CN113978548A - 应用于无人车的转向协同控制方法、装置、设备及介质 - Google Patents
应用于无人车的转向协同控制方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113978548A CN113978548A CN202111342594.0A CN202111342594A CN113978548A CN 113978548 A CN113978548 A CN 113978548A CN 202111342594 A CN202111342594 A CN 202111342594A CN 113978548 A CN113978548 A CN 113978548A
- Authority
- CN
- China
- Prior art keywords
- unmanned vehicle
- steering
- control
- state
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 239000011159 matrix material Substances 0.000 claims abstract description 30
- 238000013507 mapping Methods 0.000 claims description 30
- 230000006870 function Effects 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 26
- 238000004364 calculation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006399 behavior Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000011217 control strategy Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 230000003137 locomotive effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D6/00—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits
- B62D6/002—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits computing target steering angles for front or rear wheels
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明实施例公开了一种应用于无人车的转向协同控制方法、装置、设备及介质,该方法包括:获取无人车的当前转向角信息以及所述无人车的人机控制状态;根据当前转向角信息和所述人机控制状态,确定与所述无人车相对应的目标控制增益系数;根据所述目标控制增益系数和预先设置的状态反馈矩阵,确定所述无人车的协同控制参数,以基于所述协同控制参数控制所述无人车。本发明实施例的技术方案,实现了自动驾驶***对无人车转向行为的控制,降低了人机决策的分歧,提高了共驾***中人机的协调性。
Description
技术领域
本发明实施例涉及计算机技术领域,尤其涉及一种应用于无人车的转向协同控制方法、装置、设备及介质。
背景技术
目前,无人车中可以设置共驾***,在共驾***中又包括人机两套决策。基于此,利用现有的共驾***,一方面,驾驶员可以对无人车进行自主操控,另一方面,自动驾驶***可以基于特定的信息对无人车行驶状态进行判断,并对无人车下发控制命令,从而实现自动驾驶或辅助驾驶的功能。
发明人在基于上述方式实施本技术方案时,发现存在如下问题:
当共驾***中存在人机两套决策时,有可能出现决策分歧。例如,在驾驶员操控无人车的过程中,驾驶员的实时意图为自动驾驶***预测驾驶员行为、评估无人车行驶风险以及理解复杂驾驶场景提供了重要信息,如果自动驾驶***误判或忽略驾驶员真实意图,则会导致严重的人机冲突,这不仅会降低驾驶员的驾驶体验以及对自动驾驶***的信赖度,更会降低无人车轨迹跟踪精度、威胁无人车的行驶安全。
因此,在现有的共驾***中,针对人机决策分歧的问题缺乏有效的解决方法和途径。
发明内容
本发明提供一种应用于无人车的转向协同控制方法、装置、设备及介质,实现了自动驾驶***对无人车转向行为的控制,降低了人机决策的分歧,提高了共驾***中人机的协调性。
第一方面,本发明实施例提供了一种应用于无人车的转向协同控制方法,该方法包括:
获取无人车的当前转向角信息以及所述无人车的人机控制状态;
根据当前转向角信息和所述人机控制状态,确定与所述无人车相对应的目标控制增益系数;其中,所述目标控制增益系数用于控制无人车横向行驶和纵向行驶;
根据所述目标控制增益系数和预先设置的状态反馈矩阵,确定所述无人车的协同控制参数,以基于所述协同控制参数控制所述无人车。
第二方面,本发明实施例还提供了一种应用于无人车的转向协同控制装置,该装置包括:
信息获取模块,用于获取无人车的当前转向角信息以及所述无人车的人机控制状态;
增益系数确定模块,用于根据当前转向角信息和所述人机控制状态,确定与所述无人车相对应的目标控制增益系数;其中,所述目标控制增益系数用于控制无人车横向行驶和纵向行驶;
协同控制模块,用于根据所述目标控制增益系数和预先设置的状态反馈矩阵,确定所述无人车的协同控制参数,以基于所述协同控制参数控制所述无人车。
第三方面,本发明实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例任一所述的应用于无人车的转向协同控制方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例任一所述的应用于无人车的转向协同控制方法。
本发明实施例的技术方案,先获取无人车当前转向角信息以及无人车的人机控制状态,再根据当前转向角信息和人机控制状态,确定无人车相对应的目标控制增益系数,以将上述参数进行量化,根据目标控制增益系数和预先设置的状态反馈矩阵,确定无人车的协同控制参数,以基于协同控制参数控制无人车,实现了自动驾驶***对无人车转向行为的控制,在主导无人车行驶或辅助驾驶员驾驶的同时,还降低了人机决策的分歧,提高了共驾***中人机的协调性。
附图说明
