CN116629000A - 一种针对矿区矿卡的软件在环仿真构建方法 - Google Patents
一种针对矿区矿卡的软件在环仿真构建方法 Download PDFInfo
- Publication number
- CN116629000A CN116629000A CN202310622616.1A CN202310622616A CN116629000A CN 116629000 A CN116629000 A CN 116629000A CN 202310622616 A CN202310622616 A CN 202310622616A CN 116629000 A CN116629000 A CN 116629000A
- Authority
- CN
- China
- Prior art keywords
- module
- mining
- card
- vehicle
- simulation
- 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
Links
- 238000005065 mining Methods 0.000 title claims abstract description 139
- 238000004088 simulation Methods 0.000 title claims abstract description 80
- 238000010276 construction Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000005540 biological transmission Effects 0.000 claims abstract description 18
- 230000007613 environmental effect Effects 0.000 claims abstract description 8
- 230000003993 interaction Effects 0.000 claims description 9
- 230000033001 locomotion Effects 0.000 claims description 6
- 230000008447 perception Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 2
- 238000009434 installation Methods 0.000 claims description 2
- 238000012795 verification Methods 0.000 abstract description 15
- 238000012360 testing method Methods 0.000 description 21
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000035484 reaction time Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种矿卡自动驾驶软件在环仿真方法,采用分布式架构进行在环仿真平台,包括矿卡动力学模型模块、Simulink模块、场景构建系统和自动驾驶规划控制系统,所述矿卡动力学模型模块与Simulink模块、场景构建系统运行在windows系统,自动驾驶规划控制系统运行在ubuntu系统,Simulink模块向自动驾驶规划控制系统提供自车初始位置,接收自车控制后状态并传输至场景搭建模块和车辆动力学模块,循环更新环境数据作为自动驾驶软件系统的输入参数。本发明可以保证数据传输的快速可靠,快速适配所有车型和矿区环境,可不依赖硬件或者实物在环,进行各类矿区场景不同难度和精确度的仿真验证控制模块软件在环验证,满足控制模块对仿真验证的精确性需求,节省了验证成本。
Description
技术领域
本发明涉及矿卡自动驾驶技术领域,具体涉及一种针对矿区矿卡的软件在环仿真构建方法。
背景技术
目前,无人驾驶技术处于高速发展阶段,其中,矿卡的无人驾驶技术是其中重要的分支。矿区因其地理条件特殊,容易存在海拔天气等极端环境因素,使用人工驾驶存在大量的安全隐患,也存在极高的人工成本。矿车行车速度较慢,矿区运输线路相对固定,车辆作业速度较慢。这些都使得矿区成为了最适合使用无人驾驶车辆的环境之一。然而,无人驾驶作为新兴产业,其技术并未完全成熟,发展需要时间。其安全性、稳定性、可靠性都有待验证。目前罕有高效率的利用矿区地图进行矿卡自动驾驶仿真模拟的软件在环仿真系统。
