CN112644488A - 自适应巡航*** - Google Patents
自适应巡航*** Download PDFInfo
- Publication number
- CN112644488A CN112644488A CN202011613586.0A CN202011613586A CN112644488A CN 112644488 A CN112644488 A CN 112644488A CN 202011613586 A CN202011613586 A CN 202011613586A CN 112644488 A CN112644488 A CN 112644488A
- Authority
- CN
- China
- Prior art keywords
- motion
- vehicle
- planning
- target
- determining
- 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
- 230000003044 adaptive effect Effects 0.000 title claims description 13
- 230000008447 perception Effects 0.000 claims abstract description 28
- 230000001133 acceleration Effects 0.000 claims description 31
- 238000001914 filtration Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000011144 upstream manufacturing Methods 0.000 abstract 1
- 239000013598 vector Substances 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 230000036461 convulsion Effects 0.000 description 6
- 238000000034 method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000004134 energy conservation Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- B60W30/14—Adaptive cruise control
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请实施例提供一种自适应巡航***,包括感知预测组件、运动规划组件和运动控制组件,感知预测组件为运动规划的上游组件,运动规划组件为运动规划的下游组件,感知预测组件,用于确定车辆的感兴趣区域内的目标数据;运动规划组件,用于根据所述目标数据,通过算子***二次规划OSQP求解器,规划车辆的运动曲线;运动控制组件,用于根据运动曲线和比例积分微分PID控制器,控制车辆运动,实现了对车辆运动的平滑控制,该***不仅提高了控制精度,还提高了驾驶的安全性、舒适性和节能性,提升了用户的驾驶体验。
Description
技术领域
本申请实施例涉及智能驾驶技术领域,尤其涉及一种自适应巡航***。
背景技术
随着科学技术的发展,汽车智能化程度不断提高,自动驾驶汽车逐渐趋于成熟。其中驾驶辅助***已经进入大规模商用阶段,影响驾驶辅助的关键问题主要包括安全性、舒适性和节能性,这在很大程度上反映了驾驶辅助发展的水平。其中,先进驾驶员辅助***如定速巡航、自适应巡航、跟车行驶***等可极大减轻驾驶员驾驶疲劳,提高驾驶舒适性及交通效率。它可以显著降低驾驶员的紧张度和疲劳感,并在出现障碍物的危险情况下辅助或代替驾驶人员跟随前车行驶,避免与障碍物发生碰撞并提高通行效率,从而最大程度的减小事故造成的伤亡。
自适应巡航也可称为主动巡航,类似于传统的定速巡航控制,该***包括雷达传感器、数字信号处理器和控制模块。在自适应巡航***中,***利用低功率雷达或红外线光束得到前车的确切位置,如果发现前车减速或监测到新目标,***就会发送执行信号给发动机或制动***来降低车速,从而使车辆和前车保持一个安全的行驶距离。当前方道路障碍清除后又会加速恢复到设定的车速,雷达***会自动监测下一个目标。主动巡航控制***代替司机控制车速,避免了频繁取消和设定巡航控制。
然而,现有的自适应巡航***,均为通过目标车速和目标距离直接计算速度控制量,没有连续的速度规划,导致控制不平滑,影响驾驶的安全性、舒适性和节能性。
发明内容
本申请实施例提供一种自适应巡航***,提高了驾驶的安全性、舒适性和节能性。
本申请实施提供一种自适应巡航***,包括:
感知预测组件、运动规划组件和运动控制组件,所述感知预测组件与所述运动规划组件连接,所述运动规划组件与所述运动控制组件连接;
所述感知预测组件,用于确定车辆的感兴趣区域内的目标数据;
所述运动规划组件,用于根据所述目标数据,通过算子***二次规划OSQP 求解器,规划所述车辆的运动曲线;