为了更加清楚地说明本发明示例性实施例的技术方案,下面对描述实施例中所需要用到的附图做一简单介绍。显然,所介绍的附图只是本发明所要描述的一部分实施例的附图,而不是全部的附图,对于本领域普通技术人员,在不付出创造性劳动的前提下,还可以根据这些附图得到其他的附图。
图1为本发明实施例一所提供的一种应用于无人车的转向协同控制方法的流程示意图;
图2为本发明实施例二所提供的一种应用于无人车的转向协同控制方法的流程示意图;
图3为本发明实施例二所提供的时变参数工作点(tp,κ)与实测点(|Ph-Pm|,ρ)之间的映射关系图;
图4为本发明实施例二所提供的人机协同式车道保持平台方案原理图;
图5为本发明实施例三所提供的一种应用于无人车的转向协同控制装置的结构框图;
图6为本发明实施例四所提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明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发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一所提供的一种应用于无人车的转向协同控制方法的流程示意图,本实施例可适用于驾驶员和自动驾驶***在无人车中处于共驾模式的情况,该方法可以由应用于无人车的转向协同控制装置来执行,该装置可以通过软件和/或硬件的形式实现,该硬件可以是电子设备,如移动终端、PC端或服务器等。
如图1所示,该方法具体包括如下步骤:
S110、获取无人车的当前转向角信息以及无人车的人机控制状态。
其中,转向角信息是指无人车前轮向左或向右转到极限位置与前轮不发生偏转时中心线所形成的角度。在实际应用的过程中,转向角信息即可以由特定的传感器检测得到,也可以由其他参数经过计算变换得到,如,基于方向盘转速和时间信息确定出无人车某一时刻的转向角。在本实施例中,转向角作为一种参数,至少可以直观地反映无人车当前的转向状态以及转向程度。
在本实施例中,无人车可以是部署有自动驾驶***的无人车,可以理解,在自动驾驶功能的辅助下,在驾驶员和自动驾驶***处于共驾模式时,无人车至少可以处于三种状态。第一种状态为驾驶员完全主导下的行驶状态,在这种状态下,无人车完全受驾驶员控制;第二种状态为自动驾驶***完全主导下的行驶状态,在这种状态下,自动驾驶***可以基于网络通信、计算机以及自动控制技术对无人车实现实时、连续的控制;第三种状态为驾驶员主导、自动驾驶***辅助的行驶状态,即共驾模式,在这种状态下,驾驶员可以自主操控无人车,同时,自动驾驶***会对驾驶员的行为表征参数进行采集和提取,进而向无人车下达特定的控制指令来辅助驾驶员操控无人车。
进一步的,驾驶员和自动驾驶***在对应的模式下都可以独立地对无人车下发控制指令,因此,当无人车处于共驾模式时,还对应有多种人机控制状态。具体的,人机控制状态可以有三种,第一种为人机合作状态,即驾驶员操控无人车时所产生的力矩与自动驾驶***辅助操控无人车时所产生的力矩的方向一致,在人机合作状态下,驾驶员能够在出力较小的情况下得到更加优良的无人车操控性;第二种为驾驶员主导的人机冲突状态,在这种状态下,无人车主要受驾驶员控制,驾驶员操控无人车时所产生的力矩与自动驾驶***辅助操控无人车时所产生的力矩的方向相反;第三种为自动驾驶***主导的人机冲突状态,在这种状态下,无人车主要受自动驾驶***控制,驾驶员操控无人车时所产生的力矩与自动驾驶***辅助操控无人车时所产生的力矩的方向相反。
在实际应用过程中,可以基于特定的参数来获取人机控制状态,例如,采集驾驶员施加给无人车的转向力矩,以及自动驾驶***施加给无人车的转向力矩,再将转向力矩进行特定的计算变化来确定出人机控制状态。
S120、根据当前转向角信息和人机控制状态,确定与无人车相对应的目标控制增益系数。
需要说明的是,无人车在处于共驾模式时,自动驾驶***会对驾驶员以及当前环境信息进行采集,进而向无人车下发协同控制参数,可以理解,协同控制参数可以是多种使无人车产生特定动作从而辅助驾驶员驾驶的参数,如无人车在驾驶员的操控下转向时,协同控制参数可以是自动驾驶***向无人车下发的转向力矩的具体数值。
基于此,在本实施例中,目标控制增益系数则是用于调整自动驾驶***所输出的协同控制参数的系数,具体来说,目标控制增益系数作为一个控制参数放大或缩小的数值,至少用于控制无人车的横向行驶和纵向行驶。从横向行驶的角度来说,基于目标控制增益系数可以控制无人车的转向角信息,进而控制车辆转弯的角度;从纵向行驶的角度来说,基于目标控制增益系数可以对无人车的速度和加速度等信息进行控制。本领域技术人员应当理解,将目标控制增益系数引入自动驾驶***后,是否触发该系数对车辆横向行驶和纵向行驶的控制效果可以根据实际情况进行选择,本公开实施例在此不做具体的限定。
以无人车转向的过程为例,目标控制增益系数可以是转向控制增益惩罚系数κ。可以理解,当自动驾驶***在生成转向力矩的具体数值的过程中,基于转向控制增益惩罚系数κ,可以使所生成的转向力矩更符合驾驶员的意图,从而在驾驶员控制无人车转向时实现辅助驾驶的效果。
在本实施例中,目标控制增益系数可以基于前述过程中所获取的转向角信息和人机控制状态得到。具体的,基于驾驶员和自动驾驶***向无人车下发的转向角信息(包括方向盘转速和转向时间信息等),在无人车处于不同的人机控制状态时,都可以确定出与人机控制状态相对应的转向控制增益惩罚系数κ。
示例性的,当无人车处于人机合作状态时,基于人机合作状态下的信息以及无人车的当前转向角信息,可以确定出转向控制增益惩罚系数κ1,基于转向控制增益惩罚系数κ1,可以维持或微调自动驾驶***当前向无人车下发的转向力矩,而不会改变所下发的转向力矩的方向;当无人车处于驾驶员主导或自动驾驶***主导的人机冲突状态时,基于人机冲突状态下的信息以及无人车当前的转向角信息,可以确定出转向控制增益惩罚系数κ2,基于转向控制增益惩罚系数κ2,可以改变自动驾驶***当前对无人车施加的转向力矩的方向。需要说明的是,在不同人机合作状态下,无人车所确定出的转向控制增益惩罚系数κ1、κ2,可以是经过多次模拟实验后得到的经验性调节参数。
S130、根据目标控制增益系数和预先设置的状态反馈矩阵,确定无人车的协同控制参数,以基于协同控制参数控制无人车。
其中,为了使自动驾驶***准确得到协同控制参数,可以预先设置状态反馈矩阵。本领域技术人员应当理解,状态反馈是***的状态变量通过比例环节传送到输入端去反馈的方式,其对应的矩阵即是状态反馈矩阵,状态反馈矩阵至少能够全面地反映***的内部特性,至少用于改善自动驾驶***的性能,在无人车具体的转向过程中,可以用于调节自动驾驶***输出的协同控制参数。
