CN112519776B - 自动驾驶车队的控制方法、车载装置及自动驾驶车辆 - Google Patents
自动驾驶车队的控制方法、车载装置及自动驾驶车辆 Download PDFInfo
- Publication number
- CN112519776B CN112519776B CN201910812504.6A CN201910812504A CN112519776B CN 112519776 B CN112519776 B CN 112519776B CN 201910812504 A CN201910812504 A CN 201910812504A CN 112519776 B CN112519776 B CN 112519776B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- autonomous
- gradient information
- fleet
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 78
- 230000001174 ascending effect Effects 0.000 claims abstract description 12
- 238000013507 mapping Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 16
- 230000001133 acceleration Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
- B60W40/076—Slope angle of the road
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
- Y02T10/84—Data processing systems or methods, management, administration
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请提供了一种自动驾驶车队的控制方法、车载装置及自动驾驶车辆,涉及自动驾驶技术领域。方法包括:获得自动驾驶车队中的第一车辆的第一坡度信息;获得自动驾驶车队中与第一车辆前方相邻的第二车辆的第二坡度信息;根据第一坡度信息和第二坡度信息,确定控制第一车辆的补偿量;获得控制第一车辆的原始控制量;根据原始控制量和补偿量,确定控制第一车辆的优化控制量;将优化控制量发送至第一车辆自身的纵向控制器,以使得纵向控制器控制第一车辆自身的纵向执行机构以优化控制量进行纵向控制。本申请可以在上下坡环境下,使得自动驾驶车队中的车辆实现更为精准的控制,避免自动驾驶车队中的车辆之间的距离和相对速度的波动会比较大的问题。
Description
技术领域
本申请涉及自动驾驶技术领域,尤其涉及一种自动驾驶车队的控制方法、车载装置及自动驾驶车辆。
背景技术
目前,协同自动驾驶车队(Platooning,简称为自动驾驶车队)是指多辆车基于自动驾驶技术和V2V(Vehicle-to-Vehicle,车对车)车联网技术的支持,以极小的车距尾随行驶的编队状态。在编队中,车距远远低于一般意义上的安全行驶车距,仅为20米甚至更小,极小的车距会使领航车破开的气流,在车尾直接被第二辆车接纳,而不会形成低压的涡流区,从而有效降低了整个车队在行驶过程中的空气阻力总值。一般以协同自动驾驶车队状态行驶所减少的阻力,可以节约近10%的油耗。协同自动驾驶车队之所以可以保持这么短的间隔,主要原因是受益于V2V通信的低延时通信,V2V可以实现从端到端的100ms内的通信。因此,基于V2V技术,车与车之间可以进行信息交互,一个编队里的一组车能够跟随领航车,随着它的操控而自行进行操控。比如领航车进行了踩油门、踩刹车或转向等操控,后面的一排车辆都可以在很短时间内进行同样的操控。
当前,自动驾驶车队环境下,跟随车一般直接采用其自身前方的车辆的油门踏板信号和制动踏板信号作为前馈,然后通过两车间隔距离的误差以及与其自身前方的车辆的相对速度的误差做为反馈,进行控制。然而这种跟随车的控制方式目前仅能满足路面平坦的区域,在路面存在坡度的情况下,若依然采用上述跟随车的控制方式,车辆之间的距离和相对速度的波动会比较大,不利于自动驾驶车队的精准控制。
发明内容
本申请的实施例提供一种自动驾驶车队的控制方法、车载装置及自动驾驶车辆,能够实现自动驾驶车队在面临上下坡复杂路段情况下的精准控制。
为达到上述目的,本申请的实施例采用如下技术方案:
本申请实施例的第一方面,提供一种自动驾驶车队的控制方法,包括:
获得自动驾驶车队中的第一车辆的第一坡度信息;
获得自动驾驶车队中与第一车辆前方相邻的第二车辆的第二坡度信息;
根据所述第一坡度信息和第二坡度信息,确定控制所述第一车辆的补偿量;
获得控制所述第一车辆的原始控制量;
根据所述原始控制量和所述补偿量,确定控制所述第一车辆的优化控制量;
将所述优化控制量发送至第一车辆自身的纵向控制器,以使得所述纵向控制器控制第一车辆自身的纵向执行机构以所述优化控制量进行纵向控制。
本申请实施例的第二方面,提供一种第一车载装置,所述第一车载装置设置于自动驾驶车队中的第一车辆中;所述第一车载装置,包括:
坡度信息获取单元,用于获得自动驾驶车队中的第一车辆的第一坡度信息;获得自动驾驶车队中与第一车辆前方相邻的第二车辆的第二坡度信息;
补偿量确定单元,用于根据所述第一坡度信息和第二坡度信息,确定控制所述第一车辆的补偿量;
原始控制量获取单元,用于获得控制所述第一车辆的原始控制量;
优化控制量确定单元,用于根据所述原始控制量和所述补偿量,确定控制所述第一车辆的优化控制量;
控制量发送单元,用于将所述优化控制量发送至第一车辆自身的纵向控制器,以使得所述纵向控制器控制第一车辆自身的纵向执行机构以所述优化控制量进行纵向控制。
本申请实施例的第三方面,提供一种自动驾驶的第一车辆,所述第一车辆在自动驾驶车队中行驶,所述第一车辆包括第一车载装置、纵向控制器和纵向执行机构;所述第一车载装置与纵向控制器连接,所述纵向控制器与所述纵向执行机构连接;
所述第一车载装置,用于获得自动驾驶车队中的第一车辆的第一坡度信息;获得自动驾驶车队中与第一车辆前方相邻的第二车辆的第二坡度信息;根据所述第一坡度信息和第二坡度信息,确定控制所述第一车辆的补偿量;获得控制所述第一车辆的原始控制量;根据所述原始控制量和所述补偿量,确定控制所述第一车辆的优化控制量;将所述优化控制量发送至第一车辆自身的纵向控制器;
所述纵向控制器,用于控制第一车辆自身的纵向执行机构以所述优化控制量进行纵向控制。
本申请实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现上述第一方面所述的自动驾驶车队的控制方法。
本申请实施例的第五方面,提供一种包含指令的计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行如上述第一方面所述的自动驾驶车队的控制方法。
本申请实施例的第六方面,提供一种芯片***,包括处理器,所述处理器与存储器的耦合,所述存储器存储有程序指令,当所述存储器存储的程序指令被所述处理器执行时实现上述第一方面所述的自动驾驶车队的控制方法。
本申请实施例的第七方面,提供一种电路***,所述电路***包括处理电路,所述处理电路配置为执行如上述第一方面所述的自动驾驶车队的控制方法。
本申请实施例的第八方面,提供一种计算机服务器,包括存储器,以及与所述存储器通信连接的一个或多个处理器;
所述存储器中存储有可被所述一个或多个处理器执行的指令,所述指令被所述一个或多个处理器执行,以使所述一个或多个处理器实现如上述第一方面所述的自动驾驶车队的控制方法。
本申请实施例提供的一种自动驾驶车队的控制方法、车载装置及自动驾驶车辆,考虑到了自动驾驶车队行驶在上下坡等复杂环境下对车辆控制的影响,能够根据前后两车的坡度信息,确定补偿量,从而对原始控制量进行优化;所得到的优化控制量能够使得自动驾驶车队中的车辆实现更为精准的控制,避免自动驾驶车队中的车辆之间的距离和相对速度的波动会比较大的问题。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例中自动驾驶车队通过坡度较为明显的路段的示意图;
图2为本申请实施例提供的一种自动驾驶车队的结构示意图;
图3为本申请实施例提供的一种自动驾驶车队的控制方法的流程图一;
