CN116674562B - 车辆控制方法、装置、计算机设备及存储介质 - Google Patents
车辆控制方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116674562B CN116674562B CN202310703795.1A CN202310703795A CN116674562B CN 116674562 B CN116674562 B CN 116674562B CN 202310703795 A CN202310703795 A CN 202310703795A CN 116674562 B CN116674562 B CN 116674562B
- Authority
- CN
- China
- Prior art keywords
- target vehicle
- vehicle
- vehicles
- geometric
- geometric model
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 76
- 239000011159 matrix material Substances 0.000 claims description 41
- 230000015654 memory Effects 0.000 claims description 26
- 238000005457 optimization Methods 0.000 claims description 23
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 230000009977 dual effect Effects 0.000 description 3
- 102100028292 Aladin Human genes 0.000 description 2
- 101710065039 Aladin Proteins 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- 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
- B60W40/02—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 ambient conditions
- B60W40/04—Traffic conditions
-
- 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
-
- 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
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
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 Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及无人驾驶技术领域,公开了车辆控制方法、装置、计算机设备及存储介质,包括当目标车辆在路口范围内,分别基于目标车辆的几何参数以及路口范围内的其他车辆的几何参数,确定目标车辆的几何模型以及其他车辆的几何模型;基于目标车辆的几何模型与其他车辆的几何模型计算目标车辆与其他车辆之间的距离,得到目标车辆的距离约束条件;根据目标车辆的行驶参数确定目标车辆关于行驶参数的目标函数;基于目标车辆的几何模型以及距离约束条件对目标函数进行优化,以对目标车辆进行控制。在该方法中通过几何建模,充分利用可行驶区域,且优化的目标函数仅涉及目标函数本身的行驶参数,可有效提高该方法的可拓展性以及计算效率。
Description
技术领域
本发明涉及无人驾驶领域,具体涉及车辆控制方法、装置、计算机设备及存储介质。
背景技术
近年来,自动驾驶技术备受关注,在智慧交通领域,需要在单车智能的基础上,结合物联网、无线通信、云计算等技术实现多车辆的协同控制。交通路口的车辆协同情况对于行驶安全、交通系统运行效率起着关键作用。多车辆协同控制算法可以保证车辆行驶安全的前提下,提高车辆通过交通路口时的通行效率,缓解交通堵塞问题。
相关的关于协调路口处的自动驾驶车辆方法中,自动驾驶车辆在交通路口处的协调问题可以建模成一个最优控制问题,针对不同的应用场景,对避免车辆相撞的数据建模方法不同。得益于通信基础设施的进步,现代无线通信网络已经可以为多个智能体之间的信息交换提供可靠而快速的信道与通信方式。研究人员已经提出了利用车联网来分布式解决自由驾驶车辆协调问题的方法。一类算法以某一辆车作为中心节点,其他车辆作为叶子节点,这种中心化方案对作为中心节点的要求较高,且现有方案中车辆建模时膨胀了车身周围较多的可通行空间,导致建模时的约束条件增多,求解复杂度更高,计算效率较低。
发明内容
有鉴于此,本发明实施例提供了一种车辆控制方法、装置、计算机设备及存储介质,以解决车辆控制过程中计算效率较低的问题。
第一方面,本发明实施例提供了一种车辆控制方法,所述方法包括:
当目标车辆在路口范围内,分别基于目标车辆的几何参数以及所述路口范围内的其他车辆的几何参数,确定所述目标车辆的几何模型以及所述其他车辆的几何模型,所述几何模型包括形状矩阵;
基于所述目标车辆的几何模型与所述其他车辆的几何模型计算所述目标车辆与所述其他车辆之间的距离,得到所述目标车辆的距离约束条件;
根据所述目标车辆的行驶参数确定所述目标车辆关于所述行驶参数的目标函数;
