CN117622164A - 前轮转角的确定方法、装置、计算机设备和存储介质 - Google Patents
前轮转角的确定方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117622164A CN117622164A CN202311665827.XA CN202311665827A CN117622164A CN 117622164 A CN117622164 A CN 117622164A CN 202311665827 A CN202311665827 A CN 202311665827A CN 117622164 A CN117622164 A CN 117622164A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- front wheel
- angle
- moment
- error
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000001914 filtration Methods 0.000 claims abstract description 16
- 238000004590 computer program Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000011511 automated evaluation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- 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
- B60W40/10—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 related to vehicle motion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
- B60W2050/0052—Filtering, filters
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/12—Lateral speed
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本申请提供了一种前轮转角的确定方法、装置、计算机设备和存储介质。其中,该方法包括:根据当前时刻车辆的状态信息,计算当前时刻车辆的前轮转角,并将当前时刻车辆的前轮转角存入控制量序列中;将当前时刻车辆的状态信息和当前时刻车辆的前轮转角输入至预先训练好的车辆预测模型中,得到下一预测时刻车辆的状态信息;判断下一预测时刻是否超出预测时域范围;若下一预测时刻超出预测时域范围,则根据控制量序列中的前轮转角,确定初始前轮转角;对初始前轮转角进行一阶低通滤波和限幅处理,得到目标前轮转角。本方法通过预测和调整前轮转角来解决车辆在复杂轨迹跟踪上的控制问题,从而确保车辆能够准确地跟踪参考轨迹。
Description
技术领域
本申请涉及轨迹跟踪技术领域。具体地,本申请涉及一种前轮转角的确定方法、装置、计算机设备和存储介质。
背景技术
车辆轨迹跟踪是指在给定参考轨迹的情况下,利用控制算法和传感器信息来引导车辆以最佳方式沿着该轨迹行进,以实现快速且准确地跟踪。通常,轨迹跟踪应用于自动驾驶或车辆控制***,其主要目标是确保车辆可以在给定轨迹上以安全和高效的方式行驶。
目前,一种常见的轨迹跟踪方法是采用斯坦利(Stanley)控制算法。Stanley控制算法是一种基于横向误差的跟踪算法,主要依赖于当前车辆状态的实时反馈,进而通过控制车辆的前轮转角来实现轨迹跟踪。对于直线轨迹等无曲率情况下,该控制算法表现良好。但是,当道路轨迹包含曲线部分或存在曲率突变时,该控制算法的轨迹跟踪效果相对较差。特别是在车速逐渐增加的情况下,追踪误差会越来越大,无法满足实际应用场景的要求。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高复杂轨迹跟踪效果的前轮转角的确定方法、装置、计算机设备和存储介质。
第一方面,本申请提供了一种前轮转角的确定方法。所述方法包括:
根据当前时刻车辆的状态信息,计算当前时刻车辆的前轮转角,并将所述当前时刻车辆的前轮转角存入控制量序列中;其中,所述状态信息包括车辆前轮的横向误差、车辆前轮的航向误差和车辆速度;
将所述当前时刻车辆的状态信息和所述当前时刻车辆的前轮转角输入至预先训练好的车辆预测模型中,得到下一预测时刻车辆的状态信息;
判断所述下一预测时刻是否超出预测时域范围;其中,所述预测时域范围是基于设定的预测时域周期和时间步长确定的;
若所述下一预测时刻超出预测时域范围,则根据所述控制量序列中的前轮转角,确定初始前轮转角;
对所述初始前轮转角进行一阶低通滤波和限幅处理,得到目标前轮转角;其中,所述目标前轮转角用于指示车辆底盘对车辆前轮进行控制。
在其中一个实施例中,所述方法还包括:
若所述下一预测时刻未超出预测时域范围,则将所述下一预测时刻车辆的状态信息确定为当前时刻车辆的状态信息,并返回执行所述根据当前时刻车辆的状态信息,计算当前时刻车辆的前轮转角的步骤,直至所述下一预测时刻超出预测时域范围。
在其中一个实施例中,所述根据所述控制量序列中的前轮转角,确定初始前轮转角,包括:
对所述控制量序列中的所有前轮转角进行加权平均处理,得到初始前轮转角。
在其中一个实施例中,所述方法还包括:
获取所述车辆的目标历史轨迹所对应的目标历史横向误差;其中,所述目标历史轨迹为所述车辆在轨迹跟踪过程中实际行驶的轨迹,所述目标历史轨迹的长度大于或等于长度阈值;
判断所述目标历史横向误差中的最大横向误差是否小于或等于误差阈值;
若所述目标历史横向误差中的最大横向误差大于误差阈值,则将所述目标历史轨迹和所述目标历史横向误差存储至轨迹数据库中;
判断所述轨迹数据库中存储的历史轨迹的条数是否大于条数阈值;
若所述轨迹数据库中存储的历史轨迹的条数大于条数阈值,则提取所述轨迹数据库中存储的历史轨迹所对应的历史横向误差,并采用增量式PID控制方法对所述历史横向误差进行校正计算,得到所述车辆预测模型的参数调整量;
将所述参数调整量应用于所述车辆预测模型中。
在其中一个实施例中,所述方法还包括:
若所述目标历史横向误差中的最大横向误差小于或等于误差阈值,则返回执行所述获取所述车辆的目标历史轨迹所对应的目标历史横向误差的步骤。
