CN111674394B - 一种能实现微观调控的自动驾驶跟驰保持方法 - Google Patents

Abstract

本发明公开了一种能实现微观调控的自动驾驶跟驰保持方法，包括：步骤1：录入所需参数信息；步骤2：测距雷达进行全景测距，获取测距信息；步骤3；标志检测装置进行检测，生成相应图像信息；步骤4：计算出标志检测装置到相应标志物的距离，并进行修正；步骤5：修正后的距离与计算出的期望距离相结合判断是否需要进行轨迹调控；步骤6：建立调节等级的计算模型，计算实时调节角度，之后执行转向下一步；步骤7：建立模型计算出车辆需达到的目标速度对车辆速度进行控制。本发明控制车辆行使轨迹保持在一个车道内行使，且跟车距离始终保持在安全范围内，调控精度高，使得单位距离通行能力明显上升。

Description

一种能实现微观调控的自动驾驶跟驰保持方法

技术领域

本发明涉及一种能实现微观调控的自动驾驶跟驰保持方法。

背景技术

自动驾驶领域中通过自动跟驰方式令车辆在车道中自动保持行驶方向并自动与前方车辆保持一定跟驰距离，从而能有效保证车辆行驶的稳定性和控制车辆间距，而现有技术中无论是采用车辆上的检测装置或图像采集装置，采集环境信息实现跟驰控制，还是在路边设置检测和发送信息的路网监控单元为车辆提供数据，都存在控制跟驰的精度不足，测定车辆相对车辆位置及跟驰所需速度的变化方面都容易受恶劣环境影响，如雨雪、昏暗等环境下，不仅图像采集装置的分辨率和可靠性直线下降，车道线万一被积雪遮蔽，一般图像检测方式无法过去车道位置的信息，导致跟驰控制的误差很大，特别是在高速运动过程中，即使十几厘米的误差也可能导致严重后果。此外现有技术中对速度和转向角度的控制也不够精细，未考虑车辆可控的最小转向角度等方面的限制，这也影响了自动跟驰的控制精度。

发明内容

本发明的目的在于提供一种能实现微观调控的自动驾驶跟驰保持方法，以解决现有技术中对目标车辆的跟驰过程的控制精度较低，并易受外界恶劣环境因素影响的问题。

所述的一种能实现微观调控的自动驾驶跟驰保持方法，包括下列步骤：

步骤1：录入车型信息、车道信息和各标志检测装置的安装参数信息；

步骤2：测距雷达进行全景测距，获取测距信息；

步骤3；标志检测装置对车道标志线上设置的标志物进行检测，生成相应图像信息；

步骤4：根据采集和录入的信息计算出标志检测装置到相应标志物的距离，并依据已完成的仿真实验数据对结果进行修正；

步骤5：设定标志检测装置到相应标志物的期望距离，根据步骤4得到的修正后的距离与所述期望距离相结合判断是否需要进行轨迹调控，如果需要执行步骤6，否则执行步骤7；

步骤6：建立调节等级的计算模型，通过步骤4和步骤5得到的距离和期望距离计算出调节等级，进而计算出车辆的实时调节角度，之后执行转向和步骤7；

步骤7：建立车辆速度和跟驰距离变化相关的模型，并由此计算出车辆需达到的目标速度，控制车辆行驶速度。

优选的，所述测距信息通过在车辆四周全景测距获得D＝{D_f，D_b，D_l，D_r}，所述步骤7中设定当前车速为v₀，建立历史轨迹计算周期时间表t＝｛ｔ_－k，t_-k+1，...，t₀}，其中t₀表示最近一次测距，并获得对应时刻的

设定标准前车跟车车距D_f，则由下列算式计算出距离差值ΔS：

则车辆相对前方车辆的平均加速度为：

车辆的目标速度为：

优选的，所述步骤1中录入的车型信息包括车宽W_car、是否载货、载货极限宽度W_lim；所述标志检测装置的安装参数包括分辨率σ；安装位置与地面高度h，外视角度θ和两侧标志检测装置间的距离L；所述车道信息包括车道宽度列表W_road[level]＝{w1，w2，w3，...}。