在本实施例中,无人车的协同控制参数是基于目标增益系数和状态反馈矩阵得到的,进而实现对无人车的控制。继续以上述示例进行说明,在无人车转向的过程中,当无人车处于人机合作状态,并基于当前转向角信息和人机控制状态确定出转向控制增益惩罚系数κ1时,基于转向控制增益惩罚系数κ1,可以维持或微调自动驾驶***当前向无人车下发的转向力矩,从而使自动驾驶***对无人车施加的转向力矩的方向继续保持与驾驶员对无人车施加的转向力矩的方向相同,也即是说,在驾驶员操控无人车转向时,保持自动驾驶***对驾驶员意图的正确理解并实现辅助驾驶的效果;当无人车处于驾驶员主导或自动驾驶***主导的人机冲突状态,并基于当前转向角信息和人机控制状态确定出转向控制增益惩罚系数κ2时,基于转向控制增益惩罚系数κ2,可以改变自动驾驶***当前对无人车施加的转向力矩的方向,即,使其转向力矩的方向与驾驶员对无人车施加的转向力矩的方向相同,进而缓解人机冲突的情况。
本实施例的技术方案,先获取无人车当前转向角信息以及无人车的人机控制状态,再根据当前转向角信息和人机控制状态,确定无人车相对应的目标控制增益系数,以将上述参数进行量化,根据目标控制增益系数和预先设置的状态反馈矩阵,确定无人车的协同控制参数,以基于协同控制参数控制无人车,实现了自动驾驶***对无人车转向行为的控制,在主导无人车行驶或辅助驾驶员驾驶的同时,还降低了人机决策的分歧,提高了共驾***中人机的协调性。
实施例二
图2为本发明实施例二所提供的一种应用于无人车的转向协同控制方法的流程示意图,在前述实施例的基础上,预先定义无人车运动模式,便于对转向控制增益惩罚系数κ的调节机制做进一步优化;引入人机转向功率并采用对应的量化方法可以在人机冲突发生时更及时地对人机控制权进行调节;通过预设映射关系确定出无人车的差异化状态,提高了自动驾驶***决策过程中的灵活性和适应性,进一步的,对待处理控制增益系数进行抗混滤波处理,实现对人机控制权的柔性调度,避免了转向控制增益惩罚系数κ的跳变而导致的导转向辅助力矩不平滑的问题;基于所获取的协同控制参数,对无人车的行驶速度、角速度以及预设时长内的理论转向角进行调整,保证了人机决策的一致性。其具体的实施方式可以参见本实施例技术方案。其中,与上述实施例相同或者相应的技术术语在此不再赘述。
如图2所示,该方法具体包括如下步骤:
S210、基于预先设置的转向角采集传感器采集无人车的当前转向角信息;基于预先设置的控制状态传感器采集无人车的人机控制状态。
在本实施例中,为了获取无人车的转向角信息,可以在无人车上预先设置转向角采集器。其中,转向角采集传感器是指一种对无人车方向盘或前轮进行定位,从而确定出无人车中特定轴的角位置的设备,包括线圈组、线圈支座和耦合器元件等。可以理解,当转向角采集传感器确定出无人车的当前转向角信息后,可以将其发送至车机***或自动驾驶***,以使上述***基于该参数执行后续的处理过程。
在实际应用过程中,当转向角信息是由方向盘转速以及时间信息计算得到时,转向角采集传感器还可以是采集方向盘转速的传感器,传感器获取到方向盘转速并将其传递至车机***或自动驾驶***后,经过处理可以得到对应的导数形式的转向角信息本领域技术人员应当理解,即是转向角信息的微分形式,同时,具体的转向角采集传感器的部署安装方式应根据实际情况进行选择,本公开实施例在此不再赘述。
需要说明的是,在转向角采集传感器获取到无人车的当前转向角信息时,还可以确定出无人车当前的运动模式。在实际应用过程中,运动模式可以预先定义两种,并以MT来表示,具体的,通过公式可以理解,当MT大于0处于转向模式时,表明转弯过程中的无人车的方向还未到达目标方向,当MT小于0处于回正模式时,表明转弯过程中的无人车的方向已经接近或达到目标方向。
预先定义无人车运动模式,便于对本公开实施例所提供技术方案中的转向控制增益惩罚系数κ的调节机制做进一步优化。
在本实施例中,控制状态传感器可以是采集无人车人机控制状态相关信息的传感器,本领域技术人员应当理解,传感器在采集相关信息后至少可以对其进行判定,从而确定无人车在当前时刻处于人机合作状态、驾驶员主导的人机冲突状态以及自动驾驶***主导的人机冲突状态中的哪一种。
S220、根据人机控制状态和当前转向角信息,确定无人车的待处理控制增益系数。
在本实施例中,当多种采集传感器采集获取无人车在当前时刻的人机控制状态以及转向角信息后,可以直接得到一个对应的待处理控制增益系数,在后续数据处理的过程中,车机***或自动驾驶***可以基于特定算法(如转向控制增益惩罚系数调节机制)对待处理控制增益系数进行处理,从而得到目标待处理控制增益系数。
可选的,根据当前转向角信息以及预设时间窗口,确定与人机***相对应的转向参数;根据转向参数中的目标人员转向功率或自动驾驶***转向功率,以及人机控制状态,确定待处理控制增益系数。
其中,转向参数包括目标人员转向功率和自动驾驶***转向功率。转向功率是指驾驶员或自动驾驶***在控制无人车转向的过程中,通过转向力矩所施加给无人车的功率,具体来说,目标人员的转向功率可以以Ph来表示,自动驾驶***转向功率可以以Pm来表示。
在本实施例中,在转向角采集传感器获取到无人车的当前转向角信息后,结合预设的时间窗口即可确定出目标人员转向功率和自动驾驶***转向功率。具体的,预先定义时间窗参数Tw,在该段时间内,可以通过计算分别得到驾驶员和自动驾驶***施加给无人车的横摆伪功(pseudo yaw energy,PYE),横摆伪功即是人机双方转向力矩与无人车侧向运动的乘积,至少可以反映驾驶员和自动驾驶***对无人车侧向运动的贡献程度,且定量描述了人机冲突程度和两者对无人车的主导权重。计算过程中所采用的公式分别为以及进一步的,确定出驾驶员和自动驾驶***对应的横摆伪功后,取其与时间信息的比值即可得到目标人员转向功率Ph和自动驾驶***转向功率Pm。
在实际应用过程中,当所获取的转向角信息是基于方向盘转速得到的时,目标人员转向功率Ph和自动驾驶***转向功率Pm还可以直接基于人机施加给无人车的转向力矩以及方向盘转速的乘积得到。与驾驶员对应的目标人员转向功率计算公式可以是与自动驾驶***对应的自动驾驶***转向功率计算公式可以是
由于应用人机转向功率(Steering Power)判断人机冲突的滞后时间小于驾驶员转矩到整车侧向运动响应,因此,在实际应用过程中,采用人机转向功率来描述人机冲突程度的大小,在反映人机双方对无人车控制主导权重的同时,这种量化的方法可以在人机冲突发生时更及时地对人机控制权进行调节。
可选的,根据预先建立的映射关系,确定与转向参数和人机控制状态相对应的目标函数,并基于目标函数确定待处理控制增益系数。
其中,映射关系中包括不同转向参数和人机控制状态所对应的确定控制增益系数的函数,在实际应用过程中,为上述参数预先建立映射关系的过程,也就是为自动驾驶***转向控制增益设置调节机制的过程。下面对预先建立的、用于确定目标函数的映射关系做详细说明。