矿区的无人化采矿作业测试一般分为四种形式:实车矿区跑车测试、实车试验场跑车测试、硬件在环测试、软件在环测试。
对于实车矿区跑车测试:因为矿区存在地形特殊、矿卡运行速度慢等特点,此类测试效率极低且容易发生事故,造成安全隐患。
对于试验场跑车测试:试验场建造成本过高,且很难模拟矿区的极端环境。
对于硬件在环测试:依赖实物硬件,很难随时进行仿真工作;对矿卡进行控制规划等研发工作时很难随时进行验证工作。
故在上述测试方法之前先进行软件在环仿真是有必要的。利用仿真场景尽可能地还原矿区环境,尽可能地融合整个作业流程;可以对矿区无人驾驶运输作业的无人驾驶系统的功能性、安全性与稳定性以及整个单编组作业流程在仿真层面进行测试。从而完美规避实车矿区跑车测试、试验场跑车测试、硬件在环测试等测试存在的问题。
CN202010454269.2提出了一种自动驾驶的软件在环仿真方法,该方法将仿真器和控制算法建设在ubuntu环境中,将车辆动力学模型建立在windows环境中。整车动力学模型与自动驾驶软件系统采用时序触发技术,按所需频率触发整车动力学模型与自动驾驶软件系统,实现仿真过程的启停与同步控制。
CN114578709A提出了一种自动驾驶软件在环仿真系统,用于驱动验证自动驾驶软件,包括在环数据仿真软件、仿真接口模块;在环数据仿真软件包括车辆动力学仿真模块、虚拟环境与传感器仿真模块;仿真接口模块包括共享内存模块、LCM链路管控模块、UDP链路管控模块;自动驾驶软件包括感知、融合、规划、控制等模块;车辆动力学仿真模块通过LCM链路管控模块接收控制模块的控制指令,实时计算车辆的运动状态量,将运动状态量通过LCM链路管控模块发送给自动驾驶软件;虚拟环境与传感器仿真模块输出车辆传感器信号,其中,目标级传感器信号通过所述LCM链路数据传递给自动驾驶软件;图像数据通过共享内存模块共享给自动驾驶软件;点云数据则通过所述UDP链路共享给自动驾驶软件。
现有的仿真系统的硬件在环通常依赖硬件,很难独立进行仿真验证。少有针对矿卡进行动力学建模,对矿区环境这类场景路制作非结构化道路场景并能任意调整车辆动力学模型的输入输出参数,进行无人驾驶仿真测试的能力;鲜有真正包含独立场景模拟系统的仿真方法的研究。且仿真无人驾驶矿用车辆的软件在环仿真工很难独立进行。
发明内容
针对现有的这些问题,本发明提供了一种针对矿区矿卡的软件在环仿真构建方法,能够针对矿卡进行软件在环仿真,具有足够真实的动力学模型并任意设置输入输出参数。并针对矿区的非结构化道路,具有导入高精度地图的能力和自由绘制场景的能力。以及对控制算法进行测试,具有与控制端收发信数据的能力。
本发明完整的技术方案包括:
一种矿卡自动驾驶软件在环仿真方法,所述仿真方法采用分布式架构进行在环仿真平台,包括矿卡动力学模型模块、Simulink模块、场景构建模块和自动驾驶规划控制系统,所述矿卡动力学模型模块与Simulink模块、场景构建系统运行在同一系统,自动驾驶规划控制系统运行在另一系统;具体包括如下步骤:
S1:对仿真平台环境进行初始化操作,依据待测试矿卡或宽体车的安装车型、操纵性能以及所装载的传感器类型和数量,完成对矿卡或宽体车的车辆模型的车辆基本参数及感知范围与内容的设定;根据真实露天矿区地图的信息或绘制的矿区地图信息在场景搭建模块中加载仿真矿区环境;设置矿卡或宽体车车辆模型在仿真矿区环境中的初始位置;设置露天矿区场景中存在的障碍物及动态障碍物运动轨迹;完成矿卡仿真平台环境初始化设定;
S2:在仿真平台中模拟矿卡的车辆线控控制器数据(采用simulink)、感知传感器数据(采用trucksim或Prescan)、导航数据;并在导航数据中融入时间同步模块(采用simulink),模拟的当前时刻的GPS周、GPS周内秒数据;
S3:所述Simulink模块通过UDP通信将模拟的车辆线控控制器数据、感知传感器数据和车辆导航数据传输至矿卡控制模块;
S4:启动仿真,运行自动驾驶规划控制系统,并与场景搭建系统和车辆动力学模型进行通信,场景搭建系统和矿卡动力学模型将环境数据、车辆信息传输至规划控制系统的对应接收端;规划控制系统依据接收到的感知传感器数据、车辆导航数据进行决策,基于接收到的车辆线控控制器数据确定控制数据并传输至矿卡动力学模型模块,控制矿卡或宽体车车辆模型的行驶。前述车辆信息包括但不限于:车辆的坐标、车辆的速度矢量、车辆的方位角、车辆轮胎的中心位置坐标、车辆轮胎的转向角。
进一步的,所述矿卡动力学模型模块可以选择输出参数的类型与数量;对于不同类型的矿卡,修改其对应部分的动力学参数。
进一步的,所述整场景搭建模块可以建设任意类型的场景,也可以设定环境参数和道路状况;或导入对应的高精度地图来模拟矿区场景。
进一步的,其中,所述矿卡动力学模型模块包括s-function模块和车辆传感器模块,所述自动驾驶软件系统包括数据传输模块和决策规划模块,所述数据传输模块与simulink模块中的UDP传输模块进行数据的传输交互。
