ε对约束范围进行调整)；yh,min、yh,max为硬约束极限值；ys,min、ys,max为软约束极限值，ΔUmin控制增量最小值，ΔUmax控制增量最大值，Umin控制量最小值，Umax控制量最大值。
应说明的是，求解出t时刻的一组控制增量序列：
ΔU(t)＝[Δu(t|t),Δu(t+1|t),…,Δu(t+Nc-1|t)]T
t时刻控制变量能够表示为t-1时刻控制变量叠加t时刻的控制增量，即：
u(t)＝u(t-1)+Δu(t)
还应说明的是，将u(t)作为此时的控制量输入给系统，直到下一个控制时刻，系统根据新的状态信息预测下一时段内的输出，然后通过优化得到一组新的控制序列。如此反复，直至完成整个控制过程。
实施例2
参照图3-5，为本发明的一个实施例，提供了一种无人驾驶弯道避撞轨迹规划与跟踪控制方法，为了验证本发明的有益效果，通过实验进行科学论证。
在大地坐标系下，车道宽为4m,车辆动力学模型的主要参数如表1所示。在前方设置低速行驶的车辆有两辆，分别为纵向距离100m，横向距离为0m，速度为8m/s，另一辆为纵向距离150m，横向距离3.6m，速度同样也为8m/s，自车以10m/s的速度向前行驶。图5为仿真结果对比图，通过前面部分的轨迹规划和跟踪控制策略的实施，我们在matlab和carsim仿真软件上，验证其可行性和有效性。结果表明：通过采用五次多项式的轨迹规划算法以及模型预测控制的路径跟踪器的情况下，无人驾驶汽车能够按照我们所设定的工况顺利的完成避撞超车这一行为。同时，在动态响应方面也比较灵敏。
表1车辆动力学模型参数
参数 数值
整车质量m/kg 1217
质心与前轴的间距l<sub>f</sub>/mm 1165
质心与后轴的间距l<sub>r</sub>/mm 1165
车身绕Z轴的转动惯量I<sub>z</sub>/(kg·m<sup>-2</sup>) 1020
前轮的侧偏刚度C<sub>αf</sub>/(N/rad) -40000
后轮的侧偏刚度C<sub>αr</sub>/(N/rad) -45000
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、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。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，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申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种无人驾驶弯道避撞轨迹规划与跟踪控制方法，其特征在于：包括，
根据自车与障碍车行驶状态信息和位置信息结合控制算法，建立车辆动力学模型；
根据道路信息参数、道路曲率、自车与障碍车的碰撞时间以及相邻车道的避障区域和约束条件，进行模拟轨迹规划；
根据所述车辆动力学模型与所述模拟轨迹，进行路径跟踪控制，确定避撞策略，拟合出最优避撞路径。
2.如权利要求1所述的一种无人驾驶弯道避撞轨迹规划与跟踪控制方法，其特征在于：所述车辆动力学模型包括，
状态方程模型为：
Figure FDA0003786008460000011
其中，m为车辆质量，Iz为车辆横摆转动惯量，lf、lr为车辆质心到前后轴的距离，vx为质心处的纵向速度，y为侧向位移，
Figure FDA0003786008460000012
为侧向速度，Ψ为车辆质心的横摆角，
Figure FDA0003786008460000013
为车辆质心处侧向加速度；Fyf和Fyr车辆前后轮胎受到的侧向力；
Figure FDA0003786008460000014
为车辆质心横摆角速度，
Figure FDA0003786008460000015
为横摆角加速度；δ为前轮转角；Cαf和Cαr为前后轮的侧偏刚度；β为车辆的质心侧偏角度。
3.如权利要求2所述的一种无人驾驶弯道避撞轨迹规划与跟踪控制方法，其特征在于：所述模拟轨迹规划包括，
将车辆从外侧车道驶入内侧车道路径用五次多项式曲线表示为：
Figure FDA0003786008460000016
通过变道约束条件获得变道的初始时刻和完成时刻位移、速度和加速度边界条件为：
XO(ton)＝0,
YO(ton)＝0,
XA(toff)＝RasinωOA,
YA(toff)＝Rb-cosωOA
Figure FDA0003786008460000021
Figure FDA0003786008460000022
Figure FDA0003786008460000023
Figure FDA0003786008460000024
Figure FDA0003786008460000025
Figure FDA0003786008460000026
Figure FDA0003786008460000027
Figure FDA0003786008460000028
其中，
Figure FDA0003786008460000029
和
Figure FDA00037860084600000210
为车辆在变道初始时刻的向心加速度和完成时刻的向心加速度，开始时刻ton，结束时刻toff，换道时间T＝ton-toff，路段长度L、车道间距d，状态约束:开始时刻纵向速度vxon、加速度axon,侧向速度vyon、加速度ayon；结束时刻纵向速度vxoff、加速度axoff,侧向速度vyoff、加速度ayoff，X0,Y0为初始时刻的纵向位置和横向位置XA,YA，为换道结束时刻的纵向位置和横向位置，
