CN115951678A - 一种用于电子导向胶轮车的自动驾驶系统 - Google Patents

Abstract

本发明公开了一种用于电子导向胶轮车的自动驾驶系统，属于自动驾驶技术领域，包括感知模块、决策模块以及控制模块，本发明基于车载雷达、视觉传感器等设备，对道路前方以及视野盲区内一定距离内的车辆、行人等障碍物进行探测，使车辆能够及时感知危险工况，并通过减速、紧急制动规避事故风险；本发明采集雷达点云数据，进行离线数据分析，研究障碍物特征提取方法，结合三维点云数据，准确标注障碍物类别及距离；本发明基于视差原理，对双目相机左右视图进行像素匹配，获得图像深度图，实现基于视觉的障碍物测距；本发明还基于电子导向胶轮车专有路权的特性，进行局部路径规划，对车辆进行牵引自动控制，从而更加安全。

Description

一种用于电子导向胶轮车的自动驾驶系统

技术领域

本发明涉及自动驾驶技术领域，特别涉及一种用于电子导向胶轮车的自动驾驶系统。

背景技术

近年来，自动驾驶技术依托电子信息技术的飞速发展。在轨道交通领域，列车自动驾驶系统(Automatic Train Operation，简称ATO)是轨道车辆自动驾驶领域的关键技术，它能够实现精确停车、自动行驶、列车自动运行调整与无人折返等功能，能够降低列车的运营成本并提高列车的效率。轨道车辆由于有物理钢轨道的约束，故列车控制系统无需对车辆横向姿态进行主动控制。而电子导向胶轮系统作为一种新型的交通制式，就是利用虚拟轨道导向代替钢轮钢轨导向，故传统的自动驾驶技术已经不再完全适用于电子导向胶轮系统，并且现有专利中并没有针对电子导向胶轮系统的自动驾驶架构设计，本发明针对这一问题，设计了一种用于电子导向胶轮系统的自动驾驶系统。

发明内容

本发明提供一种用于电子导向胶轮车的自动驾驶系统，可以解决背景技术中所指出的问题。

一种用于电子导向胶轮车的自动驾驶系统，包括：

感知模块，包括路侧设备和车侧设备，路侧设备用于获取道路信息，车侧设备用于获取车身周边环境信息以及车辆在轨条件，并对周围障碍物进行检测，感知模块将获取到的各类信息输出至决策模块；

决策模块，接收感知模块提供的各类信息并进行融合处理，并基于车辆在轨条件输出决策信息至控制模块；

控制模块，接收决策模块提供的决策信息并以决策信息中的速度指令为控制目标值，通过转向控制器进行车辆纵向控制；

所述路侧设备用于检测并跟踪交通参与者，并根据车辆速度、车辆位置判断是否会相撞，并给出建议车速以及碰撞预警，提供交通参与者数量、位置、速度、置信度信息与局部建议车速、置信度信息；

所述车侧设备至少包括激光雷达、双目视觉传感器、超声波雷达、惯导传感器以及毫米波雷达中的一个；

所述激光雷达用于实时反馈雷达点云数据，通过深度学习算法，识别车辆、行人及路障，获取障碍物相对于车辆的位置、车速、碰撞时间与置信度信息；

双目视觉传感器用于识别车道线以及障碍物的类别，通过检测标线辅助车辆进行循迹控制，获取障碍物相对于车辆的位置、车速、碰撞时间与置信度信息；

超声波雷达以及毫米波雷达用于获取车身周边障碍物距离信息，对危险距离障碍物提供预警信息；

惯导传感器用于获取偏航角数据、横摆角速度数据以及加速度数据；

所述决策模块还包括循迹控制器、域控制器、车辆控制器以及转向控制器；

循迹控制器用于提供数字轨道地图以及车辆横纵向精准定位，并且通过磁传感器检测横向偏差，计算第一轴循迹控制转向指令，同时依据曲率信息，提供最高限速、道路状况建议车速、置信度信息；

域控制器根据汽车电子部件功能将整车划分为动力总成域，智能座舱域和自动驾驶域，并利用多核CPU/GPU芯片控制每个域；

车辆控制器通过采集驾驶员操控信息，车辆行使信息、发动机、电机、电池、变速箱数据及各个子系统的反馈信息，经过计算向各个子系统发送控制命令，从而实现车辆控制器对整车的控制；

