CN115973194A - 智能车辆控制方法、装置、设备及介质 - Google Patents

智能车辆控制方法、装置、设备及介质 Download PDF

Info

Publication number
CN115973194A
CN115973194A CN202310050857.3A CN202310050857A CN115973194A CN 115973194 A CN115973194 A CN 115973194A CN 202310050857 A CN202310050857 A CN 202310050857A CN 115973194 A CN115973194 A CN 115973194A
Authority
CN
China
Prior art keywords
sampling
determining
road section
intelligent vehicle
length
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
CN202310050857.3A
Other languages
English (en)
Inventor
胡小波
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.)
LeiShen Intelligent System Co Ltd
Original Assignee
LeiShen Intelligent System 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 LeiShen Intelligent System Co Ltd filed Critical LeiShen Intelligent System Co Ltd
Priority to CN202310050857.3A priority Critical patent/CN115973194A/zh
Publication of CN115973194A publication Critical patent/CN115973194A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/72—Electric energy management in electromobility

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例公开了一种智能车辆控制方法、装置、设备及介质。该方法包括：在跟踪路径的已完成路径中确定采样路段的长度；对所述采样路段的长度进行平均分段，根据平均分段得到的采样子路段的曲率确定采样路段的平均曲率；根据所述采样路段的平均曲率以及车速确定跟踪路径中的预瞄距离；根据所述预瞄距离确定智能车辆在跟踪路径中的控制参数，以有效提升车辆行驶的稳定性。