进一步的,所述的矿卡动力学模型采用工程仿真软件TruckSim生成;矿卡动力学模型里的信息依照实际的车辆调整,将调好信息的矿卡动力学模型导入Matlab里,生成Simulink模型,实现矿卡动力学模型在Matlab的Simulink环境里进行运算。
进一步的,所述的场景搭建系统采用工程仿真软件Prescan生成;生成的场景中的环境信息依照实际的车辆调整,将调好信息的场景环境数据导入Matlab里,经由UDP传输系统输入自动驾驶软件的决策规划系统,实现与Ubuntu环境的数据交互。
进一步的,所述自动驾驶决策规划模块反馈的控制量输出到矿卡动力学模型,在Matlab里实现,在Simulink模块中使用UDP接收模块接收控制量,将控制量实时传输到Simulink模型里Trucksim模块和场景搭建模块的输入端口,即时更新整车动力学模型控制量;从矿卡动力学模块实时计算的当前车辆状态通过s-function反馈至场景搭建模块和UDP传输模块,将车辆状态反馈给自动驾驶决策规划模块,实时更新仿真环境。
进一步的,上述TruckSim、Prescan、Matlab和Simulink模型在windows系统运行;所述自动驾驶软件系统在Ubuntu环境运行,simulink和prescan形成整体的系统工程,形成场景搭建模块,并在里面形成在环仿真。
进一步的,一种分布式架构在环仿真平台,包括矿卡动力学模型模块、Simulink模块、场景构建模块和自动驾驶规划控制系统,所述矿卡动力学模型模块与Simulink模块、场景构建系统运行在同一系统,自动驾驶规划控制系统运行在另一系统。
进一步的,利用所述平台进行雨天矿卡车速控制的仿真方法,包括:选取矿区道路,并设置前车作为障碍物,后车作为制动主体,确定实际刹车安全距离,利用实际刹车距离乘以安全系数后与实际刹车安全距离做比较,进行反馈控制,直到等于安全距离为止,输出矿卡准备制动时的速度,作为该矿区矿卡对应雨量下的安全速度。
本发明可不依赖硬件或者实物在环,能进行任意场景下对于任意矿卡动力学模型的软件在环验证,该框架能进行自动驾驶决策规划算法的软件在环验证;在满足控制模块对仿真验证精确性要求的前提下节省了验证成本。
本发明相对于现有技术的优点在于:
本发明是分布式仿真架构,矿卡动力学模型与场景搭建模快运行在windows系统下,自动驾驶软件系统运行在ubuntu系统。跨系统的稳定数据传输方式选择的是UDP。一般情况下,UDP协议可以保证数据传输的快速可靠。
本发明提出的包含矿卡动力学模型的自动驾驶软件在环仿真方案,对于不同的自动驾驶矿卡只需修改对应的矿卡动力学特征参数就可以快速适配所有车型。
本发明提出的包含矿区道路模型的自动驾驶软件在环仿真方案,对于不同的矿区道路可以导入高精度地图也可以任意手动搭建,可以还原大多数矿区环境。
本发明的矿卡动力学模型模块可以随意设置任意控制量的输入与输出,因此可以不同难度、不同精确度的仿真验证。
本发明可不依赖硬件或者实物在环,能进行各类矿区场景的控制模块软件在环验证。本发明能进行决策规划算法的在环验证,能满足控制模块对仿真验证的精确性需求,节省了验证成本。
附图说明
图1为本发明软件在环仿真流程图。
图2为具体例中决策规划智能避障的算法仿真示意图。
具体实施方式
下面将结合本申请实施方式中的附图,对本申请的实施方式中的技术方案进行清楚、完整的描述,显然,所描述的实施方式仅仅是作为例示,并非用于限制本申请。
以下结合实施例和附图对本发明进行详细描述,但需要理解的是,所述实施例和附图仅用于对本发明进行示例性的描述,而并不能对本发明的保护范围构成任何限制。所有包含在本发明的发明宗旨范围内的合理的变换和组合均落入本发明的保护范围。
本发明的自动驾驶软件在环仿真方法,矿卡动力学模型与Simulink模块、场景构建系统运行在同一系统,自动驾驶规划控制系统运行在另一系统。Simulink模块与自动驾驶软件系统通过UDP数据传输模块连接;环境数据从场景搭建模块经由simulink模块输出到自动驾驶软件系统的对应接收端,自动驾驶软件系统反馈的控制量经由simulink模块输出到矿卡动力学模型;矿卡动力学模型与自动驾驶软件系统采用时序触发技术,按系统所需频率触发矿卡动力学模型与自动驾驶软件系统,实现仿真过程的启停与同步控制。
本发明的仿真系统的基本架构如图1所示。其中,所述的矿卡动力学模型模块由专业工程软件Trucksim生成,动力学模型在Matlab的Simulink环境里进行运算。TruckSim、Matlab和Simulink模型、场景搭建系统在windows系统运行;自动驾驶软件系统在Ubuntu环境运行。场景搭建模块可以导入高精度地图或自由搭建场景,同时提供自车初始位置,经由simulink模块接收决策规划模块与矿卡动力学模块计算获得的自车控制后状态、循环更新环境数据作为自动驾驶软件系统的上层输入,并在Prescan的显示界面上进行显示,自动驾驶软件系统在Ubuntu环境运行。
