CN109445404A - 智能驾驶规划决策控制***增强在环测试方法 - Google Patents
智能驾驶规划决策控制***增强在环测试方法 Download PDFInfo
- Publication number
- CN109445404A CN109445404A CN201811080324.5A CN201811080324A CN109445404A CN 109445404 A CN109445404 A CN 109445404A CN 201811080324 A CN201811080324 A CN 201811080324A CN 109445404 A CN109445404 A CN 109445404A
- Authority
- CN
- China
- Prior art keywords
- intelligent driving
- control system
- vehicle
- programmed decision
- making control
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种智能驾驶规划决策控制***增强在环测试方法,装配有光纤组合惯导***的地图采集车采集路径的GPS轨迹,制作地图文件;模拟智能驾驶规划决策控制***运行的软硬件环境,并将智能驾驶规划决策控制***相关软件安装在模拟环境中;建立车辆动力学模型,并构建智能驾驶规划决策控制***与车辆动力学模型之间的闭环;基于TCP/IP构建在环测试通讯网络,模拟智能驾驶规划决策控制***与智能驾驶车辆之间的通讯链路;基于模拟的通讯链路,以车辆动力学模型为被控对象,以制作的地图文件模拟测试路径,测试智能驾驶规划决策控制***在模拟运行环境下的性能。本发明解决了代码编程方式开发的智能驾驶规划决策控制***难以进行模型在环和软件在环测试的问题。
Description
技术领域
本发明涉及智能驾驶及其仿真技术领域,特别是一种智能驾驶规划决策控制***增强在环测试方法。
背景技术
仿真测试是正向研发的必经阶段,特别是针对智能驾驶技术,很多复杂的交通场景和极端工况具有极大的危险性,因此高还原度地模拟智能驾驶车辆实际运行情况,进行仿真测试具有重要意义。
目前,智能驾驶仿真技术主要包括模型在环、软件在环、硬件在环等在环测试方法。然而,现有的在环测试方法基本都是基于MBD(Model Based Design,基于模型设计)开发方式提出的。基于代码编程的方式没有经过由模型设计到代码生成的过程,因此,如果使用模型在环和软件在环的方法进行在环测试需要先将代码转换为模型、生成C代码,导入到MATLAB中进行模型在环和软件在环的仿真实验。如此,源程序就脱离了原有的开发环境和运行环境,很难确保代码移植和运行环境对测试不会产生影响。另外,智能驾驶***代码编程的方式采用的编程语言包括C/C++/C#、Java、Python等多种语言,而且***的代码量也较大,进行代码移植本身就减低了研发效率。
发明内容
本发明所要解决的技术问题是,针对现有技术不足,提供一种智能驾驶规划决策控制***增强在环测试方法,解决代码编程方式开发的智能驾驶规划决策控制***难以进行模型在环、软件在环测试的问题以及传统的模型在环、软件在环测试方法未考虑软件运行环境的问题。
为解决上述技术问题,本发明所采用的技术方案是:一种智能驾驶规划决策控制***增强在环测试方法,包括以下步骤:
1)装配有光纤组合惯导***的地图采集车采集路径的GPS轨迹,制作地图文件;
2)模拟智能驾驶规划决策控制***运行的软硬件环境,并将智能驾驶规划决策控制***相关软件安装在模拟环境中;
3)建立车辆动力学模型,并构建智能驾驶规划决策控制***与车辆动力学模型之间的闭环;
4)基于TCP/IP构建在环测试通讯网络,模拟智能驾驶规划决策控制***与智能驾驶车辆之间的通讯链路;
5)基于模拟的通讯链路,以车辆动力学模型为被控对象,以制作的地图文件模拟测试路径,测试智能驾驶规划决策控制***在模拟运行环境下的性能。
所述增强在环是指利用***实际运行源程序,模拟***运行环境、通讯链路和测试路径,完成智能驾驶规划与决策控制***性能评价的一种在环测试方法。
步骤1)中,制作地图文件的具体实现过程为:通过RS232串口读取组合惯导所获取的车辆位置、航向信息,记录数据并保存为txt/bin的文件格式,即得到所述地图文件。
所述地图文件的采集方式为:按照时间间隔或按照距离间隔,直线不少于每5m一个点,弯道不少于每1m一个点。
步骤3)中,根据车辆动力学方程在Matlab/simulink中建立车辆动力学模型;或者,在Trucksim或Carsim中建立车辆动力学模型,然后将模型导入到Matlab/simulink中。