所述运动控制组件,用于根据所述运动曲线和比例积分微分PID控制器,控制所述车辆运动。
可选地,所述感知预测组件包括:
数据校准单元,用于根据旋转矩阵,对传感器采集的传感器数据进行修正,得到感知数据;
感兴趣区域确定单元,用于根据所述车辆的当前运动状态和阿克曼转向模型,对所述车辆的感兴趣区域进行预测,确定所述车辆的感兴趣区域;
数据过滤单元,用于根据所述感兴趣区域,对所述感知数据进行过滤,得到所述感兴趣区域内的目标数据。
可选地,所述感兴趣区域确定单元具体用于:
获取当前时刻所述车辆的运动状态参数,所述运动状态参数包括所述车辆的速度、加速度和位置;
基于所述运动状态参数,通过所述阿克曼转向模型,预测所述车辆的运动路径;
根据所述运动路径和车辆宽度,生成所述车辆的感兴趣区域。
可选地,所述运动规划组件包括:
目标参数确定单元,用于根据所述目标数据,确定所述车辆的目标车速和目标距离;
运动规划单元,用于根据所述目标车速和所述目标距离,对所述OSQP求解器进行求解,得到所述车辆的运动曲线。
可选地,所述目标参数确定单元具体用于:
根据所述目标数据,确定当前时刻的前车速度和实际跟车距离;
根据当前时刻的自车速度和所述前车速度,确定所述车辆的目标距离;
根据所述目标距离和所述实际跟车距离,确定所述车辆的目标车速。
可选地,所述运动规划单元具体用于:
根据所述目标车速和所述目标距离,确定所述OSQP求解器的约束条件;
基于所述约束条件,求解所述OSQP求解器,得到所述车辆的运动曲线。
可选地,所述运动规划单元具体用于:
根据所述目标速度、所述目标距离、所述车辆的最大跟车加速度和所述车辆的最大制动减速度,确定不同规划时刻所述车辆的速度上限和速度下限;
将由所述速度上限和所述速度下限构成的速度限制包络作为所述OSQP求解器的约束条件。
可选地,所述运动控制组件包括:
误差参数确定单元,用于根据所述运动曲线和所述车辆的实际运动状态,确定所述车辆的运动误差参数;
运动参数确定单元,用于基于所述运动误差参数,通过所述PID控制器确定所述车辆的运动控制参数;
运动控制单元,用于根据所述运动控制参数,控制所述车辆的运动。
可选地,所述误差参数确定单元具体用于:
根据所述运动曲线,获取下一个规划时刻所述车辆的规划运动参数;
根据信号底盘反馈的数据,确定当前规划时刻所述车辆的实际运动参数;
根据所述规划运动参数和所述实际运动参数,确定所述车辆的运动误差参数。
可选地,所述运动参数确定单元具体用于:
基于所述运动误差参数,通过所述PID控制器,确定所述车辆的运动补偿参数;
根据所述规划运动参数和所述运动补偿参数,确定所述车辆下一个规划时刻的运动控制参数。
本申请实施例提供的自适应巡航***,包括感知预测组件、运动规划组件和运动控制组件,感知预测组件与运动规划组件连接,运动规划组件与运动控制组件连接,感知预测组件,用于确定车辆的感兴趣区域内的目标数据;运动规划组件,用于根据目标数据,通过算子***二次规划OSQP求解器,规划车辆的运动曲线;运动控制组件,用于根据运动曲线和比例积分微分PID控制器,控制车辆运动,实现了对车辆运动的平滑控制,不仅提高了控制精度,还提高了驾驶的安全性、舒适性和节能性,提升了用户的驾驶体验。
附图说明
图1为本申请实施例提供的自适应巡航***的结构示意图;
图2为本申请实施例确定的感兴趣区域的示意图;
图3为本申请实施例提供的感知预测组件的结构示意图;
图4为本申请实施例提供的运动规划组件的结构示意图;
图5为本申请实施例提供的运动曲线的示意图;
图6为本申请实施例提供的运动控制组件的结构示意图。
附图标记说明:
100-自适应巡航***;
110-感知预测组件;
111-数据校准单元;
112-感兴趣区域确定单元;
113-数据过滤单元;
120-运动规划组件;
121-目标参数确定单元
122-运动规划单元;
130-运动控制组件;
131-误差参数确定单元;
132-运动参数确定单元;
133-运动控制单元。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。
本申请技术方案的主要思路:
(1)现有的自适应巡航***,均为通过目标车速和目标距离计算速度控制量,没有连续的速度规划,目标速度、目标距离均可能不连续,导致控制不平滑,本申请实施例基于算子***二次规划(operator splitting quadratic program, OSQP)求解器进行自适应巡航***的运动规划,可生成包含连续距离、速度、加速度信息的运动曲线,可使控制结果平顺,提高驾驶的安全性、舒适性和节能性,并且可以保证短暂目标丢失,***仍能给出合理的控制目标。
(2)现有的自适应巡航***,都为固定的时距(time head way,THW)策略或可选THW策略,即驾驶过程中车辆始终保持一个THW或只能在预设的档位在几个THW中选取一个,与用户(主要指驾驶员)的驾驶习惯有较大差异,而本申请的技术方案采用自适应可变的THW策略,可根据前车速度计算目标距离以及根据自车速度计算THW,其跟车结果更为符合用户习惯,从而提高用户的驾驶体验。
