CN114684202B - 一种用于自动驾驶车辆的智能***及其集成控制方法 - Google Patents

一种用于自动驾驶车辆的智能***及其集成控制方法 Download PDF

Info

Publication number
CN114684202B
CN114684202B CN202210612201.1A CN202210612201A CN114684202B CN 114684202 B CN114684202 B CN 114684202B CN 202210612201 A CN202210612201 A CN 202210612201A CN 114684202 B CN114684202 B CN 114684202B
Authority
CN
China
Prior art keywords
vehicle
agent
intelligent system
intelligent
information
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
Application number
CN202210612201.1A
Other languages
English (en)
Other versions
CN114684202A (zh
Inventor
***
杨爱喜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Daqi New Energy Automobile Co ltd
Original Assignee
Zhejiang Daqi New Energy Automobile Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Daqi New Energy Automobile Co ltd filed Critical Zhejiang Daqi New Energy Automobile Co ltd
Priority to CN202210612201.1A priority Critical patent/CN114684202B/zh
Publication of CN114684202A publication Critical patent/CN114684202A/zh
Application granted granted Critical
Publication of CN114684202B publication Critical patent/CN114684202B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
    • B60L15/20—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
    • B60L15/32—Control or regulation of multiple-unit electrically-propelled vehicles
    • 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
    • B60W30/165—Automatically following the path of a preceding lead vehicle, e.g. "electronic tow-bar"
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2220/00—Electrical machine types; Structures or applications thereof
    • B60L2220/40—Electrical machine applications
    • B60L2220/42—Electrical machine applications with use of more than one motor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/10—Vehicle control parameters
    • B60L2240/12—Speed
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/50—Barriers
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4042—Longitudinal speed
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/20—Ambient conditions, e.g. wind or rain
    • 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
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—Longitudinal speed
    • 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
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/72—Electric energy management in electromobility

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Power Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种用于自动驾驶车辆的智能***及其集成控制方法，包括感知融合层、决策层、协调层和执行层；所述感知融合层包括多传感器信息特征融合Agent，多传感器信息特征融合Agent连接有GPS定位Agent、摄像头Agent、毫米波雷达Agent和激光雷达Agent；所述决策层包括***Agent，***Agent连接有无线通信Agent；所述协调层包括四个电机Agent；所述执行层包括ECU，ECU经电机连接车轮；本发明可以进行自动驾驶车辆的协调与控制，节省成本并且提高工作效率。