Description

智能车辆控制方法、装置、设备及介质
本申请是于2019年11月19日申请的申请号为201911137475.4的名称为“智能车辆控制方法、装置、设备及介质”的发明专利申请的分案申请。
技术领域
本发明实施例涉及智能车控制技术，尤其涉及一种智能车辆控制方法、装置、设备及介质。
背景技术
近年来，随着5G通信、人工智能、汽车线控技术、芯片集成及高性能传感器的出现，智能车辆技术取得飞速发展。
目前，智能车辆的跟踪算法中，预瞄距离的选取直接关系到到跟踪性能，预瞄距离过短会造成车辆运动不稳定甚至震荡，而过长又会出现车辆在大转角处转向不足的问题。
因此，急需一种能够准确确定预瞄距离的方法，能够有效提升车辆行驶的稳定性。
发明内容
本发明提供了一种智能车辆控制方法、装置、设备及介质，以有效提升车辆行驶的稳定性。
第一方面，本发明实施例提供了一种智能车辆控制方法，包括：
在跟踪路径的已完成路径中确定采样路段的长度；
对所述采样路段的长度进行平均分段，根据平均分段得到的采样子路段的曲率确定采样路段的平均曲率；
根据所述采样路段的平均曲率以及车速确定跟踪路径中的预瞄距离；
根据所述预瞄距离确定智能车辆在跟踪路径中的控制参数。
第二方面，本发明实施例还提供了一种智能车辆控制装置，包括：
采样路段长度确定模块，用于在跟踪路径的已完成路径中确定采样路段的长度；
平均曲率确定模块，用于对所述采样路段的长度进行平均分段，根据平均分段得到的采样子路段的曲率确定采样路段的平均曲率；
预瞄距离确定模块，用于根据所述采样路段的平均曲率以及车速确定跟踪路径中的预瞄距离；
控制参数确定模块，用于根据所述预瞄距离确定智能车辆在跟踪路径中的控制参数。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的智能车辆控制方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的智能车辆控制方法。
本发明实施例通过在跟踪路径的已完成路径中确定采样路段的长度；对所述采样路段的长度进行平均分段，根据平均分段得到的采样子路段的曲率确定采样路段的平均曲率；根据所述采样路段的平均曲率以及车速确定跟踪路径中的预瞄距离；根据所述预瞄距离确定智能车辆在跟踪路径中的控制参数，以有效提升车辆行驶的稳定性。
附图说明
图1是本发明实施例一提供的一种智能车辆控制方法的流程示意图；
图2a是本发明实施例二提供的一种智能车辆控制方法的流程示意图；
图2b是本发明实施例二提供的一种确定智能车辆控制参数的几何示意图；
图2c是本发明实施例二提供的一种智能车辆控制参数平滑处理的结构示意图；
图2d是本发明实施例二提供的一种跟踪路径结果示意图；
图3是本发明实施例三提供的一种智能车辆控制装置的结构示意图；
图4是本发明实施例四提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本发明实施例一提供的一种智能车辆控制方法的流程示意图，本实施例可适用于无人驾驶的车辆按照预设轨迹驾驶的情况，该方法可以由一种智能车辆控制装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成于电子设备中，具体包括如下步骤：
S110、在跟踪路径的已完成路径中确定采样路段的长度。
本实施例中，跟踪路径是指智能车辆行驶的轨迹，已完成路径是指智能车辆在跟踪路径中已经行驶的轨迹。通过对已完成路径的采样能够更好地使智能车辆按照轨迹行驶。
在本技术方案中，可选的，所述采样路段的长度是根据智能车辆的车速和刹车时间确定的。
本实施例中，采样路段的长度需要考虑智能车辆的车速，智能车辆的车速越大，所需要的采样路段的长度越长；采样路段的长度也需要考虑智能车辆的刹车时间，智能车辆的刹车时间越长，所需要的采样路段的长度越长。
在本技术方案中，可选的，所述根据智能车辆的车速和刹车时间确定采样路段的长度的步骤包括：
根据智能车辆的车速和所述刹车时间的乘积确定采样路段的初始长度；
根据智能车辆的车速和智能车辆的车身长度确定采样路段的最小长度。
本实施例中，通过确定智能车辆在采样路段的初始长度，并进一步在初始长度中确定采样路段的最小长度，这样设置的好处是在不同的智能车辆和同一个智能车辆不同车速的情况下，也能够保证采样路段的长度是有效且安全的。
进一步地，采用如下公式确定初始长度：
distance＝V·TS；
其中，distance为初始长度，V为智能车辆的车速，TS为刹车时间；
初始长度由智能车辆的车速和刹车时间的乘积得到，在实际操作中，记录智能车辆的车速和这一车速下的刹车时间，得到采样路段的初始长度。
采用如下公式确定最小长度：
Figure BSA0000296536310000051
其中，distance1为最小长度，Vthr2＞Vthr1，Dthr3＞Dthr2＞Dthr1。
