一种基于自适应预瞄的无人驾驶车辆控制方法及控制装置

1.本发明属于无人驾驶技术领域，具体涉及一种基于自适应预瞄的无人驾驶车辆控制方法及控制装置。

背景技术：

2.无人驾驶汽车是指能够感知驾驶环境，在安全到达目的地的同时，进行自动加速、制动、转向、停车、跟踪等操作的车辆；这些操作基于各种机载传感器和控制算法控制完成。无人驾驶汽车给人类和社会的发展带来许多便利，如减少人为因素造成的交通事故、碳排放、道路拥堵、共享交通资源、提高出行效率等。
3.目前，主流的无人驾驶系统跟踪控制技术有pid控制算法、传统模型预测算法、预瞄式控制算法与前反馈控制算法。
4.pid控制算法控制在车辆状态发生改变时，控制精度会较大的降低；
5.传统模型预测控制算法需要反复进行在线优化，计算量大，不能满足无人驾驶汽车实时跟踪控制的要求；
6.预瞄控制算法和前反馈控制算法控制精度能保证车辆正常行驶，但当车速发生突变时，时间滞后会导致控制误差变大，在这种情况下，车辆的直路跟踪效果较好，弯道跟踪则误差较大。例如：现有预瞄控制算法大多采用固定预瞄时间，由此，在低速下能满足横向偏差的要求，但当速度较快时，同样的预瞄时间则不能满足车道宽度的边界条件。
7.综上可知，现有的无人驾驶控制仍难以满足高精度的跟踪控制需求，基于此在本技术中即提出以预瞄控制算法为基础，进一步实现自适应预瞄的无人驾驶车辆的控制方法及装置。