Description

一种用于自动驾驶车辆的智能***及其集成控制方法
技术领域
本发明涉及汽车自动驾驶技术领域，特别是一种用于自动驾驶车辆的智能***及其集成控制方法。
背景技术
目前，随着计算机技术的蓬勃发展，将智能***之间的协调配合应用到复杂的工作中，可大大提高工作效率与***灵活性和鲁棒性，并节省***成本。同时，伴随着自动驾驶车辆和多智能***的迅速发展，将多智能***技术应用到自动驾驶车辆的协调与控制中也成为一个热点方向。起源于分布式人工智能的多Agent(代理)***是近年来飞速发展的技术，它是为解决大规模问题的智能求解而发展起来的，涉及并行计算、分布式***、知识工程和专家***等许多领域，是传统对象技术的发展和飞跃，Agent通过对问题域的描述、分解和分配，构成分散的、面向特定问题相对简单的子***，并协调各***并行和相互协作地进行问题求解，其思想十分适合大规模诊断问题的智能求解对于一个动态的、分布的、实时的和不确定的复杂***，多Agent***在故障的分辨、诊断和控制方面表现出了极大的优势，多个Agent通过与所处环境、人以及个体之间进行交互、协调与合作表现出一定的社会智能，从而解决一些传统AI无法解决的大规模复杂的问题。基于此，如何针对不同情况采取不同的控制策略，使得自动驾驶车辆可以应用于矿山、港口运输、工厂园区、仓库巡逻等场所，达到节省成本并且提高工作效率成为了申请人亟待解决的技术问题。
发明内容
本发明的目的在于，提供一种用于自动驾驶车辆的智能***及其集成控制方法。本发明可以进行自动驾驶车辆的协调与控制，节省成本并且提高工作效率。
本发明的技术方案：一种用于自动驾驶车辆的智能***，包括感知融合层、决策层、协调层和执行层；所述感知融合层包括多传感器信息特征融合Agent，多传感器信息特征融合Agent连接有GPS定位Agent、摄像头Agent、毫米波雷达Agent和激光雷达Agent；所述决策层包括***Agent，***Agent连接有无线通信Agent；所述协调层包括四个电机Agent；所述执行层包括与相应电机Agent对应连接的MCU，MCU连接有电机，电机的输出端连接车轮；所述感知融合层用于感知车辆周围的环境信息数据和车辆的位置信息数据，多传感器信息特征融合Agent用于将数据进行融合输出；所述***Agent用于将无线通讯Agent发来的工作任务进行分解和顺序优化，接收感知融合层传来的数据，并与车辆自身的数据进行综合处理，下达工作指令；所述协调层用于确保***层和执行层的信息交互和协作的关系；所述执行层用于采集实时的工况信息，执行***层下达的工作指令，确保动力输出。
上述的用于自动驾驶车辆的智能***，由无线通讯Agent接收工作指令并将其发送给***Agent，然后由***Agent分解并优化工作指令，再由GPS定位Agent、摄像头Agent、毫米波雷达Agent和激光雷达Agent感知环境信息数据和车辆信息数据，利用多传感器信息特征融Agent对数据进行融合，然后发送给***Agent，***Agent进行综合处理，再下达指令输出到协调层和执行层，最后由协调层和执行层接收指令并输出给车辆；同时***Agent记录车辆的动作数据、状态数据和环境信息数据，利用记录的数据对***Agent进行深度强化学习，再利用深度强化学习后的***Agent进行指令的下发。
前述的用于自动驾驶车辆的智能***，所述多传感器信息特征融合Agent将数据进行融合输出的过程是先对GPS定位Agent、摄像头Agent、毫米波雷达Agent和激光雷达Agent进行联合标定，然后进行时间和空间的同步，再将GPS定位Agent获取的车辆位置和姿态信息、摄像头Agent获取的障碍物位置坐标信息、毫米波雷达Agent获取的车辆间距、车速和角度信息以及激光雷达Agent获取的点云图进行数据关联和融合，进而进行目标的判定。
前述的用于自动驾驶车辆的智能***，所述摄像头Agent的标定是将摄像头所处的相机坐标系转换为像素坐标系：
Figure 100002_DEST_PATH_IMAGE001
；
其中：
Figure 791723DEST_PATH_IMAGE002
，
Figure 100002_DEST_PATH_IMAGE003
分别表示相机坐标系的坐标值，
Figure 138391DEST_PATH_IMAGE004
，
Figure 100002_DEST_PATH_IMAGE005
和
Figure 347656DEST_PATH_IMAGE006
表示像素坐标系的坐标 值；
Figure 100002_DEST_PATH_IMAGE007
为相机的内参矩阵，其定义式为：
Figure 437971DEST_PATH_IMAGE008
；
式中：
Figure 100002_DEST_PATH_IMAGE009
和
Figure 681871DEST_PATH_IMAGE010
分别为相机x轴和y轴的焦距；
Figure 100002_DEST_PATH_IMAGE011
和
Figure 169746DEST_PATH_IMAGE012
分别为图像坐标系u轴和v 轴的光学中心；
利用径向畸变参数对坐标进行修正：
Figure 100002_DEST_PATH_IMAGE013
；
式中：
Figure 131886DEST_PATH_IMAGE014
和
Figure 100002_DEST_PATH_IMAGE015
为修正径向畸变后的横纵坐标，
Figure 760314DEST_PATH_IMAGE016
和
Figure 100002_DEST_PATH_IMAGE017
为畸变的横纵坐标；
Figure 858720DEST_PATH_IMAGE018
，
Figure 100002_DEST_PATH_IMAGE019
和
Figure 780146DEST_PATH_IMAGE020
分别为相机的径向畸变，
Figure 100002_DEST_PATH_IMAGE021
是该点距成像中心的距离，
Figure 229582DEST_PATH_IMAGE022
和
Figure 100002_DEST_PATH_IMAGE023
分别为相 机的切向畸变；
利用切向畸变参数对坐标进行修正：
Figure 927279DEST_PATH_IMAGE024
；
式中：
Figure 100002_DEST_PATH_IMAGE025
和
Figure 880192DEST_PATH_IMAGE026
为修正切向畸变后的横纵坐标；
所述激光雷达Agent和毫米波雷达Agent的标定均分为内参标定和外参标定；所述内参标定为距离校正角度、旋转校正角度、垂直校正角度以及水平偏移因子；所述外参标定是通过标定建立传感器与世界坐标系或其他传感器坐标系之间的关系。
前述的用于自动驾驶车辆的智能***，所述时间同步包括硬件同步和软件同步；所述硬件同步是指多传感器在同一时刻下触发采样；所述软件同步是指通过统一的上位机给各个传感器提供基准时间，使得传感器每帧数据同步到统一的时间戳上。