本实施例中，采用分段分速度采样方式得到采样路段的最小长度，其中，采样路段的最小长度由智能车辆的车速和智能车辆的车身长度相关，示例性的，
假设智能车辆的车身长度为1.5米，当Vthr1＝10km/h，此时Dthr1可设置为车身长度的2倍，即在该速度区间内采样路段的最小长度不能小于3米；当Vthr1＝20km/h，此时Dthr2可设置为6米，Dthr3可设置为8米。
通常每段速度区间内的采样路段的最小长度设置主要结合该区间的最小车速和车身长度考虑，可适当增大。
S120、对所述采样路段的长度进行平均分段，根据平均分段得到的采样子路段的曲率确定采样路段的平均曲率。
获取到采样路段的长度后，对采样路段的长度进行离散化处理，具体的，将采样路段的长度进行平均分段，每一段的间隔长度为delta，其中，delta的长度可进行设置，delta越小，最后分段得到的采样路段的平均曲率越准确。
具体的，可通过如下公式得到采样子路段的数量：
Figure BSA0000296536310000061
并得到每一段采样子路段结束端点的坐标(xi，yi)。
在本技术方案中，可选的，根据平均分段得到的采样子路段的曲率确定采样路段的平均曲率，包括：
采用如下公式确定：
Figure BSA0000296536310000062
其中，Kr是采样路段的平均曲率，ki是采样子路段的曲率，n是采样子路段的数量。
Kr反映了采样路段内轨迹的曲折情况，Kr越大表示采样路段内轨迹越曲折，Kr越小表示采样路段内轨迹越趋于直线。
进一步地，ki的计算过程如下：
Figure BSA0000296536310000063
其中，Ldi表示智能车辆当前的位置(x，y)与采样子路段端点的坐标(xi，yi)之间的直线距离，α是智能车辆航向角与采样子路段端点之间的夹角。
S130、根据所述采样路段的平均曲率以及车速确定跟踪路径中的预瞄距离。
本实施例中，预瞄距离是智能车辆在采样路段行驶时预先选定的先行轨迹，预瞄距离越准确，智能车辆在采样路径行驶时，车辆的稳定性越高，安全性也越高。
在本技术方案中，可选的，根据所述采样路段的平均曲率以及车速确定跟踪路径中的预瞄距离，包括：
采用如下公式确定：
Figure BSA0000296536310000071
其中，Ld为预瞄距离，V为车速。
S140、根据所述预瞄距离确定智能车辆在跟踪路径中的控制参数。
根据计算得到的预瞄距离找到跟踪路径上对应的预瞄点，并利用pure pursuit跟踪算法计算智能车辆的控制参数，实现对跟踪路径的跟踪。其中，控制参数是智能车辆的车速和前轮的角速度。
本发明实施例通过在跟踪路径的已完成路径中确定采样路段的长度；对所述采样路段的长度进行平均分段，根据平均分段得到的采样子路段的曲率确定采样路段的平均曲率；根据所述采样路段的平均曲率以及车速确定跟踪路径中的预瞄距离；根据所述预瞄距离确定智能车辆在跟踪路径中的控制参数，以有效提升车辆行驶的稳定性。
实施例二
图2a为本发明实施例二提供的一种智能车辆控制方法的流程示意图，本实施例可适用于无人驾驶的车辆按照预设轨迹驾驶的情况，该方法可以由一种智能车辆控制装置来执行，具体包括如下步骤：
S210、在跟踪路径的已完成路径中确定采样路段的长度。
S220、对所述采样路段的长度进行平均分段，根据平均分段得到的采样子路段的曲率确定采样路段的平均曲率。
S230、根据所述采样路段的平均曲率以及车速确定跟踪路径中的预瞄距离。
S240、根据所述预瞄距离确定智能车辆在跟踪路径中的控制参数。
本实施例中，根据计算得到的预瞄距离找到跟踪路径上对应的预瞄点，并利用pure pursuit跟踪算法计算智能车辆的控制参数，实现对跟踪路径的跟踪。具体的，可参见图2b示出的一种确定智能车辆控制参数的几何示意图。其中，(Cx，Cy)表示智能车辆的位置坐标，(Gx，Gy)表示预瞄点的位置坐标。Ld为预瞄距离，R表示跟踪路径的曲率半径，具体可通过如下公式计算跟踪路径的曲率：
Figure BSA0000296536310000081
Figure BSA0000296536310000082
Figure BSA0000296536310000083
k＝2·sinα/Ld；
k为跟踪路径的曲率。
根据前轮转角与跟踪路径的曲率之间的关系，可以得到前轮转角δ的数值为：
δ＝tan-1(k·L)；
其中，L为车辆的轴距。
根据智能车辆的车速可得前轮转角对应的角速度W：
Figure BSA0000296536310000084
S250、对所述控制参数进行平滑处理。
本实施例中，由于智能车辆在转弯运动过程中受侧向力作用，为保证在转弯时智能车辆平稳运动，防止智能车辆侧翻，根据智能车辆自身参数对智能车辆运动过程中的侧向加速度进行限制，以便对控制参数进行平滑处理。具体的过程可参见图2c示出的一种智能车辆控制参数平滑处理的结构示意图。