转向控制器是控制电机动作的模块，用于汽车的各种外围电路与接口电路的连接控制；

决策模块还包括车辆计算平台以及信号计算平台；

信号计算平台与感知模块、调度系统通讯连接，获取感知模块获取的各类信息以及车辆调度信息，并采集磁钉、接收4G数据以实现车辆定位、授时、调度通讯功能；

车辆计算平台用于处理感知模块获取的各类信息并输出自动驾驶的控制信息至控制模块；

所述车辆计算平台处理感知模块获取的各类信息的方式如下：

车辆计算平台记录并通过双目视觉图像信息进行车道线、障碍物识别与位置计算；

车辆计算平台通过超声波雷达以及毫米波雷达获取的信息，结合踏板开度与驾驶员操作信息，进行人机交互设计与车速反馈控制；

车辆计算平台输出的自动驾驶控制信息为控制车辆纵向运行的牵引与制动的线控信号；

所述控制模块接收决策模块提供的决策信息后，结合车辆属性建立满足数字轨道胶轮电车动力学模型，以达到对车辆纵向速度的平稳控制；

控制模块依据信号系统提供的道路信息中列车位置信息、站点信息、开门侧信息、到站信息，结合车辆速度，进行自动开门以及自动报站功能的控制；控制模块依据信号系统提供的道路信息中转弯信息，实现自动转向灯的控制。

优选的，所述自动驾驶系统具有三种驾驶模式：人工驾驶模式、横向自动驾驶模式以及全自动驾驶模式；

在驾驶模式由人工驾驶模式切换至横向自动驾驶模式时，控制系统对车辆在轨条件进行判断，若车辆在轨条件满足则车辆进入横向自动驾驶模式，车辆根据传感器的参数进行横向自动控制，若车辆在轨条件不满足则继续保持人工驾驶模式，并提示驾驶员不满足切换条件；

在驾驶模式由横向自动驾驶模式切换至全自动驾驶模式时，控制系统判断车辆的车速与方向盘扭矩是否满足阈值条件，若满足阈值条件则车辆进入全自动驾驶模式，若不满足阈值条件则车辆继续保持横向自动驾驶模式。

优选的，所述自动驾驶系统的局部路径的规划方法如下：

将车辆、行人或障碍物在车辆行驶轨迹内的存在形式设定为消失或存在；

当车辆、行人或障碍物的存在形式为消失时，则车辆正常运行；

当行人的存在形式为存在时，则车辆采取制动措施；

当障碍物、车辆的存在形式为存在时，若障碍物、车辆位于警戒范围内，则车辆采取制动措施，反之则正常运行。

优选的，所述自动驾驶系统的纵向牵引制动控制方法如下：

车辆通过多铰接车动力学仿真模型，进行牵引、制动力分配研究，在车辆纵向动力学模型中，将牵引力制动力比例参数化，以提高车辆横向稳定性和循迹控制精度为目标，建立列车的横-纵向耦合动力学模型，优化牵引/制动力的配比关系；

决策模块根据激光雷达与视觉传感器反馈的障碍物信息，进行如下场景区分：

当感知模块检测不到障碍物时，车辆进行自适应速度续航；

当感知模块检测到前方车辆/行人/障碍物时，车辆进行固定距离跟车行驶；

当纵向牵引制动控制为纵向速度控制时，车辆通过数字轨道地图获取建议车速，将建议车速作为纵向控制系统的目标车速输入，同时结合当前车速，利用PI控制算法进行目标加速度解算；

当纵向加速度计算模式为跟车距离控制时，车辆通过车侧设备获取前方障碍物相对于车辆的位置，同时，根据目标种类确定不同的跟车距离，并将跟车距离作为目标距离，对相对距离进行PD控制；

当纵向控制系统的模式位于踏板模式时，域控制器将根据纵向控制所需的加速度，计算油门踏板开度与制动踏板开度，通过总线将纵向控制的虚拟踏板指令发送给车辆控制器执行；

当车辆位于力矩模式时，纵向控制系统将计算出的加速度与力矩线性转化为踏板开度；

为了实现纵向自动控制的力矩分配的目的，当纵向自动控制的模式位于力矩模式时，首先需根据加目标加速度的符号确定此时车辆需要牵引力还是需要制动力，如果车辆处于牵引状态，那么将由电机提供所有的牵引力；如果车辆处于制动状态，那么将由电机提供电制动、液压系统提供液压制动；

