CN113978462A - 自适应巡航***的主目标筛选方法、轨迹规划方法及*** - Google Patents
自适应巡航***的主目标筛选方法、轨迹规划方法及*** Download PDFInfo
- Publication number
- CN113978462A CN113978462A CN202111338108.8A CN202111338108A CN113978462A CN 113978462 A CN113978462 A CN 113978462A CN 202111338108 A CN202111338108 A CN 202111338108A CN 113978462 A CN113978462 A CN 113978462A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target
- distance
- lane
- current vehicle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 74
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 64
- 238000012216 screening Methods 0.000 title claims abstract description 49
- 230000006870 function Effects 0.000 claims description 53
- 230000001133 acceleration Effects 0.000 claims description 48
- 230000008859 change Effects 0.000 claims description 34
- 238000005457 optimization Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 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
- B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Mathematical Physics (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种自适应巡航***的主目标筛选方法、轨迹规划方法及***,该轨迹规划方法通过构建不同工作模式下的纵向轨迹函数,求解得到最优纵向轨迹,由于纵向轨迹是通过函数求解的,并考虑到了不同工作模式下的约束条件及优化目标,相比现有技术中,本发明提供的技术方案,能够提供实现对车辆加速度的平滑控制,改善自适应巡航的舒适性,提高行车安全性。另外,由于本发明提供的技术方案,能够获取主目标的运动状态及用户设定的巡航参数,并据此判断当前车辆的工作模式,从而实现当前车辆工作模式的自动切换,解决了现有技术中驾驶员频繁取消和设定巡航控制而带来的***主动巡航能力低、用户体验差的问题。
Description
技术领域
本发明涉及智能驾驶技术领域,具体涉及一种自适应巡航***的主目标筛选方法、轨迹规划方法及***。
背景技术
随着汽车智能化程度越来越高,自适应巡航***(Adaptive Cruise Control,ACC)已逐渐成为乘用车较为普遍的配置之一。
自适应巡航***是一种智能化的自动控制***,它是在早已存在的巡航控制技术的基础上发展而来的。在车辆行驶过程中,安装在车辆前部的车距传感器(雷达)持续扫描车辆前方道路,同时轮速传感器采集车速信号。
当与前车之间的距离过小时,ACC控制单元可以通过与制动防抱死***、发动机控制***协调动作,使车轮适当制动,并使发动机的输出功率下降,以使车辆与前方车辆始终保持安全距离。
自适应巡航控制允许车辆巡航控制***通过调整速度以适应交通状况。安装在车辆前方的雷达用于检测在本车前进道路上是否存在速度更慢的车辆。若存在速度更慢的车辆,ACC***会降低车速并控制与前方车辆的间隙或时间间隙。若***检测到前方车辆并不在本车行驶道路上时将加快本车速度使之回到之前所设定的速度。此操作实现了在无司机干预下的自主减速或加速。ACC控制车速的主要方式是通过发动机油门控制和适当的制动。
通过车距传感器的反馈信号,ACC控制单元可以根据靠近车辆物体的移动速度判断道路情况,并控制车辆的行驶状态;通过反馈式加速踏板感知的驾驶者施加在踏板上的力,ACC控制单元可以决定是否执行巡航控制,以减轻驾驶者的疲劳。自适应巡航***可以帮助驾驶人员将脚从踏板上移开,只要关注于方向盘即可,能大幅降低长途驾驶所带来的疲劳。
自适应巡航***的第一步是ACC主目标筛选,因此建立准确有效的目标识别算法是自适应巡航***有效工作的保证。
车载雷达是自适应巡航***中特有也是最重要的传感器,直接关系到整体***性能的优劣。77GHz毫米波雷达由于实时性好、精度高、运行可靠、不易受天气等环境因素影响,被公认为解决车载雷达探测问题的较好方案。根据相关协议,在获取雷达信息之后,需要对其进一步处理,而准确识别与跟踪主目标车辆的运动信息是实现ACC的前提。传统ACC***一般采取以下两个步骤完成对目标车辆的筛选,即首先利用横向距离阈值进行同车道区分,然后根据同车道最近原则选定有效目标。但实践表明,在复杂的道路工况下,例如,弯道工况、复杂城市道路工况,现有技术的主目标车辆(以下简称为主目标)筛选准确率不高,导致自适应巡航***的控制精度不高,行车安全性差。
ACC主目标筛选完成后,需要对筛选出的主目标进行跟踪,在对主目标的跟踪过程中,涉及到车辆的轨迹规划问题。
相关技术提出了一种车道居中辅助自适应巡航的轨迹规划方法,主要包括:1)摄像头获取车道线方程,并生成车辆感兴趣区域;2)结合感兴趣区域和毫米波雷达信息,选定代价最大的障碍物为目标障碍物;3)结合自车的车辆状态信息规划自车的纵向速度和纵向轨迹。该方法解决了有遮挡、无定位信息下的纵向速度和轨迹规划问题,但依据相对速度和相对距离直接计算出目标加速度,降低了驾驶员的舒适性程度。
相关技术还提出了一种基于无线通信的交叉口附近分散协同自适应巡航控制方法,主要包括:1)建立纵向车辆运动模型,并计算跟踪误差;2)基于粒子群算法来降低跟踪误差;3)采用轨迹规划和空间管理方法确定最佳轨迹和分配道路空间;4)考虑车辆安全性、舒适性等性能特征重组车队。该方法考虑了交通效率和车辆性能限制对车队进行控制,但要基于V2X技术才能实现,且粒子群算法容易陷入局部最优,求解质量难以保证。
相关技术还提出了一种基于旁车行驶路径预测的自适应巡航控制方法及***,主要包括:1)车身传感器采集本车运动参数,并预测本车下一段时间内的运动轨迹;2)感知传感器采集旁车信息,预测旁车同样时间段内的运动轨迹;3)根据本车及旁车预测结果判断两车是否干涉,执行自适应巡航控制。该方法考虑了自车和旁车的行驶路径预测,但速度规划较为简单,不能保证加速度变化的连续性。
相关技术还提出了一种自适应巡航方法,主要包括:1)设定巡航模式,传感器采集自车状态,并计算道路曲率;2)设定巡航速度或跟踪距离,决策控制量加速度,由执行单元执行;3)识别同车道前方障碍物,并根据障碍物速度重新设定控制目标。该方法利用现有ESP传感器信息,节省了成本,但巡航模式和跟踪模式是预先设定的,无法解决驾驶员频繁取消和设定巡航控制的问题。
发明内容
有鉴于此,本发明的目的在于提供一种自适应巡航***的主目标筛选方法、轨迹规划方法及***,以解决现有技术中主目标筛选准确率不高,导致自适应巡航***的控制精度不高,行车安全性差的问题;和/或,现有技术中自适应巡航***的路径规划简单,不能保证加速度变化的连续性,导致控制不平滑,影响驾驶体验的问题。
根据本发明实施例的第一方面,提供一种自适应巡航***的主目标筛选方法,包括:
将当前时刻,行驶在当前车辆前方的所有车辆确定为目标车辆;