在其中一个实施例中,所述方法还包括:
若所述轨迹数据库中存储的历史轨迹的条数小于或等于条数阈值,则返回执行所述获取所述车辆的目标历史轨迹所对应的目标历史横向误差的步骤。
在其中一个实施例中,所述根据当前时刻车辆的状态信息,计算当前时刻车辆的前轮转角,通过如下公式计算:
其中,steer_angle(t)表示t时刻车辆的前轮转角,heading_error(t)表示t时刻车辆前轮的航向误差,lat_error(t)表示t时刻车辆前轮的横向误差,V(t)表示t时刻车辆速度,k=2.5,表示增益参数,Kv=0.5,表示速度偏移量系数;
所述将所述当前时刻车辆的状态信息和所述当前时刻车辆的前轮转角输入至预先训练好的车辆预测模型中,得到下一预测时刻车辆的状态信息,包括:
根据当前时刻车辆前轮的横向误差,获取对应的当前时刻车辆的位置信息;
根据当前时刻车辆前轮的航向误差,获取对应的当前时刻车辆的航向角;
根据所述当前时刻车辆的位置信息、所述当前时刻车辆的航向角和当前时刻车辆速度,通过如下公式,计算下一预测时刻车辆的位置信息和下一预测时刻车辆的航向角:
Yaw(t+1)=(V(t)*tan(steer_angle(t)/L))*dt+Yaw(t)
X(t+1)=V(t)*cos(Yaw(t+1))+X(t)
Y(t+1)=V(t)*sin(Yaw(t+1))+Y(t)
其中,Yaw(t+1)表示t+1时刻车辆的航向角,Yaw(t)表示t时刻车辆的航向角,L表示车辆轴距,dt表示采样间隔时间,X(t+1)和Y(t+1)表示t+1时刻车辆的位置信息,X(t)和Y(t)表示t时刻车辆的位置信息;
根据所述下一预测时刻车辆的位置信息和所述下一预测时刻车辆的航向角,计算得到下一预测时刻车辆的状态信息。
第二方面,本申请提供了一种前轮转角的确定装置。所述装置包括:
轮转角计算模块,用于根据当前时刻车辆的状态信息,计算当前时刻车辆的前轮转角,并将所述当前时刻车辆的前轮转角存入控制量序列中;其中,所述状态信息包括车辆前轮的横向误差、车辆前轮的航向误差和车辆速度;
状态预测模块,用于将所述当前时刻车辆的状态信息和所述当前时刻车辆的前轮转角输入至预先训练好的车辆预测模型中,得到下一预测时刻车辆的状态信息;
时刻判断模块,用于判断所述下一预测时刻是否超出预测时域范围;其中,所述预测时域范围是基于设定的预测时域周期和时间步长确定的;
轮转角确定模块,用于若所述下一预测时刻超出预测时域范围,则根据所述控制量序列中的前轮转角,确定初始前轮转角;
轮转角处理模块,用于对所述初始前轮转角进行一阶低通滤波和限幅处理,得到目标前轮转角;其中,所述目标前轮转角用于指示车辆底盘对车辆前轮进行控制。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
根据当前时刻车辆的状态信息,计算当前时刻车辆的前轮转角,并将所述当前时刻车辆的前轮转角存入控制量序列中;其中,所述状态信息包括车辆前轮的横向误差、车辆前轮的航向误差和车辆速度;
将所述当前时刻车辆的状态信息和所述当前时刻车辆的前轮转角输入至预先训练好的车辆预测模型中,得到下一预测时刻车辆的状态信息;
判断所述下一预测时刻是否超出预测时域范围;其中,所述预测时域范围是基于设定的预测时域周期和时间步长确定的;
若所述下一预测时刻超出预测时域范围,则根据所述控制量序列中的前轮转角,确定初始前轮转角;
对所述初始前轮转角进行一阶低通滤波和限幅处理,得到目标前轮转角;其中,所述目标前轮转角用于指示车辆底盘对车辆前轮进行控制。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
根据当前时刻车辆的状态信息,计算当前时刻车辆的前轮转角,并将所述当前时刻车辆的前轮转角存入控制量序列中;其中,所述状态信息包括车辆前轮的横向误差、车辆前轮的航向误差和车辆速度;
将所述当前时刻车辆的状态信息和所述当前时刻车辆的前轮转角输入至预先训练好的车辆预测模型中,得到下一预测时刻车辆的状态信息;
判断所述下一预测时刻是否超出预测时域范围;其中,所述预测时域范围是基于设定的预测时域周期和时间步长确定的;
若所述下一预测时刻超出预测时域范围,则根据所述控制量序列中的前轮转角,确定初始前轮转角;
对所述初始前轮转角进行一阶低通滤波和限幅处理,得到目标前轮转角;其中,所述目标前轮转角用于指示车辆底盘对车辆前轮进行控制。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
根据当前时刻车辆的状态信息,计算当前时刻车辆的前轮转角,并将所述当前时刻车辆的前轮转角存入控制量序列中;其中,所述状态信息包括车辆前轮的横向误差、车辆前轮的航向误差和车辆速度;
将所述当前时刻车辆的状态信息和所述当前时刻车辆的前轮转角输入至预先训练好的车辆预测模型中,得到下一预测时刻车辆的状态信息;
判断所述下一预测时刻是否超出预测时域范围;其中,所述预测时域范围是基于设定的预测时域周期和时间步长确定的;
若所述下一预测时刻超出预测时域范围,则根据所述控制量序列中的前轮转角,确定初始前轮转角;
对所述初始前轮转角进行一阶低通滤波和限幅处理,得到目标前轮转角;其中,所述目标前轮转角用于指示车辆底盘对车辆前轮进行控制。
上述前轮转角的确定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品,首先,根据当前车辆状态信息计算当前车辆前轮转角,并将其存储在一个控制量序列中,作为后续预测和控制的输入。然后,将当前车辆状态信息和当前车辆前轮转角输入到预先训练好的车辆预测模型中,以根据当前状态和当前前轮转角来预测下一时刻车辆的状态信息,如此可提前获知车辆将如何响应前轮转角的变化。在预测下一时刻的车辆状态后,会判断预测时刻是否超出了预测时域范围。如果预测超出了该范围,说明预测可能不可靠,如此可确保预测的有效性和准确性。如果在预测时域范围内,那么会根据控制量序列中的前轮转角确定初始前轮转角,并对初始前轮转角进行一阶低通滤波和限幅处理,以获得目标前轮转角。该目标前轮转角将用于控制车辆底盘,以确保车辆沿着参考轨迹行驶。可以理解,本申请通过当前车辆状态信息、当前车辆前轮转角以及车辆预测模型来对未来一定时域的车辆状态进行预测,并计算每一预测时刻车辆前轮转角的控制量,然后对控制量序列进行求解得到当前前轮转角的最优控制量。如此实现了通过预测和调整前轮转角来解决车辆在复杂轨迹跟踪上的控制问题,从而确保车辆能够准确地跟踪参考轨迹。
附图说明
图1为一个实施例中前轮转角的确定方法的流程示意图;
