CN102076541B - 用于自动车道居中和车道变换控制***的路径生成算法 - Google Patents

Abstract

本发明涉及一种提供用于自动车道居中和/或车道变换目的的路径生成的***。该***包括：期望路径生成处理器，其接收检测车辆行驶所在道路的信号、车道变换请求、车辆状态信息和车辆的转向角。该***还包括：路径预测处理器，其基于车辆状态信息(包括：车辆纵向速度、车辆横向速度、车辆偏航率和车辆转向角)来预测车辆路径。对期望路径信息与预测路径信息进行比较而产生误差信号，该误差信号被传送至车道变换控制器，该控制器提供使车辆转向并减小误差信号的转向角信号。所述期望路径生成处理器可以利用五阶多项式方程并基于输入信号来确定车辆的期望路径。

Description

用于自动车道居中和车道变换控制***的路径生成算法

技术领域

本发明总体上涉及一种自主驾驶车辆中的为车道居中和车道变换提供路径生成的***和方法，更具体地说，涉及一种考虑车辆运动控制的自主驾驶车辆中的为车道居中和车道变换提供路径生成的***和方法。

背景技术

现代车辆的运行正变得更加自主，即，车辆能够在驾驶员越来越少干预的情况下提供驾驶控制。巡航控制***已经在车辆上使用了若干年，在该***中车辆操作者可以设定车辆的特定速度，并且车辆将保持这个速度而不需要驾驶员操作节气门。近来在本领域已经开发出了自适应巡航控制***，该***不仅保持设定速度，而且在利用各种传感器(例如雷达和摄像头)测出前面有慢速行进车辆的情况下将会自动放慢车速。某些现代车辆还提供自主泊车功能，在此情况下车辆将会自动地提供用于车辆停泊的转向控制。如果驾驶员作出可能影响车辆稳定性的剧烈转向变化，则一些车辆***会进行干预。一些车辆***努力使车辆保持在接近道路车道的中央。此外，已证明完全自主车辆可以以高达30英里/小时的车速在模拟的城市交通中行驶，并遵守所有的交通规则。

随着车辆***的改进，它们将变得更加自主，目标是成为完全自主驾驶的车辆。例如，将来的车辆也许将会把自主***用于车道变换、超车、离开车流、进入车流等。随着这些***在车辆技术中变得更加普遍，还需要确定在结合了用于控制车辆速度和转向及超驰(overriding)自主***的这些***的情况下驾驶员的作用将是什么。

在自主车辆中，平稳操作以及自动车道居中和车道变换控制对于使驾驶员和乘客获得舒适感来说是重要的。然而，由于传感器和致动器的延迟，测量的车辆状态可能不同于实际的车辆状态。这个差异可导致不恰当的路径生成，这将会影响车道变换的不平顺性。因此，需要的是一种旨在使乘客获得舒适感的自主或半自主车辆中的为车道居中和车道变换提供平稳操作的***和方法。

发明内容

根据本发明的教示，公开了一种自主或半自主车辆中的提供用于车道居中和/或车道变换目的的路径生成的***和方法。该路径生成***包括期望路径生成处理器，该处理器接收检测车辆行驶所在道路的信号、车道变换请求、和车辆转向角。该***还包括路径预测处理器，该处理器基于车辆状态信息(包括：车辆纵向速度、车辆横向速度、车辆偏航率、车辆转向角)来预测接下来几秒钟时间的车辆路径。对期望的路径信息与预测的路径信息进行比较而产生误差信号，该误差信号被传送给车道变换自适应巡航控制(LXACC)***，该***提供转向角信号以使车辆转向并且减小误差信号。该转向角信号被传送给使车辆转向的车辆转向控制子***，并且提供由路径预测处理器所使用的车辆状态测量值。在一个实施例中，期望路径生成处理器利用五阶多项式方程并基于输入值来确定车辆的期望路径。

从以下描述和所附权利要求中，并结合附图，本发明的其他特征将变得明显。

附图说明

图1是自主或半自主车辆中的各种***和子***的示意性方框图，其中包括LXACC***。

图2是图1所示LXACC***中采用的路径预测***的方框图。

图3是正在道路上行驶的车辆的图示，图中示出了预测的车道中央和检测的车道中央。

图4是正在道路上行驶的车辆的图示，图中示出了各种车辆参数。

图5是在弯道附近变换车道的车辆的图示。

图6是在平直道路上变换车道的车辆的图示。

图7是在道路中的弯道上变换车道的车辆的图示，其中车道变换在经过了车辆中传感器可以检测到的位置后将会继续。

具体实施方式

本发明实施例的以下论述针对一种自主或半自主车辆中的为平稳车道居中或车道变换提供路径生成的***和方法，该论述在本质上仅仅是示例性的，而绝不是意图限制本发明或者其应用或用途。

