【技术实现步骤摘要】
车辆行驶轨迹预测和轨迹偏离危险度评估的系统与方法
本专利技术属于智能网联车辆
,尤其涉及一种车辆行驶轨迹预测和轨迹偏离危险度评估的系统与方法。
技术介绍
车辆以安全、舒适的状态行驶在预期车道位置,是驾驶中的核心任务,是目前车道偏离预警系统(LDW,LaneDepartureWarning)、车道保持辅助系统(LKA,LaneKeepingAssist)、车道中心保持辅助系统(LCA,LaneCenteringAssist)等先进驾驶辅助系统(ADAS,AdvancedDrivingAssistanceSystem)的目标,也是自动驾驶(ADS,AutomatedDrivingsystem)中的核心目标之一。在这些ADAS、ADS系统中,车辆行驶轨迹的估计或预测方法是系统能按照预期计划实现偏离预警、纠偏干预、自动循迹驾驶的关键。目前在车辆的车道偏离预警系统或者车道保持辅助系统的研究内容中,对于车辆是否会在未来一段时间内有驶离车道风险的决策手段主要有:基于车辆轮胎跨越车道线的时间TLC(TimetoLineCrossing)的方法、基于未来偏移量差异FOD(FutureOffsetDifference)的方法,以及基于车道线夹角大小关系的方法。其中,基于TLC的方法假设车辆保持现有的航向角不变或保持现有的前轮转角不变,使用直线轨迹或者圆轨迹来近似车辆未来的行驶轨迹,并计算车辆当前位置距离轨迹与车道线的交点的距离,用这个距离除以车辆的当前车速得到TLC,当TLC小于阈值时发出报警。基于FOD的方法考虑了驾驶人 ...
【技术保护点】
1.一种车辆行驶轨迹预测和轨迹偏离危险度评估的系统,其特征在于,包括传感器滤波融合估计模块、预测用目标轨迹跟踪控制模块、模型干扰预测模块、卡尔曼预报器及修正模块、角点与车道线距离计算模块、车辆轨迹偏离危险度评估模块。/n所述传感器滤波融合估计模块:/n输入为车载传感器获得的实时数据、坐标系、目标车辆的物理参数和车辆的动力学模型。/n输出为车辆实时的运动信息的估计值、实时的位姿信息的估计值、估计误差的协方差矩阵和模型干扰的实时估计值。/n所述预测用目标轨迹跟踪控制模块从车用实际目标轨迹跟踪控制器移植或学习控制律,并进行一致性校验:/n输入为卡尔曼预报器及修正模块输出的车辆在预测过程中的运动信息、位姿信息的预测值,和目标轨迹及车道线信息。/n输出为车辆在预测过程中的控制动作的预测值。/n所述模型干扰预测模块拟合模型干扰在开始预测时刻前后一段时间内的变化规律:/n输入为传感器滤波融合估计模块输出的在开始预测时刻之前一段时间内模型干扰的估计值序列。/n输出为预测过程中每一步的模型干扰的预测值。/n所述卡尔曼预报器及修正模块使用预测过程中上一步的预测结果、控制动作的预测值和模型干扰预测值,计算下 ...
【技术特征摘要】
1.一种车辆行驶轨迹预测和轨迹偏离危险度评估的系统,其特征在于,包括传感器滤波融合估计模块、预测用目标轨迹跟踪控制模块、模型干扰预测模块、卡尔曼预报器及修正模块、角点与车道线距离计算模块、车辆轨迹偏离危险度评估模块。
所述传感器滤波融合估计模块:
输入为车载传感器获得的实时数据、坐标系、目标车辆的物理参数和车辆的动力学模型。
输出为车辆实时的运动信息的估计值、实时的位姿信息的估计值、估计误差的协方差矩阵和模型干扰的实时估计值。
所述预测用目标轨迹跟踪控制模块从车用实际目标轨迹跟踪控制器移植或学习控制律,并进行一致性校验:
输入为卡尔曼预报器及修正模块输出的车辆在预测过程中的运动信息、位姿信息的预测值,和目标轨迹及车道线信息。
输出为车辆在预测过程中的控制动作的预测值。
所述模型干扰预测模块拟合模型干扰在开始预测时刻前后一段时间内的变化规律:
输入为传感器滤波融合估计模块输出的在开始预测时刻之前一段时间内模型干扰的估计值序列。
输出为预测过程中每一步的模型干扰的预测值。
所述卡尔曼预报器及修正模块使用预测过程中上一步的预测结果、控制动作的预测值和模型干扰预测值,计算下一步的预测结果:
输入为传感器滤波融合估计模块输出的开始预测时刻车辆运动信息和位姿信息的实时估计值以及估计误差的协方差矩阵、预测用目标轨迹跟踪控制模块输出的预测过程中控制动作的预测值、模型干扰预测模块输出的预测过程中每一步的模型干扰的预测值和车辆的动力学模型。
输出为预测过程中每一步车辆运动信息和位姿信息的预测值以及预测误差的协方差矩阵。
所述角点与车道线距离计算模块:
输入为卡尔曼预报器及修正模块输出的预测过程中每一步得到的车辆位姿信息的预测值以及预测误差的协方差矩阵和目标轨迹及车道线信息。
输出为车辆在每一步预测过程外形四个角点距目标轨迹两侧车道线的距离的预测值以及预测误差的方差,包括左侧角点距左侧车道线和右侧角点距右侧车道线的距离。
所述车辆轨迹偏离危险度评估模块:
输入为角点与车道线距离计算模块输出的预测过程每一步车辆外形角点与左右车道线距离的预测值以及预测误差的方差。
输出为对应预测过程每一步车辆是否在目标轨迹两侧车道线内的决策结果。
2.如权利要求1所述车辆行驶轨迹预测和轨迹偏离危险度评估的系统,其特征在于,所述车载传感器获得的实时数据包括车辆质心的东向速度和北向速度、车辆横摆角速度、车辆质心的经度和维度、车辆的航向角、轮速以及方向盘转角。所述运动信息包括车辆的质心速度和横摆角速度。所述位姿信息包括车辆质心的位置和车辆航向。所述控制动作为前轮转角。
3.一种车辆行驶轨迹预测和轨迹偏离危险度评估的方法,其特征在于,包括以下步骤:
1)确定车辆行驶轨迹预测的预测时域、步长、步数;确定所需的车辆参数、传感器参数;确定大地坐标系OXYZ、车身坐标系oxyz;
2)基于车辆动力学模型,设计传感器滤波融合估计模块,实时获得车辆的运动信息的估计值、位姿信息的估计值、估计误差的协方差矩阵、模型干扰信息的估计值;
3)根据传感器滤波融合估计算法获得的车辆位姿信息与目标轨迹及车道线信息,基于车辆动力学模型,将车用实际目标轨迹跟踪控制器中的控制律移植到预测用目标轨迹跟踪控制模块;
4)令当前时刻k为预测过程的第0步,将滤波融合估计模块输出的车辆运动信息的估计值、位姿信息的估计值、估计误差协方差矩阵作为第0步的车辆运动信息的预测值、位姿信息的预测值、预测误差协方差矩阵;
5)根据当前时刻k之前一段时间内模型干扰的估计值序列,利用模型干扰预测算法,得到第1步至第N步(N为预测的总步数)预测过程中的模型干扰预测值;
6)根据第i-1步预测过程中的车辆运动信息的预测值、位姿信息的预测值,结合预测过程的第0步时由高精地图/导航定位获得的预测时域内的目标轨迹及车道线信息,代入预测用目标轨迹跟踪控制模块,计算得到第i步预测过程的控制动作信息的预测值;
7)第i步(i≥1)预测过程对应未来时刻k+i,采用第i-1步的车辆运动信息的预测值、位姿信息的预测值、预测误差协方差矩阵,以及目标轨迹跟踪控制模块输出的第i步预测过程中控制动作信息的预测值,将四类信息代入卡尔曼预报器,并利用模型干扰预测模块输出的第i步预测过程中模型干扰信息的预测值,加以修正,得到未来时刻k+i的车辆运动信息的预测值、位姿信息的预测值以及预测误差协方差矩阵;
8)根据第i步预测的车辆位姿信息的预测值与预测误差协方差矩阵,结合预测过程的第0步时由高精地图/导航定位获得的预测时域内的目标轨迹及车道线信息,分别计算车辆外部边缘四个角点与左右车道线距离的预测值与预测误差方差,并作为车辆轨迹偏离危险度的评估依据,进行危险度的评估;
9)在预测时域内,重复过程步骤6)~8),进行多步车辆状态预测和轨迹偏离危险度评估,直至完成整个过程。
4.根据权利要求3所述车辆行驶轨迹预测和轨迹偏离危险度评估的方法,其特征在于,所述步骤5)中,模型干扰的预测,具体指:
用线性模型来近似模型干扰在时刻k前后一段时段内近似的变化规律;式中,k0和k1表示模型拟合的系数。
用于拟合的数据来自k-1时刻、k-2时刻、...k-M时刻的模型干扰的估计值,使用最小二乘拟合,得到系数k0和k1。
5.根据权利要求4所述车辆行驶轨迹预测和轨迹偏离危险度评估的方法,其特征在于,所述步...
【专利技术属性】
技术研发人员:李道飞,林思远,刘关明,肖斌,潘豪,胡建侃,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。