步骤4)中,基于TCP/IP构建在环测试通讯网络的具体步骤为:首先在服务端开辟一个并行线程,建立TCP/IP通讯服务端,在车辆动力学模型中基于TCP/IP函数、simulink中的TCP/IP通讯模块建立TCP/IP通讯客户端,然后配置IP地址和端口号,地址为本机回送地址,最后建立通讯连接,实现数据交互,服务端将前轮转向角、车辆纵向速度发送给客户端,客户端接收到服务端发送的控制变量,解析数据,更新车辆状态,并将车辆状态量发给服务端。
与现有技术相比,本发明所具有的有益效果为:
1、构造模拟运行环境,在模型在环和软件在环的基础上引入增强在环,既解决了代码编程方式开发的智能驾驶规划决策控制***难以进行模型在环和软件在环测试的问题,又使在环测试更符合实际情况;
2、保留***源程序,直接将智能驾驶规划决策控制***相关软件下载到模拟环境中,避免将源程序移植到Matlab中,提高了***开发效率;
3、基于TCP/IP构建在环测试通讯网络,模拟控制器与VCU的CAN总线通讯,将车辆动力学模型作为被控对象引入测试网络,串通了在环测试的软件台架。
附图说明
图1为本发明所述的智能驾驶规划决策控制***增强在环测试示意图;
图2(a)二自由度汽车动力学simulink模型;图2(b)Trucksim车辆动力学建模;
图3为TCP通讯模型;
图4为全局规划软件在环测试输出的全局路径;
图5为局部规划软件在环测试输出的局部期望轨迹;
图6为轨迹跟踪控制器输出的期望前轮偏转向角;(a)小曲率弯道下控制器输出前轮转向角;(b)大曲率弯道下控制器输出前轮转向角;
图7为车辆横向位置偏差;(a)小曲率弯道下车辆位置偏差;(b)大曲率弯道下车辆位置偏差。
具体实施方式
本发明包括以下步骤:
步骤一:装配有光纤组合惯导***的地图采集车采集路径的GPS轨迹,制作地图文件;
步骤二:模拟智能驾驶规划决策控制***运行的软硬件环境,并将智能驾驶规划决策控制***相关软件安装在模拟环境中;
步骤三:建立车辆动力学模型,并构建智能驾驶规划决策控制***与车辆动力学模型之间的闭环;
步骤四:基于TCP/IP构建在环测试通讯网络,模拟智能驾驶规划决策控制***与智能驾驶车辆之间的通讯链路;
步骤五:基于模拟的通讯链路,以车辆动力学模型为被控对象,以制作的地图文件模拟测试路径,测试智能驾驶规划决策控制***在模拟运行环境下的性能。
所述步骤一中制作地图文件的具体实施方法为:通过RS232串口读取组合惯导所获取的车辆位置、航向信息,记录数据并保存为txt/bin的文件格式。地图文件采集主要有两种方式,按照时间间隔或按照距离间隔,考虑到规划算法的需求,一般要求直线不少于每5m一个点,弯道不少于每1m一个点。
所述步骤二中模拟智能驾驶规划决策控制***运行的软硬件环境主要是考虑原有的在环测试方法是针对于MDB开发过程,针对于C++/JAVA等代码编程开发的方式,基于原有的在环测试方法,需要将源码移植到MATLAB中,很难保证代码移植和运行环境对测试不会产生影响。该方法就是主要针对代码编程开发方式的一种测试方法,保留***源程序,构造模拟运行环境,设计一种“模拟运行环境+虚拟控制器+虚拟模型”的在环测试方法。
模拟运行环境的具体做法是以硬件配置和软件环境相同或相似的PC替代***实际运行的工控机或者其他类型的平台作为增强在环测试的软硬件平台,其中硬件配置主要考虑CPU、显卡、内存、硬盘等,软件环境则包括操作***、第三方运行库等。
所述步骤三中建立车辆动力学模型主要包括两种方法:
1)根据车辆动力学方程在Matlab/simulink中建立动力学模型;
2)利用第三方软件,如在Trucksim或Carsim建立车辆动力学模型,然后将模型导入到Matlab/simulink中。
其中根据车辆动力学方程在Matlab/simulink中建立动力学模型具体做法如下:
(A)推导车辆动力学方程
以二自由度汽车动力学模型为例,其中各符号说明如下表所示:
表1二自由度汽车动力学模型相关参数符号及说明
当U给定时,该模型仅能通过控制δ来改变横向和旋转两个自由度的运动,因此该模型称为二自由度模型。
对车辆的质心列出动力学微分方程,包含横向加速和转动加速两个部分:
其中m和IZ分别为车辆的质量和转动惯量。
下面引入若干模型假设:
(a)小角度假设,即δ、αf、αr都比较小;
(b)纵向速度U为常数,因此有:
(c)轮胎工作在线性区,即:
Fyf=Cfαf,Fyr=Crαr (4)
令车辆状态量其中前三个量用于描述车辆位置和姿态,后两个量用于描述车辆速度和角速度信息,则二自由度车辆动力学方程可以列为:
(B)根据公式(5)所示的二自由度车辆动力学方程,可以在simulink中建立相应模型,即完成了车辆动力学建模。
以利用Trucksim建立车辆动力学模型为例,其中,利用第三方软件建立车辆动力学模型的具体做法如下:
(A)整车模型搭建
Trucksim采用参数化动力学建模方法,能简单有效地对车辆模型进行简化。利用Trucksim搭建整车模型时首先需要依据目标车型参数配置车辆动力学模型参数,需要配置的参数包括轴距、整车的长宽高、整车质量、前后轮侧偏刚度系数等。