图1是包括LXACC核心算法12的车辆***10的图示，LXACC核心算法12包括路径生成，这将在以下详细论述。已知的LXACC***提供了用于自动横向运动控制(例如自动车道变换和车道居中功能)的统一框架。因为车辆的横向动力学与其纵向运动有关，所以一般认为纵向运动控制是在相同的框架中。

***10包括检测车道标识线和物体的各种摄像头14和各种雷达装置16。这个信息被提供给车道和物体检测处理器18，该处理器将检测到的物体信息与车道信息加以合并。该车道和物体检测信息被提供给LXACC核心算法12。另外，方框22中的车辆状态估计信息(例如车辆偏航率、车辆航向角、车辆速度等)也被提供给LXACC核心算法12。方框24中的人机界面(HMI)/驾驶员控制输入被提供给LXACC核心算法12，用于提供驾驶员命令。来自于自适应巡航控制(ACC)子***26的信号被提供给LXACC核心算法12，并且来自LXACC核心算法12的信号被提供给ACC子***26。ACC子***26将自适应巡航控制信号提供给车辆纵向控制器28，该控制器转而控制方框30中的车辆制动器和节气门。

LXACC核心算法12包括生成期望车辆路径的期望路径生成处理器36，并且LXACC核心算法12是本发明的主题，将在以下详细论述。LXACC核心算法12还包括估计车辆路径的车辆路径估计和预测处理器38。来自处理器36和38的信号被提供给方框40中的车道居中控制和方框42中的车道变换控制。来自LXACC核心算法12的车辆控制信号被提供给车辆横向运动控制器44，该控制器控制方框46中的主动前轮转向(AFS)或电动助力转向(EPS)。此外，车道居中控制和车道变换控制信号被提供给HMI控制器和后勤管理器48，从而利用方框50中的显示单元、触觉座椅或报警蜂鸣器(chime)而将LXACC的状态告知驾驶员。

路径规划产生用于平稳车道变换操作的可实现的期望路径。运动控制器使用预测的横向偏移和车辆航向角，并且在多个预测点(look-ahead point)将它们与期望的运行轨迹进行比较。控制器在每个时间步长(time step)产生转向角指令。前视摄像头被用于车道标识线的检测。相对于当前车道的横向偏移和车辆航向角通过处理所识别的车道标识线而获得，并且进一步在预定的车道变换操作时间内被预测。可以将数个惯性传感器(例如速率陀螺仪和加速度计)和视觉摄像头相结合来估计车辆运动状态(例如偏航率和横向速度)以及改善对横向偏移和航向角的估计。

横向运动的平顺性是衡量LXACC核心算法12的性能的一个重要尺度。路径规划功能生成期望的路径。该路径应当符合车辆动态能力并且应当是平顺的。本文提出的设计思想是从车辆二阶动态运动的意义上讲在没有突然变化的情况下生成期望路径。路径规划中的另一复杂之处是车辆将从任何初始状态到达目标状态。在文献中有许多方法可解决这个问题，这些方法是基于有关硬件和环境的不同假设。

图2是LXACC***60的示意性方框图，该***当车辆在平直道路或弯曲道路上变换车道时为车辆提供车辆要采用的期望路径，并且在自主或半自主车辆***(例如图1中所示的***10)中提供车道居中。***60包括期望路径生成处理器62，该处理器接收来自例如图1中方框24的输入的驾驶员车道变换请求。如以下详细论述的，期望路径生成处理器62在车辆转向时为车辆生成没有突然变化的平稳路径，否则会给乘客带来不适感。***60产生转向角指令来引导车辆沿着生成的路径行驶。

期望路径被表示为在将要发生车道变换的时段内的一系列横向偏移、航向角和纵向距离。这个路径信息被提供给比较器64，该比较器接收来自路径预测处理器66的信号并且提供在期望路径和预测路径之间的误差信号。该误差信号被施加给车道变换控制器68，该控制器提供用于车道变换的转向角指令信号δ_cmd。车道变换控制器68生成一系列的未来转向角指令，该指令使车辆期望路径和车辆预测路径之间的定向误差和偏移误差最小化。

然后转向角指令信号δ_cmd被传送给转向控制器70，该控制器将转向控制信号提供给车辆52上的车辆转向***54。当车辆转向时，车辆上的各种传感器56(例如转向角传感器、车速计和偏航率传感器)提供测得的车辆运动信号。这些测得的车辆运动信号δ_meas被传送回期望路径生成处理器62。车辆54还包括视觉装置58(例如摄像头)。车辆运动信息被提供给车辆状态估计处理器72，该处理器提供估计的车辆状态信号(即，车辆纵向速度、车辆横向速度和车辆偏航率)。车辆状态估计处理器72使用车辆模型来过滤估计的车辆状态信号。状态信号被传送给路径预测处理器66，该处理器将能够基于该信息及时地为接下来的几种情况预测车辆路径。路径预测处理器66基于当前的车辆速度、偏航率和转向角来估计未来的车辆路径。