Figure FDA00037860084600000211
为初始时刻的纵向速度和横向速度，
Figure FDA00037860084600000212
为换道结束时的纵向速度和横向速度，
Figure FDA00037860084600000213
为初始时刻的纵向加速度和横向加速度，
Figure FDA00037860084600000214
为结束时刻的纵向加速度和横向加速度，Ra为内侧车道道路中心线半径，Rb为外侧车道道路中心线半径。
4.如权利要求3所述的一种无人驾驶弯道避撞轨迹规划与跟踪控制方法，其特征在于：所述路径跟踪控制包括，
横纵向MPC控制，将纵向控制误差模型和横向控制误差模型集成到一起设误差模型为：
Figure FDA00037860084600000215
其中，误差状态变量分别对应：横向误差e1,横向误差率
Figure FDA00037860084600000216
航向误差e2,航向误差率
Figure FDA0003786008460000031
速度误差e3,位置误差e4，m为车辆质量，Iz为车辆横摆转动惯量；lf、lr为车辆质心到前后轴的距离，Cαf和Cαr为前后轮的侧偏刚度，vx为纵向速度，δ为前轮转角，a为纵向加速度，
Figure FDA0003786008460000032
为道路曲率。
5.如权利要求4所述的一种无人驾驶弯道避撞轨迹规划与跟踪控制方法，其特征在于：所述误差模型包括，
所述误差模型的一般形式表示为：
Figure FDA0003786008460000033
其中：A(t)为状态矩阵，B(t)为控制矩阵，C(t)为扰动矩阵，D(t)为输出矩阵ζ为系统状态量，u为系统控制量。
6.如权利要求5所述的一种无人驾驶弯道避撞轨迹规划与跟踪控制方法，其特征在于：所述误差模型还包括，
对所述误差模型的一般形式进行采样时间为T的离散化采样，得到状态方程：
Figure FDA0003786008460000034
其中：Ak为离散化后的状态矩阵，Bk为离散化后的控制矩阵，Ck为离散化后的扰动矩阵，I为单位矩阵，T为采样周期，Ak＝I+TA；Bk＝TB；
Figure FDA0003786008460000035
Figure FDA0003786008460000036
7.如权利要求6所述的一种无人驾驶弯道避撞轨迹规划与跟踪控制方法，其特征在于：所述误差模型还包括，
将离散状态变量x(k)与控制变量u(k)组合成新的状态变量：
Figure FDA0003786008460000037
得到新的状态空间方程：
Figure FDA0003786008460000038
其中：
Figure FDA0003786008460000041
为新的状态矩阵，
Figure FDA0003786008460000042
为新的控制矩阵，
Figure FDA0003786008460000043
为新的扰动矩阵，
Figure FDA0003786008460000044
为新的输出矩阵。
8.如权利要求7所述的一种无人驾驶弯道避撞轨迹规划与跟踪控制方法，其特征在于：所述路径跟踪控制还包括，
状态矩阵、控制矩阵、扰动矩阵表示如下：
Figure FDA0003786008460000045
Figure FDA0003786008460000046
Figure FDA0003786008460000047
其中，m为车辆质量，Iz为车辆横摆转动惯量；lf、lr为车辆质心到前后轴的距离，Cαf和Cαr为前后轮的侧偏刚度，vx为纵向速度，A状态矩阵、B控制矩阵、C扰动矩阵。
9.如权利要求8所述的一种无人驾驶弯道避撞轨迹规划与跟踪控制方法，其特征在于：所述路径跟踪控制还包括，
目标函数为：
Figure FDA0003786008460000048
其中：yref由路径规划算法计算得到的参考轨迹；Q和R为加权矩阵；Np为预测时域，Nc为控制时域，Y为实际位移轨迹，Δu为控制变量的增量，
Figure FDA0003786008460000051
为权重系数，ε为松弛因子。
10.如权利要求9所述的一种无人驾驶弯道避撞轨迹规划与跟踪控制方法，其特征在于：所述路径跟踪控制还包括，
约束条件：
Figure FDA0003786008460000052
其中，yh为硬约束输出(不能放宽约束范围)；ys为软约束输出(可以通过松弛因子ε对约束范围进行调整)；yh,min、yh,max为硬约束极限值；ys,min、ys,max为软约束极限值，ΔUmin控制增量最小值，ΔUmax控制增量最大值，Umin控制量最小值，Umax控制量最大值。
CN202210941836.6A 2022-08-08 2022-08-08 一种无人驾驶弯道避撞轨迹规划与跟踪控制方法 Pending CN115285145A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210941836.6A CN115285145A (zh) 2022-08-08 2022-08-08 一种无人驾驶弯道避撞轨迹规划与跟踪控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210941836.6A CN115285145A (zh) 2022-08-08 2022-08-08 一种无人驾驶弯道避撞轨迹规划与跟踪控制方法