图2为一个实施例中车辆预测模型参数调整方案的流程示意图;
图3为一个实施例中前轮转角的确定装置的结构框图;
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的前轮转角的确定方法,可以应用于终端,也可以应用于服务器,还可以应用于包括终端和服务器的***,并通过终端和服务器的交互实现。
其中,终端可以是手机(mobile phone)、平板电脑(Pad)、带无线收发功能的电脑、虚拟现实(virtual reality,VR)终端设备、增强现实(augmented reality,AR)终端设备、工业控制(industrial control)中的无线终端、无人驾驶(self driving)中的无线终端、智能电网(smart grid)中的无线终端、运输安全(transportation safety)中的无线终端、智慧城市(smart city)中的无线终端、车载终端等。终端还可以是作为一个或多个部件或者单元而内置于车辆的车载模块、车载模组、车载部件、车载芯片或者车载单元,车辆通过内置的车载模块、车载模组、车载部件、车载芯片或者车载单元可以实施本申请实施例提供的前轮转角的确定方法。
服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图1所示,提供了一种前轮转角的确定方法。该方法包括以下步骤:
步骤S102,根据当前时刻车辆的状态信息,计算当前时刻车辆的前轮转角,并将当前时刻车辆的前轮转角存入控制量序列中。
其中,状态信息包括车辆前轮的横向误差、车辆前轮的航向误差和车辆速度。横向误差是指车辆行驶的实际轨迹与参考轨迹之间的距离。参考轨迹可以是一系列的GPS坐标点、道路中心线的几何描述或其他形式的路线信息。航向误差是指车辆行驶的航向角与参考航向角之间的差值。控制量序列中记录有按照时间的先后顺序排列的一组前轮转角的集合。
需要说明,本申请实施例是在斯坦利(Stanley)控制算法的基础上作出的进一步改进。Stanley控制算法是一种基于横向误差的跟踪算法。
具体而言,根据当前时刻车辆的状态信息计算当前时刻车辆的前轮转角,通过如下公式计算:
其中,steer_angle(t)表示t时刻(即当前时刻)车辆的前轮转角,heading_error(t)表示t时刻车辆前轮的航向误差,lat_error(t)表示t时刻车辆前轮的横向误差,V(t)表示t时刻车辆速度,k=2.5,表示增益参数,Kv=0.5,表示速度偏移量系数。
步骤S104,将当前时刻车辆的状态信息和当前时刻车辆的前轮转角输入至预先训练好的车辆预测模型中,得到下一预测时刻车辆的状态信息。
其中,车辆预测模型可以基于车辆运动学模型构建。
具体而言,首先,根据当前时刻车辆前轮的横向误差,获取对应的当前时刻车辆的位置信息。然后,根据当前时刻车辆前轮的航向误差,获取对应的当前时刻车辆的航向角。之后,根据当前时刻车辆的位置信息、当前时刻车辆的航向角和当前时刻车辆速度,通过如下公式,计算下一预测时刻车辆的位置信息和下一预测时刻车辆的航向角:
Yaw(t+1)=(V(t)*tan(steer_angle(t)/L))*dt+Yaw(t)
X(t+1)=V(t)*cos(t(t+1))+X(t)
Y(t+1)=V(t)*sin(Yaw(t+1))+Y(t)
其中,Yaw(t+1)表示t+1时刻(即下一预测时刻)车辆的航向角,Yaw(t)表示t时刻车辆的航向角,L表示车辆轴距,dt表示采样间隔时间,可设定为0.5s,X(t+1)和Y(t+1)表示t+1时刻车辆的位置信息,X(t)和Y(t)表示t时刻车辆的位置信息。
最后,根据下一预测时刻车辆的位置信息和下一预测时刻车辆的航向角,计算得到下一预测时刻车辆的状态信息。
步骤S106,判断下一预测时刻是否超出预测时域范围。
其中,预测时域范围是基于设定的预测时域周期和时间步长确定的。预测时域周期是指预测时刻与上一时刻之间的时间间隔。时间步长用于确定预测的次数,也即迭代次数。例如,假设预测时域周期为200ms,时间步长为5,那么预测时域范围为1000ms。
步骤S108,若下一预测时刻超出预测时域范围,则根据控制量序列中的前轮转角,确定初始前轮转角。
具体而言,在一示例中,若下一预测时刻超出预测时域范围,则对控制量序列中的所有前轮转角进行加权平均处理,得到初始前轮转角。在另一示例中,若下一预测时刻超出预测时域范围,则选取控制量序列中的所有前轮转角的中位数,确定为初始前轮转角。
步骤S110,对初始前轮转角进行一阶低通滤波和限幅处理,得到目标前轮转角。
其中,目标前轮转角用于指示车辆底盘对车辆前轮进行无人控制。
具体而言,通过对初始前轮转角进行一阶低通滤波,可以平滑控制输入信号(即前轮转角),去除高频噪声和突变,从而减小了车辆控制***对突然变化的响应。通过对一阶低通滤波得到的前轮转角进行限幅处理,可以限制控制输入信号的幅度,防止其超出安全范围或引起车辆失控。这有助于防止急剧的转向或加速,从而提高了驾驶的可控性和安全性。可以理解,通过对初始前轮转角进行一阶低通滤波和限幅处理,可以减少车辆控制***中的振荡和不稳定性,达到消抖的目的,特别是在高速驾驶或急剧变化的驾驶条件下,有助于保持车辆的平稳性和可预测性。
上述前轮转角的确定方法中,首先,根据当前车辆状态信息计算当前车辆前轮转角,并将其存储在一个控制量序列中,作为后续预测和控制的输入。然后,将当前车辆状态信息和当前车辆前轮转角输入到预先训练好的车辆预测模型中,以根据当前状态和当前前轮转角来预测下一时刻车辆的状态信息,如此可提前获知车辆将如何响应前轮转角的变化。在预测下一时刻的车辆状态后,会判断预测时刻是否超出了预测时域范围。如果预测超出了该范围,说明预测可能不可靠,如此可确保预测的有效性和准确性。如果在预测时域范围内,那么会根据控制量序列中的前轮转角确定初始前轮转角,并对初始前轮转角进行一阶低通滤波和限幅处理,以获得目标前轮转角。该目标前轮转角将用于控制车辆底盘,以确保车辆沿着参考轨迹行驶。可以理解,本申请通过当前车辆状态信息、当前车辆前轮转角以及车辆预测模型来对未来一定时域的车辆状态进行预测,并计算每一预测时刻车辆前轮转角的控制量,然后对控制量序列进行求解得到当前前轮转角的最优控制量。如此实现了通过预测和调整前轮转角来解决车辆在复杂轨迹跟踪上的控制问题,从而确保车辆能够准确地跟踪参考轨迹。
在一个实施例中,该方法还包括以下步骤:
步骤S109,若下一预测时刻未超出预测时域范围,则将下一预测时刻车辆的状态信息确定为当前时刻车辆的状态信息,并返回执行根据当前时刻车辆的状态信息,计算当前时刻车辆的前轮转角的步骤,即步骤S102,直至下一预测时刻超出预测时域范围。
