CN115113617A - 差速转向车辆无人驾驶控制方法及装置、存储介质、终端 - Google Patents

Abstract

本发明公开了一种差速转向车辆无人驾驶控制方法及装置、存储介质、终端，差速转向车辆无人驾驶控制方法包括如下步骤：步骤S1：获取期望车速v_d与期望曲率ρ_d；步骤S2：根据所述期望车速v_d与期望曲率ρ_d，计算左侧车轮轮速ω_l和右侧车轮轮速ω_r；步骤S3：将所述左侧车轮轮速ω_l和右侧车轮轮速ω_r，传送到车辆底层执行。本申请提供了一种结构简单、容易实现、效果良好的横纵向控制方法，可以有效改善差速转向无人驾驶车辆在一些复杂场景下模型失配严重、控制效果较差的现象。

Description

差速转向车辆无人驾驶控制方法及装置、存储介质、终端

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种差速转向车辆无人驾驶控制方法及装置、存储介质、终端。

背景技术

近年来，随着无人驾驶技术的快速发展，无人驾驶车辆无论在军用、民用等领域都受到广泛的应用。无人驾驶技术算法主要包括四个核心模块：感知模块、定位模块、规划模块和控制模块，控制模块的主要功能是控制车辆使其较好的跟随规划模块规划好的道路及路点速度。而差速(滑移)转向车辆由于具有结构简单、成本较低、便于控制等特点，广泛的应用于军事领域。差速转向车辆工作环境大都非常复杂，包括军事侦察、扫雷排爆以及一些恶劣条件下的运输等，场景对控制跟随精度、可靠性等要求较高，因此差速转向车辆的无人驾驶控制算法就变得尤为重要，差速转向车辆主要是采用液压或电动等方式使左右两侧的车轮产生不同的速度，实现差速转向。

差速转向的车辆，其运动较为复杂，不同车轮存在不同程度的滑移，转向特性很难使用模型精确的描述，目前现有的差速转向车辆无人驾驶控制方法主要是通过忽略一部分不重要因素，建立车辆简化的运动学和动力学模型进行研究。采用此种方式，使得车辆的运动学模型和动力学模型存在较大程度的失真，导致车辆的速度跟随和道路位置跟随存在较大的偏差，影响控制精度。

发明内容

为了解决相关技术问题，本发明实施例提供了一种差速转向车辆无人驾驶控制方法及装置、存储介质、终端，具体技术方案如下：

第一方面，提供了一种差速转向车辆无人驾驶控制方法，包括如下步骤：

步骤S1：获取期望车速v_d与期望曲率ρ_d；

步骤S2：根据所述期望车速v_d与期望曲率ρ_d，计算左侧车轮轮速ω_l和右侧车轮轮速ω_r；

步骤S3：将所述左侧车轮轮速ω_l和右侧车轮轮速ω_r，传送到车辆底层执行。

其中，在所述步骤S1中，

根据感知模块发出的障碍物信息、定位模块发出的车辆位姿信息、规划模块发出的道路及路点属性信息以及车辆底层反馈的车辆底盘信息，输出所述期望车速v_d与期望曲率ρ_d。

其中，所述期望车速v_d通过预瞄加反馈的方式获取，

采取如下方式计算，v_d＝v_p+μ(k)，其中，v_p为预瞄点的速度，μ(k)为第k次采样时刻控制器的输出值。

其中，所述期望曲率ρ_d通过预瞄加反馈的方式获取，

采取如下方式计算，ρ_d＝ρ_p+μ(k)，其中，ρ_p为道路的曲率，μ(k)为第k次采样时刻控制器的输出值。

第二方面，提供了一种差速转向车辆无人驾驶控制装置，包括如下模块：上层控制器和下层控制器、传送模块，

其中，

所述上层控制器用于获取期望车速v_d与期望曲率ρ_d；

所述下层控制器用于根据所述期望车速v_d与期望曲率ρ_d，计算左侧车轮轮速ω_l和右侧车轮轮速ω_r；

所述传送模块用于将所述左侧车轮轮速ω_l和右侧车轮轮速ω_r，传送到车辆底层执行。

其中，所述上层控制器根据输入的感知模块发出的障碍物信息、定位模块发出的车辆位姿信息、规划模块发出的道路及路点属性信息以及车辆底层反馈的车辆底盘信息，输出所述期望车速v_d与期望曲率ρ_d。

