CN115489594A - 一种纯跟踪智能车路径跟随控制方法 - Google Patents

Abstract

本发明涉及一种纯跟踪智能车路径跟随控制方法，包括根据预瞄距离、期望路径、车辆状态，计算期望前轮转角；计算车辆与期望路径的横向偏差、航向偏差；根据上述横向偏差、航向偏差，计算转角补偿；将上述期望前轮转角、转角补偿相加，得到前轮转角控制量。有益效果：本发明在传统纯跟踪算法的基础上，考虑到智能车辆与期望路径的实时航向偏差，加快消除初始偏差，减小振荡，提高路径跟随精度，满足智能车的要求达到应用的要求。

Description

一种纯跟踪智能车路径跟随控制方法

技术领域

本发明属于智能驾驶技术领域，尤其涉及一种纯跟踪智能车路径跟随控制方法。

背景技术

路径跟随控制技术是指在惯性坐标系中，智能车从初始位置出发，通过控制转向系统使车辆按照期望路径行驶，从而实现车道保持、换道超车、躲避障碍等功能，而车辆的初始位置可以在期望路径上，也可以不在期望路径上。纯跟踪算法是一种被广泛采用的路径跟随方法，以阿克曼转向模型为基础，通过预瞄距离选定目标点，计算前轮转角，使得车辆后轴中心沿平滑圆弧靠近目标点，具有参数少、鲁棒性好、计算量少等优点。

纯跟踪算法本质上是前馈控制方法，通过预瞄距离确定远处的目标点，从而计算控制量，并未考虑车辆与期望路径之间的实时偏差，导致车辆与期望路径的初始偏差较大时，无法快速消除初始偏差，且在偏差较小时出现振荡现象。例如专利申请公布号为CN112305911 A的专利文献公开了一种复杂环境下的反馈预测控制方法，包括：步骤S1，车辆启动自动驾驶；步骤S2，预测车辆未来运动轨迹：根据步骤S1确定的控制算法，预测车辆的预测路径；步骤S3，环境信息预处理：控制车辆沿着预测路径行驶，实时获取车辆四周的障碍物边界信息或道路边界信息，在障碍物边界A1或道路边界A2靠近车辆一侧，对应设定平行于障碍物边界A1或道路边界A2且间隔预设安全距离L的安全带B1或者B2；步骤S4，车辆擦碰检测：判断车辆是否存在擦碰风险。

目前针对纯跟踪算法的研究主要集中在预瞄距离的选取，通过不同的策略确定预瞄距离。预瞄距离过大，车辆会沿曲率较小的圆弧靠近期望路径，在此过程中不会产生较大的振荡，但收敛速度慢，路径跟随精度低；预瞄距离过小，车辆会沿曲率较大的圆弧靠近期望路径，收敛速度快，但前轮转角控制量产生较大振荡且不连续，乘员舒适性变差。

发明内容

本发明的目的在于克服上述技术的不足，而提供一种纯跟踪智能车路径跟随控制方法，利用车辆与期望路径的航向偏差、横向偏差，对纯跟踪方法的前轮转角控制量进行动态补偿，在加快消除初始偏差的同时，减小振荡，提高路径跟随精度。

本发明为实现上述目的，采用以下技术方案：一种纯跟踪智能车路径跟随控制方法，以纯跟踪方法为基础，根据横向偏差、航向偏差确定权重，以航向偏差为反馈得到动态转角补偿，提高对初始偏差的消除速度，具体步骤如下：