对任一目标车辆,根据该目标车辆的位置,预测当前车辆的行驶轨迹,并根据当前车辆的行驶轨迹,计算当前车辆与该目标车辆的相对距离;
根据当前车辆的运行信息、目标车辆的运行信息,及所述相对距离及相对距离的变化率,预测该目标车辆的行车动态;
根据所有目标车辆的行车动态,从所有目标车辆中筛选出主目标;
所述目标车辆的行车动态至少包括:目标车辆所在车道、目标车辆换道意图,目标车辆与当前车辆是否存在碰撞风险。
根据本发明实施例的第二方面,提供一种自适应巡航***的轨迹规划方法,包括:
上述的自适应巡航***的主目标筛选方法;
还包括:
获取主目标的运动信息及用户设定的巡航参数;
根据所述运动信息及巡航参数,确定当前车辆的安全行驶距离;
根据所述安全行驶距离,判断当前车辆的工作模式;
构建不同工作模式下的纵向轨迹函数,并根据不同工作模式下的约束条件及优化目标,求解所述纵向轨迹函数的系数,得到最优纵向轨迹;
判断所述最优纵向轨迹是否满足车辆运动极限约束条件,将满足车辆运动极限约束条件的最优纵向轨迹作为当前车辆纵向轨迹规划结果。
根据本发明实施例的第三方面,提供一种自适应巡航***的主目标筛选***,包括:
确定模块,用于将当前时刻,行驶在当前车辆前方的所有车辆确定为目标车辆;
计算模块,用于对任一目标车辆,根据该目标车辆的位置,预测当前车辆的行驶轨迹,并根据当前车辆的行驶轨迹,计算当前车辆与该目标车辆的相对距离;
预测模块,用于根据当前车辆的运行信息、目标车辆的运行信息,及所述相对距离及相对距离的变化率,预测该目标车辆的行车动态;
筛选模块,用于根据所有目标车辆的行车动态,从所有目标车辆中筛选出主目标;
所述目标车辆的行车动态至少包括:目标车辆所在车道、目标车辆换道意图,目标车辆与当前车辆是否存在碰撞风险。
根据本发明实施例的第四方面,提供一种自适应巡航***的轨迹规划***,包括:
上述的主目标筛选***,还包括:
获取模块,用于获取主目标的运动信息及用户设定的巡航参数;
确定模块,用于根据所述运动信息及巡航参数,确定当前车辆的安全行驶距离;
判断模块,用于根据所述安全行驶距离,判断当前车辆的工作模式;
求解模块,用于构建不同工作模式下的纵向轨迹函数,并根据不同工作模式下的约束条件及优化目标,求解所述纵向轨迹函数的系数,得到最优纵向轨迹;
所述判断模块,还用于判断最优纵向轨迹是否满足车辆运动极限约束条件,将满足车辆运动极限约束条件的最优纵向轨迹作为当前车辆纵向轨迹规划结果。
根据本发明实施例的第五方面,提供一种电子设备,包括:
处理器和存储器,其中,所述存储器中存储有程序指令;
所述处理器用于执行存储器中存储的程序指令,执行上述的自适应巡航***的主目标筛选方法;和/或,执行上述的自适应巡航***的轨迹规划方法。
根据本发明实施例的第六方面,提供一种计算机可读存储介质,其上存储有可擦写的计算机程序;
当所述计算机程序在计算机设备上运行时,使得所述计算机设备执行上述的自适应巡航***的主目标筛选方法;和/或,执行上述的自适应巡航***的轨迹规划方法。
本发明的实施例提供的技术方案可以包括以下有益效果:
对任一目标车辆,通过预测当前车辆的行驶轨迹,计算当前车辆与该目标车辆的相对距离,并根据当前车辆的运行信息、目标车辆的运行信息,及所述相对距离及相对距离的变化率,预测该目标车辆的行车动态,并根据所有目标车辆的行车动态,从所有目标车辆中筛选出主目标,相比现有技术,本发明提供的技术方案,在主目标筛选时,由于考虑了当前车辆的行驶轨迹及目标车辆的行车动态的影响,能够提高主目标筛选准确率,减少了因主目标筛选准确率不高导致自适应巡航***控制精度不高及行车安全性差的问题。
通过构建不同工作模式下的纵向轨迹函数,求解得到最优纵向轨迹,由于纵向轨迹是通过函数求解的,并考虑到了不同工作模式下的约束条件及优化目标,相比现有技术中直接基于主目标的速度和相对距离计算得到目标加速度,本发明提供的技术方案,能够提供实现对车辆加速度的平滑控制,改善自适应巡航的舒适性,提高行车安全性。
进一步地,由于本发明提供的技术方案,能够获取主目标的运动状态及用户设定的巡航参数,并据此确定当前车辆的安全行驶距离,并根据所述安全行驶距离,判断当前车辆的工作模式,从而实现当前车辆工作模式的自动切换,解决了现有技术中需要驾驶员选定工作模式以及驾驶员频繁取消和设定巡航控制而带来的***主动巡航能力低、用户体验差的问题。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种自适应巡航***的主目标筛选方法的流程图;
图2是根据一示例性实施例示出的计算当前车辆与目标车辆的相对距离的示意图;
图3是根据一示例性实施例示出的预测目标车辆所在车道的流程示意图;
图4是根据一示例性实施例示出的筛选主目标的示意图;
图5是根据一示例性实施例示出的一种自适应巡航***的主目标筛选***的示意框图;
图6是根据一示例性实施例示出的一种自适应巡航***的轨迹规划方法的流程图;
图7是根据一示例性实施例示出的一种自适应巡航***的轨迹规划***的示意框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
实施例一
图1是根据一示例性实施例示出的一种自适应巡航***的主目标筛选方法的流程图,如图1所示,该方法包括:
步骤S11、将当前时刻,行驶在当前车辆前方的所有车辆确定为目标车辆;
步骤S12、对任一目标车辆,根据该目标车辆的位置,预测当前车辆的行驶轨迹,并根据当前车辆的行驶轨迹,计算当前车辆与该目标车辆的相对距离;
步骤S13、根据当前车辆的运行信息、目标车辆的运行信息,及所述相对距离及相对距离的变化率,预测该目标车辆的行车动态;
步骤S14、根据所有目标车辆的行车动态,从所有目标车辆中筛选出主目标;
所述目标车辆的行车动态至少包括:目标车辆所在车道、目标车辆换道意图,目标车辆与当前车辆是否存在碰撞风险。
需要说明的是,本实施例提供的技术方案适用的应用场景包括但不限于:车辆的自动驾驶、辅助驾驶等。本实施例提供的技术方案在实际使用时,可以加载在当前车辆的中控***中使用,也可以加载在电子设备中使用;所述电子设备包括但不限于:车载电脑和外接计算机设备。
所述“主目标”是指“主目标车辆”。
当前车辆的前进气格栅的中间位置安装有毫米波雷达,用于测距。
步骤S11中“将当前时刻,行驶在当前车辆前方的所有车辆确定为目标车辆”是因为:
只有行驶在当前车辆前方的所有车辆,才有可能对当前车辆自主循环模式下的行车造成干扰,所以本实施例提供的技术方案,仅需在当前车辆的前进气格栅的中间位置安装毫米波雷达即可,故仅将当前车辆前方的所有车辆确定为目标车辆。
在具体实践中,步骤S12中“对任一目标车辆,根据该目标车辆的位置,预测当前车辆的行驶轨迹,并根据预测的当前车辆的行驶轨迹,计算当前车辆与该目标车辆的相对距离”,包括:
1、计算当前车辆所在车道的曲率半径:
根据公式计算得到当前车辆所在车道的曲率半径,其中,Kcurrent为当前车辆所在车道曲率,R为曲率半径,Yaw_Rate为当前车辆自带的横摆角速度传感器测量得到的横摆角速度,vr为当前车辆的车速,横摆角速度和车速皆可以直接从当前车辆的CAN总线获取,因此不需要加装额外传感器。
2、根据所述曲率半径,判断当前车辆所在车道是否为弯道:
若曲率半径R无穷大,则可以判定当前车辆所在车道为直道,否则,判定当前车辆所在车道为弯道。
3、若当前车辆所在车道为弯道,预测当前车辆的行驶轨迹为:在预设时长内以所述曲率半径匀速圆周行驶到所述目标车辆所在曲率半径上:
参见图2,在t时刻,当前车辆位于车道2上的A点,目标车辆位于车道1的C点,假设在ΔT时长内,当前车辆将以恒定速度vr、固定曲率半径R做匀速圆周运动,在t+ΔT时刻,当前车辆将位于车道2的A’点,且O、A’、C在位于同一曲率半径上。其中,A、A’和C皆为车辆的后轴中心,O为车辆的转向中心。
4、将当前时刻当前车辆后轴中心A与目标车辆后轴中心C的连线AC,与当前时刻当前车辆的行驶方向的夹角记为第一夹角θ;
