CN116080682A - 一种面向复杂道路环境的自动驾驶车辆横向控制方法 - Google Patents

一种面向复杂道路环境的自动驾驶车辆横向控制方法 Download PDF

Info

Publication number
CN116080682A
CN116080682A CN202211742405.3A CN202211742405A CN116080682A CN 116080682 A CN116080682 A CN 116080682A CN 202211742405 A CN202211742405 A CN 202211742405A CN 116080682 A CN116080682 A CN 116080682A
Authority
CN
China
Prior art keywords
vehicle
front wheel
corner
angle
error
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
CN202211742405.3A
Other languages
English (en)
Inventor
吴光强
曾奇
陈秋石
姜舒怀
鞠丽娟
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.)
Tongji University
Original Assignee
Tongji University
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 Tongji University filed Critical Tongji University
Priority to CN202211742405.3A priority Critical patent/CN116080682A/zh
Publication of CN116080682A publication Critical patent/CN116080682A/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
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/12—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to parameters of the vehicle itself, e.g. tyre 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明公开了一种面向复杂道路环境的自动驾驶车辆横向控制方法，其中，方法包括：根据构建好的线性二自由度车辆模型以及预设的参考路径，构建误差状态空间方程，并根据参考路径，计算车辆的状态量；根据线性二次型调节器理论、误差状态空间方程以及状态量，确定反馈前轮转角；根据反馈前轮转角以及误差状态空间方程，确定曲率前馈转角以及横坡前馈转角，并根据反馈前轮转角、曲率前馈转角以及横坡前馈转角，确定车辆的目标前轮转角，控制车辆采用目标前轮转角进行转向。本发明能对行驶在复杂道路的车辆，确定合适的目标前轮转角，并控制车辆采用目标前轮转角进行转向，以使得车辆准确地跟踪既定参考路径同时，安全通过复杂道路。

