CN102227612A - 自主驾驶车辆的控制和系统 - Google Patents

Abstract

导航和控制系统，包括配置成产生位置信号的位置传感器，所述位置信号表示车辆的定位和航向。系统包括获得输入并产生控制车辆的工作的输出的一个或多个操作控制机构，并且包括远离操作控制机构的自含式自主控制器。自主控制器包括配置成从位置传感器接收位置信号并产生定义车辆的更新的行驶路线的操作控制信号的处理器，和提供位置传感器、操作控制机构和处理器之间的通信的可编程接口。可编程接口被配置成使从位置传感器给处理器的输入归一化，并产生用作给操作控制机构的输入的兼容操作控制信号，从而自含式自主控制器是可配置的，以便与各种不同的传感器和不同的操作控制机构一起工作。

Description

自主驾驶车辆的控制和系统

相关申请的交叉引用

本申请涉及2006年3月16日提交的名称为“NAVIGATION AND CONTROL SYSTEM FOR AUTONOMOUS VEHICLES”的US系列号11/376,160(代理人案件No.284361US)。该申请的全部内容在此引用作为参考。

技术领域

本发明涉及集成的传感器和基于计算机的算法系统，所述系统控制和指引自主驾驶车辆。

背景技术

在现代汽车中，驾驶员仍然是汽车的控制系统的关键组成部分，因为驾驶员做出以车辆的安全行驶为目标的各种决策，包括速度，转向，障碍物和危险识别，及障碍物和危险的躲避。然而，由于各种物理因素，比如驾驶员疲劳，驾驶员机能障碍，驾驶员疏忽，或者诸如减小驾驶员成功避开危险所需的反应时间的能见度之类的其它因素，驾驶员完成所有这些功能的能力会受损。

此外，在危险的周围环境中，例如在作战背景中，或者在存在毒害或核辐射危险的背景中，驾驶员处于危险之中。事实上，伊拉克的路边炸弹只是人员伤亡的一个现代例子，如果向军队运送物资的补给车是无人驾驶汽车，那么在许多情况下，这样的人员伤亡是可避免的。

在其它更常规的环境中，驾驶员会迷失方向或者在身体上不能控制车辆，如果驾驶员突发疾病，或者如果在驾驶情况下，驾驶员变得迷失方向，那么会发生这种情况。这种迷失方向或者丧失能力的环境的一个例子是在下雪，起雾，下雨和/或夜间灯光转暗的条件下驾驶或转向的汽车或船只，在这种条件下，驾驶员(或者船只的船长)感知正在逼近的危险，或者船只正在接近的危险，并作出反应的能力低下。

从而，不论是致力于人类在车辆控制方面的不足，还是在人类控制并不可取的环境有害的条件下，都需要具有在车辆的路线中或者将进入车辆的路线中的固定物体和移动物体的车辆识别系统和方法。

报告了和自动驾驶车辆及激光探测和可视化系统的开发有关的众多文献，比如下面的参考文献，所有这些文献在此引为参考：

1)H.Wang，J.Kearney，J.Cremer和P.Willemsen，“Steering Autonomous Driving Agents Through Intersections in Virtual Urban Environments，”2004 International Conference on Modeling，Simulation，and Visualization Methods，(2004)；

2)R.Frezza，G.Picci和S.Soatto，“A Lagrangian Formulation of Nonholonomic Path Following，”The Confluence of Vision and Control，(A.S.Morse等(编辑)，Springer Verlag，1998)；

3)J.Shirazi，Java Performance Tuning，(OReilly & Associates，2000)；

4)J.Witt，C.Crane III和D.Armstrong，“Autonomous Ground Vehicle Path Tracking，”Journal of Robotic Systems，(21(8)，2004)；

5)C.Crane III，D.Armstrong Jr.，M.Torrie  和S.Gray，“Autonomous Ground Vehicle Technologies Applied to the DARPA Grand Challenge，”International Conference on Control，Automation，and Systems，(2004)；

6)T.Berglund，H.Jonsson和I.Soderkvist，“An Obstacle-Avoiding Minimum Variation B-spline Problem，”International  Conference on Geometric Modeling and Graphics，(July，2003)；

7)D.Coombs，B.Yoshimi，T.Tsai和E.Kent，“Visualizing Terrain and Navigation Data，”NISTIR 6720，(March 01，2001)；

8)Jenkins等的美国专利No.5,644,386；

9)Andressen的美国专利No.5,870,181；

10)Krasutsky等的美国专利No.5,200,606；和

11)Ruff等的美国专利No.6,844,924；

尽管进行了这些工作，不过一直未实现适当的可视化，障碍识别和障碍规避系统和方法，而不存在限制车辆的操作(尤其是就市区环境中的自主指引而论)的问题。

发明内容

在本发明的一个实施例中，导航和控制系统包括配置成产生位置信号的一个或多个位置传感器，所述位置信号表示车辆的定位和航向。系统包括获得输入，并产生控制车辆的工作的输出的一个或多个操作控制机构，并且包括远离操作控制机构布置的自含式自主控制器。自主控制器包括配置成从位置传感器接收位置信号，并产生定义车辆的更新的行驶路线的操作控制信号的处理器，和提供位置传感器，操作控制机构和处理器之间的通信的可编程接口。可编程接口被配置成使从位置传感器给处理器的输入归一化，并产生用作操作控制机构的输入的兼容操作控制信号，从而自含式自主控制器是可配置的，以便与各种不同的传感器和不同的操作控制机构一起工作。

在本发明的一个实施例中，车辆的导航和控制方法包括产生表示车辆的定位和航向的位置信号，借助可编程接口使位置信号归一化，从而产生归一化的位置信号，根据归一化的位置信号，产生操作控制信号，和借助可编程接口使操作控制信号归一化，从而产生归一化的操作控制信号，归一化的操作控制信号控制车辆沿着车辆的更新的行驶路线的运行。