(1)先定义转向力矩的正方向,当人机转向力矩方向相同,即τha与τm都大于0或都小于0时,可以定义无人车人机合作状态处于状态A;
(3)在上述基础上,对于大于0的情况,当驾驶员施加给无人车的转向力矩τha大于0,而自动驾驶***施加给无人车的转向力矩τm小于0时,可以定义无人车人机合作状态处于状态B;当驾驶员施加给无人车的转向力矩τha小于0,而自动驾驶***施加给无人车的转向力矩τm大于0时,可以定义无人车人机合作状态处于状态C。
(4)在上述基础上,对于小于0的情况,当驾驶员施加给无人车的转向力矩τha小于0,而自动驾驶***施加给无人车的转向力矩τm大于0时,可以定义无人车人机合作状态处于状态B;当驾驶员施加给无人车的转向力矩τha大于0,而自动驾驶***施加给无人车的转向力矩τm小于0时,可以定义无人车人机合作状态处于状态C。
进一步的,在预先构建的映射关系中,状态A、状态B、状态C所代表的内容存在差异,各个状态所对应的确定控制增益系数的函数也不相同,因此,当判定无人车处于不同的状态时,可以通过映射关系选择与当前状态对应的函数,进而将采集传感器采集的信息作为输入,基于函数计算得到对应的待处理控制增益系数。
具体来说,当人机合作状态处于状态A时,表明无人车处于人机合作状态,人机转向力矩方向一致,转向控制增益惩罚系数κ保持在最小值以充分发挥自动驾驶***的辅助作用,在这种状态下,κ=κ1;当人机合作状态处于状态B时,表明无人车处于驾驶员主导的人机冲突状态,人机转向力矩方向相反(以驾驶员转向功率为正),转向控制增益惩罚系数κ将增大以降低对驾驶员转向控制的干涉,在这种状态下,κ=κ(Pm)。
由于已经为无人车的转向***预先定义了转向模式和回正模式两种情况,因此,当人机合作状态处于状态C时,针对不同模式,κ的取值也不相同。当人机合作状态处于状态C时,表明人机转向力矩相反(以自动驾驶***转向功率为正)。进一步的,当无人车的转向***处于转向模式时,***控制权将保持不变以实现自动驾驶***主导的引导转向,在这种状态下,κ=κ1;当无人车的转向***处于回正模式时,转向控制增益惩罚系数κ将增大以降低方向盘回正过程中的人机冲突,避免回正超调的情况发生。
需要说明的是,在本公开实施例中,转向控制增益惩罚律以双曲正切激活函数来定义,函数的自变量即为目标人员转向功率Ph和自动驾驶***转向功率Pm。具体的函数公式可以为:
S230、通过对待处理控制增益系数进行抗混滤波处理,得到与目标控制增益系数。
在本实施例中,为了实现对控制权的柔性调度,避免基于转向功率的转向控制增益惩罚系数κ的跳变导致自动驾驶***提供的转向辅助力矩不平滑的问题,作为待处理控制增益系数的转向控制增益惩罚系数κ还需要通过一个4阶巴特沃斯(Butterworth)抗混滤波器输出,其截止频率为ωc=120rad/s,参数f1=2.6131,f2=3.4142,f3=2.6131,具体的计算公式为 可以理解,经过抗混滤波处理的转向控制增益惩罚系数κ,即是目标控制增益系数。
S240、根据获取到的曲率和预先建立的映射关系,确定预瞄时长;根据预瞄时长、目标控制增益系数以及状态反馈矩阵,确定无人车的协同控制参数,以基于协同控制参数控制无人车。
在本实施例中,还可以预先建立道路曲率ρ和预瞄时长tp的映射关系,具体来说,该映射关系可以通过图3中第四象限中道路曲率ρ与预瞄时间tp的映射关系曲线来表示。在此基础上,利用传感器采集道路曲率半径后,取其倒数以确定出当前道路对应的曲率,再基于所建立的映射关系即可得到预瞄时长。
其中,曲率半径与曲率呈倒数关系,曲率即是针对曲线上某个点的切线方向角对弧长的转动率。预瞄时长即是无人车预瞄过程所对应的时长,可以理解为,预瞄时长用于表征获取到曲率所使用的时长,其具体数值与所确定的道路曲率相对应,当确定的道路曲率发生变化时,与道路曲率相对应的预瞄时间也会产生适应性的改变。
在本实施例中,附图3第四象限中的图像即表示预瞄时间与道路曲率之间的映射关系,基于图像可以确定,当道路曲率处于一定范围内时,可以得到一个最小的预瞄时长,也即是说,当道路曲率为该范围内的特定值时,自动驾驶***确定该特定值所需的时间最短。
本领域技术人员应当理解,无人车的预瞄机制即是无人车在行驶过程中,自动驾驶***依靠特定的装置向前探测,以此来模仿驾驶员真实驾驶的效果,其实现方法主要是通过LQR算法中的状态矩阵,即,计算无人车当前位置与预瞄点的误差,以此下达控制指令使无人车提前做出动作。
进一步的,基于采集的曲率半径和映射关系确定出预瞄时长后,根据预瞄时长、目标控制增益系数以及状态反馈矩阵,即可确定无人车的协同控制参数。在实际应用中,为了实现上述过程,可以为无人车部署线性变参数的鲁棒控制策略。
在本实施例中,自动驾驶***基于作为时变参数的预瞄时长tp和转向控制增益惩罚系数κ,可以模拟驾驶员的转向行为,同时通过控制权的动态调度避免持续的人机转向力矩冲突。为了确保***在全参数控件内的鲁棒稳定性,本公开实施例采用一种线性时变参数的状态反馈矩阵F(tp,κ)来设计自动驾驶***转向控制律,即,基于状态反馈矩阵F(tp,κ)为无人车部署线性变参数的鲁棒控制策略,以此得到具体的协同控制参数和
在本实施例中,映射关系中还包括基于实际采集的道路曲率、目标人员转向功率、自动驾驶***转向功率以及预瞄时间之间的映射关系图。继续参见图3可知,除了代表道路曲率ρ与预瞄时间tp的映射关系的第四象限外,第一象限为人-车-路动力学***的时变参数空间MNOP,可以理解,从该时变参数空间内确定出任意一个点时,即可得到该点相对应的预瞄时长以及转向控制增益系数;第二象限代表人机转向功率差|Ph-Pm|与转向控制增益系数κ的映射关系,通过图像可以确定,当人机转向功率差在一定范围内逐渐增大时,所对应的转向控制增益系数也会不断增大,进而使自动驾驶***增强对无人车横向行驶和纵向行驶的控制程度,只有在人机转向功率差超过预设阈值(如,与自动驾驶***所能输出转向力矩的临界点所对应的值)时,转向控制增益系数才会停止增大并趋于稳定;第三象限表示传感器可测的道路曲率ρ以及人机转向功率差|Ph-Pm|所在位点,可以理解,在确定道路曲率、人机转向功率差、人机转向功率差与转向控制增益系数间的映射关系、道路曲率与预瞄时间之间的映射关系后,基于一定范围内的道路曲率和人机转向功率差确定出来的点,在人-车-路动力学***的时变参数空间中都可以确定出一个点与之相对应。
可选的,根据状态反馈矩阵,确定与协同控制***相对应的至少一个目标调整参数;根据至少一个目标调整参数对目标控制增益系数以及预瞄时长进行处理,得到无人车的协同控制参数。