Description

一种面向复杂道路环境的自动驾驶车辆横向控制方法
技术领域
本发明涉及车辆横向控制技术领域，尤其涉及一种面向复杂道路环境的自动驾驶车辆横向控制方法。
背景技术
随着自动驾驶技术的发展，学术界与工业界对车辆控制精度提出了更高的要求，车辆需要以更加精确的控制率进行循迹行驶。现有的各种横向控制方法多是基于结构化，标准化的道路进行考虑。
然而，在实际情况中，由于弯道安全会车需要、规划层规划约束等原因，存在许多非结构化道路，条件恶劣：道路曲率大，导致行驶车辆在弯道处横向误差较大，特别是对于重载车辆而言，由于车体尺寸较大，在曲率半径过小时，车辆将难以准确跟踪运输线路，很容易产生危险；除此之外，由于道路修建及保养情况差异，部分路段产生了较大横坡，车辆行驶过程中存在明显倾斜感，车体受重力分力因素存在沿横坡下行趋势，若距离路肩或者其他车辆较近，则可能产生危险。因此，目前亟需一套更为精确的横向控制方法。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种面向复杂道路环境的自动驾驶车辆横向控制方法，旨在解决现有车辆在面对复杂道路时转向困难且易产生危险的技术问题。
为实现上述目的，本发明提供一种面向复杂道路环境的自动驾驶车辆横向控制方法，所述面向复杂道路环境的自动驾驶车辆横向控制方法包括以下步骤：
对行驶在复杂道路上的车辆进行受力分析，以获取所述车辆的参数信息，并根据所述参数信息，构建线性二自由度车辆模型；
根据所述线性二自由度车辆模型以及预设的参考路径，构建误差状态空间方程，并根据所述参考路径，计算车辆的状态量；
根据线性二次型调节器理论、所述误差状态空间方程以及所述状态量，确定反馈前轮转角；
根据所述反馈前轮转角以及所述误差状态空间方程，确定曲率前馈转角以及横坡前馈转角，并根据所述反馈前轮转角、曲率前馈转角以及横坡前馈转角，确定所述车辆的目标前轮转角，控制所述车辆采用所述目标前轮转角进行转向。
进一步地，所述参数信息包括第一车辆参数以及第二车辆参数，所述对于行驶在复杂道路的车辆进行受力分析，以获取所述车辆的参数信息，并根据所述参数信息，构建线性二自由度车辆模型的步骤包括：
获取第三车辆参数，其中，所述第三车辆参数包括车辆质心到所述车辆的前轴的第一距离、车辆质心到所述车辆的后轴的第二距离、车辆的质量、车辆的转动惯量；
对所述车辆的轮胎进行受力分析，以获取所述车辆对应的第二车辆参数，其中，所述第二车辆参数包括车辆的纵向速度、车辆的横向速度、车辆的横摆角速度、车辆的横摆角加速度、前轮转角以及车辆重力沿横坡方向的分力；
基于所述第三车辆参数以及所述第二车辆参数进行受力分析，以获取所述车辆对应的第一车辆参数，其中，所述第一车辆参数包括前轮的第一侧向力以及后轮的第二侧向力；
根据所述参数信息以及所述第三车辆参数，构建线性二自由度车辆模型。
进一步地，所述基于所述第三车辆参数以及所述第二车辆参数进行受力分析，以获取所述车辆对应的第一车辆参数的步骤包括：
根据车辆的质心侧偏角、所述前轮转角、所述第一距离、纵向速度以及横摆角速度，确定前轮的侧偏角；
根据车辆的质心侧偏角、所述第二距离、纵向速度以及横摆角速度，确定后轮的侧偏角；
根据前轮的侧偏刚度以及前轮的侧偏角，确定前轮的第一侧向力；
根据后轮的侧偏刚度以及后轮的侧偏角，确定后轮的第二侧向力。
进一步地，所述根据所述线性二自由度车辆模型以及预设的参考路径，构建误差状态空间方程的步骤包括：
根据第一夹角以及第二夹角，确定航向角误差对应的方程，其中，第一夹角为所述车辆的速度方向与预设的车辆坐标系中的X轴的夹角，第二夹角距离所述车辆的质心点最近的路径投影点的切线与所述X轴的夹角；
将所述车辆的质心与所述参考路径的投影点的距离作为横向误差，并确定横向误差的变化率对应的方程以及所述航向角误差的变化率对应的方程；
根据所述车辆的纵向速度以及所述第二夹角，确定所述横向误差的加速度对应的方程以及所述航向角误差的加速度对应的方程；
将所述航向角误差对应的方程、航向角误差的变化率对应的方程、所述横向误差的变化率对应的方程、所述横向误差的加速度对应的方程、所述航向角误差的加速度对应的方程代入至所述线性二自由度车辆模型中，以构建误差状态空间方程。
进一步地，所述状态量包括：横向误差、横向误差的变化率、航向角误差以及航向角误差的变化率，所述根据所述参考路径，计算车辆的状态量的步骤包括：
在所述参考路径上确定距离所述车辆的质心点最近的路径投影点，并根据所述质心点以及所述路径投影点，计算横向误差以及横向误差的变化率；
根据所述第一夹角以及所述第二夹角，计算所述航向角误差以及所述航向角误差的变化率。
进一步地，所述根据线性二次型调节器理论、所述误差状态空间方程以及所述状态量，确定反馈前轮转角的步骤包括：
根据线性二次型调节器理论、所述误差状态空间方程、预定义的权重矩阵以及所述车辆的转向轮的转角对应的权重，确定黎卡提方程，其中，所述权重矩阵包括横向误差对应的权重、横向误差的变化率对应的权重、航向角误差对应的权重、航向角误差的变化率对应的权重；
对所述黎卡提方程进行迭代，以获得迭代后的黎卡提方程的输出结果，根据所述输出结果，确定反馈增益率；
根据所述状态量以及反馈增益率，确定反馈前轮转角。
进一步地，所述根据所述反馈前轮转角以及所述误差状态空间方程，确定曲率前馈转角以及横坡前馈转角，并根据所述反馈前轮转角、曲率前馈转角以及横坡前馈转角，确定所述车辆的目标前轮转角，控制所述车辆采用所述目标前轮转角进行转向的步骤包括：
根据所述误差状态空间方程以及反馈前轮转角，计算曲率前馈转角和横坡前馈转角；
将所述曲率前馈转角、所述横坡前馈转角以及所述反馈前轮转角进行加法运算，以获得所述车辆的目标前轮转角，并控制所述车辆采用所述目标前轮转角进行转向。
此外，为实现上述目的，本发明还提供一种面向复杂道路环境的自动驾驶车辆横向控制装置，所述面向复杂道路环境的自动驾驶车辆横向控制装置包括：
构建模块，用于对行驶在复杂道路上的车辆进行受力分析，以获取所述车辆的参数信息，并根据所述参数信息，构建线性二自由度车辆模型；
计算模块，用于根据所述线性二自由度车辆模型以及预设的参考路径，构建误差状态空间方程，并根据所述参考路径，计算车辆的状态量；
确定模块，用于根据线性二次型调节器理论、所述误差状态空间方程以及所述状态量，确定反馈前轮转角；
控制模块，用于根据所述反馈前轮转角以及所述误差状态空间方程，确定曲率前馈转角以及横坡前馈转角，并根据所述反馈前轮转角、曲率前馈转角以及横坡前馈转角，确定所述车辆的目标前轮转角，控制所述车辆采用所述目标前轮转角进行转向。