显然本发明的上述概述和下面的详细说明都是例证性的，而不是对本发明的限制。

附图说明

结合附图，参考下面的详细说明，可更好地理解本发明，从而更彻底地了解本发明及其许多附带优点，附图中：

图1A是按照本发明的一个实施例的自主车辆的示意图，其中在与车辆的预定轴线垂直的平面的一个扇区中进行二维(2D)扫描；

图1B是按照本发明的一个实施例的自主车辆的示意图，其中通过把所述扫描移出与车辆的预定轴线垂直的平面，进行三维(3D)扫描；

图2是按照本发明的一个实施例的发射器和探测器系统的示意图；

图3A(1)是在本发明的一个实施例中，由一个激光扫描器系统扫描的一个区域的示意图；

图3A(2)是在本发明的一个实施例中，由另一个激光扫描器系统扫描的互补区域的示意图；

图3B是按照本发明的一个实施例的自主车辆的示意图，所述自主车辆包括扫描系统以及光学成像系统；

图4A是表示本发明的集成的自主车辆系统平台的硬件示意图；

图4B是表示控制本发明的自主车辆的多个处理器的互连的功能示意图；

图4C是向用户提供的，用于配置自主车辆系统平台的图形显示的屏幕截图；

图5A-5C说明当穿过隧道时，在本发明的自主车辆的行驶期间，从转向控制器收集的数据，在所述隧道中，GPS信号完全消失；

图6A说明按照本发明的一个实施例的变结构观测器算法应用；

图6B是表示初始的速度计划和考虑到发现的障碍物后的修正路线的例证S-T图；

图6C是图解说明一个实施例的VPP计算处理的流程图；

图7是表示在市区环境中，本发明的车辆的转向控制器的标准差的说明图；

图8是表示即使当以30km/hr的恒定速度通过包含急转弯的回旋路程时，本发明的自主车辆使偏离规划路线的标准差保持25cm以下的说明图；

图9是对来自本发明的激光扫描系统的速度值滤波的说明图；

图10是说明预测自主车辆轨迹的完全非完整模型的示意图；

图11是说明预测自主车辆轨迹的部分非完整模型的示意图；

图12是AVS控制台示意图；

图13是适合于本发明的计算机系统的示意图。

具体实施方式

现在参见附图，几附图中，相同的附图标记表示相同或者对应的部分，尤其参见图1A，图1A描述在一个实施例中，安装在车辆10的顶部的成像传感器8，在所述车辆10中，在与车辆10的预定轴线垂直的平面11(这里为了便于举例说明，称为“垂直”扫描平面)的扇区中进行二维(2D)扫描。所述成像传感器及其操作在美国专利申请序列号11/376,160中更详细地进行了说明。该成像传感器只是可用在本发明中的成像传感器的一个例子。

不过，这里的说明仍然简要概述成像传感器8的操作，以便提供本发明的应用环境。在一个实施例中，成像传感器8包括从成像传感器8向车辆10的周围环境发射激光脉冲(或光)14的发射器12(如图2中所示)。如图1A中所示，激光(或光)脉冲14被发射到垂直扫描平面11中。为了产生三维(3D)图像，使成像传感器8摇摆(或者振荡)进出平面11，从而创建3D扫描体积16，如图1B中所示。成像传感器8通过探测从物体22反射的光，探测在车辆10附近的环境中的物体22(如图1B中所示)。

在本发明的一个实施例中，自主车辆10使用在下面更详细说明的两个激光扫描器系统40。

如图2中所示，成像传感器8包括探测回波信号20的返回的探测器18。成像传感器8利用处理器24控制激光脉冲14的定时和发射，和把激光脉冲14的发射与回波信号20的接收联系起来。处理器24可以是在车辆上，或者是成像传感器8的一部分。例证处理器的细节及其功能在后面提供。

在一个示例性例子中，来自发射器12的激光脉冲14通过扩束器13a和准直仪13b。激光脉冲14在固定反射镜15a被反射到旋转镜26，随后通过透镜27a和望远镜27b，从而形成直径1-10mm的激光脉冲14的射束，为合成的三维视场提供对应的分辨率。望远镜27b用于收集从物体22反射的光。

在本发明的一个实施例中，探测器18被配置成仅仅探测发射光的某一波长的光，以便区别从物体反射回探测器的激光和背景光。因此，在本发明的一个实施例中，成像传感器8通过发出激光脉冲14进行工作，激光脉冲14被物体22反射，并被探测器18测量，只要物体在探测器18的灵敏度的范围内。在激光脉冲的发射和接收之间过去的时间使处理器24可以用于计算物体22和探测器18之间的距离。在本发明的一个实施例中，光学器件(即，13a，13b，15a，26，27a和27b)被配置成把射束同时引导到图1A中所示的扇区中，探测器18是在与图1A中所示的相应角方向α₁对应的预定角坐标接收所接收的信号的现场可编程门阵列。

借助旋转镜26，使激光脉冲14扫过平面11内的径向扇区α，如图1A中图解所示。在本发明的一个实施例中，为了实现在成像传感器8之前的视场中的物体的测绘，以100°～10000°/秒的角速度，使旋转镜26旋转通过30°～90°的角位移。

为了产生三维(3D)图像，在本发明的一个实施例中，使成像传感器8摇摆(或振荡)进出平面11，从而创建3D扫描体积16，如图1B中所示。为了举例说明，图1B用角度α(在垂直扫描方向上)和角度β(在水平扫描方向上)定义扫描体积16。如前所述，角度α以100°～1000°/秒的角速度，在30°～70°之间变化。角度β(即，摇摆角度)以1°～150°/秒的摇摆速率，在1°～270°之间变化。组合的成像传感器8一般能够以每秒不止两次的速度完全扫描3D扫描体积16。

在本发明的一个实施例中，处理器24利用瞬时车辆位置的地理空间位置数据，根据物体距车辆的距离和物体相对于车辆的方向，计算视场中的物体的地理空间位置。如图2中所示，处理器24与每秒多次向处理器24传送车辆的位置，航向，海拔高度和速度的实时定位装置25，比如全球定位系统(GPS)和/或惯性导航系统(INS)通信。实时定位装置25一般安装到车辆10上，把数据(比如车辆的位置，航向，海拔高度和速度)传给车辆10上的所有成像传感器8(和所有的处理器24)。

借助可从市场获得的GPS和INS单元，处理器24能够以高于10cm的精度，确定视场中的物体的位置。在本发明的一个实施例中，处理器24把GPS位置，LADAR测量结果和偏转角数据联系起来，以产生在车辆的路线中的障碍物的地图。地图的精度取决于来自定位装置25的数据的精度。下面是这种数据的精度的典型例子：位置10cm，前向速度0.07km/hr，加速度0.01％，滚转/俯仰0.03°，航向0.1°，横向速度0.2％。