基于所述目标车辆的几何模型以及所述距离约束条件对所述目标函数进行优化,以对所述目标车辆进行控制。
本发明实施方式提供的车辆控制方法,当目标车辆在路口范围内,根据目标车辆的几何参数以及路口范围内其他车辆的几何参数构建目标车辆的几何模型以及其他车辆的几何模型,在此基础上计算目标车辆与其他车辆之间的距离,从而得到目标车辆的距离约束条件,根据距离约束条件和几何模型优化目标函数。在该方法中通过几何建模,充分利用可行驶区域,且优化的目标函数仅涉及目标函数本身的行驶参数,可有效提高该方法的可拓展性以及计算效率。
在一些可选的实施方式中,当所述几何模型为椭圆模型,所述分别基于目标车辆的几何参数以及所述路口范围内的其他车辆的几何参数,确定所述目标车辆的几何模型以及所述其他车辆的几何模型,包括:
获取所述目标车辆的几何参数以及所述路口范围内的其他车辆的几何参数;
分别基于目标车辆的几何参数以及所述路口范围内的其他车辆的几何参数确定目标车辆的椭圆模型以及所述其他车辆的椭圆模型。
在一些可选的实施方式中,所述形状矩阵按照如下公式确定:
其中,rx表示椭圆的半长轴,ry表示椭圆的半短轴,θ表示目标车辆或其他车辆当前行驶方向与坐标系x轴之间的夹角,所述椭圆为所述目标车辆或其他车辆的外接椭圆;
所述椭圆模型按照如下公式确定:
E(q,Q(θ))
其中,q表示目标车辆或其他车辆的中心点,Q(θ)表示目标车辆或其他车辆的形状矩阵。
在一些可选的实施方式中,所述基于所述目标车辆的几何模型与所述其他车辆的几何模型计算所述目标车辆与所述其他车辆之间的距离,得到所述目标车辆的距离约束条件,包括:
基于所述目标车辆的几何模型与所述其他车辆的几何模型确定所述目标车辆与其他车辆之间的距离平方的和的优化问题;
对所述优化问题的一阶最优性条件进行拓展,得到所述目标车辆的距离约束条件。
在一些可选的实施方式中,所述距离约束条件按照如下公式确定:
其中,
其中,ζ1(δ)表示目标车辆的几何模型上的点,ζ2(δ)表示其他车辆的几何模型上的点,q1表示目标车辆的中心点,q2表示其他车辆的中心点,d12表示目标车辆与其他车辆之间的距离,Q1表示目标车辆的形状矩阵,Q2表示其他车辆的形状矩阵,δ表示拉格朗日乘子。
在一些可选的实施方式中,所述行驶参数至少包括目标车辆的中心点坐标、行驶速度和控制量,所述根据所述目标车辆的行驶参数确定所述目标车辆关于所述行驶参数的目标函数,包括:
基于所述目标车辆的中心点坐标、速度以及控制量的平方和确定所述目标车辆关于所述行驶参数的目标函数;
所述目标函数按照如下公式确定:
其中,
其中,pi(t)表示目标车辆的中心点,t表示时间,φi(t)表示目标车辆的路径弧长,表示参考轨迹上t时刻的目标车辆的中心点,Si表示目标车辆的中心点的权重矩阵,ui(t)表示目标车辆的控制量,Ri表示目标车辆的控制量的权重矩阵,vi(t)表示目标车辆的速度,/>表示参考轨迹上t时刻的目标车辆的速度,ri表示目标车辆的速度的协方差,/>m表示路口范围内的车辆总数,tf表示时间的上限,li(xi(t),ui(t),φi(t))表示目标车辆跟踪预定轨迹的函数。
在一些可选的实施方式中,所述基于所述目标车辆的几何模型以及所述距离约束条件对所述目标函数进行优化,以对所述目标车辆进行控制,包括:
基于所述目标车辆的几何模型以及所述距离约束条件确定所述目标函数的约束条件;
基于所述目标函数的约束条件对所述目标函数进行优化,以对所述目标车辆进行控制;
所述目标函数的约束条件按照如下公式确定:
G(ζij(t),pi(t),pj(t),θi(t),θj(t))≤0
其中,tf表示时间的上限,t表示时间,m表示路口范围内的车辆总数,表示所述目标车辆的运动模型,xi(t)表示目标车辆的状态量,/>表示目标车辆的初始状态,表示目标车辆的速度,/>表示目标车辆在初始时刻的速度,vi(t)表示目标车辆的速度,/>表示目标车辆i的速度上限,ui(t)表示目标车辆i的控制量,u i、/>分别表示目标车辆i的控制量的上下限,ζij(t)表示目标车辆i和其他车辆j基于椭圆模型的距离约束条件,pi(t)表示目标车辆的中心点,pj(t)表示其他车辆的中心点,θi(t)目标车辆i当前行驶方向与坐标系x轴之间的夹角,θj(t)表示其他车辆j当前行驶方向与坐标系x轴之间的夹角,M(t)表示路口范围内所有车辆组成的时变图网络,li(xi(t),ui(t),φi(t))表示目标车辆跟踪预定轨迹的函数。
第二方面,本发明实施例提供了一种车辆控制装置,所述装置包括:
模型确定模块,用于当目标车辆在路口范围内,分别基于目标车辆的几何参数以及所述路口范围内的其他车辆的几何参数,确定所述目标车辆的几何模型以及所述其他车辆的几何模型,所述几何模型包括形状矩阵;
距离计算模块,用于基于所述目标车辆的几何模型与所述其他车辆的几何模型计算所述目标车辆与所述其他车辆之间的距离,得到所述目标车辆的距离约束条件;
函数确定模块,用于根据所述目标车辆的行驶参数确定所述目标车辆关于所述行驶参数的目标函数;
函数优化模块,用于基于所述目标车辆的几何模型以及所述距离约束条件对所述目标函数进行优化,以对所述目标车辆进行控制。
第三方面,本发明实施例提供了一种计算机设备,包括:存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行上述第一方面或其对应的任一实施方式的车辆控制方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的车辆控制方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明一些实施例的车辆控制方法的流程示意图;