(B)模拟环境搭建
模拟环境搭建主要是车辆初始状态定义和模拟路径的设计,包括初始车速、档位信号输出模式、驱动/制动模型以及期望路径的构建、路面参数配置等。由于设计的轨迹跟踪控制器会周期性提供驱动速度、制动减速度、方向盘转角等信息,因此进行车辆状态定义时应当选择外部制动模式及转向模式,即不需要模型内部进行驱动/制动以及转向的闭环优化,档位模式选择自动档,并根据实测线路的情况设置道路起点、宽度、摩擦系数、弯道曲率等,构建期望路径。
(C)外部调用接口设定
外部调用接口需要进行连接器、解算器的配置以及输入输出接口的选择与设置,首先需要选择连接器“send to simulink”,再设定求解器,选择龙格-库塔数值解法,设定模型仿真步长,然后选择模型输入输出端口,输入端口包括车辆驱动速度、制动减速度、方向盘转角、方向盘转速等,输出端口包括车速、车辆航向角、车辆位置信息等,最后通过指定路径将Trucksim以S函数(Trucksim s-functon)的形式导入到simulink模型库中,通过在simulink中调用该模型。
所述步骤三中构建智能驾驶规划决策控制***与车辆动力学模型之间的闭环的具体做法是以智能驾驶规划决策控制***输出的前轮转向角、车辆纵向速度等控制变量作为车辆动力学模型的输入,以车辆动力学模型反馈的当前车辆状态作为智能驾驶规划决策控制***的反馈,以此来建立一个智能驾驶规划决策控制***和被控对象之间的闭环控制***,其中智能驾驶规划决策控制***与车辆动力学模型之间的通讯链路是基于TCP/IP构建。为验证该做法理论上的可行性,下面推导得出了智能驾驶规划决策控制***与车辆动力学模型闭环的函数表达式。
令车辆状态量其中x,y表示车辆位置、表示车辆横摆角、v表示车辆横向速度、ω表示横摆角速率,以f(·)表示车辆动力学方程,可得:
ξ(k+1)=f(ξ(k),δ(k),U(k)) (6)
其中,ξ(k)表示第k个控制周期的车辆状态、ξ(k+1)表示第k+1个控制周期的车辆状态、δ(k)表示第k个控制周期的车辆前轮转向角,U(k)表示第k个控制周期的车辆纵向速度。
以η(·)表示轨迹跟踪控制的控制率,可得轨迹跟踪控制软件输入输出函数的表达形式如下:
(δ(k),U(k))=η(A(k),Ue(k),ξ(k)) (7)
其中,A(k)表示局部规划软件输出的第k个控制周期的局部期望轨迹,A(k)=[an(k),an-1(k),…,a1(k),a0(k)],an(k),an-1(k),…,a1(k),a0(k)表示局部期望轨迹对应的多项式系数,n表示多项式阶数;Ue(k)表示局部规划软件输出的第k个控制周期的期望车辆纵向速度。
假设车辆初始状态为ξ(1),综合公式(6)、(7)可得智能驾驶规划决策控制***与车辆动力学模型闭环的函数表达形式如下:
(δ(1),U(1))=η(A(1),Ue(1),ξ(1))
ξ(2)=f(ξ(1),δ(1),U(1))
(δ(k),U(k))=η(A(k),Ue(k),ξ(k))
ξ(k+1)=f(ξ(k),δ(k),U(k))
(8)
以上层的全局规划、局部规划输出的期望轨迹和期望车速作为智能驾驶规划决策控制***轨迹跟踪控制器的输入,动力学模型更新的车辆当前状态作为反馈,以智能驾驶规划决策控制***输出控制量作为动力学模型输入,以此形成了智能驾驶规划决策控制***与车辆动力学模型之间的闭环。
所述步骤四中基于TCP/IP构建在环测试通讯网络的具体方法如下:
由于智能驾驶规划决策控制***一般包含全局规划软件、局部规划软件、轨迹跟踪控制器,而上层的全局规划软件、局部规划软件与轨迹跟踪控制器之间已经基于ROS消息机制或者ZMQ通讯等方式建立了通讯链接。因此,构建在环测试通讯网络主要是考虑建立控制器与车辆动力学模型之间的通讯链接模拟轨迹跟踪控制器与整车控制器的CAN总线通讯。考虑到智能驾驶规划决策控制***有C/C++/C#、Java、simulink等多种开发语言,采用应用最为广泛的TCP/IP通讯来模拟控制器与整车控制器的CAN总线通讯。基于TCP/IP实现控制器与车辆动力学模型通讯的流程如下:
1)在控制器开辟一个并行线程建立TCP/IP通讯服务端,在车辆动力学模型中基于TCP/IP函数、simulink中的TCP/IP通讯模块建立TCP/IP通讯客户端;
2)配置IP地址和端口号,地址为本机回送地址“127.0.0.1”;
3)建立通讯连接并以JSON或者其他数据格式实现数据交互,服务端(控制器)将前轮转向角、车辆纵向速度等控制变量以JSON或者其他数据格式发送给客户端(模型),模型接收到控制器发送的控制变量,解析数据,更新车辆状态,并将车辆状态量同样打包为JSON或者其他数据格式发给控制器。
本实例以中南大学研发的智能驾驶规划决策控制***为例,该***的开发语言为C++,包含全局规划软件、局部规划软件、轨迹跟踪控制器软件,软件之间的通讯网络已基于ZMQ通讯搭建完成,***运行在BECKHOFF CX2040工控机中。
