CN117724504B - 一种基于投影面积的无人车路径跟踪控制方法及装置 - Google Patents
一种基于投影面积的无人车路径跟踪控制方法及装置 Download PDFInfo
- Publication number
- CN117724504B CN117724504B CN202410174618.3A CN202410174618A CN117724504B CN 117724504 B CN117724504 B CN 117724504B CN 202410174618 A CN202410174618 A CN 202410174618A CN 117724504 B CN117724504 B CN 117724504B
- Authority
- CN
- China
- Prior art keywords
- path
- point
- unmanned vehicle
- projection area
- determining
- 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 49
- 238000003860 storage Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000033001 locomotion Effects 0.000 abstract description 4
- 238000004422 calculation algorithm Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000003044 adaptive effect Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000005654 stationary process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及无人车运动控制技术领域，特别是指一种基于投影面积的无人车路径跟踪控制方法及装置，方法包括：获取参考路径，将参考路径上的路径点在全局坐标系中的坐标转换为无人车局部坐标系中的坐标；根据参考路径上的路径点在局部坐标系中的坐标，确定距离无人车最近的路径点；根据距离无人车最近的路径点，确定路径投影面积以及无人车前方路径长度，根据路径投影面积以及前方路径长度，确定预瞄点；根据预瞄点，确定预瞄距离和航向偏差角；根据航向偏差角、预瞄距离、速度投影面积以及无人车最大速度，确定无人车当前的期望速度和前轮转向角，根据当前的期望速度和前轮转向角对无人车实施控制。采用本发明，可以提高无人车的路径跟踪精度。
Description
技术领域
本发明涉及无人车运动控制技术领域，特别是指一种基于投影面积的无人车路径跟踪控制方法及装置。
背景技术
传统的自动输送机通常只适用于低混合大规模生产的固定流程。相比之下，无人车能够在没有人工干预的情况下，根据实时的需求和环境变化，灵活地完成货物的运输和分配。无人车涉及多个学科的知识，如控制、机械、电子、通信和计算机科学等。随着智能自动化技术的进步，无人车可以承担更多的功能和角色，如执行危险、复杂或低效的任务，例如边境巡逻、智能制造中的物流管理、工业设备的检测和监控等，为各个领域提供了降低风险、提高效率和节约成本的新机遇。无人车的一个显著特点是它们对不同场景和环境的高度适应性，这使它们具有很强的灵活性，可以根据不同的任务和策略，形成车队编队，或者与人员协同作战。
无人车是一个集成了环境感知、定位、测绘、导航等功能的综合系统，无需人类直接输入即可执行部分或全部操作，已经成为了智能生产线的关键组成部分。无人车可以根据预设的路径点进行运动，也可以利用机器学习、计算机视觉和人工智能等先进技术，根据环境信息进行动态决策和导航。其自主导航能力依赖于机载处理系统，该系统可以运行人工智能和SLAM等算法，实现对环境的感知和定位。无人车的自主程度可以分为六个级别，从零级（无自主）到五级（完全自主），分别对应不同的人机交互模式和任务复杂度。然而，目前在一些特殊的场景和条件下还难以实现高级别的自主性，因此无人车的自主能力还需要根据具体的驾驶情况进行适当的调整和限制。
高精度固定路径跟踪是无人车的一项重要能力，越来越多的应用需要通过最小化误差来紧密跟踪指定路径。高级路径点通常由用户指定，它们在空间上相隔较远，一般为几十米或数百米。因此，路径跟踪算法需要具有足够的灵活性和适应性，能够在各种场景中有效地工作，并与其它相关的算法（如环境感知、定位、测绘等）协调配合。例如，在变电站巡检的应用中，无人车需要在一个固定的区域内按照设定的路径反复进行巡逻，无需进行全局的路径规划。然而，由于变电站环境中存在许多狭窄的道路，车辆的运动受到了很大的限制。为了保证变电站的安全，避免车辆因为偏离路径而发生碰撞等事故，路径跟踪的误差必须控制在5cm以内。因此，提高路径跟踪模块的鲁棒性和精度是提升无人车在这种情况下整体稳定性控制性能的必要条件。
申请号为202210134530.X的中国专利公开了一种基于自适应模型预测控制（Model Predictive Control, MPC）的无人驾驶车辆路径跟踪方法，该方法中MPC控制系统根据历史数据和车辆模型，计算预测控制参数，自适应控制系统根据预测控制参数和实时反馈，向执行机构发送控制指令。该方法需要获取无人驾驶车辆传感器的历史数据，对计算量与存储空间需求大，且需要将预测控制参数输入不同的自适应控制系统，这可能会增加控制系统的复杂度和耦合性。申请号为202311049224.7的中国专利公开了一种移动机器人路径跟踪控制方法，其中提出的路径跟踪控制方法通过建立纯跟踪模型，通过航向偏差动态调节前视距离，将横向偏差和航向偏差作为反馈量，对前轮转角的控制量进行补偿。由于该方法直接建立纯跟踪模型，而机器人的移动速度只通过转弯半径进行限制，因此仅能对移动机器人的前轮转角进行精确控制，而无法计算出准确的动态速度。
因此，解决高精度、可靠的固定路径跟踪控制问题仍然是的一个有待研究的课题。
发明内容
为了解决现有技术存在的无法计算出准确的动态速度和前轮转向角的技术问题，本发明实施例提供了一种基于投影面积的无人车路径跟踪控制方法及装置。所述技术方案如下：
一方面，提供了一种基于投影面积的无人车路径跟踪控制方法，该方法由无人车路径跟踪控制设备实现，该方法包括：
S1、获取参考路径，将参考路径上的路径点在全局坐标系中的坐标转换为无人车的局部坐标系中的坐标；
S2、根据参考路径上的路径点在局部坐标系中的坐标，确定距离无人车最近的路径点；