不同的矿卡类型具有不同的矿卡动力学特性。在仿真过程中,本发明会根据不同矿卡的动力学特性提取其动力学特征参数,并更改矿卡动力学模型中对应的动力学参数。
不同的矿区场景具有不同的环境参数。在仿真过程中,场景搭建模块可以根据不同的矿区场景复现不同的矿区环境,以达到真实仿真的目的。
由场景搭建模块提供矿区道路的环境信息,场景搭建模块经数据交互模块与自动驾驶系统信息与数据交互。
自动驾驶系统包括自动驾驶软件模块、UDP交互模块,自动驾驶软件模块经决策规划等处理后,会输出控制指令至UDP交互模块,经由simulink模块,将控制指令传输至矿卡动力学模块和场景搭建模块。同时,矿卡动力学模块和场景搭建模块经由simulink模块向自动驾驶软件模块反馈提供相应的数据。
上述场景搭建模块提供的环境参数,用以代表整个矿区环境中车辆自身以外的构成元素。矿区道路的环境信息由矿区地图信息、障碍物信息构成。这两类信息综合构成表征矿区环境信息。矿区地图信息按是否随时间变化被划分为静态信息与动态信息。其中静态信息包括但不限于道路地质信息、道路地形信息、道路特征信息和地标信息;动态信息包括但不限于天气信息;障碍物信息表征矿区常见的其他矿卡、土堆、挡墙、悬崖、山石等障碍物,分为三类信息标签:障碍物类型信息、障碍物位置信息和障碍物运动状态信息。
对于以上信息中的地质信息,包括但不限于道路的材质、矿区海拔、破损程度等信息内容。地质信息内容通常会与路面的摩擦因数、路面状态等环境因素相关。
对于以上信息中的道路地形信息,包括但不限于道路宽度信息和道路中心点连线后的几何图形信息。地形信息内容被用于对矿卡行驶的主路径与回避路径进行规划。
对于以上信息中的道路特征信息,包括但不限于道路编号、是否是单行道路、道路是否是禁停道路等信息内容。道路特征信息不随着坐标变换而变动,也不受动态信息变化的影响。
对于以上信息中的地标信息,包括但不限于装载区位置信息、卸载区位置信息、停靠点位置信息等矿区常见地标信息。地标信息随着矿区场景的不同而变化。地标信息一般具有一定的范围,本发明从场景搭建模块中输出了地标信息的包络面坐标,作为地图的补充信息。
场景搭建模块中具有将真实的矿区场景地图写入仿真所用场景模块的功能。在该功能下要注意真实地图中的坐标系应向仿真使用的坐标系进行坐标变换。即地理坐标系转化为普通坐标系。在场景搭建模块中生成自动驾驶可用地图时,也应由普通直角坐标系转化为地理坐标系。
天气信息可以理解为表征当前天气状况的信息,如当前的矿区温度、矿区湿度、雨雪状态等由天气情况影响矿区场景的信息。
障碍物类型信息可以理解为表示障碍物是否为静态、形状是否规则等基础信息的信息。
障碍物位置信息可以理解为表示所有障碍物的当前位置的信息。根据障碍物的类型不同,可由等效点的位置坐标或轮廓外包络线点坐标表示。障碍物位置信息可采用全局坐标系、自车坐标系等坐标系。
障碍物运动状态信息可以理解为表示障碍物的运动学参数,如速度、加速度、航向角等信息。
本仿真平台中进行了决策规划智能避障的算法仿真,测试结果如图2所示,在动态场景中,自车行驶车道前方60m处存在静态车辆/速度小于1m/s推土机,实际仿真过程中,车辆借道绕行,与预期结果一致。
下面结合图1所示的架构对本发明进一步说明。
矿卡动力学模型在使用专业工程仿真软件TruckSim搭建时,其中矿卡动力学模型里的动力学特征参数由实际的矿卡决定。将动力学特征参数与实际矿卡对应的动力学模型导入MATLAB里,生成Simulink模型,即为需要的矿卡动力学模型。
因矿卡具有用途特殊、运行环境特殊、整车结构特殊等特点,在用户自定义矿卡参数时,要采取大量试验用于调整所需重要信息,以保证车辆模型的可靠性和准确性。
完成矿区场景建模后,需要根据仿真需求以及自动驾驶软件系统的接口格式进行数据交互模块设计。本发明中,环境信息从场景搭建模块经由simulink模块输出到自动驾驶软件的收发模块,其传输方式采取UDP协议。由自动驾驶系统反馈的控制量经由simulink模块输出到矿卡动力学模型,其传输方式为UDP协议。在Simulink模块中,经由UDP接收模块,将控制量实时传输到Simulink里TruckSim模块的输入端口,即时更新整车动力学模型控制量。从矿卡动力学模块实时计算的当前车辆状态通过s-function反馈到场景搭建模块,实时更新仿真环境。
实施例1
基于上述的分布式架构在环仿真平台,本发明还公开了一种具体场景下的应用,具体为了一种雨天矿卡车速控制方法,矿卡动力学模型模块由Trusksim生成,可以设置输入输出参数的种类和数量;simulink模块承担场景构建模块、自动驾驶规划控制系统与矿卡动力学模型模块之间的数据交互功能,以及安全速度判定功能。
