CN116719310A - 基于车路协同技术的隧道内自动驾驶车辆循迹控制方法及系统 - Google Patents

Abstract

本发明公开一种基于车路协同技术的隧道内自动驾驶车辆循迹控制方法，属于信息处理技术领域；该方法包括：获取车辆数据；获取路侧数据；根据路侧数据，计算得到置信度和路侧定位数据；根据路侧定位数据进行路径规划，得到导航规划路径；根据车辆数据、置信度、路侧定位数据和导航规划路径，对车辆进行导航。本发明还公开一种基于车路协同技术的隧道内自动驾驶车辆循迹控制系统。本发明只需要布设隧道内路侧设备，建立云端融合计算系统，即可为大量自动驾驶车辆提供循迹服务，不需要车辆大规模升级车载设备来解决自动驾驶车辆的隧道内循迹问题。

Description

基于车路协同技术的隧道内自动驾驶车辆循迹控制方法及 系统

技术领域

本发明涉及信息处理技术领域，具体涉及一种基于车路协同技术的隧道内自动驾驶车辆循迹控制方法及系统。

背景技术

自动驾驶车辆需要实时提供车身在世界坐标系中的位置信息，随着卫星定位技术的成熟，在空旷道路上可以通过GPS和RTK直接获得非常精确的定位结果。而在GPS信号弱或者完全失效的情况下，一般需要事先构建对应的高精地图，然后借助高精地图提供精确的定位结果。但是在高速公路中的长距离隧道场景中，车辆很长一段时间内无法获得稳定的GPS信号，现有的自动驾驶车辆的循迹行驶需要车辆定位，在隧道内，依靠卫星定位的车载定位系统失效，目前行业内都通过惯导来提供定位，最终实现车辆的循迹；