S3、根据所述距离无人车最近的路径点，确定路径投影面积以及无人车前方路径长度，根据所述路径投影面积以及无人车前方路径长度，确定预瞄点；
S4、根据所述预瞄点，确定预瞄距离和航向偏差角；
S5、根据所述航向偏差角、预瞄距离、速度投影面积以及预设的无人车最大速度，确定无人车当前的期望速度和前轮转向角，根据所述无人车当前的期望速度和前轮转向角对无人车进行路径跟踪。
另一方面，提供了一种基于投影面积的无人车路径跟踪控制装置，该装置应用于基于投影面积的无人车路径跟踪控制方法，该装置包括：
转换模块，用于获取参考路径，将参考路径上的路径点在全局坐标系中的坐标转换为无人车的局部坐标系中的坐标；
第一确定模块，用于根据参考路径上的路径点在局部坐标系中的坐标，确定距离无人车最近的路径点；
第二确定模块，用于根据所述距离无人车最近的路径点，确定路径投影面积以及无人车前方路径长度，根据所述路径投影面积以及无人车前方路径长度，确定预瞄点；
第三确定模块，用于根据所述预瞄点，确定预瞄距离和航向偏差角；
控制模块，用于根据所述航向偏差角、预瞄距离、速度投影面积以及预设的无人车最大速度，确定无人车当前的期望速度和前轮转向角，根据所述无人车当前的期望速度和前轮转向角对无人车进行路径跟踪。
另一方面，提供一种无人车路径跟踪控制设备，所述无人车路径跟踪控制设备包括：处理器；存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如上述基于投影面积的无人车路径跟踪控制方法中的任一项方法。
另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述基于投影面积的无人车路径跟踪控制方法中的任一项方法。
本发明实施例提供的技术方案带来的有益效果至少包括：
获取参考路径，将参考路径上的路径点在全局坐标系中的坐标转换为无人车的局部坐标系中的坐标；根据参考路径上的路径点在局部坐标系中的坐标，确定距离无人车最近的路径点；根据距离无人车最近的路径点，确定路径投影面积以及无人车前方路径长度，根据路径投影面积以及无人车前方路径长度，确定预瞄点；根据预瞄点，确定预瞄距离和航向偏差角；根据航向偏差角、预瞄距离、速度投影面积以及预设的无人车最大速度，确定无人车当前的期望速度和前轮转向角，根据无人车当前的期望速度和前轮转向角对无人车实现路径跟踪。与经典的纯跟踪算法不同，本发明实施例不需要预先设定预瞄距离，而是根据给定的参考路径，通过路径投影面积逐渐生成预瞄点。然后，通过自适应控制器根据参考路径信息调整车速，计算出最优控制命令，按照最优控制命令动态调整车速，使得无人车的路径跟踪精度大大提高。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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是本发明实施例提供的纯追踪算法示意图；
图2是本发明实施例提供的一种基于投影面积的无人车路径跟踪控制方法流程图；
图3是本发明实施例提供的和/>之间的路径投影面积定义示意图；
图4是本发明实施例提供的利用路径投影面积确定预瞄点示意图；
图5是本发明实施例提供的一段时间内的速度生成示意图；
图6是本发明实施例提供的一种基于投影面积的无人车路径跟踪控制装置框图；
图7是本发明实施例提供的一种无人车路径跟踪控制设备的结构示意图。
具体实施方式
下面结合附图，对本发明中的技术方案进行描述。
在本发明实施例中，“示例地”、“例如”等词用于表示作例子、例证或说明。本发明中被描述为“示例”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用示例的一词旨在以具体方式呈现概念。此外，在本发明实施例中，“和/或”所表达的含义可以是两者都有，或者可以是两者任选其一。
本发明实施例中，“图像”，“图片”有时可以混用，应当指出的是，在不强调其区别时，其所要表达的含义是一致的。“的(of)”，“相应的（corresponding，relevant）”和“对应的(corresponding)”有时可以混用，应当指出的是，在不强调其区别时，其所要表达的含义是一致的。
本发明实施例中，有时候下标如W1可能会笔误为非下标的形式如W1，在不强调其区别时，其所要表达的含义是一致的。
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
本发明实施例提供了一种基于投影面积的无人车路径跟踪控制方法，该方法可以由无人车路径跟踪控制设备实现，该无人车路径跟踪控制设备可以是终端或服务器。本发明实施例提出的算法是在纯跟踪算法的基础上进行改进的，下面先对纯跟踪算法的原理进行简单介绍：
纯跟踪算法是一种基于几何原理的路径跟踪方法，它的目的是根据几何关系确定一条圆弧，使得车辆能够沿着该圆弧从当前位置运动到从参考路径上选定的路径点，称为预瞄点。一般情况下，通过使预瞄点与车辆当前位置的距离等于预设的预瞄距离来确定预瞄点。圆弧的形状由三个约束条件决定：当前位置、预瞄点和预瞄距离。最后通过调整车辆的转向角和速度来跟踪目标路径。这种方法的原理类似于人类驾驶车辆时观察前方道路的方式。
如图1所示，带有阿克曼转向机构的无人车沿着参考路径（如图1所示的点划线）行驶。首先将阿克曼转向机构简化为自行车模型，自行车模型由虚拟前轮和虚拟后轮组成，虚拟前轮和虚拟后轮分别由前两轮和后两轮合并而成，如图1中的斜线填充的轮子所示。将全局坐标系定义为XGOYG，将局部坐标系定义为xloyl，局部坐标系附着在后轮轴的中心点上。假设G(xg, yg)是选定的预瞄点，(x0, y0)是车辆在全局坐标系中的当前位置，OG即为生成的连接两点的弦。
车辆的航向角偏差用表示，定义为虚拟后轮的前进方向与弦OG之间的夹角。弦OG的长度是预瞄距离，用/>表示。因此可以得到：
（1）
其中，表示车辆航向角。
设为圆弧OG的曲率，根据正弦定理，/>可以表示为：
（2）
根据自行车运动学模型，车辆将沿着弧线OG运动。在阿克曼转向几何中，前轮转向角是车辆接近预瞄点时控制器的输入参数。因此，图1中的三角形IoB有以下约束：
（3）
式中L为轴距，R为弧线OG的半径，也就是转弯半径。
将公式(2)代入到公式(3)，前轮转向角可以表示为：
（4）
在确定预瞄点G(xg, yg)后，可以由公式(1)计算出航向角偏差，因此由公式(4)可知，预瞄距离是一个可调的动态参数，直接影响纯追踪算法的横向跟踪精度。当车辆跟踪参考路径时，预瞄距离和航向角偏差/>会不断更新。/>通常根据车速v进行选择。为了避免在非常高和非常低的速度下出现非预期行为，有时会强制执行最小或最大预瞄距离。然而，在标准纯跟踪算法中，速度v通常被假定为恒定的。因此，标准纯跟踪算法在恒定的预瞄距离下工作，仅控制车辆的转向角，不涉及车辆的速度控制。