(3)现有的自适应巡航***,通过视觉获取的车道线信息,生成车辆的感兴趣区域(region of interest,ROI),对视觉传感器和视觉感知算法的依赖过大,且车道线区域与车辆预期路径并不一致,导致生成的ROI偏离车辆的实际运动轨迹,本申请实施例通过自车的运动状态以及阿克曼转向模型可以对车辆预期路径进行预测,完成ROI的确定,进而完成ROI滤波,其确定的ROI更能反映车辆的实际运动轨迹,保证运动规划的准确性。
(4)现有的自适应巡航***,传统机械标定(即人工手动调整)的方式无法对传感器的机械安装偏差进行有效修正,且该标定方法繁琐复杂,标定耗时长,本申请实施例通过软件在线标定的方式,可以根据传感器反馈的目标数据,调整期俯仰角、侧倾角、横摆角,以完成对传感器精准的标定,操作便捷,减少了传感器的机械安装偏差对后续车辆运动规划准确性的影响。
图1为本申请实施例提供的自适应巡航***的结构示意图,如图1所示,本实施例的自适应巡航***100包括:
感知预测组件110、运动规划组件120和运动控制组件130,感知预测组件与运动规划组件连接,运动规划组件与运动控制组件连接;
感知预测组件110,用于确定车辆的感兴趣区域内的目标数据,并将确定的感兴趣区域内的目标数据发送给运动规划组件120;运动规划组件120,用于根据接收到的感兴趣区域内的目标数据,通过OSQP求解器,规划车辆的运动曲线,并将确定的运动曲线发送给运动控制组件130;运动控制组件130,用于根据运动曲线和比例积分微分(proportionintegration differentiation,PID)控制器,控制车辆运动。
其中,目标数据,是感知预测组件110基于确定的ROI,对传感器采集到的传感器数据进行过滤后得到,是运动规划组件120对车辆进行运动规划,生成运动曲线的基础,因此,目标数据对提高运动规划组件120运动规划效率和准确性至关重要。
可以理解的是,本申请实施例中使用的传感器可以为各种类型的雷达传感器,可选地,本实施例中采用的传感器为毫米波雷达传感器。
在一种可能实施的方式中,感知预测组件110通过如下步骤确定车辆的感兴趣区域内的目标数据:
(1)根据旋转矩阵,对传感器采集的传感器数据进行修正,得到感知数据。
可选地,本实施例中旋转矩阵可以用如下公式表示:
其中,p为俯仰角修正量,y为横摆角修正量,r为侧倾角修正量。
可以理解的是,p、y、r共同构成传感器的机械安装偏差,p、y、r的具体值可事先根据传感器的安装情况进行确定。
本步骤中,感知数据即为修正后的传感器数据,通过根据旋转矩阵对传感器采集的每一帧传感器数据进行修正,达到调整传感器的俯仰角、横摆角和侧倾角的目的,实现了对传感器的机械安装偏差的在线标定,与现有技术相比,通过旋转矩阵对传感器的机械安装偏差进行修正的方法,操作更加便捷,修正效果更好。并且,采用本步骤得到的感知数据确定的车辆的感兴趣区域,更能反映车辆的期望运动轨迹。
(2)根据车辆的当前运动状态和阿克曼转向模型,对车辆的感兴趣区域进行预测,确定车辆的感兴趣区域。
本步骤中,基于车辆的当前运动状态和阿克曼转向模型,预测车辆的感兴趣区域,其中,车辆的当前运动状态可以通过车辆当前的运动状态参数进行描述,如速度、位置等;阿克曼转向模型是一种对车辆进行轨迹规划的运动学模型,可以使规划出的车辆运动轨迹更切合实际,满足行驶过程中的运动学几何约束;感兴趣区域为车辆有可能行驶经过的区域。由于预测出的感兴趣区域与车辆的当前运动状态密切相关,且结合了阿克曼转向模型特点,因此,可靠性更高。
在一种可能的实施方式中,本步骤中,通过获取当前时刻车辆的运动状态参数,运动状态参数包括车辆的速度、加速度和位置;基于运动状态参数,通过阿克曼转向模型,预测车辆的运动路径;根据运动路径和车辆宽度,生成车辆的感兴趣区域。
本实施方式中,当前时刻车辆的运动状态参数中的速度、加速度信息可以从车辆的信息底盘获取,位置信息可以从车辆的定位装置中获取。
示例性地,图2为本申请实施例确定的感兴趣区域的示意图,如图2所示,由自车出发向前带箭头的弧线,即为通过阿克曼转向模型预测出的车辆(即自车)的运动路径,由与运动路径平行的两条弧线及两条与车辆垂直的直线构成的区域,即为最终确定的车辆的感兴趣区域,其中,R为自车的转弯半径,δ为前车相对自车的转角,w表示车辆宽度。
(3)根据感兴趣区域,对感知数据进行过滤,得到感兴趣区域内的目标数据。
本步骤中,根据步骤(2)中确定的感兴趣区域,对步骤(1)中得到的感知数据进行过滤,即过滤掉感兴趣区域之外的数据,仅保留感兴趣区域内的数据,得到感兴趣区域内的目标数据,从而避免无关数据对运动规划组件120进行运动规划的干扰,提高运动规划组件120的运动规划效率。
可选地,图3为本申请实施例提供的感知预测组件的结构示意图,如图3 所示,感知预测组件110包括:数据校准单元111、感兴趣区域确定单元112 和数据过滤单元113,数据校准单元111、感兴趣区域确定单元112与数据过滤单元113分别连接。