在本发明的一个实施例中，Kalman滤波器(产业化的)分类给处理器24的所有数据输入。Kalman滤波器是一种根据噪声数据的递归测量，估计系统的状态的已知方法。在这种情况下，通过考虑到在每种传感器中固有的噪声的种类，随后构成实际位置的最佳估计，Kalman滤波器能够更加精确地估计车辆位置。A.Kelly在“A 3d State Space Formulation 0f a Navigation Kalman Filter for Autonomous Vehicles，”(CMU Robotics Institute，Tech.Rep.，1994)中说明了这种滤波，该文献的整个内容在此引为参考。

可从市场获得的组件可被用于发射器12和探测器18，以提供距离测定结果。在一个实施例中，发射器12，探测器18和相关的光学器件构成激光雷达(LADAR)系统，不过在本发明中可以使用能够精确测量距离的其它系统，比如激光探测和测距(LIDAR)传感器，雷达，或照相机。LIDAR(激光探测和测距；或者激光成像探测和测距)是一种利用激光脉冲确定到物体或表面的距离的技术。

图3A(1)是在本发明的一个实施例中，由一个激光扫描器系统扫描的一个区域的示意图。图3A(2)是在本发明的一个实施例中，由另一个激光扫描器系统扫描的互补区域的示意图。结合旋转镜，每个激光扫描器系统40利用四个激光器发射激光脉冲14，以便扫过在传感器前面的例如270°弧形区域。本发明并不局限于正好扫过270°弧形区域，可以使用从180°到270°到360°变动的其它弧形区域。在这个例子中，射束从在4个不同的扫描平面上的单元发出，当使反射镜直接指向前方时，所述4个不同的扫描平面偏移0.8°，当使反射镜直接指向侧面时，所述4个不同的扫描平面偏移0°。通过这样利用多个激光器，即使当在机动过程中，车辆俯仰和滚转时，扫描系统40也能够保持足够的视场。

扫描器系统40可被安装在离地高度不同的位置。例如，通过把传感器安装在0.5米的较低高度，传感器能够和如果把传感器安装在车辆上更高的位置相比，更有效地探测较小的障碍物。另一方面，当安装位置较低时，某些水平安装的传感器不会同样有效，因为当车辆发生俯仰时，所述传感器的扫描平面常常被地面阻断。

按照惯例，需要360°整周扫描器覆盖的车辆使用在车辆前部的一个扫描器系统，和在车辆后部的一个独立扫描器。这种使用两个ECU(一个用于前部传感器，一个用于后部传感器)的方案使系统易受单点故障影响。本发明通过利用都具有完整的360°视场，从而提供周围环境的冗余视图的两个扫描器，解决单点故障的问题。每个扫描器系统具有在车辆的前部角落之一的一个传感器，和在车辆的相反后部角落的一个传感器，如图3A(1)和3A(2)中所示，以及它自己的ECU。事实上，图3B是按照本发明的一个实施例的自主车辆的示意图，它包括扫描系统(比如两个激光扫描器系统40)以及光学成像系统42。

对在市区环境中行驶的自主车辆来说，存在几个重大的技术挑战。通过本发明的创新的硬件和软件设计，解决了这些挑战。1)由于存在于市区环境中的建筑物和其它障碍物，常常不能获得GPS数据。由于自主车辆的任务的许多要素是借助GPS坐标指定的，因此在本发明中，可以利用辅助的定位信息来补充GPS数据。2)除了静止的障碍物之外，在市区环境中还存在许多移动车辆。在本发明的一个实施例中，车辆的软件跟踪、与其他车辆的交互和不时预测其它车辆的移动。3)自主车辆必须始终遵守所有适用的交通法规。4)在市区环境中的自主车辆不时完成高级机动，比如超车，泊车，进行调头，穿过迎面而来的车辆的车道左转弯，和在交通拥挤的情况下驾驶车辆。5)在市区环境的某些区域中，将仅仅用稀疏的一组路点指定道路，本发明的自主车辆将利用传感器探测沿其而行的适当路线。

在本发明中，用跟踪自主车辆和环境中(尤其是在十字路口)的其它车辆的状态的软件系统，解决了这些挑战。

系统组件

工作车辆：改进2005 Ford Escape Hybrid^TM(下面称为工作车辆)，以包括本发明的成像传感器8。工作车辆使用混合驱动系统，在混合驱动系统中，电机实质上始终在运转，燃气发动机自动启动和停止，以或者提供额外的马力，或者对电机的电池再充电。由330伏电池供电的工作车辆的电气系统向安装在工作车辆中的设备提供1300瓦以上的功率。

工作车辆利用可从市场获得的Electronic Mobility Controls(EMC)的高级电子汽车接口技术(AEVIT)“线控”系统物理控制汽车。AEVIT系统利用冗余的伺服系统和电动机转动方向盘，换档，控制油门和踏下制动器。这种可在市场上从EMC公司获得的解决方案包括安装在转向柱，制动踏板，油门拉线，紧急制动器和自动变速器上的致动器和伺服系统。它还能够控制车辆的转向信号和点火。通过利用电子驾驶辅助控制系统，利用一个充分集成的系统控制车辆的所有各个方面，从而降低整体复杂性，和消除单点故障。电子驾驶辅助控制系统还向自主车辆提供紧急停止(E-Stop)机构，当被触发时，紧急停止机构应用车辆的主制动系统，随后关闭车辆的点火。最后，在稍微延迟之后，应用和保持车辆的紧急制动。这确保当收到E-Stop命令时，车辆能够有效地停止，并且即使车辆在斜坡上，也能够保持停止状态。在本发明中，这些能力被认为是可选的。

硬件平台：为各种自动驾驶应用设计了本发明的自主车辆系统(AVS)平台。AVS平台包括硬件层和软件层。硬件层包括印刷电路板或其它自含式配线和器件结构，所述印刷电路板或其它自含式配线和器件结构包含向外部传感器，比如GPS接收机或障碍物传感器，以及操作控制机构供电，并与所述外部传感器及操作控制机构通信的配线，所述操作控制机构获得输入，并且产生控制车辆的运转的输出。在一个实施例中，专用集成电路(ASIC)可用于此用途。