此外，为实现上述目的，本发明还提供一种面向复杂道路环境的自动驾驶车辆横向控制设备，所述面向复杂道路环境的自动驾驶车辆横向控制设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的面向复杂道路环境的自动驾驶车辆横向控制程序，所述面向复杂道路环境的自动驾驶车辆横向控制程序被所述处理器执行时实现前述的面向复杂道路环境的自动驾驶车辆横向控制方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有面向复杂道路环境的自动驾驶车辆横向控制程序，所述面向复杂道路环境的自动驾驶车辆横向控制程序被处理器执行时实现前述的面向复杂道路环境的自动驾驶车辆横向控制方法的步骤。
本发明通过对行驶在复杂道路上的车辆进行受力分析，以获取所述车辆的参数信息，并根据所述参数信息，构建线性二自由度车辆模型，接着根据所述线性二自由度车辆模型以及预设的参考路径，构建误差状态空间方程，并根据所述参考路径，计算车辆的状态量，而后根据线性二次型调节器理论、所述误差状态空间方程以及所述状态量，确定反馈前轮转角，从而根据所述反馈前轮转角以及所述误差状态空间方程，确定曲率前馈转角以及横坡前馈转角，并根据所述反馈前轮转角、曲率前馈转角以及横坡前馈转角，确定所述车辆的目标前轮转角，控制所述车辆采用所述目标前轮转角进行转向。本发明能对行驶在复杂道路的车辆，确定合适的目标前轮转角，并控制车辆采用目标前轮转角进行转向，以使得车辆准确地跟踪既定参考路径同时，安全通过复杂道路。
附图说明
图1是本发明实施例方案涉及的硬件运行环境中面向复杂道路环境的自动驾驶车辆横向控制设备的结构示意图；
图2为本发明面向复杂道路环境的自动驾驶车辆横向控制方法第一实施例的流程示意图；
图3为本发明面向复杂道路环境的自动驾驶车辆横向控制装置一实施例的功能模块示意图；
图4为本发明面向复杂道路环境的自动驾驶车辆横向控制装置一实施例的车辆分析示意图；
图5为本发明面向复杂道路环境的自动驾驶车辆横向控制装置一实施例的车辆分析示意图；
图6为本发明面向复杂道路环境的自动驾驶车辆横向控制装置一实施例的车辆分析示意图；
图7为本发明面向复杂道路环境的自动驾驶车辆横向控制装置一实施例的车辆分析示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境中面向复杂道路环境的自动驾驶车辆横向控制设备的结构示意图。
本发明实施例面向复杂道路环境的自动驾驶车辆横向控制设备可以是PC，、工业控制计算机、自动驾驶域控制器等终端设备。
如图1所示，该面向复杂道路环境的自动驾驶车辆横向控制设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，面向复杂道路环境的自动驾驶车辆横向控制设备还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在面向复杂道路环境的自动驾驶车辆横向控制设备移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别面向复杂道路环境的自动驾驶车辆横向控制设备姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，面向复杂道路环境的自动驾驶车辆横向控制设备还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及面向复杂道路环境的自动驾驶车辆横向控制程序。
在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的面向复杂道路环境的自动驾驶车辆横向控制程序。
在本实施例中，面向复杂道路环境的自动驾驶车辆横向控制设备包括：存储器1005、处理器1001及存储在所述存储器1005上并可在所述处理器1001上运行的面向复杂道路环境的自动驾驶车辆横向控制程序，其中，处理器1001调用存储器1005中存储的面向复杂道路环境的自动驾驶车辆横向控制程序时，并执行以下各个实施例中面向复杂道路环境的自动驾驶车辆横向控制方法的步骤。
本发明还提供一种面向复杂道路环境的自动驾驶车辆横向控制方法，参照图2，图2为本发明方法第一实施例的流程示意图。
在本实施例中，该面向复杂道路环境的自动驾驶车辆横向控制方法包括以下步骤：
步骤S101，对行驶在复杂道路上的车辆进行受力分析，以获取所述车辆的参数信息，并根据所述参数信息，构建线性二自由度车辆模型；
在本实施例中，首先，对于行驶在复杂道路上的车辆进行受力分析，进而得到处于复杂道路的车辆的状态相关的参数信息。复杂道路指的是大曲率路段和大横坡路段。具体地，如，图4所示，参数信息包括g、m、Iz、vx、vy、
Figure BDA0004031959390000081
和
Figure BDA0004031959390000082
分别为重力加速度、车辆的质量、车辆的转动惯量、车辆的纵向速度、车辆的横向速度、车辆的横摆角速度、车辆的横摆角加速度、前轮的第一侧向力Fyf以及和后轮的第二侧向力Fyr，lf是指从车辆的质心到前轴的距离，lr是指从车辆的质心到后轴的距离、δf表示前轮转角，如图5所示，Gy是车辆重力沿横坡方向的分力，其计算方式如下：Gy＝mgsin(φ)接着，根据得到的参数信息，构建出线性二自由度车辆模型，具体地，通过参数信息可以得到(1)式
Figure BDA0004031959390000083
而后，通过(2)式计算得出前轮的第一侧向力以及后轮的第二侧向力，Fyf＝2Cfαf，Fyr＝2Crαr，(2)式中，Cf和Cr分别为前后轮的侧偏刚度，αr和αf分别表示前后轮的侧偏角。
αr和αf可以通过(3)式计算得到，
Figure BDA0004031959390000084
(3)式中δf表示前轮转角，如图4所示，将(2)式(3)式代入(1)式中，得到(4)式，
Figure BDA0004031959390000085
(4)式即为线性二自由度车辆模型。
进一步地，一实施例中，步骤S101包括：
步骤a，获取第三车辆参数，其中，所述第三车辆参数包括车辆质心到所述车辆的前轴的第一距离、车辆质心到所述车辆的后轴的第二距离、车辆的质量、车辆的转动惯量；
步骤b，对所述车辆的轮胎进行受力分析，以获取所述车辆对应的第二车辆参数，其中，所述第二车辆参数包括车辆的纵向速度、车辆的横向速度、车辆的横摆角速度、车辆的横摆角加速度、前轮转角以及车辆重力沿横坡方向的分力；
步骤c，基于所述第三车辆参数以及所述第二车辆参数进行受力分析，以获取所述车辆对应的第一车辆参数，其中，所述第一车辆参数包括前轮的第一侧向力以及后轮的第二侧向力；
步骤d，根据所述参数信息以及所述第三车辆参数，构建线性二自由度车辆模型。