图4为本申请实施例提供的一种自动驾驶车队的控制方法的流程图二;
图5为本申请实施例中的车辆上下坡场景示意图一;
图6为本申请实施例中的车辆上下坡场景示意图二;
图7为本申请实施例中的车辆上下坡场景示意图三;
图8为本申请实施例中的车辆上下坡场景示意图四;
图9为本申请实施例提供的一种自动驾驶车队的控制方法的流程图三;
图10为本申请实施例中的车辆上下坡场景示意图五;
图11为本申请实施例中的车辆上下坡场景示意图六;
图12为本申请实施例中的车辆上下坡场景示意图七;
图13为本申请实施例中的车辆上下坡场景示意图八;
图14为本申请实施例提供的一种第一车载装置的结构示意图;
图15为本申请实施例提供的一种自动驾驶的第一车辆的结构示意图一;
图16为本申请实施例提供的一种自动驾驶的第一车辆的结构示意图二。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了使本领域的技术人员更好的了解本申请,下面先对本申请实施例中出现的部分技术术语进行解释如下:
V2V:Vehicle-to-Vehicle,车对车,V2V通信技术是一种不受限于固定式基站的通信技术,为移动中的车辆提供直接的一端到另一端的无线通信。
V2X:Vehicle to X,是未来智能交通运输***的关键技术。它使得车与车、车与基站、基站与基站之间能够通信。从而获得实时路况、道路信息、行人信息等一系列交通信息,从而提高驾驶安全性、减少拥堵、提高交通效率、提供车载娱乐信息等。
IMU:Inertial measurement unit,惯性测量单元,是测量物体三轴姿态角(或角速率)以及加速度的装置。
GNSS:Global Navigation Satellite System,全球导航卫星***。
GPS:Global Positioning System,全球定位***。
在本申请的一些实施例中,术语“车辆”广泛地解释为包括任何移动物体,包括例如飞行器、船只、航天器、汽车、卡车、厢式货车、半挂车、摩托车、高尔夫球车、越野车辆、仓库运输车辆或农用车以及行驶在轨道上的运输工具,例如电车或火车以及其它有轨车辆。本申请中的“车辆”通常可以包括:动力***、传感器***、控制***、***设备和计算机***。在其它实施例中,车辆可以包括更多、更少或者不同的***。
其中,动力***是为车辆提供动力运动的***,包括:引擎/马达、变速器和车轮/轮胎、能源单元。
控制***可以包括控制车辆及其组件的装置的组合,例如转向单元、节气门、制动单元。
***设备可以是允许车辆与外部传感器、其它车辆、外部计算设备和/或用户进行交互的设备,例如无线通信***、触摸屏、麦克风和/或扬声器。
基于上述描述的车辆,无人驾驶车辆中还配置有传感器***和无人驾驶控制装置。
传感器***可以包括用于感测车辆所处环境的信息的多个传感器,以及改变传感器的位置和/或方向的一个或多个致动器。传感器***可以包括全球定位***传感器、惯性测量单元、无线电检测和测距(RADAR)单元、相机、激光测距仪、光检测和测距(LIDAR)单元和/或声学传感器等传感器的任何组合;传感器***还可以包括监视车辆内部***的传感器(例如O2监视器、燃油表、引擎温度计等)。
无人驾驶控制装置可以包括一个处理器和存储器,存储器中存储有至少一条机器可执行指令,处理器执行至少一条机器可执行指令实现包括地图引擎、定位模块、感知模块、导航或路径模块、以及自动控制模块等的功能。地图引擎和定位模块用于提供地图信息和定位信息。感知模块用于根据传感器***获取到的信息和地图引擎提供的地图信息感知车辆所处环境中的事物。导航或路径模块用于根据地图引擎、定位模块和感知模块的处理结果,为车辆规划行驶路径。自动控制模块将导航或路径模块等模块的决策信息输入解析转换成对车辆控制***的控制命令输出,并通过车载网(例如通过CAN总线、局域互联网络、多媒体定向***传输等方式实现的车辆内部电子网络***)将控制命令发送给车辆控制***中的对应部件,实现对车辆的自动控制;自动控制模块还可以通过车载网来获取车辆中各部件的信息。
当前,自动驾驶车队环境下,跟随车一般直接采用其自身前方的车辆的油门踏板信号和制动踏板信号作为前馈,然后通过两车间隔距离的误差以及与其自身前方的车辆的相对速度的误差做为反馈,进行控制。然而例如图1中的情况所示,在自动驾驶车队10通过坡度较为明显的路段时(如图1所示的拱桥,当然还存在山区高低不平的公路等坡度较为明显的路段,此处不再一一列举),领航车101已经通过拱桥的最高处,处于下坡路段,而第一辆跟随车102在拱桥最高处,而第二辆跟随车103还在上坡路段。这种情况下,依然采用上述跟随车的控制方式,而不考虑坡度影响,会导致自动驾驶车队中车辆的相对距离和相对速度不稳定(例如会造成自动驾驶车队中两车之间的相对距离过近或过远,以及相对速度不等于0),难以实现自动驾驶车队的精确控制。
为了克服图1所描述的情况所产生的问题,本申请实施例提供一种自动驾驶车队的控制方法,其应用于如图2所示的自动驾驶车队20,该自动驾驶车队20具有领航车和一至多辆跟随车,此处为了描述方便,仅以领航车后存在两辆跟随车为例,分别称为领航车21、第二车辆22、第一车辆23。第一车辆23跟随在第二车辆22之后,本申请实施例中以第一车辆23的控制为例进行说明,但本申请不仅局限于此,例如第二车辆22在跟随领航车21时,也可采用相同的控制方案,此处不再一一列举。自动驾驶车队20之间能够通过V2V进行通信,具体方式是在领航车21、第二车辆22、第一车辆23上设置车载V2X设备。具体的,如图2所示,第一车辆23中可以设置有第一车载装置231、第一车辆纵向控制器232、第一车辆纵向执行机构233、第一车辆惯性测量单元(即IMU)234、第一车辆定位传感器235和第一车载V2X设备236,该第一车载装置231与第一车辆纵向控制器232、第一车辆惯性测量单元234、第一车辆定位传感器235和第一车载V2X设备236分别连接,第一车辆纵向控制器232连接控制第一车辆纵向执行机构233;而相应的,第二车辆22可以设置有第二车载装置221、第二车辆纵向控制器222、第二车辆纵向执行机构223、第二车辆惯性测量单元(即IMU)224、第二车辆定位传感器225和第二车载V2X设备226,该第二车载装置221与第二车辆纵向控制器222、第二车辆惯性测量单元224、第二车辆定位传感器225和第二车载V2X设备226分别连接,第二车辆纵向控制器222连接控制第二车辆纵向执行机构223。
此处,在本申请实施例中,第一车载装置231和第二车载装置221可以是具有计算处理能力的车载计算机或车载服务器。
此处,在本申请实施例中,第一车辆纵向控制器232和第二车辆纵向控制器222可以是车辆的油门控制器或者制动踏板控制器。相应的,在本申请实施例中,第一车辆纵向执行机构233和第二车辆纵向执行机构223可以是车辆的油门踏板或者制动踏板。
此处,在本申请实施例中,第一车辆定位传感器235和第二车辆定位传感器225可以包括车载GNSS设备,例如车载的GPS设备或车载的北斗卫星导航***设备。另外第一车辆定位传感器235和第二车辆定位传感器225还可以包括摄像头、激光雷达等传感器,以感知车辆外部环境,辅助车载GNSS设备进行定位。
如图3所示,本申请实施例提供一种自动驾驶车队的控制方法,包括:
步骤301、获得自动驾驶车队中的第一车辆的第一坡度信息。
步骤302、获得自动驾驶车队中与第一车辆前方相邻的第二车辆的第二坡度信息。
步骤303、根据第一坡度信息和第二坡度信息,确定控制第一车辆的补偿量。
步骤304、获得控制第一车辆的原始控制量。
步骤305、根据原始控制量和所述补偿量,确定控制第一车辆的优化控制量。
步骤306、将优化控制量发送至第一车辆自身的纵向控制器,以使得纵向控制器控制第一车辆自身的纵向执行机构以优化控制量进行纵向控制。
一般情况下,自动驾驶车队中车辆的纵向控制分为两种,一种为车辆加速控制,即油门控制,一种为车辆减速控制,即制动控制。本申请基于以上两种纵向控制方式,对本申请实施例提供的自动驾驶车队的控制方法进行说明。
例如,如图4所示,本申请实施例提供一种自动驾驶车队的控制方法,包括:
步骤401、获得自动驾驶车队中的第一车辆的第一坡度信息。
此处,在该步骤401中,可以采用如下两种方式来获得第一车辆的第一坡度信息,但不仅局限于此。
方式一:可以获得第一车辆的惯性测量单元测量的第一车辆的第一俯仰角,将所述第一俯仰角作为第一坡度信息。该第一坡度信息可以按照车道的方向,以车辆上坡时的坡度信息为正值,以车辆下坡时的坡度信息为负值。