图2是根据本发明一些实施例的路口范围车辆避免碰撞的约束条件示意图;
图3是根据本发明一些实施例的运动模型示意图;
图4是根据本发明实施例的车辆控制装置的结构框图;
图5是本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域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例,都属于本发明保护的范围。
根据本发明实施例,提供了一种车辆控制方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明提供的车辆控制方法可用于车辆的控制系统,以在路口对车辆进行控制,避免发生碰撞。
在本实施例中提供了一种车辆控制方法,图1是根据本发明实施例的车辆控制方法的流程图,如图1所示,该流程包括如下步骤:
步骤S11,当目标车辆在路口范围内,分别基于目标车辆的几何参数以及路口范围内的其他车辆的几何参数,确定目标车辆的几何模型以及其他车辆的几何模型,所述几何模型包括形状矩阵。
目标车辆指待控制车辆,由于路口车辆较多,为避免发生碰撞,以路口为中心划定路口范围,当目标车辆行驶进入路口范围时,将自动开启本方法,从而对目标车辆进行控制。其他车辆指在路口范围内,且在目标车辆的预设范围内的所有车辆,预设范围指有效通讯距离。几何参数包括车辆的长、宽、中心点坐标以及车辆的行驶角度,其中,以车辆的初始行驶方向或大地坐标系正东方向作为坐标系x轴,行驶角度可以认为是车辆当前行驶方向与坐标系x轴之间的夹角。
将每辆车简化为一种几何形状,并根据具体的几何形状对目标车辆和其他车辆进行几何模型的构建。几何模型的构建方法需要结合设定的几何形状进行确定,形状矩阵是关于几何参数的矩阵,是根据几何形状确定的。
对于目标车辆来说,其他车辆的几何参数可以根据目标车辆的传感器获取,也可以基于车联网系统通过无线通信的方式获取,具体的获取方式不作限定。
步骤S12,基于目标车辆的几何模型与其他车辆的几何模型计算目标车辆与其他车辆之间的距离,得到目标车辆的距离约束条件。
为了计算目标车辆与其他车辆之间的距离,需要考虑目标车辆与其他车辆简化的几何形状,根据几何形状之间的距离定义来求解两种形状之间的最短距离。具体需要根据目标车辆的几何模型与其他车辆的几何模型进行计算,确定求解最短距离的方程,并对方程进行求解,从而得到最优解,作为目标车辆的距离约束条件。距离约束条件中包含了目标车辆和其他车辆在距离求解问题中的最优解,使得目标车辆与其他车辆之间满足车辆安全行驶的最小安全距离。
步骤S13,根据目标车辆的行驶参数确定目标车辆关于行驶参数的目标函数。
行驶参数包括目标车辆的速度、方向、加速度等,目标车辆设有用于生成自己行驶过程中二维参考轨迹的路径规划器,可根据路径跟踪算法来追踪参考轨迹,从而将参考轨迹参数化,从而得到目标车辆的参考轨迹的函数,即目标函数。
步骤S14,基于目标车辆的几何模型以及距离约束条件对目标函数进行优化,以对目标车辆进行控制。
可以根据目标车辆的几何模型以及距离约束条件确定关于目标函数的约束条件,从而根据约束条件对目标函数进行优化。在每一步迭代中,需要结合目标车辆的行驶参数和几何参数、其他车辆的几何参数以及预测参考轨迹进行求解,从而完成对模型预测控制问题的求解。具体的求解算法不作限定,可以通过ALADIN算法求解该优化问题。其中,其他车辆的预测参考轨迹可以通过其他车辆上的模型预测控制器求解得到。
根据对目标函数的优化结果调节目标车辆的速度与行驶方向,避免目标车辆在路口范围内发生碰撞。
本发明实施方式提供的车辆控制方法,当目标车辆在路口范围内,根据目标车辆的几何参数以及路口范围内其他车辆的几何参数构建目标车辆的几何模型以及其他车辆的几何模型,在此基础上计算目标车辆与其他车辆之间的距离,从而得到目标车辆的距离约束条件,根据距离约束条件和几何模型优化目标函数。在该方法中通过几何建模,充分利用可行驶区域,且优化的目标函数仅涉及目标函数本身的行驶参数,可有效提高该方法的可拓展性以及计算效率。
在一些可选的实施方式中,当几何模型为椭圆模型,上述图1中的步骤S11包括如下步骤:
S111,获取目标车辆的几何参数以及路口范围内的其他车辆的几何参数。
几何参数包括车辆的长、宽、中心点坐标以及车辆的行驶角度,其中,以车辆的初始行驶方向或大地坐标系正东方向作为坐标系x轴,行驶角度可以认为是车辆当前行驶方向与坐标系x轴之间的夹角。
对于目标车辆来说,其他车辆的几何参数可以根据目标车辆的传感器获取,也可以基于车联网系统通过无线通信的方式获取,具体的获取方式不作限定。
S112,分别基于目标车辆的几何参数以及路口范围内的其他车辆的几何参数确定目标车辆的椭圆模型以及其他车辆的椭圆模型。
在本实施方式中,将每辆车看作一个椭圆,椭圆为车辆的外接椭圆。形状矩阵是关于几何参数的矩阵,以目标车辆的初始行驶方向或大地坐标系正东方向作为坐标系x轴。
具体地,形状矩阵按照如下公式确定:
其中,rx表示椭圆的半长轴,ry表示椭圆的半短轴,θ表示目标车辆或其他车辆当前行驶方向与坐标系x轴之间的夹角,所述椭圆为所述目标车辆或其他车辆的外接椭圆;
所述椭圆模型按照如下公式确定:
E(g,Q(θ))
其中,q表示目标车辆或其他车辆的中心点,Q(θ)表示目标车辆或其他车辆的形状矩阵。
在本实施方式中,将目标车辆或其他车辆都视作一个中心在q,形状矩阵为Q(θ)的椭圆E=(q,Q(θ))。
本发明实施方式中,分别基于目标车辆的几何参数和其他车辆的几何参数分别建立目标车辆的椭圆模型以及其他车辆的椭圆模型,将车辆看作二维平面上的椭圆,可最大程度地利用可行驶区域,提高路口的车流量。
