基于高精度地图对无人驾驶车辆进行控制的方法及系统技术方案

本申请公开了一种基于高精度地图对无人驾驶车辆进行控制的方法及系统，该方法包括：首先获取无人驾驶车辆四周的障碍物信息，其次根据障碍物信息确定无人驾驶车辆的局部行驶路径，然后根据高精度地图，获取无人驾驶车辆局部行驶路径上的道路曲率和道路坡度，并修正局部行驶路径；再根据障碍物信息、道路曲率、道路坡度和车辆状态信息，利用MPC控制算法计算无人驾驶车辆的目标速度和目标方向盘转角；最后利用目标速度对无人驾驶车辆进行纵向控制，并利用目标方向盘转角对无人驾驶车辆进行横向控制。该系统包括：感知模块、局部行驶路径确定模块、道路信息获取模块、惯导设备和控制模块。通过本申请，能够有效提高车辆行驶的稳定性和用户的舒适性。性和用户的舒适性。性和用户的舒适性。

【技术实现步骤摘要】
基于高精度地图对无人驾驶车辆进行控制的方法及系统


[0001]本申请涉及无人驾驶控制
，特别是涉及一种基于高精度地图对无人驾驶车辆进行控制的方法及系统。

技术介绍

[0002]无人驾驶车辆是近年来的热门技术，为确保无人驾驶车辆的安全运行，如何对无人驾驶车辆进行控制，是个重要的技术问题。
[0003]目前无人驾驶车辆的控制方法，主要是基于车辆的车速、横摆角速度、航向角等信息，通过模型预测的方法对车辆进行横纵向控制，具体主要是针对车辆的加速度、方向盘转角增量进行约束，从而动态求解当前时刻的目标车速和目标方向盘转角，利用当前时刻的目标车速和目标方向盘转角对无人驾驶车辆进行控制。
[0004]然而，目前无人驾驶车辆的控制方法中，由于主要是基于当前时刻的目标车速和目标方向盘转角进行车辆的调节，先获取到当前信息进行相关计算后，才能发出控制指令，这就会导致控制过程迟缓，影响车辆行驶的稳定性。尤其是在车辆行驶于连续坡道、弯道时，更容易出现急加速、急减速以及急转向灯问题，使得无人驾驶车辆行驶的稳定性更差。