方式二:可以根据第一车辆的定位传感器确定第一车辆在预先设置的电子地图中的第一位置信息;其中,电子地图中预先记录有各位置处的坡度信息;在电子地图中获得该第一位置信息对应的第一坡度信息。此处该电子地图可以为用于自动驾驶的高精度地图,其具体记录了地图中各位置处的坡度信息,因此在获得第一车辆的第一位置信息后,可以在高精度地图中直接得到相应的第一坡度信息,该第一坡度信息可以用角度来表示,例如按照车道的方向,以车辆上坡时的坡度信息为正值,以车辆下坡时的坡度信息为负值。
为了便于自动驾驶车队中第一车辆后方的车辆应用第一车辆的第一坡度信息,以及利于领航车等及时获知第一车辆的第一坡度信息以用于了解车队情况,在得到该第一坡度信息之后,可以将第一坡度信息通过第一车辆的第一车载V2X设备向自动驾驶车队中的其他车辆广播发送。当然,也可以将第一位置信息和第一坡度信息中的一个或多个通过第一车辆的第一车载V2X设备向自动驾驶车队中的其他车辆广播发送,一方面使得自动驾驶车队中的其他车辆获知该第一车辆的第一位置信息、第一坡度信息,或其两者,另一方面在其他车辆仅得到第一位置信息的情况下,自动驾驶车队中的其他车辆也可以采用上述方式二的通过电子地图查找的方式得到第一位置信息对应的第一坡度信息。
步骤402、获得自动驾驶车队中与第一车辆前方相邻的第二车辆的第二坡度信息。
相类似的,在该步骤402中,也可以采用如下两种方式来获得第二车辆的第二坡度信息,但不仅局限于此。
方式一:可以通过第一车辆的第一车载V2X设备接收自动驾驶车队中与第一车辆前方相邻的第二车辆的第二车载V2X设备广播发送的第二坡度信息;该第二坡度信息为第二车辆的第二车载装置通过获得第二车辆的惯性测量单元测量的第二车辆的第二俯仰角,并将所述第二俯仰角作为第二坡度信息而得到的;或者,第二坡度信息为第二车辆的第二车载装置根据第二车辆的定位传感器确定第二车辆在预先设置的电子地图中的第二位置信息,并在电子地图中获得所述第二位置信息对应的第二坡度信息而得到的;该电子地图中记录有各位置处的坡度信息。该第二坡度信息可以按照车道的方向,以车辆上坡时的坡度信息为正值,以车辆下坡时的坡度信息为负值。
方式二:可以通过第一车辆的第一车载V2X设备接收自动驾驶车队中与第一车辆前方相邻的第二车辆的第二车载V2X设备发送的第二位置信息;该第二位置信息为第二车辆的第二车载装置根据第二车辆的定位传感器确定第二车辆在预先设置的电子地图中的第二位置信息而得到的。之后,可以在预先设置的电子地图中获得第二位置信息对应的第二坡度信息;该电子地图中记录有各位置处的坡度信息。此处该电子地图可以为用于自动驾驶的高精度地图,其具体记录了地图中各位置处的坡度信息,因此在获得第二车辆的第二位置信息后,可以在高精度地图中直接得到相应的第二坡度信息,该第二坡度信息可以用角度来表示,例如按照车道的方向,以车辆上坡时的坡度信息为正值,以车辆下坡时的坡度信息为负值。
步骤403、将第二坡度信息减去第一坡度信息,确定第二车辆与第一车辆的坡度差χ=α-β。
其中,α为第二坡度信息;β为第一坡度信息。
步骤404、确定控制第一车辆的补偿量ΔF补偿=-mg·sinχ。其中,m为自动驾驶车队中一辆车的质量,此处为了计算方便,假设自动驾驶车队中每一辆车的质量相等,但不仅局限于此,在质量不相等的情况下,可以根据两辆车之间的质量比例关系来确定补偿量,其中两辆车之间的质量比例关系与补偿量的关系满足牛顿第二运动定律。g为重力加速度。
步骤405、通过第一车辆的第一车载V2X设备接收自动驾驶车队中与第一车辆前方相邻的第二车辆的第二车载V2X设备发送的第二车辆的当前加速度a加。
步骤406、根据当前加速度a加、自动驾驶车队中一辆车的质量m和预先确定的道路对车阻力F阻,确定控制第一车辆的原始牵引力F牵=ma加+F阻。
同样,此处假设自动驾驶车队中每一辆车的质量相等,但不仅局限于此,在质量不相等的情况下,可以根据两辆车之间的质量比例关系来确定该原始牵引力,其中两辆车之间的质量比例关系与原始牵引力的关系满足牛顿第二运动定律。该F阻可以是地面对车的滚动阻力,其是由车辆与路面摩擦产生,可以提前测量获得,或者实时计算获得,例如可以采用申请号201710462572.5的发明专利申请中的方案来得到,该F阻的确定并非本申请的重点内容,此处不再赘述。
步骤407、根据原始牵引力F牵和补偿量ΔF补偿,确定控制第一车辆的优化牵引力F′牵=F牵+ΔF补偿。
此处,如图5、图6、图7和图8所示,以一个自动驾驶车队在一具有坡度的路段L行驶时的场景为例来进行说明该优化牵引力的产生。此处,仅以第一车辆23和其前方的第二车辆22为例,该具有坡度的路段L假设具有5个阶段,分别为L1水平路段、L2上坡路段、L3水平路段、L4下坡路段、L5水平路段。
如图5所示,当第二车辆22已经处于L2上坡路段,第一车辆23还处于L1水平路段时,由于L2上坡路段的坡度,第二车辆22受到沿坡度向下的阻力,其大小等于|ΔF补偿|,因此若第二车辆22和第一车辆23依然按照原始牵引力F牵来驱动,则不能保持两者之间的原始相对距离和原始相对速度(原始相对速度理想为0),会产生第一车辆23逐渐靠近第二车辆22的现象。因此,第一车辆的优化牵引力应为F′牵=F牵+ΔF补偿,即F′牵=F牵-mg·sinχ,此时第二坡度信息α为正,第一坡度信息β为0,因此χ=α-β为正,即第一车辆23应适当减小牵引力,以保持原始相对距离和原始相对速度。
如图6所示,当第二车辆22已经处于L3水平路段,第一车辆23还处于L2上坡路段时,由于L2上坡路段的坡度,第一车辆23受到沿坡度向下的阻力,其大小等于|ΔF补偿|,因此若第二车辆22和第一车辆23依然按照原始牵引力F牵来驱动,则不能保持两者之间的原始相对距离和原始相对速度(原始相对速度理想为0),会产生第一车辆23逐渐远离第二车辆22的现象。因此,第一车辆的优化牵引力应为F′牵=F牵+ΔF补偿,即F′牵=F牵-mg·sinχ,此时第二坡度信息α为0,第一坡度信息β为正,因此χ=α-β为负,即第一车辆23应适当增大牵引力,以保持原始相对距离和原始相对速度。
如图7所示,当第二车辆22已经处于L4下坡路段,第一车辆23还处于L3水平路段时,由于L4下坡路段的坡度,第二车辆22受到沿坡度向下的牵引力,其大小等于|ΔF补偿|,因此若第二车辆22和第一车辆23依然按照原始牵引力F牵来驱动,则不能保持两者之间的原始相对距离和原始相对速度(原始相对速度理想为0),会产生第一车辆23逐渐远离第二车辆22的现象。因此,第一车辆的优化牵引力应为F′牵=F牵+ΔF补偿,即F′牵=F牵-mg·sinχ,此时第二坡度信息α为负,第一坡度信息β为0,因此χ=α-β为负,即第一车辆23应适当增大牵引力,以保持原始相对距离和原始相对速度。
如图8所示,当第二车辆22已经处于L5水平路段,第一车辆23还处于L4下坡路段时,由于L4下坡路段的坡度,第一车辆23受到沿坡度向下的牵引力,其大小等于|ΔF补偿|,因此若第二车辆22和第一车辆23依然按照原始牵引力F牵来驱动,则不能保持两者之间的原始相对距离和原始相对速度(原始相对速度理想为0),会产生第一车辆23逐渐靠近第二车辆22的现象。因此,第一车辆的优化牵引力应为F′牵=F牵+ΔF补偿,即F′牵=F牵-mg·sinχ,此时第二坡度信息α为0,第一坡度信息β为负,因此χ=α-β为正,即第一车辆23应适当减小牵引力,以保持原始相对距离和原始相对速度。
步骤408、在预先设置的牵引力与油门踏板控制量的映射关系信息中获得第一车辆的优化牵引力F′牵对应的优化油门踏板控制量。
此处,油门踏板控制量可以是例如车辆的节气门开度。在自动驾驶车辆上路前,可以通过对车辆的动力性能进行预先标定,得到若干组牵引力与油门踏板控制量的映射关系,从而可以形成牵引力与油门踏板控制量的映射关系信息,例如可以采用映射关系表的形式等。这样,在得到第一车辆的优化牵引力F′牵的情况下,可以通过查询映射关系信息的方式得到优化油门踏板控制量,但不仅局限于此。需要知道的是,本领域的技术人员还可以通过一些更为复杂的算法来确定牵引力与油门踏板控制量之间的关系,本申请实施例在此不再一一展开说明。
步骤409、将优化油门踏板控制量发送至第一车辆自身的油门控制器,以使得油门控制器控制第一车辆自身的油门踏板以优化油门踏板控制量进行油门踏板控制。
可见,通过上述步骤401至步骤409,对于自动驾驶车队中的车辆的油门踏板的控制可以根据坡度信息更为精确,避免单一的依靠前车的控制量进行控制所造成的相对距离和相对速度不稳定的问题。
例如,如图9所示,本申请实施例提供一种自动驾驶车队的控制方法,包括:
步骤501、获得自动驾驶车队中的第一车辆的第一坡度信息。