在一些可选的实施方式中,上述图1中的步骤S12包括如下步骤:
S121,基于目标车辆的几何模型与其他车辆的几何模型确定目标车辆与其他车辆之间的距离平方的和的优化问题;
S122,对优化问题的一阶最优性条件进行拓展,得到目标车辆的距离约束条件。
对于路口范围内的车辆,为保证目标车辆和其他车辆之间不发生碰撞,需要目标车辆与其他车辆之间保持一定距离。
如图2所示的路口范围车辆避免碰撞的约束条件示意图,对于一个给定的交通网络,符号i∈{1,...,m}用来表示第i辆参与协调的车辆编号,m表示路口范围内的车辆总数,集合表示网络里相邻车辆的检索对,在本实施方式中可以认为是其他车辆中的任意一辆与目标车辆构成的检索对。若/>目标车辆与其他车辆之间需要保持一定的安全距离dij以此避免碰撞的发生。
具体地,以椭圆建模的车辆为例,将目标车辆视作中心在q1,形状矩阵为Q1的椭圆E(q1,Q1),将其他车辆视作中心在q2,形状矩阵为Q2的椭圆E(q2,Q2)。
两个椭圆之间的距离的平方可由以下优化问题的最优值得到:
其中,表示优化问题,ξ1表示椭圆1上的点,ξ2表示椭圆2上的点,δ1和δ2分别表示对应约束条件的拉格朗日乘子,可利用拉格朗日乘子将该优化问题转换为对偶优化问题,得到如下:
其中,L(ξ,δ)表示对偶优化问题,ξ1表示椭圆1上的点,ξ2表示椭圆2上的点。
由于优化问题是强凸的,其可行域非空且有界,因此具有强对偶性,对其的一阶最优性条件进行拓展可以得到:
其中,(ξ*,δ*)表示优化问题的最优解,令和/>根据两个椭圆之间的距离定义,得到距离约束条件。
距离约束条件按照如下公式确定:
其中,
其中,ζ1(δ)表示目标车辆的几何模型上的点,ζ2(δ)表示其他车辆的几何模型上的点,q1表示目标车辆的中心点,q2表示其他车辆的中心点,d12表示目标车辆与其他车辆之间的最小距离,Q1表示目标车辆的形状矩阵,Q2表示其他车辆的形状矩阵,δ表示拉格朗日乘子。
对于椭圆建模的目标车辆和其他车辆,两车之间的安全距离可表示为dist(E(q1,Q1),E(q2,Q2))≥d12,该公式成立当且仅当存在使得:
其中,最小距离通过预先设置存储在系统中。在本实施方式中,形状矩阵为椭圆矩阵。
在一些可选的实施方式中,行驶参数至少包括目标车辆的中心点坐标、行驶速度和控制量,上述图1中的S13包括:
基于所述目标车辆的中心点坐标、速度以及控制量的平方和确定目标车辆关于行驶参数的目标函数。
所述目标函数按照如下公式确定:
其中,
其中,pi(t)表示目标车辆的中心点,t表示时间,φi(t)表示目标车辆的路径弧长,表示参考轨迹上t时刻的目标车辆的中心点,Si表示目标车辆的中心点的权重矩阵,ui(t)表示目标车辆的控制量,Ri表示目标车辆的控制量的权重矩阵,vi(t)表示目标车辆的速度,/>表示参考轨迹上t时刻的目标车辆的速度,ri表示目标车辆的速度的协方差,/>m表示路口范围内的车辆总数,tf表示时间的上限,tf表示时间的上限,li(xi(t),ui(t),φi(t))表示目标车辆跟踪预定轨迹的函数。
控制量包括目标车辆的油门以及方向盘转角,是目标车辆在行驶过程中可以直接获得的。
假设每个车辆都有用于生成自己行驶过程中二维参考轨迹的路径规划器。采用路径跟踪算法来追踪参考轨迹,将参考轨迹参数化,用函数/> 来表示,时变参数φi将依照目标车辆行驶过程中的特性(例如:速度、加速度等)而随之变化:
其中,φi表示参考路径的弧长,vi(t)表示目标车辆的速度,参考路径是车辆基于周围静态环境、起点和终点用路径规划器生成的路径。同时,目标车辆跟踪预定轨迹的函数可以表示为:
本实施方式中,根据所述目标车辆的行驶参数确定所述目标车辆关于行驶参数的目标函数,考虑了车辆对协同任务的即插即用。当有车辆离开路口时,可以离开模型,当新的车辆到达路口,可加入模型,极大提高了系统的可扩展性。
进一步地,上述图1中的步骤S14包括如下步骤:
S141,基于目标车辆的几何模型以及距离约束条件确定目标函数的约束条件;
S142,基于目标函数的约束条件对目标函数进行优化,以对目标车辆进行控制。
所述目标函数的约束条件按照如下公式确定:
G(ζij(t),pi(t),pj(t),θi(t),θj(t))≤0
其中,tf表示时间的上限,t表示时间,m表示路口范围内的车辆总数,表示所述目标车辆的运动模型,xi(t)表示目标车辆的状态量,/>表示目标车辆的初始状态,表示目标车辆的速度,/>表示目标车辆在初始时刻的速度,vi(t)表示目标车辆的速度,/>表示目标车辆i的速度上限,ui(t)表示目标车辆的控制量,u i、/>分别表示目标车辆的控制量的上下限,ζij(t)表示目标车辆i和其他车辆j基于椭圆模型的距离约束条件,pi(t)表示目标车辆的中心点,pj(t)表示其他车辆的中心点,θi(t)目标车辆i当前行驶方向与坐标系x轴之间的夹角,θj(t)表示其他车辆j当前行驶方向与坐标系x轴之间的夹角,M(t)表示路口范围内所有车辆组成的时变图网络,li(xi(t),ui(t),φi(t))表示目标车辆跟踪预定轨迹的函数。
以车辆的初始行驶方向或大地坐标系正东方向作为坐标系x轴,状态量是车辆的位置、朝向、角速度、加速度等的集合,初始状态表示车辆在进入路口范围时的状态量。
本实施方式中,考虑二维平面运动的车辆,利用Dubin模型来描述车辆的运动,如图3所示。Dubin运动模型描述如下:
其中,表示目标车辆的运动模型,v表示速度,θ表示目标车辆或其他车辆的行驶角度,α表示加速度,ω表示角速度。
状态量x=(px,py,v,θ)T,控制量u=(α,ω)T,p=(px,py)表示目标车辆的二维坐标位置。