根据智能车辆的最大速度Vmax及最小转弯半径Rmin，可计算出智能车辆所能承受的最大侧向加速度Accmax，计算公式如下：
Figure BSA0000296536310000091
为保证智能车辆转弯的平稳性，最大侧向加速度阈值可设置为0.5*Accmax。
根据前轮转角对应的角速度W和车速V，可得到当前的侧向加速度值，即：
Acc＝V·W；
若当前的侧向加速度值大于设置的阈值，则将当前的侧向加速度值作为新的阈值，并根据当前的侧向加速度值和前轮转角对应的角速度W，得到车速V，以保证智能车辆在转弯过程中的平稳性和舒适性。
为避免控制指令突变造成智能车辆抖动，加入对控制参数的平滑处理，具体是通过在系统中采用低通滤波器对控制参数进行滤波处理，其计算公式如下：
Vcom＝α·Vlast+(1-α)·Vcur；
Wcom＝β·Wlast+(1-β)·Wcur；
其中，Vcom是平滑处理后的车速，Vcur是当前的车速，Vlast是上一时刻的车速。Wcom是平滑处理后的角速度，Wcur是当前的角速度，Wlast是上一时刻的角速度。
α和β分别代表车速和角速度的比例系数，通过调节比例系数能够对控制参数进行平滑，防止控制指令变化过快，一般而言，α和β的参数为0.7-0.9。通过对控制参数进行平滑处理后，具体的跟踪路径可参见图2d示出的一种跟踪路径结果示意图。
本发明实施例通过对控制参数进行平滑处理，能够避免控制指令突变造成智能车辆抖动，进一步提升车辆行驶的稳定性。
实施例三
图3为本发明实施例三提供的一种智能车辆控制装置的结构示意图。本发明实施例所提供的一种智能车辆控制装置可执行本发明任意实施例所提供的一种智能车辆控制方法，具备执行方法相应的功能模块和有益效果。如图3所示，该装置包括：
采样路段长度确定模块301，用于在跟踪路径的已完成路径中确定采样路段的长度；
平均曲率确定模块302，用于对所述采样路段的长度进行平均分段，根据平均分段得到的采样子路段的曲率确定采样路段的平均曲率；
预瞄距离确定模块303，用于根据所述采样路段的平均曲率以及车速确定跟踪路径中的预瞄距离；
控制参数确定模块304，用于根据所述预瞄距离确定智能车辆在跟踪路径中的控制参数。
采样路段长度确定子模块，具体用于：所述采样路段的长度是根据智能车辆的车速和刹车时间确定的。
采样路段长度确定子模块，具体用于根据智能车辆的车速和所述刹车时间的乘积确定采样路段的初始长度；
根据智能车辆的车速和智能车辆的车身长度确定采样路段的最小长度。
采样路段长度确定子模块，具体用于：采用如下公式确定初始长度：
distance＝V·TS；
其中，distance为初始长度，V为智能车辆的车速，TS为刹车时间；
采用如下公式确定最小长度：
Figure BSA0000296536310000111
其中，distance1为最小长度，Vthr2＞Vthr1，Dthr3＞Dthr2＞Dthr1。
平均曲率确定模块302，用于采用如下公式确定：
Figure BSA0000296536310000112
其中，ki是采样子路段的曲率，n是采样子路段的数量。
预瞄距离确定模块303，用于采用如下公式确定：
Figure BSA0000296536310000113
其中，Ld为预瞄距离，V为车速。
所述装置还包括：
控制参数处理模块，用于对所述控制参数进行平滑处理。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
实施例四
图4为本发明实施例四提供的一种设备的结构示意图，图4示出了适于用来实现本发明实施例实施方式的示例性设备的结构示意图。图4显示的设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明实施例各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明实施例所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图4所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的一种智能车辆控制方法，包括：
在跟踪路径的已完成路径中确定采样路段的长度；
对所述采样路段的长度进行平均分段，根据平均分段得到的采样子路段的曲率确定采样路段的平均曲率；
根据所述采样路段的平均曲率以及车速确定跟踪路径中的预瞄距离；
根据所述预瞄距离确定智能车辆在跟踪路径中的控制参数。
实施例五
本发明实施例五还提供一种计算机可读存储介质，其上存储有计算机程序(或称为计算机可执行指令)，该程序被处理器执行时可实现上述任意实施例所述的一种智能车辆控制方法，包括：
在跟踪路径的已完成路径中确定采样路段的长度；
对所述采样路段的长度进行平均分段，根据平均分段得到的采样子路段的曲率确定采样路段的平均曲率；