优选的，所述步骤4中将位于探视角中心角位置定为O，以O为原点建立坐标系，坐标轴由内侧指向外侧，即内侧为负外侧为正，同时以像素作为最小单位尺度，记录金属薄条中心位置到O的像素数α，则有：d_p＝h×tanθ+(±α)×σ；根据大数据仿真，建立样本数据库，根据样本数据库得到样本标准差：

其中n为参与计算的样本数，

为对应样本所得到的实测值，d_p(i)为对应样本所得到的理论计算值，则得到的修正值

优选的，所述步骤5中计算和判断的具体过程为按下式计算期望距离和其与修正后的距离的差值：

判断标准为当

维持行车轨迹；当

则车辆转向以调整轨迹，直至其与期望值之间的关系在容许误差以内。

优选的，所述步骤6的具体过程为：

设定调控角度范围为±ω，调控等级为m，建立历史轨迹时间表t＝｛ｔ_－k，t_-k+1，...，t₀}，其中t₀表示最近一次采集到的图像的时刻，并获得对应时刻的

调节等级的计算模型如下：

此处根据车辆能精确控制的最小角度设置最大调节等级，设置的条件如下：设置最大调节等级K＝10，则有当|m|＞10时，设定|m|＝10；由此求得车辆的实时调节角度

优选的，所述标志物为铺设在车道标志线上的金属薄条，所述金属薄条表面粗糙并涂敷上与标志线相同材质涂料。

优选的，所述标志检测装置为合成孔径雷达，所述合成孔径雷达的雷达频率选择50-100GHz，并避免使用通信频段。

本发明具有如下优点：本方法中通过在道路的车道标志线上设置标志物辅助车辆进行定位计算，提高了控制的精度，避免了光照太暗或雨雪天气等恶劣环境对***的影响，同时采用了与标志物位置相关的算法以精确定位车辆在车道中的位置，以及精确控制转向角度和车辆速度。这些改进将微观自动驾驶定位精度提高到厘米级，对车辆车道变道定位计算提高到厘米级，有利于缩短跟驰状态下自动驾驶车辆的跟车距离，为满足L4-L5级自动驾驶技术对车辆车道定位能力的需求提供一种解决方案。

附图说明

图1是本发明应用是车辆在车道行驶时的示意图，

图2是本发明的仿真实验中的车辆与车道标志线偏离度结果对比图，

图3是本发明的仿真实验中的跟车距离结果对比图，

图中：1、车道标志线，2、标志物，3、车辆，4、标志检测装置。

具体实施方式

下面对照附图，通过对实施例的描述，对本发明具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。

如图１－3所示，本发明提供了一种能实现微观调控的自动驾驶跟驰保持方法，该方法需要在道路标志线上设置标志物2，车辆3上需安装标志检测装置4和360°全景测距雷达。在目标车辆3周围装配360°全景测距雷达，对目标周围环境进行运动目标距离检测，获得目标车辆3与周围其他车辆3之间的距离。

其中标志物2可以采用金属薄条，金属薄条规格控制在0.2X20.0X100.0mm以内，表面粗糙，其中薄条厚度尽可能压薄，维持金属薄条表面粗糙度这样氧化后不影响使用以增强目标在频段内的后向散射能力，从而能够通过成像算法重现出目标形态。在为车道画标志线时，对于虚白线，以标志线首尾各铺设一片薄金属条并固定，并在表面刷上薄层涂料，融入标志线中，同时避免直晒；对于实白线行车区域，在实白线内等距铺设金属薄条。

标志检测装置4可以采用合成孔径雷达或红外探视仪。合成孔径雷达频率选择50-100GHz并避免使用通信频段，采用该频段意义在于雷达的距离向成像分辨率与载波带宽直接相关，而为满足金属薄条成像需要，至少保证在距离向上成像目标占据足够像素以保证后期计算需求；同时该频段在雨雪条件下衰减较小，因此能满足全天候使用条件，结合方位采集数据即可实现对目标的SAR成像。

目标车辆3周围四角设置标志检测装置4，注意保证检测装置的检测范围覆盖以其安装位置为中心半径0.5m以上的区域。根据不同公路等级车道宽度不同，同时根据不同车型车宽不同，实际视野半径按需求进行调整，其基本原则为在车辆3一侧压线的情况下，另一侧依然能够探测到对应车道标线。