来自视觉装置58的摄像头信号和来自处理器72的经过滤的传感器信号被提供给车道标识线检测处理器74，该处理器基于车辆的运动纠正来自装置58的车道标识线的参数。车道标识线检测处理器74识别车道标识线并且用车道曲率、正切角和横向偏移的参数来表示它们，其中车道标识线检测处理器74的输出是航向角以及道路的曲率。然后，车道标识线相对于车辆的位置被传送给期望路径生成处理器62，从而提供期望路径生成的更新。路径生成处理器62根据车辆动力学和检测出的车道标识线生成用于车道变换的平顺的期望路径。

图3是正在道路82上行驶的车辆80的图示，图中示出了由车辆摄像头和其他传感器识别出的检测到的车道中央84、以及由路径预测处理器66生成的预测的车道中央86。检测器和转向致动器的延迟会引起测量的车辆状态与实际的车辆状态之间的差异。以下论述提供有关于路径预测处理器66是如何预测车辆的路径、以及然后如何使用该预测的路径而生成预测路径86和检测到的车道中央84之间的误差信号(如上所述)的描述。

存在某些情况，即，如果在车辆80的路径中检测到障碍物(例如另一车辆)则需要预测多条路径。本发明以多个区段来处理该情况，其中第一区段是从车辆80到障碍物，第二区段则是从障碍物起向远处。本发明提供这两个区段之间的连续性，以避免车辆运动的突然变化。

根据本发明的一个实施例，路径生成处理器62利用五阶多项式方程，并且基于预测的车道中央来生成期望路径，这将在以下详细论述。在计算期望路径的过程的开始时，该五阶多项式方程具有6个未知数。该归一化路径问题与车辆状态无关，其中车辆状态将用在从归一化坐标向车辆坐标的坐标转换的阶段。当需要将多个区段连接起来时，可以容易地将区段的连续性要求加到算法中。

车辆80配备有前视摄像头，该摄像头检测道路82的车道标识线并且以多项式方程表示该车道标识线。该视觉***的作用是重获相对于车辆中央的车道位置和取向的估计值。图4示出了正在道路92的弯道90上行驶的车辆80。道路92被模型化为二阶多项式方程的两个区段，如：

y_seg1(x)＝A₁x²+B₁x+C₁，0＜x＜x₁    (1)

y_seg2(x)＝A₂x²+B₂x+C₂，0＜x＜x₂    (2)

其中，x₁和x₂表示第一区段和第二区段的沿x轴的终点，y_seg1和y_seg2表示道路相对于车辆坐标系R_v(t)的横向偏移。由视觉***提供的测量值包括：车辆80相对于道路的第一区段的偏航角

车辆的重心偏离车道的横向偏移y_r，1、以及第一区段和第二区段的道路曲率ρ₁和ρ₂。

根据道路与车道表示之间的几何关系，方程(1)和(2)的系数的关系可以表示为：

$A_1=\frac{{\mathrm{\ρ}}_1}{2}---\left(3\right)$

$A_2=\frac{{\mathrm{\ρ}}_2}{2}---\left(4\right)$

C₁＝y_r，1

               (6)

假设道路没有不连续性，亦即，每条道路表示的两个区段在过渡点x₁处平顺地连接而没有突然的变化。在此处仅假设了零价和一阶的连续性，因此以下的方程(7)和(8)在过渡点x₁处成立。

y_seg1(x₁)＝y_seg2(x₁)    (7)

$\frac{{\mathrm{dy}}_{\mathrm{seg}1}}{\mathrm{dx}}{|}_{x=x1}=\frac{{\mathrm{dy}}_{\mathrm{seg}2}}{\mathrm{dx}}{|}_{x=x1}---\left(8\right)$

把方程(3)～(8)代入方程(1)和(2)，得出：

C₂＝y_seg1(x₁)       (9)

B₁＝2A₁x₁+B₁        (10)

通过整合方程(3)～(6)、(9)和(10)，方程(1)和(2)可以根据视觉***的测量值来重写为：

假设车辆80正以纵向速度v_x行驶并且在道路上没有障碍物，那么驾驶员/乘客的舒适性取决于车辆的横向加速度a_y，而横向加速度a_y是车辆速度v_x和转向角δ的函数。指定完成车道变换操作的时间变量t_LX，其与车辆纵向速度无关，除非预测在车道变换操作期间计算出的横向加速度a_y超过某个极限。如果横向加速度a_y超过了该极限，则用新的延长的车道变换操作时间来计算新的路径。