具体而言,若下一预测时刻未超出预测时域范围,表明预测时域周期尚未迭代结束,因此往复执行步骤S102至步骤S106,直至下一预测时刻超出预测时域范围,执行步骤S108。
在一个实施例中,如图2所示,该方法还包括以下步骤:
步骤S111,获取车辆的目标历史轨迹所对应的目标历史横向误差;
步骤S112,判断目标历史横向误差中的最大横向误差是否小于或等于误差阈值;
步骤S113,若目标历史横向误差中的最大横向误差大于误差阈值,则将目标历史轨迹和目标历史横向误差存储至轨迹数据库中;
步骤S114,判断轨迹数据库中存储的历史轨迹的条数是否大于条数阈值;
步骤S115,若轨迹数据库中存储的历史轨迹的条数大于条数阈值,则提取轨迹数据库中存储的历史轨迹所对应的历史横向误差,并采用增量式PID控制方法对历史横向误差进行校正计算,得到车辆预测模型的参数调整量;
步骤S116,将参数调整量应用于车辆预测模型中。
其中,目标历史轨迹为车辆在轨迹跟踪过程中实际行驶的轨迹,目标历史轨迹的长度大于或等于长度阈值。长度阈值可以基于实际需求进行设定,例如可以是5米、10米等等。目标历史横向误差为目标历史轨迹与相应参考轨迹之间的距离。
其中,误差阈值的设定与轨迹跟踪的需求相关。通常,误差阈值设定越小,轨迹跟踪的精度越高。可选地,误差阈值可以设定为10cm、20cm或者其他数值。条数阈值可以基于实际需求进行设定。可选地,条数阈值可以设定为3条、5条或者其他数值。
本实施例中,提供了独特的动态模型优化功能,该功能在整个无人车辆控制过程中发挥着关键作用。它通过实时收集和分析整体轨迹跟踪控制精度的结果,来不断调整和优化车辆预测模型,以达到迭代提升控制精度的目标。这一功能十分重要,因为在批量生产无人车辆时,每辆车的底盘都存在微小差异,而且随着时间的推移,底盘特性也会发生变化,通过借助动态模型优化功能,能够在车辆控制过程中实时优化和校正车辆预测模型,有效提高了控制精度。该功能对于适配不同状态车辆具有明显的优势,与其他技术方案不同,其他技术方案只能针对车辆特性进行定点优化,无法像该技术一样实现全面地动态优化。
在一个实施例中,该方法还包括以下步骤:
步骤S117,若目标历史横向误差中的最大横向误差小于或等于误差阈值,表明车辆预测模型无需优化,则返回执行获取车辆的目标历史轨迹所对应的目标历史横向误差的步骤,即步骤S111。
本实施例中,通过将最大横向误差与误差阈值进行比较,从而实现对车辆预测模型性能的自动化评估。如果最大横向误差小于或等于误差阈值,表明模型表现良好,无需进行额外的优化操作,有助于节省计算资源,同时可以避免不必要的工作,提高了效率。
在一个实施例中,该方法还包括以下步骤:
步骤S118,若轨迹数据库中存储的历史轨迹的条数小于或等于条数阈值,表明所收集的横向位置偏差较大的轨迹数据较少,样本不够丰富,需要增加轨迹数据量以改善数据丰富性,因此将继续执行获取车辆的目标历史轨迹所对应的目标历史横向误差的步骤,即步骤S111。
本实施例中,通过检查轨迹数据库中历史轨迹的数量,如果数量小于或等于条数阈值,就会触发补充轨迹数据的过程。如此将会收集更多的历史轨迹数据,从而提高轨迹数据的丰富性,有助于提高车辆行为预测和控制的准确性和稳定性。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的前轮转角的确定方法的前轮转角的确定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个前轮转角的确定装置实施例中的具体限定可以参见上文中对于前轮转角的确定方法的限定,在此不再赘述。
在一个实施例中,如图3所示,提供了一种前轮转角的确定装置20。该装置包括:
轮转角计算模块202,用于根据当前时刻车辆的状态信息,计算当前时刻车辆的前轮转角,并将当前时刻车辆的前轮转角存入控制量序列中;其中,状态信息包括车辆前轮的横向误差、车辆前轮的航向误差和车辆速度;
状态预测模块204,用于将当前时刻车辆的状态信息和当前时刻车辆的前轮转角输入至预先训练好的车辆预测模型中,得到下一预测时刻车辆的状态信息;
时刻判断模块206,用于判断下一预测时刻是否超出预测时域范围;其中,预测时域范围是基于设定的预测时域周期和时间步长确定的;
轮转角确定模块208,用于若下一预测时刻超出预测时域范围,则根据控制量序列中的前轮转角,确定初始前轮转角;
轮转角处理模块210,用于对初始前轮转角进行一阶低通滤波和限幅处理,得到目标前轮转角。
上述前轮转角的确定装置中,首先,根据当前车辆状态信息计算当前车辆前轮转角,并将其存储在一个控制量序列中,作为后续预测和控制的输入。然后,将当前车辆状态信息和当前车辆前轮转角输入到预先训练好的车辆预测模型中,以根据当前状态和当前前轮转角来预测下一时刻车辆的状态信息,如此可提前获知车辆将如何响应前轮转角的变化。在预测下一时刻的车辆状态后,会判断预测时刻是否超出了预测时域范围。如果预测超出了该范围,说明预测可能不可靠,如此可确保预测的有效性和准确性。如果在预测时域范围内,那么会根据控制量序列中的前轮转角确定初始前轮转角,并对初始前轮转角进行一阶低通滤波和限幅处理,以获得目标前轮转角。该目标前轮转角将用于控制车辆底盘,以确保车辆沿着参考轨迹行驶。可以理解,本申请通过当前车辆状态信息、当前车辆前轮转角以及车辆预测模型来对未来一定时域的车辆状态进行预测,并计算每一预测时刻车辆前轮转角的控制量,然后对控制量序列进行求解得到当前前轮转角的最优控制量。如此实现了通过预测和调整前轮转角来解决车辆在复杂轨迹跟踪上的控制问题,从而确保车辆能够准确地跟踪参考轨迹。
需要说明的是,上述实施例提供的前轮转角的确定装置在实现相应的功能时,仅以上述各功能模块的划分举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的前轮转角的确定装置与前轮转角的确定方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
根据本申请的一个方面,本发明实施例还提供一种计算机程序产品,该计算机程序产品包括计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分从网络上被下载和安装。在该计算机程序被处理器执行时,执行本申请实施例提供的前轮转角的确定方法。
此外,本发明实施例还提供了一种计算机设备,该设备包括处理器和存储器,存储器存储有计算机程序,处理器能够执行存储器中存储的计算机程序,计算机程序被处理器执行时,可以实现上述任一实施例提供的前轮转角的确定方法。