但是惯导设备价格昂贵，且随着惯导使能距离的长度而增加，不适合大面试使用，而且惯导设备本身的稳定性不足，将提高隧道内的循迹风险。

发明内容

本发明的目的在于提供一种定位精度可达自动驾驶控制要求的基于车路协同技术的隧道内自动驾驶车辆循迹控制方法及系统。

为解决上述技术问题，本发明提供一种基于车路协同技术的隧道内自动驾驶车辆循迹控制方法，包括以下步骤：

获取车辆数据；

获取路侧数据；

根据路侧数据，计算得到置信度和路侧定位数据；

根据路侧定位数据进行路径规划，得到导航规划路径；

根据车辆数据、置信度、路侧定位数据和导航规划路径，对车辆进行导航。

优选地，所述路侧数据包括传感器数据和车辆感知数据。

优选地，根据路侧数据，计算得到置信度和路侧定位数据，具体包括以下步骤：

根据传感器数据，计算得到置信度；

根据车辆感知数据，计算得到车辆和传感器之间的相对距离与速度；

根据传感器数据以及车辆和传感器之间的相对距离与速度，得到路侧定位数据。

优选地，根据传感器数据以及车辆和传感器之间的相对距离与速度，得到路侧定位数据，具体包括以下步骤：

根据传感器数据，计算出车辆绝对GPS坐标；

根据车辆和传感器之间的相对距离与速度，对车辆绝对GPS坐标进行插值处理，得到路侧定位数据。

优选地，根据车辆数据、置信度、路侧定位数据和导航规划路径，对车辆进行导航，具体包括以下步骤：

获取道路数据；

判断置信度是否为高置信度；

若置信度为高置信度，则以路侧定位数据作为车辆实际定位数据；

若置信度为低置信度，则根据车辆数据和道路数据进行积分位置估算，得到估算定位，以估算定位作为车辆实际定位数据；

根据车辆实际定位数据和导航规划路径，对车辆进行导航。

优选地，根据车辆实际定位数据和导航规划路径，对车辆进行导航，具体包括以下步骤：

根据车辆实际定位数据和车辆数据，结合导航规划路径，使用pid控制算法进行循迹控制。

优选地，所述高置信度为置信度大于等于60％；

所述低置信度为置信度小于60％。

优选地，所述估算定位的计算公式为：

式中：s为估算定位；R为道路数据中的道路曲率，α为车辆数据中的前轮转角，v为车辆车速。

优选地，还包括以下步骤：

在持续低置信度超过5s时，进行报警。

本发明还提供一种基于车路协同技术的隧道内自动驾驶车辆循迹控制系统，包括：

车载单元OBU，其用于获取车辆数据；

路侧感知设备，其用于获取路侧数据；

定位模块，其用于根据路侧数据，计算得到置信度和路侧定位数据；

路径规划模块，其用于根据路侧定位数据进行路径规划，得到导航规划路径；

导航模块，其用于根据车辆数据、置信度、路侧定位数据和导航规划路径，对车辆进行导航。

与现有技术相比，本发明的有益效果为：

1、云端融合路侧车辆感知数据和实时的车辆数据，在车辆行驶在隧道内时提供准确的云端高精度定位数据；

2、车辆以云端提供的定位数据为循迹依据，沿云端下发的规划轨迹进行自动驾驶循迹控制；

3、云端融合算法保证了车辆循迹控制所需的位置实时数据、规划轨迹数据的精度；

4、只需要布设隧道内路侧设备，建立云端融合系统，即可为大量自动驾驶车辆提供循迹服务，不需要车辆大规模升级车载设备来解决自动驾驶车辆的隧道内循迹问题；

5、定位精度可达自动驾驶控制要求。

附图说明

下面结合附图对本发明的具体实施方式作进一步详细说明。

图1是系统设备示意图；

图2是车路云协同通讯框图；

图3是云端融合定位流程图；

图4是车辆循迹流程图；

图5是本发明基于车路协同技术的隧道内自动驾驶车辆循迹控制方法的流程示意图。

具体实施方式

在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施的限制。

在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

下面结合附图对本发明做进一步的详细描述：

如图5所示，基于车路协同技术的隧道内自动驾驶车辆循迹控制方法，包括以下步骤：

获取车辆数据；

获取路侧数据；

根据路侧数据，计算得到置信度和路侧定位数据；

根据路侧定位数据进行路径规划，得到导航规划路径；

根据车辆数据、置信度、路侧定位数据和导航规划路径，对车辆进行导航。

优选地，所述路侧数据包括传感器数据和车辆感知数据。

优选地，根据路侧数据，计算得到置信度和路侧定位数据，具体包括以下步骤：

根据传感器数据，计算得到置信度；

根据车辆感知数据，计算得到车辆和传感器之间的相对距离与速度；

根据传感器数据以及车辆和传感器之间的相对距离与速度，得到路侧定位数据；

优选地，根据传感器数据以及车辆和传感器之间的相对距离与速度，得到路侧定位数据，具体包括以下步骤：

根据传感器数据，计算出车辆绝对GPS坐标；

根据车辆和传感器之间的相对距离与速度，对车辆绝对GPS坐标进行插值处理，得到路侧定位数据。

优选地，根据车辆数据、置信度、路侧定位数据和导航规划路径，对车辆进行导航，具体包括以下步骤：

获取道路数据；