数据校准单元111,用于执行上述步骤(1),实现对传感器数据的修正,得到感知数据,并将感知数据发送给数据过滤单元113;感兴趣区域确定单元 112,用于执行上述步骤(2),实现对车辆感兴趣区域的预测,并将预测的感兴趣区域发送给数据过滤单元113;数据过滤单元113,用于执行上述步骤(3),实现对感知数据的过滤,并将过滤得到的感兴趣区域内的目标数据发送给运动规划组件120,以使运动规划组件120根据该感兴趣区域内的目标数据,对车辆进行运动规划,保证了运动规划组件120对车辆进行运动规划的准确性和高效性。
下面将对运动规划组件120进行运动规划的过程进行详细介绍。
由于运动规划组件120是基于OSQP求解器进行运动规划的,为此本实施例中需要先进行OSQP求解器的构建,并将构建得到的OSQP求解器存储到运动规划组件120中,在运动规划组件120进行运动规划时,直接从相应的位置调用OSQP求解器即可。示例性地,本申请实施例构建的OSQP求解器如公式(2)-(9)所示。
OSQP优化问题的标准形式如下:
subject to l≤Ax≤u (3)
其中,P为权重矩阵,x为状态向量,q为梯度向量,l、u为约束向量,Ax 为约束矩阵。
状态向量(本申请实施例的决策变量)表示为:
x=[v a j] (4)
其中,v为速度,a为加速度,j为加加速度。
权重矩阵表示为:
P=[P1 P2 P3] (5)
其中,P1为v的权重,P2为a的权重,P3为j的权重,P1、P2和P3可根据实际情况和求解需求进行设定。
梯度矩阵表示为:
q=[q1 q2 q3]=(6)
其中,q1为v的偏置参数,q2为a的偏置参数,q3为j的偏置参数,q1、q2和q3可根据实际情况和求解需求进行设定。
约束向量表示为:
其中,l为状态向量的约束下限向量,u为状态向量的约束上限向量,k为规划时刻(相邻两个规划时刻的间隔为一个预测步长),由公式(7)和(8) 可知,l中包括第0个规划时刻(规划开始的时刻)至第k个规划时刻(规划结束的时刻)的状态向量的下限,u中包括第0个规划时刻至第k个规划时刻的状态向量的上限。
约束矩阵表示为:
Ax=[v0 a0 j0 … vk ak jk]T (9)
由公式(9)可知,Ax中包括第0个规划时刻至第k个规划时刻的状态向量。
示例性地,图4为本申请实施例提供的运动规划组件的结构示意图,如图4所示,本实施例的运动规划组件120包括:目标参数确定单元121和运动规划单元122,目标参数确定单元121与运动规划单元122连接。
目标参数确定单元121,用于根据感兴趣区域内的目标数据,确定车辆的目标车速和目标距离;运动规划单元122,用于根据目标车速和目标距离,求解OSQP求解器,得到车辆的运动曲线。
本实施例中,目标车速和目标距离是对车辆进行运动规划的目标,目标车速是指期望车辆维持运动的速度,目标距离是是期望车辆与前车保持的距离,通过设置目标车速和目标距离,保证在发现车辆的前方有别的车辆时,能够与前车保持一个安全的行驶距离。
在一种可能的实施方式中,目标参数确定单元121具体用于:根据感兴趣区域内的目标数据,确定当前时刻的前车速度和实际跟车距离;根据当前时刻的自车速度和前车速度,确定车辆的目标距离;根据目标距离和实际跟车距离,确定车辆的目标车速。
其中,当前时刻即为第0个规划时刻,实际跟车距离是指车辆与前车之间的实际距离。本实施方式中,可以根据感知预测组件110确定的当前时刻车辆的感兴趣区域内的目标数据中前车速度信息,确定当前时刻的前车速度,并通过根据感知预测组件110确定的当前时刻车辆的感兴趣区域内的目标数据中前车的位置信息,以及自车确定的车辆的位置信息,确定实际跟车距离。同时还可以根据信号底盘反馈的数据,确定当前时刻的自车速度。
可选地,本实施例中通过如下公式确定车辆的目标距离:
starget=thw×vprec+ssafe (10)
starget表示目标距离,thw表示时距,vprec表示前车速度,ssafe为安全距离,其中,thw可通过如下公式确定:
thw=crvego+Tmin (11)
vego为自车速度,cr为速度调节参数,Tmin为最小时间,cr和Tmin均为标定量,是在车辆出厂前通过标定确定的。
ssafe可通过如下公式(12)确定:
ssafe=csafevego+smin (12)
csafe为安全系数,smin为最小安全距离,csafe和smin也为标定量,是在车辆出厂前通过标定确定的。
由上述公式(10)-(12)可知,通过将当前时刻的自车速度分别代入公式 (11)和(12)中,求解得到thw和ssafe,再将前车速度及求解得到thw和ssafe代入公式(10)中,即可得到目标距离的具体值。
示例性地,本实施例中通过如下公式进行目标距离的确定:
vtarget=vprec+cssdiff (13)
sdiff=sact-starget (14)
其中,vtarget表示目标速度,cs表示距离调节参数(是车辆出厂前通过标定确定的标定量),sact表示自车和前车的实际距离,即实际跟车距离,sdiff表示实际跟车距离与目标距离的差。
在一种可能的实施方式中,本实施例中运动规划单元122具体用于:
根据目标车速和目标距离,确定OSQP求解器的约束条件,基于约束条件,求解OSQP求解器,得到车辆的运动曲线。
可以理解的是,本实施方式中,确定约束条件即为确定公式(7)-(8)中的l和u的值。
可选地,本实施方式中通过如下公式确定不同规划时刻车辆的速度上限和速度下限:
vmax=amax×t1 (15)
vup=vtarget+OFFSET (16)
vdmax=decmax×t2 (17)
vmin=amin×t3 (18)
vdown=vtarget-OFFSET (19)
vdmin=decmin×t4 (20)
其中,在公式(15)中vmax表示t0(第0个规划时刻)至tm(第m个规划时刻)之间车辆的速度上限,amax表示设定的车辆的最大跟车加速度,t1表示t0至 tm之间任一规划时刻距离t0的时间(如第m规划时刻距离第0个规划时刻的时间为m×ω,ω为预测步长)。
在公式(16)vup表示tm(第m个规划时刻)至tn(第n个规划时刻)之间车辆的速度上限,OFFSET表示速度偏置量,由公式(16)可知,vup可通过目标速度和速度偏置量进行计算确定。
在公式(17)中,vdmax表示tn(第n个规划时刻)至tk(第k个规划时刻) 之间车辆的速度上限,decmax表示设定的车辆的最大制动减速度,t2表示tn至tk之间任一规划时刻距离tk的时间(如第n规划时刻距离第k个规划时刻的时间为 (k-n)×ω,ω为预测步长)。
通过上述(15)-(17)就可以确定第0个规划时刻到第k个规划时刻的速度上限。
需要说明的是,上述tm为vmax的值与vup的值相等的规划时刻,tn为vdmax与 vup的值相等的规划时刻。可以理解的是,上述公式中的amax和decmax以及 OFFSET均为已知量。
在公式(18)vmin表示t0(第0个规划时刻)至ttarget(车辆的速度达到目标速度的规划时刻)之间车辆的速度下限,amin表示车辆的最小加速度,t3表示t0至ttarget之间任一规划时刻距离t0的时间。
在公式(19)中vdown为ttarget(车辆的速度达到目标速度的规划时刻)时车辆的速度下限,由公式(19)可知,vdown可通过目标速度和速度偏置量进行计算确定。
在公式(20)中,vdmin表示ttarget(车辆的速度达到目标速度的规划时刻) 至tk(第k个规划时刻)之间车辆的速度下限,decmin表示车辆最小制动减速度,t4表示ttarget至tk之间任一规划时刻距离tk的时间。
通过将公式(18)-(20)代入公式(21)中,就可以求解出vmin、vdmin、 ttarget、tk四个量的具体取值,再将求解得到的vmin、vdmin、ttarget、tk反代入公式(18)-(20)中,就可以求解出第0个规划时刻到第k个规划时刻的速度下限。再根据tk、tm和tn,求解公式(15)-(17)就可以确定第0个规划时刻到第k个规划时刻的速度上限。
通过对不同规划时刻的速度上限求导,就可以得到不同规划时刻的加速度上限,进而通过对不同规划时刻的加速度上限求导,就可以得到不同规划时刻的加加速度上限。相应地,通过对不同规划时刻的速度下限求导,就可以得到不同规划时刻的加速度下限,进而通过对不同规划时刻的加速度下限求导,就可以得到不同规划时刻的加加速度下限。
进一步地,根据速度上限、加速度上限和加加速度上限,即可确定OSQP 求解器的约束上限向量,根据速度下限、加速度下限和加加速度下限,即可确定OSQP求解器约束下限向量。
将上述约束上限向量和约束下限向量作为OSQP求解器的约束条件,代入 OSQP求解器中,就可以得到不同规划时刻车辆的运动规划参数,包括速度v(t)、加速度a(t)和加加速度j(t),其中t表示规划时刻。
进一步地,通过对不同规划时刻车辆的速度进行积分,就可以得到不同规划时刻车辆的距离s(t)(假设以第0个规划时刻为原点),确定s(t)的公式为:
最后,得出包含时间、距离、速度及加速度的曲线,即运动曲线,其表达为公式(23)。
speed(v,s,a,t) (23)
其中,t表示规划时刻,v为关于t的速度,a为关于t的加速度,s为关于t 的距离。示例性地,图5为本申请实施例提供的运动曲线的示意图。
下面将对运动控制组件130进行运动控制的过程进行详细介绍。
本申请实施例通过构造一个串级PID控制器,通过计算一个预测步长,获取各个规划时刻的运动误差参数,进而确定运动补偿参数,最终结合运动补偿参数和规划运动参数,给出运动控制参数,以使线控***根据运动控制参数控制车辆运动。
示例性地,图6为本申请实施例提供的运动控制组件的结构示意图,如图6所示,本实施例中的运动规划组件130包括:误差参数确定单元131、运动参数确定单元132、运动控制单元133,误差参数确定单元131与运动参数确定单元132连接,运动参数确定单元132与运动控制单元133连接。
误差参数确定单元131,用于根据运动曲线和车辆的实际运动状态,确定车辆的运动误差参数;运动参数确定单元132,用于基于运动误差参数,通过 PID控制器确定车辆的运动控制参数;运动控制单元133,用于根据运动控制参数,控制车辆的运动。
在一种可能的实施方式中,误差参数确定单元131具体用于:确定当前规划时刻,从运动曲线上获取下一个规划时刻车辆的规划运动参数(如包括规划距离、规划速度和规划加速度);根据信号底盘反馈的数据,确定当前规划时刻车辆的实际运动参数(如包括实际距离和实际速度);根据规划运动参数和实际运动参数,确定车辆的运动误差参数。