图4A是表示本发明的集成的自主车辆系统平台的硬件示意图。图4A具体表示包括用户或程序接口52，计算机53，54，现场可编程门阵列器件56，安全无线电设备58，硬件监视器60，以太网链路装置62，配电组件64，紧急停止(E-Stop)逻辑器件66，内部和外部控制器局域网(CAN)68，数字和模拟输入/输出装置70，及RS-232和RS-422端口80的AVS印刷电路板50。通过把这些组件集成到印刷电路板上，自主车辆系统(AVS)平台提供使各种传感器与计算能力结合的硬件，以处理传感器数据和指挥自主车辆。此外，通过在印刷电路板上实现大部分的物理配线，而不是用手实现配线，本发明的AVS平台中的硬件层的可靠性提高。

此外，在本发明之前，为特定的传感器及驾驶和转向控制装置特别设计或改进自主车辆。这些样车大部分用于解决自主车辆的开发过程中的特定问题，因为本行业常常围绕自主车辆工程师知道的已知问题的特定解决方案的目标开发这些车辆。因此，当时不存在产生更通用的自主车辆控制平台的现实推动力。此外，要结合哪些种类的传感器和哪些种类的驾驶控制系统的未决问题使可能要与感测和控制自主车辆的无数种选择匹配的系统的设计处于提出的技术太不成熟，以致不能考虑这种通用解决方案的状态。

因此，在本发明的一个实施例中，提供用户或程序接口52，借助用户或程序接口52，用户能够对用于特定传感器和特定的驾驶转向控制装置的可配置接口装置编程。例如，在自主车辆中安装AVS印刷电路板50的工程师将对用于自主车辆上的特定的一组传感器的现场可编程门阵列器件56(即，可配置的接口装置)和用于特定的驾驶和转向控制装置，比如AEVIT线控系统所需的控制装置的程序(即，操作控制机构)编程。在另一个例子中，现场或服务技术人员可在自主车辆上安装新的传感器，并在当时对现场可编程门阵列器件56重新编程，以便与新安装的传感器兼容。

在一个实施例中，印刷电路板50与安全无线电设备58的E-Stop无线电设备接口，并与AEVIT线控系统(构成图4A中描述的计算机之一)接口。在一个实施例中，硬件层包括监控硬件的操作，并且能够循环启动故障组件(例如，通过配电组件64)，或者如果探测到致命的错误，那么甚至能够停止车辆(例如，通过E-Stop逻辑器件60)的可编程逻辑器件(即，硬件监视器60)。在一个实施例中，对计算机53，54来说，AVS硬件层包括运行QNX硬实时操作系统的Intel Core Duo计算机。这些计算机被用于运行AVS软件平台。

系统内通信：图4B是表示控制器局域网络(CAN)和AVS软件/硬件与传感器之间的处理关系的功能示意图。根据所包含消息的关键性和准时，可以分割在AVS平台的各个组件内的通信。在一个实施例中，可通过独立的控制器局域网络(CAN)传送AVS软件和线控系统之间的车辆控制消息。在一个实施例中，CAN 68具有集成的优先权系统，该系统提供可预测的实时通信(例如，驾驶和控制信号)，并提供抗电磁干扰的鲁棒性。在本发明的一个优先权控制系统中，紧急控制，以及车辆的停止(如果需要的话)获得最高的优先权，并且取代CAN总线上的任何通信。除了紧急消息的不常存在之外，规划软件和线控系统之间的控制通信能够作为第二优先权，不受限制地出现预定的时间量。

在一个实施例中，在印刷电路板50上，独立的CAN总线被用于与专门为自动应用而设计的传感器的通信(例如，传感器信号)，该CAN总线可以或不可用于其它形式的通信。通过使控制网络专用于传感器，防止控制分组取代输入的传感器分组。另外，这种分离有助于防止传感器网络上的故障装置破坏控制CAN总线，因为这种破坏会危及自主车辆的安全运行。

在一个实施例中，在印刷电路板50上，通过以太网链路装置62发生传感器和规划计算机53，54之间的高带宽通信。与AVS平台耦接的高精度传感器能够产生非常适合于以太网链路装置62提供的高带宽，低等待时间和容错性的大量数据。在一个实施例中，来自定位传感器的位置数据和来自障碍物扫描器的物体数据都包含时间戳，所述时间戳消除了对定位传感器和障碍物扫描器的数据的确定性传输的需要。在行程规划计算机53，54内能够重构和重新排序位置数据和障碍物数据，以重建传感器任意之一的世界视场。

在一个实施例中，在印刷电路板50上，现场可编程门阵列器件56收集位置和移动信息，在数据被传给计算机53，54之前，能够补偿惯性系统中的漂移和GPS系统中的中断期。校正后的数据随后经以太网和CAN被发给计算机53，54。校正后的数据还经专用CAN总线被传给障碍物扫描器。该数据被发给障碍物扫描器，以致汽车的位置，速度和定向可被用于潜在帮助校正扫描器的障碍物数据。计算机53，54随后能够使障碍物，自动机的位置和任务路点与相同的坐标集联系起来。现场可编程门阵列器件56能够提供位置传感器、操作控制机构和处理器之间的通信，并且能够1)使从位置传感器或物体传感器到处理器的输入归一化，和2)产生作为给操作控制机构(比如上面讨论的高级电子汽车接口技术(AEVIT))的输入应用的兼容操作控制信号。这样，印刷电路板50(即，自含式自主控制器)是可配置的，以便与各种不同的传感器和不同的操作控制机构一起工作。

因此，通过新颖的配置，集成印刷电路平台实施例为本发明的自主车辆提供独特的能力，所述新颖的结构包括配置成从自主车辆的车载传感器接收输入，识别从一个目的地到另一个目的地的行进路线，识别沿着所述行进路线的固定障碍物和移动障碍物以及路点，和修正行进路线，以避免固定障碍物和移动障碍物的处理器。集成印刷电路平台包括在功能上的中央位置的可编程装置，所述可编程装置提供接受来自自主车辆传感器的输入，和给驾驶和转向控制装置的输出，并使所述输入和输出归一化的能力。从而，所述平台通过1)在印刷电路板上包括各种输入/输出装置，和2)提供用户能够借助其，为特定的一组传感器和转向控制装置“定制”平台的接口，提供适应各种各样的自主车辆传感器的能力。