当纵向控制系统需要电机提供牵引力或者制动力时，将根据所需电机扭矩的大小和电机的能力值大小进行区间判断，当纵向控制系统在力矩模式下制动时，将根据车速进行区间判断，当车速大于一定阈值时，将制动力的需求值和电制动的能力值进行对比，若制动力的需求值比电制动的能力值大，那么需要电制动+液压制动同时工作，若制动力的需求值比电制动的能力值小，那么只需电制动提供制动力即可；当车速小于一定阈值时，无论液压制动是否参与工作，随着车速的降低，电制动与液压制动将逐步切换；当电制动反馈的实际力矩小于请求力矩时，为了确保车辆的行驶安全，液压制动也需参与工作。

优选的，所述自动驾驶系统的人机交互设计方法如下：

车辆在全自动驾驶状态下，按照数字地图计算的基于用于曲率的循迹车速行驶，车辆在路口默认停车，驾驶员踩下油门踏板后继续行驶；

若驾驶员踩下踏板，且绝对值比巡航建议值大，则进入人工接管状态；

若驾驶员松开踏板，则回到自动驾驶状态；在自动驾驶状态下，利用巡航速度与实际车速之间的车速差做反馈控制，控制加速度变化率、加速时间。

与现有技术相比，本发明的有益效果是：本发明基于车载雷达、视觉传感器等设备，对道路前方以及视野盲区内一定距离内的车辆、行人等障碍物进行探测，使车辆能够及时感知危险工况，并通过减速、紧急制动规避事故风险；本发明采集雷达点云数据，进行离线数据分析，研究障碍物特征提取方法，结合三维点云数据，准确标注障碍物类别及距离；本发明基于视差原理，对双目相机左右视图进行像素匹配，获得图像深度图，实现基于视觉的障碍物测距；

本发明通过多传感器融合数据处理，综合获取前方障碍物方位与距离，进行动态轨迹预测，结合车辆动力学模型进行纵向加减速控制；本发明结合车辆实际运行线路与数字轨道地图提供的道路曲率、交通基础设施等信息，对道路行驶车速进行规划与设计；

本发明基于电子导向胶轮车专有路权的特性，进行局部路径规划，对车辆进行牵引控制，从而更加安全。

附图说明

图1为自动驾驶整车网络拓扑图；

图2为车载硬件设备示意图；

图3为人机交互设计图；

图4为电子导向胶轮系统自动驾驶系统的软件架构图；

图5为基于双目视觉传感器的车道线识别示意图；

图6为激光雷达聚类以及障碍物识别效果图；

图7为形式轨迹预测图；

图8为路侧设备示意图。

具体实施方式

下面结合附图，对本发明的一个具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。

本发明为电子导向胶轮车提供了一套实现自动驾驶功能的系统，以实现电子导向胶轮车的智能化驾驶。

实施例一

如图1至图8所示，本发明实施例提供的一种用于电子导向胶轮车的自动驾驶系统，包括感知模块、决策模块和控制模块，三者均具有对应的硬件结构和软件结构，硬件结构和软件结构相互配合，共同完成电子导向胶轮车的自动驾驶；

如图2所示，本系统的硬件设备有激光雷达、视觉传感器、人机协管系统、转向控制器、循迹控制器(NCU)、域控制器、车辆控制器、角度与姿态传感器、全景环视系统、超声波雷达系统、GPS天线与伺服控制转向系统；

感知模块的硬件结构由车辆与信号端共同搭建，包括路侧设备和车侧设备，路侧设备用于实现对全线以及路口状态的感知，即获取道路信息，车侧设备进行主动感知，用于获取车身周边环境信息以及车辆在轨条件，并对周围障碍物进行检测，感知模块将获取到的各类信息输出至决策模块；各个路侧设备和车侧设备之间借助各自所长相互融合、功能互补、互为备份和辅助；

路侧设备如图8所示，具有行人监测设备、智能电子标志、雷达监测设备、示警装置等，上述路侧设备用于检测并跟踪交通参与者，并根据车辆速度、车辆位置判断是否会相撞，并给出建议车速以及碰撞预警，提供交通参与者数量、位置、速度、置信度信息与局部建议车速、置信度信息；

车侧设备至少包括以下传感器中的一个：

循迹控制器用于提供数字轨道地图以及车辆横纵向精准定位并且通过磁传感器检测横向偏差，计算第一轴循迹控制转向指令，同时依据曲率信息，提供最高限速、道路状况建议车速、置信度信息；