为了可以动态的调整无人车的速度，如图2所示的基于投影面积的无人车路径跟踪控制方法流程图，该方法的处理流程可以包括如下的步骤：
S1、获取参考路径，将参考路径上的路径点在全局坐标系中的坐标转换为无人车的局部坐标系中的坐标。
一种可行的实施方式中，参照下述算法1中的伪代码的第2行，将世界坐标系中的参考路径pref中的路径点的坐标转化为局部坐标系中的坐标，局部坐标系以无人车后轮轴的中心点为原点。转换坐标系的方法可以参照现有技术中常用的方法，本发明实施例在此不做赘述。
S2、根据参考路径上的路径点在局部坐标系中的坐标，确定距离无人车最近的路径点。
可选地，S2的根据参考路径上的路径点在局部坐标系中的坐标，确定距离无人车最近的路径点，包括：
S21、根据参考路径上的路径点在局部坐标系中的坐标，以及无人车在局部坐标系中的坐标，确定距离无人车最近的待定路径点，其中，无人车在局部坐标系中的坐标为（0,0）；
S22、如果待定路径点的横坐标大于0，则将待定路径点确定为距离无人车最近的路径点，如果待定路径点的横坐标小于0，则将距离待定路径点最近的、且横坐标大于0或等于0的路径点确定为距离无人车最近的路径点。
一种可行的实施方式中，如果待定路径点的横坐标小于0，说明该待定路径点位于无人车的左边，也就是说，无人车已经路过了该待定路径点，所以舍弃该待定路径点，判断该待定路径点的下一个路径点的横坐标是否小于0，如果还是小于0，依旧舍弃该路径点，判断待定路径点的下下个路径点的横坐标是否小于0，如此遍历查询，直到找出与待定路径点距离最近的、且横坐标大于0或等于0的路径点，将该路径点作为距离无人车最近的路径点，参照算法1中的行5-7。
S3、根据距离无人车最近的路径点，确定路径投影面积以及无人车前方路径长度，根据路径投影面积以及无人车前方路径长度，确定预瞄点。
其中，路径投影面积是从距离无人车最近的路径点开始累积到另一个路径点的路径投影面积。
可选地，S3的具体操作步骤可以包括S31-S35：
S31、设距离无人车最近的路径点在局部坐标系中的坐标为，设待定预瞄点在局部坐标系中的坐标为/>。
S32、根据距离无人车最近的路径点与待定预瞄点的坐标，计算路径投影面积以及无人车前方路径长度/>。
一种可行的实施方式中，与大多数纯跟踪算法不同的是，本发明实施例中，预瞄距离和预瞄点是根据路径投影面积来选择的。
可选地，S32的根据距离无人车最近的路径点与待定预瞄点的坐标，计算路径投影面积以及无人车前方路径长度/>，包括：
S321、根据下述公式（5）计算路径投影面积：
（5）
其中，表示在距离无人车最近的路径点与待定预瞄点之间的第k个路径点的坐标，/>表示第k个路径点的横坐标，/>表示第k个路径点的纵坐标，/>表示在距离无人车最近的路径点与待定预瞄点之间的第k+1个路径点的坐标；
一种可行的实施方式中，如图3所示，在计算路径点与路径点/>之间的路径投影面积时，计算的是两个路径点与𝑥l轴之间的路径所围成的区域面积，如图 3所示，为了方便计算，将相邻两个路径点与𝑥l轴之间围成的面积近似看作梯形，然后将多个梯形的面积进行累加，可以近似计算出路径投影面积/>，即如上述公式（5）。
S332、根据下述公式（2）计算无人车前方路径长度：
（6）。
一种可行的实施方式中，在计算路径点与路径点/>之间的无人车前方路径长度时，将相邻两个路径点之间的距离进行累加，如上述（6）所示。
S33、获取预设的路径投影面积阈值以及预瞄距离阈值/>。
S34、将路径投影面积与路径投影面积阈值/>进行比较，将无人车前方路径长度/>与预瞄距离阈值/>进行比较，如果/>，或者/>，则执行S35，否则j=j+1，转去执行S32。
一种可行的实施方式中，参照上述算法1中的行11-13，当时，即可确定出预瞄点，如图4所示。
S35、将坐标为的待定预瞄点确定为预瞄点。
S4、根据预瞄点，确定预瞄距离和航向偏差角。
可选地，S4的根据预瞄点，确定预瞄距离和航向偏差角，具体可以包括S41-S42：
S41、根据预瞄点的坐标、距离无人车最近的路径点的坐标以及下述公式（7），确定预瞄距离：
（7）
S42、根据预瞄点的坐标、距离无人车最近的路径点的坐标以及下述公式（8），确定航向偏差角：
（8）。
S5、根据航向偏差角、预瞄距离、速度投影面积以及预设的无人车最大速度，确定无人车当前的期望速度和前轮转向角，根据无人车当前的速度和转向角对无人车实现路径跟踪。
可选地，S5的根据航向偏差角、速度投影面积以及预设的无人车最大速度，确定无人车当前的速度和转向角，具体可以包括S51-S54：
S51、获取无人车的前轮与后轮之间的轴距L、预设的速度投影面积阈值以及预设的速度最大值/>。
S52、根据轴距L、航向偏差角、预瞄距离/>以及下述公式（9），确定前轮转向角：
（9）
S53、根据距离无人车最近的路径点与预瞄点之间的路径投影面积以及预设的速度投影面积阈值/>，确定速度投影面积/>。
可选地，S53的计算速度投影面积，具体可以如下：
将距离无人车最近的路径点与预瞄点之间的路径投影面积以及预设的速度投影面积阈值/>作比较，将/>和/>中的最小值确定为速度投影面积/>，即。
S54、根据航向偏差角、瞬时转弯半径/>、速度最大值/>、速度投影面积阈值、速度投影面积/>以及下述公式（10），确定无人车当前的速度/>：
（10）
其中，顺时转弯半径R为圆弧的曲率的导数。
一种可行的实施方式中，下面介绍公式（10）的推导过程：
为了及时跟踪参考路径，本发明提出一种自适应控制器来生成最优控制命令，从而提高路径跟踪的精度。假设当时刻t=ti时，车辆的姿态为(xi，yi，)，速度为vi，如图5所示。图中实心点表示车辆t+2–t期间内的动态姿态,空心点表示不同时间段的选定预瞄点。
与标准的纯跟踪算法中匀速设置不同，本发明实施例中的车辆速度是在车辆沿参考路径行驶时动态计算的。动态速度取决于路径投影面积和连接预瞄点和车辆当前位置的弧长。
设表示车辆从/>开始到达预瞄点/>时所需的时间。当车辆以最大速度/>向/>移动时，所需的时间最短，用/>表示。根据所选的预瞄路径投影面积/>（算法1，第16行），所需时间/>可设置为:
（11）
式中为预设的速度投影面积阈值。
在本发明提出的路径跟踪控制方法中，车辆将沿着弧线从当前位置行驶到预瞄点/>，因此弧长是/>时间段内较为合理的移动距离。基于几何分析，在时刻t时，车辆位置与预瞄点之间的弧长为：
（12）