如上所述，用户或程序接口52向用户提供一种机构，借助该机构，FPGA 56能够被编程，以适应包括在自主车辆上的各种传感器及驾驶和转向控制装置。图4C是当用户访问所述用户接口时，提供给用户的图形显示70的屏幕截图。图形显示70包括允许用户选择输入栏，例如电压(V)，车辆CAN反馈，EMC CAN反馈，和比例增益控制的控件。如图4B中所示，用户或程序接口52允许通过与计算机53和/或54交互，或者通过与现场可编程门阵列器件56直接交互，配置自主车辆系统平台。

传感器：自主车辆需要周围环境和它自己的全球位置的精确图像，以便在任何环境中安全导航。对于在市区环境中行驶来说，存在额外的挑战。下面说明在本发明的各个实施例中，安装在本发明的自主车辆上的不同种类的传感器。

定位或位置传感器：对进入市区环境的自主车辆或自动机的挑战之一在于建立在自动机周围的世界的地图，和查找它自己在地图中的位置。从障碍物和车道探测传感器收集的数据以世界中的某一绝对位置或者相对于车辆的某一位置为参考。在没有关于车辆的位置，航向和速度的绝对信息的情况下，其它数据会变得无用。通过把关于车辆收集的所有信息转换成一组全球坐标，简化了在世界内并且与交通量结合的路线规划。进行这种转换需要精确地了解在收集数据时车辆的位置。根据该信息，能够创建在自主车辆周围的区域的地图，根据所述地图，能够规划自主车辆的路线。

根本上，规划自主车辆的路线和合成从传感器收集的数据需要精确的定位信息。上面说明的工作车辆利用Oxford Technical Solutions的RT3000^TM定位装置提供车辆定位(即，定位数据)。RT3000^TM利用Omnistar^TM HP差分GPS信号提供10厘米或以下的位置精度，并提供精确到0.1°以内的航向测量结果。RT3000^TM中的集成惯性导航系统(INS)允许RT3000^TM经受得住高达30秒的GPS中断期，而无实质性的性能降低。INS提供加速度和滚转信息。除了惯性系统内的加速度计和陀螺仪之外，经防抱死制动系统(ABS)接口板，从Ford Escape Hybrid后部ABS轮速传感器之一输入的轮速被提供给RT3000传感器。AVS接口板读取从FordEscape的ABS传感器到Ford Escape的ECU的通信信号，并将其转换成GPS能够利用的信号。RT3000传感器利用内部提供给RT300传感器的Kalman滤波和算法的组合，内部集成来自每个来源的数据。

在本发明中，RT3000传感器被用作有效的定位传感器的一个例子。即使在GPS信号部分或完全失去的情况下，RT3000传感器也能够适当补偿失去的信号。图5A-5C表示在自主车辆穿过隧道期间，从转向控制器收集的数据，在所述隧道中，持续10-15秒完全失去GPS信号。当重新获得GPS信号时，车辆仅仅偏离理想路线50厘米的事实证明RT3000传感器的可靠性，并且证明控制系统与源于RT300传感器的数据一起有效工作的能力。在这些图中，Y-Error是给控制系统算法的输入信号，路线误差是车辆中心线偏离理想路线的实际量，转向角是车辆的前轮的角度。当Y-Error信号增大时，转向角将被调整，以力图使实际的路线误差降至最小。

障碍物或物体传感器：在上面概括讨论的一个实施例中，本发明的自主车辆使用两个Ibeo ALASCA XT融合系统传感器(Ibeo Automobile Sensor GmbH，Merkurring 20，22143 Hamburg，Deutschland)作为其主要的障碍规避传感器。每个ALASCA XT融合系统传感器包括两个Ibeo ALASCA XT激光扫描器和一个Ibeo电子控制单元(ECU)。工作车辆中的每个ALASCA XT激光扫描器利用四个eye-safe激光器和旋转镜一起扫描在传感器前方的270°弧形区域。ALASCA XT激光扫描器中的所有四个射束从在4个不同的扫描平面上的单元发出，当使反射镜直接指向前方时，所述4个不同的扫描平面偏移0.8°，当使反射镜直接指向侧面时，所述4个不同的扫描平面偏移0°。

由于其视场的灵活性，这个实证中的ALASCA XT激光扫描器被固定安装在车辆上，离地高度约0.5米。其它高度位置也适合于本发明。通过把传感器安装在0.5米的较低高度，与把传感器安装在车辆上更高的地方相比，传感器能够更有效地探测较小的障碍物。当安装位置较低时，某些水平安装的传感器不会同样有效，因为当车辆发生俯仰时，所述传感器的扫描平面常常被地面阻断。

由于其探测单一激光束的多个回波的能力，因此ALASCA XT激光扫描器能够在各种气候条件下工作。如果射束到达透射物体，比如玻璃窗格或者雨滴，那么它将产生部分回波，所述部分回波同样被激光扫描器识别和鉴定。这种多目标能力使ALASCA XT激光扫描器能够在许多不同类型的恶劣天气，包括暴风雨中工作。

ALASCA XT激光扫描器的另一个优点是电子控制单元(ECU)的结合来自两个ALASCA XT传感器的激光角度和测距信息，从而创建车辆周围的物体的地图的能力。在滤波除去无关的激光回波，比如雨滴和地面的激光回波之后，ALASCA XT激光扫描器控制系统结合来自两个激光扫描器的数据，随后根据多组回波拟合多边形。之后，ECU中的软件算法计算每个障碍物的速度向量，并用它自己的标识号识别每个障碍物。为了降低计算开销，ECU只传送满足特定的优先权分类算法的障碍物。在本发明的一个实施例中，自主车辆利用以物体速度和距车辆的距离为基础的算法，作为所述分类的主要标准。经CAN把得到的多边形传给计算机53，54。在这个实施例中，由于该处理都是在ALASCA XT激光扫描器的ECU本地完成的，因此使计算机53，54免除该额外的处理开销。

从两个障碍物探测系统40返回的障碍物的集合被合并到车辆的障碍物储存库中。在一个扫描器系统未能返回障碍物的列表的情况下，车辆无缝地利用另一个扫描器系统继续操作，而不失去它的任意视场。当探测到一个扫描器系统的故障时，AVS平台的硬件层能够重新启动系统，以查看当重新启动时是否出现恢复。