激光雷达可实时反馈雷达点云数据，通过深度学习算法，识别车辆、行人及路障，获取障碍物相对于车辆的位置、车速、碰撞时间与置信度信息；

双目视觉传感器用于识别行人、小汽车、大巴、卡车、二轮车、三轮车、未知目标共7种障碍物类别，检测范围40m，同时可用于识别车道线，通过检测标线辅助车辆进行循迹控制，获取障碍物相对于车辆的位置、车速、碰撞时间与置信度信息；

超声波雷达共有三个主机，十六个探头分布在列车四周，覆盖整个车身范围。探头均匀分布至车身50-70CM高度，保证覆盖车身各方位，用于障碍物距离检测及预警，实时监测车身周边障碍物距离信息，对危险距离障碍物提供预警信息，探头还可以与全景环视融合，将车身障碍物距离及方位变动信息实时显示于全景环视图像中，使车辆驾驶员可综合观测障碍物各信息；

毫米波雷达全天候工作，在不良天气、夜晚等环境下可以发挥作用，它用于比较精确的测量物体的速度和距离，受天气和环境影响较小，与激光雷达、视觉传感器组合实现全方位、多角度环境感知；

惯导传感器均匀分布在列车3个车厢，用于输出3轴偏航角、横摆角速度、加速度共9组数据；当上述感知类传感器接收到环境信息后，会将数据导入决策模块；

上述传感器之间的感知融合方案如下：

感知融合方案主要为了对各种传感器的功能进行协调合作，共同完成某一种功能的能力。本发明以全景环视图像为载体，呈现车辆周围环境，将激光雷达、视觉传感器、惯导、超声波雷达等各种信息，集成于全景环视综合影像系统中。对于车道线的检测，本发明中车道线的来源以数字轨道地图为主，以双目视觉为辅，利用双目视觉提取车道线如图5所示；基于这些传感器，本发明的感知融合方案还能实现障碍物检测、车辆轨迹预测等功能；激光雷达聚类及障碍物识别效果图如图6所示，轨迹预测示意图如图7所示；路侧设备检测并跟踪复杂路况下的行人与车辆，将行人状态以及周围的车辆、障碍物信息以及碰撞预警、建议车速信息通过RSU与OBU之间通信传输给车辆，以帮助车辆进行更加安全的纵向决策；

感知模块的软件结构由车辆端、地图端、路侧端、调度中心共同提供信息；车辆以ETH与CAN总线为载体，实时收集全方位的传感器信息，将所有的原始数据，包括结构化数据以及非结构化数据实时传输给硬件平台；硬件平台以域控制器与转向控制器为主，域控制器通过实时GPU与多核CPU，对感知类信号进行统一处理，包括深度学习、视觉处理与特征点提取等；地图端外围硬件主要为数字轨道地图及磁传感器，以CAN总线为载体，向车辆控制单元转向控制器传输地图信息、车辆横向偏差及控制信息，向车辆融合导向处理器域控制器传输控制地图信息；路侧设备与调度中心以4G/5G为载体，向车辆发送运营信息及路侧行人、障碍物信息；

决策模块的硬件结构由不同的高性能芯片进行实时运算，对数据进行解析，包括车辆计算平台(由转向控制器、域控制器等主控单元组成)和信号计算平台(包括NCU、OBU/融合主机等)；

信号计算平台与感知模块、调度系统通讯连接，获取感知模块获取的各类信息以及车辆调度信息，并采集磁钉、接收4G数据以实现车辆定位、授时、调度通讯功能；

车辆计算平台用于处理感知模块获取的各类信息并输出自动驾驶的控制信息至控制模块；

所述车辆计算平台处理感知模块获取的各类信息的方式如下：

车辆计算平台记录并通过双目视觉图像信息进行车道线、障碍物识别与位置计算；

车辆计算平台通过超声波雷达以及毫米波雷达获取的信息，结合踏板开度与驾驶员操作信息，进行人机交互设计与车速反馈控制；

车辆计算平台输出的自动驾驶控制信息为控制车辆纵向运行的牵引与制动的线控信号；

车辆计算平台能结合传感器感知信息与调度时间约束，进行最终整车车速规划，结合车辆牵引系统与制动系统功能，进行纵向车速跟随控制；

决策模块的软件结构包括域控制器，域控制器融合各供应商提供的传感器信息，建立车辆安全场，进行车辆纵向安全行驶决策。由于车辆控制具有复杂性，各家供应商均可提供车速控制建议与传感器感知信息，但最终由域控制器结合车辆的状态，决定车速控制目标与策略；

