【技术实现步骤摘要】
本专利技术涉及自动驾驶，尤其是涉及一种多重冗余自动驾驶的控制方法、系统及存储介质。
技术介绍
1、近年来，随着计算机视觉、人工智能、传感器技术等领域的飞速发展，自动驾驶技术得以快速发展。同时，政策法规的支持也为自动驾驶技术的发展提供了有力保障。
2、高阶的自动驾驶系统在很多方面都具有很大的优势，可以提高驾驶的安全性和便利性，因此在未来的交通出行中将会得到广泛应用。在自动驾驶车辆的行驶过程中，会遇到多种未知的和极其复杂的场景，稳定的系统是主动安全的前提，也是保证安全的第一道防线，一旦驾驶员将全部驾驶任务交给车辆的自动驾驶系统，系统必须能够安全稳定的运行，即使是在主系统可能出现故障的罕见情况下，系统也可以保障车辆安全的行驶。
3、现有技术中，专利(申请号：202110872783.2)公开了一种用于无人驾驶车辆的冗余备份系统，无人驾驶车辆包括动力电池控制器、自动驾驶传感器、高压驱动电机、驻车控制电机、制动控制电机和转向控制电机，用于无人驾驶车辆的冗余备份系统包括：主中央域控制器和备份中央域控制器，均用于对无人驾驶车辆的动力电池控制器、自动驾驶传感器、高压驱动电机、驻车控制电机、制动控制电机和转向控制电机进行控制；主/备以太网总线切换开关，连接至主中央域控制器和备份中央域控制器，在主中央域控制器失效时，切换至备份中央域控制器，以控制无人驾驶车辆正常行驶，该方法在感知系统和软件层面并未冗余，当车辆感知系统异常或数据优化异常时，会无法保证获得车辆周围的环境信息的准确性。
技术实现思路b>
1、鉴于以上现有技术的不足，本专利技术提供了一种多重冗余自动驾驶的控制方法、系统及存储介质，不仅主系统和冗余安全系统分工不同且互为校验，整体上实现安全性和可靠性极大提升，而且通过系统的切换，保障车辆在自动驾驶期间可以处理各种突发事件，保证行车安全。
2、为了实现上述目的及其他相关目的，本专利技术提供的技术方案如下：
3、一种多重冗余自动驾驶的控制方法，所述方法包括：
4、m1.车辆行驶在道路上，基于车载多传感器实时获取道路的路况数据信息和车辆的状态数据信息；
5、m2.基于所述道路的路况数据信息和车辆的状态数据信息，采用局部多元函数拟合算法进行路况和车辆的状态的预测，并按照时间序列对路况和车辆的状态的变化量进行推算，输出路况和车辆的状态的变化量数据信息；
6、m3.基于所述路况和车辆的状态的变化量数据信息，采用改进的模糊pid算法对车辆的多重冗余自动驾驶进行控制，输出车辆的多重冗余自动驾驶控制数据信息。
7、进一步的，在步骤m3中，所述车辆的多重冗余自动驾驶包括基础自动驾驶、高级自动驾驶和完全自动驾驶，所述基础自动驾驶用于单车道自动驾驶及行泊一体工况，所述高级自动驾驶用于结构化道路上的nop、自主变道超车、自主泊车和记忆泊车，所述完全自动驾驶用于路况复杂或gps失效的状况，控制车辆进行行驶。
8、进一步的，在步骤m3中，所述采用改进的模糊pid算法对车辆的多重冗余自动驾驶进行控制包括：
9、m31.基于所述路况和车辆的状态的变化量数据信息，建立路况和车辆状态的变化增量函数f，
10、
11、其中，n为采样样本总量，xi+1为第i+1时刻的路况或车辆的状态变化量数据信息，xi为第i时刻的路况或车辆的状态变化量数据信息，f(x)为变化量表征函数，得到路况和车辆状态的变化增量数据信息；
12、m32.基于所述路况和车辆状态的变化增量数据信息，建立路况和车辆状态的量化函数q，
13、
14、其中，gj为第j时刻的隶属度函数，f为路况和车辆状态的变化增量函数，xj为第j时刻的路况或车辆状态的变化量数据信息，n为正整数，得到路况和车辆状态的量化数据信息；
15、m33.基于所述路况和车辆状态的量化数据信息，建立模糊pid控制输出量函数j，
16、
17、其中，q(t)为t时刻的路况和车辆状态的量化数据信息，kp为比例参数，ki为积分参数，kd为微分参数，得到车辆的pid控制输出量数据信息；