式中,Acl(tp,κ)=A(tp)+B12(κ)F(tp,κ),Ccl(tp.κ)=C1+D12F(tp,κ)。D11、D12可以是预先设置的参数,同时,基于预瞄时间tp和转向控制增益惩罚系数κ,可以确定出A(tp)、B11(tp)、B12(κ)、F(tp,κ),进而通过计算得到Acl(tp,κ)和Ccl(tp.κ)。将计算得到的Acl(tp,κ)和Ccl(tp.κ)代入人机双闭环广义***∑(tp,κ)对应的公式中,即可得到具体的协同控制参数和
其中,协同控制参数中用于调整无人车的行驶速度、角速度以及预设时长内的理论转向角。本领域技术人员应当理解,基于无人车的人机双闭环广义***∑(tp,κ)得到具体的协同控制参数和后,自动驾驶***可以基于这些参数针对行驶速度、角速度以及预设时长内的理论转向角向无人车下发相对应的控制指令,使无人车中的相关部件产生对应的控制力矩,进而使无人车实现自动驾驶,或者,基于上述控制力矩辅助驾驶员操控无人车。
需要说明的是,为了确保闭环***的渐进稳定性,同时抑制转向阻力矩和道路曲率对***带来的干扰,在定常参数tp=tp0和κ=κ0的条件下,通过设计状态反馈矩阵使定常广义***∑(tp0,κ0)所有极点均具有负实部,且干扰至被控输出的幅频特性有上确界。
本实施例的技术方案可以应用于多种场景,例如,应用于人机协同式车道保持平台方案中,下面结合附图4对这一应用场景进行说明。
在人机协同式车道保持平台方案中,为了使驾驶员与无人车共同完成车道保持任务,可以采用NI-PXI作为车-路***仿真器,该仿真器中内嵌了CarSim实时仿真环境,同时,基于27自由度车辆动力学模型,可以对车辆环境信息进行仿真编辑。当在该平台中引入驾驶员后,驾驶员可以根据实时驾驶场景信息的视觉反馈及转向阻力矩模拟器的路感反馈产生转向力矩τh;当使用MicroAutoBox作为自动驾驶***的转向控制器时,基于CarSim反馈的车路状态信息及转向***测得的转角、驾驶员转向力矩等信息,一方面可以实时调节时变参数(tp,κ)的工作点位;另一方面,实时运行线性变参数的鲁棒控制策略计算目标转向力矩τm,通过自主开发的驱动板控制电机输出转向力矩。在基于目标控制增益系数对无人车横向驾驶和纵向驾驶进行控制的过程中,自动驾驶***可以基于输入不断确定协同控制参数,进而调整无人车的行驶速度、角速度以及预设时长内的理论转向角参数,进一步的,自动驾驶***可以基于输出向与自身相关联的执行器施加转向力矩。因此可以理解,在车道保持平台中,驾驶员与自动驾驶***可以同时将转向力矩施加在人机交互界面(即转向执行器)上,通过协同配合即可完成车道保持任务。
本实施例的技术方案,预先定义无人车运动模式,便于对转向控制增益惩罚系数κ的调节机制做进一步优化;引入人机转向功率并采用对应的量化方法可以在人机冲突发生时更及时地对人机控制权进行调节;通过预设映射关系确定出无人车的差异化状态,提高了自动驾驶***决策过程中的灵活性和适应性,进一步的,对待处理控制增益系数进行抗混滤波处理,实现对人机控制权的柔性调度,避免了转向控制增益惩罚系数κ的跳变而导致的导转向辅助力矩不平滑的问题;基于所获取的协同控制参数,对无人车的行驶速度、角速度以及预设时长内的理论转向角进行调整,保证了人机决策的一致性。
实施例三
图5为本发明实施例三所提供的一种应用于无人车的转向协同控制装置的结构框图,可执行本发明任意实施例所提供的应用于无人车的转向协同控制方法,具备执行方法相应的功能模块和有益效果。如图5所示,该装置具体包括:信息获取模块310、增益系数确定模块320、以及协同控制模块330。
信息获取模块310,用于获取无人车的当前转向角信息以及所述无人车的人机控制状。
增益系数确定模块320,用于根据当前转向角信息和所述人机控制状态,确定与所述无人车相对应的目标控制增益系数;其中,所述目标控制增益系数用于控制无人车横向行驶和纵向行驶。
协同控制模块330,用于根据所述目标控制增益系数和预先设置的状态反馈矩阵,确定所述无人车的协同控制参数,以基于所述协同控制参数控制所述无人车。
在上述各技术方案的基础上,信息获取模块310包括当前转向角信息采集单元以及人机控制状态采集单元。
当前转向角信息采集单元,用于基于预先设置的转向角采集传感器采集所述无人车的当前转向角信息。
人机控制状态采集单元,用于基于预先设置的控制状态传感器采集所述无人车的人机控制状态;其中,所述人机控制状态包括人机合作状态、驾驶员主导的人机冲突状态以及无人驾驶***主导的人机冲突状态中的至少一种。
在上述各技术方案的基础上,增益系数确定模块320包括待处理控制增益系数确定单元以及目标控制增益系数确定单元。
待处理控制增益系数确定单元,用于根据所述人机控制状态和所述当前转向角信息,确定所述无人车的待处理控制增益系数。
目标控制增益系数确定单元,用于通过对所述待处理控制增益系数进行抗混滤波处理,得到与所述目标控制增益系数。
可选的,待处理控制增益系数确定单元,还用于根据所述当前转向角信息以及预设时间窗口,确定与人机***相对应的转向参数;其中,所述转向参数包括目标人员转向功率或自动驾驶***转向功率;根据所述转向参数中的目标人员转向功率或自动驾驶***转向功率,以及所述人机控制状态,确定所述待处理控制增益系数。
可选的,待处理控制增益系数确定单元,还用于根据预先建立的映射关系,确定与所述转向参数和所述人机控制状态相对应的目标函数,并基于所述目标函数确定所述待处理控制增益系数;其中,所述映射关系中包括不同转向参数和人机控制状态所对应的确定控制增益系数的函数。
在上述各技术方案的基础上,协同控制模块330包括预瞄时长确定单元以及协同控制参数确定单元。
预瞄时长确定单元,用于根据获取到的曲率和预先建立的映射关系,确定预瞄时长;其中,预瞄时长用于表征获取到曲率所使用的的时长。
协同控制参数确定单元,用于根据所述预瞄时长、目标控制增益系数以及所述状态反馈矩阵,确定所述无人车的协同控制参数;其中,所述映射关系中还包括基于实际采集的道路曲率、目标人员转向功率、自动驾驶***转向功率以及预瞄时间之间的映射关系图。
可选的,协同控制参数确定单元,还用于根据所述状态反馈矩阵,确定与协同控制***相对应的至少一个目标调整参数;根据所述至少一个目标调整参数对所述目标控制增益系数以及所述预瞄时长进行处理,得到所述无人车的协同控制参数;其中,所述协同控制参数中用于调整所述无人车的行驶速度、角速度以及预设时长内的理论转向角。
本实施例所提供的技术方案,先获取无人车当前转向角信息以及无人车的人机控制状态,再根据当前转向角信息和人机控制状态,确定无人车相对应的目标控制增益系数,以将上述参数进行量化,根据目标控制增益系数和预先设置的状态反馈矩阵,确定无人车的协同控制参数,以基于协同控制参数控制无人车,实现了自动驾驶***对无人车转向行为的控制,在主导无人车行驶或辅助驾驶员驾驶的同时,还降低了人机决策的分歧,提高了共驾***中人机的协调性。