依据上述装置和标志物2，本自动驾驶控制方法包括以下步骤：

步骤1：录入车型信息、车道信息和各标志检测装置的安装参数信息；车型信息包括车宽W_car、是否载货、载货极限宽度W_lim；所述标志检测装置4的安装参数包括分辨率σ；安装位置与地面高度h，外视角度θ和两侧标志检测装置4间的距离L；所述车道信息包括车道宽度列表W_road[level]＝{w1，w2，w3，...}。

步骤2：测距雷达进行全景测距，获取测距信息；所述测距信息通过在车辆3四周全景测距获得D＝{D_f，D_b，D_l，D_r}。

步骤3；标志检测装置4对车道标志线1上设置的标志物2进行检测，生成相应图像信息；对图像信息进行特征提取，获取图像中标志物2的相关特征数据。

步骤4：根据采集和录入的信息计算出标志检测装置4到相应标志物2的距离，并依据已完成的仿真实验数据对结果进行修正。具体如下。

将位于探视角中心角位置定为O，以O为原点建立坐标系，坐标轴由内侧指向外侧，即内侧为负外侧为正，同时以像素作为最小单位尺度，记录金属薄条中心位置到O的像素数α，则有：d_p＝h×tanθ+(±α)×σ；

根据大数据仿真，建立样本数据库，根据样本数据库得到样本标准差：

其中n为参与计算的样本数，

为对应样本所得到的实测值，d_p(i)为对应样本所得到的理论计算值，则得到的修正值

步骤5：设定标志检测装置4到相应标志物2的期望距离，根据步骤4得到的修正后的距离与所述期望距离相结合判断是否需要进行轨迹调控，如果需要执行步骤6，否则执行步骤7。具体如下。

计算和判断的具体过程为按下式计算期望距离和其与修正后的距离的差值：

判断标准为当

维持行车轨迹；当

则车辆3转向以调整轨迹，直至其与期望值之间的关系在容许误差以内。

步骤6：建立调节等级的计算模型，通过步骤4和步骤5得到的距离和期望距离计算出调节等级，进而计算出车辆3的实时调节角度，之后执行转向和步骤7。计算调节等级和转向角度的具体过程如下。

设定调控角度范围为±ω，调控等级为m，建立历史轨迹时间表t＝｛ｔ_－k，t_-k+1，...，t₀}，其中t₀表示最近一次采集到的图像的时刻，并获得对应时刻的

调节等级的计算模型如下：

此处根据车辆3能精确控制的最小角度设置最大调节等级，设置的条件如下：设置最大调节等级K＝10，则有当|m|＞10时，设定|m|＝10；由此求得车辆3的实时调节角度

步骤7：建立车辆3速度和跟驰距离变化相关的模型，并由此计算出车辆3需达到的目标速度。具体如下：

设定当前车速为v₀，建立历史轨迹计算周期时间表t＝｛ｔ_－k，t_-k+1，...，t₀}，其中t₀表示最近一次测距，并获得对应时刻的

设定标准前车跟车车距D_f，则由下列算式计算出距离差值ΔS：

则车辆3相对前方车辆3的平均加速度为：

车辆3的目标速度为：

最后依据计算得到的目标速度对车辆3进行速度控制，使其能跟上前方车辆，保持安全车距。

对本案进行仿真实验所用基本参数配置如下。

模拟路段选择：宁沪高速路段，单车道宽度W_road[1]＝3.75m；

模拟车型选择：最大宽度W_car＝2.5m；

安装参数：安装高度h＝1.5m；外视角θ＝15°；左右雷达之间间距L＝2.4m；

标准前车跟车车距D_f＝20m；

模拟行驶速度匀速为80km/h，车速区间[70，90]km/h，模拟行驶公里数S＝{5km，10km，15km，20km，40km}。

仿真结果如图2和3所示，图2和图3的横坐标均表示实验路段的路距，结果可知，在一级公路宽度3.75m条件下，宽度2.5m的车允许单侧偏离的最大距离小于60厘米以保持车辆始终行使在既定车道内，而通过对偏离车辆的轨迹进行主动调控后，车辆行使轨迹能够始终保持在中心距附近且控制在单行车道内行使，且跟车距离始终保持在安全范围内，使得单位距离通行能力明显上升。