参见图2,考虑到毫米波雷达安装位置,以及毫米波雷达的检测距离远大于当前车辆的纵向长度,可以近似认为当前车辆的后轴中心与目标车辆的后轴中心的距离lAC减去当前车辆的纵向长度L即为毫米波雷达检测到的相对距离ρ,即lAC=ρ+L。
参见图2,线段AC与当前车辆行驶方向所夹的锐角为θ,即为毫米波雷达输出的相对相位角,为已知量;线段AA’与当前车辆行驶方向所夹的锐角为 为对应圆心角的一半,Dy为当前车辆与目标车辆的相对横向距离,弧长为当前车辆与目标车辆的相对纵向距离,记为Dx。
参见图2,根据几何关系及正弦定理可以得到:
则,
在具体实践中,所述步骤S13中“根据当前车辆的运行信息、目标车辆的运行信息,及所述相对距离及相对距离的变化率,预测该目标车辆的行车动态”,包括:
1、根据所述相对横向距离,预测所述目标车辆所在车道,包括:
若当前车辆所在车道为自车车道,以当前车辆的行驶方向为视角基准,将自车车道左侧临近车道定义为外侧临近车道,将自车车道右侧临近车道定义为内侧临近车道(当前车辆所在车道以及外侧临近车道、内侧临近车道三个车道范围以外的目标车辆暂不在考虑范围内);
若相对横向距离在自车车道中心线的左右两侧二分之一车道宽度范围内,判定所述目标车辆在自车车道上;和/或,
若相对横向距离在自车车道中心线的左侧二分之一车道宽度及左侧二分之三车道宽度范围内,判定所述目标车辆在外侧临近车道上;和/或,
若相对横向距离在自车车道中心线的右侧二分之一车道宽度及右侧二分之三车道宽度范围内,判定所述目标车辆在内侧临近车道上。
根据国内公路技术标准,城市道路车道宽度在3.25~3.75m之间,在具体实践中,可以取车道宽度lwide=3.5m。参见图3,根据如下规则预测目标车辆所在车道,包括:
若相对横向距离Dy∈[-lwide/2,lwide/2],判定目标车辆在自车车道上;
若相对横向距离Dy∈(lwide/2,3*lwide/2),判定目标车辆在外侧临近车道上;
若相对横向距离Dy∈(-3*lwide/2,-lwide/2),判定目标车辆在内侧临近车道上;
若相对横向距离Dy∈(-,-3*lwidde/2]||[3*lwide/2,+∞),判定该目标车辆在当前车辆所在车道以及外侧临近车道、内侧临近车道三个车道范围以外,暂时不考虑该目标车辆。
2、根据所述目标车辆所在车道,及,所述相对横向距离的大小,及,所述相对横向距离的变化率,预测所述目标车辆的换道意图,包括:
(1)若所述目标车辆在自车车道上,且,相对横向距离的大小显示靠近自车车道的左侧分界线,且,相对横向距离的变化率为正,判定所述目标车辆有向外侧车道行驶的换道意图;
(2)若所述目标车辆在自车车道上,且,相对横向距离的大小显示靠近自车车道的右侧分界线,且,相对横向距离的变化率为负,判定所述目标车辆有向内侧临近车道行驶的换道意图;
(3)若所述目标车辆在外侧临近车道上,且,相对横向距离的大小显示靠近自车车道的左侧分界线,且,相对横向距离的变化率为负,判定所述目标车辆有向自车车道行驶的换道意图;
(4)若所述目标车辆在内侧临近车道上,且,相对横向距离的大小显示靠近自车车道的右侧分界线,且,相对横向距离的变化率为正,判定所述目标车辆有向自车车道行驶的换道意图;
3、根据当前车辆的运行信息和目标车辆的运行信息,预测所述目标车辆与当前车辆是否存在碰撞风险,包括:
预测当前车辆和目标车辆皆以当前车速行驶,发生碰撞所用时长TTC:
若发生碰撞所用时长小于阈值TTC<ThTTC,则判定所述目标车辆与当前车辆存在碰撞风险,否则,判定所述目标车辆是与当前车辆不存在碰撞风险。
在具体实践中,所述步骤S14“根据所有目标车辆的行车动态,从所有目标车辆中筛选出主目标”,包括:
若当前车辆所在车道为自车车道,将与自车车道相邻的内侧临近车道和外侧临近车道皆定义为临近车道;
若临近车道上不存在目标车辆,将自车车道上与当前车辆相对纵向距离最近的目标车辆筛选为主目标;
若临近车道上存在目标车辆,且不存在换道意图,将自车车道上与当前车辆相对纵向距离最近的目标车辆筛选为主目标;
若临近车道上存在目标车辆,且存在换道意图,且与当前车辆存在碰撞风险,将临近车道上与当前车辆相对纵向距离最近的目标车辆筛选为主目标;
若临近车道上存在目标车辆,且存在换道意图,但与当前车辆不存在碰撞风险,将临近车道上与当前车辆相对纵向距离最近的第一目标车辆,及,自车车道上与当前车辆相对纵向距离最近的第二目标车辆融合为主目标。
参见图4,将目标车辆的行车动态划分为四个区域:Areal-有换道意图且有碰撞风险;Area2-无换道意图且有碰撞风险;Area3-无换道意图且无碰撞风险;Area4-有换道意图且无碰撞风险。
临近车道上的目标车辆无换道意图(Area2、Area3)时,将自车车道上与当前车辆相对纵向距离最近的目标车辆筛选为主目标;
临近车道上的目标车辆有换道意图且有碰撞风险(Area1)时,将临近车道上与当前车辆相对纵向距离最近的目标车辆筛选为主目标;
临近车道上的目标车辆有换道意图且无碰撞风险(Area4)时,将临近车道上与当前车辆相对纵向距离最近的第一目标车辆,及,自车车道上与当前车辆相对纵向距离最近的第二目标车辆融合为主目标,具体为:
根据预设融合系数λ,将第一目标车辆与当前车辆的相对纵向距离Dxadjt,与,第二目标车辆与当前车辆的相对纵向距离Dxinit,加权求和,得到融合后的主目标与当前车辆的相对纵向距离Dxmain,
Dxmain=λDxinit+(1-λ)Dxadjt;
所述融合系数λ,根据第一目标车辆与当前车辆的相对横向距离Dyadjt,与,第二目标车辆与当前车辆的相对横向距离Dyinit确定:
可以理解的是,本实施例提供的技术方案,完成主目标筛选后,可以输出的参数包括:
当前车辆与目标车辆的相对横向距离Dy,相对纵向距离Dx、主目标车速vp、主目标加速度ap,其中,
可以理解的是,本实施例提供的技术方案,对任一目标车辆,通过预测当前车辆的行驶轨迹,计算当前车辆与该目标车辆的相对距离,并根据当前车辆的运行信息、目标车辆的运行信息,及所述相对距离及相对距离的变化率,预测该目标车辆的行车动态,并根据所有目标车辆的行车动态,从所有目标车辆中筛选出主目标,相比现有技术,本实施例提供的技术方案,在主目标筛选时,由于考虑了当前车辆的行驶轨迹及目标车辆的行车动态的影响,能够提高主目标筛选准确率,减少了因主目标筛选准确率不高导致自适应巡航***控制精度不高及行车安全性差的问题。
实施例二
图5是根据一示例性实施例示出的一种自适应巡航***的主目标筛选***100的示意框图,如图5所示,该***100包括:
确定模块101,用于将当前时刻,行驶在当前车辆前方的所有车辆确定为目标车辆;
计算模块102,用于对任一目标车辆,根据该目标车辆的位置,预测当前车辆的行驶轨迹,并根据当前车辆的行驶轨迹,计算当前车辆与该目标车辆的相对距离;
预测模块103,用于根据当前车辆的运行信息、目标车辆的运行信息,及所述相对距离及相对距离的变化率,预测该目标车辆的行车动态;
筛选模块104,用于根据所有目标车辆的行车动态,从所有目标车辆中筛选出主目标;
所述目标车辆的行车动态至少包括:目标车辆所在车道、目标车辆换道意图,目标车辆与当前车辆是否存在碰撞风险。
需要说明的是,本实施例提供的技术方案适用的应用场景包括但不限于:车辆的自动驾驶、辅助驾驶等。本实施例提供的技术方案在实际使用时,可以加载在当前车辆的中控***中使用,也可以加载在电子设备中使用;所述电子设备包括但不限于:车载电脑和外接计算机设备。
所述“主目标”是指“主目标车辆”。
当前车辆的前进气格栅的中间位置安装有毫米波雷达,用于测距。
需要说明的是,由于本实施例各模块的实现方式可参见实施例一中对应步骤的相关介绍,本实施例不再赘述。
可以理解的是,本实施例提供的技术方案,对任一目标车辆,通过预测当前车辆的行驶轨迹,计算当前车辆与该目标车辆的相对距离,并根据当前车辆的运行信息、目标车辆的运行信息,及所述相对距离及相对距离的变化率,预测该目标车辆的行车动态,并根据所有目标车辆的行车动态,从所有目标车辆中筛选出主目标,相比现有技术,本实施例提供的技术方案,在主目标筛选时,由于考虑了当前车辆的行驶轨迹及目标车辆的行车动态的影响,能够提高主目标筛选准确率,减少了因主目标筛选准确率不高导致自适应巡航***控制精度不高及行车安全性差的问题。