本发明实施例所提供的应用于无人车的转向协同控制装置可执行本发明任意实施例所提供的应用于无人车的转向协同控制方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明实施例的保护范围。
实施例四
图6为本发明实施例四所提供的一种电子设备的结构示意图。图6示出了适于用来实现本发明实施例实施方式的示例性电子设备40的框图。图6显示的电子设备40仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,电子设备40以通用计算设备的形式表现。电子设备40的组件可以包括但不限于:一个或者多个处理器或者处理单元401,***存储器402,连接不同***组件(包括***存储器402和处理单元401)的总线403。
总线403表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
电子设备40典型地包括多种计算机***可读介质。这些介质可以是任何能够被电子设备40访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
***存储器402可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)404和/或高速缓存存储器405。电子设备40可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***406可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线403相连。存储器402可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块407的程序/实用工具408,可以存储在例如存储器402中,这样的程序模块407包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块407通常执行本发明所描述的实施例中的功能和/或方法。
电子设备40也可以与一个或多个外部设备409(例如键盘、指向设备、显示器410等)通信,还可与一个或者多个使得用户能与该电子设备40交互的设备通信,和/或与使得该电子设备40能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口411进行。并且,电子设备40还可以通过网络适配器412与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器412通过总线403与电子设备40的其它模块通信。应当明白,尽管图6中未示出,可以结合电子设备40使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元401通过运行存储在***存储器402中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的应用于无人车的转向协同控制方法。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行应用于无人车的转向协同控制方法。
该方法包括:
获取无人车的当前转向角信息以及所述无人车的人机控制状态;
根据当前转向角信息和所述人机控制状态,确定与所述无人车相对应的目标控制增益系数;其中,所述目标控制增益系数用于控制无人车横向行驶和纵向行驶;
根据所述目标控制增益系数和预先设置的状态反馈矩阵,确定所述无人车的协同控制参数,以基于所述协同控制参数控制所述无人车。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——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。在本文件中,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。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的项目代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的项目代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机项目代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。项目代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明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发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种应用于无人车的转向协同控制方法,其特征在于,包括:
获取无人车的当前转向角信息以及所述无人车的人机控制状态;
根据当前转向角信息和所述人机控制状态,确定与所述无人车相对应的目标控制增益系数;其中,所述目标控制增益系数用于控制无人车横向行驶和纵向行驶;
根据所述目标控制增益系数和预先设置的状态反馈矩阵,确定所述无人车的协同控制参数,以基于所述协同控制参数控制所述无人车。
2.根据权利要求1所述的方法,其特征在于,所述获取无人车的当前转向角信息以及所述无人车的人机控制状态,包括:
基于预先设置的转向角采集传感器采集所述无人车的当前转向角信息;
基于预先设置的控制状态传感器采集所述无人车的人机控制状态;
其中,所述人机控制状态包括人机合作状态、驾驶员主导的人机冲突状态以及无人驾驶***主导的人机冲突状态中的至少一种。
3.根据权利要求1所述的方法,其特征在于,所述根据当前转向角信息和所述人机控制状态,确定与所述无人车相对应的目标控制增益系数,包括:
根据所述人机控制状态和所述当前转向角信息,确定所述无人车的待处理控制增益系数;
通过对所述待处理控制增益系数进行抗混滤波处理,得到所述目标控制增益系数。
4.根据权利要求3所述的方法,其特征在于,所述根据所述人机控制状态和所述当前转向角信息,确定所述无人车的待处理控制增益系数,包括:
根据所述当前转向角信息以及预设时间窗口,确定与人机***相对应的转向参数;其中,所述转向参数包括目标人员转向功率或自动驾驶***转向功率;
根据所述转向参数中的目标人员转向功率或自动驾驶***转向功率,以及所述人机控制状态,确定所述待处理控制增益系数。
5.根据权利要求4所述的方法,其特征在于,所述根据所述转向参数中的目标人员转向功率或自动驾驶***转向功率,以及所述人机控制状态,确定所述待处理控制增益系数,包括:
根据预先建立的映射关系,确定与所述转向参数和所述人机控制状态相对应的目标函数,并基于所述目标函数确定所述待处理控制增益系数;
其中,所述映射关系中包括不同转向参数和人机控制状态所对应的确定控制增益系数的函数。
6.根据权利要求1所述的方法,其特征在于,所述根据所述目标控制增益系数和预先设置的状态反馈矩阵,确定所述无人车的协同控制参数,包括:
根据获取到的曲率和预先建立的映射关系,确定预瞄时长;其中,预瞄时长用于表征获取到曲率所使用的的时长;
根据所述预瞄时长、目标控制增益系数以及所述状态反馈矩阵,确定所述无人车的协同控制参数;
其中,所述映射关系中还包括基于实际采集的道路曲率、目标人员转向功率、自动驾驶***转向功率以及预瞄时间之间的映射关系图。
7.根据权利要求6所述的方法,其特征在于,所述根据所述预瞄时长、目标控制增益系数以及所述状态反馈矩阵,确定所述无人车的协同控制参数,包括:
根据所述状态反馈矩阵,确定与协同控制***相对应的至少一个目标调整参数;
根据所述至少一个目标调整参数对所述目标控制增益系数以及所述预瞄时长进行处理,得到所述无人车的协同控制参数;
其中,所述协同控制参数中用于调整所述无人车的行驶速度、角速度以及预设时长内的理论转向角。
8.一种应用于无人车的转向协同控制装置,其特征在于,包括:
信息获取模块,用于获取无人车的当前转向角信息以及所述无人车的人机控制状态;
增益系数确定模块,用于根据当前转向角信息和所述人机控制状态,确定与所述无人车相对应的目标控制增益系数;其中,所述目标控制增益系数用于控制无人车横向行驶和纵向行驶;
协同控制模块,用于根据所述目标控制增益系数和预先设置的状态反馈矩阵,确定所述无人车的协同控制参数,以基于所述协同控制参数控制所述无人车。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的应用于无人车的转向协同控制方法。
10.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的应用于无人车的转向协同控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111342594.0A CN113978548B (zh) | 2021-11-12 | 2021-11-12 | 应用于无人车的转向协同控制方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111342594.0A CN113978548B (zh) | 2021-11-12 | 2021-11-12 | 应用于无人车的转向协同控制方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113978548A true CN113978548A (zh) | 2022-01-28 |
CN113978548B CN113978548B (zh) | 2023-01-31 |
Family
ID=79748354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111342594.0A Active CN113978548B (zh) | 2021-11-12 | 2021-11-12 | 应用于无人车的转向协同控制方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113978548B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114323698A (zh) * | 2022-02-11 | 2022-04-12 | 吉林大学 | 一种面向人机共驾智能汽车的实车实验平台测试方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107804315A (zh) * | 2017-11-07 | 2018-03-16 | 吉林大学 | 一种考虑驾驶权实时分配的人车协同转向控制方法 |
CN107972667A (zh) * | 2018-01-12 | 2018-05-01 | 合肥工业大学 | 一种车道偏离辅助***的人机协调控制方法及其控制*** |
US20180304918A1 (en) * | 2017-04-19 | 2018-10-25 | Toyota Jidosha Kabushiki Kaisha | Automatic driving system |
CN108791474A (zh) * | 2017-05-03 | 2018-11-13 | 福特全球技术公司 | 利用主动转向辅助***产生适合于机动车辆的当前驾驶情况的最终辅助转向扭矩的方法 |
CN108819951A (zh) * | 2018-07-27 | 2018-11-16 | 重庆大学 | 一种考虑驾驶员驾驶技能的人机共驾横向驾驶权分配方法 |
CN110539799A (zh) * | 2019-10-09 | 2019-12-06 | 吉林大学 | 一种基于驾驶员状态的分层架构人机共驾*** |
CN111216713A (zh) * | 2020-02-17 | 2020-06-02 | 哈尔滨工业大学 | 一种自动驾驶车辆速度预瞄控制方法 |
CN111409695A (zh) * | 2020-04-13 | 2020-07-14 | 安徽卡思普智能科技有限公司 | 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 |
CN111516752A (zh) * | 2020-04-22 | 2020-08-11 | 东风汽车集团有限公司 | 一种自动驾驶车辆的人机共驾转向控制方法 |
CN111688797A (zh) * | 2020-05-26 | 2020-09-22 | 上海汽车工业(集团)总公司 | 电动助力转向控制方法和控制单元 |
CN111897344A (zh) * | 2020-08-14 | 2020-11-06 | 清华大学 | 一种兼顾稳定性的自动驾驶汽车路径跟踪控制方法 |
CN112721943A (zh) * | 2021-01-20 | 2021-04-30 | 吉林大学 | 一种具有冲突消解功能的人机共驾横向控制方法 |
CN113619563A (zh) * | 2021-09-06 | 2021-11-09 | 厦门大学 | 基于人机共享的智能电动汽车横向控制***及方法 |
-
2021