基于该实例,本发明所述的智能驾驶规划决策控制***增强在环测试示意图如图1所示,一种智能驾驶规划决策控制***增强在环测试方法,具体应用流程如下:
1.装配有光纤组合惯导***的地图采集车采集路径的GPS轨迹,制作地图文件;
其中,选用星网宇达XW-GI7660光纤惯性/卫星组合导航***作为GPS轨迹采集工具,地图采集车采用长宽高为4745*1810*1845(mm)的中巴车改装而成,地图采集地点在长沙智能网联汽车测试区。
制作地图文件具体实施方法如下:组合惯导***上电初始化之后,通过上位机读到卫星状态为0B,即状态良好、定位准确的标志后,地图采集车在选定的测试区以不高于5m/s的车速缓慢匀速行驶,通过RS232串口读取组合惯导所获取的车辆位置、航向信息,记录数据并保存为txt/bin的文件格式。地图文件采集主要有两种方式,按照时间间隔或按照距离间隔,考虑到规划算法的需求,一般要求直线不少于每5m一个点,弯道不少于每1m一个点。
2.模拟智能驾驶规划决策控制***运行的软硬件环境,并将智能驾驶规划决策控制***相关软件安装在模拟环境中;
模拟智能驾驶规划决策控制***运行的软硬件环境主要是考虑原有的在环测试方法是针对于MDB开发过程,针对于C++/JAVA等代码编程开发的方式,基于原有的在环测试方法,需要将源码移植到MATLAB中,很难保证代码移植和运行环境对测试不会产生影响。该方法就是主要针对代码编程开发方式的一种测试方法,保留***源程序,构造模拟运行环境,设计一种“模拟运行环境+虚拟控制器+虚拟模型”的在环测试方法。
中南大学研发的智能驾驶规划决策控制***是在BECKHOFF CX2040工控机中运行,其运行环境的硬件配置为CPU:i7 2715QE 2.1GHz 4 cores,内存:4GB DDR3 RAM,硬盘:32GB CFast flash card;运行软件环境为操作***:Microsoft Windows 7旗舰版,托管代码编程模型:Microsoft.NET Framework 4.0,动态链接库以及静态库:libzmq.dll、opencv_core2410d.dll、opencv_highgui310.dll、opencv_imgcodecs310.dll、TcAdsDll.dll、libzmq.lib、json_vc71_libmt.lib、json_vc71_libmtd.lib等。
根据CPU天梯图,本实例以联想Ideapad 320c-15笔记本替代BECKHOFF CX2040工控机搭建智能驾驶规划决策控制***增强在环测试的软硬件平台,其配置为:CPU:Intel i7 7500U 2.7GHz 2cores,内存:4GB DDR4RAM,硬盘:500GB HDD;另外,在联想Ideapad320c-15笔记本中装载Microsoft Windows 7旗舰版操作***,以Microsoft.NETFramework 4.0作为托管代码编程模型,并按照***实际运行的工控机环境配置上述动态链接库以及静态库,以此作为智能驾驶规划决策控制***运行的软件环境。
3.建立车辆动力学模型,并构建智能驾驶规划决策控制***与车辆动力学模型之间的闭环;
建立车辆动力学模型主要包括两种方法:
1)如图2中(a)所示,根据车辆动力学方程在Matlab/simulink中建立车辆动力学模型;
2)如图2中(b)所示,先在Trucksim中利用参数化建模的方法建立车辆动力学模型,然后将模型导入到Matlab/simulink中。
考虑到Trucksim建立的车辆动力学模型更加准确,本实例采用Trucksim建立车辆动力学模型,模型以中车12m智能驾驶客车作为目标车型,主要参数配置如表2所示。根据下列参数,需要在Trucksim中完成相应配置。
表2车辆动力学主要参数
利用Trucksim建立的车辆动力学模型的输入为车辆纵向速度、前轮转向角,输出为车辆位置(x,y)、车辆横摆角、车辆横向速度、车辆横摆角速度。
另外,按照本发明所述的方法进行增强在环测试,构建了模拟运行环境,并完成车辆动力学建模之后,还需要构建智能驾驶规划决策控制***与车辆动力学模型之间的闭环。具体做法是以智能驾驶规划决策控制***输出的前轮转向角、车辆纵向速度作为车辆动力学模型的输入,以车辆动力学模型反馈的当前车辆状态作为智能驾驶规划决策控制***的反馈,以此来建立一个智能驾驶规划决策控制***和被控对象之间的闭环控制***,其中智能驾驶规划决策控制***与车辆动力学模型之间的通讯链路是基于TCP协议的Socket通讯方式构建。为验证该做法理论上的可行性,推导得出了智能驾驶规划决策控制***与车辆动力学模型闭环的函数表达式,推导过程如下:
令车辆状态量其中x,y表示车辆位置、表示车辆横摆角、v表示车辆横向速度、ω表示横摆角速率,以f(·)表示车辆动力学方程,可得:
ξ(k+1)=f(ξ(k),δ(k),U(k)) (9)
其中,ξ(k)表示第k个控制周期的车辆状态、ξ(k+1)表示第k+1个控制周期的车辆状态、δ(k)表示第k个控制周期的车辆前轮转向角,U(k)表示第k个控制周期的车辆纵向速度。
以η(·)表示轨迹跟踪控制的控制率,可得轨迹跟踪控制软件输入输出函数的表达形式如下:
(δ(k),U(k))=η(A(k),Ue(k),ξ(k)) (10)
其中,A(k)表示局部规划软件输出的第k个控制周期的局部期望轨迹,A(k)=[an(k),an-1(k),…,a1(k),a0(k)],an(k),an-1(k),…,a1(k),a0(k)表示局部期望轨迹对应的多项式系数,n表示多项式阶数;Ue(k)表示局部规划软件输出的第k个控制周期的期望车辆纵向速度。
假设车辆初始状态为ξ(1),综合公式(9)、(10)可得智能驾驶规划决策控制***与车辆动力学模型闭环的函数表达形式如下:
以上层的全局规划、局部规划输出的期望轨迹和期望车速作为智能驾驶规划决策控制***轨迹跟踪控制器的输入,动力学模型更新的车辆当前状态作为反馈,以智能驾驶规划决策控制***输出控制量作为动力学模型输入,以此形成了智能驾驶规划决策控制***与车辆动力学模型之间的闭环。
4.基于TCP/IP构建在环测试通讯网络,模拟智能驾驶规划决策控制***与智能驾驶车辆之间的通讯链路;
所述基于TCP/IP构建在环测试通讯网络的具体方法如下:
由于智能驾驶规划决策控制***一般包含全局规划软件、局部规划软件、轨迹跟踪控制器,而上层的全局规划软件、局部规划软件与轨迹跟踪控制器之间已经基于ROS消息机制或者ZMQ通讯等方式建立了通讯链接。因此,构建在环测试通讯网络主要是考虑建立控制器与车辆动力学模型之间的通讯链接模拟轨迹跟踪控制器与整车控制器的CAN总线通讯。考虑到智能驾驶规划决策控制***有C/C++/C#、Java、simulink等多种开发语言,采用应用最为广泛的TCP/IP通讯来模拟控制器与整车控制器的CAN总线通讯。基于TCP/IP实现控制器与车辆动力学模型通讯的流程如下:
1)在控制器开辟一个并行线程建立TCP/IP通讯服务器端,在车辆动力学模型中基于TCP/IP函数、simulink中的TCP/IP通讯模块建立TCP/IP通讯客户端;
2)配置IP地址和端口号,地址为本机回送地址“127.0.0.1”;
3)建立通讯连接并以JSON或者其他数据格式实现数据交互,服务端(控制器)将前轮转向角、车辆纵向速度等控制变量以JSON或者其他数据格式发送给客户端(模型),模型接收到控制器发送的控制变量,解析数据,更新车辆状态,并将车辆状态量同样打包为JSON或者其他数据格式发给控制器。
本实例采用基于TCP协议的Socket通讯方式来构建通讯链路,TCP通讯模型如图3所示,步骤如下:
1)服务器端首先启动监听程序,对指定的端口进行监听,等待接收客户端的连接请求;
2)客户端程序启动,请求连接服务器的指定端口;
3)服务器收到客户端的连接请求后与客户端建立套接字(Socket)连接;
4)连接成功后,客户端与服务器均打开各自的输入流和输出流,其中客户端的输入流连接到服务器端的输出流,服务器的输入流连接到客户端的输出流,连接成功后就可以进行双向通信。
5)当通信完毕后,客户端与服务器端两边各自断开连接。
5.基于模拟的通讯链路,以车辆动力学模型为被控对象,以制作的地图文件模拟测试路径,测试智能驾驶规划决策控制***在模拟运行环境下的性能。
本实例的测试结果如图4、图5、图6、图7所示,分别为全局规划软件在环测试输出的全局路径、局部规划软件在环测试输出的局部期望轨迹、轨迹跟踪控制器输出的期望前轮转向角、车辆位置偏差。
Claims (6)
1.一种智能驾驶规划决策控制***增强在环测试方法,其特征在于,包括以下步骤:
1)装配有光纤组合惯导***的地图采集车采集路径的GPS轨迹,制作地图文件;
2)模拟智能驾驶规划决策控制***运行的软硬件环境,并将智能驾驶规划决策控制***相关软件安装在模拟环境中;
3)建立车辆动力学模型,并构建智能驾驶规划决策控制***与车辆动力学模型之间的闭环;
4)基于TCP/IP构建在环测试通讯网络,模拟智能驾驶规划决策控制***与智能驾驶车辆之间的通讯链路;
5)基于模拟的通讯链路,以车辆动力学模型为被控对象,以制作的地图文件模拟测试路径,测试智能驾驶规划决策控制***在模拟运行环境下的性能。
2.根据权利要求1所述的智能驾驶规划决策控制***增强在环测试方法,其特征在于,步骤1)中,制作地图文件的具体实现过程为:通过RS232串口读取组合惯导所获取的车辆位置、航向信息,记录数据并保存为txt/bin的文件格式,即得到所述地图文件。
3.根据权利要求3所述的智能驾驶规划决策控制***增强在环测试方法,其特征在于,所述地图文件的采集方式为:按照时间间隔或按照距离间隔,直线不少于每5m一个点,弯道不少于每1m一个点。