用车速计测量车辆的纵向速度v_x，并且用前视***测量横向偏移、航向角和道路曲率ρ。对于车道变换操作，期望的路径生成被用公式表示为边界条件问题。假设车道变换控制是在t＝0时开始，并且将(x(t)，y(t))定义为在时间t时相对于原点R_V(0)坐标系的车辆位置。

图5是正在道路94的弯道96附近行驶的车辆80的图示，并且确定了用于期望路径生成的边界条件。应注意坐标系R_v(0)是在时间t＝0时所记录的车辆坐标系，并且车辆80在时间t＝0时的位置和航向角与R_v(0)相一致。因此，可以在不失一般性的情况下设定(x(t＝0，y(t＝0))＝(0，0)和y′(0)＝0。

车辆80的最初状态(y，y′，y″)_t＝0和最终状态(y，y′，y″)_t＝tLX然后可以通过处理道路表示方程(11)和(12)来获得。值(x(t_LX)，y(t_LX))对应于在时间t＝t_LX时的车辆80的期望位置，其中通过对车辆纵向速度v_x进行积分可以估计出x(t_LX)，并且值y(t_LX)可以通过车道宽度和道路几何构造而获得。应注意方程(3)～(6)中的y_r表示道路偏离车辆80的中心的横向偏移，而这里的y表示车辆相对于R_v(0)的位置。

为车辆80的x和y位置选择五阶多项式方程，得出：

y(x)＝a₅x⁵+a₄x⁴+a₃x³+a₂x²+a₁x+a₀

                                    (13)

考虑最初和最终状态，得出：

(y(x)，y′(x)，y″(x))_t＝0＝(0，0，y″_seg1(x(0))    (14)

若x₁＜x(t_LX)＜x₂

可以通过以下的线性方程来解决该问题：

$\left[\begin{array}{c}{a}_0\\ a_1\\ a_2\\ a_3\\ a_4\\ a_5\end{array}\right]={\left[\begin{array}{cccccc}1& x\left(0\right)& x^2\left(0\right)& x^3\left(0\right)& x^4\left(0\right)& x^5\left(0\right)\\ 0& 1& 2x\left(0\right)& {3x}^2\left(0\right)& {4x}^3\left(0\right)& 5x^4\left(0\right)\\ 0& 0& 2& 6x\left(0\right)& 12x^2\left(0\right)& {20x}^3\left(0\right)\\ 1& x\left(t_{\mathrm{LX}}\right)& x^2\left(t_{\mathrm{LX}}\right)& x^3\left(t_{\mathrm{LX}}\right)& x^4\left(t_{\mathrm{LX}}\right)& x^5\left(t_{\mathrm{LX}}\right)\\ 0& 1& 2x\left(t_{\mathrm{LX}}\right)& {3x}^2\left(t_{\mathrm{LX}}\right)& {4x}^3\left(t_{\mathrm{LX}}\right)& {5x}^4\left(t_{\mathrm{LX}}\right)\\ 0& 0& 0& 6x\left(t_{\mathrm{LX}}\right)& {12x}^2\left(t_{\mathrm{LX}}\right)& {20x}^3\left(t_{\mathrm{LX}}\right)\end{array}\right]}^{-1}\left[\begin{array}{c}y\left(x\left(0\right)\right)\\ y^{\′}\left(x\left(0\right)\right)\\ y^{\′\′}\left(x\left(0\right)\right)\\ y\left(x\left(t_{\mathrm{LX}}\right)\right)\\ y^{\′}\left(x\left(t_{\mathrm{LX}}\right)\right)\\ y^{\′\′}\left(x\left(t_{\mathrm{LX}}\right)\right)\end{array}\right]---\left(16\right)$

可以通过坐标的归一化来简化路径生成问题。将归一化的坐标表示为(x_n(t)，y_n(t))，得出：

$x_n\left(t\right)=\frac{x\left(t\right)}{x\left(t_{\mathrm{LX}}\right)}---\left(17\right)$

$y_n\left(x\left(t\right)\right)=\frac{y\left(x\left(t\right)\right)}{y\left(x\left(t_{\mathrm{LX}}\right)\right)}---\left(18\right)$

把方程(17)和(18)代入方程(13)并且重新定义多项式方程的系数，可以通过以下方程而获得：

$y_n\left(x_n\right)=a_{n,5}{x}_n^5+a_{n,4}{x}_n^4+a_{n,3}{x}_n^3+a_{n,2}{x}_n^2+a_{n,1}{x}_n+a_{n,0}---\left(19\right)$