式中，其中，与/>分别是时刻t时航向偏差角与瞬时转弯半径。
因此，车辆在t时刻的期望速度为：
（13）
将公式（11）和公式(12)代入公式(13)，就可以将车辆的期望速度重新表示为：
（14）
公式（14）与上述公式（10）的本质是相同的，唯一的区别在于，上述公式（10）是静态的，公式（14）中的航向偏差角以及瞬时转弯半径/>带有时刻t的标记。
将公式(2)代入公式(14)可以得到：
（15）
当车辆在短时间内沿参考路径的直线段行驶时，其航向角偏差较小。因此，根据小角度近似，可以认为/>。以此简化公式(15)就可以得到公式（16）：
（16）
由公式(16)可知，当车辆沿着参考路径的直线段运动时，由于速度投影面积接近于0，因此无人车几乎以最大速度/>运动。然而，当无人车进入转弯时，其航向角偏差和速度投影面积/>增大，这会使无人车减速并以低且平稳的速度通过转弯。自适应控制器的速度生成过程与人类驾驶车辆沿道路行驶时的速度生成过程是一致的，比如在直线道路上加速，在曲线道路上减速。
获取参考路径，将参考路径上的路径点在全局坐标系中的坐标转换为无人车的局部坐标系中的坐标；根据参考路径上的路径点在局部坐标系中的坐标，确定距离无人车最近的路径点；根据距离无人车最近的路径点，确定路径投影面积以及无人车前方路径长度，根据路径投影面积以及无人车前方路径长度，确定预瞄点；根据预瞄点，确定预瞄距离和航向偏差角；根据航向偏差角、预瞄距离、速度投影面积以及预设的无人车最大速度，确定无人车当前的期望速度和前轮转向角，根据无人车当前的期望速度和前轮转向角对无人车实现路径跟踪。与经典的纯跟踪算法不同，本发明实施例不需要预先设定预瞄距离，而是根据给定的参考路径，通过路径投影面积逐渐生成预瞄点。然后，通过自适应控制器根据参考路径信息调整车速，计算出最优控制命令，按照最优控制命令动态调整车速，使得无人车的路径跟踪精度大大提高。
图6是根据一示例性实施例示出的一种基于投影面积的无人车路径跟踪控制装置框图，该装置用于基于投影面积的无人车路径跟踪控制方法。参照图6，该装置包括转换模块610、第一确定模块620、第二确定模块630、第三确定模块640以及控制模块650。为了便于说明，图6仅示出了该全流程可视化装置600的主要部件：
转换模块610，用于获取参考路径，将参考路径上的路径点在全局坐标系中的坐标转换为无人车的局部坐标系中的坐标；
第一确定模块620，用于根据参考路径上的路径点在局部坐标系中的坐标，确定距离无人车最近的路径点；
第二确定模块630，用于根据所述距离无人车最近的路径点，确定路径投影面积以及无人车前方路径长度，根据所述路径投影面积以及无人车前方路径长度，确定预瞄点；
第三确定模块640，用于根据所述预瞄点，确定预瞄距离和航向偏差角；
控制模块650，用于根据所述航向偏差角、预瞄距离、速度投影面积以及预设的无人车最大速度，确定无人车当前的期望速度和前轮转向角，根据无人车当前的期望速度和前轮转向角对无人车进行路径跟踪。
可选地，所述第一确定模块620，用于：
根据参考路径上的路径点在局部坐标系中的坐标，以及无人车在局部坐标系中的坐标，确定距离无人车最近的待定路径点，其中，所述无人车在局部坐标系中的坐标为（0,0）；
如果所述待定路径点的横坐标大于0，则将所述待定路径点确定为距离无人车最近的路径点，如果所述待定路径点的横坐标小于0，则将距离所述待定路径点最近的、且横坐标大于0或等于0的路径点确定为距离无人车最近的路径点。
可选地，所述第二确定模块630，用于：
S31、设距离无人车最近的路径点在局部坐标系中的坐标为，设待定预瞄点在局部坐标系中的坐标为/>；
S32、根据所述距离无人车最近的路径点与待定预瞄点的坐标，计算路径投影面积以及无人车前方路径长度/>；
S33、获取预设的路径投影面积阈值以及预瞄距离阈值/>；
S34、将所述路径投影面积与路径投影面积阈值/>进行比较，将所述无人车前方路径长度/>与预瞄距离阈值/>进行比较，如果/>，或者/>，则执行S35，否则j=j+1，转去执行S32；
S35、将坐标为的待定预瞄点确定为预瞄点。
可选地，所述第二确定模块630，用于：
S321、根据下述公式（1）计算路径投影面积：
（1）
其中，表示在距离无人车最近的路径点与待定预瞄点之间的第k个路径点的坐标，/>表示第k个路径点的横坐标，/>表示第k个路径点的纵坐标，/>表示在距离无人车最近的路径点与待定预瞄点之间的第k+1个路径点的坐标；
S322、根据下述公式（2）计算无人车前方路径长度：
（2）。
可选地，所述第三确定模块640，用于：
S41、根据预瞄点的坐标、距离无人车最近的路径点的坐标以及下述公式（3），确定预瞄距离：
（3）
S42、根据预瞄点的坐标、距离无人车最近的路径点的坐标以及下述公式（4），确定航向偏差角：
（4）/>
其中，表示车辆航向角。
可选地，所述控制模块650，用于：
S51、获取无人车的前轮与后轮之间的轴距L、预设的速度投影面积阈值以及预设的速度最大值/>；
S52、根据所述轴距L、所述航向偏差角、预瞄距离/>以及下述公式（5），确定前轮转向角：
（5）
S53、根据距离无人车最近的路径点与预瞄点之间的路径投影面积以及预设的速度投影面积阈值/>，确定速度投影面积/>；
S54、根据所述航向偏差角、瞬时转弯半径/>、速度最大值/>、速度投影面积阈值/>、所述速度投影面积/>以及下述公式（6），确定无人车当前的速度/>：
（6）。
可选地，所述控制模块650，用于：
将距离无人车最近的路径点与预瞄点之间的路径投影面积以及预设的速度投影面积阈值/>作比较，将/>和/>中的最小值确定为速度投影面积/>。
本发明实施例中，获取参考路径，将参考路径上的路径点在全局坐标系中的坐标转换为无人车的局部坐标系中的坐标；根据参考路径上的路径点在局部坐标系中的坐标，确定距离无人车最近的路径点；根据距离无人车最近的路径点，确定路径投影面积以及无人车前方路径长度，根据路径投影面积以及无人车前方路径长度，确定预瞄点；根据预瞄点，确定预瞄距离和航向偏差角；根据航向偏差角、预瞄距离、速度投影面积以及预设的无人车最大速度，确定无人车当前的期望速度和前轮转向角，根据无人车当前的期望速度和前轮转向角对无人车实现路径跟踪。与经典的纯跟踪算法不同，本发明实施例不需要预先设定预瞄距离，而是根据给定的参考路径，通过路径投影面积逐渐生成预瞄点。然后，通过自适应控制器根据参考路径信息调整车速，计算出最优控制命令，按照最优控制命令动态调整车速，使得无人车的路径跟踪精度大大提高。
图7是本发明实施例提供的一种无人车路径跟踪控制设备的结构示意图，如图7所示，无人车路径跟踪控制设备可以包括上述图6所示的基于投影面积的无人车路径跟踪控制装置。可选地，无人车路径跟踪控制设备710可以包括第一处理器2001。