在本实施例中，首先，获取第三车辆参数，其中，第三车辆参数包括车辆质心到车辆的前轴的第一距离、车辆质心到车辆的后轴的第二距离、车辆的质量、车辆的转动惯量。对车辆的轮胎进行受力分析，以获取车辆对应的第二车辆参数，其中，第二车辆参数包括车辆的纵向速度、车辆的横向速度、车辆的横摆角速度、前轮转角以及车辆的横摆角加速度，而后基于第三车辆参数以及第二车辆参数进行受力分析，以获取车辆对应的第一车辆参数，最后根据参数信息以及第三车辆参数，构建线性二自由度车辆模型，其中，线性二自由度车辆模型如式(4)所示。
具体地，第三车辆参数包括m为车辆的质量、Iz车辆的转动惯量、lf是指从车辆的质心到前轴的距离，lr是指从车辆的质心到后轴的距离，第二车辆参数包括vx、vy、
Figure BDA0004031959390000091
和
Figure BDA0004031959390000092
分别车辆的纵向速度、车辆的横向速度、车辆的横摆角速度、车辆的横摆角加速度、前轮转角δf，第一车辆参数包括前轮的第一侧向力Fyf以及和后轮的第二侧向力Fyr，车辆重力沿横坡方向的分力Gy。
进一步地，一实施例中，步骤c包括：
步骤c1，根据车辆的质心侧偏角、所述前轮转角、所述第一距离、纵向速度以及横摆角速度，确定前轮的侧偏角；
步骤c2，根据车辆的质心侧偏角、所述第二距离、纵向速度以及横摆角速度，确定后轮的侧偏角；
步骤c3，根据前轮的侧偏刚度以及前轮的侧偏角，确定前轮的第一侧向力；
步骤c4，根据后轮的侧偏刚度以及后轮的侧偏角，确定后轮的第二侧向力。
在本实施例中，车辆参数信息还包括：前轮的第一侧向力以及后轮的第二侧向力，而后，可根据车辆的质心侧偏角、前轮转角、第一距离、纵向速度以及横摆角速度，确定前轮的侧偏角，根据车辆的质心侧偏角、第二距离、纵向速度以及横摆角速度，确定后轮的侧偏角，具体地，如(3)式所示。在得到前轮的侧偏角以及后轮的侧偏角后，根据前轮的侧偏刚度以及前轮的侧偏角，确定前轮的第一侧向力，根据后轮的侧偏刚度以及后轮的侧偏角，确定后轮的第二侧向力，具体地，如(2)式所示。
步骤S102，根据所述线性二自由度车辆模型以及预设的参考路径，构建误差状态空间方程，并根据所述参考路径，计算车辆的状态量；
在本实施例中，首先，通过构建好的线性二自由度车辆模型以及预设的参考路径，对误差状态空间方程进行构建。构建误差状态空间方程后，同通过参考路径，计算车辆的状态量，其中，状态量包括横向误差、横向误差的变化率、航向角误差、航向角误差的变化率。
进一步地，一实施例中，根据线性二自由度车辆模型以及预设的参考路径，构建误差状态空间方程的步骤包括：
步骤e，根据第一夹角以及第二夹角，确定航向角误差对应的方程，其中，第一夹角为所述车辆的速度方向与预设的车辆坐标系中的X轴的夹角，第二夹角距离所述车辆的质心点最近的路径投影点的切线与所述X轴的夹角；
步骤f，将所述车辆的质心与所述参考路径的投影点的距离作为横向误差，并确定横向误差的变化率对应的方程以及所述航向角误差的变化率对应的方程；
步骤g，根据所述车辆的纵向速度以及所述第二夹角，确定所述横向误差的加速度对应的方程以及所述航向角误差的加速度对应的方程；
步骤h，将所述航向角误差对应的方程、航向角误差的变化率对应的方程、所述横向误差的变化率对应的方程、所述横向误差的加速度对应的方程、所述航向角误差的加速度对应的方程代入至所述线性二自由度车辆模型中，以构建误差状态空间方程。
在本实施例中，第一夹角为车辆的速度方向与预设的X轴的夹角，第二夹角为车辆的质心在参考路径的投影点的切线与X轴的夹角，如图6所示，第一夹角为ψ为车辆的速度方向与车辆坐标系的X轴的夹角，具体地，可以以逆时针为正，顺时针为负，第二夹角ψref为车辆质心在参考路径的投影点的切线与上述X轴的夹角，同样以逆时针为正，定义横向误差ey为车辆质心与参考路径的路径投影点的距离，具体地，可以以车辆在路径左侧为正。航向角误差eψ为车辆的航向角与参考路径点的航向角之差，即第一夹角为车辆航向角，第二夹角为参考路径点的航向角，即航向角误差eψ可以通过(5)式计算得到eψ＝ψ-ψref (5)。
接着，确定横向误差的变化率对应的方程以及所述航向角误差的变化率对应的方程，具体地，
Figure BDA0004031959390000111
而后，根据车辆的纵向速度以及第二夹角，进行分析，以确定横向误差的加速度对应的方程以及航向角误差的加速度对应的方程，具体地，假定车辆纵向速度不变，即vx恒定，则
Figure BDA0004031959390000112
同时假设参考横摆角加速度
Figure BDA0004031959390000113
可得：
Figure BDA0004031959390000114
最后，将航向角误差对应的方程、航向角误差的变化率对应的方程、横向误差的变化率对应的方程、横向误差的加速度对应的方程、航向角误差的加速度对应的方程代入至线性二自由度车辆模型中，以构建误差状态空间方程，具体地，将式(5)、式(6)、式(7)代入至式(4)之中，即可获得式(8)所示的误差状态空间方程
Figure BDA0004031959390000115
为方便记录与表达，令
Figure BDA0004031959390000116
并记为式(9)，
Figure BDA0004031959390000121
那么误差状态空间方程记为式(10)：
Figure BDA0004031959390000122
进一步地，一实施例中，根据所述参考路径，计算车辆的状态量的步骤包括：
步骤i，在所述参考路径上确定距离所述车辆的质心点最近的路径投影点，并根据所述质心点以及所述路径投影点，计算横向误差以及横向误差的变化率；
步骤j，根据所述第一夹角以及所述第二夹角，计算所述航向角误差以及所述航向角误差的变化率。
在本实施例中，需要说明的是目标参数包括：横向误差、横向误差的变化率、航向角误差、航向角误差的变化率。在参考路径上确定距离车辆的质心点最近的路径投影点，并根据质心点以及路径投影点，计算横向误差以及横向误差的变化率，根据第一夹角以及所述第二夹角，计算航向角误差以及所述航向角误差的变化率。
具体地，如图7所示，计算得出参考路径中与车辆位置匹配的投影点。其计算方式是遍历参考路径点，找出距离车辆质心最近的点，即为路径投影点，记车辆质心点为Pego(xego,yego,ψego)，路径投影点为Pproj(xproj,yproj,ψproj)。
记车辆质心点与参考路径投影点在车辆坐标系下的差值分别为ΔX与ΔY，其计算方式如下：
Figure BDA0004031959390000131
定义车辆在道路左侧时横向误差为正，在道路右侧时横向误差为负，那么横向误差即可由下式进行计算。
ey＝ΔYcos(ψproj)-ΔXsin(ψproj)(12)