矿卡动力学数据从矿卡动力学模型模块经由simulink模块输出到自动驾驶规划控制系统,自动驾驶规划控制系统反馈的控制量经由simulink模块输出到矿卡动力学模型;经仿真测试后将刹车距离输出到simulink模块。场景构建模块可以导入高精度地图或自由搭建场景,同时提供自车初始位置与实时坐标位置。经由simulink模块计算矿卡的刹车距离,并与安全距离进行比较,判断安全的行车速度。
在本实施例中,场景构建模块提供的环境参数,包含表征雨量等级的道路摩擦因数。道路附着系数由道路材质和雨量等级两方面影响。这两种影响在simulink模块中实际以累积的形式体现;即由道路材质本身决定的附着系数,与雨量等级所对应的等级系数相乘决定;雨量等级越高,对应的等级系数越低,地面的附着系数越小。
在本实施例中,上述控制单元中的控制单元中的控制参数,包含表征雨量等级的驾驶员反应时间。雨量等级越高,场景能见度越低,驾驶员反应时间越高。矿卡动力学模型模块中的矿卡动力学参数,包括但不限于矿卡的轴距、转动惯量、簧载重量、车轮半径等参数。simulink模块,随时接收矿卡的位置信息。记录矿卡准备制动时的制动位置与制动结束时的制动位置,并由此计算出矿卡的实际刹车距离。
在本实施例中,在上述场景中,雨天矿卡安全行车速度确定方法具体为:
仿真选取矿区道路,并设置前车作为障碍物,后车作为制动主体,利用下式确定实际刹车安全距离:
X实际=ηX (2)
上式中:X为理论刹车安全距离,V2是后车行驶时的车速,V1是前车行驶时的车速,t为驾驶员从发现前车到开始制动的反应时间,t1是车辆从准备开始制动到实际开始制动的制动反应时间,μ为地面附着系数,g为重力加速度。X实际为实际的刹车安全距离,η为制动安全系数。
上述公式中:μ与表征雨量的雨量系数有关,具体为:
μ=ξμ0 (3)
其中,ξ为雨量表征系数,μ0为地面在晴天干燥状态下的地面附着系数。雨量表征系数与雨量的关系如下表:
表1雨量与路面附着系数和雨量表征系数的关系
晴天 | 小雨 | 中雨 | 大雨 | 暴雨 | |
μ | μ0=0.8 | 0.55 | 0.45 | 0.35 | 0.30 |
ξ | 1 | 0.68 | 0.56 | 0.44 | 0.38 |
上述simulink模块利用实际刹车距离乘以安全系数后与道路安全距离做比较,进行反馈控制,直到等于安全距离为止,输出矿卡准备制动时的速度,作为该矿区矿卡对应雨量下的安全速度。
以上申请的仅为本申请的一些实施方式。对于本领域的普通技术人员来说,在不脱离本申请创造构思的前提下,还可以做出若干变型和改进,这些都属于本申请的保护范围。
Claims (10)
1.一种矿卡自动驾驶软件在环仿真方法,其特征在于,所述仿真方法采用分布式架构进行在环仿真平台,包括矿卡动力学模型模块、Simulink模块、场景构建系统和自动驾驶规划控制系统,所述矿卡动力学模型模块与Simulink模块、场景构建系统运行在同一系统,自动驾驶规划控制系统运行在另一系统;具体包括如下步骤:
S1:对仿真平台环境进行初始化操作,依据待测试矿卡或宽体车的安装车型、操纵性能以及所装载的传感器类型和数量,完成对矿卡或宽体车的车辆模型的车辆基本参数及感知范围与内容的设定;根据真实露天矿区地图的信息或绘制的矿区地图信息在场景搭建中加载仿真矿区环境;设置矿卡或宽体车车辆模型在仿真矿区环境中的初始位置;设置露天矿区场景中存在的障碍物及动态障碍物运动轨迹;完成矿卡仿真平台环境初始化设定;
S2:在仿真平台中模拟矿卡的车辆线控控制器数据、感知传感器数据、导航数据;并在导航数据中融入时间同步模块,模拟的当前时刻的GPS周、GPS周内秒数据;
S3:所述Simulink模块通过UDP通信将模拟的车辆线控控制器数据、感知传感器数据和车辆导航数据传输至规划控制系统;
S4:启动仿真,运行自动驾驶规划控制系统,并与场景搭建系统和车辆动力学模型进行通信,场景搭建系统和矿卡动力学模型将环境数据、车辆信息传输至规划控制系统的对应接收端;规划控制系统依据接收到的感知传感器数据、车辆导航数据进行决策,基于接收到的车辆线控控制器数据确定控制数据并传输至仿真平台,控制矿卡或宽体车车辆模型的行驶。
2.根据权利要求1所述的一种矿卡自动驾驶软件在环仿真方法,其特征在于,所述矿卡动力学模型模块可以选择输出参数的类型与数量;对于不同类型的矿卡,修改其对应部分的动力学参数。
3.根据权利要求1所述的一种矿卡自动驾驶软件在环仿真方法,其特征在于,所述整场景搭建模块可以建设任意类型的场景,也可以设定环境参数和道路状况;或导入对应的高精度地图来模拟矿区场景。