在本发明的另一个实施例中，Velodyne LIDAR(例如HDL-64E型号，一种提供360°HFOV和26.8°VFOV的64-element LIDAR传感器)被用作障碍物探测器40。该LIDAR系统以5-15Hz的帧速率和每秒130万以上的数据点为特征。它产生的点云数据产生地形和环境信息。距离和强度数据都在以太网输出分组有效负载中提供。HDL-64E甚至能够仅仅依赖于关于环境的信息，于是向上面说明的其它传感器提供冗余。HDL-64E传感器利用64个激光器提供0.09°角分辨率(方位角)的360°视场(方位角)，具有64个间隔相同的角度细分(约0.4°)的26.8°垂直视场(高程)(+2°，-24.8°)。HDL-64E的精度小于2cm。HDL-64E以5-15Hz(用户可选)的速率更新视场，对人行道为说具有50米的距离(～0.10反射率)，对汽车和树叶来说具有120米的距离(～0.80反射率)。

车道/道路探测传感器：有时候，在只有稀疏的一组路点识别车道/道路的情况下，自主车辆必须找出并跟随适当的车道/道路。为了解决这个问题，在本发明的自主车辆的一个实施例中，基于视频的车道探测系统，例如Iteris，Inc.(Iteris，Inc.，Santa Ana，California)的LDW型号被用作成像装置42。Iteris LDW系统利用光学传感器和图像处理系统探测和跟踪车道标记。LDW系统中的成像传感器创建在车辆前方的LDW系统搜寻车道标记的区域的二维数字化图像。在工作车辆中，成像传感器安装在挡风玻璃的顶部，不过向前的其它位置也是适宜的。基于视频的车道探测系统向自主车辆提供左右车道标记的位置，左右车道标记的类型(实线，虚线等)，车辆在车道内的角度，和车道的曲率。经CAN 68b以每秒25次的速率把该信息提供给AVS平台软件。来自基于视频的车道探测系统的信息被用于建立当前车道的模型，当前车道的模型能够被车辆的软件系统用于调整车辆的规划路线，以更好地遵守车道模型。

软件平台：自主车辆为在市区环境中成功行驶而需要的软件的体量和复杂性会容易地倾覆软件体系结构。

AVS软件平台被设计成能够用于许多不同种类的自主车辆应用程序的通用自主应用架构。AVS软件平台提供传感器集成功能，障碍规避功能，导航功能，安全系统，事件记录系统，定位功能，实时车辆监控功能，和网络集成功能(以及许多其它基本的自主车辆需求)。

工作车辆中的AVS软件平台使用Java编程语言，不过本发明并不局限于这种编程语言。由于Java的平台独立性，相同的代码库能够结果可靠并且可重复地在各种平台上运行。如下所述的AVS软件架构使用几种不同的软件设计模式或设计原理来降低设计自主车辆应用程序的复杂性。这些设计模式都已被证明在企业应用程序开发中，能够成功地降低复杂性，和提高软件开发的可靠性。

在本发明的AVS软件架构中使用的主要软件设计原则之一是“关注点分离”范例，它通过把较大的问题分成被设计成更易于解决的一组松散联系的子问题，降低开发的复杂性。因此，软件系统被分成重叠量最少的尽可能多的不同组件。通过把软件分成功能上分离的组件，一个组件中的微小故障不会不利地影响其它组件。

利用以控制反转(IoC)容器为中心的体系结构，实现了AVS软件架构。控制反转是其中所述架构起协调和控制各个应用程序组件的运行的容器的设计模式。IoC架构简化了应用程序设计，因为所述架构，而不是应用程序把组件链接在一起，并负责把事件路由给应用程序中的恰当组件。在AVS架构中，IoC容器提供正确的实时自主车辆应用程序所必需的所有服务，包括线程调度，记录服务，跨计算群集的应用程序资源的分布，容错和网络通信。

AVS软件架构的线程调度能力显著增强了自主车辆应用程序的开发。为了使关注点分离范例最有效，应尽可能地隔离组件。理想地，组件应并行运行，而不是顺序运行，以致一个组件中的故障不会导致后续组件的运行被异常中止。AVS软件架构甚至跨越多个计算机，随同它自己的线程执行，执行每个组件，并透明地协调数据在分离组件之间的共享。AVS软件架构还能够在许多不同的处理器负载水平下，以设定的频率执行这些组件，对自主车辆操作所需的许多控制系统来说，这是有益的，因为为了实现精确的车辆控制，这些控制系统都需要精确的定时。

一个实施例中的AVS软件架构能够在一个或多个核心嵌入式计算机(而不仅仅是图4A中所示的两个计算机53，54)上运行。事实上，三个核心嵌入式计算机已起分布式群集的作用。群集中的每个计算机运行与AVS软件架构的实时能力耦接的硬实时操作系统，以支持在预先规定的时间约束内，自主应用程序的确定性执行。一旦允许实时支持，进程的工作频率彻底稳定。AVS软件架构的实时能力还使自主应用程序可以表现得更加始终如一，并且即使在软件出现问题的情况下，也保证允许优先权较高的组件，例如安全监视器和低级驾驶算法正确地执行。

软件实现：软件逻辑被实现成AVS软件架构的模块。AVS软件架构能够随同它自己的独立的线程执行，运行这些模块中的每个模块，并且它自动管理多个组件之间的相关性。下面的小节说明在本发明中利用的软件模块。

路线规划：环境的绘图和长距离路线规划是自主车辆的设计中的重要考虑因素。利用的设计模型把直观的绘图和逻辑绘图和路线规划分开。车载计算机进行的逻辑绘图功能包括十字路口组件的识别，传感器看得见的标记的绘图，和地图定义不明确的地区的校正。地图定义不明确的地区由提供给自动机(即，自主车辆)的地图与真实世界的环境不是充分关联的区域组成。这种情况下，自动机必须沿着其行进路线探索和识别该地区。

在本发明的一个实施例中，把预先存在的地图转换成坐标数据被证明是一种与诸如勘测之类的其它方法相比，更有效地获得转向方向的方式。在一些情况下，不能获得预先存在的地图。如果自主车辆被设计成在“封闭”的路线(即，由物理边界或软件引导的边界设定的路线)内行驶，那么车辆的人工控制可被用于控制通常自主的车辆，而自主车辆绘出封闭路线的地图。通过关联来自其GPS，障碍物扫描器和车道探测传感器的信息，自主车辆能够绘出指定路线的地图。