通过把方程(17)和(18)的归一化坐标应用到最初和最终状态，可以将归一化坐标重写成如下状态：

${(y_n\left(x_n\right),y^{\′}{\left(x_n\right)}_n,y^{\′\′}{\left(x_n\right)}_n)}_{t=0}=(\mathrm{0,0},y_{\mathrm{seg}1}^{\′\′}\left(x\left(0\right)\right)\·\frac{x^2\left(t_{\mathrm{LX}}\right)}{y\left(t_{\mathrm{LX}}\right)})---\left(20\right)$

然后，方程(16)的线性方程问题可以被简化为：

$\left[\begin{array}{c}{a}_{n,0}\\ a_{n,1}\\ a_{n,2}\\ a_{n,3}\\ a_{n,4}\\ a_{n,5}\end{array}\right]={\left[\begin{array}{cccccc}1& 0& 0& 0& 0& 0\\ 0& 1& 0& 0& 0& 0\\ 0& 0& 2& 0& 0& 0\\ 1& 1& 1& 1& 1& 1\\ 0& 1& 2& 3& 4& 5\\ 0& 0& 2& 6& 12& 20\end{array}\right]}^{-1}\left[\begin{array}{c}{y}_n\left(0\right)\\ y_n^{\′}\left(0\right)\\ y_n^{\′\′}\left(0\right)\\ y_n\left(1\right)\\ y_n^{\′}\left(1\right)\\ y_n^{\′\′}\left(1\right)\end{array}\right]---\left(22\right)$

应注意仅用y矢量来记录道路状况，并且无论最初状况、最终状况、或道路几何构造如何，该矩阵均是常数矩阵。因此，方程(22)的解可以通过少量的简单代数计算而获得。一旦计算出解，方程(19)就表示在归一化坐标中用于完成当前的车道变换操作的期望路径。应用方程(18)可以在车辆坐标中产生期望路径轮廓(profile)。

调用车辆的最初位置(x(t＝0)，y(t＝0))＝(0，0)和最初航向角y′(0)＝0，因为车辆运动是由在t＝0时记录的车辆坐标系R_v(0)描述的。在弯曲道路的情况下，如图5中所示，边界条件可以写为：

(y(x(0))    y′(x(0))    y″(x(0)))＝(00y″_seg(0))    (23)

(y(x(t_LX))  y′(x(t_LX))  y″(x(t_LX)))＝(y_seg(x(t_LX))+L  y′seg(x(t_LX))  y″_seg(x(t_Lx)))   (24)

其中，L是车道宽度，而x(t_LX)是与为完成车道变换操作而行驶的纵向距离相对应的在时间t_LX时的x坐标。可以对车辆速度v_x进行积分而估算出值x(t_LX)。

在归一化的形式下，最初状态和最终状态为：

$\begin{array}{ccc}(y_n(x_n=0)& y_n^{\′}(x_n=0)& y_n^{\′\′}\end{array}(x_n=0)=\left(\begin{array}{ccc}0& 0& y_{\mathrm{seg}}^{\′\′}\end{array},\left(0\right)\·\frac{x^2\left(t_{\mathrm{LX}}\right)}{y\left(x\left(t_{\mathrm{Lx}}\right)\right)}\right)---\left(25\right)$

$\left(\begin{array}{ccc}{y}_n(x_n=1)& y_n^{\′}(x_n=1)& y_n^{\′\′}(x_n=1)\end{array}\right.$

$=\left(\begin{array}{ccc}1& y_{\mathrm{seg}}^{\′}\left(x\left(t_{\mathrm{LX}}\right)\right)\·\frac{x\left(t_{\mathrm{LX}}\right)}{y\left(x\left(t_{\mathrm{LX}}\right)\right)}& y_{\mathrm{seg}}^{\′\′}\left(x\left(t_{\mathrm{LX}}\right)\right)\·\frac{x^2\left(t_{\mathrm{LX}}\right)}{y\left(x\left(t_{\mathrm{LX}}\right)\right)}\end{array}\right)---\left(26\right)$

把方程(25)和(26)代入线性方程(22)，得出以下的解：

$a_{n,0}=a_{n,1}={0,a}_{n,2}=0.5y_{\mathrm{seg}}^{\′\′}\left(0\right)\·\frac{x^2\left(t_{\mathrm{LX}}\right)}{y\left(x\left(t_{\mathrm{LX}}\right)\right)}---\left(27\right)$

$\left[\begin{array}{c}{a}_{n,3}\\ a_{n,4}\\ a_{n,5}\end{array}\right]{=\left[\begin{array}{ccc}1& 1& 1\\ 3& 4& 5\\ 6& 12& 20\end{array}\right]}^{-1}\left[\begin{array}{c}{y}_n\left(1\right)-0.5y_{\mathrm{seg}}^{\′\′}\left(0\right)\·\frac{x^2\left(t_{\mathrm{LX}}\right)}{y\left(x\left(t_{\mathrm{LX}}\right)\right)}\\ y_n^{\′}\left(1\right)-0.5y_{\mathrm{seg}}^{\′\′}\left(0\right)\·\frac{x^2\left(t_{\mathrm{LX}}\right)}{y\left(x\left(t_{\mathrm{LX}}\right)\right)}\\ y_n^{\′\′}\left(1\right)-0.5y_{\mathrm{seg}}^{\′\′}\left(0\right)\·\frac{x^2\left(t_{\mathrm{LX}}\right)}{y\left(x\left(t_{\mathrm{LX}}\right)\right)}\end{array}\right]---\left(28\right)$