假设用splanning、vplanning、aplanning分别表示下一规划时刻的规划距离、规划速度和规划加速度,用sactual、vactual分别表示当前规划时刻的实际距离和实际速度,则通过如下公式,确定车辆的运动误差参数(如包括距离误差参数和速度误差参数):
es=|splanning-sactual| (24)
ev=|vplanning-vactual| (25)
其中,es表示距离误差参数,ev表示速度误差参数。
在一种可能的实施方式中,运动参数确定单元132具体用于:
基于运动误差参数,通过PID控制器,确定车辆的运动补偿参数;根据规划运动参数和运动补偿参数,确定车辆下一个规划时刻的运动控制参数。
可选地,本实施方式中通过如下公式确定车辆的运动补偿参数:
vc=pidControllers(es) (26)
ac=pidControllerv(ev) (27)
其中,pidController()为PID控制器的控制函数,vc表示速度补偿参数, ac为加速度补偿参数。
atarget=aplanning+ac (28)
在根据公式(26)-(27)确定出加速度补偿参数后,将其代入公式(28) 中,目标加速度atarget,即车辆下一个规划时刻的运动控制参数,并将目标加速度atarget输出给运动控制单元133,以使运动控制单元133根据目标加速度 atarget控制车辆的运动。
可以理解的是,由于加速度、速度及距离之间存在的物理关系,本实施例中只需要确定三者中的一个作为运动控制参数,就可以实现对车辆的运动控制。
本实施例中,通过基于串级PID的速度控制,根据规划位置和反馈位置、规划速度和反馈速度,给出对应的速度补偿和加速度补偿,能够输出更为精准的目标加速度,从而有利于提高控制的准确性。
本实施例方式中,进一步地,运动控制单元133根据目标加速度atarget,对车辆的扭矩和制动压力进行控制,从而控制车辆的实际加速度尽量靠近目标加速度atarget,实现对下一规划时刻车辆的运动控制。依次类推,下下一个规划时刻以及后续更多的规划时刻都采用同样的执行策略,就可以按照运动曲线从第0个规划时刻到第k个规划时刻对车辆的持续控制,实现了对车辆的平滑控制,有利于提高驾驶的安全性、舒适性和节能性。
可选地,本实施方式中,运动控制单元133为车辆的线控***。
本实施例中,通过设置自适应巡航***包括感知预测组件、运动规划组件和运动控制组件,感知预测组件与运动规划组件连接,运动规划组件与运动控制组件连接,感知预测组件,用于确定车辆的感兴趣区域内的目标数据;运动规划组件,用于根据所述目标数据,通过算子***二次规划OSQP求解器,规划车辆的运动曲线;运动控制组件,用于根据运动曲线和比例积分微分PID控制器,控制车辆运动,实现了对车辆运动的平滑控制,不仅提高了控制精度,还提高了驾驶的安全性、舒适性和节能性,提升了用户的驾驶体验。
注意,上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解,本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由所附的权利要求范围决定。
Claims (10)
1.一种自适应巡航***,其特征在于,包括:
感知预测组件、运动规划组件和运动控制组件,所述感知预测组件与所述运动规划组件连接,所述运动规划组件与所述运动控制组件连接;
所述感知预测组件,用于确定车辆的感兴趣区域内的目标数据;
所述运动规划组件,用于根据所述目标数据,通过算子***二次规划OSQP求解器,规划所述车辆的运动曲线;
所述运动控制组件,用于根据所述运动曲线和比例积分微分PID控制器,控制所述车辆运动。
2.根据权利要求1所述的***,其特征在于,所述感知预测组件包括:
数据校准单元,用于根据旋转矩阵,对传感器采集的传感器数据进行修正,得到感知数据;
感兴趣区域确定单元,用于根据所述车辆的当前运动状态和阿克曼转向模型,对所述车辆的感兴趣区域进行预测,确定所述车辆的感兴趣区域;
数据过滤单元,用于根据所述感兴趣区域,对所述感知数据进行过滤,得到所述感兴趣区域内的目标数据。
3.根据权利要求2所述的***,其特征在于,所述感兴趣区域确定单元具体用于:
获取当前时刻所述车辆的运动状态参数,所述运动状态参数包括所述车辆的速度、加速度和位置;
基于所述运动状态参数,通过所述阿克曼转向模型,预测所述车辆的运动路径;
根据所述运动路径和车辆宽度,生成所述车辆的感兴趣区域。
4.根据权利要求1所述的***,其特征在于,所述运动规划组件包括:
目标参数确定单元,用于根据所述目标数据,确定所述车辆的目标车速和目标距离;
运动规划单元,用于根据所述目标车速和所述目标距离,对所述OSQP求解器进行求解,得到所述车辆的运动曲线。
5.根据权利要求4所述的***,其特征在于,所述目标参数确定单元具体用于:
根据所述目标数据,确定当前时刻的前车速度和实际跟车距离;
根据当前时刻的自车速度和所述前车速度,确定所述车辆的目标距离;
根据所述目标距离和所述实际跟车距离,确定所述车辆的目标车速。
6.根据权利要求4所述的***,其特征在于,所述运动规划单元具体用于:
根据所述目标车速和所述目标距离,确定所述OSQP求解器的约束条件;