在每一步迭代中,需要结合目标车辆的行驶参数和几何参数、其他车辆的几何参数以及预测参考轨迹进行求解,从而完成对模型预测控制问题的求解。具体的求解算法不作限定,可以通过ALADIN算法求解该优化问题。其中,其他车辆的预测参考轨迹可以通过其他车辆上的模型预测控制器求解得到。
根据对目标函数的优化结果调节目标车辆的速度与行驶方向,避免目标车辆在路口范围内发生碰撞。
本实施方式中,提出基于Dubin运动模型的分布式控制算法,实现高效安全的路口范围的车辆控制。
在本实施例中还提供了一种车辆控制装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种车辆控制装置,如图4所示,包括:
模型确定模块,用于当目标车辆在路口范围内,分别基于目标车辆的几何参数以及所述路口范围内的其他车辆的几何参数,确定所述目标车辆的几何模型以及所述其他车辆的几何模型,所述几何模型包括形状矩阵;
距离计算模块,用于基于所述目标车辆的几何模型与所述其他车辆的几何模型计算所述目标车辆与所述其他车辆之间的距离,得到所述目标车辆的距离约束条件;
函数确定模块,用于根据所述目标车辆的行驶参数确定所述目标车辆关于所述行驶参数的目标函数;
函数优化模块,用于基于所述目标车辆的几何模型以及所述距离约束条件对所述目标函数进行优化,以对所述目标车辆进行控制。
在一些可选的实施方式中,模型确定模块包括:
参数获取单元,用于获取所述目标车辆的几何参数以及所述路口范围内的其他车辆的几何参数;
模型确定单元,用于分别基于目标车辆的几何参数以及所述路口范围内的其他车辆的几何参数确定目标车辆的椭圆模型以及所述其他车辆的椭圆模型。
在一些可选的实施方式中,所述形状矩阵按照如下公式确定:
其中,rx表示椭圆的半长轴,ry表示椭圆的半短轴,θ表示目标车辆或其他车辆当前行驶方向与坐标系x轴之间的夹角,所述椭圆为所述目标车辆或其他车辆的外接椭圆;
所述椭圆模型按照如下公式确定:
E(q,Q(θ))
其中,q表示目标车辆或其他车辆的中心点,Q(θ)表示目标车辆或其他车辆的形状矩阵。
在一些可选的实施方式中,距离计算模块包括:
第一计算单元,用于基于所述目标车辆的几何模型与所述其他车辆的几何模型确定所述目标车辆与其他车辆之间的距离平方的和的优化问题;
第二计算单元,用于对所述优化问题的一阶最优性条件进行拓展,得到所述目标车辆的距离约束条件。
在一些可选的实施方式中,所述距离约束条件按照如下公式确定:
其中,
其中,ζ1(δ)表示目标车辆的几何模型上的点,ζ2(δ)表示其他车辆的几何模型上的点,q1表示目标车辆的中心点,q2表示其他车辆的中心点,d12表示目标车辆与其他车辆之间的距离,Q1表示目标车辆的形状矩阵,Q2表示其他车辆的形状矩阵,δ表示拉格朗日乘子。
在一些可选的实施方式中,所述行驶参数至少包括目标车辆的中心点坐标、行驶速度和控制量,函数确定模块包括:
函数确定单元,用于基于所述目标车辆的中心点坐标、速度以及控制量的平方和确定所述目标车辆关于所述行驶参数的目标函数;
所述目标函数按照如下公式确定:
其中,
其中,pi(t)表示目标车辆的中心点,t表示时间,φi(t)表示目标车辆的路径弧长,表示参考轨迹上t时刻的目标车辆的中心点,Si表示目标车辆的中心点的权重矩阵,ui(t)表示目标车辆的控制量,Ri表示目标车辆的控制量的权重矩阵,vi(t)表示目标车辆的速度,/>表示参考轨迹上t时刻的目标车辆的速度,ri表示目标车辆的速度的协方差,/>m表示路口范围内的车辆总数,tf表示时间的上限,li(xi(t),ui(t),φi(t))表示目标车辆跟踪预定轨迹的函数。
在一些可选的实施方式中,函数优化模块包括:
第一优化单元,用于基于所述目标车辆的几何模型以及所述距离约束条件确定所述目标函数的约束条件;
第二优化单元,用于基于所述目标函数的约束条件对所述目标函数进行优化,以对所述目标车辆进行控制;
所述目标函数的约束条件按照如下公式确定:
G(ζij(t),pi(t),pj(t),θi(t),θj(t))≤0
其中,tf表示时间的上限,t表示时间,m表示路口范围内的车辆总数,表示所述目标车辆的运动模型,xi(t)表示目标车辆的状态量,/>表示目标车辆的初始状态,表示目标车辆的速度,/>表示目标车辆在初始时刻的速度,vi(t)表示目标车辆的速度,/>表示目标车辆的速度上限,ui(t)表示目标车辆的控制量,u i、/>分别表示目标车辆的控制量的上下限,ζij(t)表示目标车辆i和其他车辆j基于椭圆模型的距离约束条件,pi(t)表示目标车辆的中心点,pj(t)表示其他车辆的中心点,θi(t)目标车辆i当前行驶方向与坐标系x轴之间的夹角,θj(t)表示其他车辆j当前行驶方向与坐标系x轴之间的夹角,M(t)表示路口范围内所有车辆组成的时变图网络,li(xi(t),ui(t),φi(t))表示目标车辆跟踪预定轨迹的函数。
本实施例中的车辆控制装置是以功能单元的形式来呈现,这里的单元是指ASIC电路,执行一个或多个软件或固定程序的处理器和存储器,和/或其他可以提供上述功能的器件。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
本发明实施例还提供一种计算机设备,具有上述车辆控制装置。
请参阅图5,图5是本发明可选实施例提供的一种计算机设备的结构示意图,如图5所示,该计算机设备包括:一个或多个处理器10、存储器20,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相通信连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个计算机设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器10为例。