如方程(28)中所见，多项式方程的前两个系数一直为零。此外，余下的系数可以利用边界条件借助于少量代数运算而算出。

就平直道路的情况而言，路径生成问题可以被进一步简化。图6是在平直道路100的车道102中行驶的车辆80的图示。在整个车道变换操作中道路曲率ρ为零，并且在车道变换结束时的期望航向角也将为零。因此，最初状态和最终状态为：

(y(x(0))    y′(x(0))    y″(x(0)))＝(0 0 0)         (29)

(y(x(t_LX))  y′(x(t_LX))  y″(x(t_LX)))＝(L 0 0)       (30)

其中，L是车道宽度。

在归一化的形式下，最初状态和最终状态可以写成：

(y_n(x_n＝0)    y′_n(x_n＝0)    y″_n(x_n＝0)＝(0 0 0)    (31)

(y_n(x_n＝1)    y′_n(x_n＝1)    y″_n(x_n＝1)＝(1 0 0)    (32)

最后，将方程(31)和(32)的状态代入线性方程，得出以下的解：

a_n，0＝a_n，1＝a_n，2＝0    (33)

$\left[\begin{array}{c}{a}_{n,3}\\ a_{n,4}\\ a_{n,5}\end{array}\right]={\left[\begin{array}{ccc}1& 1& 1\\ 3& 4& 5\\ 6& 12& 20\end{array}\right]}^{-1}\left[\begin{array}{c}{y}_n\left(1\right)\\ y_n^{\′}\left(1\right)\\ y_n^{\′\′}\left(1\right)\end{array}\right]=\left[\begin{array}{c}10\\ -15\\ 6\end{array}\right]---\left(34\right)$

如方程(34)中所见，无论车道变换操作距离如何，用于平直道路的多项式方程的系数均是常数，亦即，对于平直道路的情况来说，预先确定期望路径并且对于车道变换操作而言无需在线计算。

在以上论述中，假设前视***可以检测车道标识线达足够远的距离从而覆盖车道变换操作所需的整个行驶距离。这个假设在某些情况下可能是无效的，尤其是对于高速的车辆运动或者凹凸不平的道路状况来说是无效的。考虑到这些情况，道路可以用一阶连续性假设来外推。

图7示出了在道路106的车道104上行驶的车辆80，在图中示出的场景中，视觉***的范围是有限的以致视觉***不能看到车道变换操作所需的整个行驶距离。

调用方程(11)和(12)的道路表示。

值x₂是第二区段的终点并且对应于视觉***的范围。如果x₂＜x(t_LX)，亦即视觉***的范围小于当前车道变换操作所需的距离，那么可以用一阶连续性假设将道路测量值由x₂外推到x(t_LX)。然后，道路106可以通过以下三个方程来表示：

对于r0＜x＜x₁    (37)

对于x₁＜x＜x₂    (38)

y_seg3(x)＝y′_seg(x₂)·(x-x₂)+y_seg(x₂)，对于x₂＜x＜x(t_LX)    (39)

前面的两个区段是基于道路测量值的道路表示，第三区段是利用连续性假设而延伸出的虚拟道路。考虑到延伸出的道路表示，最初状态和最终状态通过以下而获得：

(y(x(0))      y′(x(0))      y″(x(0)))＝(0 0 y″_seg1(0)    (40)

(y(x(t_LX))    y′(x(t_LX))    y″(x(t_LX)))

＝(y′_seg(x₂)·(x(t_LX)-x₂)+y_seg2(x₂)+L  y′_seg(x₂))0)       (41)

归一化的坐标得出：

$\left(\begin{array}{ccc}{y}_n(x_n=0)& y_n^{\′}(x_n=0)& y_n^{\′\′}(x_n=0)\end{array}\right)=\left(\begin{array}{ccc}0& 0& y_{\mathrm{sseg}1}^{\′\′}\left(0\right)\·\frac{x^2\left(t_{\mathrm{LX}}\right)}{y\left(x\left(t_{\mathrm{LX}}\right)\right)}\end{array}\right)---\left(42\right)$