技术实现思路

[0005]本申请提供了一种基于高精度地图对无人驾驶车辆进行控制的方法及系统，以解决现有技术中的车辆控制方法使得车辆行驶的稳定性较差的问题。
[0006]为了解决上述技术问题，本申请实施例公开了如下技术方案：
[0007]一种基于高精度地图对无人驾驶车辆进行控制的方法，所述方法包括：
[0008]获取无人驾驶车辆四周的障碍物信息，所述障碍物信息包括：障碍物大小、障碍物横纵向速度以及障碍物距离车辆的横纵向距离；
[0009]根据所述障碍物信息确定无人驾驶车辆的局部行驶路径；
[0010]根据高精度地图，获取无人驾驶车辆局部行驶路径上的道路曲率和道路坡度，并根据所述道路曲率和坡度信息，修正所述局部行驶路径；
[0011]根据所述障碍物信息、道路曲率、道路坡度和车辆状态信息，利用MPC控制算法，计算无人驾驶车辆的目标速度和目标方向盘转角，所述车辆状态信息包括：无人驾驶车辆的当前车速和当前方向盘转角；
[0012]利用所述目标速度对无人驾驶车辆进行纵向控制；
[0013]利用所述目标方向盘转角对无人驾驶车辆进行横向控制。
[0014]可选地，根据所述障碍物信息确定无人驾驶车辆的局部行驶路径的方法，包括：
[0015]根据所述障碍物信息，对所述障碍物进行目标跟踪和预测，获取到无人驾驶车辆的可行驶区域；
[0016]根据无人驾驶车辆的全局路径和所述可行驶区域，规划出无人驾驶车辆的局部行驶路径。
[0017]可选地，根据所述障碍物信息、道路曲率、道路坡度和车辆状态信息，利用MPC控制算法，计算无人驾驶车辆的目标速度和目标方向盘转角的方法，包括：
[0018]定义无人驾驶车辆状态为控制变量为{v
r δ
f
}，车辆状态空间方程为其中，x为无人驾驶车辆当前时刻的纵向位置，y为无人驾驶车辆当前时刻的横向位置，为无人驾驶车辆当前时刻的横摆角，v
r
为无人驾驶车辆的目标速度，δ
f
为无人驾驶车辆的目标前轮转角，l为无人驾驶车辆前后车轮的轴距；
[0019]根据所述无人驾驶车辆状态、控制变量和车辆状态空间方程，确定四轮汽车的运动学模型：其中，k为当前时刻，k+1为下一时刻，为第k时刻车辆的状态量，为第k时刻车辆的控制量，为第k+1时刻车辆的状态量，
[0020]根据所述运动学模型，采用MPC控制算法，利用公式Y＝Ψζ(k)+ΘU(k)计算得出无人驾驶车辆预测位姿与局部行驶路径的偏差，其中，Y为根据车辆运动学模型预测的无人驾驶车辆轨迹与局部行驶路径的偏差，ψ为状态量偏差的系数，Θ为控制量系数，U(k)为控制量；
[0021]根据所述无人驾驶车辆预测位姿与局部行驶路径的偏差，利用二次最优求解函数J＝Y
T
QY+URU
T
，计算得出无人驾驶车辆的目标速度和目标方向盘转角，其中，J为目标评价函数，Q为车辆状态偏差评价系数，R为控制状态评价系数。
[0022]可选地，根据所述无人驾驶车辆状态、控制变量和车辆状态空间方程，确定四轮汽车的运动学模型：包括：
[0023]将所述无人驾驶车辆状态和控制变量转换为矩阵格式，得到其中，ζ为无人驾驶车辆状态，u为控制量；
[0024]根据矩阵格式的无人驾驶车辆状态和控制变量，对所述车辆空间状态进行一阶线性化，计算得出其中，ζ
r
为第r时刻车辆的状态量，u
r
为第r时刻车辆的控制量；
[0025]定义当前时刻为k，对公式离散化，可得四轮汽车的运动学模型
[0026]可选地，利用所述目标速度对无人驾驶车辆进行纵向控制的方法，包括：
[0027]利用公式Pt＝Pf+Pw+Pi+Pj，计算得出无人驾驶车辆的牵引力，其中，Pt为牵引力，Pf为滚动阻力，Pw为空气阻力，Pi为坡度阻力，Pj为惯性阻力；
[0028]根据无人驾驶车辆的实际速度和所述目标速度，利用公式P1＝a1*(v
r
‑
v
act
)，计算得出车速修正车辆的牵引力，其中，P1为车速修正车辆的牵引力，a1为修正系数，v
r
为无人驾驶车辆的目标车速，v
act
为车辆的实际车速；
[0029]利用公式P2＝a2*θ，计算得出坡度修正发动机的牵引力，其中，a2为坡度修正参数，θ为道路坡度，P2为坡度修正发动机的牵引力；
[0030]对无人驾驶车辆的牵引力、车速修正车辆的牵引力和坡度修正发动机的牵引力求和，计算得出无人驾驶车辆所需要的总牵引力；
[0031]根据所述总牵引力，控制无人驾驶车辆的发动机或制动系统。
[0032]可选地，利用所述目标方向盘转角对无人驾驶车辆进行横向控制的方法，包括：