可选地，无人车路径跟踪控制设备710还可以包括存储器2002和收发器2003。
其中，第一处理器2001与存储器2002以及收发器2003，如可以通过通信总线连接。
下面结合图7对无人车路径跟踪控制设备710的各个构成部件进行具体的介绍：
其中，第一处理器2001是无人车路径跟踪控制设备710的控制中心，可以是一个处理器，也可以是多个处理元件的统称。例如，第一处理器2001是一个或多个中央处理器（central processing unit，CPU），也可以是特定集成电路（application specificintegrated circuit，ASIC），或者是被配置成实施本发明实施例的一个或多个集成电路，例如：一个或多个微处理器（digital signal processor，DSP），或，一个或者多个现场可编程门阵列（field programmable gate array，FPGA）。
可选地，第一处理器2001可以通过运行或执行存储在存储器2002内的软件程序，以及调用存储在存储器2002内的数据，执行无人车路径跟踪控制设备710的各种功能。
在具体的实现中，作为一种实施例，第一处理器2001可以包括一个或多个CPU，例如图7中所示出的CPU0和CPU1。
在具体实现中，作为一种实施例，无人车路径跟踪控制设备710也可以包括多个处理器，例如图7中所示的第一处理器2001和第二处理器2004。这些处理器中的每一个可以是一个单核处理器（single-CPU），也可以是一个多核处理器（multi-CPU）。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据（例如计算机程序指令）的处理核。
其中，所述存储器2002用于存储执行本发明方案的软件程序，并由第一处理器2001来控制执行，具体实现方式可以参考上述方法实施例，此处不再赘述。
可选地，存储器2002可以是只读存储器（read-only memory，ROM）或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器（random access memory，RAM）或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器（electrically erasable programmable read-only memory，EEPROM）、只读光盘（compactdisc read-only memory，CD-ROM）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器2002可以和第一处理器2001集成在一起，也可以独立存在，并通过无人车路径跟踪控制设备710的接口电路（图7中未示出）与第一处理器2001耦合，本发明实施例对此不作具体限定。
收发器2003，用于与网络设备通信，或者与终端设备通信。
可选地，收发器2003可以包括接收器和发送器（图7中未单独示出）。其中，接收器用于实现接收功能，发送器用于实现发送功能。
可选地，收发器2003可以和第一处理器2001集成在一起，也可以独立存在，并通过无人车路径跟踪控制设备710的接口电路（图7中未示出）与第一处理器2001耦合，本发明实施例对此不作具体限定。
需要说明的是，图7中示出的无人车路径跟踪控制设备710的结构并不构成对该路由器的限定，实际的知识结构识别设备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。
此外，无人车路径跟踪控制设备710的技术效果可以参考上述方法实施例所述的基于投影面积的无人车路径跟踪控制方法的技术效果，此处不再赘述。
应理解，在本发明实施例中的第一处理器2001可以是中央处理单元（centralprocessing unit，CPU），该处理器还可以是其他通用处理器、数字信号处理器（digitalsignal processor，DSP）、专用集成电路（application specific integrated circuit，ASIC）、现成可编程门阵列（field programmable gate array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
还应理解，本发明实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器（read-only memory，ROM）、可编程只读存储器（programmable ROM，PROM）、可擦除可编程只读存储器（erasable PROM，EPROM）、电可擦除可编程只读存储器（electrically EPROM，EEPROM）或闪存。易失性存储器可以是随机存取存储器（random access memory，RAM），其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的随机存取存储器（random accessmemory，RAM）可用，例如静态随机存取存储器（static RAM，SRAM）、动态随机存取存储器（DRAM）、同步动态随机存取存储器（synchronous DRAM，SDRAM）、双倍数据速率同步动态随机存取存储器（double data rate SDRAM，DDR SDRAM）、增强型同步动态随机存取存储器（enhanced SDRAM，ESDRAM）、同步连接动态随机存取存储器（synchlink DRAM，SLDRAM）和直接内存总线随机存取存储器（direct rambus RAM，DR RAM）。
上述实施例，可以全部或部分地通过软件、硬件（如电路）、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质（例如，软盘、硬盘、磁带）、光介质（例如，DVD）、或者半导体介质。半导体介质可以是固态硬盘。
应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A,B可以是单数或者复数。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系，但也可能表示的是一种“和/或”的关系，具体可参考前后文进行理解。