处理器10可以是中央处理器,网络处理器或其组合。其中,处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路,可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件,现场可编程逻辑门阵列,通用阵列逻辑或其任意组合。
其中,所述存储器20存储有可由至少一个处理器10执行的指令,以使所述至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据一种小程序落地页的展现的计算机设备的使用所创建的数据等。此外,存储器20可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中,存储器20可选包括相对于处理器10远程设置的存储器,这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器,例如,随机存取存储器;存储器也可以包括非易失性存储器,例如,快闪存储器,硬盘或固态硬盘;存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括通信接口30,用于该计算机设备与其他设备或通信网络通信。
本发明实施例还提供了一种计算机可读存储介质,上述根据本发明实施例的方法可在硬件、固件中实现,或者被实现为可记录在存储介质,或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中,存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等;进一步地,存储介质还可以包括上述种类的存储器的组合。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件,当软件或计算机代码被计算机、处理器或硬件访问且执行时,实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (9)
1.一种车辆控制方法,其特征在于,所述方法包括:
当目标车辆在路口范围内,分别基于目标车辆的几何参数以及所述路口范围内的其他车辆的几何参数,确定所述目标车辆的几何模型以及所述其他车辆的几何模型,所述几何模型包括形状矩阵;
基于所述目标车辆的几何模型与所述其他车辆的几何模型计算所述目标车辆与所述其他车辆之间的距离,得到所述目标车辆的距离约束条件;
根据所述目标车辆的行驶参数确定所述目标车辆关于所述行驶参数的目标函数;
基于所述目标车辆的几何模型以及所述距离约束条件对所述目标函数进行优化,以对所述目标车辆进行控制;
所述距离约束条件按照如下公式确定:
其中,
其中,ζ1(δ)表示目标车辆的几何模型上的点,ζ2(δ)表示其他车辆的几何模型上的点,q1表示目标车辆的中心点,q2表示其他车辆的中心点,d12表示目标车辆与其他车辆之间的距离,Q1表示目标车辆的形状矩阵,Q2表示其他车辆的形状矩阵,δ表示拉格朗日乘子。
2.根据权利要求1所述的方法,其特征在于,当所述几何模型为椭圆模型,所述分别基于目标车辆的几何参数以及所述路口范围内的其他车辆的几何参数,确定所述目标车辆的几何模型以及所述其他车辆的几何模型,包括:
获取所述目标车辆的几何参数以及所述路口范围内的其他车辆的几何参数;
分别基于目标车辆的几何参数以及所述路口范围内的其他车辆的几何参数确定目标车辆的椭圆模型以及所述其他车辆的椭圆模型。
3.根据权利要求2所述的方法,其特征在于,所述形状矩阵按照如下公式确定:
其中,rx表示椭圆的半长轴,ry表示椭圆的半短轴,θ表示目标车辆或其他车辆当前行驶方向与坐标系x轴之间的夹角,所述椭圆为所述目标车辆或其他车辆的外接椭圆;
所述椭圆模型按照如下公式确定:
E(q,Q(θ))
其中,q表示目标车辆或其他车辆的中心点,Q(θ)表示目标车辆或其他车辆的形状矩阵。
4.根据权利要求1所述的方法,其特征在于,所述基于所述目标车辆的几何模型与所述其他车辆的几何模型计算所述目标车辆与所述其他车辆之间的距离,得到所述目标车辆的距离约束条件,包括:
基于所述目标车辆的几何模型与所述其他车辆的几何模型确定所述目标车辆与其他车辆之间的距离平方的和的优化问题;
对所述优化问题的一阶最优性条件进行拓展,得到所述目标车辆的距离约束条件。
5.根据权利要求1所述的方法,其特征在于,所述行驶参数至少包括目标车辆的中心点坐标、行驶速度和控制量,所述根据所述目标车辆的行驶参数确定所述目标车辆关于所述行驶参数的目标函数,包括:
基于所述目标车辆的中心点坐标、速度以及控制量的平方和确定所述目标车辆关于所述行驶参数的目标函数;
所述目标函数按照如下公式确定:
其中,
其中,pi(t)表示目标车辆的中心点,t表示时间,φi(t)表示目标车辆的路径弧长,表示参考轨迹上t时刻的目标车辆的中心点,Si表示目标车辆的中心点的权重矩阵,ui(t)表示目标车辆的控制量,Ri表示目标车辆的控制量的权重矩阵,vi(t)表示目标车辆的速度,/>表示参考轨迹上t时刻的目标车辆的速度,ri表示目标车辆的速度的协方差,/>m表示路口范围内的车辆总数,tf表示时间的上限,li(xi(t),ui(t),φi(t))表示目标车辆跟踪预定轨迹的函数,xi(t)表示目标车辆的状态量。
6.根据权利要求5中所述的方法,其特征在于,所述基于所述目标车辆的几何模型以及所述距离约束条件对所述目标函数进行优化,以对所述目标车辆进行控制,包括:
基于所述目标车辆的几何模型以及所述距离约束条件确定所述目标函数的约束条件;
基于所述目标函数的约束条件对所述目标函数进行优化,以对所述目标车辆进行控制;