4.根据权利要求1所述的智能驾驶规划决策控制***增强在环测试方法,其特征在于,步骤3)中,根据车辆动力学方程在Matlab/simulink中建立车辆动力学模型;或者,在Trucksim或Carsim中建立车辆动力学模型,然后将模型导入到Matlab/simulink中。
5.根据权利要求1所述的智能驾驶规划决策控制***增强在环测试方法,其特征在于,步骤4)中,基于TCP/IP构建在环测试通讯网络的具体步骤为:首先在服务端开辟一个并行线程,建立TCP/IP通讯服务端,在车辆动力学模型中基于TCP/IP函数、simulink中的TCP/IP通讯模块建立TCP/IP通讯客户端,然后配置IP地址和端口号,地址为本机回送地址,最后建立通讯连接,实现数据交互,服务端将前轮转向角、车辆纵向速度发送给客户端,客户端接收到服务端发送的控制变量,解析数据,更新车辆状态,并将车辆状态量发给服务端。
6.根据权利要求5所述的智能驾驶规划决策控制***增强在环测试方法,其特征在于,以JSON格式实现数据交互。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811080324.5A CN109445404B (zh) | 2018-09-17 | 2018-09-17 | 智能驾驶规划决策控制***增强在环测试方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811080324.5A CN109445404B (zh) | 2018-09-17 | 2018-09-17 | 智能驾驶规划决策控制***增强在环测试方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109445404A true CN109445404A (zh) | 2019-03-08 |
CN109445404B CN109445404B (zh) | 2021-06-11 |
Family
ID=65532605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811080324.5A Active CN109445404B (zh) | 2018-09-17 | 2018-09-17 | 智能驾驶规划决策控制***增强在环测试方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109445404B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110083142A (zh) * | 2019-04-29 | 2019-08-02 | 清华大学 | 一种用于智能网联车测试的测试车控制方法 |
CN111586130A (zh) * | 2020-04-29 | 2020-08-25 | 清华大学 | 混合交通场景下纵向控制算法的性能评价方法及装置 |
CN111785027A (zh) * | 2019-09-17 | 2020-10-16 | 上海森首科技股份有限公司 | 一种自动驾驶闭环信息*** |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2293018A1 (en) * | 2009-09-04 | 2011-03-09 | CLARION Co., Ltd. | Car navigation system |
EP2457328A2 (en) * | 2009-07-24 | 2012-05-30 | Technion Research and Development Foundation, Ltd. | Ultra-high-speed photonic-enabled adc based on multi-phase interferometry |
CN103065627A (zh) * | 2012-12-17 | 2013-04-24 | 中南大学 | 基于dtw与hmm证据融合的特种车鸣笛声识别方法 |
CN105182968A (zh) * | 2015-09-24 | 2015-12-23 | 吉林大学 | 一种适用于汽车c-eps***的硬件在环性能测试试验台 |
CN106227189A (zh) * | 2016-07-29 | 2016-12-14 | 中山大学 | 一种双轴驱动电动汽车硬件在环测试***同步控制方法 |
CN106292333A (zh) * | 2016-09-13 | 2017-01-04 | 浙江吉利控股集团有限公司 | Esc硬件在环测试***及esc硬件在环测试方法 |
CN106873397A (zh) * | 2017-01-23 | 2017-06-20 | 同济大学 | 智能网联汽车“硬件在环”加速加载仿真测试*** |