一旦获得表示所述路线和沿着该路线的路点的逻辑地图，就按照例如路线网络定义文件(RNDF)格式，把逻辑地图提供给车载计算机53，54，不过也可以使用其它格式。两遍剖析器(two-pass parser)识别所有路点，之后核实所有路点参考是否有效。地图是按照面向对象修改的RNDF格式保存的，并且包括关于从RNDF文件得到的地图特征的扩展。

从RNDF中的数据中获得的第一个导出特征是停车点和出口/入口路点到十字路口的分组。下面是例证的绘图/路点算法。算法首先挑选停车路点，随后找出离开该路点的所有出口和进入该路点的所有入口。随后，对十字路口中的每个出口来说，如果该出口之后的路点是入口，那么把该入口/出口对增加到该十字路口中。同样地，对十字路口中的每个入口来说，如果在该入口之前的路点是出口路点，那么把该出口/入口对增加到十字路口中。最后，如果任何停车点或出口在与十字路口的边界相隔规定距离的范围内，那么也把它们增加到十字路口中。做出规定，以确保每个停车点或出口只属于一个十字路口。

从RNDF中的数据获得的第二个导出特征是与在路点之间的行驶相关的成本的存储。从一个路点行驶到下一个路点所用的时间是用于挑选最佳路线的主要候选度量。时间度量被保存在路点、出口和区域对象中。最好通过把路段最大限速除以每个路点和其前一个路点之间的距离，计算该路点的初始成本。如果路点在车道的起点，那么它具有零成本。根据入口路段的速度加上固定的处罚(penalty)，计算出口的成本。

本发明的一种路线寻找算法可包括随着自动机更多地探索其周围环境，使自动机(即，自主车辆)在其规划方面变得更高效的学习组件。通过记录在路点之间、穿过十字路口和通过区域所用的行驶时间，能够计算使行驶时间最优的路线。为跨多条路线使用的给定RNDF保持行驶时间的记录。当交通模式随着时间变化时，标记新的拥堵区域，不再信任旧的观察结果。利用如等式1中所示的权重几何递减的加权平均公式计算特定行驶单元的成本。最新的观察结果具有0.5的权重，每个先前的观察结果的权重减半。

S_n＝样本

N＝样本数

N＝1：sum S₀

N＞1：sum＝S₀ ^＊1/(2¹)+S₁ ^＊1/(2²)+...+S_N-2 ^＊1/(2^N-1)+S_N-1 ^＊1(2^N) (1)

在本发明的一个实施例中，通过应用称为A^＊试探引导搜索的搜索算法，确定检查点之间的最佳路线。类似地可以使用其它算法。A^＊搜索算法保持已探索路线的优先权队列。优先权由路线的当前成本(g(x))和到终点的估计成本(h(x))确定。在用于路线规划的A^＊的实现中，g(x)是已探索过的行驶单元的平均观察行驶时间之和。试探值h(x)是到目标检查点的直线距离除以路线的最大限速之商。该试探值影响首先探索最直接的路线的行为。A^＊算法已被证明在模拟测试和实际测试中都产生精确的路线。

可变结构观测器(VSO)：VSO的主要功能是提供在自主车辆的附近环境(大约在150米内)的所有固定障碍物和运动障碍物的坐标和轨迹的信息集成和预测。可变结构观测器算法跟踪多个固定物体和运动物体。可变结构观测器算法改进车辆的环境观察，提供即使传感器数据或者暂时失去，或者变得暂时不可靠，也保持车辆的智能行驶和导航的能力。在一个障碍物暂时被另一个障碍物遮蔽的情况下，例如当另一辆车正在驶过在自主车辆之前的十字路口时，这是极其有用的。

图6A说明按照本发明的一个实施例的VSO算法应用。具体地说，图6B是在自主车辆的规划路线(即，标注PP的曲线)与描述成一系列较小的运动矩形82的雷达跟踪车辆(运动障碍物)的路线相交的情况下，提出的可变结构观测器的示范。在这个例子中，雷达波束(即，从左下角延伸的角度移动线)被两辆拖车84(即，较大的矩形)阻挡。当由于被拖车84阻挡，跟踪的运动障碍物82从雷达屏幕上消失时，可变结构观测器通过运行其模型，从而产生该运动车辆的预测位置，把运动障碍物82保持在存储器中。沿着自主车辆路线的速度规划把该运动障碍物与所述路线相交时的时间考虑进去。虚线圆形区域中的重叠矩形表示由不确定性引起的预测位置的误差。从而，即使当数据流中断时，可变结构观测器也能防止碰撞。提出的可变结构观测器允许跟踪数目不受限制的运动障碍物，仅仅取决于系统的计算能力。

VSO原理以在(Drakunov，S.V.，“Sliding-Mode Observers Based on Equivalent Control Method，″Proceedings of the 31st IEEE Conference on Decision and Control(CDC)，Tucson，Arizona，December 16-18，1992，pp.2368-2370)中提出的滑模观测器的思想为基础，该文献的整个内容在此引为参考，并以可变结构系统的一般理论为基础。其原理可被描述成如下所示：一旦传感器系统探测到障碍物，就使用初步数据处理识别障碍物的位置，几何形状和速度向量。VSO算法将自动创建障碍物的“标识符”，及障碍物的数学运动模型。

结果，产生识别的障碍物的状态向量[位置，几何形状，形状，速度等等]。根据输入的传感器数据流，持续更新该状态向量(即，其参数)。如果暂时失去传感器数据，那么VSO算法将继续提供(通过模拟)障碍物的位置和速度的预测，以使暂时致盲的车辆安全地停车，或者避免障碍物，直到重新获得传感器数据为止。

通过前移至未来时间运行VSO算法，VSO不仅能够预测障碍物的当前位置，而且能够预测障碍物的未来位置，以便进行路线规划和速度规划。遵循某些规则。例如，如果识别的物体是沿着与自主车辆相同的道路行驶的移动物体，那么VSO将认为识别的物体停留在道路上。例如，如果识别的物体是一直沿着与自主车辆相同的道路行驶，并且一直以几乎恒定的速度行驶的运动物体，那么VSO将认为识别的物体停留在道路上，并且继续以相同的速度(除非其它物体干预)行进。VSO把在附近环境中的所有障碍物的状态向量结合成车辆的行驶环境的一个可变结构模型，该模型随着环境动态变化。由于VSO将增加进入该区域的障碍物的新模型，和除去离开该区域的障碍物，因此观测器状态向量的维数不断改变。