决策模块还包括如下控制器：

域控制器根据汽车电子部件功能将整车划分为动力总成域，智能座舱域和自动驾驶域，并利用多核CPU/GPU芯片控制每个域；

车辆控制器通过采集驾驶员操控信息，车辆行使信息、发动机、电机、电池、变速箱数据及各个子系统的反馈信息，经过计算向各个子系统发送控制命令，从而实现车辆控制器对整车的控制。

转向控制器是控制电机动作的模块，用于汽车的各种外围电路与接口电路的连接控制。

控制模块，接收决策模块提供的决策信息并以决策信息中的速度指令为控制目标值，通过车载转向控制器进行车辆纵向控制，其硬件结构根据顶层决策平台提供的车速规划信息以及车辆纵向动力学，对车辆的运行进行纵向速度控制以及人工辅助决策；控制模块包括：转向控制器、车辆控制器；控制平台由车辆进行负责建立数字轨道胶轮电车动力学模型，以满足车辆的纵向自动控制及其他子系统的自动控制；控制模块从决策模块的速度指令作为控制目标值，最终由车载转向控制器进行纵向控制；结合整车的机械构造、轮胎结构等车辆属性，本发明建立满足数字轨道胶轮电车动力学模型，以达到对车辆纵向速度的平稳控制；车辆设施自动控制依靠信号系统提供的列车位置信息，站点信息，开门侧信息，到站信息，列车结合车辆速度等提供自动开门及自动报站功能；信号系统提供的道路信息，转弯信息可以实现自动转向灯功能。

控制模块的软件结构主要包括转向控制器与域控制器，转向控制器根据数字轨道地图、横向偏差控制指令进行车辆横向控制，域控制器根据车辆姿态、车辆安全场、运营调度要求，进行纵向速度控制、特殊工况决策与加减速控制。

实施例二

基于实施例一的自动驾驶系统，该自动驾驶系统具有三种驾驶模式：人工驾驶模式、横向自动驾驶模式以及全自动驾驶模式；

在驾驶模式由人工驾驶模式切换至横向自动驾驶模式时，控制系统对车辆在轨条件进行判断，若车辆在轨条件满足则车辆进入横向自动驾驶模式，车辆根据传感器的参数进行横向自动控制，若车辆在轨条件不满足则继续保持人工驾驶模式；

在驾驶模式有横向自动驾驶模式切换至全自动驾驶模式时，控制系统判断车辆的车速与方向盘扭矩是否满足阈值条件，此处的阈值需根据所行驶路线的实际情况进行预设，不同路线的阈值条件均不同；若满足阈值条件则车辆进入全自动驾驶模式，若不满足阈值条件则车辆继续保持横向自动驾驶模式；

另外，为了实现人机共驾接管，当驾驶员进行踏板操作时，车辆控制器将对应的实际踏板开度发送给转向控制器，转向控制器将实际踏板开度与虚拟踏板开度进行对比。若驾驶员有加速意图，实际牵引踏板开度将会大于虚拟牵引踏板开度；若驾驶员有减速意图，实际制动踏板开度将会大于虚拟制动踏板开度；

因此，为了实现人机共驾接管的功能，当驾驶员操作的实际踏板与虚拟踏板一致时(如驾驶员踩牵引踏板，转向控制器产生虚拟牵引踏板指令)，转向控制器将虚拟踏板开度与实际踏板开度中较大者，转发给车辆控制器与牵引制动系统执行；特别地，当驾驶员操作的实际踏板与虚拟踏板不一致时(如驾驶员踩制动踏板，转向控制器产生虚拟牵引踏板指令)，转向控制器则会将实际踏板开度，转发给车辆控制器与牵引制动系统执行。

实施例三

基于实施例一的自动驾驶系统，该自动驾驶系统的局部路径的规划方法如下：

将车辆、行人或障碍物在车辆行驶轨迹内的存在形式设定为消失或存在；

当车辆、行人或障碍物的存在形式为消失时，则车辆正常运行；

当行人的存在形式为存在时，则车辆采取制动措施；

当障碍物、车辆的存在形式为存在时，若障碍物、车辆位于警戒范围内，则车辆采取制动措施，反之则正常运行。

实施例四

基于实施例一的自动驾驶系统，该自动驾驶系统的纵向牵引制动控制方法如下：

本发明通过多铰接车动力学仿真模型，进行牵引、制动力分配研究，在车辆纵向动力学模型中，将牵引力制动力比例参数化，以提高车辆横向稳定性和循迹控制精度为目标，本发明建立列车的横-纵向耦合动力学模型，优化牵引/制动力的配比关系；