此处,在该步骤501中,可以采用如下两种方式来获得第一车辆的第一坡度信息,但不仅局限于此。
方式一:可以获得第一车辆的惯性测量单元测量的第一车辆的第一俯仰角,将第一俯仰角作为第一坡度信息。该第一坡度信息可以按照车道的方向,以车辆上坡时的坡度信息为正值,以车辆下坡时的坡度信息为负值。
方式二:可以根据第一车辆的定位传感器确定第一车辆在预先设置的电子地图中的第一位置信息;其中,电子地图中预先记录有各位置处的坡度信息;在电子地图中获得该第一位置信息对应的第一坡度信息。此处该电子地图可以为用于自动驾驶的高精度地图,其具体记录了地图中各位置处的坡度信息,因此在获得第一车辆的第一位置信息后,可以在高精度地图中直接得到相应的第一坡度信息,该第一坡度信息可以用角度来表示,例如按照车道的方向,以车辆上坡时的坡度信息为正值,以车辆下坡时的坡度信息为负值。
为了便于自动驾驶车队中第一车辆后方的车辆应用第一车辆的第一坡度信息,以及利于领航车等及时获知第一车辆的第一坡度信息以用于了解车队情况,在得到该第一坡度信息之后,可以将第一坡度信息通过第一车辆的第一车载V2X设备向自动驾驶车队中的其他车辆广播发送。当然,也可以将第一位置信息和第一坡度信息中的一个或多个通过第一车辆的第一车载V2X设备向自动驾驶车队中的其他车辆广播发送,一方面使得自动驾驶车队中的其他车辆获知该第一车辆的第一位置信息、第一坡度信息,或其两者,另一方面在其他车辆仅得到第一位置信息的情况下,自动驾驶车队中的其他车辆也可以采用上述方式二的通过电子地图查找的方式得到第一位置信息对应的第一坡度信息。
步骤502、获得自动驾驶车队中与第一车辆前方相邻的第二车辆的第二坡度信息。
相类似的,在该步骤502中,也可以采用如下两种方式来获得第二车辆的第二坡度信息,但不仅局限于此。
方式一:可以通过第一车辆的第一车载V2X设备接收自动驾驶车队中与第一车辆前方相邻的第二车辆的第二车载V2X设备广播发送的第二坡度信息;该第二坡度信息为第二车辆的第二车载装置通过获得第二车辆的惯性测量单元测量的第二车辆的第二俯仰角,并将所述第二俯仰角作为第二坡度信息而得到的;或者,第二坡度信息为第二车辆的第二车载装置根据第二车辆的定位传感器确定第二车辆在预先设置的电子地图中的第二位置信息,并在电子地图中获得所述第二位置信息对应的第二坡度信息而得到的;该电子地图中记录有各位置处的坡度信息。该第二坡度信息可以按照车道的方向,以车辆上坡时的坡度信息为正值,以车辆下坡时的坡度信息为负值。
方式二:可以通过第一车辆的第一车载V2X设备接收自动驾驶车队中与第一车辆前方相邻的第二车辆的第二车载V2X设备发送的第二位置信息;该第二位置信息为第二车辆的第二车载装置根据第二车辆的定位传感器确定第二车辆在预先设置的电子地图中的第二位置信息而得到的。之后,可以在预先设置的电子地图中获得第二位置信息对应的第二坡度信息;该电子地图中记录有各位置处的坡度信息。此处该电子地图可以为用于自动驾驶的高精度地图,其具体记录了地图中各位置处的坡度信息,因此在获得第二车辆的第二位置信息后,可以在高精度地图中直接得到相应的第二坡度信息,该第二坡度信息可以用角度来表示,例如按照车道的方向,以车辆上坡时的坡度信息为正值,以车辆下坡时的坡度信息为负值。
步骤503、将第二坡度信息减去第一坡度信息,确定第二车辆与第一车辆的坡度差χ=α-β。
其中,α为第二坡度信息;β为第一坡度信息。
步骤504、确定控制第一车辆的补偿量ΔF补偿=-mg·sinχ。其中,m为自动驾驶车队中一辆车的质量,此处为了计算方便,假设自动驾驶车队中每一辆车的质量相等,但不仅局限于此,在质量不相等的情况下,可以根据两辆车之间的质量比例关系来确定补偿量,其中两辆车之间的质量比例关系与补偿量的关系满足牛顿第二运动定律。g为重力加速度。
步骤505、通过第一车辆的第一车载V2X设备接收自动驾驶车队中与第一车辆前方相邻的第二车辆的第二车载V2X设备发送的第二车辆的当前制动减速度a减。
步骤506、根据当前制动减速度a减、自动驾驶车队中一辆车的质量m和预先确定的道路对车阻力F阻,确定控制所述第一车辆的原始制动力F制=ma减-F阻。
同样,此处假设自动驾驶车队中每一辆车的质量相等,但不仅局限于此,在质量不相等的情况下,可以根据两辆车之间的质量比例关系来确定该原始制动力,其中两辆车之间的质量比例关系与原始制动力的关系满足牛顿第二运动定律。该F阻可以是地面对车的滚动阻力,其是由车辆与路面摩擦产生,可以提前测量获得,或者实时计算获得,例如可以采用申请号201710462572.5的发明专利申请中的方案来得到,该F阻的确定并非本申请的重点内容,此处不再赘述。
步骤507、根据原始制动力F制和补偿量ΔF补偿,确定控制第一车辆的优化制动力F′制=F制-ΔF补偿。
此处,如图10、图11、图12和图13所示,以一个自动驾驶车队在一具有坡度的路段L行驶时的场景为例来进行说明该优化制动力的产生。此处,仅以第一车辆23和其前方的第二车辆22为例,该具有坡度的路段L假设具有5个阶段,分别为L1水平路段、L2上坡路段、L3水平路段、L4下坡路段、L5水平路段。
如图10所示,当第二车辆22已经处于L2上坡路段,第一车辆23还处于L1水平路段时,由于L2上坡路段的坡度,第二车辆22受到沿坡度向下的阻力,其大小等于|ΔF补偿|,因此若第二车辆22和第一车辆23依然按照原始制动力F制来制动,则不能保持两者之间的原始相对距离和原始相对速度(原始相对速度理想为0),会产生第一车辆23逐渐靠近第二车辆22的现象。因此,第一车辆的优化制动力应为F′制=F制-ΔF补偿,即F′制=F制+mg·sinχ,此时第二坡度信息α为正,第一坡度信息β为0,因此χ=α-β为正,即第一车辆23应适当增加制动力,以保持原始相对距离和原始相对速度。
如图11所示,当第二车辆22已经处于L3水平路段,第一车辆23还处于L2上坡路段时,由于L2上坡路段的坡度,第一车辆23受到沿坡度向下的阻力,其大小等于|ΔF补偿|,因此若第二车辆22和第一车辆23依然按照原始制动力F制来制动,则不能保持两者之间的原始相对距离和原始相对速度(原始相对速度理想为0),会产生第一车辆23逐渐远离第二车辆22的现象。因此,第一车辆的优化制动力应为F′制=F制-ΔF补偿,即F′制=F制+mg·sinχ,此时第二坡度信息α为0,第一坡度信息β为正,因此χ=α-β为负,即第一车辆23应适当减小制动力,以保持原始相对距离和原始相对速度。
如图12所示,当第二车辆22已经处于L4下坡路段,第一车辆23还处于L3水平路段时,由于L4下坡路段的坡度,第二车辆22受到沿坡度向下的牵引力,其大小等于|ΔF补偿|,因此若第二车辆22和第一车辆23依然按照原始制动力F制来制动,则不能保持两者之间的原始相对距离和原始相对速度(原始相对速度理想为0),会产生第一车辆23逐渐远离第二车辆22的现象。因此,第一车辆的优化制动力应为F′制=F制-ΔF补偿,即F′制=F制+mg·sinχ,此时第二坡度信息α为负,第一坡度信息β为0,因此χ=α-β为负,即第一车辆23应适当减小制动力,以保持原始相对距离和原始相对速度。
如图13所示,当第二车辆22已经处于L5水平路段,第一车辆23还处于L4下坡路段时,由于L4下坡路段的坡度,第一车辆23受到沿坡度向下的牵引力,其大小等于|ΔF补偿|,因此若第二车辆22和第一车辆23依然按照原始制动力F制来制动,则不能保持两者之间的原始相对距离和原始相对速度(原始相对速度理想为0),会产生第一车辆23逐渐靠近第二车辆22的现象。因此,第一车辆的优化制动力应为F′制=F制-ΔF补偿,即F′制=F制+mg·sinχ,此时第二坡度信息α为0,第一坡度信息β为负,因此χ=α-β为正,即第一车辆23应适当增加制动力,以保持原始相对距离和原始相对速度。
步骤508、在预先设置的制动力与制动踏板控制量的映射关系信息中获得第一车辆的优化制动力F′制对应的优化制动踏板控制量。
此处,制动踏板控制量可以是例如车辆的制动踏板的开度。在自动驾驶车辆上路前,可以通过对车辆的动力性能进行预先标定,得到若干组制动力与制动踏板控制量的映射关系,从而可以形成制动力与制动踏板控制量的映射关系信息,例如可以采用映射关系表的形式等。这样,在得到第一车辆的优化制动力F′制的情况下,可以通过查询映射关系信息的方式得到优化制动踏板控制量,但不仅局限于此。需要知道的是,本领域的技术人员还可以通过一些更为复杂的算法来确定制动力与制动踏板控制量之间的关系,本申请实施例在此不再一一展开说明。
步骤509、将优化制动踏板控制量发送至第一车辆自身的制动踏板控制器,以使得制动踏板控制器控制第一车辆自身的制动踏板以优化制动踏板控制量进行制动踏板控制。