其中，所述期望车速v_d通过预瞄加反馈的方式获取，

采取如下方式计算，v_d＝v_p+μ(k)，其中，v_p为预瞄点的速度，μ(k)为第k次采样时刻控制器的输出值。

其中，所述期望曲率ρ_d通过预瞄加反馈的方式获取，

采取如下方式计算，ρ_d＝ρ_p+μ(k)，其中，ρ_p为道路的曲率，μ(k)为第k次采样时刻控制器的输出值。

第三方面，提供了一种存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上述的差速转向车辆无人驾驶控制方法。

第四方面，提供了一种终端，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述的差速转向车辆无人驾驶控制方法。

与现有技术相比，本发明的有益效果为，

本申请提供了一种结构简单、容易实现、效果良好的横纵向控制方法，可以有效改善差速转向无人驾驶车辆在一些复杂场景下模型失配严重、控制效果较差的现象。

附图说明

图1为本申请实施例差速转向车辆无人驾驶控制方法流程图；

图2为本申请实施例期望曲率计算示意图；

图3为本申请实施例二轮简化车辆模型运动轨迹示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

以下结合附图和具体实施例对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例提供了一种差速转向车辆的无人驾驶控制方法，通过该方法可以在较为恶劣的车辆行驶环境下提高速度控制精度和位置控制精度，增强控制***如可靠性。

如图1所示，具体包括如下步骤：

步骤S1：获取期望车速v_d与期望曲率ρ_d；

步骤S2：根据所述期望车速v_d与期望曲率ρ_d，计算左侧车轮轮速ω_l和右侧车轮轮速ω_r；

步骤S3：将所述左侧车轮轮速ω_l和右侧车轮轮速ω_r，传送到车辆底层执行。

在优选的实施例中，

在步骤S1中，根据感知模块发出的障碍物信息、定位模块发出的车辆位姿信息、规划模块发出的道路及路点属性信息以及车辆底层反馈的车辆底盘信息，输出期望车速v_d与期望曲率ρ_d，以供步骤S2使用；

在步骤S2中，根据步骤S1输出的期望车速v_d与期望曲率ρ_d，计算得出左侧车轮轮速ω_l和右侧车轮的轮速ω_r。

在步骤S2之后，通过CAN总线将轮速信息传送到车辆底层并执行，实现对车辆的加减速和转向的控制。

在优选的实施例中，提供了一种获取期望车速v_d的具体方法：

所述期望车速v_d通过预瞄加反馈的方式计算。

需要说明的是，在步骤S1中使用的道路及路点属性信息为一连串离散的路点及属性信息，由于车辆执行器存在纯滞后环节、速度控制为一阶滞后环节，因此为了抵消速度跟踪的滞后现象，本发明采用预瞄的方法。

具体地，预瞄到车辆行驶方向前方一段距离，把预瞄距离之后的第一个路点作为预瞄点，如果有效道路长度小于预瞄距离，则取道路最后一个点作为预瞄点，预瞄点的速度为v_p，预瞄距离计算公式为：

其中：preview_dis为预瞄距离，v为车速，τ为执行器滞后和速度一阶滞后的总滞后时间，a为车辆加速度，d_min为常数。

获取到预瞄点的速度v_p后，再搜索离车最近的路点，获取该路点的速度v₀，速度控制的控制目标就是使本车车速v能够与最近路点速度v₀保持较小的误差。

为了缩小该误差，增强***的鲁棒性，此处增加对本车车速v与最近路点速度v₀偏差的PID控制算法，设u(k)为第k次采样时刻控制器的输出值，则PID算法公式为：

式中K_p为比例系数，K_i为积分系数，e(k)＝v₀-v为最近路点速度与当前车速的差值，最终在步骤S1中获取的期望车速为：

v_d＝v_p+μ(k)