- 2021-11-12 CN CN202111342594.0A patent/CN113978548B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180304918A1 (en) * | 2017-04-19 | 2018-10-25 | Toyota Jidosha Kabushiki Kaisha | Automatic driving system |
CN108791474A (zh) * | 2017-05-03 | 2018-11-13 | 福特全球技术公司 | 利用主动转向辅助***产生适合于机动车辆的当前驾驶情况的最终辅助转向扭矩的方法 |
CN107804315A (zh) * | 2017-11-07 | 2018-03-16 | 吉林大学 | 一种考虑驾驶权实时分配的人车协同转向控制方法 |
CN107972667A (zh) * | 2018-01-12 | 2018-05-01 | 合肥工业大学 | 一种车道偏离辅助***的人机协调控制方法及其控制*** |
CN108819951A (zh) * | 2018-07-27 | 2018-11-16 | 重庆大学 | 一种考虑驾驶员驾驶技能的人机共驾横向驾驶权分配方法 |
CN110539799A (zh) * | 2019-10-09 | 2019-12-06 | 吉林大学 | 一种基于驾驶员状态的分层架构人机共驾*** |
CN111216713A (zh) * | 2020-02-17 | 2020-06-02 | 哈尔滨工业大学 | 一种自动驾驶车辆速度预瞄控制方法 |
CN111409695A (zh) * | 2020-04-13 | 2020-07-14 | 安徽卡思普智能科技有限公司 | 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 |
CN111516752A (zh) * | 2020-04-22 | 2020-08-11 | 东风汽车集团有限公司 | 一种自动驾驶车辆的人机共驾转向控制方法 |
CN111688797A (zh) * | 2020-05-26 | 2020-09-22 | 上海汽车工业(集团)总公司 | 电动助力转向控制方法和控制单元 |
CN111897344A (zh) * | 2020-08-14 | 2020-11-06 | 清华大学 | 一种兼顾稳定性的自动驾驶汽车路径跟踪控制方法 |
CN112721943A (zh) * | 2021-01-20 | 2021-04-30 | 吉林大学 | 一种具有冲突消解功能的人机共驾横向控制方法 |
CN113619563A (zh) * | 2021-09-06 | 2021-11-09 | 厦门大学 | 基于人机共享的智能电动汽车横向控制***及方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114323698A (zh) * | 2022-02-11 | 2022-04-12 | 吉林大学 | 一种面向人机共驾智能汽车的实车实验平台测试方法 |
CN114323698B (zh) * | 2022-02-11 | 2023-09-08 | 吉林大学 | 一种面向人机共驾智能汽车的实车实验平台测试方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113978548B (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6765568B2 (ja) | 車両の運動を制御する制御システム及び方法 | |
CN111688791B (zh) | 用于车辆转向控制的***和方法 | |
JP6605642B2 (ja) | 車両及び車両を管理制御するシステム | |
KR102541661B1 (ko) | 조향 제어 속성 및 견인 제어 속성을 결정하기 위한 조향 및 견인 애플리케이션 | |
CN109522673B (zh) | 一种测试方法、装置、设备和存储介质 | |
EP3947090A1 (en) | Method and system for determining driver intention in semi-autonomous vehicle steering | |
KR102458608B1 (ko) | 차량 작동 역학을 해결하기 위한 모델 참조 적응형 제어 알고리즘 | |
JP5768150B2 (ja) | 車線維持制御システム、方法及びコンピュータ読取可能な記録媒体 | |
JP7282271B2 (ja) | 混合自律車両隊列の直接および間接制御 | |
CN113696970B (zh) | 半挂汽车列车、倒车控制方法、装置、设备和介质 | |
CN113044036B (zh) | 一种车辆换道的控制方法、装置、电子设备及存储介质 | |
CN113978548B (zh) | 应用于无人车的转向协同控制方法、装置、设备及介质 | |
CN111487904B (zh) | 参数配置方法及装置、电子设备和存储介质 | |
CN109255442B (zh) | 基于人工智能的控制决策模块的训练方法、设备及可读介质 | |
CN113511205A (zh) | 规划车辆的移动的方法和*** | |
CN113661106A (zh) | 基于模型的预测控制确定车辆致动器的输入变量 | |
CN107364490A (zh) | 驾驶辅助设备及其转向控制方法 | |
CN111923998B (zh) | 一种方向盘角度控制方法、装置、设备及存储介质 | |
CN109492835A (zh) | 车辆控制信息的确定方法、模型训练方法和相关装置 | |
CN110850878B (zh) | 智能车辆控制方法、装置、设备及介质 | |
Muñoz Benavent et al. | Advanced Driving Assistance Systems for an Electric Vehicle | |
CN114670877A (zh) | 车辆控制方法、装置、电子设备及存储介质 | |
Sanders et al. | Intelligent control of a semi-autonomous assistive vehicle | |
JP7357820B1 (ja) | 遠隔操縦装置、移動体遠隔操縦システム、移動体制御装置、画像表示装置、移動体および遠隔操縦方法 | |
CN114684165B (zh) | 车辆控制方法、装置、设备、存储介质和自动驾驶车辆 |
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 |