前述的用于自动驾驶车辆的智能***的集成控制方法，包括多量具有智能***的自动驾驶车辆，所述车辆之间采用垂直化控制，由控制终端向一级领导者车辆的智能***下达指令任务，再由一级领导者车辆的智能***向二级领导者车辆的智能***下达指令任务，最后由二级领导者车辆的智能***向跟随者车辆的智能***下发指令任务，以此使得各车辆执行对应的区域任务。
前述的用于自动驾驶车辆的智能***的集成控制方法，所述区域任务包括多车辆的编队任务，由控制终端向一级领导者车辆的智能***下达编队任务，一级领导者车辆的智能***接收消息并做出相应的编队动作，同时向二级领导者车辆的智能***发布编队任务，二级领导者车辆的智能***接收编队任务并做出确定各二级领导者车辆的编队位置顺序的编队动作，同时二级领导者车辆的智能***向跟随车辆的智能***发布编队任务，跟随车辆的智能***接收编队任务并做出确定各跟随车辆的编队位置顺序；确定完各车辆的位置顺序后完成编队，一级领导者车辆的智能***根据目标点、环境、障碍物位置信息完成初步的路径规划，一级领导者车辆出发时，将给二级领导者车辆的智能***发出出发信号，二级领导者车辆的智能***向其跟随车辆的智能***发出出发信号，然后二级领导者车辆和跟随车辆按照编队顺序出发，跟随车辆保持与前车距离，并向后传递信息，同时根据感知融合层传入的数据，时刻调整各电机输出的动力；各车辆之间根据无线通信Agent进行通讯连接，一级领导者车辆在获取障碍物位置坐标信息后，依次由二级领导者车辆向跟随车辆传递，并做出相应的动作，更新路径规划，二级领导者车辆和跟随智能***车辆提前知晓障碍物信息，提前做出相应的动作，同时检测障碍物是否还在原位置，若还存在于原位置，则不更新路径规划，反之，则重新更新路径规划，直到所有车辆到达目的地后，结束编队。
前述的用于自动驾驶车辆的智能***的集成控制方法，所述一级领导者车辆、二级领导者车辆和跟随车辆的间距和编队步骤如下：
以有向图
Figure 100002_DEST_PATH_IMAGE027
表示多量车辆的智能***组成的网络，有向图
Figure 975449DEST_PATH_IMAGE028
的邻接矩阵
Figure 100002_DEST_PATH_IMAGE029
描述一个图节点之间的信息交流，定义为：
Figure 646602DEST_PATH_IMAGE030
；
式中：
Figure 100002_DEST_PATH_IMAGE031
表示有向图的顶点集，边集
Figure 882411DEST_PATH_IMAGE032
表示智能*** 与智能***之间的交互；
二阶***的动态模型描述为：
Figure 100002_DEST_PATH_IMAGE033
；
式中：
Figure 955409DEST_PATH_IMAGE034
和
Figure 100002_DEST_PATH_IMAGE035
分别代表第
Figure 507655DEST_PATH_IMAGE036
个智能***的位置、速度 和加速度；
Figure 100002_DEST_PATH_IMAGE037
为控制算法；
Figure 400524DEST_PATH_IMAGE038
为第i个智能***位置的一阶导数，
Figure 100002_DEST_PATH_IMAGE039
为第i 个智能***速度的一阶导数；
针对二阶***，其控制算法为：
Figure 174445DEST_PATH_IMAGE040
；
其中，
Figure 100002_DEST_PATH_IMAGE041
为邻接矩阵元素，控制增益
Figure 101950DEST_PATH_IMAGE042
，
Figure 100002_DEST_PATH_IMAGE043
表示智能***
Figure 37545DEST_PATH_IMAGE036
所能获得信息的 邻居智能***的集合；
通过控制算法，对于任意的
Figure 653596DEST_PATH_IMAGE044
和
Figure 100002_DEST_PATH_IMAGE045
，当
Figure 965629DEST_PATH_IMAGE046
，
Figure 100002_DEST_PATH_IMAGE047
，
Figure 13220DEST_PATH_IMAGE048
，那么
Figure 100002_DEST_PATH_IMAGE049
且
Figure 119716DEST_PATH_IMAGE050
，多智能***网 络收敛到一致；
通过考虑任意智能***
Figure 721598DEST_PATH_IMAGE036
与智能***
Figure 100002_DEST_PATH_IMAGE051
的间距和编队方式，则可定义为：
Figure 335857DEST_PATH_IMAGE052
；
Figure 100002_DEST_PATH_IMAGE053
；
式中：
Figure 237954DEST_PATH_IMAGE054
为邻接矩阵元素，
Figure 249772DEST_PATH_IMAGE055
为连接矩阵的元素，用于描述二级领导者车辆的智 能***获取一级领导者车辆的智能***信息的情况；
Figure 100002_DEST_PATH_IMAGE056
为智能***
Figure 604530DEST_PATH_IMAGE036
与智能***
Figure 992786DEST_PATH_IMAGE057
之间的 期望纵向距离；
Figure 100002_DEST_PATH_IMAGE058
为二级领导者的智能***
Figure 250855DEST_PATH_IMAGE036
与一级领导者的智能***
Figure 433574DEST_PATH_IMAGE059
的期望纵向距 离，
Figure 100002_DEST_PATH_IMAGE060
和
Figure 541208DEST_PATH_IMAGE061
分别为控制增益。
前述的用于自动驾驶车辆的智能***的集成控制方法，在车辆执行区域任务时，任意车辆的智能***接收其它车辆的智能***的信息，车辆的智能***根据任务和信息产生期望车速，结合车辆自身的多传感器信息特征融合Agent传入的数据后，车辆输出指定车速前进，同时智能***根据毫米波雷达Agent采集数据，计算出前车距离，若与前车距离超过阈值范围，则智能***通过调节各电机转速来改变车辆速度。
前述的用于自动驾驶车辆的智能***的集成控制方法，在车辆执行区域任务时，任意车辆的智能***接收其它车辆的智能***的信息，车辆的智能***根据任务和信息产生参考轨迹和/或期望航向角，结合车辆自身的多传感器信息特征融合Agent传入的数据后，车辆按照实际的轨迹和/或航向角前进，同时智能***根据毫米波雷达Agent采集数据，计算出车辆实际轨迹和/或航向角与参考轨迹和/或期望航向角的阈值，若超过阈值范围，则车辆智能***通过深度强化学习进行改进轨迹和/或航向角，若训练次数未达到要求，则车辆智能***同样进行深度强化学习改进。