在优选的实施例中，提供了一种获取期望曲率ρ_d的具体方法，

与上述获取期望车速v_d一样，期望曲率ρ_d同样通过预瞄加反馈的方式获取。

需要说明的是，预瞄到车辆行驶方向前方一段距离，把预瞄距离之后的第一个路点预瞄点(如果有效道路长度小于预瞄距离，则取道路最后一个点作为预瞄点)，预瞄距离的计算公式同期望车速v_d求解中公式相同。

最后得到预瞄点的坐标P(x，y)，如图2所示，则为

为以车辆后轴中心为切点，前后轴中心为切线，通过目标点点P的一条弧线。

设车辆坐标系下车辆的后轴中心O为坐标原点，车辆做圆弧运动的中心为点R(x_r，y_r)，则存在RO的长度等于RP的长度，即存在公式：

(x_r-x_o)²+(y_r-y_o)²＝(x_r-x_p)²+(y_r-y_p)²

整理得：

则通过该方法可以得到道路的曲率：

由于轮胎的滑移等原因，实际车辆运动轨迹的曲率ρ与预瞄法得到道路的曲率ρ_p存在一定的误差，为减小曲率误差，此处增加对车辆运动轨迹的曲率ρ与预瞄法得到道路的曲率ρ_p偏差的PID控制算法，设u(k)为第k次采样时刻控制器的输出值，则PID算法公式为：

式中K_p为比例系数，K_i为积分系数，e(k)＝ρ_p-ρ为预瞄法得到道路的曲率与实际车辆运动轨迹的曲率的差值，车辆运动轨迹的曲率

ρ＝yaw_rate/v

其中，yaw_rate为车辆的横摆角速度，该信息可以从IMU中得到，v为车速，为防止曲率值ρ的计算出现异常值，需约束车速的最小值不等于0。最终上层控制器输出的期望曲率为：

ρ_d＝ρ_p+μ(k)

在优选的实施例中，提供了一种根据所述期望车速v_d与期望曲率ρ_d，计算左侧车轮轮速ω_l和右侧车轮轮速ω_r的具体方案：

将四轮车或六轮车等车辆简化为以车辆中心为基准的二轮车模型，如图3所示。根据差速转向车辆的转向原理可得公式：

式中：ω_l为左侧车轮轮速，ω_r为右侧车轮轮速，R为车轮的半径，d为左右两侧车轮之间的距离，r为车辆质心位置转弯时的转弯半径，ρ为车辆质心位置转弯时轨迹的曲率。

由以上公式得到两侧车轮轮速ω_l和ω_r与车速υ、车辆运动轨迹曲率ρ的关系如下：

将得到两侧车轮期望轮速ω_l和ω_r后，通过CAN总线将期望轮速信息传送到车辆底层并执行，实现对车辆的加减速和转向的控制。

与上述差速转向车辆的无人驾驶控制方法相对应地，本发明实施例还提供了差速转向车辆的无人驾驶控制装置，

包括如下模块：上层控制器和下层控制器、传送模块，

其中，

所述上层控制器用于获取期望车速v_d与期望曲率ρ_d；

所述下层控制器用于根据所述期望车速v_d与期望曲率ρ_d，计算左侧车轮轮速ω_l和右侧车轮轮速ω_r；

所述传送模块用于将所述左侧车轮轮速ω_l和右侧车轮轮速ω_r，传送到车辆底层执行。

需要说明的是，其中上层控制器的输入为：感知模块发出的障碍物信息、定位模块发出的车辆位姿信息、规划模块发出的道路及路点属性信息以及车辆底层反馈的车辆底盘信息，输出为期望车速v_d与期望曲率ρ_d。上层控制器功能是通过输入的感知、定位、规划和车辆底盘信息计算出一个合理的期望车速v_d与期望曲率ρ_d，供下层控制器使用；下层控制器的输入为上层控制器输出的期望车速v_d与期望曲率ρ_d，输出为左侧车轮角速度ω_l和右侧车轮的角速度ω_r。

