车辆控制方法、装置、车辆和存储介质制造方法及图纸

本发明专利技术实施例公开了一种车辆控制方法、装置、车辆和存储介质，该方法包括：计算目标行驶路段的道路曲率；根据道路曲率确定预测时域，预测时域指该道路曲率对应的预测时长；根据行驶场景信息和目标车辆的状态信息生成预测时域内的目标控制指令序列；根据目标控制指令序列控制目标车辆在目标行驶路段行驶。本发明专利技术实施例中，可以根据要行驶的路段的道路曲率确定预测时域，道路曲率可以反映道路的复杂程度，即预测时域是根据道路的复杂程度变化的，因而计算出的控制指令序列与道路情况更适配，避免了使用固定预测时域产生的计算资源消耗过大、计算实时性无法满足要求、控制表现不好等问题，能够在降低计算资源消耗的同时保持良好的控制表现。控制表现。控制表现。

【技术实现步骤摘要】
车辆控制方法、装置、车辆和存储介质


[0001]本专利技术实施例涉及车辆控制技术，尤其涉及一种车辆控制方法、装置、车辆和存储介质。

技术介绍

[0002]自动驾驶，是指通过给车辆装备多种硬件设备及智能软件，在减少甚至无需人为操控的情况下使用车载计算机来控制车辆，完成对货物或人员的安全且高效的输送任务。结构化道路是指具有清晰车道标志的道路，包括高速公路、城市道路等，结构化道路上的自动驾驶车辆研究具有极其广泛的应用前景。
[0003]目前大多数自动驾驶车辆的控制方法的设计思路是：计算被控车辆与参考轨迹或目标点间的偏差，然后使用即时的控制指令来缩小差距，使被控车辆尽可能地沿着参考轨迹行驶。模型预测控制已经成为一种公认的解决复杂道路上的车辆控制问题的控制方法，模型预测控制器可以生成未来一定时域内的控制指令序列，从而利用这些控制指令序列控制车辆行驶。
[0004]目前，很多针对自动驾驶车辆控制设计的模型预测控制方法均使用的是固定的预测时域，使用固定的预测时域，如果预测时域很长，将需要消耗大量的车载计算资源，获取控制序列上花费的时间比较多，无法满足计算的实时性要求，如果预测时域很短，预测控制的表现将会非常不好。