第k+1时刻的横向误差变化率
Figure BDA0004031959390000132
的计算方式如下：
Figure BDA0004031959390000133
定义车头朝外时航向角误差为正，车头朝内时航向角误差为负，那么航向角误差可由下式进行计算。以图7为例，车辆航向角ψego大于道路方向角ψproj，故航向角误差为正，根据第一夹角以及第二夹角的差值确定航向角误差，图7所示，第一夹角为车辆航向角ψego，第二夹角为道路方向角ψproj。
Figure BDA0004031959390000134
第k+1时刻的航向角误差的变化率
Figure BDA0004031959390000135
的计算方式如下：
Figure BDA0004031959390000136
通过四个状态变化量，横向误差、横向误差的变化率、航向角误差以及航向角误差的变化率可以准确得到反馈前轮转角。
步骤S103，根据线性二次型调节器理论、所述误差状态空间方程以及所述状态量，确定反馈前轮转角；
在本实施例中，首先，通过线性二次型调节器理论、误差状态空间方程以及状态量，确定黎卡提方程，并通过黎卡提方程确定反馈增益率，从而根据反馈增益率以及状态量，确定反馈前轮转角。
进一步地，一实施例中，步骤S103还包括：
步骤k，根据线性二次型调节器理论、所述误差状态空间方程、预定义的权重矩阵以及所述车辆的转向轮的转角对应的权重，确定黎卡提方程，其中，所述权重矩阵包括横向误差对应的权重、横向误差的变化率对应的权重、航向角误差对应的权重、航向角误差的变化率对应的权重；
步骤l，对所述黎卡提方程进行迭代，以获得迭代后的黎卡提方程的输出结果，根据所述输出结果，确定反馈增益率；
步骤m，根据所述状态量以及反馈增益率，确定反馈前轮转角。
在本实施例中，根据误差状态空间方程、预定义的权重矩阵以及车辆的转向轮的转角对应的权重，确定黎卡提方程，其中，权重矩阵包括横向误差对应的权重、横向误差的变化率对应的权重、航向角误差对应的权重、航向角误差的变化率对应的权重，具体地，预定义的权重矩阵Q和车辆的转向轮的转角对应的权重R表示如下：
Figure BDA0004031959390000141
R＝r
其中，q1、q2、q3与q4分别为横向误差、横向误差变化率、航向角误差与航向角误差变化率所对应的权重，取值越大，则意味着重视程度越大，最终求解出来的值也将越大，从而系统对该状态量的控制程度越高。R是状态空间方程的输入，即车辆的转向轮的转角所对应的权重，权重R越大，则对转向轮转角的限制越大，即转向角越小。
接着，对黎卡提方程进行迭代，以获得迭代后的黎卡提方程的输出结果，根据输出结果，确定反馈增益率。具体地，黎卡提方程为
Figure BDA0004031959390000142
其中，Ad＝eAT≈I+AT，I为单位矩阵，
Figure BDA0004031959390000143
Cd＝CT、T为采样周期。对黎卡提方程进行迭代，以获得Pt+1，并将Pt+1代入公式
Figure BDA0004031959390000144
中，即可得到反馈增益率K。将状态量以及反馈增益率的乘积的负值作为反馈前轮转角，具体地，可表示为δfb＝-KX。
步骤S104，根据所述反馈前轮转角以及所述误差状态空间方程，确定曲率前馈转角以及横坡前馈转角，并根据所述反馈前轮转角、曲率前馈转角以及横坡前馈转角，确定所述车辆的目标前轮转角，控制所述车辆采用所述目标前轮转角进行转向。
在本实施例中，通过误差状态空间方程以及反馈前轮转角，得到曲率前馈转角以及横坡前馈转角，通过反馈前轮转角、曲率前馈转角以及横坡前馈转角确定目标前轮转角，具体地，反馈前轮转角为δfb、曲率前馈转角δff1以及横坡前馈转角δff2，目标前轮转角为δtarget，δtarget计算方式为：δtarget＝δfb+δff1+δff2。
还需要说明的是，在得到目标前轮转角后，为安全起见，需对目标前轮转角进行变化率限值。记第k时刻的前轮转角为δk，δk即为目标前轮转角，相邻周期的前轮转角变化幅值为Δδ。那么修正后的本时刻的前轮转角为：
Figure BDA0004031959390000151
为安全起见，需对目标前轮转角进行幅度限值。记前轮转角最大值为δmax，前轮转角最小值为δmin。那么修正后的本时刻的前轮转角为：
Figure BDA0004031959390000152
进一步地，一实施例中，步骤S104还包括：
步骤n，根据所述误差状态空间方程以及反馈前轮转角，计算曲率前馈转角和横坡前馈转角；
步骤o，将所述曲率前馈转角、所述横坡前馈转角以及所述反馈前轮转角进行加法运算，以获得所述车辆的目标前轮转角，并控制所述车辆采用所述目标前轮转角进行转向。
在本实施例中，根据误差状态空间方程以及反馈前轮转角，对预定义的曲率前馈转角进行计算，对预定义的横坡前馈转角进行计算。
具体地，针对大曲率道路段，引入预定义的曲率前馈转角δff1，忽略道路横坡影响，将δfb与δfb＝-KX代入误差状态空间方程式(10)中，如下式所示：
Figure BDA0004031959390000153
对于定圆行驶，达到稳态时，令
Figure BDA0004031959390000154
由此可得：
Figure BDA0004031959390000161
对
Figure BDA0004031959390000162
进行矩阵求解，可得：
Figure BDA0004031959390000163
其中，K1是反馈增益率K的第一项，K3是反馈增益率K的第三项。
为使自动驾驶车辆在大曲率弯道上保持横向误差为0，令Xss1矩阵的第一行为0，可计算得到曲率前馈转角：
Figure BDA0004031959390000164
其中，ρ为道路曲率，即：
Figure BDA0004031959390000165
该步骤将极大程度提高车辆跟踪大曲率路端的准确性。
针对大横坡道路段，引入横坡前馈转角δff2，忽略曲率影响，将δff2与δfb＝-KX代入误差状态空间方程，如下式所示：
Figure BDA0004031959390000166
对于固定横坡路段，达到稳态时，令
Figure BDA0004031959390000167
则可得Xss2＝(A-BK)-1[Bδff2+D sin(φ)]
对Xss2＝(A-BK)-1[Bδff2+D sin(φ)]进行矩阵求解，
Figure BDA0004031959390000168
其中，K1是反馈增益率K的第一项，K3是反馈增益率K的第三项。
接着，为使自动驾驶车辆在大横坡路段上保持横向误差为0，令Xss2第一项为0，即：
Figure BDA0004031959390000171
可解得：