[0033]根据当前局部行驶路径的横向坡度，利用公式δ2＝a3*φ，计算得出横向坡度修正的方向盘转角，其中，δ2为横向坡度修正的方向盘转角，a3为修正系数，φ为道路的横向坡度；
[0034]对所述目标方向盘转角和横向坡度修正的方向盘转角求和，计算得出无人驾驶车辆待请求的方向盘转角；
[0035]通过CAN通信，将所述待请求的方向盘转角发送至无人驾驶车辆的转向机。
[0036]一种基于高精度地图对无人驾驶车辆进行控制的系统，所述系统包括：
[0037]感知模块，用于获取无人驾驶车辆四周的障碍物信息，所述障碍物信息包括：障碍物大小、障碍物横纵向速度以及障碍物距离车辆的横纵向距离；
[0038]局部行驶路径确定模块，用于根据所述障碍物信息确定无人驾驶车辆的局部行驶路径；
[0039]道路信息获取模块，用于根据高精度地图，获取无人驾驶车辆局部行驶路径上的道路曲率和道路坡度,并根据所述道路曲率和坡度信息，修正所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高精度地图对无人驾驶车辆进行控制的方法，其特征在于，所述方法包括：获取无人驾驶车辆四周的障碍物信息，所述障碍物信息包括：障碍物大小、障碍物横纵向速度以及障碍物距离车辆的横纵向距离；根据所述障碍物信息确定无人驾驶车辆的局部行驶路径；根据高精度地图，获取无人驾驶车辆局部行驶路径上的道路曲率和道路坡度，并根据所述道路曲率和坡度信息，修正所述局部行驶路径；根据所述障碍物信息、道路曲率、道路坡度和车辆状态信息，利用MPC控制算法，计算无人驾驶车辆的目标速度和目标方向盘转角，所述车辆状态信息包括：无人驾驶车辆的当前车速和当前方向盘转角；利用所述目标速度对无人驾驶车辆进行纵向控制；利用所述目标方向盘转角对无人驾驶车辆进行横向控制。2.根据权利要求1所述的一种基于高精度地图对无人驾驶车辆进行控制的方法，其特征在于，根据所述障碍物信息确定无人驾驶车辆的局部行驶路径的方法，包括：根据所述障碍物信息，对所述障碍物进行目标跟踪和预测，获取到无人驾驶车辆的可行驶区域；根据无人驾驶车辆的全局路径和所述可行驶区域，规划出无人驾驶车辆的局部行驶路径。3.根据权利要求1所述的一种基于高精度地图对无人驾驶车辆进行控制的方法，其特征在于，根据所述障碍物信息、道路曲率、道路坡度和车辆状态信息，利用MPC控制算法，计算无人驾驶车辆的目标速度和目标方向盘转角的方法，包括：定义无人驾驶车辆状态为控制变量为{v
r
δ
f
}，车辆状态空间方程为其中，x为无人驾驶车辆当前时刻的纵向位置，y为无人驾驶车辆当前时刻的横向位置，为无人驾驶车辆当前时刻的横摆角，v
r
为无人驾驶车辆的目标速度，δ
f
为无人驾驶车辆的目标前轮转角，l为无人驾驶车辆前后车轮的轴距；根据所述无人驾驶车辆状态、控制变量和车辆状态空间方程，确定四轮汽车的运动学模型：其中，k为当前时刻，k+1为下一时刻，为第k时刻车辆的状态量，为第k时刻车辆的控制量，为第k+1时刻车辆的状态量，根据所述运动学模型，采用MPC控制算法，利用公式Y＝Ψζ(k)+ΘU(k)计算得出无人驾
驶车辆预测位姿与局部行驶路径的偏差，其中，Y为根据车辆运动学模型预测的无人驾驶车辆轨迹与局部行驶路径的偏差，ψ为状态量偏差的系数，Θ为控制量系数，U(k)为控制量；根据所述无人驾驶车辆预测位姿与局部行驶路径的偏差，利用二次最优求解函数J＝Y
T
QY+URU
T
，计算得出无人驾驶车辆的目标速度和目标方向盘转角，其中，J为目标评价函数，Q为车辆状态偏差评价系数，R为控制状态评价系数。4.根据权利要求3所述的一种基于高精度地图对无人驾驶车辆进行控制的方法，其特征在于，根据所述无人驾驶车辆状态、控制变量和车辆状态空间方程，确定四轮汽车的运动学模型：包括：将所述无人驾驶车辆状态和控制变量转换为矩阵格式，得到其中，ζ为无人驾驶车辆状态，u为控制量；根据矩阵格式的无人驾驶车辆状态和控制变量，对所述车辆空间状态进行一阶线性化，计算得出其中，ζ
r
为第r时刻车辆的状态量，u
r
为第r时刻车辆的控制量；定义当前时刻为k，对公式离散化，可得四轮汽车的运动学模型5.根据权利要求1所述的一种基...

【专利技术属性】
技术研发人员：郭瑞，姚蔚利，杨会龙，尤峰，梁士昌，高晓成，
申请(专利权)人：中煤陕西榆林化工能源有限公司中煤电气有限公司，
类型：发明
国别省市：