基于所述约束条件,求解所述OSQP求解器,得到所述车辆的运动曲线。
7.根据权利要求6所述的***,其特征在于,所述运动规划单元具体用于:
根据所述目标速度、所述目标距离、所述车辆的最大跟车加速度和所述车辆的最大制动减速度,确定不同规划时刻所述车辆的速度上限和速度下限;
将由所述速度上限和所述速度下限构成的速度限制包络作为所述OSQP求解器的约束条件。
8.根据权利要求1所述的***,其特征在于,所述运动控制组件包括:
误差参数确定单元,用于根据所述运动曲线和所述车辆的实际运动状态,确定所述车辆的运动误差参数;
运动参数确定单元,用于基于所述运动误差参数,通过所述PID控制器确定所述车辆的运动控制参数;
运动控制单元,用于根据所述运动控制参数,控制所述车辆的运动。
9.根据权利要求8所述的***,其特征在于,所述误差参数确定单元具体用于:
根据所述运动曲线,获取下一个规划时刻所述车辆的规划运动参数;
根据信号底盘反馈的数据,确定当前规划时刻所述车辆的实际运动参数;
根据所述规划运动参数和所述实际运动参数,确定所述车辆的运动误差参数。
10.根据权利要求9所述的***,其特征在于,所述运动参数确定单元具体用于:
基于所述运动误差参数,通过所述PID控制器,确定所述车辆的运动补偿参数;
根据所述规划运动参数和所述运动补偿参数,确定所述车辆下一个规划时刻的运动控制参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011613586.0A CN112644488B (zh) | 2020-12-30 | 2020-12-30 | 自适应巡航*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011613586.0A CN112644488B (zh) | 2020-12-30 | 2020-12-30 | 自适应巡航*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112644488A true CN112644488A (zh) | 2021-04-13 |
CN112644488B CN112644488B (zh) | 2023-09-26 |
Family
ID=75364451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011613586.0A Active CN112644488B (zh) | 2020-12-30 | 2020-12-30 | 自适应巡航*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112644488B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113525369A (zh) * | 2021-06-21 | 2021-10-22 | 上汽通用五菱汽车股份有限公司 | 巡航加速度控制方法、装置、车辆及可读存储介质 |
CN113561976A (zh) * | 2021-08-19 | 2021-10-29 | 湖南大学无锡智能控制研究院 | 基于反馈优化的车辆节能预测自适应巡航控制方法和装置 |
CN114071013A (zh) * | 2021-10-13 | 2022-02-18 | 浙江大华技术股份有限公司 | 一种用于车载摄像机的目标抓拍与跟踪方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109747651A (zh) * | 2018-12-27 | 2019-05-14 | 东软睿驰汽车技术(沈阳)有限公司 | 一种车辆控制方法、装置及*** |
CN109747653A (zh) * | 2018-12-27 | 2019-05-14 | 东软睿驰汽车技术(沈阳)有限公司 | 一种车辆控制方法及装置 |
CN109795484A (zh) * | 2018-12-24 | 2019-05-24 | 百度在线网络技术(北京)有限公司 | 车辆控制方法和设备 |
CN110962847A (zh) * | 2019-11-26 | 2020-04-07 | 清华大学苏州汽车研究院(吴江) | 车道居中辅助自适应巡航的轨迹规划方法和*** |
-
2020
- 2020-12-30 CN CN202011613586.0A patent/CN112644488B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109795484A (zh) * | 2018-12-24 | 2019-05-24 | 百度在线网络技术(北京)有限公司 | 车辆控制方法和设备 |
CN109747651A (zh) * | 2018-12-27 | 2019-05-14 | 东软睿驰汽车技术(沈阳)有限公司 | 一种车辆控制方法、装置及*** |
CN109747653A (zh) * | 2018-12-27 | 2019-05-14 | 东软睿驰汽车技术(沈阳)有限公司 | 一种车辆控制方法及装置 |