$\left(\begin{array}{ccc}{y}_n(x_n=1)& y_n^{\′}(x_n=1)& y_n^{\′\′}(x_n=1)\end{array}\right)=\left(\begin{array}{ccc}1& y_{\mathrm{sseg}2}^{\′\′}\left(x_2\right)\·\frac{x\left(t_{\mathrm{LX}}\right)}{y\left(x\left(t_{\mathrm{LX}}\right)\right)}& 0\end{array}\right)---\left(43\right)$

期望路径的多项式系数，可以通过把方程(42)和(43)的状态代入方程(28)而获得，如：

$a_{n,0}=a_{n,1}=a_{n,2}=0.5y_{\mathrm{seg}}^{\′\′}\left(0\right)\·\frac{x^2\left(t_{\mathrm{LX}}\right)}{y\left(x\left(t_{\mathrm{LX}}\right)\right)}---\left(44\right)$

$\left[\begin{array}{c}{a}_{n,3}\\ a_{n,4}\\ a_{n,5}\end{array}\right]{=\left[\begin{array}{ccc}1& 1& 1\\ 3& 4& 5\\ 6& 12& 20\end{array}\right]}^{-1}\left[\begin{array}{c}{y}_n\left(1\right)-0.5y_{\mathrm{seg}}^{\′\′}\left(0\right)\·\frac{x^2\left(t_{\mathrm{LX}}\right)}{y\left(x\left(t_{\mathrm{LX}}\right)\right)}\\ y_n^{\′}\left(1\right)-0.5y_{\mathrm{seg}}^{\′\′}\left(0\right)\·\frac{x^2\left(t_{\mathrm{LX}}\right)}{y\left(x\left(t_{\mathrm{LX}}\right)\right)}\\ -0.5y_{\mathrm{seg}}^{\′\′}\left(0\right)\·\frac{x^2\left(t_{\mathrm{LX}}\right)}{y\left(x\left(t_{\mathrm{LX}}\right)\right)}\end{array}\right]---\left(45\right)$

应注意方程(45)的多项式系数的解是用终点处的一阶连续性假设而获得的，这意味着在假设道路在传感器范围之后是没有不连续性的平直道路。当车辆运动时，在传感器范围之后道路的不确定性消失，并且对应于检测到的道路信息来校正用该假设所生成的路径。

前面的描述仅仅公开和描述了本发明的示例性实施例。从以上描述以及附图和权利要求中，所属领域技术人员将会容易地意识到，在不脱离所附权利要求限定的本发明的精神和范围的情况下，可以对本发明进行各种变更、修改和变型。

Claims (20)

1.一种确定用于车辆转向的期望路径的***，所述***包括：

多个车辆传感器和检测器，用于检测所述车辆行驶所在道路的行驶车道并且提供车道识别信号；

期望路径生成处理器，其对所述车道信号、车道变换请求、和所述车辆的转向角的转向角信号产生响应，所述期望路径生成处理器生成所述车辆的期望路径并且提供输出信号，所述输出信号包括车道变换将占用的纵向距离、车道变换将占用的横向距离、和用于车道变换的角度；

路径预测处理器，其对车辆状态信号产生响应，所述车辆状态信号包括车辆横向速度、车辆纵向速度、车辆偏航率和转向角，所述路径预测处理器基于所述横向车辆速度、所述纵向车辆速度、所述车辆偏航率和所述转向角来预测所述车辆的路径，所述路径预测处理器提供确定所述车辆的预测路径的输出信号；以及

比较器，其对来自所述期望路径生成处理器的输出信号与来自所述路径预测处理器的输出信号进行比较，并且提供所述车辆的期望路径与预测路径之间的差异的误差信号。

2.如权利要求1所述的***，还包括：车道变换控制器，其对所述误差信号产生响应，所述车道变换控制器提供用于使所述车辆转向的转向角信号，以使所述误差信号最小化。

3.如权利要求2所述的***，还包括：车辆转向控制子***，其对来自所述车道变换控制器的转向角信号产生响应，所述车辆转向控制子***利用所述转向角信号来使所述车辆转向。

4.如权利要求3所述的***，其中，所述车辆传感器中的一些传感器测量车辆运动，并且提供车辆速度、车辆偏航率和转向角的测量信号。

5.如权利要求4所述的***，还包括：车辆状态估计处理器，其对所述车辆的测量信号产生响应，并且将所述车辆横向速度、所述车辆纵向速度和所述车辆偏航率的过滤信号提供给所述路径预测处理器。

6.如权利要求1所述的***，还包括：车道标识线检测处理器，其对来自检测所述车辆行驶所在车道的前视摄像头的信号产生响应，所述车道标识线检测处理器识别所述车道中的车道标识线，并且将所述车道信号提供给所述期望路径生成处理器。