与现有技术相比，本发明的智能***包括了感知融合层、决策层、协调层和执行层，利用感知融合层进行感知车辆周围的环境信息数据和车辆的位置信息数据，再由多传感器信息特征融合Agent用于将数据进行融合输出，通过***Agent将无线通讯Agent发来的工作任务进行分解和顺序优化，接收感知融合层传来的数据，并与车辆自身的数据进行综合处理，下达工作指令；利用协调层来确保***层和执行层的信息交互和协作的关系；最后通过执行层来采集实时的工况信息，执行***层下达的工作指令，确保动力输出。本发明智能***间针对不同情况可以采取不同的控制策略，当智能***进行编队控制/发布任务指令时，智能***采取垂直化控制，即领导的智能***向跟随的智能***发布任务指令、车辆的速度、所探测到的障碍物等信息。当智能***执行区域任务（巡逻等情况）时，多智能***间采取扁平化控制，即在同一区域内，智能***间可以相互通讯、相互传递消息。本发明还可以对多智能***进行控制，使得智能***间的航向角和/或轨迹基于强化学习进行优化，以及多智能***间的距离进行调节。
附图说明
图1是本发明智能***的结构示意图；
图2是本发明智能***的运行原理图；
图3是多传感器信息特征融合Agent；
图4是智能***的垂直化控制示意图；
图5是智能***执行区域任务的扁平化控制示意图；
图6是车辆编队控制流程；
图7是车辆的编队控制顺序示意图；
图8是智能***纵向控制示意图；
图9是智能***横向控制示意图；
图10是智能***ROS控制示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明，但并不作为对本发明限制的依据。
实施例：一种用于自动驾驶车辆的智能***，如图1所示，包括感知融合层、决策层、协调层和执行层；所述感知融合层包括多传感器信息特征融合Agent，多传感器信息特征融合Agent连接有GPS定位Agent、摄像头Agent、毫米波雷达Agent和激光雷达Agent；所述决策层包括***Agent，***Agent连接有无线通信Agent；所述协调层包括四个电机Agent；所述执行层包括与相应电机Agent对应连接的MCU，MCU连接有电机，电机的输出端连接车轮；所述感知融合层用于感知车辆周围的环境信息数据和车辆的位置信息数据，多传感器信息特征融合Agent用于将数据进行融合输出；所述无线通信Agent主要接收控制终端（电脑终端）向车辆智能***发送工作任务，接收车辆向其它车辆发送工作任务或者障碍物位置信息、车速等信息；所述***Agent用于将无线通讯Agent发来的工作任务进行分解和顺序优化，接收感知融合层传来的数据，并与车辆自身的数据进行综合处理，下达工作指令；所述协调层用于确保***层和执行层的信息交互和协作的关系；所述执行层用于采集实时的工况信息，执行***层下达的工作指令，确保动力输出。
如图2所示，该智能***由无线通讯Agent接收工作指令并将其发送给***Agent，然后由***Agent分解并优化工作指令，再由GPS定位Agent、摄像头Agent、毫米波雷达Agent和激光雷达Agent感知环境信息数据和车辆信息数据，利用多传感器信息特征融Agent对数据进行融合，然后发送给***Agent，***Agent进行综合处理，再下达指令输出到协调层和执行层，最后由协调层和执行层接收指令并输出给车辆；同时Agent和其它功能Agent通过can总线进行交互信息，***Agent记录车辆的动作数据、状态数据和环境信息数据，利用记录的数据对***Agent进行深度强化学习，再利用深度强化学习后的***Agent进行指令的下发。
本实施例中，如图3所示，所述多传感器信息特征融合Agent将数据进行融合输出的过程是先对GPS定位Agent、摄像头Agent、毫米波雷达Agent和激光雷达Agent进行联合标定，然后进行时间和空间的同步，再将GPS定位Agent获取的车辆位置和姿态信息、摄像头Agent获取的障碍物位置坐标信息、毫米波雷达Agent获取的车辆间距、车速和角度信息以及激光雷达Agent获取的点云图进行数据关联和融合，进而进行目标的判定。
其中，所述摄像头Agent的标定是将摄像头所处的相机坐标系转换为像素坐标系：
Figure 201996DEST_PATH_IMAGE001
；
其中：
Figure 281948DEST_PATH_IMAGE002
，
Figure 901148DEST_PATH_IMAGE003
分别表示相机坐标系的坐标值，
Figure 699339DEST_PATH_IMAGE004
，
Figure 927933DEST_PATH_IMAGE005
和
Figure 862391DEST_PATH_IMAGE006
表示像素坐标系的坐标 值；
Figure 386913DEST_PATH_IMAGE007
为相机的内参矩阵，其定义式为：
Figure 100002_DEST_PATH_IMAGE062
；
式中：
Figure 203560DEST_PATH_IMAGE009
和
Figure 471730DEST_PATH_IMAGE010
分别为相机x轴和y轴的焦距；
Figure 526274DEST_PATH_IMAGE011
和
Figure 487276DEST_PATH_IMAGE012
分别为图像坐标系u轴和v 轴的光学中心；像素坐标系用于描述相机成像芯片上像素点在图像上的位置，原点
Figure 495946DEST_PATH_IMAGE063
为图 像左上角的角点；相机坐标系用于描述空间内物体相对于相机本体的三维坐标，原点
Figure DEST_PATH_IMAGE064
为 相机光心，
Figure 833386DEST_PATH_IMAGE065
和
Figure DEST_PATH_IMAGE066
为平行于像素平面的轴，
Figure 539174DEST_PATH_IMAGE067
为相机光轴，单位为米；
利用径向畸变参数对坐标进行修正：
Figure DEST_PATH_IMAGE068
；
式中：
Figure 936658DEST_PATH_IMAGE014
和
Figure 196738DEST_PATH_IMAGE015
为修正径向畸变后的横纵坐标，
Figure 806710DEST_PATH_IMAGE016
和
Figure 334382DEST_PATH_IMAGE017
为畸变的横纵坐标；
Figure 371608DEST_PATH_IMAGE069
，
Figure DEST_PATH_IMAGE070
和
Figure 384563DEST_PATH_IMAGE020
分别为相机的径向畸变，
Figure 798227DEST_PATH_IMAGE021
是该点距成像中心的距离，
Figure 681869DEST_PATH_IMAGE022
和
Figure 155576DEST_PATH_IMAGE023
分别为相 机的切向畸变；
利用切向畸变参数对坐标进行修正：