技术实现要素：

8.针对固定预瞄时间的预瞄控制算法的不足，本发明的目的在于提供一种基于自适应预瞄的无人驾驶车辆控制方法及控制装置，以精确控制无人驾驶车辆的跟踪路径。
9.一种基于自适应预瞄的无人驾驶车辆控制方法，包括：
10.构建基于车辆运动学的线性跟踪误差模型，并用于确定关于源车辆的预行驶道路轨迹；
11.通过所述预行驶道路轨迹获取目标轨迹点；
12.构建关于源车辆的转向控制量与预瞄时间的自适应预览时间模型，且以目标轨迹点与预瞄轨迹点之间的横向偏差、航向角偏差和横向加速度为模型计算的状态量；
13.迭代计算所述自适应预览时间模型中预瞄时间的最小值，以获得目标转向控制量，并将所述目标转向控制量作用于源车辆。
14.优选的，确定关于源车辆的预行驶道路轨迹时包括：
15.通过预设航线信息、车辆位置信息及车辆行驶环境信息确定关于源车辆的当前控制行为，并根据所述当前控制行为确定轨迹规划约束；
16.结合所述轨迹规划约束对所述线性跟踪误差模型进行优化计算，得到预行驶道路轨迹。
17.优选的，所述车辆行驶环境信息包括车辆剩余电量、车辆当前行驶速度以及车辆行驶前方的道路信息、道路环境信息、障碍物信息。
18.优选的，所述车辆运动学的表达式为：
19.式中，表示车辆后轮中心的横向坐标，表示车辆后轮中心的纵向坐标，θ表示车辆偏航角度，δ表示车辆前轮的转向角度，l表示前轮中心到后轮中心的距离，v表示车辆后轮中心的速度。
20.优选的，所述线性跟踪误差模型的表达式为：
[0021][0022][0023]
式中，表示当前位置与基准位置的偏差，表示控制变量的偏差，k表示采样时间，t表示采样周期，a和b为离散线性函数。
[0024]
优选的，所述自适应预览时间模型的表达式为：
[0025]
j＝min(w1j1+w2j2+w3j3)；
[0026]
j2＝(ψ
l-ψ
p
)2；
[0027]
式中，j1、j2、j3为分别为目标轨迹点与预瞄轨迹点之间的横向偏差、航向角偏差和横向加速度；w1、w2和w3为权重系数；y
l
为预设航线；y
p
为预行驶道路轨迹；dt为导数函数；为转向控制向量；ψ
l
为预设航线上关于目标轨迹点的航向角；ψ
p
为实际到达目标轨迹点时的航向角；a
t
为侧向加速度矢量，as为侧向加速度的标准阈值。
[0028]
一种基于自适应预瞄的无人驾驶车辆控制装置，包括信息监测系统、决策规划系统和底层执行系统；
[0029]
信息监测系统包括摄像头、传感器等监测设备，用于采集关于源车辆的预设航线信息、车辆位置信息及车辆行驶环境信息；其中，所述车辆行驶环境信息包括车辆剩余电量、车辆当前行驶速度以及车辆行驶前方的道路信息、道路环境信息、障碍物信息。
[0030]
决策规划系统包括规划模块和决策计算模块，其中：规划模块以车辆运动学为基础构建用于确定源车辆预行驶道路轨迹的线性跟踪误差模型，并通过该预行驶道路轨迹获取关于源车辆的目标轨迹点；决策计算模块构建关于源车辆的转向控制量与预瞄时间的自
适应预览时间模型，且以目标轨迹点与预瞄轨迹点之间的横向偏差、航向角偏差和横向加速度为模型计算的状态量；迭代计算所述自适应预览时间模型中预瞄时间的最小值，以获得目标转向控制量。
[0031]
底层执行系统包括车辆转向电机、转向灯等执行设备；用于接收所述决策规划系统所计算得到的目标转向控制量，并根据所述目标转向控制量执行关于源车辆的转向控制。
[0032]
优选的，所述规划模块具体包括：
[0033]
行为规划模块；通过预设航线信息、车辆位置信息及车辆行驶环境信息确定关于源车辆的当前控制行为，并根据该当前控制行为确定轨迹规划约束；
[0034]
轨迹规划模块；结合所述轨迹规划约束对所述线性跟踪误差模型进行优化计算，得到预行驶道路轨迹。
[0035]
本发明与现有技术相比，具有以下有益效果：
[0036]
本发明的基于自适应预瞄的无人驾驶车辆控制方法，能有效根据当前车速和前方道路特点进行预瞄时间的动态化调整，由此有效解决传统控制中因预瞄时间固定而造成控制误差较大的问题，进而提高各安全行驶系统的预警、引导、控制精度，从而降低交通事故的发生。
[0037]
本发明的基于自适应预瞄的无人驾驶车辆控制装置，组成简单，通过各个组成系统及模块之间的相互配合，实现预瞄时间及转向控制量的动态化调整，以此保证所得预瞄时间能有效贴合当前源车辆的行驶环境，进而提高控制精度。
附图说明
[0038]
图1为本发明基于自适应预瞄的无人驾驶车辆控制方法的流程图；
[0039]
图2为车辆运动学的模型示意图；
[0040]
图3为自适应预览时间模型的示意图；
[0041]
图4为本发明基于自适应预瞄的无人驾驶车辆控制装置的结构图。
[0042]
图5为底层执行系统的结构图。
具体实施方式
[0043]
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，所描述的实施例仅仅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，本领域普通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。
[0044]
实施例1
[0045]
参考图1所示，在本实施例中提供了一种基于自适应预瞄的无人驾驶车辆控制方法，具体包括：