CN107727417A (zh) * | 2017-09-11 | 2018-02-23 | 江苏大学 | 一种人机共驾转向***硬件在环仿真测试平台 |
US20180059627A1 (en) * | 2016-08-26 | 2018-03-01 | Hyundai Motor Company | Method for verifying actuator control data |
CN107991898A (zh) * | 2016-10-26 | 2018-05-04 | 法乐第(北京)网络科技有限公司 | 一种无人驾驶车辆模拟测试装置及电子设备 |
CN108267325A (zh) * | 2018-01-29 | 2018-07-10 | 上海测迅汽车科技有限公司 | 无人驾驶整车实物在环测试方法 |
CN108319259A (zh) * | 2018-03-22 | 2018-07-24 | 上海科梁信息工程股份有限公司 | 一种测试***及测试方法 |
CN108445885A (zh) * | 2018-04-20 | 2018-08-24 | 鹤山东风新能源科技有限公司 | 一种基于纯电动物流车的自动驾驶***及其控制方法 |
CN108509869A (zh) * | 2018-03-14 | 2018-09-07 | 中南大学 | 基于OpenBCI的特征集优化在线训练方法 |
-
2018
- 2018-09-17 CN CN201811080324.5A patent/CN109445404B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2457328A2 (en) * | 2009-07-24 | 2012-05-30 | Technion Research and Development Foundation, Ltd. | Ultra-high-speed photonic-enabled adc based on multi-phase interferometry |
EP2293018A1 (en) * | 2009-09-04 | 2011-03-09 | CLARION Co., Ltd. | Car navigation system |
CN103065627A (zh) * | 2012-12-17 | 2013-04-24 | 中南大学 | 基于dtw与hmm证据融合的特种车鸣笛声识别方法 |
CN105182968A (zh) * | 2015-09-24 | 2015-12-23 | 吉林大学 | 一种适用于汽车c-eps***的硬件在环性能测试试验台 |
CN106227189A (zh) * | 2016-07-29 | 2016-12-14 | 中山大学 | 一种双轴驱动电动汽车硬件在环测试***同步控制方法 |
US20180059627A1 (en) * | 2016-08-26 | 2018-03-01 | Hyundai Motor Company | Method for verifying actuator control data |
CN106292333A (zh) * | 2016-09-13 | 2017-01-04 | 浙江吉利控股集团有限公司 | Esc硬件在环测试***及esc硬件在环测试方法 |
CN107991898A (zh) * | 2016-10-26 | 2018-05-04 | 法乐第(北京)网络科技有限公司 | 一种无人驾驶车辆模拟测试装置及电子设备 |
CN106873397A (zh) * | 2017-01-23 | 2017-06-20 | 同济大学 | 智能网联汽车“硬件在环”加速加载仿真测试*** |
CN107727417A (zh) * | 2017-09-11 | 2018-02-23 | 江苏大学 | 一种人机共驾转向***硬件在环仿真测试平台 |
CN108267325A (zh) * | 2018-01-29 | 2018-07-10 | 上海测迅汽车科技有限公司 | 无人驾驶整车实物在环测试方法 |
CN108509869A (zh) * | 2018-03-14 | 2018-09-07 | 中南大学 | 基于OpenBCI的特征集优化在线训练方法 |
CN108319259A (zh) * | 2018-03-22 | 2018-07-24 | 上海科梁信息工程股份有限公司 | 一种测试***及测试方法 |
CN108445885A (zh) * | 2018-04-20 | 2018-08-24 | 鹤山东风新能源科技有限公司 | 一种基于纯电动物流车的自动驾驶***及其控制方法 |
Non-Patent Citations (4)
Title |
---|