Figure 390248DEST_PATH_IMAGE071
；
式中：
Figure 843488DEST_PATH_IMAGE025
和
Figure 847217DEST_PATH_IMAGE026
为修正切向畸变后的横纵坐标。
所述激光雷达Agent和毫米波雷达Agent的标定均分为内参标定和外参标定；所述内参标定为距离校正角度、旋转校正角度、垂直校正角度以及水平偏移因子；一般激光雷达和毫米波雷达的内部硬件参数由厂家设定好，激光雷达采集的点云数据可以直接应用于建图和目标检测。毫米波雷达则可以检测障碍物。所述外参标定是通过标定建立传感器与世界坐标系或其他传感器坐标系之间的关系。其标定原理：采用标定物特征点关联方法完成联合标定，即两个异源传感器采集同一棋盘标定板，提取标定板上的特征点在各自传感器坐标系下的坐标，求解联合标定的外参矩阵。
激光雷达坐标系中目标物体表面的点云坐标可以表示为
Figure DEST_PATH_IMAGE072
，同时该特征点 在像素坐标系中的像素点坐标可以表示为
Figure 757404DEST_PATH_IMAGE073
，即三维坐标去除距离信息后在图像平面 的表示方法，两者始终表示为同一特征点。其标定流程为，通过rosbag 功能包录制传感器 数据，含时间戳、点云数据、图像数据等；将录制的数据输出给上位机中的标定功能包，然后 在标定功能包中手动选择三维空间特征点与二维图像对应点之间的关系；最后，选择一定 数量的特征点对进行迭代计算， 求解旋转矩阵和平移矩阵。
点云坐标可以表示为
Figure DEST_PATH_IMAGE074
与像素坐标系之间的转换关系，如下所示：
Figure 479372DEST_PATH_IMAGE075
；
式中，
Figure DEST_PATH_IMAGE076
为旋转矩阵，
Figure 765997DEST_PATH_IMAGE077
为平移矩阵。
本实施例中，所述时间同步包括硬件同步和软件同步；所述硬件同步是指多传感器在同一时刻下触发采样；所述软件同步是指通过统一的上位机给各个传感器提供基准时间，使得传感器每帧数据同步到统一的时间戳上。
基于上述用于自动驾驶车辆的智能***的集成控制方法，包括多量具有智能***的自动驾驶车辆，管理员可以通过电脑终端对车辆的智能***进行监督控制，并下达工作任务。如图4所示，所述车辆之间采用垂直化控制，由控制终端向一级领导者车辆的智能***下达指令任务，再由一级领导者车辆的智能***向二级领导者车辆的智能***下达指令任务，最后由二级领导者车辆的智能***向跟随者车辆的智能***下发指令任务，以此使得各车辆执行对应的区域任务。
当电脑终端向车辆的智能***发布区域工作任务时，一级领导者车辆的智能***依照垂直化控制方式向各车辆发布工作任务。因此，层层传递任务后，车辆就会执行区域任务。，在执行区域任务时，各车辆多智能***会自动进行组合分为了组合A、组合B……，如图5所示，组合A（B、C …… ）采取扁平化控制——一个组合中的任意车辆多智能***相互之间可以通讯，可以发送环境、障碍物等信息。比如：在执行区域巡逻任务时，任意组合中的任一车辆智能***通过雷达/摄像头感知到障碍物时，将障碍物信息发给***Agent，***Agent根据障碍物坐标位置信息、车辆参数信息和环境等信息处理后，分别对四个电机分别进行控制输出到车辆。同时，该车辆智能***会将障碍物信息发往该组合中的其它车辆智能***，让其提前知晓障碍物信息，同时与其相邻的车辆智能***会提前做出相应的动作，并检测障碍物是否还在原位置，若还存在于原位置，则不更新障碍物信息，反之，则向其它车辆智能***发出更新后的障碍物的信息，其它车辆智能***提前知晓障碍物信息。同时车辆在执行区域传递物料任务时，任意组合的任一车辆智能***会获得其组合中其它的车辆的位置信息和任务过程，根据该组合中其它车辆的速度、转向等信息，提前做出规划，缩短时间成本。以及车辆在进行编队控制时，前车智能***也会将所遇到的障碍物等信息提前发送给跟随车智能***，跟随车智能***提前做出规划，并检测障碍物位置是否还在原位，若还在，则不更新障碍物坐标，反之，则更新并发送给该智能***的跟随车智能***。
以下对所述区域任务为多车辆的编队任务进行说明，如图6所示，由控制终端向一级领导者车辆的智能***下达编队任务，一级领导者车辆的智能***接收消息并做出相应的编队动作，同时向二级领导者车辆的智能***发布编队任务，二级领导者车辆的智能***接收编队任务并做出确定各二级领导者车辆的编队位置顺序的编队动作，同时二级领导者车辆的智能***向跟随车辆的智能***发布编队任务，跟随车辆的智能***接收编队任务并做出确定各跟随车辆的编队位置顺序；如图7所示，确定完各车辆的位置顺序后完成编队，一级领导者车辆的智能***根据目标点、环境、障碍物位置信息完成初步的路径规划，一级领导者车辆出发时，将给二级领导者车辆的智能***发出出发信号，二级领导者车辆的智能***向其跟随车辆的智能***发出出发信号，然后二级领导者车辆和跟随车辆按照编队顺序出发，跟随车辆保持与前车距离，并向后传递信息，同时根据感知融合层传入的数据，时刻调整各电机输出的动力；各车辆之间根据无线通信Agent进行通讯连接，一级领导者车辆在获取障碍物位置坐标信息后，依次由二级领导者车辆向跟随车辆传递，并做出相应的动作，更新路径规划，二级领导者车辆和跟随智能***车辆提前知晓障碍物信息，提前做出相应的动作，同时检测障碍物是否还在原位置，若还存在于原位置，则不更新路径规划，反之，则重新更新路径规划，直到所有车辆到达目的地后，结束编队。
本实施例中，所述一级领导者车辆、二级领导者车辆和跟随车辆的间距和编队步骤如下：
以有向图
Figure 122767DEST_PATH_IMAGE027
表示多量车辆的智能***组成的网络，有向图
Figure 938276DEST_PATH_IMAGE028
的邻接矩阵
Figure 881961DEST_PATH_IMAGE029
描述一个图节点之间的信息交流，定义为：
Figure 175539DEST_PATH_IMAGE030
；
式中：
Figure 622701DEST_PATH_IMAGE031
表示有向图的顶点集，边集
Figure 609112DEST_PATH_IMAGE032
表示智能*** 与智能***之间的交互；
二阶***的动态模型描述为：
二阶***的动态模型描述为：
Figure 40093DEST_PATH_IMAGE033
；
式中：
Figure 137362DEST_PATH_IMAGE034
和
Figure 704610DEST_PATH_IMAGE035
分别代表第
Figure 363386DEST_PATH_IMAGE036
个智能***的位置、速度 和加速度；
Figure 281664DEST_PATH_IMAGE037
为控制算法；
Figure 917044DEST_PATH_IMAGE038
为第i个智能***位置的一阶导数，
Figure 604378DEST_PATH_IMAGE039