判断置信度是否为高置信度；

若置信度为高置信度，则以路侧定位数据作为车辆实际定位数据；

若置信度为低置信度，则根据车辆数据和道路数据进行积分位置估算，得到估算定位，以估算定位作为车辆实际定位数据；

根据车辆实际定位数据和导航规划路径，对车辆进行导航。

优选地，根据车辆实际定位数据和导航规划路径，对车辆进行导航，具体包括以下步骤：

根据车辆实际定位数据和车辆数据，结合导航规划路径，使用pid控制算法进行循迹控制。

优选地，所述道路数据包括道路曲率；所述车辆数据包括前轮转角。

优选地，所述高置信度为置信度大于等于60％；

所述低置信度为置信度小于60％。

优选地，所述估算定位的计算公式为：

式中：s为估算定位；R为道路数据中的道路曲率，α为车辆数据中的前轮转角，v为车辆车速。

优选地，还包括以下步骤：

在持续低置信度超过5s时，进行报警。

本发明还提供一种基于车路协同技术的隧道内自动驾驶车辆循迹控制系统，包括：

车载单元OBU，其用于获取车辆数据；

路侧感知设备，其用于获取路侧数据；

定位模块，其用于根据路侧数据，计算得到置信度和路侧定位数据；

路径规划模块，其用于根据路侧定位数据进行路径规划，得到导航规划路径；

导航模块，其用于根据车辆数据、置信度、路侧定位数据和导航规划路径，对车辆进行导航。

为了更好的说明本发明的技术效果，本发明提供如下具体实施例说明上述技术流程：

实施例1、基于车路协同技术的隧道内自动驾驶车辆循迹控制系统，在隧道内布设路侧感知设备，车辆在进入隧道后，云端融合系统将车辆实时数据与路侧车辆感知数据进行融合计算，最后将路侧车辆感知数据的高精度的定位数据和规划的循迹数据下发给车辆。车辆基于这些数据进行PID循迹控制，完成在隧道内的自动驾驶循迹。

由图1所示，本系统中具备车端、路端和云端设备：

车辆设备：需要有车载单元OBU，可以与云端系统进行通讯，将车辆数据上传到云端系统中；同时接收云端提供的定位和路径规划数据，进行车辆循迹控制；

路侧感知设备：包含但不限于毫米波雷达、智能摄像机、激光雷达等传感器组合；安装在隧道内，其中间隔大约在200米，可以更具隧道内情况进行调整，弯道曲度大可以减少安装间隔。能够识别覆盖范围内的车辆，提供路侧识别的车辆位置数据；

云端融合系统：远程服务器，包括定位模块和路径规划模块。定位模块用于根据路侧数据，计算得到置信度和路侧定位数据；路径规划模块用于根据路侧定位数据进行路径规划，得到导航规划路径。云端融合系统处理路侧感知设备和车载OBU上传的数据，可以将导航规划路径和路侧定位数据下发给车载OBU。

车云间通过5G网络进行通讯，保证数据以低延迟进行稳定传输；

车路间通过光纤有线连接，保证视频、点云等大体量数据低延迟进行传输；

车路云三方如图2所示进行数据的交互，按照以下描述协同运作，完成车辆在隧道内的自动驾驶循迹。现针对各方进行实例的描述：

一、路端：

使用多种传感器识别其覆盖范围内的车辆，提供车辆的位置、车速、车牌、航向角等信息并上传云端；

二、云端，基于路侧和车辆数据提供车辆循迹所需信息：如图3所示，包括以下步骤：

1.隧道内的路侧感知设备检测隧道内车辆，结合图像及雷达数据计算出车辆和传感器间的相对距离与速度，根据传感器安装的绝对位置计算出车辆绝对GPS坐标；

2.云端始终通过5g网络获取高频的车辆定位数据，数据上传频率20ms/次；由于路侧感知频率一般低于20ms，约100ms一次，在路侧感知间隙中，结合步骤1得到的车辆和传感器间的相对速度，对车辆定位数据进行插值处理，提供更高频的估算的路侧GPS识别数据作为路侧定位数据；

3.同时，根据传感器能力，输出位置的置信度，置信度随着隧道内光线、数据传输延迟、障碍物距离等自动进行计算。

4.云端实时下发隧道内车辆所处道路曲率至车辆端，道路曲率为预设的道路数据；

5.云端根据路侧定位数据规划车辆至其前方100米范围内轨迹，下发至车端；每3秒进行一次规划的pid控制算法进行循迹控制。

三、车端，接收云端下发循迹数据，在隧道内进行循迹控制：

1.车辆端始终采集本车的车辆车速、方向盘、横摆角速度等车辆数据，当路侧识别GPS置信度低于60％时，开始根据车辆信息和道路曲率进行车辆位置的积分估算：

式中：s为估算定位；R为道路曲率；α为前轮转角；v为车辆车速。

并且使用该估算定位作为车辆实际定位数据；

2.当置信度重新高于60％后停止估算流程，并且直接使用云端下发的高置信度GPS数据作为车辆实际定位数据；

3.车端使用综和判断后获取的GPS位置数据、航向角数据，结合云端路径规划数据，使用经典的pid控制算法进行循迹控制。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块、模组或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元、模组或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。