步骤1)根据预瞄距离、期望路径、车辆状态，计算期望前轮转角；

步骤2)计算车辆与期望路径的横向偏差、航向偏差；

步骤3)根据上述横向偏差、航向偏差，计算转角补偿；

步骤4)将期望前轮转角、转角补偿相加，得到前轮转角控制量。

进一步地，步骤1)所述根据预瞄距离、期望路径、车辆状态，计算期望前轮转角，具体为：

S21：以当前车辆位置为圆心、预瞄距离为半径做圆，与前方期望路径的交点即为目标点，车辆位置和目标点之间的连线与车辆行驶方向之间的夹角大小α，则期望前轮转角为：

其中，δ_P表示期望前轮转角，l表示车辆轴距，L_d表示预瞄距离；

进一步地，步骤2)所述计算车辆与期望路径的横向偏差、航向偏差，具体为：

S31：期望路径以序列形式存储，编号从1开始，数量为m，所述期望路径由如下：

T＝[p₁ p₂ … p_j … p_m]

其中，p_j表示第j个路径点；

S32：所述单个路径点如下：

p_j＝[x_j y_j θ_j]

其中，x_j表示横坐标、y_j表示纵坐标，θ_j表示曲率；

S33：车辆与各路径点的距离计算如下：

其中，公式中参数代表含义与S32公式中所代表含义一致，X表示车辆的横坐标，Y表示车辆的纵坐标；

S34：车辆与期望路径的最小距离计算如下：

l_n＝min{l₁ l₂ … l_j … l_m}

其中，公式中参数代表含义与S33公式中所代表含义一致，n表示最近路径点的序号；

S35：横向偏差的l_n＝min{l₁ l₂ … l_j … l_m}

计算如下：

其中，公式中参数代表含义与S32、S33公式中所代表含义一致，

表示车辆的航向角；

S36：航向偏差的计算如下：

其中，公式中参数代表含义与S32、S35公式中所代表含义一致；

进一步地，步骤3)所述根据上述横向偏差、航向偏差，计算转角补偿，具体为：

S41：根据横向偏差上限d_max、航向偏差上限h_max、权重上限Q_max确定权重变化函数：

其中，公式中参数代表含义与S35、S36公式中所代表含义一致；

S42：根据航向偏差和权重计算转角补偿：

δ_f＝qe_h

其中，公式中参数代表含义与S36、S41公式中所代表含义一致；

进一步地，步骤4)所述将期望前轮转角、转角补偿相加，得到前轮转角控制量，具体为：

S51：前轮转角控制量计算如下：

δ_c＝δ_p+δ_f

其中，公式中参数代表含义与S21、S42公式中所代表含义一致。

有益效果：本发明在传统纯跟踪算法的基础上，考虑到智能车辆与期望路径的实时航向偏差，利用车辆与期望路径的航向偏差、横向偏差，对纯跟踪方法的前轮转角控制量进行动态补偿，在加快消除初始偏差的同时，减小振荡，提高路径跟随精度。

附图说明

图1是本发明的步骤流程图；

图2是纯跟踪方法的路径示意图；

图3是不同权重上限的横向偏差示意图；

图4是不同权重上限控制量的示意图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施方式及实施方式中的特征可以相互组合。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，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，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方式，都属于本发明保护的范围。除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。

在本发明的各实施例中，为了便于描述而非限制本发明，本发明专利申请说明书以及权利要求书中使用的术语"连接"并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。"上"、"下"、"下方"、"左"、"右"等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也相应地改变。

详见附图1，本实施例提供了一种改进纯跟踪智能车路径跟随控制方法，以纯跟踪方法为基础，利用车辆与期望路径的航向偏差、横向偏差，对纯跟踪方法的前轮转角进行动态补偿，保证初始偏差的消除速度，提高路径跟随精度。

具体实施步骤如下：

步骤1)：根据预瞄距离、期望路径、车辆状态，计算期望前轮转角；

步骤2)：计算车辆与期望路径的横向偏差、航向偏差；

步骤3)：根据上述横向偏差、航向偏差，计算转角补偿；

步骤4)：将期望前轮转角、转角补偿相加，得到前轮转角控制量。

本实施例的优选方案是，步骤1)中，根据预瞄距离、期望路径、车辆状态，计算期望前轮转角，参见图2，以当前车辆位置为圆心、预瞄距离为半径做圆，与前方期望路径的交点即为目标点，车辆位置和目标点之间的连线与车辆行驶方向之间的夹角大小α，则期望前轮转角为：