可见,通过上述步骤501至步骤509,对于自动驾驶车队中的车辆的制动踏板的控制可以根据坡度信息更为精确,避免单一的依靠前车的控制量进行控制所造成的相对距离和相对速度不稳定的问题。
另外,如图14所示,本申请实施例还提供一种第一车载装置,该第一车载装置设置于自动驾驶车队中的第一车辆中;该第一车载装置,包括:
坡度信息获取单元61,用于获得自动驾驶车队中的第一车辆的第一坡度信息;获得自动驾驶车队中与第一车辆前方相邻的第二车辆的第二坡度信息。
补偿量确定单元62,用于根据第一坡度信息和第二坡度信息,确定控制第一车辆的补偿量。
原始控制量获取单元63,用于获得控制第一车辆的原始控制量。
优化控制量确定单元64,用于根据原始控制量和补偿量,确定控制第一车辆的优化控制量。
控制量发送单元65,用于将优化控制量发送至第一车辆自身的纵向控制器,以使得纵向控制器控制第一车辆自身的纵向执行机构以优化控制量进行纵向控制。
此处,本申请实施例提供的第一车载装置的具体实现方式可以参见上述图1至图13所对应的方法实施例,此处不再赘述。
另外,如图15所示,本申请实施例提供一种自动驾驶的第一车辆23,第一车辆23在自动驾驶车队20中行驶,第一车辆23包括第一车载装置231、纵向控制器232和纵向执行机构233;第一车载装置231与纵向控制器232连接,纵向控制器232与纵向执行机构233连接。
第一车载装置231,用于获得自动驾驶车队中的第一车辆的第一坡度信息;获得自动驾驶车队中与第一车辆前方相邻的第二车辆的第二坡度信息;根据第一坡度信息和第二坡度信息,确定控制第一车辆的补偿量;获得控制第一车辆的原始控制量;根据原始控制量和补偿量,确定控制第一车辆的优化控制量;将优化控制量发送至第一车辆自身的纵向控制器232。
纵向控制器232,用于控制第一车辆自身的纵向执行机构233以优化控制量进行纵向控制。
另外,如图16所示,该第一车辆23还设置有惯性测量单元234,该第一车载装置231与惯性测量单元234连接。
该第一车载装置231,具体用于:
获得第一车辆的惯性测量单元234测量的第一车辆的第一俯仰角,将第一俯仰角作为第一坡度信息。
另外,如图16所示,第一车辆23还设置有定位传感器235,第一车载装置231与定位传感器235连接。
第一车载装置231,具体用于根据第一车辆23的定位传感器235确定第一车辆23在预先设置的电子地图中的第一位置信息;电子地图中记录有各位置处的坡度信息;在电子地图中获得第一位置信息对应的第一坡度信息。
另外,如图16所示,该第一车辆23还设置有第一车载V2X设备236,该第一车载装置231与第一车载V2X设备236连接。
该第一车载装置231,还用于将第一坡度信息通过第一车辆23的第一车载V2X设备236向自动驾驶车队20中的其他车辆广播发送。
另外,如图16所示,该第一车辆23还设置有第一车载V2X设备236,第一车载装置231与第一车载V2X设备236连接。
该第一车载装置231,还用于将第一位置信息和第一坡度信息中的一个或多个通过第一车辆23的第一车载V2X设备236向自动驾驶车队20中的其他车辆广播发送。
另外,如图16所示,该第一车辆23还设置有第一车载V2X设备236,第一车载装置231与第一车载V2X设备236连接。第一车载V2X设备236和自动驾驶车队20中与第一车辆23前方相邻的第二车辆22的第二车载V2X设备226通信连接。
该第一车载装置231,具体用于:通过第一车辆23的第一车载V2X设备236接收自动驾驶车队20中与第一车辆23前方相邻的第二车辆22的第二车载V2X设备226广播发送的第二坡度信息。
其中,第二坡度信息为第二车辆22的第二车载装置221通过获得第二车辆22的惯性测量单元测量224的第二车辆22的第二俯仰角,并将第二俯仰角作为第二坡度信息而得到的;或者,第二坡度信息为第二车辆22的第二车载装置221根据第二车辆22的定位传感器225确定第二车辆22在预先设置的电子地图中的第二位置信息,并在电子地图中获得第二位置信息对应的第二坡度信息而得到的;该电子地图中记录有各位置处的坡度信息。
另外,如图16所示,该第一车辆23还设置有第一车载V2X设备236,第一车载装置231与第一车载V2X设备236连接;该第一车载V2X设备236和自动驾驶车队20中与第一车辆23前方相邻的第二车辆22的第二车载V2X设备226通信连接。
该第一车载装置231,具体用于通过第一车辆23的第一车载V2X设备236接收自动驾驶车队20中与第一车辆23前方相邻的第二车辆22的第二车载V2X设备226发送的第二位置信息;该第二位置信息为第二车辆22的第二车载装置221根据第二车辆22的定位传感器225确定第二车辆22在预先设置的电子地图中的第二位置信息而得到的。在预先设置的电子地图中获得第二位置信息对应的第二坡度信息;其中,电子地图中记录有各位置处的坡度信息。
另外,在自动驾驶车队20行驶时,以车辆上坡时的坡度信息为正值,以车辆下坡时的坡度信息为负值时,则该第一车载装置231,具体用于:
将第二坡度信息减去第一坡度信息,确定第二车辆与第一车辆的坡度差χ=α-β;其中,α为第二坡度信息;β为第一坡度信息。
确定控制第一车辆的补偿量ΔF补偿=-mg·sinχ;其中,m为自动驾驶车队中一辆车的质量;g为重力加速度。
另外,如图16所示,第一车辆23还设置有第一车载V2X设备236,第一车载装置231与第一车载V2X设备236连接;第一车载V2X设备236和自动驾驶车队20中与第一车辆23前方相邻的第二车辆22的第二车载V2X设备226通信连接。
则第一车载装置231,具体用于:
通过第一车辆23的第一车载V2X设备236接收自动驾驶车队20中与第一车辆23前方相邻的第二车辆22的第二车载V2X设备226发送的第二车辆22的当前加速度a加。
根据当前加速度a加、自动驾驶车队中一辆车的质量m和预先确定的道路对车阻力F阻,确定控制第一车辆的原始牵引力F牵=ma加+F阻。
另外,该第一车载装置231,具体用于:
根据原始牵引力F牵和补偿量ΔF补偿,确定控制第一车辆的优化牵引力F′牵=F牵+ΔF补偿。
在预先设置的牵引力与油门踏板控制量的映射关系信息中获得第一车辆的优化牵引力F′牵对应的优化油门踏板控制量。
另外,该纵向控制器232可以为油门控制器,纵向执行机构233可以为油门踏板。
该第一车载装置231,具体用于:
将优化油门踏板控制量发送至第一车辆23自身的油门控制器;
则油门控制器,具体用于:
控制第一车辆23自身的油门踏板以优化油门踏板控制量进行油门踏板控制。
另外,如图16所示,该第一车辆23还设置有第一车载V2X设备236,第一车载装置231与第一车载V2X设备236连接;第一车载V2X设备236和自动驾驶车队20中与第一车辆23前方相邻的第二车辆22的第二车载V2X设备226通信连接。
第一车载装置231,具体用于:
通过第一车辆23的第一车载V2X设备236接收自动驾驶车队20中与第一车辆23前方相邻的第二车辆22的第二车载V2X设备226发送的第二车辆22的当前制动减速度a减。
根据当前制动减速度a减、自动驾驶车队中一辆车的质量m和预先确定的道路对车阻力F阻,确定控制所述第一车辆的原始制动力F制=ma减-F阻。
另外,该第一车载装置,具体用于:
根据原始制动力F制和补偿量ΔF补偿,确定控制第一车辆的优化制动力F′制=F制-ΔF补偿。
在预先设置的制动力与制动踏板控制量的映射关系信息中获得第一车辆的优化制动力F′制对应的优化制动踏板控制量。
另外,该纵向控制器232可以为制动踏板控制器,纵向执行机构233可以为制动踏板。
该第一车载装置231,具体用于:
将优化制动踏板控制量发送至第一车辆23自身的制动踏板控制器。
该制动踏板控制器,具体用于:
控制第一车辆23自身的制动踏板以优化制动踏板控制量进行制动踏板控制。
值得说明的是,本申请实施例提供的一种自动驾驶的第一车辆的具体实现方式可以参见上述图1至图13所对应的方法实施例,此处不再赘述。另外,本申请实施例中的自动驾驶车队中的车辆可以为自动驾驶箱式货车或带有牵引车和挂车的自动驾驶卡车,但不仅局限于此。
另外,本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现上述图1至图13所对应的自动驾驶车队的控制方法。其具体实现方式可以参见上述图1至图13所对应的方法实施例,此处不再赘述。
另外,本申请实施例还提供一种包含指令的计算机程序产品,当计算机程序产品在计算机上运行时,使得计算机执行如上述图1至图13所对应的自动驾驶车队的控制方法。其具体实现方式可以参见上述图1至图13所对应的方法实施例,此处不再赘述。