实施例三
根据一示例性实施例示出的一种电子设备,包括:
处理器和存储器,其中,所述存储器中存储有程序指令;
所述处理器用于执行存储器中存储的程序指令,执行如实施例一所述的自适应巡航***的主目标筛选方法。
需要说明的是,所述电子设备包括但不限于:车载电脑和外接的计算机设备。处理器包括但不限于:CPU、单片机、PLC控制器、FPGA控制器等。
可以理解的是,本实施例提供的技术方案,对任一目标车辆,通过预测当前车辆的行驶轨迹,计算当前车辆与该目标车辆的相对距离,并根据当前车辆的运行信息、目标车辆的运行信息,及所述相对距离及相对距离的变化率,预测该目标车辆的行车动态,并根据所有目标车辆的行车动态,从所有目标车辆中筛选出主目标,相比现有技术,本实施例提供的技术方案,在主目标筛选时,由于考虑了当前车辆的行驶轨迹及目标车辆的行车动态的影响,能够提高主目标筛选准确率,减少了因主目标筛选准确率不高导致自适应巡航***控制精度不高及行车安全性差的问题。
实施例四
根据一示例性实施例示出的一种计算机可读存储介质,其上存储有可擦写的计算机程序;
当所述计算机程序在计算机设备上运行时,使得所述计算机设备执行如实施例一所述的自适应巡航***的主目标筛选方法。
本实施例公开的计算机可读存储介质包括但不限于:电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
可以理解的是,本实施例提供的技术方案,对任一目标车辆,通过预测当前车辆的行驶轨迹,计算当前车辆与该目标车辆的相对距离,并根据当前车辆的运行信息、目标车辆的运行信息,及所述相对距离及相对距离的变化率,预测该目标车辆的行车动态,并根据所有目标车辆的行车动态,从所有目标车辆中筛选出主目标,相比现有技术,本实施例提供的技术方案,在主目标筛选时,由于考虑了当前车辆的行驶轨迹及目标车辆的行车动态的影响,能够提高主目标筛选准确率,减少了因主目标筛选准确率不高导致自适应巡航***控制精度不高及行车安全性差的问题。
实施例五
图6是根据一示例性实施例示出的一种自适应巡航***的轨迹规划方法的流程图,如图6所示,该方法包括:
步骤S21、获取主目标的运动状态及用户设定的巡航参数;
步骤S22、根据所述运动状态及巡航参数,确定当前车辆的安全行驶距离;
步骤S23、根据所述安全行驶距离,判断当前车辆的工作模式;
步骤S24、构建不同工作模式下的纵向轨迹函数,并根据不同工作模式下的约束条件及优化目标,求解所述纵向轨迹函数的系数,得到最优纵向轨迹;
步骤S25、判断所述最优纵向轨迹是否满足车辆运动极限约束条件,将满足车辆运动极限约束条件的最优纵向轨迹作为当前车辆纵向轨迹规划结果。
需要说明的是,本实施例提供的技术方案适用的应用场景包括但不限于:车辆的自动驾驶、辅助驾驶等。本实施例提供的技术方案在实际使用时,可以加载在当前车辆的中控***中使用,也可以加载在电子设备中使用;所述电子设备包括但不限于:车载电脑和外接计算机设备。
所述“主目标”是指“主目标车辆”。
可以理解的是,自适应巡航***主要包括主目标的识别及跟踪,在对主目标的跟踪过程中,才涉及到车辆的轨迹规划问题,因此,本实施例提供的技术方案,需要在***完成主目标识别的基础上进行。
当***完成主目标识别后,会得到主目标的运动状态,该运动状态是在主目标识别算法中,根据当前车辆的运动状态和传感器感知信息,预估出的主目标的运动状态。
所述步骤S21中,主目标的运动状态至少包括:
主目标车速、主目标加速度、当前车辆与主目标的相对纵向距离、当前车辆与主目标的相对横向距离。
本实施例提供的技术方案,“主目标的运动状态”仅用到“主目标车速、主目标加速度、当前车辆与主目标的相对纵向距离”。
所述步骤S21中,用户设定的巡航参数至少包括:
最小停车距离、时距系数、巡航距离阈值、巡航车速阈值、巡航加速度阈值。其中,“最小停车距离”的设定范围为2.5-3.5米之间。
在具体实践中,所述步骤S22“根据所述运动状态及巡航参数,确定当前车辆的安全行驶距离”,包括:
1、根据所述运动状态及巡航参数,确定当前车辆的目标跟车距离,具体为:
将主目标车速vp与时距系数τ的乘积,与所述最小停车距离D0之和,确定为当前车辆的目标跟车距离:Dtar get=D0+vp*τ;
其中,τ为时距系数,单位为秒,该值越大,目标跟车距离越大。
2、根据所述目标跟车距离、主目标的运动状态及巡航参数,确定当前车辆的安全行驶距离,包括:
(1)若当前车辆与主目标的相对纵向距离Dx大于所述巡航距离阈值Sh,或者,主目标车速vp大于等于所述巡航车速阈值vh,判定前方没有车辆或者主目标车速过快,将所述巡航距离阈值Sh确定为当前车辆的安全行驶距离:
即,if(Dx>Sh)||(vp≥vh),Ssafe=Sh;
其中,Sh与当前车辆的车速有关,可以近似认为与当前车辆的车速成正比,Sh的数值不超过毫米波雷达最大探测距离,若当前车辆与主目标的相对纵向距离Dx大于所述巡航距离阈值Sh,判定前方没有车辆;
vh的数值与交通法规规定的最高车速有关;例如基本型ACC速度工作区间为30~150km/h;全速ACC的速度工作区间为0~200km/h,针对高速公路车速限制,可设定vh为120km/h。
(2)若当前车辆与主目标的相对纵向距离Dx大于等于所述目标跟车距离Dtarget,小于等于所述巡航距离阈值Sh,且,主目标车速vp小于所述巡航车速阈值vh,且,主目标加速度ap大于等于所述巡航加速度阈值ah,判定主目标为可以跟踪的目标车辆,将当前车辆与主目标的相对纵向距离Dx,与所述目标跟车距离Dtarget的差值确定为当前车辆的安全行驶距离:
即,if(Dtarget≤Dx≤Sh)&&(vp<vh)&&(ap≥ah),Ssafe=Dx-(D0+vp*τ)。
(3)若当前车辆与主目标的相对纵向距离Dx小于所述目标跟车距离Dtaraet,且,主目标车速vp小于所述巡航车速阈值vh,判定主目标为前方近处出现的新目标,确定当前车辆的安全行驶距离为零;
即,if(Dx<Dtarget)&&(vp<vh),Ssafe=0。
(4)若主目标加速度ap小于所述巡航加速度阈值ah,且,主目标车速vp小于所述巡航车速阈值vh,判定主目标急减速,确定当前车辆的安全行驶距离为零:
即,if(ap<ah)&&(vp<vh),Ssafe=0,其中,ah<0。
可以理解的是,本实施例提供的技术方案,考虑到了车道前方突然出现新目标及前方车辆突然减速的情况,因此可以适用各种复杂路况,例如,弯道路况、有各种突发情况的城市道路路况等。
在具体实践中,所述步骤S23“根据所述安全行驶距离,判断当前车辆的工作模式”,包括:
若将所述巡航距离阈值确定为当前车辆的安全行驶距离,确定当前车辆的工作模式为定速巡航模式,即:Ssafe=Sh,那么当前车辆为定速巡航模式;
若将当前车辆与主目标的相对纵向距离,与所述目标跟车距离的差值确定为当前车辆的安全行驶距离,确定当前车辆的工作模式为巡航跟车模式,
即:Ssafe=Dx-(D0+vp*τ),那么当前车辆为巡航跟车模式;
若当前车辆的安全行驶距离为零,确定当前车辆的工作模式为制动停车模式,即:Ssafe=0,那么当前车辆为制动停车模式。
在具体实践中,所述步骤S24“构建不同工作模式下的纵向轨迹函数,并根据不同工作模式下的约束条件及优化目标,求解所述纵向轨迹函数的系数,得到最优纵向轨迹”,具体为:
确定不同工作模式下,当前车辆纵向行驶的约束条件;
根据所述约束条件的数量,确定当前车辆纵向轨迹的函数表达式;
根据所述约束条件及函数表达式,建立所述函数表达式的系数求解方程;
确定当前车辆纵向行驶的优化目标;
根据所述优化目标,设定所述系数求解方程的损失函数;
根据所述损失函数,求解所述纵向轨迹函数的系数,得到最优纵向轨迹。
为了便于理解,现将不同工作模式下纵向轨迹函数的构建及求解方法,解释说明如下:
(1)定速巡航模式
由于定速巡航模式下,***不关心主目标的位置,当前车辆的纵向行驶共有五个约束量:起始位置、起始速度、起始加速度、结束速度、结束加速度,所以可以建立五个等式,为简化计算,采用四次多项式作为纵向轨迹函数,其中,纵向位移函数s(t)、速度函数v(t)、加速度函数a(t)分别如下所示:
s(t)=b0+b1*t+b2*t2+b3*t3+b4*t4
v(t)=b1+2b2*t+3b3*t2+4b4*t3
a(t)=2b2+6b3*t+12b4*t2
设定起始位置为0,起始时间为0,结束时间为te,te代表自适应巡航***开启后当前车辆达到目标巡航速度vset所用的时间,可以得到五个约束条件:s(0)=0,v(0)=vr,a(0)=ar,v(te)=vset,a(te)=0;
其中,vset为自适应巡航的目标巡航速度,由自适应巡航***设定,vr为当前车辆的车速,ar为当前车辆的加速度。
将上述五个约束条件,写成矩阵形式:
记为TC=P,若矩阵T可逆,则得到系数求解方程C=T-1P;
求解该系数求解方程,则可以得到系数b0、b1、b2、b3、b4,其中,系数b3、b4包含未知参数te,求解最优曲线s(t),即求解最优参数te。
确定当前车辆纵向行驶的优化目标为:1)到达定速巡航模式下的目标巡航速度所用时间尽可能短;2)加速度变化尽量平稳;3)最高车速和最大加速度限制,则确定损失函数J:
其中,k1、k2、k3为权重系数,tmax为自适应巡航***开启后当前车辆达到设定车速所用的最长时间,vmax为自适应巡航***设定的最大车速,amax为自适应巡航***设定的最大加速度,qmax为自适应巡航***设定的最大加速度变化率,这四个值皆由自适应巡航***预先设定。
根据所述损失函数,求解未知参数te,得到系数b3、b4的值,进而可以确定最优纵向轨迹s(t)。
(2)巡航跟车模式
在巡航跟车模式下,当前车辆的纵向行驶共有六个约束量:起始位置、起始速度、起始加速度、结束位置、结束速度、结束加速度,所以可以建立六个等式,采用五次多项式作为纵向轨迹函数,其中,纵向位移函数s(t)、速度函数v(t)、加速度函数a(t)分别如下所示:
s(t)=b0+b1*t+b2*t2+b3*t3+b4*t4+b5*t5
v(t)=b1+2b2*t+3b3*t2+4b4*t3+5b5*t4
a(t)=2b2+6b3*t+12b4*t2+20b5*t3
设定起始位置为0,起始时间为0,结束时间为te,te代表自适应巡航***开启后当前车辆达到目标跟车距离Ssafe和跟车速度vp所用的时间,可以得到六个约束条件:
s(0)=0,v(0)=vr,a(0)=ar,s(te)=Ssafe,v(te)=vp,a(te)=0:
将上述五个约束条件,写成矩阵形式:
记为TC=P,若矩阵T可逆,则得到系数求解方程C=T-1P;
求解该系数求解方程,则可以得到系数b0、b1、b2、b3、b4、b5,其中,系数b3、b4、b5包含未知参数te,求解最优曲线s(t),即求解最优参数te。
确定当前车辆纵向行驶的优化目标为:1)到达巡航跟车模式下的目标跟车距离和跟车速度所用时间尽可能短;2)加速度变化尽量平稳;3)最高车速和最大加速度限制,则确定损失函数J:
其中,k1、k2、k3为权重系数,tmax为自适应巡航***开启后当前车辆达到设定车速所用的最长时间,vmax为自适应巡航***设定的最大车速,amax为自适应巡航***设定的最大加速度,qmax为自适应巡航***设定的最大加速度变化率,这四个值皆由自适应巡航***预先设定。
根据所述损失函数,求解未知参数te,得到系数b3、b4、b5的值,进而可以确定最优纵向轨迹s(t)。
(3)制动停车模式
制动停车模式下,当毫米波雷达检测到前方近处出现新目标或者主目标急减速时,***会自动发送控制信号给执行机构来降低车速,以保证行驶安全,这里的停车位置即为毫米波雷达检测到的主目标的位置。
同巡航跟车模式,当前车辆的纵向行驶共有六个约束量:起始位置、起始速度、起始加速度、结束位置、结束速度、结束加速度,所以可以建立六个等式,采用五次多项式作为纵向轨迹函数。
设定起始位置为0,起始时间为0,结束时间为te,te代表自适应巡航***开启后当前车辆制动到完全停车所用的时间,可以得到六个约束条件:
s(0)=0,v(0)=vr,a(0)=ar,s(te)=Dy,v(te)=0,a(te)=0;
同巡航跟车模式下的计算过程,同样优化求解出最优纵向轨迹s(t)。
可以理解的是,针对上述三种工作模式求解得到的最优纵向轨迹,根据采样周期离散化即可以得到规划时间内任一个采样时间点所对应的位置、速度和加速度值。
所述步骤S25“判断所述最优纵向轨迹是否满足车辆运动极限约束条件,将满足车辆运动极限约束条件的最优纵向轨迹作为当前车辆纵向轨迹规划结果”,具体原因为:
步骤S14输出的最优纵向轨迹需要作为下层控制模块的输入,控制模块通过控制汽车的方向盘、刹车、油门等来执行最优纵向轨迹,但这些执行机构本身存在诸多约束,当步骤S14输出的最优纵向轨迹不在执行机构的输入约束条件范围内时,则无法执行该最优纵向轨迹,不能被车辆执行的轨迹都是无意义的。同时还需要考虑到车辆的动力学和车身稳定性带来的约束,因而步骤S14输出的最优纵向轨迹还应该满足车辆本身这样一个非完整约束***所带来的多个运动限制条件,将不满足限制条件的轨迹进行剔除,并返回给自适应巡航***重新进行轨迹规划,以保证规划出的最优纵向轨迹的可行性和行车安全性。
可以理解的是,本实施例提供的技术方案,通过构建不同工作模式下的纵向轨迹函数,求解得到最优纵向轨迹,由于纵向轨迹是通过函数求解的,并考虑到了不同工作模式下的约束条件及优化目标,相比现有技术中直接基于主目标的速度和相对距离计算得到目标加速度,本实施例提供的技术方案,能够提供实现对车辆加速度的平滑控制,改善自适应巡航的舒适性,提高行车安全性。
进一步地,由于本实施例提供的技术方案,能够获取主目标的运动状态及用户设定的巡航参数,并据此确定当前车辆的安全行驶距离,并根据所述安全行驶距离,判断当前车辆的工作模式,从而实现当前车辆工作模式的自动切换,解决了现有技术中需要驾驶员选定工作模式以及驾驶员频繁取消和设定巡航控制而带来的***主动巡航能力低、用户体验差的问题。
实施例六
图7是根据一示例性实施例示出的一种自适应巡航***的轨迹规划***100的示意框图,如图7所示,该***200包括:
获取模块201,用于获取主目标的运动状态及用户设定的巡航参数;
确定模块202,用于根据所述运动状态及巡航参数,确定当前车辆的安全行驶距离;
判断模块203,用于根据所述安全行驶距离,判断当前车辆的工作模式;
求解模块204,用于构建不同工作模式下的纵向轨迹函数,并根据不同工作模式下的约束条件及优化目标,求解所述纵向轨迹函数的系数,得到最优纵向轨迹;
所述判断模块203,还用于判断最优纵向轨迹是否满足车辆运动极限约束条件,将满足车辆运动极限约束条件的最优纵向轨迹作为当前车辆纵向轨迹规划结果。
需要说明的是,本实施例提供的技术方案适用的应用场景包括但不限于:车辆的自动驾驶、辅助驾驶等。本实施例提供的技术方案在实际使用时,可以加载在当前车辆的中控***中使用,也可以加载在电子设备中使用;所述电子设备包括但不限于:车载电脑和外接计算机设备。
所述“主目标”是指“主目标车辆”。
可以理解的是,自适应巡航***主要包括主目标的识别及跟踪,在对主目标的跟踪过程中,才涉及到车辆的轨迹规划问题,因此,本实施例提供的技术方案,需要在***完成主目标识别的基础上进行。
需要说明的是,由于本实施例各模块的实现方式可参见实施例一中对应步骤的相关介绍,本实施例不再赘述。
可以理解的是,本实施例提供的技术方案,通过构建不同工作模式下的纵向轨迹函数,求解得到最优纵向轨迹,由于纵向轨迹是通过函数求解的,并考虑到了不同工作模式下的约束条件及优化目标,相比现有技术中直接基于主目标的速度和相对距离计算得到目标加速度,本实施例提供的技术方案,能够提供实现对车辆加速度的平滑控制,改善自适应巡航的舒适性,提高行车安全性。