4.根据权利要求1所述的一种矿卡自动驾驶软件在环仿真方法,其特征在于,其中,所述矿卡动力学模型模块包括s-function模块和车辆传感器模块,所述自动驾驶软件系统包括数据传输模块和决策规划模块,所述数据传输模块与simulink模块中的UDP传输模块进行数据的传输交互。
5.根据权利要求1所述的一种矿卡自动驾驶软件在环仿真方法,其特征在于,所述的矿卡动力学模型采用工程仿真软件TruckSim生成;矿卡动力学模型里的信息依照实际的车辆调整,将调好信息的矿卡动力学模型导入Matlab里,生成Simulink模型,实现矿卡动力学模型在Matlab的Simulink环境里进行运算。
6.根据权利要求1所述的一种矿卡自动驾驶软件在环仿真方法,其特征在于,
所述的场景搭建系统采用工程仿真软件Prescan生成;生成的场景中的环境信息依照实际的车辆调整,将调好信息的场景环境数据导入Matlab里,经由UDP传输系统输入自动驾驶软件的决策规划系统,实现与Ubuntu环境的数据交互。
7.根据权利要求1所述的一种矿卡自动驾驶软件在环仿真方法,其特征在于,
所述自动驾驶决策规划模块反馈的控制量输出到矿卡动力学模型,在Matlab里实现,在Simulink模块中使用UDP接收模块接收控制量,将控制量实时传输到Simulink模型里Trucksim模块和场景搭建模块的输入端口,即时更新整车动力学模型控制量;从矿卡动力学模块实时计算的当前车辆状态通过s-function反馈至场景搭建模块和UDP传输模块,将车辆状态反馈给自动驾驶决策规划模块,实时更新仿真环境。
8.根据权利要求1所述的一种矿卡自动驾驶软件在环仿真方法,其特征在于,上述TruckSim、Prescan、Matlab和Simulink模型在windows系统运行;所述自动驾驶软件系统在Ubuntu环境运行。
9.一种分布式架构在环仿真平台,其特征在于,包括矿卡动力学模型模块、Simulink模块、场景构建模块和自动驾驶规划控制系统,所述矿卡动力学模型模块与Simulink模块、场景构建系统运行在同一系统,自动驾驶规划控制系统运行在另一系统。
10.利用权利要求9所述平台进行雨天矿卡车速控制的仿真方法,其特征在于,所述仿真方法包括:选取矿区道路,并设置前车作为障碍物,后车作为制动主体,确定实际刹车安全距离,利用实际刹车距离乘以安全系数后与实际刹车安全距离做比较,进行反馈控制,直到等于安全距离为止,输出矿卡准备制动时的速度,作为该矿区矿卡对应雨量下的安全速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310622616.1A CN116629000A (zh) | 2023-05-30 | 2023-05-30 | 一种针对矿区矿卡的软件在环仿真构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310622616.1A CN116629000A (zh) | 2023-05-30 | 2023-05-30 | 一种针对矿区矿卡的软件在环仿真构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116629000A true CN116629000A (zh) | 2023-08-22 |
Family
ID=87641423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310622616.1A Pending CN116629000A (zh) | 2023-05-30 | 2023-05-30 | 一种针对矿区矿卡的软件在环仿真构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116629000A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117708099A (zh) * | 2024-02-05 | 2024-03-15 | 中国科学院自动化研究所 | 矿山自动驾驶感知能力测试场景库构建方法及测试方法 |
-
2023
- 2023-05-30 CN CN202310622616.1A patent/CN116629000A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117708099A (zh) * | 2024-02-05 | 2024-03-15 | 中国科学院自动化研究所 | 矿山自动驾驶感知能力测试场景库构建方法及测试方法 |
CN117708099B (zh) * | 2024-02-05 | 2024-05-24 | 中国科学院自动化研究所 | 矿山自动驾驶感知能力测试场景库构建方法及测试方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107246868B (zh) | 一种协同导航定位系统及导航定位方法 | |
