CN117742330A - 一种无人车横向控制方法 - Google Patents
一种无人车横向控制方法 Download PDFInfo
- Publication number
- CN117742330A CN117742330A CN202311760502.XA CN202311760502A CN117742330A CN 117742330 A CN117742330 A CN 117742330A CN 202311760502 A CN202311760502 A CN 202311760502A CN 117742330 A CN117742330 A CN 117742330A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- front wheel
- track
- distance
- deflection angle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 2
- 101100127891 Caenorhabditis elegans let-4 gene Proteins 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种无人车横向控制方法,所述方法包括如下步骤:根据车辆的当前速度选择预瞄距离;根据期望轨迹、车辆实时的经度、纬度及预瞄距离截取估计轨迹段;估计截取的估计轨迹段的曲率并计算前轮偏角前馈;遍历期望轨迹得到期望轨迹与车辆最近点的距离,记为横向偏差,根据横向偏差获取消除横向偏差的前轮偏角补偿值;将估计轨迹段的前轮偏角与消除横向偏差的前轮偏角补偿值相加得到规划前轮偏角δ,最终再将规划前轮偏角通过底盘can协议向下发送;本发明可以精准估计期望轨迹段的曲率,提高无人车辆的跟踪精度。本发明提出的控制方法简单,特殊复杂情况下控制效果明显优于传统控制方法。
Description
技术领域
本发明涉及无人驾驶运动控制领域,具体是一种无人车横向控制方法。
背景技术
横向运动精准控制是实现无人驾驶的重要一环,目前常用的控制方法为纯跟踪或模型预测控制,但这两种方法的均要求期望轨迹具备连续平滑性。在实际应用过程中,规划若出现不连续或轨迹曲率突变的情况,这两种方法将导致方向盘乱摆的现象,或者实际环境本身存在轨迹曲率突变和不连续的情况,这两种方法将很难完成精准跟踪任务。
发明内容
本发明所要解决的技术问题是,克服现有技术的缺点,提供一种无人车横向控制方法,通过预先估计轨迹曲率,并结合实时纠偏实现无人驾驶的精准控制。
为实现上述目的,本发明提供如下技术方案:
一种无人车横向控制方法,所述方法包括以下步骤:
获取车辆的当前速度,根据车辆的当前速度选择预瞄距离;
获取期望轨迹,所述期望轨迹上的每一点均应包括车辆实时的经度、纬度及航向信息,根据期望轨迹、车辆实时的经度、纬度及预瞄距离截取估计轨迹段;
估计截取的估计轨迹段的曲率并计算前轮偏角前馈;
遍历期望轨迹得到期望轨迹与车辆最近点的距离,记为横向偏差,根据横向偏差获取消除横向偏差的前轮偏角补偿值;
将估计轨迹段的前轮偏角与消除横向偏差的前轮偏角补偿值相加得到规划前轮偏角δ,最终再将规划前轮偏角通过底盘can协议向下发送。
作为本发明进一步的技术方案,所述获取车辆的当前速度,根据车辆的当前速度选择预瞄距离的步骤包括:
获取预设预瞄距离表,其中,所述预设预瞄距离表中包括若干成对设置的车辆实时速度和预瞄距离;
获取车辆的当前速度,根据所述预设预瞄距离表和车辆的当前速度确定预瞄距离。
作为本发明进一步的技术方案,所述获取期望轨迹,所述期望轨迹上的每一点均应包括车辆实时的经度、纬度及航向信息,根据期望轨迹、车辆实时的经度、纬度及预瞄距离截取估计轨迹段的步骤包括:
获取期望轨迹,所述期望轨迹上的每一点均应包括车辆实时的经度、纬度及航向信息;
首先遍历期望轨迹上距离车辆实时经度、纬度最近的点,记录该点的索引为n1;
然后在期望轨迹上从n1开始遍历距离大于预瞄距离D的索引,记录该索引为n2;
最后从期望轨迹上截取索引n1-n2,保存该轨迹段为估计轨迹段S。
作为本发明进一步的技术方案,所述估计截取的估计轨迹段的曲率并计算前轮偏角前馈的步骤包括:
Ai为估计轨迹段S上第i个点,假设C为所述估计轨迹段S曲率圆心,定义Ai到圆弧的距离的平方与半径平方之差的平方作为Ai偏离圆弧程度指标,其公式如下:
记4坐标为(xi,yi),令则估计轨迹段的半径的计算公式如下:
曲率为1/R;
根据估计轨迹段的半径和车辆轴距计算前轮偏角公式如下:
其中,L为车辆轴距,单位为m;R为估计轨迹段的半径,单位为m。
作为本发明进一步的技术方案,所述遍历期望轨迹得到期望轨迹与车辆最近点的距离,记为横向偏差,根据横向偏差获取消除横向偏差的车辆前轮偏角补偿值δf2的步骤包括:
遍历期望轨迹得到期望轨迹与车辆最近点的距离,记为横向偏差e(t),假设给定一个前轮偏角补偿值δe(t),要求其在d(t)距离内消除当前偏差,得到如下关系式:
其中,δf2(t)为车辆前轮偏角补偿值,单位为°,e(t)为现存在的偏差值,单位为m,d(t)为消除当前偏差值所需的距离值,单位为m;
其中,d(t)与车速相关,用车速v(t),增益参数k进行替代,因此前轮偏角补偿值的计算公式变化如下:
式中,δf2(t)为车辆前轮偏角补偿值,单位为°,e(t)为现存在的偏差值,单位为m,v(t)为车辆当前速度值,单位为m/s。
与现有技术相比,本发明的有益效果是:本发明提供了一种无人车横向控制方法,本发明可以精准估计期望轨迹段的曲率,提高无人车辆的跟踪精度,特别是期望轨迹曲率突变或规划轨迹存在跳变点情况,相比较其他算法优势尤为突出。本发明提出的控制方法简单,特殊复杂情况下控制效果明显优于传统控制方法。
附图说明
图1为本发明实施例提供的无人车横向控制方法的流程图。
图2为本发明实施例提供的估计轨迹段的坐标图。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
请参阅图1,本发明实施例提供了一种无人车横向控制方法,所述方法包括以下步骤:
S1、获取车辆的当前速度,根据车辆的当前速度选择预瞄距离;
获取预设预瞄距离表,其中,所述预设预瞄距离表中包括若干成对设置的车辆实时速度和预瞄距离,具体如下表1所示,获取车辆的当前速度,根据所述预设预瞄距离表和车辆的当前速度确定预瞄距离。
表1
车辆实时速度V(km/h) | 10及以下 | 20 | 30 | 40 | 50及以上 |
预瞄距离D(m) | 5 | 9 | 9.5 | 12 | 15 |
自动驾驶过程中,任一车辆速度可以在表1的基础上进行线性差值,例如当前车速为16km/h,可以计算出对应的预瞄距离为:
S2、获取期望轨迹,所述期望轨迹上的每一点均应包括车辆实时的经度、纬度及航向信息,根据期望轨迹、车辆实时的经度、纬度及预瞄距离截取估计轨迹段;
使用组合导航系统采集期望轨迹,该期望轨迹上的每一点均应包括经度、纬度及航向信息,在实际无人驾驶系统中,该段期望轨迹应由决策规划模块生成。
首先遍历期望轨迹上距离车辆实时经度、纬度最近的点,记录该点的索引为n1;然后在期望轨迹上从n1开始遍历距离大于预瞄距离D的索引,记录该索引为n2;最后从期望轨迹上截取索引n1-n2,保存该轨迹段为估计轨迹段S。
S3、估计截取的估计轨迹段的曲率并计算前轮偏角前馈;
如图2所示,Ai为估计轨迹段S上第i个点,假设C为所述估计轨迹段S曲率圆心,定义Ai到圆弧的距离的平方与半径平方之差的平方作为Ai偏离圆弧程度指标,其公式如下:
记4坐标为(xi,yi),令则估计轨迹段的半径的计算公式如下:
曲率为1/R;
根据估计轨迹段的半径和车辆轴距计算前轮偏角公式如下:
其中,L为车辆轴距,单位为m;R为估计轨迹段的半径,单位为m。
S4、遍历期望轨迹得到期望轨迹与车辆最近点的距离,记为横向偏差,根据横向偏差获取消除横向偏差的前轮偏角补偿值;
遍历期望轨迹得到期望轨迹与车辆最近点的距离,记为横向偏差e(t),假设给定一个前轮偏角补偿值δe(t),要求其在d(t)距离内消除当前偏差,可以得到如下关系式:
其中,δf2(t)为车辆前轮偏角补偿值,单位为°,e(t)为现存在的偏差值,单位为m,d(t)为消除当前偏差值所需的距离值,单位为m;
其中,d(t)与车速相关,用车速v(t),增益参数k进行替代,因此前轮偏角补偿值的计算公式变化如下:
式中,δf2(t)为车辆前轮偏角补偿值(清除当前横向偏差所需的车辆前轮偏角值),单位为°,e(t)为现存在的偏差值,单位为m,v(t)为车辆当前速度值,单位为m/s。
S5、将估计轨迹段的前轮偏角与消除横向偏差的前轮偏角补偿值相加得到规划前轮偏角δ。最终再将规划前轮偏角通过底盘can协议向下发送。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (5)
1.一种无人车横向控制方法,其特征在于,所述方法包括以下步骤:
获取车辆的当前速度,根据车辆的当前速度选择预瞄距离;
获取期望轨迹,所述期望轨迹上的每一点均应包括车辆实时的经度、纬度及航向信息,根据期望轨迹、车辆实时的经度、纬度及预瞄距离截取估计轨迹段;
估计截取的估计轨迹段的曲率并计算前轮偏角前馈;
遍历期望轨迹得到期望轨迹与车辆最近点的距离,记为横向偏差,根据横向偏差获取消除横向偏差的前轮偏角补偿值;
将估计轨迹段的前轮偏角与消除横向偏差的前轮偏角补偿值相加得到规划前轮偏角δ,最终再将规划前轮偏角通过底盘can协议向下发送。
2.根据权利要求1所述的一种无人车横向控制方法,其特征在于,所述车辆的当前速度,根据车辆的当前速度选择预瞄距离的步骤包括:
获取预设预瞄距离表,其中,所述预设预瞄距离表中包括若干成对设置的车辆实时速度和预瞄距离;
车辆的当前速度,根据所述预设预瞄距离表和车辆的当前速度确定预瞄距离。
3.根据权利要求1所述的一种无人车横向控制方法,其特征在于,所述获取期望轨迹,所述期望轨迹上的每一点均应包括车辆实时的经度、纬度及航向信息,根据期望轨迹、车辆实时的经度、纬度及预瞄距离截取估计轨迹段的步骤包括:
获取期望轨迹,所述期望轨迹上的每一点均应包括车辆实时的经度、纬度及航向信息;
首先遍历期望轨迹上距离车辆实时经度、纬度最近的点,记录该点的索引为n1;
然后在期望轨迹上从n1开始遍历距离大于预瞄距离D的索引,记录该索引为n2;
最后从期望轨迹上截取索引n1-n2,保存该轨迹段为估计轨迹段S。
4.根据权利要求1所述的一种无人车横向控制方法,其特征在于,所述估计截取的估计轨迹段的曲率并计算前轮偏角前馈的步骤包括:
Ai为估计轨迹段S上第i个点,假设C为所述估计轨迹段S曲率圆心,定义Ai到圆弧的距离的平方与半径平方之差的平方作为Ai偏离圆弧程度指标,其公式如下:
记Ai坐标为(xi,yi),令则估计轨迹段的半径的计算公式如下:
根据估计轨迹段的半径和车辆轴距计算前轮偏角公式如下:
其中,L为车辆轴距,单位为m;R为估计轨迹段的半径,单位为m。
5.根据权利要求1所述的一种无人车横向控制方法,其特征在于,所述遍历期望轨迹得到期望轨迹与车辆最近点的距离,记为横向偏差,根据横向偏差获取消除横向偏差的车辆前轮偏角补偿值的步骤包括:
遍历期望轨迹得到期望轨迹与车辆最近点的距离,记为横向偏差e(t),假设给定一个前轮偏角补偿值δe(t),要求其在d(t)距离内消除当前偏差,得到如下关系式:
其中,δf2(t)为车辆前轮偏角补偿值,单位为°,e(t)为现存在的偏差值,单位为m,d(t)为消除当前偏差值所需的距离值,单位为m;
其中,d(t)与车速相关,用车速v(t),增益参数k进行替代,因此前轮偏角补偿值的计算公式变化如下:
式中,δf2(t)为车辆前轮偏角补偿值,单位为°,e(t)为现存在的偏差值,单位为m,v(t)为车辆当前速度值,单位为m/s。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311760502.XA CN117742330A (zh) | 2023-12-20 | 2023-12-20 | 一种无人车横向控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311760502.XA CN117742330A (zh) | 2023-12-20 | 2023-12-20 | 一种无人车横向控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117742330A true CN117742330A (zh) | 2024-03-22 |
Family
ID=90277101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311760502.XA Pending CN117742330A (zh) | 2023-12-20 | 2023-12-20 | 一种无人车横向控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117742330A (zh) |
-
2023
- 2023-12-20 CN CN202311760502.XA patent/CN117742330A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11921510B1 (en) | Approach for consolidating observed vehicle trajectories into a single representative trajectory | |
CN110568758B (zh) | 一种自动驾驶汽车的参数自适应横向运动lqr控制方法 | |
CN110001637B (zh) | 一种基于多点跟踪的无人驾驶汽车路径跟踪控制装置及控制方法 | |
CN111176302B (zh) | 输入饱和的自动驾驶汽车路径跟踪控制方法 | |
WO2022095460A1 (zh) | 一种车辆横向控制方法、装置、车辆和可读存储介质 | |
US11334083B2 (en) | Route tracking method for mobile vehicle | |
CN109388140B (zh) | 一种改进的用于地面车辆路径跟踪的纯追踪控制方法 | |
WO2008072515A1 (ja) | 車両用制御装置 | |
CN109358621A (zh) | 自动驾驶汽车轨迹跟踪控制方法 | |
CN111158379B (zh) | 一种方向盘零偏自学习的无人车轨迹跟踪方法 | |
CN113264049B (zh) | 一种智能网联车队协作换道控制方法 | |
CN113985890B (zh) | 一种基于神经网络的轮式机器人自适应轨迹跟踪控制方法 | |
CN110109363B (zh) | 一种轮式移动机器人编队的神经网络自适应控制方法 | |
CN117742330A (zh) | 一种无人车横向控制方法 | |
CN117549908A (zh) | 一种基于前馈lqr的车辆横向控制方法 | |
CN115903833A (zh) | 一种移动机器人的追踪控制方法 | |
CN115542925A (zh) | 一种无人车横向控制用的偏差精准估计方法 | |
CN116691668A (zh) | 一种大型智能车辆的横向控制方法 | |
CN114460933A (zh) | 一种面向动态环境的移动机器人局部路径规划算法 | |
Yan et al. | A New Path Tracking Algorithm for Four-Wheel Differential Steering Vehicle | |
CN113325849A (zh) | 一种针对高地隙植保机的运动控制方法 | |
CN113306573A (zh) | 一种自动驾驶车辆学习型路径跟踪预测控制方法 | |
CN117519133B (zh) | 一种无人驾驶采棉机轨迹跟踪控制方法 | |
CN117850413B (zh) | 一种基于“折线”路径的车辆控制方法 | |
CN113602273B (zh) | 考虑车辆动力学的换道轨迹规划方法 |
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 |