另外,本申请实施例还提供一种芯片***,包括处理器,所述处理器与存储器的耦合,所述存储器存储有程序指令,当所述存储器存储的程序指令被所述处理器执行时实现上述图1至图13所对应的自动驾驶车队的控制方法。其具体实现方式可以参见上述图1至图13所对应的方法实施例,此处不再赘述。
另外,本申请实施例还提供一种电路***,所述电路***包括处理电路,所述处理电路配置为执行如上述图1至图13所对应的自动驾驶车队的控制方法。其具体实现方式可以参见上述图1至图13所对应的方法实施例,此处不再赘述。
另外,本申请实施例还提供一种计算机服务器,包括存储器,以及与所述存储器通信连接的一个或多个处理器;
所述存储器中存储有可被所述一个或多个处理器执行的指令,所述指令被所述一个或多个处理器执行,以使所述一个或多个处理器实现如上述图1至图13所对应的自动驾驶车队的控制方法。其具体实现方式可以参见上述图1至图13所对应的方法实施例,此处不再赘述。
本申请实施例提供的一种自动驾驶车队的控制方法、车载装置及自动驾驶车辆,考虑到了自动驾驶车队行驶在上下坡等复杂环境下对车辆控制的影响,能够根据前后两车的坡度信息,确定补偿量,从而对原始控制量进行优化;所得到的优化控制量能够使得自动驾驶车队中的车辆实现更为精准的控制,避免自动驾驶车队中的车辆之间的距离和相对速度的波动会比较大的问题。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本申请中应用了具体实施例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (31)
1.一种自动驾驶车队的控制方法,其特征在于,包括:
获得自动驾驶车队中的第一车辆的第一坡度信息;
获得自动驾驶车队中与第一车辆前方相邻的第二车辆的第二坡度信息;
根据所述第一坡度信息和第二坡度信息,确定控制所述第一车辆的补偿量;
获得控制所述第一车辆的原始控制量;
根据所述原始控制量和所述补偿量,确定控制所述第一车辆的优化控制量;
将所述优化控制量发送至第一车辆自身的纵向控制器,以使得所述纵向控制器控制第一车辆自身的纵向执行机构以所述优化控制量进行纵向控制;
其中,所述根据所述第一坡度信息和第二坡度信息,确定控制所述第一车辆的补偿量,具体包括:
以车辆上坡时的坡度信息为正值,以车辆下坡时的坡度信息为负值时,将所述第二坡度信息减去所述第一坡度信息,确定所述第二车辆与所述第一车辆的坡度差χ=α-β;其中,α为所述第二坡度信息;β为所述第一坡度信息;
确定控制所述第一车辆的补偿量ΔF补偿=-mg·sinχ;其中,m为所述第一车辆的质量;g为重力加速度。
2.根据权利要求1所述的自动驾驶车队的控制方法,其特征在于,所述获得自动驾驶车队中的第一车辆的第一坡度信息,包括:
获得所述第一车辆的惯性测量单元测量的第一车辆的第一俯仰角,将所述第一俯仰角作为所述第一坡度信息。
3.根据权利要求1所述的自动驾驶车队的控制方法,其特征在于,所述获得自动驾驶车队中的第一车辆的第一坡度信息,包括:
根据第一车辆的定位传感器确定第一车辆在预先设置的电子地图中的第一位置信息;所述电子地图中记录有各位置处的坡度信息;
在所述电子地图中获得所述第一位置信息对应的第一坡度信息。
4.根据权利要求2或3所述的自动驾驶车队的控制方法,其特征在于,所述方法还包括:
将所述第一坡度信息通过第一车辆的第一车载V2X设备向自动驾驶车队中的其他车辆广播发送。
5.根据权利要求3所述的自动驾驶车队的控制方法,其特征在于,所述方法还包括:
将所述第一位置信息和第一坡度信息中的一个或多个通过第一车辆的第一车载V2X设备向自动驾驶车队中的其他车辆广播发送。
6.根据权利要求1所述的自动驾驶车队的控制方法,其特征在于,所述获得自动驾驶车队中与第一车辆前方相邻的第二车辆的第二坡度信息,包括:
通过第一车辆的第一车载V2X设备接收自动驾驶车队中与第一车辆前方相邻的第二车辆的第二车载V2X设备广播发送的第二坡度信息;
所述第二坡度信息为第二车辆的第二车载装置通过获得所述第二车辆的惯性测量单元测量的第二车辆的第二俯仰角,并将所述第二俯仰角作为所述第二坡度信息而得到的;或者,所述第二坡度信息为第二车辆的第二车载装置根据第二车辆的定位传感器确定第二车辆在预先设置的电子地图中的第二位置信息,并在所述电子地图中获得所述第二位置信息对应的第二坡度信息而得到的;所述电子地图中记录有各位置处的坡度信息。
7.根据权利要求1所述的自动驾驶车队的控制方法,其特征在于,所述获得自动驾驶车队中与第一车辆前方相邻的第二车辆的第二坡度信息,包括:
通过第一车辆的第一车载V2X设备接收自动驾驶车队中与第一车辆前方相邻的第二车辆的第二车载V2X设备发送的第二位置信息;所述第二位置信息为第二车辆的第二车载装置根据第二车辆的定位传感器确定第二车辆在预先设置的电子地图中的第二位置信息而得到的;
在预先设置的电子地图中获得所述第二位置信息对应的第二坡度信息;所述电子地图中记录有各位置处的坡度信息。
8.根据权利要求1所述的自动驾驶车队的控制方法,其特征在于,所述获得控制所述第一车辆的原始控制量,包括:
通过第一车辆的第一车载V2X设备接收自动驾驶车队中与第一车辆前方相邻的第二车辆的第二车载V2X设备发送的第二车辆的当前加速度a加;
根据所述当前加速度a加、所述第一车辆的质量m和预先确定的道路对车阻力F阻,确定控制所述第一车辆的原始牵引力F牵=ma加+F阻。
9.根据权利要求8所述的自动驾驶车队的控制方法,其特征在于,所述根据所述原始控制量和所述补偿量,确定控制所述第一车辆的优化控制量,包括:
根据所述原始牵引力F牵和所述补偿量ΔF补偿,确定控制所述第一车辆的优化牵引力F′牵=F牵+ΔF补偿;
在预先设置的牵引力与油门踏板控制量的映射关系信息中获得所述第一车辆的优化牵引力F′牵对应的优化油门踏板控制量。
10.根据权利要求9所述的自动驾驶车队的控制方法,其特征在于,所述纵向控制器为油门控制器,所述纵向执行机构为油门踏板;
所述将所述优化控制量发送至第一车辆自身的纵向控制器,以使得所述纵向控制器控制第一车辆自身的纵向执行机构以所述优化控制量进行纵向控制,包括:
将所述优化油门踏板控制量发送至第一车辆自身的油门控制器,以使得所述油门控制器控制第一车辆自身的油门踏板以所述优化油门踏板控制量进行油门踏板控制。
11.根据权利要求1所述的自动驾驶车队的控制方法,其特征在于,所述获得控制所述第一车辆的原始控制量,包括:
通过第一车辆的第一车载V2X设备接收自动驾驶车队中与第一车辆前方相邻的第二车辆的第二车载V2X设备发送的第二车辆的当前制动减速度a减;
根据所述当前制动减速度a减、所述第一车辆的质量m和预先确定的道路对车阻力F阻,确定控制所述第一车辆的原始制动力F制=ma减-F阻。
12.根据权利要求11所述的自动驾驶车队的控制方法,其特征在于,所述根据所述原始控制量和所述补偿量,确定控制所述第一车辆的优化控制量,包括:
根据所述原始制动力F制和所述补偿量ΔF补偿,确定控制所述第一车辆的优化制动力F′制=F制-ΔF补偿;
在预先设置的制动力与制动踏板控制量的映射关系信息中获得所述第一车辆的优化制动力F′制对应的优化制动踏板控制量。
13.根据权利要求12所述的自动驾驶车队的控制方法,其特征在于,所述纵向控制器为制动踏板控制器,所述纵向执行机构为制动踏板;
所述将所述优化控制量发送至第一车辆自身的纵向控制器,以使得所述纵向控制器控制第一车辆自身的纵向执行机构以所述优化控制量进行纵向控制,包括:
将所述优化制动踏板控制量发送至第一车辆自身的制动踏板控制器,以使得所述制动踏板控制器控制第一车辆自身的制动踏板以所述优化制动踏板控制量进行制动踏板控制。
14.一种第一车载装置,其特征在于,所述第一车载装置设置于自动驾驶车队中的第一车辆中;所述第一车载装置,包括:
坡度信息获取单元,用于获得自动驾驶车队中的第一车辆的第一坡度信息;获得自动驾驶车队中与第一车辆前方相邻的第二车辆的第二坡度信息;
补偿量确定单元,用于根据所述第一坡度信息和第二坡度信息,确定控制所述第一车辆的补偿量;
原始控制量获取单元,用于获得控制所述第一车辆的原始控制量;
优化控制量确定单元,用于根据所述原始控制量和所述补偿量,确定控制所述第一车辆的优化控制量;
控制量发送单元,用于将所述优化控制量发送至第一车辆自身的纵向控制器,以使得所述纵向控制器控制第一车辆自身的纵向执行机构以所述优化控制量进行纵向控制;
其中,所述根据所述第一坡度信息和第二坡度信息,确定控制所述第一车辆的补偿量,具体包括:
以车辆上坡时的坡度信息为正值,以车辆下坡时的坡度信息为负值时,将所述第二坡度信息减去所述第一坡度信息,确定所述第二车辆与所述第一车辆的坡度差χ=α-β;其中,α为所述第二坡度信息;β为所述第一坡度信息;
确定控制所述第一车辆的补偿量ΔF补偿=-mg·sinχ;其中,m为所述第一车辆的质量;g为重力加速度。
15.一种自动驾驶的第一车辆,其特征在于,所述第一车辆在自动驾驶车队中行驶,所述第一车辆包括第一车载装置、纵向控制器和纵向执行机构;所述第一车载装置与纵向控制器连接,所述纵向控制器与所述纵向执行机构连接;
所述第一车载装置,用于获得自动驾驶车队中的第一车辆的第一坡度信息;获得自动驾驶车队中与第一车辆前方相邻的第二车辆的第二坡度信息;根据所述第一坡度信息和第二坡度信息,确定控制所述第一车辆的补偿量;获得控制所述第一车辆的原始控制量;根据所述原始控制量和所述补偿量,确定控制所述第一车辆的优化控制量;将所述优化控制量发送至第一车辆自身的纵向控制器;
所述纵向控制器,用于控制第一车辆自身的纵向执行机构以所述优化控制量进行纵向控制;
其中,所述根据所述第一坡度信息和第二坡度信息,确定控制所述第一车辆的补偿量,具体包括:
以车辆上坡时的坡度信息为正值,以车辆下坡时的坡度信息为负值时,将所述第二坡度信息减去所述第一坡度信息,确定所述第二车辆与所述第一车辆的坡度差χ=α-β;其中,α为所述第二坡度信息;β为所述第一坡度信息;
确定控制所述第一车辆的补偿量ΔF补偿=-mg·sinχ;其中,m为所述第一车辆的质量;g为重力加速度。
16.根据权利要求15所述的自动驾驶的第一车辆,其特征在于,所述第一车辆还设置有惯性测量单元,所述第一车载装置与所述惯性测量单元连接;
所述第一车载装置,具体用于:
获得所述第一车辆的惯性测量单元测量的第一车辆的第一俯仰角,将所述第一俯仰角作为所述第一坡度信息。
17.根据权利要求15所述的自动驾驶的第一车辆,其特征在于,所述第一车辆还设置有定位传感器,所述第一车载装置与所述定位传感器连接;
所述第一车载装置,具体用于:
根据第一车辆的定位传感器确定第一车辆在预先设置的电子地图中的第一位置信息;所述电子地图中记录有各位置处的坡度信息;
在所述电子地图中获得所述第一位置信息对应的第一坡度信息。
18.根据权利要求16或17所述的自动驾驶的第一车辆,其特征在于,所述第一车辆还设置有第一车载V2X设备,所述第一车载装置与所述第一车载V2X设备连接;
所述第一车载装置,还用于:
将所述第一坡度信息通过第一车辆的第一车载V2X设备向自动驾驶车队中的其他车辆广播发送。
19.根据权利要求17所述的自动驾驶的第一车辆,其特征在于,所述第一车辆还设置有第一车载V2X设备,所述第一车载装置与所述第一车载V2X设备连接;
所述第一车载装置,还用于:
将所述第一位置信息和第一坡度信息中的一个或多个通过第一车辆的第一车载V2X设备向自动驾驶车队中的其他车辆广播发送。
20.根据权利要求15所述的自动驾驶的第一车辆,其特征在于,所述第一车辆还设置有第一车载V2X设备,所述第一车载装置与所述第一车载V2X设备连接;所述第一车载V2X设备和自动驾驶车队中与第一车辆前方相邻的第二车辆的第二车载V2X设备通信连接;
所述第一车载装置,具体用于:
通过第一车辆的第一车载V2X设备接收自动驾驶车队中与第一车辆前方相邻的第二车辆的第二车载V2X设备广播发送的第二坡度信息;
所述第二坡度信息为第二车辆的第二车载装置通过获得所述第二车辆的惯性测量单元测量的第二车辆的第二俯仰角,并将所述第二俯仰角作为所述第二坡度信息而得到的;或者,所述第二坡度信息为第二车辆的第二车载装置根据第二车辆的定位传感器确定第二车辆在预先设置的电子地图中的第二位置信息,并在所述电子地图中获得所述第二位置信息对应的第二坡度信息而得到的;所述电子地图中记录有各位置处的坡度信息。
21.根据权利要求15所述的自动驾驶的第一车辆,其特征在于,所述第一车辆还设置有第一车载V2X设备,所述第一车载装置与所述第一车载V2X设备连接;所述第一车载V2X设备和自动驾驶车队中与第一车辆前方相邻的第二车辆的第二车载V2X设备通信连接;
所述第一车载装置,具体用于:
通过第一车辆的第一车载V2X设备接收自动驾驶车队中与第一车辆前方相邻的第二车辆的第二车载V2X设备发送的第二位置信息;所述第二位置信息为第二车辆的第二车载装置根据第二车辆的定位传感器确定第二车辆在预先设置的电子地图中的第二位置信息而得到的;
在预先设置的电子地图中获得所述第二位置信息对应的第二坡度信息;所述电子地图中记录有各位置处的坡度信息。
22.根据权利要求15所述的自动驾驶的第一车辆,其特征在于,所述第一车辆还设置有第一车载V2X设备,所述第一车载装置与所述第一车载V2X设备连接;所述第一车载V2X设备和自动驾驶车队中与第一车辆前方相邻的第二车辆的第二车载V2X设备通信连接;
所述第一车载装置,具体用于:
通过第一车辆的第一车载V2X设备接收自动驾驶车队中与第一车辆前方相邻的第二车辆的第二车载V2X设备发送的第二车辆的当前加速度a加;
根据所述当前加速度a加、第一车辆的质量m和预先确定的道路对车阻力F阻,确定控制所述第一车辆的原始牵引力F牵=ma加+F阻。
23.根据权利要求22所述的自动驾驶的第一车辆,其特征在于,所述第一车载装置,具体用于:
根据所述原始牵引力F牵和所述补偿量ΔF补偿,确定控制所述第一车辆的优化牵引力F′牵=F牵+ΔF补偿;
在预先设置的牵引力与油门踏板控制量的映射关系信息中获得所述第一车辆的优化牵引力F′牵对应的优化油门踏板控制量。
24.根据权利要求23所述的自动驾驶的第一车辆,其特征在于,所述纵向控制器为油门控制器,所述纵向执行机构为油门踏板;
所述第一车载装置,具体用于:
将所述优化油门踏板控制量发送至第一车辆自身的油门控制器;
所述油门控制器,具体用于:
控制第一车辆自身的油门踏板以所述优化油门踏板控制量进行油门踏板控制。
25.根据权利要求15所述的自动驾驶的第一车辆,其特征在于,所述第一车辆还设置有第一车载V2X设备,所述第一车载装置与所述第一车载V2X设备连接;所述第一车载V2X设备和自动驾驶车队中与第一车辆前方相邻的第二车辆的第二车载V2X设备通信连接;
所述第一车载装置,具体用于:
通过第一车辆的第一车载V2X设备接收自动驾驶车队中与第一车辆前方相邻的第二车辆的第二车载V2X设备发送的第二车辆的当前制动减速度a减;
根据所述当前制动减速度a减、第一车辆的质量m和预先确定的道路对车阻力F阻,确定控制所述第一车辆的原始制动力F制=ma减-F阻。
26.根据权利要求25所述的自动驾驶的第一车辆,其特征在于,所述第一车载装置,具体用于:
根据所述原始制动力F制和所述补偿量ΔF补偿,确定控制所述第一车辆的优化制动力F′制=F制-ΔF补偿;
在预先设置的制动力与制动踏板控制量的映射关系信息中获得所述第一车辆的优化制动力F′制对应的优化制动踏板控制量。
27.根据权利要求26所述的自动驾驶的第一车辆,其特征在于,所述纵向控制器为制动踏板控制器,所述纵向执行机构为制动踏板;
所述第一车载装置,具体用于:
将所述优化制动踏板控制量发送至第一车辆自身的制动踏板控制器;
所述制动踏板控制器,具体用于:
控制第一车辆自身的制动踏板以所述优化制动踏板控制量进行制动踏板控制。
28.一种计算机可读存储介质,其特征在于,包括程序或指令,当所述程序或指令在计算机上运行时,实现权利要求1至13任一项所述的自动驾驶车队的控制方法。
29.一种芯片***,其特征在于,包括处理器,所述处理器与存储器的耦合,所述存储器存储有程序指令,当所述存储器存储的程序指令被所述处理器执行时实现权利要求1至13任一项所述的自动驾驶车队的控制方法。
30.一种电路***,其特征在于,所述电路***包括处理电路,所述处理电路配置为执行如权利要求1至13任一项所述的自动驾驶车队的控制方法。
31.一种计算机服务器,其特征在于,包括存储器,以及与所述存储器通信连接的一个或多个处理器;
所述存储器中存储有可被所述一个或多个处理器执行的指令,所述指令被所述一个或多个处理器执行,以使所述一个或多个处理器实现如权利要求1至13任一项所述的自动驾驶车队的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910812504.6A CN112519776B (zh) | 2019-08-30 | 2019-08-30 | 自动驾驶车队的控制方法、车载装置及自动驾驶车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910812504.6A CN112519776B (zh) | 2019-08-30 | 2019-08-30 | 自动驾驶车队的控制方法、车载装置及自动驾驶车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112519776A CN112519776A (zh) | 2021-03-19 |