例如,图4示出了本发明实施例提供的一种计算机设备,该设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。
在本发明实施例中,该设备还包括:存储在存储器1150上并可在处理器1120上运行的计算机程序,计算机程序被处理器1120执行时实现上述前轮转角的确定方法实施例的各个过程。
收发器1130,用于在处理器1120的控制下接收和发送数据。
本发明实施例中,总线架构(用总线1110来代表),总线1110可以包括任意数量互联的总线和桥,总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。
总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个,包括存储器总线以及存储器控制器、***总线、加速图形端口(Accelerate Graphical Port,AGP)、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制,这样的体系结构包括:工业标准体系结构(Industry Standard Architecture,ISA)总线、微通道体系结构(Micro Channel Architecture,MCA)总线、扩展ISA(Enhanced ISA,EISA)总线、视频电子标准协会(Video Electronics Standards Association,VESA)、***部件互连(Peripheral Component Interconnect,PCI)总线。
处理器1120可以是一种集成电路芯片,具有信号处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括:通用处理器、中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(FieldProgrammable Gate Array,FPGA)、复杂可编程逻辑器件(Complex Programmable LogicDevice,CPLD)、可编程逻辑阵列(Programmable Logic Array,PLA)、微控制单元(Microcontroller Unit,MCU)或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本发明实施例中公开的各方法、步骤及逻辑框图。例如,处理器可以是单核处理器或多核处理器,处理器可以集成于单颗芯片或位于多颗不同的芯片。
处理器1120可以是微处理器或任何常规的处理器。结合本发明实施例所公开的方法步骤可以直接由硬件译码处理器执行完成,或者由译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存取存储器(Random Access Memory,RAM)、闪存(FlashMemory)、只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
总线1110还可以将,例如***设备、稳压器或功率管理电路等各种其他电路连接在一起,总线接口1140在总线1110和收发器1130之间提供接口,这些都是本领域所公知的。因此,本发明实施例不再对其进行进一步描述。
收发器1130可以是一个元件,也可以是多个元件,例如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。例如:收发器1130从其他设备接收外部数据,收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机***的性质,还可以提供用户接口1160,例如:触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。
应理解,在本发明实施例中,存储器1150可进一步包括相对于处理器1120远程设置的存储器,这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络(ad hoc network)、内联网(intranet)、外联网(extranet)、虚拟专用网(VPN)、局域网(LAN)、无线局域网(WLAN)、广域网(WAN)、无线广域网(WWAN)、城域网(MAN)、互联网(Internet)、公共交换电话网(PSTN)、普通老式电话业务网(POTS)、蜂窝电话网、无线网络、无线保真(Wi-Fi)网络以及两个或更多个上述网络的组合。例如,蜂窝电话网和无线网络可以是全球移动通信(GSM)***、码分多址(CDMA)***、全球微波互联接入(WiMAX)***、通用分组无线业务(GPRS)***、宽带码分多址(WCDMA)***、长期演进(LTE)***、LTE频分双工(FDD)***、LTE时分双工(TDD)***、先进长期演进(LTE-A)***、通用移动通信(UMTS)***、增强移动宽带(Enhance Mobile Broadband,eMBB)***、海量机器类通信(massive Machine Type of Communication,mMTC)***、超可靠低时延通信(UltraReliable Low Latency Communications,uRLLC)***等。
应理解,本发明实施例中的存储器1150可以是易失性存储器或非易失性存储器,或可包括易失性存储器和非易失性存储器两者。其中,非易失性存储器包括:只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存(Flash Memory)。
易失性存储器包括:随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如:静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DRRAM)。本发明实施例描述的存储器1150包括但不限于上述和任意其他适合类型的存储器。
在本发明实施例中,存储器1150存储了操作***1151和应用程序1152的如下元素:可执行模块、数据结构,或者其子集,或者其扩展集。