所述单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)执行时，执行本发明的方法中限定的上述功能。需要说明的是，本发明上述的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或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线段、或半导体的系统、装置或器件，或者任意以上的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何在本发明揭露的技术范围内的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.基于车路协同技术的隧道内自动驾驶车辆循迹控制方法，其特征在于，包括以下步骤：

获取车辆数据；

获取路侧数据；

根据路侧数据，计算得到置信度和路侧定位数据；

根据路侧定位数据进行路径规划，得到导航规划路径；

根据车辆数据、置信度、路侧定位数据和导航规划路径，对车辆进行导航。

2.根据权利要求1所述的基于车路协同技术的隧道内自动驾驶车辆循迹控制方法，其特征在于：

所述路侧数据包括传感器数据和车辆感知数据。

3.根据权利要求2所述的基于车路协同技术的隧道内自动驾驶车辆循迹控制方法，其特征在于，根据路侧数据，计算得到置信度和路侧定位数据，具体包括以下步骤：

根据传感器数据，计算得到置信度；

根据车辆感知数据，计算得到车辆和传感器之间的相对距离与速度；

根据传感器数据以及车辆和传感器之间的相对距离与速度，得到路侧定位数据。

4.根据权利要求3所述的基于车路协同技术的隧道内自动驾驶车辆循迹控制方法，其特征在于，根据传感器数据以及车辆和传感器之间的相对距离与速度，得到路侧定位数据，具体包括以下步骤：

根据传感器数据，计算出车辆绝对GPS坐标；

根据车辆和传感器之间的相对距离与速度，对车辆绝对GPS坐标进行插值处理，得到路侧定位数据。

5.根据权利要求1所述的基于车路协同技术的隧道内自动驾驶车辆循迹控制方法，其特征在于，根据车辆数据、置信度、路侧定位数据和导航规划路径，对车辆进行导航，具体包括以下步骤：

获取道路数据；

判断置信度是否为高置信度；

若置信度为高置信度，则以路侧定位数据作为车辆实际定位数据；

若置信度为低置信度，则根据车辆数据和道路数据进行积分位置估算，得到估算定位，以估算定位作为车辆实际定位数据；

根据车辆实际定位数据和导航规划路径，对车辆进行导航。

6.根据权利要求5所述的基于车路协同技术的隧道内自动驾驶车辆循迹控制方法，其特征在于，根据车辆实际定位数据和导航规划路径，对车辆进行导航，具体包括以下步骤：

根据车辆实际定位数据和车辆数据，结合导航规划路径，使用pid控制算法进行循迹控制。

7.根据权利要求5所述的基于车路协同技术的隧道内自动驾驶车辆循迹控制方法，其特征在于：

所述高置信度为置信度大于等于60％；

所述低置信度为置信度小于60％。

8.根据权利要求5所述的基于车路协同技术的隧道内自动驾驶车辆循迹控制方法，其特征在于：

所述估算定位的计算公式为：

式中：s为估算定位；R为道路数据中的道路曲率，α为车辆数据中的前轮转角，v为车辆数据中的车辆车速。

9.根据权利要求5所述的基于车路协同技术的隧道内自动驾驶车辆循迹控制方法，其特征在于，还包括以下步骤：

在持续低置信度超过5s时，进行报警。

10.基于车路协同技术的隧道内自动驾驶车辆循迹控制系统，用于实现如权利要求1-9任一所述的基于车路协同技术的隧道内自动驾驶车辆循迹控制方法，其特征在于，包括：

车载单元OBU，其用于获取车辆数据；

路侧感知设备，其用于获取路侧数据；

定位模块，其用于根据路侧数据，计算得到置信度和路侧定位数据；

路径规划模块，其用于根据路侧定位数据进行路径规划，得到导航规划路径；

导航模块，其用于根据车辆数据、置信度、路侧定位数据和导航规划路径，对车辆进行导航。