根据所述采样路段的平均曲率以及车速确定跟踪路径中的预瞄距离；
根据所述预瞄距离确定智能车辆在跟踪路径中的控制参数。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言-诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言-诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)-连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种智能车辆控制方法，其特征在于，包括：
在跟踪路径的已完成路径中确定采样路段的长度；
对所述采样路段的长度进行平均分段，根据平均分段得到的采样子路段的曲率确定采样路段的平均曲率；
根据所述采样路段的平均曲率以及车速确定跟踪路径中的预瞄距离；
根据所述预瞄距离确定智能车辆在跟踪路径中的控制参数；
对所述控制参数进行平滑处理，其计算公式如下：
Vcom＝α·Vlast+(1-α)·Vcur
Wcom＝β·Wlast+(1-β)·Wcur
其中，Vcom是平滑处理后的车速，Vcur是当前的车速，Vlast是上一时刻的车速；Wcom是平滑处理后的角速度，Wcur是当前的角速度，Wlast是上一时刻的角速度；α和β分别代表车速和角速度的比例系数。
2.根据权利要求1所述的方法，其特征在于，其中，所述确定采样路段的长度的步骤包括：
根据智能车辆的车速和所述刹车时间的乘积确定采样路段的初始长度；
根据智能车辆的车速和智能车辆的车身长度确定采样路段的最小长度。
3.根据权利要求2所述的方法，其特征在于，包括：
采用如下公式确定初始长度：
distance＝V·TS；
其中，distance为初始长度，V为智能车辆的车速，TS为刹车时间；
采用如下公式确定最小长度：
Figure FSA0000296536300000021
其中，distance1为最小长度，Vthr2＞Vthr1，Dthr3＞Dthr2＞Dthr1。
4.根据权利要求1至3中任一权利要求所述的方法，其特征在于，根据平均分段得到的采样子路段的曲率确定采样路段的平均曲率，包括：
采用如下公式确定：
Figure FSA0000296536300000022
其中，Kr是采样路段的平均曲率，ki是采样子路段的曲率，n是采样子路段的数量。
5.根据权利要求4所述的方法，其特征在于，根据所述采样路段的平均曲率以及车速确定跟踪路径中的预瞄距离，包括：
采用如下公式确定：
Figure FSA0000296536300000023
其中，Ld为预瞄距离，V为车速。
6.根据权利要求1、2、3或5所述的方法，其特征在于，所述的“根据所述预瞄距离确定智能车辆在跟踪路径中的控制参数”还包括以下内容：
若车辆处于转弯过程中，根据当前的侧向加速度Acc和当前角速度W，调整当前的车速Vcur。
7.根据权利要求6所述的方法，其特征在于，所述“调整当前的车速Vcur”包括以下内容：
采用如下公式确定：
Figure FSA0000296536300000031
8.一种智能车辆控制装置，其特征在于，包括：
采样路段长度确定模块，用于在跟踪路径的已完成路径中确定采样路段的长度；
平均曲率确定模块，用于对所述采样路段的长度进行平均分段，根据平均分段得到的采样子路段的曲率确定采样路段的平均曲率；
预瞄距离确定模块，用于根据所述采样路段的平均曲率以及车速确定跟踪路径中的预瞄距离；
控制参数确定模块，用于根据所述预瞄距离确定智能车辆在跟踪路径中的控制参数；
控制参数处理模块，用于对所述控制参数进行平滑处理，其计算公式如下：
Vcom＝α·Vlast+(1-α)·Vcur
Wcom＝β·Wlast+(1-β)·Wcur
其中，Vcom是平滑处理后的车速，Vcur是当前的车速，Vlast是上一时刻的车速；Wcom是平滑处理后的角速度，Wcur是当前的角速度，Wlast是上一时刻的角速度；α和β分别代表车速和角速度的比例系数。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1-7中任一所述的智能车辆控制方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的智能车辆控制方法。
CN202310050857.3A 2019-11-19 2019-11-19 智能车辆控制方法、装置、设备及介质 Pending CN115973194A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310050857.3A CN115973194A (zh) 2019-11-19 2019-11-19 智能车辆控制方法、装置、设备及介质