18、m34.基于所述车辆的pid控制输出量数据信息，建立分段函数u，
19、其中，o1为基础自动驾驶，o2为高级自动驾驶，o3为完全自动驾驶，j为车辆的pid控制输出量数据信息，β1和β2为预设阈值，输出车辆的多重冗余自动驾驶控制数据信息。
20、进一步的，在步骤m31中，所述变换量表征函数f(x)为，
21、
22、其中，x为路况和车辆的状态变化量，λ0、λ1和λ2为车辆参数。
23、进一步的，在步骤m34中，所述预设阈值β1和β2的约束条件为：
24、
25、其中，ρ和ρ0为车辆控制权重系数。
26、进一步的，在步骤m2中，所述采用局部多元函数拟合算法进行路况和车辆的状态的预测包括：
27、m21.基于所述道路的路况数据信息和车辆的状态数据信息，建立局部多元拟合函数s，
28、
29、其中，γ1为道路的路况数据信息，γ2为车辆的状态数据信息，w1为车辆的第一拟合参量，w2为车辆的第二拟合参量；
30、m22.基于所述局部多元拟合函数s，得到路况和车辆的状态的预测数据信息。
31、进一步的，所述道路的路况数据信息包括道路障碍物数据信息、道路的车道线数据信息、道路行人的数据信息和红绿灯路口的数据信息；所述车辆的状态数据信息包括车辆的速度数据信息、车辆的姿态数据信息和车辆的位置数据信息。
32、为了实现上述目的及其他相关目的，本专利技术还提供了一种用于实现任一项所述的多重冗余自动驾驶的控制方法的系统，包括基础自动驾驶系统、高级自动驾驶系统和完全自动驾驶系统，所述基础自动驾驶系统包括基础数据获取模块和基础数据处理模块，所述基础数据获取模块包括至少一个前视摄像头、至少四个环视摄像头和至少一个前向毫米波雷达，所述基础数据处理模块基于轻量级深度学习网络视觉算法、视觉与毫米波感知融合算法，结合基于规则的行车规划算法、几何泊车算法和pp算法用于单车道的行驶和泊车；
33、所述高级自动驾驶系统包括高级数据获取模块和高级数据处理模块，所述高级数据获取模块包括至少一个前视摄像头、至少一个前向毫米波雷达、至少四个环视摄像头和至少四个角毫米波雷达，所述高级数据处理模块基于bev感知的多传感器感知算法、实时优化的pnc算法，为结构化道路上的自动驾驶安全提供多重保障；
34、所述完全自动驾驶系统包括完全数据获取模块和完全数据处理模块，所述完全数据获取模块包括至少两个前视摄像头、至少两个前向毫米波雷达、至少四个环视摄像头和至少四个角毫米波雷达，所述完全数据处理模块用于路况复杂或gps失效的状况，控制车辆进行行驶；还包括多重冗余自动驾驶控制系统，与所述基础自动驾驶系统、所述高级自动驾驶系统和所述完本文档来自技高网...
【技术保护点】
1.一种多重冗余自动驾驶的控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的多重冗余自动驾驶的控制方法，其特征在于，在步骤M3中，所述车辆的多重冗余自动驾驶包括基础自动驾驶、高级自动驾驶和完全自动驾驶，所述基础自动驾驶用于单车道自动驾驶及行泊一体工况，所述高级自动驾驶用于结构化道路上的NOP、自主变道超车、自主泊车和记忆泊车，所述完全自动驾驶用于路况复杂或GPS失效的状况，控制车辆进行行驶。
3.根据权利要求1所述的多重冗余自动驾驶的控制方法，其特征在于，在步骤M3中，所述采用改进的模糊PID算法对车辆的多重冗余自动驾驶进行控制包括：
4.根据权利要求3所述的多重冗余自动驾驶的控制方法，其特征在于，在步骤M31中，所述变换量表征函数f(x)为，
5.根据权利要求3所述的多重冗余自动驾驶的控制方法，其特征在于，在步骤M34中，所述预设阈值β1和β2的约束条件为：
6.根据权利要求1所述的多重冗余自动驾驶的控制方法，其特征在于，在步骤M2中，所述采用局部多元函数拟合算法进行路况和车辆的状态的预测包括：
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。