决策模块将根据激光雷达与视觉传感器反馈的障碍物信息，进行场景区分。当感知模块检测不到障碍物时，车辆进行自适应速度续航；当感知模块检测到前方车辆/行人/障碍物时，车辆进行固定距离跟车行驶；当纵向牵引制动控制为纵向速度控制时，车辆通过数字轨道地图获取建议车速，将建议车速作为纵向控制系统的目标车速输入，同时结合当前车速，利用PI控制算法进行目标加速度解算；当纵向加速度计算模式为跟车距离控制时，车辆通过激光雷达、毫米波雷达、双目视觉传感器等设备获取前方障碍物相对于车辆的位置。同时，根据目标种类确定不同的跟车距离，并将跟车距离作为目标距离，对相对距离做PD控制；当纵向控制系统的模式位于踏板模式时，转向控制器将根据纵向控制所需的加速度，计算油门踏板开度与制动踏板开度，通过总线将纵向控制的虚拟踏板指令发送给车辆控制器执行；

当车辆位于力矩模式时，纵向控制系统将计算出的加速度线性转化为踏板开度；为了实现纵向自动控制的力矩分配，当纵向自动控制的模式位于力矩模式时，首先需根据加目标加速度的符号确定此时车辆需要牵引力还是需要制动力；如果车辆处于牵引状态，那么将由电机提供所有的牵引力；如果车辆处于制动状态，那么将由电机提供电制动，液压系统提供液压制动；

当纵向控制系统需要电机提供牵引力或者制动力时，将根据所需电机扭矩的大小和电机的能力值大小进行区间判断当纵向控制系统在力矩模式下制动时，将根据车速进行区间判断。当车速大于一定阈值时，将制动力的需求值和电制动的能力值做对比，若制动力的需求值比电制动的能力值大，那么需要电制动+液压制动同时工作，若制动力的需求值比电制动的能力值小，那么只需电制动提供制动力即可。当车速小于一定阈值时，无论液压制动是否参与工作，随着车速的降低，电制动与液压制动将逐步切换。特别地，当电制动反馈的实际力矩小于请求力矩时，为了确保车辆的行驶安全，液压制动也需参与工作。

纵向牵引控制与决策模块进行解耦，车辆牵引制动控制模块作为自动纵向控制执行模块，决策模块融合感知信息生成纵向控制动作下达牵引制动控制模块，制动控制模块根据动作指令对车辆进行实际控制，以达到决策模块所需的控制效果；

牵引安全由决策模块与控制模块共同完成，具有主动安全检测与被动安全检测两种实现方式：

主动安全检测为决策模块主动检测安全状态，包括整车状态，环境状态以及系统状态，安全状态出现异常时，将主动发送制动指令，停止车辆继续运行；

被动安全检测为控制模块基于看门狗机制，不间断判断接受指令是否连续、是否存在异常值以及是否指令值是否超过阈值进行判断，一旦出现异常，控制模块自动执行制动动作，停止车辆继续运行。

实施例五

基于实施例一自动驾驶系统，其人机交互设计方法如下：

车辆在全自动驾驶状态下，按照数字地图计算的基于用于曲率的循迹车速行驶，车辆在路口默认停车，驾驶员踩下油门踏板后继续行驶；

若驾驶员踩下踏板，且绝对值比巡航建议值大，则进入人工接管状态；

若驾驶员松开踏板，则进入自动驾驶状态；在自动驾驶状态下，利用巡航速度与实际车速之间的车速差做反馈控制，控制加速度变化率、加速时间。

实施例六

基于实施例一的自动驾驶系统，还包括障碍物检测系统，基于车载激光雷达、毫米波雷达、视觉传感器等设备，以及路侧设备，对道路前方以及视野盲区内一定距离内的车辆、行人等障碍物进行探测，使车辆能够及时感知危险工况，并通过减速、紧急制动规避事故风险。

实施例七

基于实施例一的自动驾驶系统，还包括辅助安全系统，感知模块采集列车周围视觉传感器获取的多路图像以及超声波雷达数据，进行全景环视融合拼接，得到全视野的车辆场景图像；该系统既可提供全景环视影像，同时机器学习等数据挖掘技术，感知车辆相对于周车、道路等目标的实时位置关系，进行智能安全预警，为自动驾驶车辆的安全保驾护航。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神和基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (10)