进一步地,由于本实施例提供的技术方案,能够获取主目标的运动状态及用户设定的巡航参数,并据此确定当前车辆的安全行驶距离,并根据所述安全行驶距离,判断当前车辆的工作模式,从而实现当前车辆工作模式的自动切换,解决了现有技术中需要驾驶员选定工作模式以及驾驶员频繁取消和设定巡航控制而带来的***主动巡航能力低、用户体验差的问题。
实施例七
根据一示例性实施例示出的一种电子设备,包括:
处理器和存储器,其中,所述存储器中存储有程序指令;
所述处理器用于执行存储器中存储的程序指令,执行如实施例五所述的自适应巡航***的轨迹规划方法。
需要说明的是,所述电子设备包括但不限于:车载电脑和外接的计算机设备。处理器包括但不限于:CPU、单片机、PLC控制器、FPGA控制器等。
可以理解的是,本实施例提供的技术方案,通过构建不同工作模式下的纵向轨迹函数,求解得到最优纵向轨迹,由于纵向轨迹是通过函数求解的,并考虑到了不同工作模式下的约束条件及优化目标,相比现有技术中直接基于主目标的速度和相对距离计算得到目标加速度,本实施例提供的技术方案,能够提供实现对车辆加速度的平滑控制,改善自适应巡航的舒适性,提高行车安全性。
进一步地,由于本实施例提供的技术方案,能够获取主目标的运动状态及用户设定的巡航参数,并据此确定当前车辆的安全行驶距离,并根据所述安全行驶距离,判断当前车辆的工作模式,从而实现当前车辆工作模式的自动切换,解决了现有技术中需要驾驶员选定工作模式以及驾驶员频繁取消和设定巡航控制所带来的***主动巡航能力低、用户体验差的问题。
实施例八
根据一示例性实施例示出的一种计算机可读存储介质,其上存储有可擦写的计算机程序;
当所述计算机程序在计算机设备上运行时,使得所述计算机设备执行如实施例五所述的自适应巡航***的轨迹规划方法。
可以理解的是,本实施例提供的技术方案,通过构建不同工作模式下的纵向轨迹函数,求解得到最优纵向轨迹,由于纵向轨迹是通过函数求解的,并考虑到了不同工作模式下的约束条件及优化目标,相比现有技术中直接基于主目标的速度和相对距离计算得到目标加速度,本实施例提供的技术方案,能够提供实现对车辆加速度的平滑控制,改善自适应巡航的舒适性,提高行车安全性。
进一步地,由于本实施例提供的技术方案,能够获取主目标的运动状态及用户设定的巡航参数,并据此确定当前车辆的安全行驶距离,并根据所述安全行驶距离,判断当前车辆的工作模式,从而实现当前车辆工作模式的自动切换,解决了现有技术中需要驾驶员选定工作模式以及驾驶员频繁取消和设定巡航控制所带来的***主动巡航能力低、用户体验差的问题。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (19)
1.一种自适应巡航***的主目标筛选方法,其特征在于,包括:
将当前时刻,行驶在当前车辆前方的所有车辆确定为目标车辆;
对任一目标车辆,根据该目标车辆的位置,预测当前车辆的行驶轨迹,并根据当前车辆的行驶轨迹,计算当前车辆与该目标车辆的相对距离;
根据当前车辆的运行信息、目标车辆的运行信息,及所述相对距离及相对距离的变化率,预测该目标车辆的行车动态;
根据所有目标车辆的行车动态,从所有目标车辆中筛选出主目标;
所述目标车辆的行车动态至少包括:目标车辆所在车道、目标车辆换道意图,目标车辆与当前车辆是否存在碰撞风险。
2.根据权利要求1所述的方法,其特征在于,所述根据该目标车辆的位置,预测当前车辆的行驶轨迹,包括:
计算当前车辆所在车道的曲率半径;
根据所述曲率半径,判断当前车辆所在车道是否为弯道;
若当前车辆所在车道为弯道,预测当前车辆的行驶轨迹为:在预设时长内以所述曲率半径匀速圆周行驶到所述目标车辆所在曲率半径上;
则,所述根据预测的当前车辆的行驶轨迹,计算当前车辆与该目标车辆的相对距离,具体为:
将当前时刻当前车辆后轴中心与目标车辆后轴中心的连线,与当前时刻当前车辆的行驶方向的夹角记为第一夹角;
将预设时长后当前车辆后轴中心与当前时刻当前车辆后轴中心的连线,与当前时刻当前车辆的行驶方向的夹角记为第二夹角;
根据所述曲率半径、第一夹角、第二夹角,计算当前车辆与所述目标车辆的相对距离;所述相对距离包括:相对横向距离,及,相对纵向距离。
3.根据权利要求2所述的方法,其特征在于,所述预测该目标车辆的行车动态,包括:
根据所述相对横向距离,预测所述目标车辆所在车道;
根据所述目标车辆所在车道,及,所述相对横向距离的大小,及,所述相对横向距离的变化率,预测所述目标车辆的换道意图;
根据当前车辆的运行信息和目标车辆的运行信息,预测所述目标车辆与当前车辆是否存在碰撞风险。
4.根据权利要求3所述的方法,其特征在于,所述根据所述相对横向距离,预测所述目标车辆所在车道,包括:
若当前车辆所在车道为自车车道,以当前车辆的行驶方向为视角基准,将自车车道左侧临近车道定义为外侧临近车道,将自车车道右侧临近车道定义为内侧临近车道;
若相对横向距离在自车车道中心线的左右两侧二分之一车道宽度范围内,判定所述目标车辆在自车车道上;和/或,
若相对横向距离在自车车道中心线的左侧二分之一车道宽度及左侧二分之三车道宽度范围内,判定所述目标车辆在外侧临近车道上;和/或,
若相对横向距离在自车车道中心线的右侧二分之一车道宽度及右侧二分之三车道宽度范围内,判定所述目标车辆在内侧临近车道上。
5.根据权利要求3所述的方法,其特征在于,所述根据所述目标车辆所在车道,及,所述相对横向距离的大小,及,所述相对横向距离的变化率,预测所述目标车辆的换道意图,包括:
若所述目标车辆在自车车道上,且,相对横向距离的大小显示靠近自车车道的左侧分界线,且,相对横向距离的变化率为正,判定所述目标车辆有向外侧临近车道行驶的换道意图;和/或,
若所述目标车辆在自车车道上,且,相对横向距离的大小显示靠近自车车道的右侧分界线,且,相对横向距离的变化率为负,判定所述目标车辆有向内侧临近车道行驶的换道意图;和/或,
若所述目标车辆在外侧临近车道上,且,相对横向距离的大小显示靠近自车车道的左侧分界线,且,相对横向距离的变化率为负,判定所述目标车辆有向自车车道行驶的换道意图;和/或,
若所述目标车辆在内侧临近车道上,且,相对横向距离的大小显示靠近自车车道的右侧分界线,且,相对横向距离的变化率为正,判定所述目标车辆有向自车车道行驶的换道意图。
6.根据权利要求3所述的方法,其特征在于,所述根据当前车辆的运行信息和目标车辆的运行信息,预测所述目标车辆与当前车辆是否存在碰撞风险,包括:
预测当前车辆和目标车辆皆以当前车速行驶,发生碰撞所用时长:
若发生碰撞所用时长小于阈值,则判定所述目标车辆与当前车辆存在碰撞风险,否则,判定所述目标车辆是与当前车辆不存在碰撞风险。
7.根据权利要求6所述的方法,其特征在于,所述从所有目标车辆中筛选出主目标,包括:
若当前车辆所在车道为自车车道,将与自车车道相邻的内侧临近车道和外侧临近车道皆定义为临近车道;
若临近车道上不存在目标车辆,将自车车道上与当前车辆相对纵向距离最近的目标车辆筛选为主目标;
若临近车道上存在目标车辆,且不存在换道意图,将自车车道上与当前车辆相对纵向距离最近的目标车辆筛选为主目标;
若临近车道上存在目标车辆,且存在换道意图,且与当前车辆存在碰撞风险,将临近车道上与当前车辆相对纵向距离最近的目标车辆筛选为主目标;
若临近车道上存在目标车辆,且存在换道意图,但与当前车辆不存在碰撞风险,将临近车道上与当前车辆相对纵向距离最近的第一目标车辆,及,自车车道上与当前车辆相对纵向距离最近的第二目标车辆融合为主目标。
8.根据权利要求7所述的方法,其特征在于,所述将临近车道上与当前车辆相对纵向距离最近的第一目标车辆,及,自车车道上与当前车辆相对纵向距离最近的第二目标车辆融合为主目标,包括:
根据预设融合系数,将第一目标车辆与当前车辆的相对纵向距离,与,第二目标车辆与当前车辆的相对纵向距离,加权求和,得到融合后的主目标与当前车辆的相对纵向距离;
所述融合系数,根据第一目标车辆与当前车辆的相对横向距离,与,第二目标车辆与当前车辆的相对横向距离确定。