具体而言,操作***1151包含各种***程序,例如:框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序1152包含各种应用程序,例如:媒体播放器(Media Player)、浏览器(Browser),用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序1152中。应用程序1152包括:小程序、对象、组件、逻辑、数据结构以及其他执行特定任务或实现特定抽象数据类型的计算机***可执行指令。
此外,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述前轮转角的确定方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
计算机可读存储介质包括:永久性和非永久性、可移动和非可移动媒体,是可以保留和存储供指令执行设备所使用指令的有形设备。计算机可读存储介质包括:电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备以及上述任意合适的组合。计算机可读存储介质包括:相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、非易失性随机存取存储器(NVRAM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带存储、磁带磁盘存储或其他磁性存储设备、记忆棒、机械编码装置(例如在其上记录有指令的凹槽中的穿孔卡或凸起结构)或任何其他非传输介质、可用于存储可以被计算设备访问的信息。按照本发明实施例中的界定,计算机可读存储介质不包括暂时信号本身,例如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如穿过光纤电缆的光脉冲)或通过导线传输的电信号。
在本申请所提供的几个实施例中,应该理解到,所披露的装置、设备和方法,可以通过其他的方式实现。例如,以上描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或可以集成到另一个***,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的、机械的或其他的形式连接。
所述作为分离部件说明的单元可以是或也可以不是物理上分开的,作为单元显示的部件可以是或也可以不是物理单元,既可以位于一个位置,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或全部单元来解决本发明实施例方案要解决的问题。
另外,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单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术作出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(包括:个人计算机、服务器、数据中心或其他网络设备)执行本发明各个实施例所述方法的全部或部分步骤。而上述存储介质包括如前述所列举的各种可以存储程序代码的介质。
在本发明实施例的描述中,所属技术领域的技术人员应当知道,本发明实施例可以实现为方法、装置、设备及存储介质。因此,本发明实施例可以具体实现为以下形式:完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外,在一些实施例中,本发明实施例还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式,该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括:电、磁、光、电磁、红外或半导体的***、装置或器件,或者以上任意的组合。计算机可读存储介质更具体的例子包括:便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、闪存(Flash Memory)、光纤、光盘只读存储器(CD-ROM)、光存储器件、磁存储器件或以上任意组合。在本发明实施例中,计算机可读存储介质可以是任意包含或存储程序的有形介质,该程序可以被指令执行***、装置、器件使用或与其结合使用。
上述计算机可读存储介质包含的计算机程序代码可以用任意适当的介质传输,包括:无线、电线、光缆、射频(Radio Frequency,RF)或者以上任意合适的组合。
可以以汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路配置数据或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程序代码,所述程序设计语言包括面向对象的程序设计语言,例如:Java、Smalltalk、C++,还包括常规的过程式程序设计语言,例如:C语言或类似的程序设计语言。计算机程序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以及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),可以连接到用户计算机,也可以连接到外部计算机。
本发明实施例通过流程图和/或方框图描述所提供的方法、装置、设备。
应当理解,流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合,都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而生产出一种机器,这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行,产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样,存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
以上所述,仅为本发明实施例的具体实施方式,但本发明实施例的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明实施例披露的技术范围内,可轻易地想到变化或替换,都应涵盖在本发明实施例的保护范围之内。因此,本发明实施例的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种前轮转角的确定方法,其特征在于,所述方法包括:
根据当前时刻车辆的状态信息,计算当前时刻车辆的前轮转角,并将所述当前时刻车辆的前轮转角存入控制量序列中;其中,所述状态信息包括车辆前轮的横向误差、车辆前轮的航向误差和车辆速度;
将所述当前时刻车辆的状态信息和所述当前时刻车辆的前轮转角输入至预先训练好的车辆预测模型中,得到下一预测时刻车辆的状态信息;
判断所述下一预测时刻是否超出预测时域范围;其中,所述预测时域范围是基于设定的预测时域周期和时间步长确定的;
若所述下一预测时刻超出预测时域范围,则根据所述控制量序列中的前轮转角,确定初始前轮转角;
对所述初始前轮转角进行一阶低通滤波和限幅处理,得到目标前轮转角;其中,所述目标前轮转角用于指示车辆底盘对车辆前轮进行控制。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述下一预测时刻未超出预测时域范围,则将所述下一预测时刻车辆的状态信息确定为当前时刻车辆的状态信息,并返回执行所述根据当前时刻车辆的状态信息,计算当前时刻车辆的前轮转角的步骤,直至所述下一预测时刻超出预测时域范围。
3.根据权利要求1所述的方法,其特征在于,所述根据所述控制量序列中的前轮转角,确定初始前轮转角,包括:
对所述控制量序列中的所有前轮转角进行加权平均处理,得到初始前轮转角。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述车辆的目标历史轨迹所对应的目标历史横向误差;其中,所述目标历史轨迹为所述车辆在轨迹跟踪过程中实际行驶的轨迹,所述目标历史轨迹的长度大于或等于长度阈值;
判断所述目标历史横向误差中的最大横向误差是否小于或等于误差阈值;
若所述目标历史横向误差中的最大横向误差大于误差阈值,则将所述目标历史轨迹和所述目标历史横向误差存储至轨迹数据库中;
判断所述轨迹数据库中存储的历史轨迹的条数是否大于条数阈值;
若所述轨迹数据库中存储的历史轨迹的条数大于条数阈值,则提取所述轨迹数据库中存储的历史轨迹所对应的历史横向误差,并采用增量式PID控制方法对所述历史横向误差进行校正计算,得到所述车辆预测模型的参数调整量;
将所述参数调整量应用于所述车辆预测模型中。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
若所述目标历史横向误差中的最大横向误差小于或等于误差阈值,则返回执行所述获取所述车辆的目标历史轨迹所对应的目标历史横向误差的步骤。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
若所述轨迹数据库中存储的历史轨迹的条数小于或等于条数阈值,则返回执行所述获取所述车辆的目标历史轨迹所对应的目标历史横向误差的步骤。
7.根据权利要求1所述的方法,其特征在于,所述根据当前时刻车辆的状态信息,计算当前时刻车辆的前轮转角,通过如下公式计算:
其中,steer_angle(t)表示t时刻车辆的前轮转角,heading_error(t)表示t时刻车辆前轮的航向误差,lat_error(t)表示t时刻车辆前轮的横向误差,V(t)表示t时刻车辆速度,k=2.5,表示增益参数,Kv=0.5,表示速度偏移量系数;
所述将所述当前时刻车辆的状态信息和所述当前时刻车辆的前轮转角输入至预先训练好的车辆预测模型中,得到下一预测时刻车辆的状态信息,包括:
根据当前时刻车辆前轮的横向误差,获取对应的当前时刻车辆的位置信息;
根据当前时刻车辆前轮的航向误差,获取对应的当前时刻车辆的航向角;
根据所述当前时刻车辆的位置信息、所述当前时刻车辆的航向角和当前时刻车辆速度,通过如下公式,计算下一预测时刻车辆的位置信息和下一预测时刻车辆的航向角:
Yaw(t+1)=(V(t)*tan(steer_angle(t)/L))*dt+Yaw(t)
X(t+1)=V(t)*cos(Yaw(t+1))+X(t)
Y(t+1)=V(t)*sin(Yaw(t+1))+Y(t)
其中,Yaw(t+1)表示t+1时刻车辆的航向角,Yaw(t)表示t时刻车辆的航向角,L表示车辆轴距,dt表示采样间隔时间,X(t+1)和Y(t+1)表示t+1时刻车辆的位置信息,X(t)和Y(t)表示t时刻车辆的位置信息;
根据所述下一预测时刻车辆的位置信息和所述下一预测时刻车辆的航向角,计算得到下一预测时刻车辆的状态信息。
8.一种前轮转角的确定装置,其特征在于,所述装置包括:
轮转角计算模块,用于根据当前时刻车辆的状态信息,计算当前时刻车辆的前轮转角,并将所述当前时刻车辆的前轮转角存入控制量序列中;其中,所述状态信息包括车辆前轮的横向误差、车辆前轮的航向误差和车辆速度;
状态预测模块,用于将所述当前时刻车辆的状态信息和所述当前时刻车辆的前轮转角输入至预先训练好的车辆预测模型中,得到下一预测时刻车辆的状态信息;
时刻判断模块,用于判断所述下一预测时刻是否超出预测时域范围;其中,所述预测时域范围是基于设定的预测时域周期和时间步长确定的;
轮转角确定模块,用于若所述下一预测时刻超出预测时域范围,则根据所述控制量序列中的前轮转角,确定初始前轮转角;
轮转角处理模块,用于对所述初始前轮转角进行一阶低通滤波和限幅处理,得到目标前轮转角;其中,所述目标前轮转角用于指示车辆底盘对车辆前轮进行控制。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311665827.XA CN117622164A (zh) | 2023-12-05 | 2023-12-05 | 前轮转角的确定方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311665827.XA CN117622164A (zh) | 2023-12-05 | 2023-12-05 | 前轮转角的确定方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117622164A true CN117622164A (zh) | 2024-03-01 |
Family
ID=90026784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311665827.XA Pending CN117622164A (zh) | 2023-12-05 | 2023-12-05 | 前轮转角的确定方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117622164A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108230751A (zh) * | 2016-12-22 | 2018-06-29 | 丰田自动车株式会社 | 车辆驾驶辅助装置 |