BIRAL F , MD LIO, LOT R , ET AL.: "An intelligent curve warning system for powered two wheel vehicles", 《EUROPEAN TRANSPORT RESEARCH REVIEW》 * |
余伶俐, 焦继乐, 蔡自兴: "一种多机器人任务规划算法及其***实现", 《计算机科学》 * |
佚名: "SimCore智能网联汽车虚拟驾驶硬件在环仿真测试平台", 《汽车制造业》 * |
赵莎, 李石坚, 潘纲,等.: "一种通用汽车驾驶仿真环境的设计与实现", 《第七届和谐人机环境联合学术会议(HHME2011)论文集》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110083142A (zh) * | 2019-04-29 | 2019-08-02 | 清华大学 | 一种用于智能网联车测试的测试车控制方法 |
CN110083142B (zh) * | 2019-04-29 | 2020-03-20 | 清华大学 | 一种用于智能网联车测试的测试车控制方法 |
CN111785027A (zh) * | 2019-09-17 | 2020-10-16 | 上海森首科技股份有限公司 | 一种自动驾驶闭环信息*** |
CN111586130A (zh) * | 2020-04-29 | 2020-08-25 | 清华大学 | 混合交通场景下纵向控制算法的性能评价方法及装置 |
CN111586130B (zh) * | 2020-04-29 | 2021-04-02 | 清华大学 | 混合交通场景下纵向控制算法的性能评价方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109445404B (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108803607B (zh) | 一种用于自动驾驶的多功能仿真*** | |
CN112100856B (zh) | 一种基于多平台的自动驾驶联合仿真方法 | |
CN110456757B (zh) | 一种无人驾驶车辆的整车测试方法及*** | |
CN102789171A (zh) | 一种可视化无人机飞行控制半实物仿真测试方法及*** | |
CN109445404A (zh) | 智能驾驶规划决策控制***增强在环测试方法 | |
CN108681264A (zh) | 一种智能车辆数字化仿真测试装置 | |
CN110228462A (zh) | 四轮轮毂电机驱动电动汽车横摆稳定性控制方法 | |
CN109656148A (zh) | 自动驾驶的动态交通流场景的仿真方法 | |
CN103576558B (zh) | 一种空间机器人动力学仿真***及方法 | |
CN107065594A (zh) | 一种运载火箭六自由度分布式半物理仿真方法及*** | |
CN111665738A (zh) | 在环仿真***及其中的信息处理方法及装置 | |
JP2022524584A (ja) | 自動運転シミュレーション方法及び装置、電子機器並びに記憶媒体 | |
CN111061164A (zh) | 一种无人机半实物仿真***与仿真方法 | |
Ma et al. | ROS-based multi-robot system simulator | |
CN113419518B (zh) | 一种基于vts的vil测试平台 | |
CN104133379A (zh) | 四旋翼飞行器仿真方法 | |
CN113777952A (zh) | 一种实车与虚拟车交互映射的自动驾驶仿真测试方法 | |
CN113485124A (zh) | 一种考虑通信时滞的异构车辆队列稳定性控制方法及*** | |
CN101118500A (zh) | 自主驾驶车辆行驶过程的软件仿真方法 | |
CN106776321A (zh) | 一种基于动态链接库的飞管***软件仿真对比转换方法 | |
CN114296424B (zh) | 仿真测试***和方法 | |
Cui et al. | An enhanced safe and reliable autonomous driving platform using ROS2 | |
CN112597005A (zh) | 一种自动驾驶全栈算法闭环仿真测试***及方法 | |
Zhou et al. | A survey on autonomous driving system simulators | |
CN115098941A (zh) | 面向智能算法敏捷部署的无人机数字孪生控制方法和平台 |
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 |