所述目标函数的约束条件按照如下公式确定:
G(ζij(t),pi(t),pj(t),θi(t),θj(t))≤0
其中,tf表示时间的上限,t表示时间,m表示路口范围内的车辆总数,表示所述目标车辆的运动模型,xi(t)表示目标车辆的状态量,/>表示目标车辆的初始状态,/>表示目标车辆的速度,/>表示目标车辆在初始时刻的速度,vi(t)表示目标车辆的速度,/>表示目标车辆的速度上限,ui(t)表示目标车辆的控制量,/>分别表示目标车辆的控制量的上下限,ζij(t)表示目标车辆i和其他车辆j基于椭圆模型的距离约束条件,pi(t)表示目标车辆的中心点,pj(t)表示其他车辆的中心点,θi(t)目标车辆i当前行驶方向与坐标系x轴之间的夹角,θj(t)表示其他车辆j当前行驶方向与坐标系x轴之间的夹角,M(t)表示路口范围内所有车辆组成的时变图网络,li(xi(t),ui(t),φi(t))表示目标车辆跟踪预定轨迹的函数,G(ζij,pi(t),pi(t),θi(t),θj(t))用于表征距离约束条件的函数。
7.一种车辆控制装置,其特征在于,所述装置包括:
模型确定模块,用于当目标车辆在路口范围内,分别基于目标车辆的几何参数以及所述路口范围内的其他车辆的几何参数,确定所述目标车辆的几何模型以及所述其他车辆的几何模型,所述几何模型包括形状矩阵;
距离计算模块,用于基于所述目标车辆的几何模型与所述其他车辆的几何模型计算所述目标车辆与所述其他车辆之间的距离,得到所述目标车辆的距离约束条件;
函数确定模块,用于根据所述目标车辆的行驶参数确定所述目标车辆关于所述行驶参数的目标函数;
函数优化模块,用于基于所述目标车辆的几何模型以及所述距离约束条件对所述目标函数进行优化,以对所述目标车辆进行控制;
所述距离约束条件按照如下公式确定:
其中,
其中,ζ1(δ)表示目标车辆的几何模型上的点,ζ2(δ)表示其他车辆的几何模型上的点,q1表示目标车辆的中心点,q2表示其他车辆的中心点,d12表示目标车辆与其他车辆之间的距离,Q1表示目标车辆的形状矩阵,Q2表示其他车辆的形状矩阵,δ表示拉格朗日乘子。
8.一种计算机设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1至6中任一项所述的车辆控制方法。
9.一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计算机指令,所述计算机指令用于使计算机执行权利要求1至6中任一项所述的车辆控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310703795.1A CN116674562B (zh) | 2023-06-13 | 2023-06-13 | 车辆控制方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310703795.1A CN116674562B (zh) | 2023-06-13 | 2023-06-13 | 车辆控制方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116674562A CN116674562A (zh) | 2023-09-01 |
CN116674562B true CN116674562B (zh) | 2024-01-30 |
Family
ID=87790599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310703795.1A Active CN116674562B (zh) | 2023-06-13 | 2023-06-13 | 车辆控制方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116674562B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017001878A1 (de) * | 2016-03-14 | 2017-09-14 | Scania Cv Ab | Verfahren und Steuereinheit in einer Gruppe von koordinierten Fahrzeugen |
CN111857135A (zh) * | 2020-06-30 | 2020-10-30 | 北京百度网讯科技有限公司 | 用于车辆的避障方法、装置、电子设备和计算机存储介质 |
CN111930112A (zh) * | 2020-06-30 | 2020-11-13 | 广西科技大学 | 一种基于mpc的智能车辆路径跟踪控制方法及系统 |
CN114987461A (zh) * | 2022-05-20 | 2022-09-02 | 昆明理工大学 | 一种多车复杂交通环境下的智能客车动态变道轨迹规划方法 |
CN116080678A (zh) * | 2022-11-15 | 2023-05-09 | 清华大学 | 一种面向菱形车辆的自动驾驶避障规划方法及装置 |
CN116135639A (zh) * | 2021-11-16 | 2023-05-19 | 福特全球技术公司 | 车辆路径调整 |
CN116176574A (zh) * | 2021-11-26 | 2023-05-30 | 上海汽车集团股份有限公司 | 一种车辆行驶碰撞风险评估方法、系统、设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11520338B2 (en) * | 2020-02-27 | 2022-12-06 | Uatc, Llc | Systems and methods for vehicle spatial path sampling |