7.如权利要求1所述的***，其中，所述期望路径生成处理器利用五阶多项式方程来确定所述期望路径。

8.如权利要求1所述的***，其中，如果在所述期望路径中检测到障碍物，那么所述期望路径生成处理器将所述期望路径确定为多个区段，所述区段包括在所述车辆位置和所述障碍物之间的第一区段、以及在所述障碍物和所述期望车辆路径的余下部分之间的第二区段。

9.如权利要求1所述的***，其中，所述期望路径生成处理器接收相对于所述道路的横向偏移和正切航向角以及道路曲率的信息，以生成用于在弯道附近行驶车辆的期望路径。

10.如权利要求1所述的***，其中，所述期望路径生成处理器将超过所述车辆中检测所述道路的传感器的传感器范围的期望路径生成为虚拟路径。

11.一种确定用于自主或半自主车辆的车辆转向的期望路径的***，所述***包括：

多个车辆传感器和检测器，用于检测所述车辆行驶所在道路的行驶车道并且提供车道识别信号，所述传感器还提供车辆速度和车辆偏航率的测量及运动信号；

期望路径生成处理器，其对所述车道信号、驾驶员的车道变换请求、和所述车辆的转向角产生响应，所述期望路径生成处理器产生所述车辆的期望路径并且提供输出信号，所述输出信号包括车道变换将占用的纵向距离、车道变换将占用的横向距离、和用于车道变换的角度，所述期望路径生成处理器利用五阶多项式方程来确定所述期望路径；

路径预测处理器，其对车辆状态信号产生响应，所述车辆状态信号包括车辆横向速度、车辆纵向速度、车辆偏航率和车辆转向角，所述路径预测处理器基于所述横向车辆速度、所述纵向车辆速度、所述车辆偏航率和所述转向角来预测所述车辆的路径，所述路径预测处理器提供确定所述车辆的预测路径的输出信号；

比较器，其对来自所述期望路径生成处理器的输出信号与来自所述路径预测处理器的输出信号进行比较，并且提供所述车辆的期望路径和预测路径之间的差异的误差信号；

车道变换控制器，其对所述误差信号产生响应，所述车道变换控制器提供用于使所述车辆转向的转向角信号，以使所述误差信号最小化；以及

车辆转向控制子***，其对来自所述车道变换控制器的转向角信号产生响应，所述车辆转向控制子***利用所述转向角信号来使所述车辆转向。

12.如权利要求11所述的***，还包括：车辆状态估计处理器，其对所述车辆的测量和运动信号产生响应，并且将所述车辆横向速度、所述车辆纵向速度、所述车辆偏航率、和所述车辆转向角的过滤信号提供给所述路径预测处理器。

13.如权利要求11所述的***，还包括：车道标识线检测处理器，其对来自检测所述车辆行驶所在车道的所述车辆传感器和检测器的信号产生响应，所述车道标识线检测处理器识别所述车道中的车道标识线并且将所述车道信号提供给所述期望路径生成处理器。

14.如权利要求11所述的***，其中，如果在所述期望路径中检测到障碍物，那么所述期望路径生成处理器将所述期望路径确定为多个区段，所述区段包括在所述车辆位置和所述障碍物之间的第一区段、以及在所述障碍物与所述期望车辆路径的余下部分之间的第二区段。

15.如权利要求11所述的***，其中，所述期望路径生成处理器接收道路曲率信息，以生成用于在弯道附近行驶车辆的期望路径。

16.如权利要求11所述的***，其中，所述期望路径生成处理器将超过所述车辆中检测所述道路的传感器的传感器范围的期望路径生成为虚拟路径。

17.一种确定用于使车辆转向的期望路径的***，所述***包括：

多个车辆传感器和检测器，用于检测所述车辆行驶所在道路的行驶车道并且提供车道识别信号；以及

期望路径生成处理器，其对所述车道信号、车道变换请求、和所述车辆的转向角的转向角信号产生响应，所述期望路径生成处理器生成所述车辆的期望路径并且提供输出信号，所述输出信号包括车道变换将占用的纵向距离、车道变换将占用的横向距离、和用于车道变换的角度，所述期望路径生成处理器利用五阶多项式方程来确定所述期望路径。

18.如权利要求17所述的***，还包括：车道变换控制器，其对所述纵向距离、所述横向距离、和传感器角误差信号产生响应，并且提供用于使所述车辆转向的转向角信号。

19.如权利要求17所述的***，还包括：车道标识线检测处理器，其对来自检测所述车辆行驶所在车道的所述车辆传感器和检测器的信号产生响应，所述车道标识线检测处理器识别所述车道中的车道标识线，并且将所述车道信号提供给所述期望路径生成处理器。

20.如权利要求17所述的***，其中，所述期望路径生成处理器接收相对于所述道路的横向偏移和目标航向角、道路曲率的信息，以生成用于在弯道附近行驶车辆的期望路径。

Images