CN112519776B true CN112519776B (zh) | 2022-05-24 |
Family
ID=74974085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910812504.6A Active CN112519776B (zh) | 2019-08-30 | 2019-08-30 | 自动驾驶车队的控制方法、车载装置及自动驾驶车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112519776B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117751043A (zh) * | 2022-06-23 | 2024-03-22 | 华为技术有限公司 | 一种控制***及终端设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102015010559A1 (de) * | 2014-09-03 | 2016-03-03 | Scania Cv Ab | Steuereinheit und Verfahren zum Regeln der Geschwindigkeit eines Fahrzeugs in einer abstandsgeregelten Fahrzeugkolonne bei einer Bergfahrt |
DE102015016758A1 (de) * | 2015-12-23 | 2017-06-29 | Daimler Ag | Verfahren zum Bewegen, insbesondere zum Steuern oder Regeln, einer Fahrzeugkolonne |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11334092B2 (en) * | 2011-07-06 | 2022-05-17 | Peloton Technology, Inc. | Devices, systems, and methods for transmitting vehicle data |
GB2537952B (en) * | 2015-04-29 | 2019-07-03 | Jaguar Land Rover Ltd | Vehicle speed control for low speed progress |
KR102521655B1 (ko) * | 2016-09-01 | 2023-04-13 | 삼성전자주식회사 | 자율 주행 방법 및 장치 |
-
2019
- 2019-08-30 CN CN201910812504.6A patent/CN112519776B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102015010559A1 (de) * | 2014-09-03 | 2016-03-03 | Scania Cv Ab | Steuereinheit und Verfahren zum Regeln der Geschwindigkeit eines Fahrzeugs in einer abstandsgeregelten Fahrzeugkolonne bei einer Bergfahrt |
DE102015016758A1 (de) * | 2015-12-23 | 2017-06-29 | Daimler Ag | Verfahren zum Bewegen, insbesondere zum Steuern oder Regeln, einer Fahrzeugkolonne |
CN108475465A (zh) * | 2015-12-23 | 2018-08-31 | 戴姆勒股份公司 | 用于移动、特别是控制或者调整车队的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112519776A (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020187254A1 (zh) | 自动驾驶车辆的纵向控制方法*** | |
US10739788B2 (en) | Applications for using mass estimations for vehicles | |
US10520952B1 (en) | Devices, systems, and methods for transmitting vehicle data | |
US10108197B2 (en) | Deceleration determination of a vehicle | |
US9738284B2 (en) | Vehicle acceleration determination | |
US20200201356A1 (en) | Systems and methods for managing platooning behavior | |
CN110550029A (zh) | 障碍物避让方法及装置 | |
CN113031576B (zh) | 自动驾驶车队中的车辆控制方法、车载装置及车辆 | |
US20170158225A1 (en) | Vehicle curvature determination | |
CN111696339B (zh) | 一种自动驾驶车队的跟车控制方法、***及车辆 | |
CN112277942A (zh) | 一种自动驾驶车辆的队列控制方法、车载装置及*** | |
US11827235B1 (en) | Adjusting timing of actuation commands to account for fixed and variable delays in autonomous driving control of vehicles | |
CN105938365A (zh) | 车辆控制装置 | |
CN112519777B (zh) | 自动驾驶车队的控制方法、车载装置、车辆及*** | |
US20200117206A1 (en) | Braking control behaviors for autonomous vehicles | |
US11396292B2 (en) | Devices, systems, and methods for transmitting vehicle data | |
CN112455446A (zh) | 用于车辆控制的方法、装置、电子设备和存储介质 | |
US20220189311A1 (en) | Waypoint information transmission method, apparatus and system for platooning | |
CN111688686A (zh) | 一种自动驾驶车队的跟车控制方法、装置、***及车辆 | |
CN112519776B (zh) | 自动驾驶车队的控制方法、车载装置及自动驾驶车辆 | |
JP6995022B2 (ja) | 車両の進路制御方法 | |
US20230242158A1 (en) | Incorporating position estimation degradation into trajectory planning for autonomous vehicles in certain situations | |
CN112477861A (zh) | 自动驾驶卡车的行驶控制方法、装置及自动驾驶卡车 | |
CN115675481A (zh) | Gps增强摩擦估计 | |
CN112428981B (zh) | 一种自动驾驶卡车的控制方法、装置及自动驾驶卡车 |
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 |