在优选的实施例中，

期望车速v_d通过预瞄加反馈的方式得到。上层控制器输入的道路及路点属性信息为一连串离散的路点及属性信息，由于车辆执行器存在纯滞后环节、速度控制为一阶滞后环节，因此为了抵消速度跟踪的滞后现象，本发明采用预瞄的方法，预瞄到车辆行驶方向前方一段距离，把预瞄距离之后的第一个路点预瞄点，如果有效道路长度小于预瞄距离，则取道路最后一个点作为预瞄点，预瞄点的速度为v_p。预瞄距离计算公式为：

其中：preview_dis为预瞄距离，v为车速，τ为执行器滞后和速度一阶滞后的总滞后时间，a为车辆加速度，d_min为常数。

获取到预瞄点的速度v_p后，再搜索离车最近的路点，获取该路点的速度v₀，速度控制的控制目标就是使本车车速v能够与最近路点速度v₀保持较小的误差，为了缩小该误差，增强***的鲁棒性，此处增加对本车车速v与最近路点速度v₀偏差的PID控制算法，设u(k)为第k次采样时刻控制器的输出值，则PID算法公式为：

式中K_p为比例系数，K_i为积分系数，e(k)＝v₀-v为最近路点速度与当前车速的差值，最终上层控制器输出的期望车速为：

v_d＝v_p+μ(k)。

在优选的实施例中，

期望曲率ρ_d同样通过预瞄加反馈的方式获取。

采用预瞄的方法，预瞄到车辆行驶方向前方一段距离，把预瞄距离之后的第一个路点预瞄点(如果有效道路长度小于预瞄距离，则取道路最后一个点作为预瞄点)，预瞄距离的计算公式同期望车速v_d求解中公式相同，最后得到预瞄点的坐标P(x，y)，如图2所示，则为

为以车辆后轴中心为切点，前后轴中心为切线，通过目标点点P的一条弧线。设车辆坐标系下车辆的后轴中心O为坐标原点，车辆做圆弧运动的中心为点R(x_r，y_r)，则存在RO的长度等于RP的长度，即存在公式：

(x_r-x_o)²+(y_r-y_o)²＝(x_r-x_p)²+(y_r-y_p)²

整理得：

则通过该方法可以得到道路的曲率：

由于轮胎的滑移等原因，实际车辆运动轨迹的曲率ρ与预瞄法得到道路的曲率ρ_p存在一定的误差，为减小曲率误差，此处增加对车辆运动轨迹的曲率ρ与预瞄法得到道路的曲率ρ_p偏差的PID控制算法，设u(k)为第k次采样时刻控制器的输出值，则PID算法公式为：

式中K_p为比例系数，K_i为积分系数，e(k)＝ρ_p-ρ为预瞄法得到道路的曲率与实际车辆运动轨迹的曲率的差值，车辆运动轨迹的曲率

ρ＝yaw_rate/v

其中，yaw_rate为车辆的横摆角速度，该信息可以从IMU中得到，v为车速，为防止曲率值ρ的计算出现异常值，需约束车速的最小值不等于0。最终上层控制器输出的期望曲率为：

ρ_d＝ρ_p+μ(k)

在优选的实施例中，

下层控制器功能是根据上层控制器输出的期望车速v_d与期望曲率ρ_d，通过计算输出左右两侧车轮的轮速ω_l和ω_r。

将四轮车或六轮车等车辆简化为以车辆中心为基准的二轮车模型，如图3所示。根据差速转向车辆的转向原理可得公式：

式中：ω_l为左侧车轮轮速，ω_r为右侧车轮轮速，R为车轮的半径，d为左右两侧车轮之间的距离，r为车辆质心位置转弯时的转弯半径，ρ为车辆质心位置转弯时轨迹的曲率。