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202310050857.3A CN115973194A (zh) 2019-11-19 2019-11-19 智能车辆控制方法、装置、设备及介质
CN201911137475.4A CN110850878B (zh) 2019-11-19 2019-11-19 智能车辆控制方法、装置、设备及介质

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201911137475.4A Division CN110850878B (zh) 2019-11-19 2019-11-19 智能车辆控制方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN115973194A true CN115973194A (zh) 2023-04-18

Family

ID=69602579

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201911137475.4A Active CN110850878B (zh) 2019-11-19 2019-11-19 智能车辆控制方法、装置、设备及介质
CN202310050857.3A Pending CN115973194A (zh) 2019-11-19 2019-11-19 智能车辆控制方法、装置、设备及介质

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201911137475.4A Active CN110850878B (zh) 2019-11-19 2019-11-19 智能车辆控制方法、装置、设备及介质

Country Status (1)

Country Link
CN (2) CN110850878B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113386792B (zh) * 2021-06-16 2022-10-21 北京汽车研究总院有限公司 基于轨迹跟踪的自动驾驶车辆控制方法、装置、车辆及存储介质
CN113895436B (zh) * 2021-10-20 2023-03-14 北京轻舟智航科技有限公司 一种变道路径规划方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102137933B1 (ko) * 2013-11-28 2020-07-27 현대모비스 주식회사 차량 코너링 제어 방법 및 그 장치
CN104571112B (zh) * 2015-01-14 2017-02-22 中国科学院合肥物质科学研究院 基于转弯曲率估计的无人车横向控制方法
US10816977B2 (en) * 2018-01-26 2020-10-27 Baidu Usa Llc Path and speed optimization fallback mechanism for autonomous vehicles
CN109606052B (zh) * 2018-11-28 2021-12-21 江苏大学 一种基于车联网的多模式阻尼控制系统

Also Published As

Publication number Publication date
CN110850878B (zh) 2023-04-25
CN110850878A (zh) 2020-02-28

Similar Documents

Publication Publication Date Title
CN112020014B (zh) 一种换道轨迹规划方法、装置、服务器及存储介质
CN111797780B (zh) 一种跟车轨迹规划方法、装置、服务器及存储介质
WO2020237890A1 (zh) 一种速度规划方法、装置、电子设备及存储介质
CN113552888B (zh) 应用于无人车的行驶轨迹控制方法、装置、设备及介质
CN114194217B (zh) 车辆自动驾驶方法、装置、电子设备以及存储介质
CN110850878B (zh) 智能车辆控制方法、装置、设备及介质
CN112441012B (zh) 车辆行驶轨迹预测方法和装置
CN113044036B (zh) 一种车辆换道的控制方法、装置、电子设备及存储介质
CN115309170B (zh) 一种考虑舒适性约束的轨迹规划方法、装置和系统
CN110103932B (zh) 故障检测方法、装置、设备和介质
CN113771829A (zh) 用于自动驾驶车辆的控制方法和装置
CN112009460B (zh) 一种车辆控制方法、装置、设备及存储介质
CN115123233A (zh) 规划车辆轨迹的方法和装置
CN113665592A (zh) 自动驾驶车辆的纵向控制方法、装置、设备及介质
CN112550443B (zh) 一种转向控制方法、装置、设备及存储介质
CN113911111A (zh) 车辆碰撞检测方法、系统、电子设备以及存储介质
CN115626158B (zh) 车辆转向防剐蹭方法及相关装置
CN109885392B (zh) 分配车载计算资源的方法以及装置
CN115542899A (zh) 车辆路径跟踪的方法、装置、车辆、电子设备及介质
CN113619606A (zh) 障碍物确定方法、装置、设备以及存储介质
CN110654458B (zh) 车辆方向盘控制方法、装置、计算机设备及车辆
CN113778045A (zh) 对自动驾驶车辆控制器进行评价的方法和装置
CN113686348B (zh) 一种路径规划方法、装置、存储介质及电子设备
CN117068185B (zh) 履带车辆轨迹预测方法、设备和介质
CN111762154B (zh) 停车方法、装置、设备及存储介质

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