本实施例的优选方案是，步骤2)中，遍历期望路径的所有路径点，计算每个路径点与车辆的距离，通过对比得到最小距离，用n表示最小距离路径点的序号，计算车辆与最近路径点的横向偏差、航向偏差，具体为：

S31：期望路径以序列形式存储，编号从1开始，数量为m，所述期望路径由如下：

T＝[p₁ p₂ … p_j … p_m]

其中，p_j表示第j个路径点；

S32：所述单个路径点如下：

p_j＝[x_j y_j θ_j]

其中，x_j表示横坐标、y_j表示纵坐标，θ_j表示曲率；

S33：车辆与各路径点的距离计算如下：

其中，公式中参数代表含义与S32公式中所代表含义一致，X表示车辆的横坐标，Y表示车辆的纵坐标；

S34：车辆与期望路径的最小距离计算如下：

l_n＝min{l₁ l₂ … l_j … l_m}

其中，公式中参数代表含义与S33公式中所代表含义一致，n表示最近路径点的序号；

l_n＝min{l₁ l₂ … l_j … l_m}

S35：横向偏差的计算如下：

其中，公式中参数代表含义与S32、S33公式中所代表含义一致，

表示车辆的航向角；

S36：航向偏差的计算如下：

其中，公式中参数代表含义与S32、S35公式中所代表含义一致；

本实施例的优选方案是，步骤3)中，将航向偏差作为路径跟随过程中的反馈量，对前轮转角控制量进行动态补偿，达到迅速消除偏差、减小振荡的效果：当横向偏差较大、航向偏差较小时，权重达到负极值；当横向偏差较小、航向偏差较大时，权重达到正极值；当横向偏差、航向偏差均较小时，权重为零。设定横向偏差上限d_max、航向偏差上限h_max、权重上限Q_max，则转角补偿具体为：

S41：根据横向偏差上限d_max、航向偏差上限h_max、权重上限Q_max，参照上述权重变化规律，采用空间内不在一条直线的三点确定唯一平面的方法，确定权重变化函数，三点分别为(d_max,0,-Q_max)、(0,h_max,Q_max)、(0,0,0)，则由横向偏差、航向偏差确定的权重为：

其中，公式中参数代表含义与S35、S36公式中所代表含义一致；

S42：将权重与航向偏差相乘，得到转角补偿：

δ_f＝qe_h

其中，公式中参数代表含义与S36、S41公式中所代表含义一致；

本实施例的优选方案是，步骤4)中，将期望前轮转角、转角补偿相加，得到前轮转角控制量，具体为：

S51：前轮转角控制量计算如下：

δ_c＝δ_p+δ_f

其中，公式中参数代表含义与S21、S42公式中所代表含义一致；

实施例

本发明提出一种改进纯跟踪智能车路径跟随控制方法，以纯跟踪方法为基础，根据横向偏差、航向偏差确定权重，以航向偏差为反馈得到动态转角补偿，提高对初始偏差的消除速度，克服纯跟踪方法存在振荡问题，提高路径跟随精度。

实验选取的参数如下表：

表1参数选择

参数	值	参数	值
				轴距	1.2m	d<sub>max</sub>	1.0m
前视距离	3.0m	h<sub>max</sub>	20°
				控制周期	0.01s	Q<sub>max</sub>	[2，4，6]
初始横向偏差	0.1m	初始航向偏差	0.0°