为第i 个智能***速度的一阶导数；
针对二阶***，其控制算法为：
Figure DEST_PATH_IMAGE078
；
其中，
Figure 198170DEST_PATH_IMAGE041
为邻接矩阵元素，控制增益
Figure 338164DEST_PATH_IMAGE042
，
Figure 42815DEST_PATH_IMAGE043
表示智能***
Figure 319076DEST_PATH_IMAGE036
所能获得信息的 邻居智能***的集合；
二阶***的一致性是一种更一般且更切合实际的多智能******控制问题。二阶 ***模型采用加速度作为控制输入量，不仅考虑个***置状态间的影响，更考虑速度状态 间的作用关系。通过控制算法，对于任意的
Figure 582305DEST_PATH_IMAGE044
和
Figure 944016DEST_PATH_IMAGE045
，当
Figure 186778DEST_PATH_IMAGE046
，
Figure 848704DEST_PATH_IMAGE047
，
Figure 518720DEST_PATH_IMAGE048
，那么
Figure 633306DEST_PATH_IMAGE049
且
Figure 148601DEST_PATH_IMAGE050
，多智能***网 络收敛到一致；
在多智能***编队控制问题中，往往还涉及到头车和跟随车辆的概念，类似于多智能******研究中的领导者与跟随者的关系。头车（或领导者）相对于其他车辆来说较为特殊，其运动状态不受跟随车辆影响。在行驶过程中，通过不断更新控制器，跟随车辆的速度和位移将尽可能跟踪到头车的参考速度和位移。于是，我们可以将智能车编队问题考虑为多智能******中的领导者跟随一致性问题。
基于上述二阶***的一致性，通过考虑任意智能***
Figure 665033DEST_PATH_IMAGE036
与智能***
Figure 7415DEST_PATH_IMAGE051
的间距和编 队方式，则可定义为：
Figure 609298DEST_PATH_IMAGE079
；
Figure 193863DEST_PATH_IMAGE053
；
式中：
Figure 564801DEST_PATH_IMAGE054
为邻接矩阵元素，
Figure DEST_PATH_IMAGE080
为连接矩阵的元素，用于描述二级领导者车辆的智 能***获取一级领导者车辆的智能***信息的情况；
Figure 842199DEST_PATH_IMAGE056
为智能***
Figure 665798DEST_PATH_IMAGE036
与智能***
Figure 54054DEST_PATH_IMAGE057
之间的 期望纵向距离；
Figure 778034DEST_PATH_IMAGE081
为二级领导者的智能***
Figure 960754DEST_PATH_IMAGE036
与一级领导者的智能***
Figure DEST_PATH_IMAGE082
的期望纵向距 离，
Figure 68387DEST_PATH_IMAGE083
和
Figure 260334DEST_PATH_IMAGE061
分别为控制增益。
进一步地，如图8所示，在车辆执行区域任务时，任意车辆的智能***接收其它车辆的智能***的信息，车辆的智能***根据任务和信息产生期望车速，结合车辆自身的多传感器信息特征融合Agent传入的数据后，车辆输出指定车速前进，同时智能***根据毫米波雷达Agent（包含有IMU惯性传感器）采集数据，计算出前车距离，若与前车距离超过阈值范围，则智能***通过调节各电机转速来改变车辆速度。
进一步地，如图9所示，在车辆执行区域任务时，任意车辆的智能***接收其它车辆的智能***的信息，车辆的智能***根据任务和信息产生参考轨迹和/或期望航向角，结合车辆自身的多传感器信息特征融合Agent传入的数据后，车辆按照实际的轨迹和/或航向角前进，同时智能***根据毫米波雷达Agent采集数据，计算出车辆实际轨迹和/或航向角与参考轨迹和/或期望航向角的阈值，若超过阈值范围，则车辆智能***通过强化学习进行改进轨迹和/或航向角，若训练次数未达到要求，则车辆智能***同样进行强化学习改进。
本实施例中，控制终端和各车辆智能***通过基于TCP/IP协议的局域网通信，控制终端连接各车辆智能***服务器的IP地址，实现客户端和服务端的数据通信，传递的数据有检测到的障碍物位置、航向角、速度、路径规划轨迹等数据。
本实施例中，如图10所示，车辆执行区域任务时，需要的ros节点/功能包有：1.车辆智能***底盘控制功能包（movebase_control）：根据参照的消息进行路径规划，使移动机器人到达指定的位置。2.车辆智能***2D/3D建图功能包(gmapping)：根据激光雷达深度学习后的点云图像的和摄像头输出经过深度学习后的图像建立地图。3.车辆智能***定位功能包（amcl）：智能***根据已经有的地图进行定位。4.全局路径规划节点（global_planner）：智能***根据给定的目标位置进行总体路径的规划。5.局部路径规划节点（local_planner）：智能***根据附近的障碍物进行躲避并且完成路线规划。6.tf变换节点(sensors_transform)：智能***执行区域任务功能包要求智能***以tf树的形式发布各个相关参考系的变换关系。7. 各传感器信息融合功能包(sensors_sourcefusion)：智能***执行区域任务时，需要采集机器人的传感器信息，以达到实时避障的效果。这些传感器节点(激光雷达、毫米波雷达和摄像头等)要求能够通过ROS发布sensor_msgs/LaserScan、sensor_msgs/PointCloud、sensor_msgs/Image等格式的消息，也就是二维雷达信息、三维点云数据、图像数据等，经过传感器的融合后发送给执行区域任务功能包。8. 里程计信息节点(odometry_source)：智能***执行区域任务时，要求机器人发布nav_msgs/Odometry格式的里程计信息，同时在也要发布相应的tf变换 odom-to-base_link。里程计包含两方面的信息，一方面是位姿，另一方面是速度。9.车辆智能***控制节点(robot_control):智能***可以通过话cmd_vel发布geometry_msgs/Twist类型的消息，这个消息基于智能***的基座坐标系，它传递的是运动命令。这意味着必须有一个节点订阅cmd_vel话题， 将该话题上的速度命令转换为电机命令发送给移动基座。10.地图节点(map_server)：在智能***执行区域任务时给予环境地图。11.智能***通讯节点（robot_communication）：智能***接收/发送其它智能***传来的消息如：任务、障碍物等。
综上所述，本发明可以针对不同情况采取不同的控制策略，使得自动驾驶车辆可以应用于矿山、港口运输、工厂园区、仓库巡逻等场所，达到节省成本并且提高工作效率的效果。