本发明中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项（个）或复数项（个）的任意组合。例如，a,b,或c中的至少一项（个），可以表示：a, b, c, a-b, a-c, b-c, 或a-b-c，其中a,b,c可以是单个，也可以是多个。
应理解，在本发明的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
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，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备、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，例如多个单元或组件可以结合或者可以集成到另一个设备，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的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或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。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。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案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一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
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，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，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 (8)
1.一种基于投影面积的无人车路径跟踪控制方法，其特征在于，所述方法包括：
S1、获取参考路径，将参考路径上的路径点在全局坐标系中的坐标转换为无人车的局部坐标系中的坐标；
S2、根据参考路径上的路径点在局部坐标系中的坐标，确定距离无人车最近的路径点；
S3、根据所述距离无人车最近的路径点，确定路径投影面积以及无人车前方路径长度，根据所述路径投影面积以及无人车前方路径长度，确定预瞄点；
S4、根据所述预瞄点，确定预瞄距离和航向偏差角；
S5、根据所述航向偏差角、预瞄距离、速度投影面积以及预设的无人车最大速度，确定无人车当前的期望速度和前轮转向角，根据所述无人车当前的期望速度和前轮转向角对无人车进行路径跟踪；
其中，所述S3的根据所述距离无人车最近的路径点，确定路径投影面积以及无人车前方路径长度，根据所述路径投影面积以及无人车前方路径长度，确定预瞄点，包括：
S31、设距离无人车最近的路径点在局部坐标系中的坐标为，设待定预瞄点在局部坐标系中的坐标为/>；
S32、根据所述距离无人车最近的路径点与待定预瞄点的坐标，计算路径投影面积以及无人车前方路径长度/>；
S33、获取预设的路径投影面积阈值以及预瞄距离阈值/>；
S34、将所述路径投影面积与路径投影面积阈值/>进行比较，将所述无人车前方路径长度/>与预瞄距离阈值/>进行比较，如果/>，或者/>，则执行S35，否则j=j+1，转去执行S32；
S35、将坐标为的待定预瞄点确定为预瞄点；
其中，所述S32的根据距离无人车最近的路径点与待定预瞄点的坐标，计算路径投影面积以及无人车前方路径长度/>，包括：
S321、根据下述公式（1）计算路径投影面积：
（1）
其中，表示在距离无人车最近的路径点与待定预瞄点之间的第k个路径点的坐标，/>表示第k个路径点的横坐标，/>表示第k个路径点的纵坐标，/>表示在距离无人车最近的路径点与待定预瞄点之间的第k+1个路径点的坐标；
S322、根据下述公式（2）计算无人车前方路径长度：
（2）。
2.根据权利要求1所述的方法，其特征在于，所述S2的根据参考路径上的路径点在局部坐标系中的坐标，确定距离无人车最近的路径点，包括：
根据参考路径上的路径点在局部坐标系中的坐标，以及无人车在局部坐标系中的坐标，确定距离无人车最近的待定路径点，其中，所述无人车在局部坐标系中的坐标为（0,0）；
如果所述待定路径点的横坐标大于0，则将所述待定路径点确定为距离无人车最近的路径点，如果所述待定路径点的横坐标小于0，则将距离所述待定路径点最近的、且横坐标大于或等于0的路径点确定为距离无人车最近的路径点。
3.根据权利要求1所述的方法，其特征在于，所述S4的根据所述预瞄点，确定预瞄距离和航向偏差角，包括：
S41、根据预瞄点的坐标、距离无人车最近的路径点的坐标以及下述公式（3），确定预瞄距离：
（3）
S42、根据预瞄点的坐标、距离无人车最近的路径点的坐标以及下述公式（4），确定航向偏差角：
（4）
其中，表示车辆航向角。
4.根据权利要求3所述的方法，其特征在于，所述S5的根据所述航向偏差角、预瞄距离、速度投影面积以及预设的无人车最大速度，确定无人车当前的期望速度和前轮转向角，包括：
S51、获取无人车的前轮与后轮之间的轴距L、预设的速度投影面积阈值以及预设的速度最大值/>；
S52、根据所述轴距L、所述航向偏差角、预瞄距离/>以及下述公式（5），确定前轮转向角：
（5）
S53、根据距离无人车最近的路径点与预瞄点之间的路径投影面积以及预设的速度投影面积阈值/>，确定速度投影面积/>；
S54、根据所述航向偏差角、瞬时转弯半径/>、速度最大值/>、速度投影面积阈值、所述速度投影面积/>以及下述公式（6），确定无人车当前的速度/>：
（6）。
5.根据权利要求4所述的方法，其特征在于，所述S53的根据距离无人车最近的路径点与预瞄点之间的路径投影面积以及预设的速度投影面积阈值/>，确定速度投影面积/>，包括：
将距离无人车最近的路径点与预瞄点之间的路径投影面积以及预设的速度投影面积阈值/>作比较，将/>和/>中的最小值确定为速度投影面积/>。
6.一种基于投影面积的无人车路径跟踪控制装置，其特征在于，所述装置用于实现一种基于投影面积的无人车路径跟踪控制方法，所述装置包括：
转换模块，用于获取参考路径，将参考路径上的路径点在全局坐标系中的坐标转换为无人车的局部坐标系中的坐标；
第一确定模块，用于根据参考路径上的路径点在局部坐标系中的坐标，确定距离无人车最近的路径点；
第二确定模块，用于根据所述距离无人车最近的路径点，确定路径投影面积以及无人车前方路径长度，根据所述路径投影面积以及无人车前方路径长度，确定预瞄点；