技术实现思路

[0005]本专利技术实施例提供一种车辆控制方法、装置、车辆和存储介质，能够避免使用固定预测时域产生的计算资源消耗过大、计算实时性无法满足要求、控制表现不好等问题。
[0006]第一方面，本专利技术实施例提供一种车辆控制方法，包括：
[0007]计算目标行驶路段的道路曲率；
[0008]根据所述道路曲率确定预测时域，所述预测时域指的是所述道路曲率对应的预测时长；
[0009]根据行驶场景信息和目标车辆的状态信息生成所述预测时域内的目标控制指令序列；
[0010]根据所述目标控制指令序列控制所述目标车辆在所述目标行驶路段行驶。
[0011]第二方面，本专利技术实施例提供一种车辆控制装置，包括：
[0012]计算模块，用于计算目标行驶路段的道路曲率；
[0013]确定模块，用于根据所述道路曲率确定预测时域，所述预测时域指的是所述道路曲率对应的预测时长；
[0014]生成模块，用于根据行驶场景信息和目标车辆的状态信息生成所述预测时域内的目标控制指令序列；
[0015]控制模块，用于根据所述目标控制指令序列控制所述目标车辆在所述目标行驶路
段行驶。
[0016]第三方面，本专利技术实施例还提供了一种车辆，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本专利技术实施例中任一所述的车辆控制方法。
[0017]第四方面，本专利技术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，该程序被处理器执行时实现如本专利技术实施例中任一所述的车辆控制方法。
[0018]本专利技术实施例中，可以计算目标行驶路段的道路曲率，根据道路曲率确定预测时域，预测时域指的是该道路曲率对应的预测时长，根据行驶场景信息和目标车辆的状态信息生成预测时域内的目标控制指令序列，根据目标控制指令序列控制目标车辆在目标行驶路段行驶。即本专利技术实施例中，可以根据要行驶的路段的道路曲率确定预测时域，道路曲率可以反映道路的复杂程度，即预测时域是根据前方要行驶的道路的复杂程度变化的，因而计算出的控制指令序列与道路情况更适配，避免了使用固定预测时域产生的计算资源消耗过大、计算实时性无法满足要求、控制表现不好等问题，能够在降低计算资源消耗的同时保持良好的控制表现。
附图说明
[0019]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0020]图1是本专利技术实施例提供的车辆控制方法的一个流程示意图；
[0021]图2是本专利技术实施例提供的计算道路曲率的一个方法示意图；
[0022]图3是本专利技术实施例提供的车辆控制方法的一个控制框架示意图；
[0023]图4是本专利技术实施例提供的控制指令序列生成方法的一个流程示意图；
[0024]图5是本专利技术实施例提供的一个车辆受力示意图；
[0025]图6是本专利技术实施例提供的另一个车辆受力示意图；
[0026]图7是本专利技术实施例提供的仿真实验中的一个预测时域变化示意图；
[0027]图8是本专利技术实施例提供的仿真实验中的一个行驶轨迹示意图；
[0028]图9是本专利技术实施例提供的车辆控制装置的一个结构示意图；
[0029]图10是本专利技术实施例提供的车辆的一个结构示意图。
具体实施方式
[0030]下面结合附图和实施例对本专利技术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专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。
[0031]图1为本专利技术实施例提供的车辆控制方法的一个流程示意图，该方法可以由本专利技术实施例提供的车辆控制装置来执行，该装置可采用软件和/或硬件的方式实现。在一个具体的实施例中，该装置可以集成在车辆中，车辆可以是无人车、自动驾驶车辆。以下实施例将以该装置集成在车辆中为例进行说明，参考图1，该方法具体可以包括如下步骤：
[0032]步骤101，计算目标行驶路段的道路曲率。
[0033]示例地，目标行驶路段可以是待行驶的某一路段，目标行驶路段可以是结构化道路，结构化道路是指具有清晰车道标志的道路，包括高速公路、城市道路等。道路曲率为反映道路复杂程度的指标，比如反映道路弯折程度。
[0034]具体地，在计算目标行驶路段的道路曲率时，可以获取目标行驶路段的道路中心线的弧长，并沿道路中心线的起点作第一切线，沿道路中心线的终点作第二切线，确定第一切线和第二切线构成的夹角，得到切线转角，将切线转角与道路中心线的弧长的比值确定为目标行驶路段的道路曲率。
[0035]在一个具体的实施例中，比如可以按照图2所示方法计算目标行驶路段的道路曲率，即可以按照实际控制需求先定义半径R
θ
和圆心角θ，构建以目标车辆的车头中心点为圆心、半径为R
θ
、圆心角为θ的扇形区域，该扇形区域内包括的路段即目标行驶路段；如图2所示，黑色虚线表示道路中心线，黑色粗实线表示道路边界，假如扇形区域覆盖的道路中心线的弧长为S、沿沿道路中心线的起点作的第一切线与沿道路中心线的终点作的第二切线之间的切线转角为ε，则目标行驶路段的道路曲率k可以如下：
[0036][0037]步骤102，根据道路曲率确定预测时域，预测时域指的是道路曲率对应的预测时长。
[0038]实际应用中，自动驾驶车辆能够检测到前方道路的视野范围可能是固定的,但是其中有多少有效的信息可以被控制系统利用并本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆控制方法，其特征在于，包括：计算目标行驶路段的道路曲率；根据所述道路曲率确定预测时域，所述预测时域指的是所述道路曲率对应的预测时长；根据行驶场景信息和目标车辆的状态信息生成所述预测时域内的目标控制指令序列；根据所述目标控制指令序列控制所述目标车辆在所述目标行驶路段行驶。2.根据权利要求1所述的方法，其特征在于，所述计算目标行驶路段的道路曲率，包括：获取所述目标行驶路段的道路中心线的弧长；沿所述道路中心线的起点作第一切线，沿所述道路中心线的终点作第二切线；确定所述第一切线和所述第二切线构成的夹角，得到切线转角；将所述切线转角与所述道路中心线的弧长的比值确定为所述目标行驶路段的道路曲率。3.根据权利要求1所述的方法，其特征在于，所述根据所述道路曲率确定预测时域，包括：比较所述道路曲率与预设曲率的大小；根据比较结果确定所述预测时域。4.根据权利要求3所述的方法，其特征在于，所述根据比较结果确定所述预测时域，包括：当所述道路曲率小于所述预设曲率时，所述预测时域按照如下公式计算：T
P
＝2(k
‑
1)(T
max
‑
T
min
)+T
min
；其中，T
P
表示所述预测时域，k表示所述道路曲率，T
max
表示预设最大时域，T
min
表示预设最小时域；当所述道路曲率不小于所述预设曲率时，所述预测时域按照如下公式计算：T
p
＝T
max
。5.根据权利要求1所述的方法，其特征在于，所述根据行驶场景信息和目标车辆的状态信息生成所述预测时域内的目标控制指令序列，包括：利用多个计算设备对所述行驶场景信息和所述目标车辆的状态信息进行并行计算；融合并行计算的结果得到所述预测时域内的目标控制指令序列。6.根据权利要求1至5任一所述的方法，其特征在于，所述根据行驶场景信息和目标车辆的状...

【专利技术属性】
技术研发人员：徐鑫，
申请(专利权)人：京东鲲鹏江苏科技有限公司，
类型：发明
国别省市：