上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的发明构思和技术方案进行的各种非实质性的改进，或未经改进将本发明构思和技术方案直接应用于其它场合的，均在本发明保护范围之内。

Claims (3)

1.一种能实现微观调控的自动驾驶跟驰保持方法，其特征在于：包括下列步骤：

步骤1：录入车型信息、车道信息和各标志检测装置的安装参数信息；

步骤2：测距雷达进行全景测距，获取测距信息；

步骤3：标志检测装置(4)对车道标志线(1)上设置的标志物(2)进行检测，生成相应图像信息；

步骤4：根据采集和录入的信息计算出标志检测装置(4)到相应标志物(2)的距离，并依据已完成的仿真实验数据对结果进行修正；

步骤5：设定标志检测装置(4)到相应标志物(2)的期望距离，根据步骤4得到的修正后的距离与所述期望距离相结合判断是否需要进行轨迹调控，如果需要执行步骤6，否则执行步骤7；

步骤6：建立调节等级的计算模型，通过步骤4和步骤5得到的距离和期望距离计算出调节等级，进而计算出车辆(3)的实时调节角度，之后执行转向和步骤7；

步骤7：建立车辆(3)速度和跟驰距离变化相关的模型，并由此计算出车辆(3)需达到的目标速度，控制车辆(3)行驶速度；

所述测距信息通过在车辆(3)四周全景测距获得D＝{D_f，D_b，D_l，D_r}，所述步骤7中设定当前车速为v₀，建立历史轨迹计算周期时间表t＝｛ｔ_－k，t_-k+1，...，t₀}，其中t₀表示最近一次测距，并获得对应时刻的

设定标准前车跟车车距D_f，则由下列算式计算出距离差值ΔS：

则车辆(3)相对前方车辆(3)的平均加速度为：

车辆(3)的目标速度为：

所述步骤1中录入的车型信息包括车宽W_car、是否载货、载货极限宽度W_lim；所述标志检测装置(4)的安装参数包括分辨率σ，安装位置与地面高度h，外视角度θ和两侧标志检测装置(4)间的距离L；所述车道信息包括车道宽度列表W_road[level]＝{w1，w2，w3，...}；

所述步骤4中将位于探视角中心角位置定为O，以O为原点建立坐标系，坐标轴由内侧指向外侧，即内侧为负外侧为正，同时以像素作为最小单位尺度，所述标志物(2)为金属薄条，记录金属薄条中心位置到O的像素数α，则有：d_p＝h×tanθ+(±α)×σ；

根据大数据仿真，建立样本数据库，根据样本数据库得到样本标准差：

其中n为参与计算的样本数，

为对应样本所得到的实测值，d_p(i)为对应样本所得到的理论计算值，则得到的修正值

所述步骤5中计算和判断的具体过程为按下式计算期望距离和其与修正后的距离的差值：

判断标准为当

维持行车轨迹；当

则车辆(3)转向以调整轨迹，直至其与期望值之间的关系在容许误差以内；

所述步骤6的具体过程为：

设定调控角度范围为±ω，调控等级为m，建立历史轨迹时间表t＝｛ｔ_-k，t_-k+1，...，t₀}，其中t₀表示最近一次采集到的图像的时刻，并获得对应时刻的

调节等级的计算模型如下：

此处根据车辆(3)能精确控制的最小角度设置最大调节等级，设置的条件如下：设置最大调节等级K＝10，则有当|m|＞10时，设定|m|＝10；由此求得车辆(3)的实时调节角度

2.根据权利要求1所述的一种能实现微观调控的自动驾驶跟驰保持方法，其特征在于：所述标志物(2)为铺设在车道标志线(1)上的金属薄条，所述金属薄条表面粗糙并涂敷上与标志线相同材质涂料。

3.根据权利要求2所述的一种能实现微观调控的自动驾驶跟驰保持方法，其特征在于：所述标志检测装置(4)为合成孔径雷达，所述合成孔径雷达的雷达频率选择50-100GHz，并避免使用通信频段。

Images