第三确定模块，用于根据所述预瞄点，确定预瞄距离和航向偏差角；
控制模块，用于根据所述航向偏差角、预瞄距离、速度投影面积以及预设的无人车最大速度，确定无人车当前的期望速度和前轮转向角，根据所述无人车当前的期望速度和前轮转向角对无人车进行路径跟踪；
其中，所述第二确定模块，用于：
S31、设距离无人车最近的路径点在局部坐标系中的坐标为，设待定预瞄点在局部坐标系中的坐标为/>；
S32、根据所述距离无人车最近的路径点与待定预瞄点的坐标，计算路径投影面积以及无人车前方路径长度/>；
S33、获取预设的路径投影面积阈值以及预瞄距离阈值/>；
S34、将所述路径投影面积与路径投影面积阈值/>进行比较，将所述无人车前方路径长度/>与预瞄距离阈值/>进行比较，如果/>，或者/>，则执行S35，否则j=j+1，转去执行S32；
S35、将坐标为的待定预瞄点确定为预瞄点；
其中，所述第二确定模块，用于：
S321、根据下述公式（1）计算路径投影面积：
（1）
其中，表示在距离无人车最近的路径点与待定预瞄点之间的第k个路径点的坐标，/>表示第k个路径点的横坐标，/>表示第k个路径点的纵坐标，/>表示在距离无人车最近的路径点与待定预瞄点之间的第k+1个路径点的坐标；
S322、根据下述公式（2）计算无人车前方路径长度：
（2）。
7.一种无人车路径跟踪控制设备，其特征在于，所述无人车路径跟踪控制设备包括：
处理器；
存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如权利要求1至5中任一项所述的方法。
8.一种计算机可读取存储介质，其特征在于，所述计算机可读取存储介质中存储有程序代码，所述程序代码可被处理器调用执行如权利要求1至5任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410174618.3A CN117724504B (zh) | 2024-02-07 | 2024-02-07 | 一种基于投影面积的无人车路径跟踪控制方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410174618.3A CN117724504B (zh) | 2024-02-07 | 2024-02-07 | 一种基于投影面积的无人车路径跟踪控制方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117724504A CN117724504A (zh) | 2024-03-19 |
| CN117724504B true CN117724504B (zh) | 2024-04-16 |
Family
ID=90207373
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410174618.3A Active CN117724504B (zh) | 2024-02-07 | 2024-02-07 | 一种基于投影面积的无人车路径跟踪控制方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117724504B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104181923A (zh) * | 2014-08-29 | 2014-12-03 | 武汉大学 | 一种基于直线控制器的智能车辆曲线跟踪方法 |
| KR20210067986A (ko) * | 2019-11-29 | 2021-06-08 | (주)컨트롤웍스 | 차량 동적 모델링에 기초한 무인 차량 위치 추종 방법 및 그 장치 |
| CN113204236A (zh) * | 2021-04-14 | 2021-08-03 | 华中科技大学 | 一种智能体路径跟踪控制方法 |
| WO2022160196A1 (zh) * | 2021-01-28 | 2022-08-04 | 浙江吉利控股集团有限公司 | 车辆驾驶控制方法、装置、车辆及存储介质 |
| CN115576317A (zh) * | 2022-09-19 | 2023-01-06 | 北京科技大学 | 一种基于神经网络的多预瞄点路径跟踪控制方法及系统 |
| WO2023010854A1 (zh) * | 2021-08-04 | 2023-02-09 | 东风柳州汽车有限公司 | 路径跟踪方法、装置、车辆及存储介质 |
| CN117022279A (zh) * | 2023-08-24 | 2023-11-10 | 北京科技大学 | 一种铰接转向车辆双向行驶路径跟踪控制方法及系统 |
| CN117250957A (zh) * | 2023-10-09 | 2023-12-19 | 北京科技大学 | 路径跟踪控制关键参考点选取方法、装置、设备和介质 |
-
2024
- 2024-02-07 CN CN202410174618.3A patent/CN117724504B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104181923A (zh) * | 2014-08-29 | 2014-12-03 | 武汉大学 | 一种基于直线控制器的智能车辆曲线跟踪方法 |
| KR20210067986A (ko) * | 2019-11-29 | 2021-06-08 | (주)컨트롤웍스 | 차량 동적 모델링에 기초한 무인 차량 위치 추종 방법 및 그 장치 |
| WO2022160196A1 (zh) * | 2021-01-28 | 2022-08-04 | 浙江吉利控股集团有限公司 | 车辆驾驶控制方法、装置、车辆及存储介质 |
| CN113204236A (zh) * | 2021-04-14 | 2021-08-03 | 华中科技大学 | 一种智能体路径跟踪控制方法 |
| WO2023010854A1 (zh) * | 2021-08-04 | 2023-02-09 | 东风柳州汽车有限公司 | 路径跟踪方法、装置、车辆及存储介质 |
| CN115576317A (zh) * | 2022-09-19 | 2023-01-06 | 北京科技大学 | 一种基于神经网络的多预瞄点路径跟踪控制方法及系统 |
| CN117022279A (zh) * | 2023-08-24 | 2023-11-10 | 北京科技大学 | 一种铰接转向车辆双向行驶路径跟踪控制方法及系统 |