9.一种自适应巡航***的轨迹规划方法,其特征在于,包括:
权利要求1~8任一项所述的自适应巡航***的主目标筛选方法;
还包括:
获取主目标的运动信息及用户设定的巡航参数;
根据所述运动信息及巡航参数,确定当前车辆的安全行驶距离;
根据所述安全行驶距离,判断当前车辆的工作模式;
构建不同工作模式下的纵向轨迹函数,并根据不同工作模式下的约束条件及优化目标,求解所述纵向轨迹函数的系数,得到最优纵向轨迹;
判断所述最优纵向轨迹是否满足车辆运动极限约束条件,将满足车辆运动极限约束条件的最优纵向轨迹作为当前车辆纵向轨迹规划结果。
10.根据权利要求9所述的方法,其特征在于,所述根据所述运动信息及巡航参数,确定当前车辆的安全行驶距离,包括:
根据所述运动信息及巡航参数,确定当前车辆的目标跟车距离;
根据所述目标跟车距离、主目标的运动信息及巡航参数,确定当前车辆的安全行驶距离。
11.根据权利要求10所述的方法,其特征在于,
所述主目标的运动信息,至少包括:主目标车速;
所述巡航参数,至少包括:最小停车距离、时距系数;
所述根据所述运动信息及巡航参数,确定当前车辆的目标跟车距离,具体为:
将主目标车速与时距系数的乘积,与所述最小停车距离之和,确定为当前车辆的目标跟车距离。
12.根据权利要求11所述的方法,其特征在于,
所述主目标的运动信息,至少还包括:主目标加速度、当前车辆与主目标的相对纵向距离;所述巡航参数,至少还包括:巡航距离阈值、巡航车速阈值、巡航加速度阈值;
所述根据所述目标跟车距离、主目标的运动信息及巡航参数,确定当前车辆的安全行驶距离,包括:
若当前车辆与主目标的相对纵向距离大于所述巡航距离阈值,或者,主目标车速大于等于所述巡航车速阈值,判定前方没有车辆或者主目标车速过快,将所述巡航距离阈值确定为当前车辆的安全行驶距离;
若当前车辆与主目标的相对纵向距离大于等于所述目标跟车距离,小于等于所述巡航距离阈值,且,主目标车速小于所述巡航车速阈值,且,主目标加速度大于等于所述巡航加速度阈值,判定主目标为可以跟踪的目标车辆,将当前车辆与主目标的相对纵向距离,与所述目标跟车距离的差值确定为当前车辆的安全行驶距离;
若当前车辆与主目标的相对纵向距离小于所述目标跟车距离,且,主目标车速小于所述巡航车速阈值,判定主目标为前方近处出现的新目标,确定当前车辆的安全行驶距离为零;
若主目标加速度小于所述巡航加速度阈值,且,主目标车速小于所述巡航车速阈值,判定主目标急减速,确定当前车辆的安全行驶距离为零。
13.根据权利要求9所述的方法,其特征在于,所述根据所述安全行驶距离,判断当前车辆的工作模式,包括:
若将所述巡航距离阈值确定为当前车辆的安全行驶距离,确定当前车辆的工作模式为定速巡航模式;
若将当前车辆与主目标的相对纵向距离,与所述目标跟车距离的差值确定为当前车辆的安全行驶距离,确定当前车辆的工作模式为巡航跟车模式;
若当前车辆的安全行驶距离为零,确定当前车辆的工作模式为制动停车模式。
14.根据权利要求9所述的方法,其特征在于,所述构建不同工作模式下的纵向轨迹函数,具体为:
确定不同工作模式下,当前车辆纵向行驶的约束条件;
根据所述约束条件的数量,确定当前车辆纵向轨迹的函数表达式。
15.根据权利要求14所述的方法,其特征在于,所述求解所述纵向轨迹函数的系数,得到最优纵向轨迹,包括:
根据所述约束条件及函数表达式,建立所述函数表达式的系数求解方程;
确定当前车辆纵向行驶的优化目标;
根据所述优化目标,设定所述系数求解方程的损失函数;
根据所述损失函数,求解所述纵向轨迹函数的系数,得到最优纵向轨迹。
16.一种自适应巡航***的主目标筛选***,其特征在于,包括:
确定模块,用于将当前时刻,行驶在当前车辆前方的所有车辆确定为目标车辆;
计算模块,用于对任一目标车辆,根据该目标车辆的位置,预测当前车辆的行驶轨迹,并根据当前车辆的行驶轨迹,计算当前车辆与该目标车辆的相对距离;
预测模块,用于根据当前车辆的运行信息、目标车辆的运行信息,及所述相对距离及相对距离的变化率,预测该目标车辆的行车动态;
筛选模块,用于根据所有目标车辆的行车动态,从所有目标车辆中筛选出主目标;
所述目标车辆的行车动态至少包括:目标车辆所在车道、目标车辆换道意图,目标车辆与当前车辆是否存在碰撞风险。
17.一种自适应巡航***的轨迹规划***,其特征在于,包括:
权利要求16所述的主目标筛选***,还包括:
获取模块,用于获取主目标的运动信息及用户设定的巡航参数;
确定模块,用于根据所述运动信息及巡航参数,确定当前车辆的安全行驶距离;
判断模块,用于根据所述安全行驶距离,判断当前车辆的工作模式;
求解模块,用于构建不同工作模式下的纵向轨迹函数,并根据不同工作模式下的约束条件及优化目标,求解所述纵向轨迹函数的系数,得到最优纵向轨迹;
所述判断模块,还用于判断最优纵向轨迹是否满足车辆运动极限约束条件,将满足车辆运动极限约束条件的最优纵向轨迹作为当前车辆纵向轨迹规划结果。
18.一种电子设备,其特征在于,包括:
处理器和存储器,其中,所述存储器中存储有程序指令;
所述处理器用于执行存储器中存储的程序指令,执行如权利要求1~8任一项所述的自适应巡航***的主目标筛选方法;和/或,执行权利要求9~15任一项所述的自适应巡航***的轨迹规划方法。
19.一种计算机可读存储介质,其特征在于,
其上存储有可擦写的计算机程序;
当所述计算机程序在计算机设备上运行时,使得所述计算机设备执行如权利要求1~8任一项所述的自适应巡航***的主目标筛选方法;和/或,执行权利要求9~15任一项所述的自适应巡航***的轨迹规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111338108.8A CN113978462B (zh) | 2021-11-12 | 2021-11-12 | 自适应巡航***的主目标筛选方法、轨迹规划方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111338108.8A CN113978462B (zh) | 2021-11-12 | 2021-11-12 | 自适应巡航***的主目标筛选方法、轨迹规划方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113978462A true CN113978462A (zh) | 2022-01-28 |
CN113978462B CN113978462B (zh) | 2024-07-02 |
Family
ID=79748147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111338108.8A Active CN113978462B (zh) | 2021-11-12 | 2021-11-12 | 自适应巡航***的主目标筛选方法、轨迹规划方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113978462B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115571117A (zh) * | 2022-11-21 | 2023-01-06 | 安徽蔚来智驾科技有限公司 | 车辆纵向控制方法、计算机设备、存储介质及车辆 |
CN115973162A (zh) * | 2023-02-14 | 2023-04-18 | 吉咖智能机器人有限公司 | 用于确定车辆行驶轨迹的方法、装置、电子设备和介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106114511A (zh) * | 2016-07-21 | 2016-11-16 | 辽宁工业大学 | 一种汽车巡航***关键目标识别方法 |
CN109733398A (zh) * | 2018-12-05 | 2019-05-10 | 南京航空航天大学 | 具有稳定性主动控制的自适应巡航***及控制方法 |