Figure BDA0004031959390000172
该步骤将极大程度提高车辆跟踪大横坡路端的准确性。
通过对在道路上行驶的车辆进行分析，分别针对大曲率路段和大横坡路段进行转角补偿，使得自动驾驶车辆在恶劣道路上行驶时也能够准确循迹，控制精度更高，控制效果更加优良。
本实施例提出的面向复杂道路环境的自动驾驶车辆横向控制方法，通过对行驶在复杂道路上的车辆进行受力分析，以获取所述车辆的参数信息，并根据所述参数信息，构建线性二自由度车辆模型，接着根据所述线性二自由度车辆模型以及预设的参考路径，构建误差状态空间方程，并根据所述参考路径，计算车辆的状态量，而后根据线性二次型调节器理论、所述误差状态空间方程以及所述状态量，确定反馈前轮转角，从而根据所述反馈前轮转角以及所述误差状态空间方程，确定曲率前馈转角以及横坡前馈转角，并根据所述反馈前轮转角、曲率前馈转角以及横坡前馈转角，确定所述车辆的目标前轮转角，控制所述车辆采用所述目标前轮转角进行转向。能对行驶在复杂道路的车辆，确定合适的目标前轮转角，并控制车辆采用目标前轮转角进行转向，以使得车辆准确地跟踪既定参考路径同时，安全通过复杂道路。
本发明还提供一种面向复杂道路环境的自动驾驶车辆横向控制装置，参照图3，所述面向复杂道路环境的自动驾驶车辆横向控制装置包括：
构建模块10，用于对行驶在复杂道路上的车辆进行受力分析，以获取所述车辆的参数信息，并根据所述参数信息，构建线性二自由度车辆模型；
计算模块20，用于根据所述线性二自由度车辆模型以及预设的参考路径，构建误差状态空间方程，并根据所述参考路径，计算车辆的状态量；
确定模块30，用于根据线性二次型调节器理论、所述误差状态空间方程以及所述状态量，确定反馈前轮转角；
控制模块40，用于根据所述反馈前轮转角以及所述误差状态空间方程，确定曲率前馈转角以及横坡前馈转角，并根据所述反馈前轮转角、曲率前馈转角以及横坡前馈转角，确定所述车辆的目标前轮转角，控制所述车辆采用所述目标前轮转角进行转向。
进一步地，构建模块10，还用于：
获取第三车辆参数，其中，所述第三车辆参数包括车辆质心到所述车辆的前轴的第一距离、车辆质心到所述车辆的后轴的第二距离、车辆的质量、车辆的转动惯量；
对所述车辆的轮胎进行受力分析，以获取所述车辆对应的第二车辆参数，其中，所述第二车辆参数包括车辆的纵向速度、车辆的横向速度、车辆的横摆角速度、车辆的横摆角加速度、前轮转角以及车辆重力沿横坡方向的分力；
基于所述第三车辆参数以及所述第二车辆参数进行受力分析，以获取所述车辆对应的第一车辆参数，其中，所述第一车辆参数包括前轮的第一侧向力以及后轮的第二侧向力；
根据所述参数信息以及所述第三车辆参数，构建线性二自由度车辆模型。
进一步地，构建模块10，还用于：
根据车辆的质心侧偏角、所述前轮转角、所述第一距离、纵向速度以及横摆角速度，确定前轮的侧偏角；
根据车辆的质心侧偏角、所述第二距离、纵向速度以及横摆角速度，确定后轮的侧偏角；
根据前轮的侧偏刚度以及前轮的侧偏角，确定前轮的第一侧向力；
根据后轮的侧偏刚度以及后轮的侧偏角，确定后轮的第二侧向力。
进一步地，计算模块20，还用于：
根据第一夹角以及第二夹角，确定航向角误差对应的方程，其中，第一夹角为所述车辆的速度方向与预设的车辆坐标系中的X轴的夹角，第二夹角距离所述车辆的质心点最近的路径投影点的切线与所述X轴的夹角；
将所述车辆的质心与所述参考路径的投影点的距离作为横向误差，并确定横向误差的变化率对应的方程以及所述航向角误差的变化率对应的方程；
根据所述车辆的纵向速度以及所述第二夹角，确定所述横向误差的加速度对应的方程以及所述航向角误差的加速度对应的方程；
将所述航向角误差对应的方程、航向角误差的变化率对应的方程、所述横向误差的变化率对应的方程、所述横向误差的加速度对应的方程、所述航向角误差的加速度对应的方程代入至所述线性二自由度车辆模型中，以构建误差状态空间方程。
进一步地，计算模块20，还用于：
在所述参考路径上确定距离所述车辆的质心点最近的路径投影点，并根据所述质心点以及所述路径投影点，计算横向误差以及横向误差的变化率；
根据所述第一夹角以及所述第二夹角，计算所述航向角误差以及所述航向角误差的变化率。
进一步地，确定模块30，还用于：
根据线性二次型调节器理论、所述误差状态空间方程、预定义的权重矩阵以及所述车辆的转向轮的转角对应的权重，确定黎卡提方程，其中，所述权重矩阵包括横向误差对应的权重、横向误差的变化率对应的权重、航向角误差对应的权重、航向角误差的变化率对应的权重；
对所述黎卡提方程进行迭代，以获得迭代后的黎卡提方程的输出结果，根据所述输出结果，确定反馈增益率；
根据所述状态量以及反馈增益率，确定反馈前轮转角。
进一步地，控制模块40，还用于：
根据所述误差状态空间方程以及反馈前轮转角，计算曲率前馈转角和横坡前馈转角；
将所述曲率前馈转角、所述横坡前馈转角以及所述反馈前轮转角进行加法运算，以获得所述车辆的目标前轮转角，并控制所述车辆采用所述目标前轮转角进行转向。
上述各程序单元所执行的方法可参照本发明面向复杂道路环境的自动驾驶车辆横向控制方法各个实施例，此处不再赘述。
此外，本发明实施例还提出一种面向复杂道路环境的自动驾驶车辆横向控制设备，该面向复杂道路环境的自动驾驶车辆横向控制设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的面向复杂道路环境的自动驾驶车辆横向控制程序，所述面向复杂道路环境的自动驾驶车辆横向控制程序被所述处理器执行时实现如上所述的面向复杂道路环境的自动驾驶车辆横向控制方法的步骤。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有面向复杂道路环境的自动驾驶车辆横向控制程序，所述面向复杂道路环境的自动驾驶车辆横向控制程序被处理器执行时实现如上所述的面向复杂道路环境的自动驾驶车辆横向控制方法的步骤。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种面向复杂道路环境的自动驾驶车辆横向控制方法，其特征在于，所述面向复杂道路环境的自动驾驶车辆横向控制方法包括以下步骤：
对行驶在复杂道路上的车辆进行受力分析，以获取所述车辆的参数信息，并根据所述参数信息，构建线性二自由度车辆模型；
根据所述线性二自由度车辆模型以及预设的参考路径，构建误差状态空间方程，并根据所述参考路径，计算车辆的状态量；
根据线性二次型调节器理论、所述误差状态空间方程以及所述状态量，确定反馈前轮转角；
根据所述反馈前轮转角以及所述误差状态空间方程，确定曲率前馈转角以及横坡前馈转角，并根据所述反馈前轮转角、曲率前馈转角以及横坡前馈转角，确定所述车辆的目标前轮转角，控制所述车辆采用所述目标前轮转角进行转向。