由以上公式得到两侧车轮轮速ω_l和ω_r与车速υ、车辆运动轨迹曲率ρ的关系如下：

将得到两侧车轮期望轮速ω_l和ω_r后，通过CAN总线将期望轮速信息传送到车辆底层并执行，实现对车辆的加减速和转向的控制。

另外，在优选的实施例中，与上述的方法及装置相对应地，本发明提供了一种存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述实施例中的差速转向车辆无人驾驶控制方法。

需要说明的是，本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也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，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

另外，在优选的实施例中，本发明提供了一种终端，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述实施例中的差速转向车辆无人驾驶控制方法。

需要说明的是，本申请中未详述的技术方案，采用公知技术。

以上所述仅是本发明的优选实施方式，应当指出的是，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种差速转向车辆无人驾驶控制方法，其特征在于，包括如下步骤：

步骤S1：获取期望车速v_d与期望曲率ρ_d；

步骤S2：根据所述期望车速v_d与期望曲率ρ_d，计算左侧车轮轮速ω_l和右侧车轮轮速ω_r；

步骤S3：将所述左侧车轮轮速ω_l和右侧车轮轮速ω_r，传送到车辆底层执行。

2.根据权利要求1所述的一种差速转向车辆无人驾驶控制方法，其特征在于，在所述步骤S1中，

根据感知模块发出的障碍物信息、定位模块发出的车辆位姿信息、规划模块发出的道路及路点属性信息以及车辆底层反馈的车辆底盘信息，输出所述期望车速v_d与期望曲率ρ_d。

3.根据权利要求1所述的一种差速转向车辆无人驾驶控制方法，其特征在于，所述期望车速v_d通过预瞄加反馈的方式获取，采取如下方式计算，v_d＝v_p+μ(k)，其中，v_p为预瞄点的速度，μ(k)为第k次采样时刻控制器的输出值。

4.根据权利要求1所述的一种差速转向车辆无人驾驶控制方法，其特征在于，所述期望曲率ρ_d通过预瞄加反馈的方式获取，采取如下方式计算，ρ_d＝ρ_p+μ(k)，其中，ρ_p为道路的曲率，μ(k)为第k次采样时刻控制器的输出值。

5.一种差速转向车辆无人驾驶控制装置，其特征在于，包括如下模块：上层控制器和下层控制器、传送模块，

其中，

所述上层控制器用于获取期望车速v_d与期望曲率ρ_d；

所述下层控制器用于根据所述期望车速v_d与期望曲率ρ_d，计算左侧车轮轮速ω_l和右侧车轮轮速ω_r；

所述传送模块用于将所述左侧车轮轮速ω_l和右侧车轮轮速ω_r，传送到车辆底层执行。

6.根据权利要求5所述的一种差速转向车辆无人驾驶控制装置，其特征在于，

所述上层控制器根据输入的感知模块发出的障碍物信息、定位模块发出的车辆位姿信息、规划模块发出的道路及路点属性信息以及车辆底层反馈的车辆底盘信息，输出所述期望车速v_d与期望曲率ρ_d。

7.根据权利要求5所述的一种差速转向车辆无人驾驶控制装置，其特征在于，所述期望车速v_d通过预瞄加反馈的方式获取，采取如下方式计算，v_d＝v_p+μ(k)，其中，v_p为预瞄点的速度，μ(k)为第k次采样时刻控制器的输出值。

8.根据权利要求5所述的一种差速转向车辆无人驾驶控制装置，其特征在于，所述期望曲率ρ_d通过预瞄加反馈的方式获取，采取如下方式计算，ρ_d＝ρ_p+μ(k)，其中，ρ_p为道路的曲率，μ(k)为第k次采样时刻控制器的输出值。

9.一种存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至4中任一项权利要求所述的差速转向车辆无人驾驶控制方法。

10.一种终端，其特征在于，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至4中任一项权利要求所述的差速转向车辆无人驾驶控制方法。

Images