1.一种用于电子导向胶轮车的自动驾驶系统，其特征在于，包括：

感知模块，包括路侧设备和车侧设备，路侧设备用于获取道路信息，车侧设备用于获取车身周边环境信息以及车辆在轨条件，并对周围障碍物进行检测，感知模块将获取到的各类信息输出至决策模块；

决策模块，接收感知模块提供的各类信息并进行融合处理，并基于车辆在轨条件输出决策信息至控制模块；

控制模块，接收决策模块提供的决策信息并以决策信息中的速度指令为控制目标值，通过转向控制器进行车辆纵向控制。

2.如权利要求1所述的一种用于电子导向胶轮车的自动驾驶系统，其特征在于，所述路侧设备用于检测并跟踪交通参与者，并根据车辆速度、车辆位置判断是否会相撞，并给出建议车速以及碰撞预警，提供交通参与者数量、位置、速度、置信度信息与局部建议车速、置信度信息；

所述车侧设备至少包括激光雷达、双目视觉传感器、超声波雷达、惯导传感器以及毫米波雷达中的一个；

所述激光雷达用于实时反馈雷达点云数据，通过深度学习算法，识别车辆、行人及路障，获取障碍物相对于车辆的位置、车速、碰撞时间与置信度信息；

双目视觉传感器用于识别车道线以及障碍物的类别，通过检测标线辅助车辆进行循迹控制，获取障碍物相对于车辆的位置、车速、碰撞时间与置信度信息；

超声波雷达以及毫米波雷达用于获取车身周边障碍物距离信息，对危险距离障碍物提供预警信息；

惯导传感器用于获取偏航角数据、横摆角速度数据以及加速度数据。

3.如权利要求1所述的一种用于电子导向胶轮车的自动驾驶系统，其特征在于，所述决策模块还包括循迹控制器、域控制器、车辆控制器以及转向控制器；

循迹控制器用于提供数字轨道地图以及车辆横纵向精准定位，并且通过磁传感器检测横向偏差，计算第一轴循迹控制转向指令，同时依据曲率信息，提供最高限速、道路状况建议车速、置信度信息；

域控制器根据汽车电子部件功能将整车划分为动力总成域，智能座舱域和自动驾驶域，并利用多核CPU/GPU芯片控制每个域；

车辆控制器通过采集驾驶员操控信息，车辆行使信息、发动机、电机、电池、变速箱数据及各个子系统的反馈信息，经过计算向各个子系统发送控制命令，从而实现车辆控制器对整车的控制；

转向控制器是控制电机动作的模块，用于汽车的各种外围电路与接口电路的连接控制。

4.如权利要求1所述的一种用于电子导向胶轮车的自动驾驶系统，其特征在于，决策模块还包括车辆计算平台以及信号计算平台；

信号计算平台与感知模块、调度系统通讯连接，获取感知模块获取的各类信息以及车辆调度信息，并采集磁钉、接收4G数据以实现车辆定位、授时、调度通讯功能；

车辆计算平台用于处理感知模块获取的各类信息并输出自动驾驶的控制信息至控制模块。

5.如权利要求4所述的一种用于电子导向胶轮车的自动驾驶系统，其特征在于，所述车辆计算平台处理感知模块获取的各类信息的方式如下：

车辆计算平台记录并通过双目视觉图像信息进行车道线、障碍物识别与位置计算；

车辆计算平台通过超声波雷达以及毫米波雷达获取的信息，结合踏板开度与驾驶员操作信息，进行人机交互设计与车速反馈控制；

车辆计算平台输出的自动驾驶控制信息为控制车辆纵向运行的牵引与制动的线控信号。

6.如权利要求1所述的一种用于电子导向胶轮车的自动驾驶系统，其特征在于，所述控制模块接收决策模块提供的决策信息后，结合车辆属性建立满足数字轨道胶轮电车动力学模型，以达到对车辆纵向速度的平稳控制；

控制模块依据信号系统提供的道路信息中列车位置信息、站点信息、开门侧信息、到站信息，结合车辆速度，进行自动开门以及自动报站功能的控制；控制模块依据信号系统提供的道路信息中转弯信息，实现自动转向灯的控制。