2.如权利要求1所述的面向复杂道路环境的自动驾驶车辆横向控制方法，其特征在于，所述参数信息包括第一车辆参数以及第二车辆参数，所述对于行驶在复杂道路的车辆进行受力分析，以获取所述车辆的参数信息，并根据所述参数信息，构建线性二自由度车辆模型的步骤包括：
获取第三车辆参数，其中，所述第三车辆参数包括车辆质心到所述车辆的前轴的第一距离、车辆质心到所述车辆的后轴的第二距离、车辆的质量、车辆的转动惯量；
对所述车辆的轮胎进行受力分析，以获取所述车辆对应的第二车辆参数，其中，所述第二车辆参数包括车辆的纵向速度、车辆的横向速度、车辆的横摆角速度、车辆的横摆角加速度、前轮转角以及车辆重力沿横坡方向的分力；
基于所述第三车辆参数以及所述第二车辆参数进行受力分析，以获取所述车辆对应的第一车辆参数，其中，所述第一车辆参数包括前轮的第一侧向力以及后轮的第二侧向力；
根据所述参数信息以及所述第三车辆参数，构建线性二自由度车辆模型。
3.如权利要求2所述的面向复杂道路环境的自动驾驶车辆横向控制方法，其特征在于，所述基于所述第三车辆参数以及所述第二车辆参数进行受力分析，以获取所述车辆对应的第一车辆参数的步骤包括：
根据车辆的质心侧偏角、所述前轮转角、所述第一距离、纵向速度以及横摆角速度，确定前轮的侧偏角；
根据车辆的质心侧偏角、所述第二距离、纵向速度以及横摆角速度，确定后轮的侧偏角；
根据前轮的侧偏刚度以及前轮的侧偏角，确定前轮的第一侧向力；
根据后轮的侧偏刚度以及后轮的侧偏角，确定后轮的第二侧向力。
4.如权利要求1所述的面向复杂道路环境的自动驾驶车辆横向控制方法，其特征在于，所述根据所述线性二自由度车辆模型以及预设的参考路径，构建误差状态空间方程的步骤包括：
根据第一夹角以及第二夹角，确定航向角误差对应的方程，其中，第一夹角为所述车辆的速度方向与预设的车辆坐标系中的X轴的夹角，第二夹角距离所述车辆的质心点最近的路径投影点的切线与所述X轴的夹角；
将所述车辆的质心与所述参考路径的投影点的距离作为横向误差，并确定横向误差的变化率对应的方程以及所述航向角误差的变化率对应的方程；
根据所述车辆的纵向速度以及所述第二夹角，确定所述横向误差的加速度对应的方程以及所述航向角误差的加速度对应的方程；
将所述航向角误差对应的方程、航向角误差的变化率对应的方程、所述横向误差的变化率对应的方程、所述横向误差的加速度对应的方程、所述航向角误差的加速度对应的方程代入至所述线性二自由度车辆模型中，以构建误差状态空间方程。
5.如权利要求4所述的面向复杂道路环境的自动驾驶车辆横向控制方法，其特征在于，所述状态量包括：横向误差、横向误差的变化率、航向角误差以及航向角误差的变化率，所述根据所述参考路径，计算车辆的状态量的步骤包括：
在所述参考路径上确定距离所述车辆的质心点最近的路径投影点，并根据所述质心点以及所述路径投影点，计算横向误差以及横向误差的变化率；
根据所述第一夹角以及所述第二夹角，计算所述航向角误差以及所述航向角误差的变化率。
6.如权利要求5所述的面向复杂道路环境的自动驾驶车辆横向控制方法，其特征在于，所述根据线性二次型调节器理论、所述误差状态空间方程以及所述状态量，确定反馈前轮转角的步骤包括：
根据线性二次型调节器理论、所述误差状态空间方程、预定义的权重矩阵以及所述车辆的转向轮的转角对应的权重，确定黎卡提方程，其中，所述权重矩阵包括横向误差对应的权重、横向误差的变化率对应的权重、航向角误差对应的权重、航向角误差的变化率对应的权重；
对所述黎卡提方程进行迭代，以获得迭代后的黎卡提方程的输出结果，根据所述输出结果，确定反馈增益率；
根据所述状态量以及反馈增益率，确定反馈前轮转角。
7.如权利要求1至6任一项所述的面向复杂道路环境的自动驾驶车辆横向控制方法，其特征在于，所述根据所述反馈前轮转角以及所述误差状态空间方程，确定曲率前馈转角以及横坡前馈转角，并根据所述反馈前轮转角、曲率前馈转角以及横坡前馈转角，确定所述车辆的目标前轮转角，控制所述车辆采用所述目标前轮转角进行转向的步骤包括：
根据所述误差状态空间方程以及反馈前轮转角，计算曲率前馈转角和横坡前馈转角；
将所述曲率前馈转角、所述横坡前馈转角以及所述反馈前轮转角进行加法运算，以获得所述车辆的目标前轮转角，并控制所述车辆采用所述目标前轮转角进行转向。
8.一种面向复杂道路环境的自动驾驶车辆横向控制装置，其特征在于，所述面向复杂道路环境的自动驾驶车辆横向控制装置包括：
构建模块，用于对行驶在复杂道路上的车辆进行受力分析，以获取所述车辆的参数信息，并根据所述参数信息，构建线性二自由度车辆模型；
计算模块，用于根据所述线性二自由度车辆模型以及预设的参考路径，构建误差状态空间方程，并根据所述参考路径，计算车辆的状态量；
确定模块，用于根据线性二次型调节器理论、所述误差状态空间方程以及所述状态量，确定反馈前轮转角；
控制模块，用于根据所述反馈前轮转角以及所述误差状态空间方程，确定曲率前馈转角以及横坡前馈转角，并根据所述反馈前轮转角、曲率前馈转角以及横坡前馈转角，确定所述车辆的目标前轮转角，控制所述车辆采用所述目标前轮转角进行转向。
9.一种面向复杂道路环境的自动驾驶车辆横向控制设备，其特征在于，所述面向复杂道路环境的自动驾驶车辆横向控制设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的面向复杂道路环境的自动驾驶车辆横向控制程序，所述面向复杂道路环境的自动驾驶车辆横向控制程序被所述处理器执行时实现如权利要求1至7中任一项所述的面向复杂道路环境的自动驾驶车辆横向控制方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有面向复杂道路环境的自动驾驶车辆横向控制程序，所述面向复杂道路环境的自动驾驶车辆横向控制程序被处理器执行时实现如权利要求1至7中任一项所述的面向复杂道路环境的自动驾驶车辆横向控制方法的步骤。
CN202211742405.3A 2022-12-30 2022-12-30 一种面向复杂道路环境的自动驾驶车辆横向控制方法 Pending CN116080682A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211742405.3A CN116080682A (zh) 2022-12-30 2022-12-30 一种面向复杂道路环境的自动驾驶车辆横向控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211742405.3A CN116080682A (zh) 2022-12-30 2022-12-30 一种面向复杂道路环境的自动驾驶车辆横向控制方法