CN110015297A (zh) * | 2019-04-02 | 2019-07-16 | 北京海纳川汽车部件股份有限公司 | 自适应巡航控制方法、装置及自动驾驶车辆 |
CN110758391A (zh) * | 2019-10-17 | 2020-02-07 | 中通客车控股股份有限公司 | 一种客车用自适应巡航acc***控制方法 |
US20200324765A1 (en) * | 2017-11-10 | 2020-10-15 | C.R.F. Societa' Consortile Per Azioni | Adjusting the longitudinal motion control of a host motor vehicle based on the estimation of the travel trajectory of a leading motor vehicle |
CN111959505A (zh) * | 2020-06-29 | 2020-11-20 | 北京百度网讯科技有限公司 | 车辆巡航控制方法、装置、电子设备和存储介质 |
CN112009473A (zh) * | 2020-10-16 | 2020-12-01 | 福瑞泰克智能***有限公司 | 一种自适应巡航目标选择的方法、装置和计算机设备 |
-
2021
- 2021-11-12 CN CN202111338108.8A patent/CN113978462B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106114511A (zh) * | 2016-07-21 | 2016-11-16 | 辽宁工业大学 | 一种汽车巡航***关键目标识别方法 |
US20200324765A1 (en) * | 2017-11-10 | 2020-10-15 | C.R.F. Societa' Consortile Per Azioni | Adjusting the longitudinal motion control of a host motor vehicle based on the estimation of the travel trajectory of a leading motor vehicle |
CN109733398A (zh) * | 2018-12-05 | 2019-05-10 | 南京航空航天大学 | 具有稳定性主动控制的自适应巡航***及控制方法 |
CN110015297A (zh) * | 2019-04-02 | 2019-07-16 | 北京海纳川汽车部件股份有限公司 | 自适应巡航控制方法、装置及自动驾驶车辆 |
CN110758391A (zh) * | 2019-10-17 | 2020-02-07 | 中通客车控股股份有限公司 | 一种客车用自适应巡航acc***控制方法 |
CN111959505A (zh) * | 2020-06-29 | 2020-11-20 | 北京百度网讯科技有限公司 | 车辆巡航控制方法、装置、电子设备和存储介质 |
CN112009473A (zh) * | 2020-10-16 | 2020-12-01 | 福瑞泰克智能***有限公司 | 一种自适应巡航目标选择的方法、装置和计算机设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115571117A (zh) * | 2022-11-21 | 2023-01-06 | 安徽蔚来智驾科技有限公司 | 车辆纵向控制方法、计算机设备、存储介质及车辆 |
CN115973162A (zh) * | 2023-02-14 | 2023-04-18 | 吉咖智能机器人有限公司 | 用于确定车辆行驶轨迹的方法、装置、电子设备和介质 |
CN115973162B (zh) * | 2023-02-14 | 2024-05-31 | 吉咖智能机器人有限公司 | 用于确定车辆行驶轨迹的方法、装置、电子设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113978462B (zh) | 2024-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113386795B (zh) | 一种自动驾驶车辆智能决策及局部轨迹规划方法及其决策*** | |
JP7069518B2 (ja) | 車両制御装置 | |
US11719549B2 (en) | Vehicle control apparatus | |
EP3410418B1 (en) | Vehicle travel control method and vehicle travel control device | |
JP6617126B2 (ja) | 走行制御システムおよび車両の制御方法 | |
US8170739B2 (en) | Path generation algorithm for automated lane centering and lane changing control system | |
EP3715204A1 (en) | Vehicle control device | |
CN110562222B (zh) | 用于弯道场景的紧急制动控制方法、车载设备和存储介质 | |
CN111469847B (zh) | 一种变道路径规划的方法及*** | |
CN112440984A (zh) | 车辆控制*** | |
AU2019377392B2 (en) | Systems for implementing fallback behaviors for autonomous vehicles | |
CN113978462B (zh) | 自适应巡航***的主目标筛选方法、轨迹规划方法及*** | |
EP3528231B1 (en) | Vehicle travel control method and vehicle travel control device | |
CN114291116B (zh) | 周围车辆轨迹预测方法、装置、车辆及存储介质 | |
CN116872921A (zh) | 一种车辆规避风险方法、***、车辆及存储介质 | |
US20240025449A1 (en) | Systems and methods for multiple algorithm selection | |
CN117116072A (zh) | 一种高速公路协同决策安全行车方法及*** | |
Aoki et al. | Multicruise: eco-lane selection strategy with eco-cruise control for connected and automated vehicles | |
TWI620677B (zh) | 車輛切換車道之自動控制方法 | |
CN117279814A (zh) | 车辆转弯期间的反向转向惩罚 | |
CN117141489B (zh) | 一种基于最小作用量原理的智能车辆轨迹分层规划方法 | |
Weisswange et al. | Intelligent traffic flow assist: Optimized highway driving using conditional behavior prediction | |
CN113561992A (zh) | 自动驾驶车辆轨迹生成方法、装置、终端设备及介质 | |
JP7397408B2 (ja) | 車両制御装置 | |
JP2021160659A (ja) | 車両制御装置 |
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 |