7.如权利要求1所述的一种用于电子导向胶轮车的自动驾驶系统，其特征在于，所述自动驾驶系统具有三种驾驶模式：人工驾驶模式、横向自动驾驶模式以及全自动驾驶模式；

在驾驶模式由人工驾驶模式切换至横向自动驾驶模式时，控制系统对车辆在轨条件进行判断，若车辆在轨条件满足则车辆进入横向自动驾驶模式，车辆根据传感器的参数进行横向自动控制，若车辆在轨条件不满足则继续保持人工驾驶模式，并提示驾驶员不满足切换条件；

在驾驶模式由横向自动驾驶模式切换至全自动驾驶模式时，控制系统判断车辆的车速与方向盘扭矩是否满足阈值条件，若满足阈值条件则车辆进入全自动驾驶模式，若不满足阈值条件则车辆继续保持横向自动驾驶模式。

8.如权利要求1所述的一种用于电子导向胶轮车的自动驾驶系统，其特征在于，所述自动驾驶系统的局部路径的规划方法如下：

将车辆、行人或障碍物在车辆行驶轨迹内的存在形式设定为消失或存在；

当车辆、行人或障碍物的存在形式为消失时，则车辆正常运行；

当行人的存在形式为存在时，则车辆采取制动措施；

当障碍物、车辆的存在形式为存在时，若障碍物、车辆位于警戒范围内，则车辆采取制动措施，反之则正常运行。

9.如权利要求1所述的一种用于电子导向胶轮车的自动驾驶系统，其特征在于，所述自动驾驶系统的纵向牵引制动控制方法如下：

车辆通过多铰接车动力学仿真模型，进行牵引、制动力分配研究，在车辆纵向动力学模型中，将牵引力制动力比例参数化，以提高车辆横向稳定性和循迹控制精度为目标，建立列车的横-纵向耦合动力学模型，优化牵引/制动力的配比关系；

决策模块根据激光雷达与视觉传感器反馈的障碍物信息，进行如下场景区分：

当感知模块检测不到障碍物时，车辆进行自适应速度续航；

当感知模块检测到前方车辆/行人/障碍物时，车辆进行固定距离跟车行驶；

当纵向牵引制动控制为纵向速度控制时，车辆通过数字轨道地图获取建议车速，将建议车速作为纵向控制系统的目标车速输入，同时结合当前车速，利用PI控制算法进行目标加速度解算；

当纵向加速度计算模式为跟车距离控制时，车辆通过车侧设备获取前方障碍物相对于车辆的位置，同时，根据目标种类确定不同的跟车距离，并将跟车距离作为目标距离，对相对距离进行PD控制；

当纵向控制系统的模式位于踏板模式时，域控制器将根据纵向控制所需的加速度，计算油门踏板开度与制动踏板开度，通过总线将纵向控制的虚拟踏板指令发送给车辆控制器执行；

当车辆位于力矩模式时，纵向控制系统将计算出的加速度与力矩线性转化为踏板开度；

为了实现纵向自动控制的力矩分配的目的，当纵向自动控制的模式位于力矩模式时，首先需根据加目标加速度的符号确定此时车辆需要牵引力还是需要制动力，如果车辆处于牵引状态，那么将由电机提供所有的牵引力；如果车辆处于制动状态，那么将由电机提供电制动、液压系统提供液压制动；

当纵向控制系统需要电机提供牵引力或者制动力时，将根据所需电机扭矩的大小和电机的能力值大小进行区间判断，当纵向控制系统在力矩模式下制动时，将根据车速进行区间判断，当车速大于一定阈值时，将制动力的需求值和电制动的能力值进行对比，若制动力的需求值比电制动的能力值大，那么需要电制动+液压制动同时工作，若制动力的需求值比电制动的能力值小，那么只需电制动提供制动力即可；当车速小于一定阈值时，无论液压制动是否参与工作，随着车速的降低，电制动与液压制动将逐步切换；当电制动反馈的实际力矩小于请求力矩时，为了确保车辆的行驶安全，液压制动也需参与工作。

10.如权利要求5所述的一种用于电子导向胶轮车的自动驾驶系统，其特征在于，所述自动驾驶系统的人机交互设计方法如下：

车辆在全自动驾驶状态下，按照数字地图计算的基于用于曲率的循迹车速行驶，车辆在路口默认停车，驾驶员踩下油门踏板后继续行驶；

若驾驶员踩下踏板，且绝对值比巡航建议值大，则进入人工接管状态；

若驾驶员松开踏板，则回到自动驾驶状态；在自动驾驶状态下，利用巡航速度与实际车速之间的车速差做反馈控制，控制加速度变化率、加速时间。

Images