CN110962847A (zh) * | 2019-11-26 | 2020-04-07 | 清华大学苏州汽车研究院(吴江) | 车道居中辅助自适应巡航的轨迹规划方法和*** |
Non-Patent Citations (2)
Title |
---|
BARTOLOMEO STELLATO等: "OSQP: An Operator Splitting Solver for Quadratic Programs", 《ARXIV:1711.08013V2》 * |
STEVE: "Apollo 6.0 QP(二次规划)算法解析", 《HTTPS://ZHUANLAN.ZHIHU.COM/P/325645742》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113525369A (zh) * | 2021-06-21 | 2021-10-22 | 上汽通用五菱汽车股份有限公司 | 巡航加速度控制方法、装置、车辆及可读存储介质 |
CN113561976A (zh) * | 2021-08-19 | 2021-10-29 | 湖南大学无锡智能控制研究院 | 基于反馈优化的车辆节能预测自适应巡航控制方法和装置 |
CN113561976B (zh) * | 2021-08-19 | 2022-04-19 | 湖南大学无锡智能控制研究院 | 基于反馈优化的车辆节能预测自适应巡航控制方法和装置 |
CN114071013A (zh) * | 2021-10-13 | 2022-02-18 | 浙江大华技术股份有限公司 | 一种用于车载摄像机的目标抓拍与跟踪方法及装置 |
CN114071013B (zh) * | 2021-10-13 | 2023-06-20 | 浙江大华技术股份有限公司 | 一种用于车载摄像机的目标抓拍与跟踪方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112644488B (zh) | 2023-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112644488B (zh) | 自适应巡航*** | |
CN110703754B (zh) | 一种自动驾驶车辆路径与速度高度耦合的轨迹规划方法 | |
JP6341137B2 (ja) | 車両の運転支援制御装置 | |
CN109177974B (zh) | 一种智能汽车的人机共驾型车道保持辅助方法 | |
CN105329238B (zh) | 一种基于单目视觉的自动驾驶汽车换道控制方法 | |
CN109131325B (zh) | 智能驾驶汽车的三维可拓预瞄切换的车道保持控制方法 | |
CN110356404A (zh) | 一种具有自主换道功能并提高侧向安全性的智能驾驶*** | |
Hima et al. | Trajectory tracking for highly automated passenger vehicles | |
CN111891125B (zh) | 一种基于扭矩控制的车道偏离主动纠偏方法 | |
CN112141101B (zh) | 一种基于cnn和lstm的预瞄安全路径的方法及*** | |
CN109164814B (zh) | 面向高速公路场景的自动驾驶控制*** | |
CN111409641A (zh) | 一种基于纵横向协调的轨迹跟踪控制方法及*** | |
CN110262229B (zh) | 基于mpc的车辆自适应路径追踪方法 | |
CN111409695A (zh) | 用于智能汽车的线控转向人机共享控制方法及其智能汽车 | |
CN110481562B (zh) | 汽车自动换道最优轨迹规划、控制方法及*** | |
CN115551756A (zh) | 路径控制模块、相关联的路径控制设备以及相关联的方法 | |
CN113433942B (zh) | 一种基于最优航向角的长轴车辆路径跟踪控制方法 | |
CN111086510A (zh) | 一种基于预测函数控制的前轮转向车辆车道保持控制方法 | |
CN116560371A (zh) | 基于自适应模型预测控制的自动驾驶车辆路径跟踪方法 | |
CN114889599A (zh) | 一种基于模型预测控制的自适应巡航控制算法 | |
KR20120089498A (ko) | 운전자의 차속에 따른 시야각 및 조향 성향을 반영한 차선 유지 보조 시스템 | |
CN116080754B (zh) | 一种车辆自主驾驶横向控制方法 | |
CN116834754A (zh) | 一种自动驾驶车辆自适应调速的横纵协同控制方法 | |
CN114407880B (zh) | 一种无人驾驶紧急避障路径跟踪方法 | |
CN114323698B (zh) | 一种面向人机共驾智能汽车的实车实验平台测试方法 |
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 |