期望路径为直线，将传统纯跟踪算法与本实施例提供的改进纯跟踪智能车路径跟随控制方法在初始误差的消除速度、超调量及前轮转角控制方面进行对比，结果如图3-图4所示。

由图3可知，传统纯跟踪方法的横向偏差超调量为0.08m，且存在小幅振荡；本实施例中权重上限Q_max为2、4、6时，车辆迅速向期望路径靠拢，快速消除初始横向偏差，横向偏差超调量分别为0.02m、0.0m、0.0m，超调量小于传统纯跟踪方法，且无明显振荡。

由图4可知，随着权重上限Q_max的增大，在消除初始偏差的过程中，前轮转角控制量变化逐渐剧烈，因此权重上限取值不应过大。

上述参照实施例对一种纯跟踪智能车路径跟随控制方法的详细描述，是说明性的而不是限定性的，可按照所限定范围列举出若干个实施例，因此在不脱离本发明总体构思下的变化和修改，应属本发明的保护范围之内。

Claims (5)

1.一种纯跟踪智能车路径跟随控制方法，其特征是：以纯跟踪方法为基础，根据横向偏差、航向偏差确定权重，以航向偏差为反馈得到动态转角补偿，提高对初始偏差的消除速度，具体步骤如下：

步骤1)根据预瞄距离、期望路径、车辆状态，计算期望前轮转角；

步骤2)计算车辆与期望路径的横向偏差、航向偏差；

步骤3)根据上述横向偏差、航向偏差，计算转角补偿；

步骤4)将期望前轮转角、转角补偿相加，得到前轮转角控制量。

2.根据权利要求1所述的纯跟踪智能车路径跟随控制方法，其特征是：步骤1)所述计算期望前轮转角，具体为：

S21：以当前车辆位置为圆心、预瞄距离为半径做圆，与前方期望路径的交点即为目标点，车辆位置和目标点之间的连线与车辆行驶方向之间的夹角大小α，则期望前轮转角为：

其中，δ_P表示期望前轮转角，l表示车辆轴距，L_d表示预瞄距离。

3.根据权利要求1所述的纯跟踪智能车路径跟随控制方法，其特征是：步骤2)所述计算车辆与期望路径的横向偏差、航向偏差，具体为：

S31：期望路径以序列形式存储，编号从1开始，数量为m，所述期望路径由如下：

T＝[p₁ p₂ ... p_j ... p_m]

其中，p_j表示第j个路径点；

S32：所述单个路径点如下：

p_j＝[x_j y_j θ_j]

其中，x_j表示横坐标、y_j表示纵坐标，θ_j表示曲率；

S33：车辆与各路径点的距离计算如下：

其中，公式中参数代表含义与S32公式中所代表含义一致，X表示车辆的横坐标，Y表示车辆的纵坐标；

S34：车辆与期望路径的最小距离计算如下：

l_n＝min{l₁ l₂ ... l_j... l_m}

其中，公式中参数代表含义与S33公式中所代表含义一致，n表示最近路径点的序号；

S35：横向偏差的l_n＝min{l₁ l₂ … l_j … l_m}

计算如下：

其中，公式中参数代表含义与S32、S33公式中所代表含义一致，θ表示车辆的航向角；

S36：航向偏差的计算如下：

其中，公式中参数代表含义与S32、S35公式中所代表含义一致。

4.根据权利要求1所述的纯跟踪智能车路径跟随控制方法，其特征是：步骤3)所述计算转角补偿，具体为：

S41：根据横向偏差上限d_max、航向偏差上限h_max、权重上限Q_max确定权重变化函数：

其中，公式中参数代表含义与S35、S36公式中所代表含义一致；

S42：根据航向偏差和权重计算转角补偿：

δ_f＝qe_h

其中，公式中参数代表含义与S36、S41公式中所代表含义一致。

5.根据权利要求1所述的纯跟踪智能车路径跟随控制方法，其特征是：步骤4)所述得到前轮转角控制量，具体为：

S51：前轮转角控制量计算如下：

δ_c＝δ_p+δ_f

其中，公式中参数代表含义与S21、S42公式中所代表含义一致。

Images