Claims (9)

1.一种用于自动驾驶车辆的智能***，其特征在于：包括感知融合层、决策层、协调层和执行层；所述感知融合层包括多传感器信息特征融合Agent，多传感器信息特征融合Agent连接有GPS定位Agent、摄像头Agent、毫米波雷达Agent和激光雷达Agent；所述决策层包括***Agent，***Agent连接有无线通信Agent；所述协调层包括四个电机Agent；所述执行层包括与相应电机Agent对应连接的MCU，MCU连接有电机，电机的输出端连接车轮；所述感知融合层用于感知车辆周围的环境信息数据和车辆的位置信息数据，多传感器信息特征融合Agent用于将数据进行融合输出；所述***Agent用于将无线通讯Agent发来的工作任务进行分解和顺序优化，接收感知融合层传来的数据，并与车辆自身的数据进行综合处理，下达工作指令；所述协调层用于确保***层和执行层的信息交互和协作的关系；所述执行层用于采集实时的工况信息，执行***层下达的工作指令，确保动力输出；
用于自动驾驶车辆的智能***的集成控制方法，包括多辆具有智能***的自动驾驶车辆，所述车辆之间采用垂直化控制，由控制终端向一级领导者车辆的智能***下达指令任务，再由一级领导者车辆的智能***向二级领导者车辆的智能***下达指令任务，最后由二级领导者车辆的智能***向跟随者车辆的智能***下发指令任务，以此使得各车辆执行对应的区域任务。
2.根据权利要求1所述的用于自动驾驶车辆的智能***，其特征在于：由无线通讯Agent接收工作指令并将其发送给***Agent，然后由***Agent分解并优化工作指令，再由GPS定位Agent、摄像头Agent、毫米波雷达Agent和激光雷达Agent感知环境信息数据和车辆信息数据，利用多传感器信息特征融Agent对数据进行融合，然后发送给***Agent，***Agent进行综合处理，再下达指令输出到协调层和执行层，最后由协调层和执行层接收指令并输出给车辆；同时***Agent记录车辆的动作数据、状态数据和环境信息数据，利用记录的数据对***Agent进行深度强化学习，再利用深度强化学习后的***Agent进行指令的下发。
3.根据权利要求2所述的用于自动驾驶车辆的智能***，其特征在于：所述多传感器信息特征融合Agent将数据进行融合输出的过程是先对GPS定位Agent、摄像头Agent、毫米波雷达Agent和激光雷达Agent进行联合标定，然后进行时间和空间的同步，再将GPS定位Agent获取的车辆位置和姿态信息、摄像头Agent获取的障碍物位置坐标信息、毫米波雷达Agent获取的车辆间距、车速和角度信息以及激光雷达Agent获取的点云图进行数据关联和融合，进而进行目标的判定。
4.根据权利要求3所述的用于自动驾驶车辆的智能***，其特征在于：所述摄像头Agent的标定是将摄像头所处的相机坐标系转换为像素坐标系：
Figure DEST_PATH_IMAGE001
；
其中：
Figure 664562DEST_PATH_IMAGE002
，
Figure DEST_PATH_IMAGE003
分别表示相机坐标系的坐标值，
Figure 275672DEST_PATH_IMAGE004
，
Figure DEST_PATH_IMAGE005
和
Figure 160452DEST_PATH_IMAGE006
表示像素坐标系的坐标值；
Figure DEST_PATH_IMAGE007
为相机的内参矩阵，其定义式为：
Figure 224223DEST_PATH_IMAGE008
；
式中：
Figure DEST_PATH_IMAGE009
和
Figure 219861DEST_PATH_IMAGE010
分别为相机x轴和y轴的焦距；
Figure DEST_PATH_IMAGE011
和
Figure 951056DEST_PATH_IMAGE012
分别为图像坐标系u轴和v轴的光学中心；
利用径向畸变参数对坐标进行修正：
Figure DEST_PATH_IMAGE013
；
式中：
Figure 741158DEST_PATH_IMAGE014
和
Figure DEST_PATH_IMAGE015
为修正径向畸变后的横纵坐标，
Figure 557804DEST_PATH_IMAGE016
和
Figure DEST_PATH_IMAGE017
为畸变的横纵坐标；
Figure 91553DEST_PATH_IMAGE018
，
Figure DEST_PATH_IMAGE019
和
Figure 677256DEST_PATH_IMAGE020
分别为相机的径向畸变，
Figure DEST_PATH_IMAGE021
是该点距成像中心的距离，
Figure 903838DEST_PATH_IMAGE022
和
Figure DEST_PATH_IMAGE023
分别为相机的切向畸变；
利用切向畸变参数对坐标进行修正：
Figure 213639DEST_PATH_IMAGE024
；
式中：
Figure DEST_PATH_IMAGE025
和
Figure 285501DEST_PATH_IMAGE026
为修正切向畸变后的横纵坐标；
所述激光雷达Agent和毫米波雷达Agent的标定均分为内参标定和外参标定；所述内参标定为距离校正角度、旋转校正角度、垂直校正角度以及水平偏移因子；所述外参标定是通过标定建立传感器与世界坐标系或其他传感器坐标系之间的关系。
5.根据权利要求3所述的用于自动驾驶车辆的智能***，其特征在于：所述时间同步包括硬件同步和软件同步；所述硬件同步是指多传感器在同一时刻下触发采样；所述软件同步是指通过统一的上位机给各个传感器提供基准时间，使得传感器每帧数据同步到统一的时间戳上。
6.根据权利要求1所述的用于自动驾驶车辆的智能***，其特征在于：所述区域任务包括多车辆的编队任务，由控制终端向一级领导者车辆的智能***下达编队任务，一级领导者车辆的智能***接收消息并做出相应的编队动作，同时向二级领导者车辆的智能***发布编队任务，二级领导者车辆的智能***接收编队任务并做出确定各二级领导者车辆的编队位置顺序的编队动作，同时二级领导者车辆的智能***向跟随车辆的智能***发布编队任务，跟随车辆的智能***接收编队任务并做出确定各跟随车辆的编队位置顺序；确定完各车辆的位置顺序后完成编队，一级领导者车辆的智能***根据目标点、环境、障碍物位置信息完成初步的路径规划，一级领导者车辆出发时，将给二级领导者车辆的智能***发出出发信号，二级领导者车辆的智能***向其跟随车辆的智能***发出出发信号，然后二级领导者车辆和跟随车辆按照编队顺序出发，跟随车辆保持与前车距离，并向后传递信息，同时根据感知融合层传入的数据，时刻调整各电机输出的动力；各车辆之间根据无线通信Agent进行通讯连接，一级领导者车辆在获取障碍物位置坐标信息后，依次由二级领导者车辆向跟随车辆传递，并做出相应的动作，更新路径规划，二级领导者车辆和跟随智能***车辆提前知晓障碍物信息，提前做出相应的动作，同时检测障碍物是否还在原位置，若还存在于原位置，则不更新路径规划，反之，则重新更新路径规划，直到所有车辆到达目的地后，结束编队。
7.根据权利要求6所述的用于自动驾驶车辆的智能***，其特征在于：所述一级领导者车辆、二级领导者车辆和跟随车辆的间距和编队步骤如下：
以有向图
Figure DEST_PATH_IMAGE027
表示多量车辆的智能***组成的网络，有向图
Figure 725709DEST_PATH_IMAGE028
的邻接矩阵
Figure DEST_PATH_IMAGE029
描述一个图节点之间的信息交流，定义为：
Figure 388772DEST_PATH_IMAGE030
；
式中：
Figure DEST_PATH_IMAGE031
表示有向图的顶点集，边集
Figure 914431DEST_PATH_IMAGE032
表示智能***与智能***之间的交互；
二阶***的动态模型描述为：
Figure DEST_PATH_IMAGE033
；
式中：
Figure 55562DEST_PATH_IMAGE034
和
Figure DEST_PATH_IMAGE035
分别代表第
Figure 350277DEST_PATH_IMAGE036
个智能***的位置、速度和加速度；
Figure DEST_PATH_IMAGE037
为控制算法；
Figure 184241DEST_PATH_IMAGE038
为第i个智能***位置的一阶导数，
Figure DEST_PATH_IMAGE039
为第i个智能***速度的一阶导数；
针对二阶***，其控制算法为：
Figure 931617DEST_PATH_IMAGE040
；
其中，
Figure DEST_PATH_IMAGE041
为邻接矩阵元素，控制增益
Figure 610860DEST_PATH_IMAGE042
，
Figure DEST_PATH_IMAGE043
表示智能***
Figure 760082DEST_PATH_IMAGE036
所能获得信息的邻居智能***的集合；
通过控制算法，对于任意的
Figure 233789DEST_PATH_IMAGE044
和
Figure DEST_PATH_IMAGE045
，当
Figure 734040DEST_PATH_IMAGE046
，
Figure DEST_PATH_IMAGE047
，
Figure 951395DEST_PATH_IMAGE048
，那么
Figure DEST_PATH_IMAGE049
且
Figure 220702DEST_PATH_IMAGE050
，多智能***网络收敛到一致；
通过考虑任意智能***
Figure 865310DEST_PATH_IMAGE036
与智能***
Figure DEST_PATH_IMAGE051
的间距和编队方式，则可定义为：
Figure 587278DEST_PATH_IMAGE052
；
Figure DEST_PATH_IMAGE053
；
式中：
Figure 873903DEST_PATH_IMAGE054
为邻接矩阵元素，
Figure 466559DEST_PATH_IMAGE055
为连接矩阵的元素，用于描述二级领导者车辆的智能***获取一级领导者车辆的智能***信息的情况；
Figure DEST_PATH_IMAGE056
为智能***
Figure 547647DEST_PATH_IMAGE036
与智能***
Figure 225753DEST_PATH_IMAGE057
之间的期望纵向距离；
Figure DEST_PATH_IMAGE058
为二级领导者的智能***
Figure 310210DEST_PATH_IMAGE059
与一级领导者的智能***
Figure DEST_PATH_IMAGE060
的期望纵向距离，
Figure 288530DEST_PATH_IMAGE061
和
Figure DEST_PATH_IMAGE062
分别为控制增益。
8.根据权利要求1所述的用于自动驾驶车辆的智能***，其特征在于：在车辆执行区域任务时，任意车辆的智能***接收其它车辆的智能***的信息，车辆的智能***根据任务和信息产生期望车速，结合车辆自身的多传感器信息特征融合Agent传入的数据后，车辆输出指定车速前进，同时智能***根据毫米波雷达Agent采集数据，计算出前车距离，若与前车距离超过阈值范围，则智能***通过调节各电机转速来改变车辆速度。
9.根据权利要求1所述的用于自动驾驶车辆的智能***，其特征在于：在车辆执行区域任务时，任意车辆的智能***接收其它车辆的智能***的信息，车辆的智能***根据任务和信息产生参考轨迹和/或期望航向角，结合车辆自身的多传感器信息特征融合Agent传入的数据后，车辆按照实际的轨迹和/或航向角前进，同时智能***根据毫米波雷达Agent采集数据，计算出车辆实际轨迹和/或航向角与参考轨迹和/或期望航向角的阈值，若超过阈值范围，则车辆智能***通过深度强化学习进行改进轨迹和/或航向角，若训练次数未达到要求，则车辆智能***同样进行深度强化学习改进。
CN202210612201.1A 2022-06-01 2022-06-01 一种用于自动驾驶车辆的智能***及其集成控制方法 Active CN114684202B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210612201.1A CN114684202B (zh) 2022-06-01 2022-06-01 一种用于自动驾驶车辆的智能***及其集成控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210612201.1A CN114684202B (zh) 2022-06-01 2022-06-01 一种用于自动驾驶车辆的智能***及其集成控制方法