[0046]
s1.构建基于车辆运动学的线性跟踪误差模型；
[0047]
具体的，在二维笛卡尔世界坐标系平面上定义关于车辆运动学的车辆模型。如图2所示，为了简化控制器的设计，假设车辆仅在平面上运动，且车轮与地面接触点为纯滚动而不相对滑动，侧车辆前后轮的非完整约束方程为：
[0048][0049]
式中，表示车辆后轮中心的横向坐标，表示车辆后轮中心的纵向坐标，xf表示车辆前轮中心的横向坐标，yf表示车辆前轮中心的纵向坐标，θ表示车辆偏航角度，δ表示车辆前轮的转向角度。
[0050]
一般的，轮式移动机器人的运动学模型都可以转化为单轮模型，无人驾驶汽车是一种典型的轮式移动机器人，因此关于无人驾驶车辆的车辆运动学模型则为：
[0051][0052]
式中，l表示前轮中心到后轮中心的距离，v表示车辆后轮中心的速度。
[0053]
将车辆的输入变量定义为u＝[v δ]
t
，车辆当前坐标定义为x＝[x y θ]
t
，则也可以写成:
[0054]
在轨迹跟踪问题中，一般采用跟踪参考车辆的方法，参考值用r表示，因此，车辆的参考轨迹可表示为：
[0055]
其中，xr＝[x
r y
r θr]
t
,ur＝[v
r δr]
t
。
[0056]
将上式的右侧绕点泰勒展开，去掉高阶部分，得到：
[0057][0058][0059]
综上，得到：
[0060]
式中，表示当前位置与基准位置的偏差，表示控制变量的偏差。
[0061]
进一步的，采用欧拉法离散处理得到线性跟踪误差模型：
[0062][0063][0064]
式中，k表示采样时间，t表示采样周期，a和b为离散线性函数。
[0065]
s2.通过预设航线信息、车辆位置信息及车辆行驶环境信息确定关于源车辆的当
前控制行为，并根据所述当前控制行为确定轨迹规划约束；其中，所述车辆行驶环境信息包括车辆剩余电量、车辆当前行驶速度以及车辆行驶前方的道路信息、道路环境信息、障碍物信息；
[0066]
s3.结合所述轨迹规划约束对所述线性跟踪误差模型进行优化计算，得到预行驶道路轨迹；
[0067]
s4.通过所述预行驶道路轨迹获取目标轨迹点；
[0068]
s5.构建关于源车辆的转向控制量与预瞄时间的自适应预览时间模型，且以目标轨迹点与预瞄轨迹点之间的横向偏差、航向角偏差和横向加速度为模型计算的状态量；
[0069]
关于目标轨迹点与预瞄轨迹点之间的横向偏差：
[0070][0071]
式中，y
l
为预设航线；y
p
为预行驶道路轨迹；dt为导数函数；为转向控制向量。
[0072]
关于目标轨迹点与预瞄轨迹点之间的航向角偏差：
[0073]
j2＝(ψ
l-ψ
p
)2；
[0074]
式中，ψ
l
为预设航线上关于目标轨迹点的航向角；ψ
p
为实际到达目标轨迹点时的航向角。
[0075]
关于目标轨迹点与预瞄轨迹点之间的横向加速度：
[0076][0077]
式中，a
t
为侧向加速度矢量，as为侧向加速度的标准阈值。
[0078]
综上，获得如图3所示的自适应预览时间模型：
[0079]
j＝min(w1j1+w2j2+w3j3)；
[0080]
其中，w1、w2和w3为权重系数，且w1增大表示侧向偏差减小；w2增大表示强调车辆航向角的一致性，增加车辆的稳定性；w3增大表示强调车辆侧向加速度的一致性。
[0081]
s6.迭代计算所述自适应预览时间模型中预瞄时间的最小值，以获得目标转向控制量，并将所述目标转向控制量作用于源车辆。
[0082]
实施例2
[0083]
参考图4所示，在本实施例中提供了一种基于自适应预瞄的无人驾驶车辆控制装置，具体包括信息监测系统、决策规划系统和底层执行系统。
[0084]
信息监测系统包括摄像头、传感器等监测设备，用于采集关于源车辆的预设航线信息、车辆位置信息及车辆行驶环境信息；其中，所述车辆行驶环境信息包括车辆剩余电量、车辆当前行驶速度以及车辆行驶前方的道路信息、道路环境信息、障碍物信息。
[0085]
决策规划系统包括规划模块和决策计算模块，其中：规划模块以车辆运动学为基础构建用于确定源车辆预行驶道路轨迹的线性跟踪误差模型，并通过该预行驶道路轨迹获取关于源车辆的目标轨迹点；决策计算模块构建关于源车辆的转向控制量与预瞄时间的自适应预览时间模型，且以目标轨迹点与预瞄轨迹点之间的横向偏差、航向角偏差和横向加速度为模型计算的状态量；迭代计算所述自适应预览时间模型中预瞄时间的最小值，以获得目标转向控制量。
[0086]
底层执行系统包括车辆转向电机、转向灯等执行设备；用于接收所述决策规划系统所计算得到的目标转向控制量，并根据所述目标转向控制量执行关于源车辆的转向控制。
[0087]
优选的
[0088]
上述规划模块具体包括：
[0089]
行为规划模块；通过预设航线信息、车辆位置信息及车辆行驶环境信息确定关于源车辆的当前控制行为，并根据该当前控制行为确定轨迹规划约束；
[0090]
轨迹规划模块；结合所述轨迹规划约束对所述线性跟踪误差模型进行优化计算，得到预行驶道路轨迹。
[0091]
上述底层执行系统具体包括两个控制执行部分，其中控制板1负责车辆转向电机控制和转向变道控制；控制板2负责驱动电机控制、继电器控制、灯和喇叭控制。
[0092]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