US20190129439A1 (en) * | 2017-11-02 | 2019-05-02 | Honda Motor Co., Ltd. | Vehicle control apparatus |
US20190152476A1 (en) * | 2017-11-17 | 2019-05-23 | Subaru Corporation | Lane deviation prevention control device for vehicle |
CN110955250A (zh) * | 2019-12-25 | 2020-04-03 | 湖南大学 | 一种车辆倒车路径跟踪控制方法 |
CN111767507A (zh) * | 2020-06-30 | 2020-10-13 | 北京百度网讯科技有限公司 | 一种倒车轨迹追踪方法、装置、电子设备及存储介质 |
CN114212104A (zh) * | 2021-12-14 | 2022-03-22 | 京东鲲鹏(江苏)科技有限公司 | 车辆控制方法、装置、车辆和存储介质 |
CN115871690A (zh) * | 2022-12-21 | 2023-03-31 | 联创汽车电子有限公司 | 自车轨迹预测方法、***和存储介质 |
-
2023
- 2023-12-05 CN CN202311665827.XA patent/CN117622164A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108230751A (zh) * | 2016-12-22 | 2018-06-29 | 丰田自动车株式会社 | 车辆驾驶辅助装置 |
US20190129439A1 (en) * | 2017-11-02 | 2019-05-02 | Honda Motor Co., Ltd. | Vehicle control apparatus |
US20190152476A1 (en) * | 2017-11-17 | 2019-05-23 | Subaru Corporation | Lane deviation prevention control device for vehicle |
CN110955250A (zh) * | 2019-12-25 | 2020-04-03 | 湖南大学 | 一种车辆倒车路径跟踪控制方法 |
CN111767507A (zh) * | 2020-06-30 | 2020-10-13 | 北京百度网讯科技有限公司 | 一种倒车轨迹追踪方法、装置、电子设备及存储介质 |
CN114212104A (zh) * | 2021-12-14 | 2022-03-22 | 京东鲲鹏(江苏)科技有限公司 | 车辆控制方法、装置、车辆和存储介质 |
CN115871690A (zh) * | 2022-12-21 | 2023-03-31 | 联创汽车电子有限公司 | 自车轨迹预测方法、***和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP4075407A1 (en) | Trajectory prediction method and related device | |
US20220410939A1 (en) | Collision detection method, electronic device, and medium | |
CN114212110B (zh) | 障碍物轨迹预测方法、装置、电子设备及存储介质 | |
CN111857152A (zh) | 用于生成车辆控制信息的方法和装置 | |
US10111033B2 (en) | GIS based compression and reconstruction of GPS data for transmission from a vehicular edge platform to the cloud | |
CN114323054B (zh) | 自动驾驶车辆行驶轨迹的确定方法、装置及电子设备 | |
CN109885058B (zh) | 行车轨迹规划方法、装置、电子设备及存储介质 | |
CN114348026A (zh) | 一种车辆控制方法、装置、设备以及存储介质 | |
CN113987753A (zh) | 参数标定的方法及装置 | |
CN116853292A (zh) | 无人驾驶车辆的碰撞检测方法及装置 | |
CN109827584B (zh) | 路径规划方法、装置、电子设备与存储介质 | |
CN113466877B (zh) | 一种实时物体检测的方法、装置及电子设备 | |
CN117622164A (zh) | 前轮转角的确定方法、装置、计算机设备和存储介质 | |
CN113978465A (zh) | 一种变道轨迹规划方法、装置、设备以及存储介质 | |
CN115496285B (zh) | 一种电力负荷的预测方法、装置及电子设备 | |
CN112612277B (zh) | 车辆轨迹规划方法、装置、设备和计算机可读介质 | |
CN114620039A (zh) | 轨迹修正方法、设备、云控平台和自动驾驶车辆 | |
CN115257730A (zh) | 车辆控制方法、装置、设备及介质 | |
EP4293318A1 (en) | Localization for autonomous movement using vehicle sensors | |
CN117077884B (zh) | 路径规划方法、装置、计算机设备和存储介质 | |
CN114620055B (zh) | 道路数据处理方法、装置、电子设备及自动驾驶车辆 | |
EP4290477A1 (en) | Free space estimator for autonomous movement | |
CN117022269A (zh) | 一种网联车辆安全协同自适应预测巡航控制方法及*** | |
CN118419058A (zh) | 车辆控制方法、装置、电子设备及存储介质 | |
CN118419059A (zh) | 车辆控制方法、装置、电子设备及存储介质 |
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 |