Publications (1)

Publication Number Publication Date
CN115285145A true CN115285145A (zh) 2022-11-04

Family

ID=83827726

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210941836.6A Pending CN115285145A (zh) 2022-08-08 2022-08-08 一种无人驾驶弯道避撞轨迹规划与跟踪控制方法

Country Status (1)

Country Link
CN (1) CN115285145A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116044990A (zh) * 2023-03-29 2023-05-02 北京集度科技有限公司 车辆档位切换方法、装置、电子设备、介质及程序产品
CN116645826A (zh) * 2023-05-25 2023-08-25 合肥工业大学 一种基于三次多项式的弯道跟驰路径规划方法
CN117111479A (zh) * 2023-10-23 2023-11-24 深圳市智绘科技有限公司 机器人控制方法、装置、电子设备及可读存储介质
CN118015589A (zh) * 2024-01-19 2024-05-10 元橡科技（北京）有限公司 全局障碍物识别方法、装置、电子设备及存储介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116044990A (zh) * 2023-03-29 2023-05-02 北京集度科技有限公司 车辆档位切换方法、装置、电子设备、介质及程序产品
CN116645826A (zh) * 2023-05-25 2023-08-25 合肥工业大学 一种基于三次多项式的弯道跟驰路径规划方法
CN116645826B (zh) * 2023-05-25 2024-04-19 合肥工业大学 一种基于三次多项式的弯道跟驰路径规划方法
CN117111479A (zh) * 2023-10-23 2023-11-24 深圳市智绘科技有限公司 机器人控制方法、装置、电子设备及可读存储介质
CN117111479B (zh) * 2023-10-23 2024-01-30 深圳市智绘科技有限公司 机器人控制方法、装置、电子设备及可读存储介质
CN118015589A (zh) * 2024-01-19 2024-05-10 元橡科技（北京）有限公司 全局障碍物识别方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN111845774B (zh) 一种基于横纵向协调的自动驾驶汽车动态轨迹规划及跟踪方法
CN111717204B (zh) 自动驾驶车辆的横向控制方法及系统
CN110356404B (zh) 一种具有自主换道功能并提高侧向安全性的智能驾驶系统
CN109669461B (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
CN112733270B (zh) 车辆行驶轨迹预测和轨迹偏离危险度评估的系统与方法
CN110286681B (zh) 一种变曲率弯道的动态自动驾驶换道轨迹规划方法
CN115285145A (zh) 一种无人驾驶弯道避撞轨迹规划与跟踪控制方法
JP4586795B2 (ja) 車両用制御装置
Kapania Trajectory planning and control for an autonomous race vehicle
CN114942642A (zh) 一种无人驾驶汽车轨迹规划方法
Domina et al. Comparison of path following controllers for autonomous vehicles
Li et al. Automatic lane change maneuver in dynamic environment using model predictive control method
Kone Lateral and longitudinal control of an autonomous racing vehicle.
CN115447615A (zh) 基于车辆运动学模型预测控制的轨迹优化方法
CN113525384B (zh) 车辆的横向控制方法和控制器
US20240067209A1 (en) Method And System For An Autonomous Motion Control And Motion Planning Of A Vehicle
CN112590815B (zh) 基于act-r的自动驾驶预测节能认知模型的构建方法
CN112596516B (zh) 基于Dubins曲线的多车队形切换方法
Chen et al. An overtaking obstacle algorithm for autonomous driving based on dynamic trajectory planning
Ma et al. Trajectory planning and tracking for four-wheel-steering autonomous vehicle with V2V communication
Kekatos et al. Lane change maneuver for autonomous vehicles (Benchmark Proposal).
Li et al. Automatic lane merge based on model predictive control
Theodosis Path Planning for an Automated Vehicle Using Professional Racing Techniques
Li et al. Study on lateral assisted control for commercial vehicles
CN114312770B (zh) 一种车辆、车辆行驶轨迹预测方法及装置

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