技术特征：

1.一种基于自适应预瞄的无人驾驶车辆控制方法，其特征在于，包括：构建基于车辆运动学的线性跟踪误差模型，并用于确定关于源车辆的预行驶道路轨迹；通过所述预行驶道路轨迹获取目标轨迹点；构建关于源车辆的转向控制量与预瞄时间的自适应预览时间模型，且以目标轨迹点与预瞄轨迹点之间的横向偏差、航向角偏差和横向加速度为模型计算的状态量；迭代计算所述自适应预览时间模型中预瞄时间的最小值，以获得目标转向控制量，并将所述目标转向控制量作用于源车辆。2.根据权利要求1所述的基于自适应预瞄的无人驾驶车辆控制方法，其特征在于，确定关于源车辆的预行驶道路轨迹时包括：通过预设航线信息、车辆位置信息及车辆行驶环境信息确定关于源车辆的当前控制行为，并根据所述当前控制行为确定轨迹规划约束；结合所述轨迹规划约束对所述线性跟踪误差模型进行优化计算，得到预行驶道路轨迹。3.根据权利要求2所述的基于自适应预瞄的无人驾驶车辆控制方法，其特征在于：所述车辆行驶环境信息包括车辆剩余电量、车辆当前行驶速度以及车辆行驶前方的道路信息、道路环境信息、障碍物信息。4.根据权利要求3所述的基于自适应预瞄的无人驾驶车辆控制方法，其特征在于，所述车辆运动学的表达式为：式中，表示车辆后轮中心的横向坐标，表示车辆后轮中心的纵向坐标，θ表示车辆偏航角度，δ表示车辆前轮的转向角度，l表示前轮中心到后轮中心的距离，v表示车辆后轮中心的速度。5.根据权利要求4所述的基于自适应预瞄的无人驾驶车辆控制方法，其特征在于，所述线性跟踪误差模型的表达式为：线性跟踪误差模型的表达式为：式中，表示当前位置与基准位置的偏差，表示控制变量的偏差，k表示采样时间，t表示采样周期，a和b为离散线性函数。6.根据权利要求5所述的基于自适应预瞄的无人驾驶车辆控制方法，其特征在于，所述自适应预览时间模型的表达式为：
j＝min(w1j1+w2j2+w3j3)；j2＝(ψ
l-ψ
p
)2；式中，j1、j2、j3为分别为目标轨迹点与预瞄轨迹点之间的横向偏差、航向角偏差和横向加速度；w1、w2和w3为权重系数；y
l
为预设航线；y
p
为预行驶道路轨迹；dt为导数函数；为转向控制向量；ψ
l
为预设航线上关于目标轨迹点的航向角；ψ
p
为实际到达目标轨迹点时的航向角；a
t
为侧向加速度矢量，a
s
为侧向加速度的标准阈值。7.一种基于自适应预瞄的无人驾驶车辆控制装置，其特征在于，包括决策规划系统，且该决策规划系统包括：规划模块；以车辆运动学为基础构建用于确定源车辆预行驶道路轨迹的线性跟踪误差模型，并通过该预行驶道路轨迹获取关于源车辆的目标轨迹点；决策计算模块；构建关于源车辆的转向控制量与预瞄时间的自适应预览时间模型，且以目标轨迹点与预瞄轨迹点之间的横向偏差、航向角偏差和横向加速度为模型计算的状态量；迭代计算所述自适应预览时间模型中预瞄时间的最小值，以获得目标转向控制量。8.根据权利要求8所述的基于自适应预瞄的无人驾驶车辆控制装置，其特征在于，还包括：信息监测系统；用于采集关于源车辆的预设航线信息、车辆位置信息及车辆行驶环境信息；其中，所述车辆行驶环境信息包括车辆剩余电量、车辆当前行驶速度以及车辆行驶前方的道路信息、道路环境信息、障碍物信息。9.根据权利要求8所述的基于自适应预瞄的无人驾驶车辆控制装置，其特征在于，所述规划模块包括：行为规划模块；通过预设航线信息、车辆位置信息及车辆行驶环境信息确定关于源车辆的当前控制行为，并根据该当前控制行为确定轨迹规划约束；轨迹规划模块；结合所述轨迹规划约束对所述线性跟踪误差模型进行优化计算，得到预行驶道路轨迹。10.根据权利要求9所述的基于自适应预瞄的无人驾驶车辆控制装置，其特征在于，还包括：。底层执行系统；接收所述决策规划系统所计算得到的目标转向控制量，并根据所述目标转向控制量执行关于源车辆的转向控制。

技术总结

本发明属于无人驾驶技术领域，公开了一种基于自适应预瞄的无人驾驶车辆控制方法及控制装置，其中方法包括：构建基于车辆运动学的线性跟踪误差模型，并用于确定关于源车辆的预行驶道路轨迹；通过所述预行驶道路轨迹获取目标轨迹点；构建关于源车辆的转向控制量与预瞄时间的自适应预览时间模型，且以目标轨迹点与预瞄轨迹点之间的横向偏差、航向角偏差和横向加速度为模型计算的状态量；迭代计算所述自适应预览时间模型中预瞄时间的最小值，以获得目标转向控制量，并将所述目标转向控制量作用于源车辆。综上，能有效根据当前车速和前方道路特点进行预瞄时间的动态化调整，进而提高各安全行驶系统的预警、引导、控制精度。控制精度。控制精度。