Publications (1)

Publication Number Publication Date
CN116080682A true CN116080682A (zh) 2023-05-09

Family

ID=86213244

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211742405.3A Pending CN116080682A (zh) 2022-12-30 2022-12-30 一种面向复杂道路环境的自动驾驶车辆横向控制方法

Country Status (1)

Country Link
CN (1) CN116080682A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116578100A (zh) * 2023-07-12 2023-08-11 城市之光(深圳)无人驾驶有限公司 一种基于扫刷误差的二自由度动力模型沿边清扫控制方法
CN117048639A (zh) * 2023-10-12 2023-11-14 华东交通大学 一种车辆自适应路径控制方法、存储介质及计算机
CN117944660A (zh) * 2024-01-29 2024-04-30 昆明理工大学 一种适用于复杂道路条件下的自动驾驶汽车横向控制方法
CN118597201A (zh) * 2024-08-07 2024-09-06 比亚迪股份有限公司 车辆控制方法、电子设备、存储介质和车辆

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116578100A (zh) * 2023-07-12 2023-08-11 城市之光(深圳)无人驾驶有限公司 一种基于扫刷误差的二自由度动力模型沿边清扫控制方法
CN116578100B (zh) * 2023-07-12 2023-11-21 城市之光(深圳)无人驾驶有限公司 一种基于扫刷误差的二自由度动力模型沿边清扫控制方法
CN117048639A (zh) * 2023-10-12 2023-11-14 华东交通大学 一种车辆自适应路径控制方法、存储介质及计算机
CN117048639B (zh) * 2023-10-12 2024-01-23 华东交通大学 一种车辆自适应路径控制方法、存储介质及计算机
CN117944660A (zh) * 2024-01-29 2024-04-30 昆明理工大学 一种适用于复杂道路条件下的自动驾驶汽车横向控制方法
CN118597201A (zh) * 2024-08-07 2024-09-06 比亚迪股份有限公司 车辆控制方法、电子设备、存储介质和车辆
CN118597201B (zh) * 2024-08-07 2024-10-11 比亚迪股份有限公司 车辆控制方法、电子设备、存储介质和车辆

Similar Documents

Publication Publication Date Title
CN116080682A (zh) 一种面向复杂道路环境的自动驾驶车辆横向控制方法
CN111873991B (zh) 一种车辆转向的控制方法、装置、终端及存储介质
Menhour et al. Coupled nonlinear vehicle control: Flatness-based setting with algebraic estimation techniques
EP3210886B1 (en) Methods and apparatus to cooperatively lift a payload
Kai et al. A unified approach to fixed-wing aircraft path following guidance and control
WO2020177267A1 (zh) 四旋翼无人机的控制方法、装置、设备及可读介质
CN113183975B (zh) 自动驾驶车辆的控制方法、装置、设备以及存储介质
EP4116163A1 (en) Controlling motion of a vehicle
KR101605994B1 (ko) 미지의 스키딩과 슬리핑을 갖는 이동 로봇을 위한 적응적 선도-추종 군집 제어 방법 및 그 장치
CN113759707B (zh) 用于自动驾驶车辆的预测控制优化方法和装置
CN113696970A (zh) 半挂汽车列车、倒车控制方法、装置、设备和介质
CN114413791B (zh) 一种舵轮式叉车舵轮零偏角的检测方法、系统及装置
Azinheira et al. Image-based visual servoing for vanishing features and ground lines tracking: Application to a uav automatic landing
CN113306570A (zh) 用于控制自动驾驶车辆的方法、装置和自动驾驶配送车
CN116301058B (zh) 一种无人飞行反馈非线性偏航控制方法、系统和设备
CN110637266A (zh) 云台的控制方法和云台
Tang et al. Aircraft landing using dynamic two-dimensional image-based guidance control
CN116331208A (zh) 半挂汽车列车倒车控制方法及控制器、系统、半挂汽车
CN114896694B (zh) 一种基于两点预瞄的路径跟踪控制方法
KR20130079881A (ko) 고정 표적을 이용한 무인항공기의 표적 위치 보정 방법 및 컴퓨터 판독 가능한 기록매체
CN115123194A (zh) 车辆控制方法、装置、设备及存储介质
Castro-Toscano et al. Determination of trajectories using IKZ/CF inertial navigation: Methodological proposal
Ploeg et al. Position control of a wheeled mobile robot including tire behavior
KR20200029160A (ko) 각가속도 정보를 이용한 비행체 제어방법
CN113030504B (zh) 车辆测速方法、装置、车载计算机设备和存储介质

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