Publications (2)

Publication Number Publication Date
CN114684202A CN114684202A (zh) 2022-07-01
CN114684202B true CN114684202B (zh) 2023-03-10

Family

ID=82131030

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210612201.1A Active CN114684202B (zh) 2022-06-01 2022-06-01 一种用于自动驾驶车辆的智能***及其集成控制方法

Country Status (1)

Country Link
CN (1) CN114684202B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115410399A (zh) * 2022-08-09 2022-11-29 北京科技大学 一种货车停车方法、装置及电子设备
CN115840234B (zh) * 2022-10-28 2024-04-19 苏州知至科技有限公司 雷达数据采集方法、装置和存储介质
CN117048365B (zh) * 2023-10-12 2024-01-26 江西五十铃汽车有限公司 一种汽车扭矩控制方法、***、存储介质及设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108445885A (zh) * 2018-04-20 2018-08-24 鹤山东风新能源科技有限公司 一种基于纯电动物流车的自动驾驶***及其控制方法
CN109146980A (zh) * 2018-08-12 2019-01-04 浙江农林大学 基于单目视觉的优化的深度提取和被动测距方法
CN109857115A (zh) * 2019-02-27 2019-06-07 华南理工大学 一种基于视觉反馈的移动机器人的有限时间编队控制方法
CN110162065A (zh) * 2019-06-18 2019-08-23 东北大学 一种基于有向跟随的自适应多智能体编队控制方法
CN110286694A (zh) * 2019-08-05 2019-09-27 重庆邮电大学 一种多领导者的无人机编队协同控制方法
CN111245953A (zh) * 2020-02-26 2020-06-05 洛阳智能农业装备研究院有限公司 一种无人驾驶电动拖拉机智能网联***及集群驾驶方法
CN111766879A (zh) * 2020-06-24 2020-10-13 天津大学 一种基于自主协同导航的智能车编队***
CN112445229A (zh) * 2020-11-04 2021-03-05 清华大学 一种领航车队协同的单车道多队列分层控制方法
CN113282083A (zh) * 2021-05-17 2021-08-20 北京航空航天大学 一种基于机器人操作***的无人车编队实验平台
CN113359752A (zh) * 2021-06-24 2021-09-07 中煤科工开采研究院有限公司 一种井工煤矿料车自动驾驶方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020168341A1 (en) * 2019-02-15 2020-08-20 DRiV Automotive Inc. Autonomous vehicle platooning system and method

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108445885A (zh) * 2018-04-20 2018-08-24 鹤山东风新能源科技有限公司 一种基于纯电动物流车的自动驾驶***及其控制方法
CN109146980A (zh) * 2018-08-12 2019-01-04 浙江农林大学 基于单目视觉的优化的深度提取和被动测距方法
CN109857115A (zh) * 2019-02-27 2019-06-07 华南理工大学 一种基于视觉反馈的移动机器人的有限时间编队控制方法
CN110162065A (zh) * 2019-06-18 2019-08-23 东北大学 一种基于有向跟随的自适应多智能体编队控制方法
CN110286694A (zh) * 2019-08-05 2019-09-27 重庆邮电大学 一种多领导者的无人机编队协同控制方法
CN111245953A (zh) * 2020-02-26 2020-06-05 洛阳智能农业装备研究院有限公司 一种无人驾驶电动拖拉机智能网联***及集群驾驶方法
CN111766879A (zh) * 2020-06-24 2020-10-13 天津大学 一种基于自主协同导航的智能车编队***
CN112445229A (zh) * 2020-11-04 2021-03-05 清华大学 一种领航车队协同的单车道多队列分层控制方法
CN113282083A (zh) * 2021-05-17 2021-08-20 北京航空航天大学 一种基于机器人操作***的无人车编队实验平台
CN113359752A (zh) * 2021-06-24 2021-09-07 中煤科工开采研究院有限公司 一种井工煤矿料车自动驾驶方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
车联网环境下基于反馈的智能车辆编队控制研究;李科志;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20180415(第4期);C035-109 *

Also Published As

Publication number Publication date
CN114684202A (zh) 2022-07-01

Similar Documents

Publication Publication Date Title
CN114684202B (zh) 一种用于自动驾驶车辆的智能***及其集成控制方法
CN109100730B (zh) 一种多车协同快速建图方法
CN110244772A (zh) 移动机器人的领航跟随***和领航跟随控制方法
JP2019501384A (ja) 自律測位航法設備、測位航法方法及び自律測位航法システム
CN110703751B (zh) 一种多移动机器人***半自主编队及避障控制方法
CN109857102B (zh) 一种基于相对位置的轮式机器人编队与跟踪控制方法
CN111367285B (zh) 一种轮式移动小车协同编队与路径规划方法
WO2022252221A1 (zh) 一种移动机器人队列***及路径规划、跟随方法
CN112947407A (zh) 一种多智能体有限时间的编队路径跟踪控制方法及***
CN106556395A (zh) 一种基于四元数的单目视觉***的导航方法
CN115993825A (zh) 一种基于空地协同的无人车集群控制***
WO2024000616A1 (zh) 行驶路径边界确定方法及装置、车辆、存储介质、终端
CN116540706A (zh) 一种无人机为地面无人车提供局部路径规划***及方法
CN114721275A (zh) 一种基于预设性能的视觉伺服机器人自适应跟踪控制方法
Pires et al. Cooperative localization and mapping with robotic swarms
CN114299039B (zh) 一种机器人及其碰撞检测装置和方法
CN114993285A (zh) 一种基于四轮全向全驱移动机器人的二维激光雷达建图方法
CN113610910B (zh) 一种移动机器人避障方法
CN111830995B (zh) 基于混合式架构的群体智能协同方法和***
CN113093759A (zh) 基于多传感器信息融合的机器人编队构造方法及***
CN112797986A (zh) 基于无人自主技术的智能物流机器人定位***及方法
CN112318507A (zh) 一种基于slam技术的机器人智能控制***
CN115837912A (zh) 一种基于轨迹跟踪的指令变道方法及***
US20220339786A1 (en) Image-based trajectory planning method and movement control method and mobile machine using the same
CN112925326B (zh) 一种基于激光雷达和深度相机数据融合的agv避障方法

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