-
2023
- 2023-06-13 CN CN202310703795.1A patent/CN116674562B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017001878A1 (de) * | 2016-03-14 | 2017-09-14 | Scania Cv Ab | Verfahren und Steuereinheit in einer Gruppe von koordinierten Fahrzeugen |
CN111857135A (zh) * | 2020-06-30 | 2020-10-30 | 北京百度网讯科技有限公司 | 用于车辆的避障方法、装置、电子设备和计算机存储介质 |
CN111930112A (zh) * | 2020-06-30 | 2020-11-13 | 广西科技大学 | 一种基于mpc的智能车辆路径跟踪控制方法及系统 |
CN116135639A (zh) * | 2021-11-16 | 2023-05-19 | 福特全球技术公司 | 车辆路径调整 |
CN116176574A (zh) * | 2021-11-26 | 2023-05-30 | 上海汽车集团股份有限公司 | 一种车辆行驶碰撞风险评估方法、系统、设备和存储介质 |
CN114987461A (zh) * | 2022-05-20 | 2022-09-02 | 昆明理工大学 | 一种多车复杂交通环境下的智能客车动态变道轨迹规划方法 |
CN116080678A (zh) * | 2022-11-15 | 2023-05-09 | 清华大学 | 一种面向菱形车辆的自动驾驶避障规划方法及装置 |
Non-Patent Citations (1)
Title |
---|
汤经武、杨学敏.微型计算机在地质构造解析中的应用.中国地质大学出版社,1989,31-33. * |
Also Published As
Publication number | Publication date |
---|---|
CN116674562A (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111771141B (zh) | 自动驾驶车辆中使用3d cnn网络进行解决方案推断的lidar定位 | |
CN111971574B (zh) | 用于自动驾驶车辆的lidar定位的基于深度学习的特征提取 | |
EP3517893B1 (en) | Path and speed optimization fallback mechanism for autonomous vehicles | |
JP6757820B2 (ja) | 重み付け幾何学的コストを有する区分的螺旋曲線を使用した基準線平滑化方法 | |
JP7256758B2 (ja) | 自動運転車両においてrnnとlstmを用いて時間平滑化を行うlidar測位 | |
JP7086911B2 (ja) | 自動運転車両のためのリアルタイム意思決定 | |
CN109955853B (zh) | 用于操作自动驾驶车辆的方法、系统和存储介质 | |
JP7345676B2 (ja) | 自動または半自動運転車両の適応制御 | |
CN109900289B (zh) | 基于闭环控制的路径规划方法及装置 | |
CN109491377A (zh) | 用于自动驾驶车辆的基于dp和qp的决策和规划 | |
CN110531749A (zh) | 确定避开移动障碍物的自动驾驶的驾驶路径 | |
CN108255171A (zh) | 用于提高自主驾驶车辆的稳定性的方法和系统 | |
US20220083057A1 (en) | Systems and Methods to Control Autonomous Vehicle Motion | |
CN108684203A (zh) | 使用基于学习的模型预测控制来确定自动驾驶车辆的道路摩擦的方法和系统 | |
WO2023103692A1 (zh) | 自动驾驶的决策规划方法、电子设备及计算机存储介质 | |
CN109916421B (zh) | 路径规划方法及装置 | |
CN116674562B (zh) | 车辆控制方法、装置、计算机设备及存储介质 | |
RU2789921C2 (ru) | Способ и устройство для управления беспилотным автомобилем | |
Bajić et al. | Trajectory planning for autonomous vehicle using digital map | |
CN116052118A (zh) | 一种基于可达性分析的物体重要度判定方法及装置 | |
WO2024039866A1 (en) | Real time trajectory planning system with dynamic modelling of component level system latency for self driving vehicles | |
CN117490713A (zh) | 一种路径规划方法、装置、计算机设备及可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |