TWI740634B - 自駕車之動態速度規劃方法及其系統 - Google Patents
自駕車之動態速度規劃方法及其系統 Download PDFInfo
- Publication number
- TWI740634B TWI740634B TW109130814A TW109130814A TWI740634B TW I740634 B TWI740634 B TW I740634B TW 109130814 A TW109130814 A TW 109130814A TW 109130814 A TW109130814 A TW 109130814A TW I740634 B TWI740634 B TW I740634B
- Authority
- TW
- Taiwan
- Prior art keywords
- acceleration
- self
- driving
- combination
- information
- Prior art date
Links
Images
Landscapes
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本發明提供一種自駕車之動態速度規劃方法,其用以規劃出自駕車之最佳速度曲線。資訊儲存步驟驅動記憶體儲存障礙物之障礙物資訊、道路資訊及車輛資訊。加速度限制計算步驟依據運算程序計算車輛資訊而產生加速度極限值範圍。加速度組合產生步驟依據障礙物資訊、道路資訊及加速度極限值範圍產生複數個加速度組合。加速度篩選步驟依據急跳度門檻值篩選加速度組合而得到篩選後加速度組合。加速度平滑步驟執行駕駛行為程序調整篩選後加速度組合而產生最佳速度曲線。藉此,透過考量車輛操作極限、車輛動態及人類駕駛行為,達到可適應環境變化。
Description
本發明是關於一種自駕車之動態速度規劃方法及其系統,特別是關於一種具人類駕駛行為模式的自駕車之動態速度規劃方法及其系統。
近幾年自動駕駛汽車的發展蓬勃,許多車廠大量投入資源,為自駕時代來臨預作準備,並已計畫採用無人駕駛汽車來經營交通運輸系統,而且已允許實驗性質的自動駕駛汽車。
目前自動駕駛汽車的先進駕駛輔助系統(Advanced Driver Assistance System,ADAS)及自動駕駛系統(Autonomous Driving System,ADS)皆缺乏對外部環境的適應力。舉例來說,ADAS的速度控制主要以自動定速巡航(Autonomous Cruise Control,ACC)為主,但其缺乏速度或加速度的規劃,無法預測未來與目標車之互動關係。此外,ADS雖然具有速度規劃,但其僅考量車輛操作極限,卻沒有考慮當下車輛動態的加速度與急跳度之限制。
由此可知,目前市場上的ADAS及ADS皆缺乏加速度的規劃與應變能力,如何開發出基於車輛動態與外部環境的動態速度規劃方法及其系統,實為民眾所殷切企盼,亦係相關業者須努力研發突破之目標及方向。
因此,本發明之目的在於提供一種自駕車之動態速度規劃方法及其系統,其先透過車輛資訊與運算程序獲得加速度極限值範圍,然後融合障礙物資訊與道路資訊規劃出加速度組合,並利用加速度作為基準,同時考量車輛操作極限、車輛動態及人類駕駛行為,進而達到可適應環境變化,可解決習知技術中目標速度範圍僅考慮圖資,而未考量未來障礙物資訊及自駕車動態資訊,甚至只以人工配置速度上下限的問題。
依據本發明的方法態樣之一實施方式提供一種自駕車之動態速度規劃方法,其用以規劃出自駕車之最佳速度曲線,此自駕車之動態速度規劃方法包含資訊儲存步驟、加速度限制計算步驟、加速度組合產生步驟、加速度篩選步驟以及加速度平滑步驟。其中資訊儲存步驟係驅動記憶體儲存障礙物之障礙物資訊、道路資訊及自駕車之車輛資訊,且車輛資訊包含急跳度門檻值與急跳度切換頻率門檻值。加速度限制計算步驟係驅動運算處理單元接收來自記憶體之車輛資訊,並依據運算程序計算車輛資訊而產生自駕車之加速度極限值範圍。此外,加速度組合產生步驟係驅動運算處理單元接收來自記憶體之障礙物資訊與道路資訊,並依據障礙物資訊、道路資訊及加速度極限值範圍規劃出自駕車之加速度區間,然後依據加速度區間產生自駕車之複數個加速度組合。加速度篩選步驟係驅動運算處理單元依據急跳度門檻值與急跳度切換頻率門檻值篩選加速度組合而得到篩選後加速度組合。加速度平滑步驟係驅動運算處理單元執行駕駛行為程序調整篩選後加速度組合而產生最佳速度曲線。
藉此,本發明的自駕車之動態速度規劃方法透過車輛資訊與運算程序獲得加速度極限值範圍,然後融合障礙物資訊與道路資訊規劃出加速度組合,利用加速度作為基準,考量車輛操作極限與車輛動態,達到可適應環境變化,藉以令自駕車未來行為是可預估的。
前述實施方式之其他實施例如下:前述車輛資訊可更包含前輪轉向剛性、後輪轉向剛性、前輪軸距、後輪軸距、車輛慣性及車輛質量。
前述實施方式之其他實施例如下:前述加速度限制計算步驟可包含側向加速度運算步驟、縱向加速度運算步驟及縱側速度運算步驟。其中側向加速度運算步驟係驅動運算處理單元依據動力學運算模型推算車輛資訊而產生自駕車之側向加速度。縱向加速度運算步驟係驅動運算處理單元依據摩擦圓運算模型推算側向加速度而產生自駕車之縱向加速度。縱側速度運算步驟係驅動運算處理單元依據運動學運算模型分別推算側向加速度與縱向加速度而產生自駕車之縱向速度與側向速度。
前述實施方式之其他實施例如下:前述加速度組合產生步驟可包含加速度區間產生步驟,此加速度區間產生步驟由運算處理單元配置實施並包含障礙物限制步驟與道路限制步驟。其中障礙物限制步驟係依據障礙物資訊限制自駕車之加速度極限值範圍而產生初始加速度區間。道路限制步驟係依據道路資訊限制初始加速度區間而產生加速度區間。
前述實施方式之其他實施例如下:前述加速度組合產生步驟可更包含加速度離散步驟,此加速度離散步驟由運算處理單元配置實施並包含離散步驟與目標點組合步驟。其中離散步驟係依據預設時間間隔與加速度區間而產生複數個加速度群體,並將各個加速度群體依據預設加速度間隔離散而產生至少一加速度目標點。目標點組合步驟係依序將各個加速度群體之至少一加速度目標點相互組合而產生加速度組合。
前述實施方式之其他實施例如下:前述各個加速度組合可包含最大急跳度與急跳度切換頻率,急跳度門檻值表示為J
threshold,各個最大急跳度表示為J
max,各個急跳度切換頻率表示為Jfrequency,急跳度切換頻率門檻值表示為f
threshold且符合下式:
;
。
前述實施方式之其他實施例如下:前述加速度平滑步驟可包含調整步驟與擬合步驟。其中調整步驟係依據積極模型、常態模型及保守模型之任一者調整篩選後加速度組合而產生仿人為加速度組合,且仿人為加速度組合具有複數個最佳加速度。擬合步驟係將仿人為加速度組合之最佳加速度進行積分與平滑化並擬合為最佳速度曲線。
依據本發明的結構態樣之一實施方式提供一種自駕車之動態速度規劃系統,其用以規劃出自駕車之最佳速度曲線,此自駕車之動態速度規劃方法包含記憶體與運算處理單元。其中記憶體用以存取障礙物之障礙物資訊、道路資訊、自駕車之車輛資訊、運算程序及駕駛行為程序,且車輛資訊包含急跳度門檻值。運算處理單元電性連接記憶體,運算處理單元經配置以實施包含以下步驟之操作:加速度限制計算步驟、加速度組合產生步驟、加速度篩選步驟及加速度平滑步驟。其中加速度限制計算步驟依據運算程序計算車輛資訊而產生自駕車之加速度極限值範圍。加速度組合產生步驟係依據障礙物資訊、道路資訊及加速度極限值範圍規劃出自駕車之加速度區間,然後依據加速度區間產生自駕車之複數個加速度組合。加速度篩選步驟係依據急跳度門檻值篩選加速度組合而得到篩選後加速度組合。加速度平滑步驟係執行駕駛行為程序調整篩選後加速度組合而產生最佳速度曲線。
藉此,本發明的自駕車之動態速度規劃系統透過障礙物資訊、道路資訊及車輛資訊規劃出自駕車可行的加速度組合,然後經由急跳度限制條件與駕駛行為程序篩選出符合人類駕駛行為的仿人為加速度組合,達到可適應未來環境變化與提高乘客的舒適度。
前述實施方式之其他實施例如下:前述車輛資訊可更包含前輪轉向剛性、後輪轉向剛性、前輪軸距、後輪軸距、車輛慣性及車輛質量。
前述實施方式之其他實施例如下:前述記憶體可包含動力學運算模型、摩擦圓運算模型及運動學運算模型,且前述加速度限制計算步驟可包含側向加速度運算步驟、縱向加速度運算步驟及縱側速度運算步驟。其中側向加速度運算步驟係依據動力學運算模型推算車輛資訊而產生自駕車之側向加速度。縱向加速度運算步驟係依據摩擦圓運算模型推算側向加速度而產生自駕車之縱向加速度。縱側速度運算步驟係依據運動學運算模型分別推算側向加速度與縱向加速度而產生自駕車之縱向速度與側向速度。
前述實施方式之其他實施例如下:前述運算處理單元經配置以實施加速度區間產生步驟,此加速度區間產生步驟包含障礙物限制步驟與道路限制步驟。障礙物限制步驟係依據障礙物資訊限制自駕車之加速度極限值範圍而產生初始加速度區間。道路限制步驟係依據道路資訊限制初始加速度區間而產生加速度區間。
前述實施方式之其他實施例如下:前述運算處理單元經配置以實施加速度離散步驟,此加速度離散步驟包含離散步驟與目標點組合步驟。其中離散步驟係依據預設時間間隔與加速度區間而產生複數個加速度群體,並將各個加速度群體依據預設加速度間隔離散而產生至少一加速度目標點。目標點組合步驟係依序將各個加速度群體之至少一加速度目標點相互組合而產生加速度組合。
前述實施方式之其他實施例如下:前述各個加速度組合可包含最大急跳度與急跳度切換頻率,急跳度門檻值表示為J
threshold,各個最大急跳度表示為J
max,各個急跳度切換頻率表示為Jfrequency,急跳度切換頻率門檻值表示為f
threshold且符合下式:
;
。
前述實施方式之其他實施例如下:前述運算處理單元經配置以實施加速度平滑步驟,此加速度平滑步驟包含調整步驟與擬合步驟。其中調整步驟係依據積極模型、常態模型及保守模型之任一者調整篩選後加速度組合而產生仿人為加速度組合,且仿人為加速度組合具有複數個最佳加速度。擬合步驟係將仿人為加速度組合之最佳加速度進行積分與平滑化並擬合為最佳速度曲線。
以下將參照圖式說明本發明之複數個實施例。為明確說明起見,許多實務上的細節將在以下敘述中一併說明。然而,應瞭解到,這些實務上的細節不應用以限制本發明。也就是說,在本發明部分實施例中,這些實務上的細節是非必要的。此外,為簡化圖式起見,一些習知慣用的結構與元件在圖式中將以簡單示意的方式繪示之;並且重複之元件將可能使用相同的編號表示之。
此外,本文中當某一元件(或單元或模組等)「連接」於另一元件,可指所述元件是直接連接於另一元件,亦可指某一元件是間接連接於另一元件,意即,有其他元件介於所述元件及另一元件之間。而當有明示某一元件是「直接連接」於另一元件時,才表示沒有其他元件介於所述元件及另一元件之間。而第一、第二、第三等用語只是用來描述不同元件,而對元件本身並無限制,因此,第一元件亦可改稱為第二元件。且本文中之元件/單元/電路之組合非此領域中之一般周知、常規或習知之組合,不能以元件/單元/電路本身是否為習知,來判定其組合關係是否容易被技術領域中之通常知識者輕易完成。
請參閱第1圖,第1圖係繪示本發明第一實施例的自駕車之動態速度規劃方法100的流程示意圖。自駕車之動態速度規劃方法100用以規劃出自駕車之最佳速度曲線110,此自駕車之動態速度規劃方法100包含資訊儲存步驟S02、加速度限制計算步驟S04、加速度組合產生步驟S06、加速度篩選步驟S08以及加速度平滑步驟S10。
資訊儲存步驟S02係驅動記憶體儲存障礙物之障
礙物資訊、道路資訊及自駕車之車輛資訊102,且記憶體儲存急跳度門檻值與急跳度切換頻率門檻值。加速度限制計算步驟S04係驅動運算處理單元接收來自記憶體之車輛資訊102,並依據一運算程序計算車輛資訊102而產生自駕車之加速度極限值範圍104。此外,加速度組合產生步驟S06係驅動運算處理單元接收來自記憶體之障礙物資訊與道路資訊,並依據障礙物資訊、道路資訊及加速度極限值範圍104規劃出自駕車之加速度區間,然後依據加速度區間產生自駕車之複數個加速度組合106。加速度篩選步驟S08係驅動運算處理單元依據急跳度門檻值與急跳度切換頻率門檻值篩選加速度組合106而得到篩選後加速度組合108。加速度平滑步驟S10係驅動運算處理單元執行一駕駛行為程序調整篩選後加速度組合108而產生最佳速度曲線110。藉此,本發明的自駕車之動態速度規劃方法100透過車輛資訊102與運算程序獲得加速度極限值範圍104,然後融合障礙物資訊與道路資訊規劃出加速度組合106,並利用加速度作為基準,同時考量車輛操作極限、車輛動態及人類駕駛行為,達到可適應環境變化,藉以令自駕車未來行為是可預估的。以下將透過較詳細的實施例來說明上述各步驟之細節。
請一併參閱第2圖至第11圖,其中第2圖係繪示本發明第二實施例的自駕車之動態速度規劃方法100a的流程示意圖;第3圖係繪示第2圖的自駕車之動態速度規劃方法100a的資訊儲存步驟S12的示意圖;第4圖係繪
示第2圖的自駕車之動態速度規劃方法100a的加速度限制計算步驟S14之示意圖;第5圖係繪示第2圖的自駕車之動態速度規劃方法100a的加速度區間產生步驟S162的示意圖;第6圖係繪示第2圖的自駕車之動態速度規劃方法100a應用於車道避障之示意圖;第7圖係繪示第2圖的自駕車之動態速度規劃方法100a的加速度離散步驟S164之示意圖;第8圖係繪示第2圖的自駕車之動態速度規劃方法100a的加速度篩選步驟S18之示意圖;第9圖係繪示第2圖的自駕車之動態速度規劃方法100a的積極模型M1、常態模型M2及保守模型M3之示意圖;第10圖係繪示第2圖的自駕車之動態速度規劃方法100a的調整步驟S202之示意圖;以及第11圖係繪示第2圖的自駕車之動態速度規劃方法100a的擬合步驟S204之示意圖。如圖所示,自駕車之動態速度規劃方法100a用以規劃出自駕車HV之最佳速度曲線110,此自駕車之動態速度規劃方法100a包含資訊儲存步驟S12、加速度限制計算步驟S14、加速度組合產生步驟S16、加速度篩選步驟S18、加速度平滑步驟S20以及控制步驟S22。
資訊儲存步驟S12係驅動記憶體儲存障礙物Obj之障礙物資訊、道路資訊及自駕車HV之車輛資訊102。詳細地說,自駕車HV包含感測模組,感測模組用以感測障礙物資訊、道路資訊及車輛資訊102,並將上述資訊儲存於記憶體,且記憶體儲存急跳度門檻值與急跳度切換頻率門檻值,其中障礙物資訊包含障礙物Obj之障礙物速度
VObj、障礙物加速度aObj及障礙物加速度範圍103。道路資訊包含道路速度上限Vmax與道路速度下限Vmin。車輛資訊102可包含自駕車HV的前輪轉向剛性、後輪轉向剛性、前輪軸距、後輪軸距、車輛慣性及車輛質量。
加速度限制計算步驟S14係驅動運算處理單元接收來自記憶體之車輛資訊102,並依據運算程序計算車輛資訊102而產生自駕車HV之加速度極限值範圍104。詳細地說,加速度限制計算步驟S14可包含側向加速度運算步驟S142、縱向加速度運算步驟S144及縱側速度運算步驟S146。側向加速度運算步驟S142係驅動運算處理單元依據一動力學(Dynamics)運算模型推算車輛資訊102而產生自駕車HV之側向加速度ay。縱向加速度運算步驟S144係驅動運算處理單元依據一摩擦圓(Friction circle)運算模型推算側向加速度ay而產生自駕車HV之縱向加速度ax。縱側速度運算步驟S146係驅動運算處理單元依據一運動學(kinematics)運算模型分別推算側向加速度ay與縱向加速度ax而產生自駕車HV之縱向速度u與側向速度v。
更詳細地說,運算程序係包含動力學運算模型、摩擦圓運算模型及運動學運算模型。首先,動力學運算模型包含側向力Fy、車輛質量m、加速度、縱向速度u、偏航角速度r、偏航角加速度、前輪側向力Fyf、後輪側向力Fyr及車輛慣性IZ,且符合下列式子(1):
接著,摩擦圓運算模型包含可用最大縱向力
、縱向力F
x、可用最大側向力
、側向力F
y、最大縱向加速度
、最大側向加速度
、縱向加速度a
x及側向加速度a
y,且符合下列式子(4)。運算處理單元對式子(4)進行移項與消除而產生縱向加速度a
x,其符合下列式子(5):
(4);
(5)。
其中,S為距離,u0為初始縱向速度,v0為初始側向速度。藉此,本發明的自駕車之動態速度規劃方法100a藉由車輛資訊102與動力學運算模型而產生側向加速度ay,再透過摩擦圓運算模型而產生縱向加速度ax,最後透過運動學運算模型而產生縱向速度u與側向速度v。值得說明的是,在未來路徑上,縱向X與側向Y的自駕車加速度aHV分別為上述的縱向加速度ax與側向加速度ay,縱向X與側向Y的自駕車速度VHV分別為上述的縱向速度u與側向速度v,而自駕車加速度aHV的上下範圍即為自駕車HV之加速度極限值範圍104。
加速度組合產生步驟S16可包含加速度區間產生步驟S162與加速度離散步驟S164,其中加速度區間產生步驟S162可包含障礙物限制步驟S1622與道路限制步驟S1624。障礙物限制步驟S1622係依據障礙物資訊限制自駕車HV之加速度極限值範圍104而產生初始加速度區間104a。道路限制步驟S1624係依據道路資訊限制初始加速度區間104a而產生加速度區間105。詳細地說,運算處理單元基於障礙物資訊的障礙物加速度範圍103(即障礙物加速度aObj的上下限範圍)限制加速度極限值範圍104而產生初始加速度區間104a。接著,運算處理單元基於道路速度上限Vmax與道路速度下限Vmin擷取加速度極
限值範圍104而產生加速度區間105。藉此,在一般車道上,本發明的自駕車之動態速度規劃方法100a利用道路資訊與障礙物資訊進一步地限制自駕車HV的加速度極限值範圍104而推算出自駕車HV可應用的加速度範圍(即加速度區間105)。
另外,加速度離散步驟S164可包含離散步驟S1642與目標點組合步驟S1644,其中離散步驟S1642係依據預設時間間隔與加速度區間105而產生複數個加速度群體G1、G2、G3、G4,並將各個加速度群體G1、G2、G3、G4依據預設加速度間隔離散而產生至少一加速度目標點aT。目標點組合步驟S1644係依序將各個加速度群體G1、G2、G3、G4之至少一加速度目標點aT相互組合而產生複數個加速度組合106。舉例來說,當以預設加速度間隔為1m/s 2與預設時間間隔為0.1秒作為基準時,自駕車HV之首次軌跡點的加速度區間105為[1,1]m/s 2,則只有一個加速度值(即加速度目標點aT),再依據首次軌跡點計算下一次軌跡點的加速度值,而下一次的加速度區間105為[-3,5]m/s 2,便可切出-3、-2、-1、0、1、2、3、4及5m/s 2共9種加速度值,又依據當下的軌跡點計算下一次軌跡點的加速度值,而下一次的加速度區間105為[-4,8]m/s 2,依此類推不再贅述(如第7圖所示),但本發明不以此為限。
加速度篩選步驟S18係驅動運算處理單元依據急跳度門檻值與急跳度切換頻率門檻值篩選加速度組合106
而得到篩選後加速度組合108。具體來說,上述各個加速度組合106包含最大急跳度,各個最大急跳度小於等於急跳度門檻值,各個最大急跳度表示為Jmax,急跳度門檻值表示為Jthreshold且符合下列式子(8):
詳細地說,加速度組合106包含加速度組合1061與加速度組合1062。急跳度門檻值Jthreshold可為20m/s 3。在加速度組合1061中,從一開始的1m/s 2跳到2m/s 2產生10m/s 3的急跳度,最後的3m/s 2跳到1m/s 2產生20m/s 3的急跳度(即為加速度組合1061的最大急跳度Jmax)。在加速度組合1062中,從一開始的1m/s 2跳到-3m/s 2產生40m/s 3的急跳度(即為加速度組合1062的最大急跳度Jmax),最後的1m/s 2跳到-1m/s 2產生20m/s 3的急跳度。因此,運算處理單元依據急跳度門檻值Jthreshold淘汰上述加速度組合1062。
另外,急跳度切換頻率門檻值儲存於記憶體內,而上述各個加速度組合106可更包含急跳度切換頻率。特別的是,各個急跳度切換頻率小於等於急跳度切換頻率門檻值,各個急跳度切換頻率表示為Jfrequency,急跳度切換頻率門檻值表示為fthreshold且符合下列式子(9):
詳細地說,急跳度切換頻率門檻值fthreshold可為2。當急跳度有正負的切換,則急跳度切換頻率Jfrequency就會累積1次。在加速度組合1061中,從
一開始的1m/s 2跳到2m/s 2,再從2m/s 2跳到3m/s 2,又再從3m/s 2跳到1m/s 2,加速度組合1061的急跳度切換頻率Jfrequency為0。在加速度組合1062中,從一開始的1m/s 2跳到-3m/s 2,再從-3m/s 2跳到1m/s 2,又再從1m/s 2跳到-1m/s 2,加速度組合1062的急跳度切換頻率Jfrequency為3。因此,運算處理單元依據急跳度切換頻率門檻值fthreshold淘汰上述加速度組合1062。藉此,本發明的自駕車之動態速度規劃方法100a透過上述的限制條件對車輛動態篩選加速度組合106,進而產生篩選後加速度組合108(即加速度組合1061)。
加速度平滑步驟S20係驅動運算處理單元執行駕駛行為程序調整篩選後加速度組合108而產生最佳速度曲線110。駕駛行為程序依據加速度a、速度V及方向盤轉角θ分類為積極模型M1、常態模型M2及保守模型M3。此外,加速度平滑步驟S20可包含調整步驟S202與擬合步驟S204,其中調整步驟S202係依據上述的積極模型M1、常態模型M2及保守模型M3之任一者調整篩選後加速度組合108而產生仿人為加速度組合108a,且仿人為加速度組合108a具有複數個最佳加速度af1、af2、af3、af4。擬合步驟S204係將仿人為加速度組合108a之每個最佳加速度af1、af2、af3、af4進行積分與平滑化並擬合為最佳速度曲線110。
詳細地說,積極模型M1、常態模型M2及保守模型M3包含對應的趨勢曲線C。運算處理單元依據與篩選
後加速度組合108較相近的趨勢曲線C分別調整篩選後加速度組合108內的加速度目標點aT1、aT2、aT3、aT4至最佳加速度af1、af2、af3、af4。例如,加速度目標點aT2(-3m/s 2)調整為最佳加速度af2(-2m/s 2)。最後,再透過積分方式轉換仿人為加速度組合108a為速度組合108b,並將速度組合108b進行曲線擬合,藉以令速度組合108b平滑化並產生最佳速度曲線110。控制步驟S22係基於最佳速度曲線110作為控制自駕車HV的自動駕駛參數,其細節為習知技術,故不再贅述。
藉此,本發明的自駕車之動態速度規劃方法100a透過駕駛行為程序改變加速度變化率,進而取得符合人類駕駛行為的仿人為加速度組合108a,再將速度組合108b擬合成平滑曲線,達到解決速度不連續之問題而造成的控制震盪,且依據最佳速度曲線110可進一步預估自駕車HV與障礙物Obj之碰撞時間,進而預測自駕車HV與障礙物Obj之互動關係。
請一併參閱第2圖至第12圖,其中第12圖係繪示本發明第三實施例之自駕車之動態速度規劃系統200的方塊示意圖。自駕車之動態速度規劃系統200用以規劃出一自駕車HV之最佳速度曲線110,自駕車之動態速度規劃系統200包含感測模組300、記憶體400及運算處理單元500。
感測模組300用以感測障礙物資訊、道路資訊及車輛資訊102,並將上述資訊儲存於記憶體400,其中障
礙物資訊包含障礙物Obj之障礙物速度VObj與障礙物加速度aObj。道路資訊包含道路速度上限Vmax與道路速度下限Vmin。車輛資訊102可包含自駕車HV的前輪轉向剛性、後輪轉向剛性、前輪軸距、後輪軸距、車輛慣性及車輛質量。上述感測模組300可包含GPS、陀螺儀(Gyroscope)、里程計(Odemeter)、車速計(Speed Meter)及慣性測量單元(IMU)、光達(Lidar)、雷達(Radar)及相機,而感測模組300為習知技術,故不再贅述。
記憶體400用以存取障礙物Obj之障礙物資訊、道路資訊、自駕車HV之車輛資訊102、運算程序、駕駛行為程序、急跳度門檻值Jthreshold及急跳度切換頻率門檻值fthreshold,其中駕駛行為程序依據加速度a、速度V及方向盤轉角θ分類為積極模型M1、常態模型M2及保守模型M3。
運算處理單元500電性連接記憶體400與感測模組300,運算處理單元500經配置以實施自駕車之動態速度規劃方法100、100a,其可為微處理器、電子控制單元(Electronic Control Unit;ECU)、電腦、行動裝置或其他運算處理器。
藉此,本發明的自駕車之動態速度規劃系統200透過障礙物資訊、道路資訊及車輛資訊102規劃出自駕車HV可行的加速度組合106,然後經由急跳度限制條件與駕駛行為程序篩選出符合人類駕駛行為的仿人為加速度組
合108a,達到可適應未來環境變化與提高乘客的舒適度。
由上述實施方式可知,本發明具有下列優點:其一,透過車輛資訊與運算程序獲得加速度極限值範圍,然後融合障礙物資訊與道路資訊規劃出加速度組合,並利用加速度作為基準,同時考量車輛操作極限、車輛動態及人類駕駛行為,達到可適應環境變化。其二,透過急跳度門檻值與急跳度切換頻率門檻值對車輛動態篩選出可行的加速度組合,降低加速度的變化率,提高乘客的舒適度。其三,能應對環境變化的速度規劃,可處理一般市售系統無法處理的情況,例如:障礙物闖入、車道變換之配速等,使自駕車速度規劃系統對於環境感測變化更加強健,且更加安全。
雖然本發明已以實施方式揭露如上,然其並非用以限定本發明,任何熟習此技藝者,在不脫離本發明之精神和範圍內,當可作各種之更動與潤飾,因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
100,100a:自駕車之動態速度規劃方法
102:車輛資訊
103:障礙物加速度範圍
104:加速度極限值範圍
104a:初始加速度區間
105:加速度區間
106,1061,1062:加速度組合
108:篩選後加速度組合
108a:仿人為加速度組合
108b:速度組合
110:最佳速度曲線
200:自駕車之動態速度規劃系統
300:感測模組
400:記憶體
500:運算處理單元
HV:自駕車
VHV:自駕車速度
aHV:自駕車加速度
Obj:障礙物
VObj:障礙物速度
aObj:障礙物加速度
Vmax:道路速度上限
Vmin:道路速度下限
u:縱向速度
v:側向速度
ax:縱向加速度
ay:側向加速度
X:縱向
Y:側向
G1,G2,G3,G4:加速度群體
aT,aT1,aT2,aT3,aT4:加速度目標點
af1,af2,af3,af4:最佳加速度
M1:積極模型
M2:常態模型
M3:保守模型
C:趨勢曲線
a:加速度
V:速度
θ:方向盤轉角
S02,S12:資訊儲存步驟
S04,S14:加速度限制計算步驟
S142:側向加速度運算步驟
S144:縱向加速度運算步驟
S146:縱側速度運算步驟
S06,S16:加速度組合產生步驟
S162:加速度區間產生步驟
S1622:障礙物限制步驟
S1624:道路限制步驟
S164:加速度離散步驟
S1642:離散步驟
S1644:目標點組合步驟
S08,S18:加速度篩選步驟
S10,S20:加速度平滑步驟
S202:調整步驟
S204:擬合步驟
S22:控制步驟
第1圖係繪示本發明第一實施例的自駕車之動態速度規劃方法的流程示意圖;
第2圖係繪示本發明第二實施例的自駕車之動態速度規劃方法的流程示意圖;
第3圖係繪示第2圖的自駕車之動態速度規劃方法的資訊儲存步驟的示意圖;
第4圖係繪示第2圖的自駕車之動態速度規劃方法的加速度限制計算步驟之示意圖;
第5圖係繪示第2圖的自駕車之動態速度規劃方法的加速度區間產生步驟的示意圖;
第6圖係繪示第2圖的自駕車之動態速度規劃方法應用於車道避障之示意圖;
第7圖係繪示第2圖的自駕車之動態速度規劃方法的加速度離散步驟之示意圖;
第8圖係繪示第2圖的自駕車之動態速度規劃方法的加速度篩選步驟之示意圖;
第9圖係繪示第2圖的自駕車之動態速度規劃方法的積極模型、常態模型及保守模型之示意圖;
第10圖係繪示第2圖的自駕車之動態速度規劃方法的調整步驟之示意圖;
第11圖係繪示第2圖的自駕車之動態速度規劃方法的擬合步驟之示意圖;以及
第12圖係繪示本發明第三實施例之自駕車之動態速度規劃系統的方塊示意圖。
100:自駕車之動態速度規劃方法
102:車輛資訊
104:加速度極限值範圍
106:加速度組合
108:篩選後加速度組合
110:最佳速度曲線
S02:資訊儲存步驟
S04:加速度限制計算步驟
S06:加速度組合產生步驟
S08:加速度篩選步驟
S10:加速度平滑步驟
Claims (14)
- 一種自駕車之動態速度規劃方法,用以規劃出一自駕車之一最佳速度曲線,該自駕車之動態速度規劃方法包含以下步驟:一資訊儲存步驟,係驅動一記憶體儲存由一感測模組所感測的一障礙物之一障礙物資訊、一道路資訊及該自駕車之一車輛資訊,且該記憶體儲存一急跳度門檻值與一急跳度切換頻率門檻值;一加速度限制計算步驟,係驅動一運算處理單元接收來自該記憶體之該車輛資訊,並依據一運算程序計算該車輛資訊而產生該自駕車之一加速度極限值範圍;一加速度組合產生步驟,係驅動該運算處理單元接收來自該記憶體之該障礙物資訊與該道路資訊,並依據該障礙物資訊、該道路資訊及該加速度極限值範圍規劃出該自駕車之一加速度區間,然後依據該加速度區間產生該自駕車之複數個加速度組合;一加速度篩選步驟,係驅動該運算處理單元依據該急跳度門檻值與該急跳度切換頻率門檻值篩選該些加速度組合而得到一篩選後加速度組合;以及一加速度平滑步驟,係驅動該運算處理單元執行一駕駛行為程序調整該篩選後加速度組合而產生該最佳速度曲線。
- 如請求項1所述之自駕車之動態速度規劃方 法,其中該車輛資訊更包含一前輪轉向剛性、一後輪轉向剛性、一前輪軸距、一後輪軸距、一車輛慣性及一車輛質量。
- 如請求項1所述之自駕車之動態速度規劃方法,其中該加速度限制計算步驟包含:一側向加速度運算步驟,係驅動該運算處理單元依據一動力學運算模型推算該車輛資訊而產生該自駕車之一側向加速度;一縱向加速度運算步驟,係驅動該運算處理單元依據一摩擦圓運算模型推算該側向加速度而產生該自駕車之一縱向加速度;及一縱側速度運算步驟,係驅動該運算處理單元依據一運動學運算模型分別推算該側向加速度與該縱向加速度而產生該自駕車之一縱向速度與一側向速度。
- 如請求項1所述之自駕車之動態速度規劃方法,其中該加速度組合產生步驟包含:一加速度區間產生步驟,由該運算處理單元配置實施,該加速度區間產生步驟包含:一障礙物限制步驟,係依據該障礙物資訊限制該自駕車之該加速度極限值範圍而產生一初始加速度區間;及一道路限制步驟,係依據該道路資訊限制該初始加速度區間而產生該加速度區間。
- 如請求項4所述之自駕車之動態速度規劃方法,其中該加速度組合產生步驟更包含:一加速度離散步驟,由該運算處理單元配置實施,該加速度離散步驟包含:一離散步驟,係依據一預設時間間隔與該加速度區間而產生複數個加速度群體,並將每一該些加速度群體依據一預設加速度間隔離散而產生至少一加速度目標點;及一目標點組合步驟,係依序將每一該些加速度群體之該至少一加速度目標點相互組合而產生該些加速度組合。
- 如請求項1所述之自駕車之動態速度規劃方法,其中該加速度平滑步驟包含:一調整步驟,係依據一積極模型、一常態模型及一保守 模型之任一者調整該篩選後加速度組合而產生一仿人為加速度組合,且該仿人為加速度組合具有複數個最佳加速度;及一擬合步驟,係將該仿人為加速度組合之該些最佳加速度進行積分與平滑化並擬合為該最佳速度曲線。
- 一種自駕車之動態速度規劃系統,用以規劃出一自駕車之一最佳速度曲線,該自駕車之動態速度規劃系統包含:一感測模組,用以感測一障礙物之一障礙物資訊、一道路資訊及該自駕車之一車輛資訊;一記憶體,用以存取該障礙物資訊、該道路資訊、該車輛資訊、一運算程序、一駕駛行為程序、一急跳度門檻值及一急跳度切換頻率門檻值;以及一運算處理單元,電性連接該記憶體,該運算處理單元經配置以實施包含以下步驟之操作:一加速度限制計算步驟,依據該運算程序計算該車輛資訊而產生該自駕車之一加速度極限值範圍;一加速度組合產生步驟,係依據該障礙物資訊、該道路資訊及該加速度極限值範圍規劃出該自駕車之一加速度區間,然後依據該加速度區間產生該自駕車之複數個加速度組合;一加速度篩選步驟,係依據該急跳度門檻值與該急跳度切換頻率門檻值篩選該些加速度組合而得到一篩選後 加速度組合;及一加速度平滑步驟,係執行該駕駛行為程序調整該篩選後加速度組合而產生該最佳速度曲線。
- 如請求項8所述之自駕車之動態速度規劃系統,其中該車輛資訊更包含一前輪轉向剛性、一後輪轉向剛性、一前輪軸距、一後輪軸距、一車輛慣性及一車輛質量。
- 如請求項8所述之自駕車之動態速度規劃系統,其中該記憶體包含一動力學運算模型、一摩擦圓運算模型及一運動學運算模型,且該加速度限制計算步驟包含:一側向加速度運算步驟,係依據該動力學運算模型推算該車輛資訊而產生該自駕車之一側向加速度;一縱向加速度運算步驟,係依據該摩擦圓運算模型推算該側向加速度而產生該自駕車之一縱向加速度;及一縱側速度運算步驟,係依據該運動學運算模型分別推算該側向加速度與該縱向加速度而產生該自駕車之一縱向速度與一側向速度。
- 如請求項8所述之自駕車之動態速度規劃系統,其中該運算處理單元經配置以實施一加速度區間產生步驟,該加速度區間產生步驟包含: 一障礙物限制步驟,係依據該障礙物資訊限制該自駕車之該加速度極限值範圍而產生一初始加速度區間;及一道路限制步驟,係依據該道路資訊限制該初始加速度區間而產生該加速度區間。
- 如請求項11所述之自駕車之動態速度規劃系統,其中該運算處理單元經配置以實施一加速度離散步驟,該加速度離散步驟包含:一離散步驟,係依據一預設時間間隔與該加速度區間而產生複數個加速度群體,並將每一該些加速度群體依據一預設加速度間隔離散而產生至少一加速度目標點;及一目標點組合步驟,係依序將每一該些加速度群體之該至少一加速度目標點相互組合而產生該些加速度組合。
- 如請求項8所述之自駕車之動態速度規劃系 統,其中該運算處理單元經配置以實施該加速度平滑步驟,該加速度平滑步驟包含:一調整步驟,係依據一積極模型、一常態模型及一保守模型之任一者調整該篩選後加速度組合而產生一仿人為加速度組合,且該仿人為加速度組合具有複數個最佳加速度;及一擬合步驟,係將該仿人為加速度組合之該些最佳加速度進行積分與平滑化並擬合為該最佳速度曲線。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109130814A TWI740634B (zh) | 2020-09-08 | 2020-09-08 | 自駕車之動態速度規劃方法及其系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109130814A TWI740634B (zh) | 2020-09-08 | 2020-09-08 | 自駕車之動態速度規劃方法及其系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI740634B true TWI740634B (zh) | 2021-09-21 |
TW202210335A TW202210335A (zh) | 2022-03-16 |
Family
ID=78777769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109130814A TWI740634B (zh) | 2020-09-08 | 2020-09-08 | 自駕車之動態速度規劃方法及其系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI740634B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106828111A (zh) * | 2012-10-01 | 2017-06-13 | 日立汽车系统株式会社 | 车辆的运动控制装置 |
CN107107912A (zh) * | 2014-12-24 | 2017-08-29 | 株式会社电装 | 车辆控制装置以及车辆控制方法 |
CN109521761A (zh) * | 2017-09-18 | 2019-03-26 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的基于约束平滑样条的速度优化 |
CN109649393A (zh) * | 2018-11-30 | 2019-04-19 | 福瑞泰克智能系统有限公司 | 一种自动驾驶变换车道的路径规划方法及装置 |
CN109765887A (zh) * | 2018-12-21 | 2019-05-17 | 费子偕 | 一种自动驾驶控制方法 |
CN109866711A (zh) * | 2019-02-19 | 2019-06-11 | 百度在线网络技术(北京)有限公司 | 制动速度轨迹的生成方法、装置和存储介质 |
TW201927609A (zh) * | 2017-12-15 | 2019-07-16 | 財團法人車輛研究測試中心 | 變換車道決策與軌跡規劃方法 |
US10583839B2 (en) * | 2017-12-28 | 2020-03-10 | Automotive Research & Testing Center | Method of lane change decision-making and path planning |
TW202019743A (zh) * | 2018-11-15 | 2020-06-01 | 財團法人車輛研究測試中心 | 自動駕駛車輛之行駛軌跡規劃系統及方法 |
-
2020
- 2020-09-08 TW TW109130814A patent/TWI740634B/zh active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106828111A (zh) * | 2012-10-01 | 2017-06-13 | 日立汽车系统株式会社 | 车辆的运动控制装置 |
CN107107912A (zh) * | 2014-12-24 | 2017-08-29 | 株式会社电装 | 车辆控制装置以及车辆控制方法 |
CN109521761A (zh) * | 2017-09-18 | 2019-03-26 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的基于约束平滑样条的速度优化 |
TW201927609A (zh) * | 2017-12-15 | 2019-07-16 | 財團法人車輛研究測試中心 | 變換車道決策與軌跡規劃方法 |
US10583839B2 (en) * | 2017-12-28 | 2020-03-10 | Automotive Research & Testing Center | Method of lane change decision-making and path planning |
TW202019743A (zh) * | 2018-11-15 | 2020-06-01 | 財團法人車輛研究測試中心 | 自動駕駛車輛之行駛軌跡規劃系統及方法 |
CN109649393A (zh) * | 2018-11-30 | 2019-04-19 | 福瑞泰克智能系统有限公司 | 一种自动驾驶变换车道的路径规划方法及装置 |
CN109765887A (zh) * | 2018-12-21 | 2019-05-17 | 费子偕 | 一种自动驾驶控制方法 |
CN109866711A (zh) * | 2019-02-19 | 2019-06-11 | 百度在线网络技术(北京)有限公司 | 制动速度轨迹的生成方法、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
TW202210335A (zh) | 2022-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108983768B (zh) | 自动驾驶系统 | |
CN109941275B (zh) | 车道变换方法、装置、电子设备及存储介质 | |
JP6715899B2 (ja) | 衝突回避装置 | |
JP6984232B2 (ja) | 自動運転装置 | |
JP6515823B2 (ja) | 車線変更支援装置 | |
US10928832B2 (en) | Impedance-based motion control for autonomous vehicles | |
JP6464499B2 (ja) | 車両制御装置、車両制御方法、およびプログラム | |
US20230286519A1 (en) | Endogenic protection method for function security and network security of sensing and decision-making module of intelligent connected vehicle | |
US20190389470A1 (en) | System and method for controlling a vehicle based on an anticipated lane departure | |
US11709503B2 (en) | Exception handling for autonomous vehicles | |
WO2018220829A1 (ja) | ポリシー生成装置及び車両 | |
JP2018203017A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
Hima et al. | Controller design for trajectory tracking of autonomous passenger vehicles | |
US11891059B2 (en) | System and methods of integrating vehicle kinematics and dynamics for lateral control feature at autonomous driving | |
CN109795508B (zh) | 安全行车控制方法和装置 | |
Weiskircher et al. | Predictive adas: A predictive trajectory guidance scheme for advanced driver assistance in public traffic | |
TWI740634B (zh) | 自駕車之動態速度規劃方法及其系統 | |
JP6838769B2 (ja) | 周辺環境認識装置、表示制御装置 | |
CN114355868B (zh) | 自驾车的动态速度规划方法及其系统 | |
US11604473B2 (en) | Dynamic velocity planning method for autonomous vehicle and system thereof | |
CN110347166B (zh) | 用于自动驾驶系统的传感器控制方法 | |
JP6599817B2 (ja) | 演算装置、演算方法およびプログラム | |
TWI719663B (zh) | 用於車道變換控制的側向軌跡追蹤方法及系統 | |
JP7081556B2 (ja) | 車両制御装置 | |
CN112810611B (zh) | 用于车道变换控制的侧向轨迹追踪方法及系统 |