| CN117250957A (zh) * | 2023-10-09 | 2023-12-19 | 北京科技大学 | 路径跟踪控制关键参考点选取方法、装置、设备和介质 |
Non-Patent Citations (3)
| Title |
|---|
| 刁勤晴 等.双点预瞄式智能车大曲率路径的横向控制.重庆理工大学学报(自然科学).2019,(第04期),全文. * |
| 双点预瞄式智能车大曲率路径的横向控制;刁勤晴 等;重庆理工大学学报(自然科学);20190415(04);全文 * |
| 智能车辆路径跟踪的模糊预瞄控制方法研究;王全;;计算机与数字工程;20130920(第09期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117724504A (zh) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11619943B2 (en) | Optimal path library for local path planning of an autonomous vehicle | |
| Sezer et al. | A novel obstacle avoidance algorithm:“Follow the Gap Method” | |
| Erfani et al. | Comparison of two data fusion methods for localization of wheeled mobile robot in farm conditions | |
| Laghmara et al. | Obstacle avoidance, path planning and control for autonomous vehicles | |
| WO2019094236A1 (en) | Redundant pose generation system | |
| EP3819738B1 (en) | Method, device, and system of controlling movement of multi-vehicle, and computer-readable storage medium | |
| AU2006274420A1 (en) | Guidance, navigation, and control system for a vehicle | |
| Wang et al. | AGV navigation analysis based on multi-sensor data fusion | |
| KR102620325B1 (ko) | 교통 흐름 정보의 결정 방법, 장치, 전자 기기 및 저장 매체 | |
| Sun et al. | Safe and smooth motion planning for mecanum-wheeled robot using improved RRT and cubic spline | |
| Chen et al. | Path planning for autonomous vehicle based on a two‐layered planning model in complex environment | |
| US11565723B2 (en) | Systems and methods for vehicle motion planning | |
| CN107831496A (zh) | 一种智能汽车自动获取前车速度的方法及系统 | |
| CN214846390U (zh) | 基于自动导引小车的动态环境避障系统 | |
| Fu et al. | Collision-free and kinematically feasible path planning along a reference path for autonomous vehicle | |
| CN117724504B (zh) | 一种基于投影面积的无人车路径跟踪控制方法及装置 | |
| CN115993089B (zh) | 基于pl-icp的在线四舵轮agv内外参标定方法 | |
| Wang et al. | Mpcc-based path following control for a quadrotor with collision avoidance guaranteed in constrained environments | |
| Leng et al. | An improved method for odometry estimation based on EKF and Temporal Convolutional Network | |
| Yang et al. | Research and implementation of automatic navigation and driving of tracked robot in tunnel based on slam | |
| Zhu et al. | Navigation for indoor robot: straight line movement via navigator | |
| Lee et al. | A fuzzy algorithm for navigation of mobile robots in unknown environments | |
| Vegesana et al. | Design and Integration of a Multi-Sensor System for Enhanced Indoor Autonomous Navigation | |
| WO2023147769A1 (en) | Systems, methods, and computer-readable media for spatio-temporal motion planning | |
| US20230415736A1 (en) | Systems and methods for controlling longitudinal acceleration based on lateral objects |
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 |