US11248925B2 (en) | Augmented road line detection and display system | |
AU2006274420B2 (en) | Guidance, navigation, and control system for a vehicle | |
CN112292581A (zh) | 自动驾驶车辆的相对图集及其生成 | |
US20230083645A1 (en) | Determining a lane change decision based on a downstream traffic state | |
US20120065811A1 (en) | Map data update system, map data update method, computer-readable storage medium storing map data update program | |
CN107403038A (zh) | 一种智能汽车虚拟快速测试方法 | |
CN107421566A (zh) | 一种无人车多源传感器信息仿真平台 | |
CN109656148A (zh) | 自动驾驶的动态交通流场景的仿真方法 | |
US11975725B2 (en) | Systems and methods for updating the parameters of a model predictive controller with learned external parameters generated using simulations and machine learning | |
CN109726480A (zh) | 一种用于验证无人矿卡相关算法的系统 | |
US11754415B2 (en) | Sensor localization from external source data | |
CN113419518B (zh) | 一种基于vts的vil测试平台 | |
CN113051765B (zh) | 一种基于虚拟场景变换的智能驾驶车辆车路在环测试方法 | |
US20220236063A1 (en) | Vehicle position detection device and parameter set creation device for vehicle position detection | |
US11946746B2 (en) | Method for satellite-based detection of a vehicle location by means of a motion and location sensor | |
US20220204009A1 (en) | Simulations of sensor behavior in an autonomous vehicle | |
US20190283760A1 (en) | Determining vehicle slope and uses thereof | |
CN116629000A (zh) | 一种针对矿区矿卡的软件在环仿真构建方法 | |
US20190049252A1 (en) | 3d localization device | |
EP3869341A1 (en) | Play-forward planning and control system for an autonomous vehicle | |
CN113918615A (zh) | 一种基于仿真的驾驶经验数据挖掘模型构建方法及系统 | |
CN117252011A (zh) | 基于分布式架构的异构地空无人集群仿真系统构建方法 | |
US11157940B2 (en) | Incentivized data transfer during vehicle refueling | |
US20220242441A1 (en) | Systems and methods for updating the parameters of a model predictive controller with learned operational and vehicle parameters generated using simulations and machine learning |
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 |