在本发明的一个实施例中，可变结构观测器以关于滑模的系统的理论为基础。从非线性数学了解滑模的应用，在其它“系统中”，滑模一直用于分析系统的时间行为。在本发明的可变结构观测器中，滑模被用于在存在不确定性的情况下，根据强非线性系统的观测数据，重构状态向量。下面更详细地说明在路线规划的情况下的VSO的应用。

在实际的实践中，VSO带来另一个好处。通过在其计算中包括车辆运动的数学模型，VSO自动滤出会在传感器数据中出现的波动。就激光扫描器传感器来说，这尤其重要，因为速度向量(这些传感器计算的速度向量)会包含相当大的抖动。

路线规划：本发明的路线规划算法规避障碍物，并在规划的通道内常规地驾驶车辆。在一个实施例中，这些算法不会毫无原因地使车辆偏离规划的通道。不过，如果车辆由于某种原因离开路线通道，那么导航系统会探测到这种情况，并提供回到所述通道的安全路线。如果错过某一路点，那么导航系统将只是延续到路线上的下一个可行的路点。如果路线被障碍物阻断，那么路线规划系统将确定障碍物周围的路线。

在本发明的一个实施例中，路线规划是通过利用三次b样条实现的，三次b样条被设计成跟随规划路线的中心，同时仍确保对车辆来说，路线不是不能导航的。这种保证意味沿着路线的任意点的曲率小于车辆能够成功跟随的最大曲率。另外，使曲率保持连续，以致不必停下车辆，以便在继续行驶之前，把方向盘转动到新的位置。在路线规划算法中选择使用B样条主要是因为能够容易地控制其结果曲线的形状。在创建跟随通道的中心的初始路线之后，对照障碍物储存库检查该路线，以确定它是否是安全的路线。如果该路线不安全，那么简单的算法产生并调整在曲线的问题地点的控制点，直到样条避开所有已知的障碍物，同时仍然包含有效的最大曲率为止。此时，该路线即安全，又是可行驶的。

本发明的路线规划还可利用基于细节水平(LOD)的障碍规避算法，以及几种规划算法来规划障碍物周围的路线。在本发明的一个实施例中，LOD分析允许以不同的细节水平，运行相同的算法。例如，如果在不太细致的情况下运行算法(例如，以适应较大的安全余量)，那么反复增大细致度(例如，以适当较小的安全余量)，直到找到有效路线为止。路线规划算法利用几个不同的参数运行，直到找到有效路线为止。初始参数利用安全余量(例如，车辆距离障碍物，或者在障碍物之间的间隙)，而最终参数不使用障碍物周围的安全余量。这确保如果能够获得将以较大的误差余量(例如，车辆横向间隙)避开障碍物的路线，那么路线规划软件选择该路线。否则，规划算法将持续减小障碍物周围的安全余量，直到确定有效路径为止。

本发明适应诸如汽车牵引力和对车辆的外力之类的因素。系统识别是本发明使用的一种方法，借助该方法，能够通过使输入系统中的信号与系统的响应关联，确定定义系统的参数，从而形成按照和实际的车辆系统相同的方式(或者相似的方式)表现的传递函数。例如，当试图控制车辆的速度时，输入是制动器和加速器位置，输出是车辆的速度。可用传递函数H(s)描述系统模型，

y(s)＝H(s)u(s)，         (8)

其中是u(s)系统输入(制动器和加速器位置)，y(s)是系统输出(速度)。对来自车辆推进系统的真实世界数据应用系统识别，以得出对于工作车辆，根据经验测试的车辆系统的传递函数H(s)，直到相信获得精确的传递函数为止。

因此，按照本发明，车辆的速度控制不仅适应加速器和制动器功能，而且适应物理引擎系统中的许多其它因素。例如，由于工作车辆具有燃气-电混合动力引擎，因此，两个推进系统的联结由考虑到燃油效率而调整的在工厂安装的难以接近的车载计算机控制。从而，请求的踏板位置和达到的实际位置之间的映射不是线性的，必须依据经验确定，用软件重新映射。在本发明的一个实施例中，车辆的速度由集成的比例微分(PD)控制器控制。该控制器使其输出以先前的输出为基础，并以当前误差和误差的导数为基础。在时域中，控制器可被写为：

u(t2)＝(t2-t1)(K_pe(t₂)+K_de′(t₂))+u(t₁)        (9)

其中K_p和K_d是可调系数，u(t)是在时间t，控制器的输出，e(t)是在时间t的误差。误差被定义成从目标输出减去的实际输出。实际输出由RT3000报告，从路线规划算法得到目标速度。

对照上面详细说明的导出的传递函数，设计和调整集成PD控制器。例如，首先对照导出的传递函数的计算模型，导出最佳性能所需的权重(用于PD控制器中的比例控制)，随后当作用于该车辆时调整所述权重。

利用均与路线规划系统无关的两个独立过程，在工作车辆中实现加速器和方向盘控制。一旦路线规划算法决定了路线，就仅仅使用加速和转向，以保持选择的路线。由于在创建时，检查了路线的可行性，因此控制系统认为对车辆来说，给出的所有路线都是可实现的。按照这种方式(不过本发明可以使用其它启始假设)，决定如何最佳地继续下去，以便沿着选择的路线而行就成为控制系统的负担。

在一个实施例中，工作车辆的转向控制器是以Riekert和Schunck的“Zur fahrmechanik des gummibereiften kraftfahrzeugs，”(在Ingenieur Archiv，vol.11，1940，pp.210-224中)描述的典型单行道模型或者自行车模型为基础的超前-滞后控制器，该文献的整个内容在此引为参考。超前补偿器提高系统的响应性；滞后补偿器降低(但不消除)稳态误差。超前-滞后补偿器以系统的频率响应为基础。超前-滞后补偿器与D.Bernstein在A students guide to classical control，IEEE Control Systems Magazine，vol.17，pp.96-100(1997)中说明的类似，该文献的整个内容在此引为参考。最后得到的工作车辆中的控制器是乘以低频率增益的两个超前和滞后函数的卷积，所述低频率增益为0.045。使用自适应估计参数。自适应估计首先利用通过应用理论函数获得的一组值(参数)，随后在真实世界情形(例如，深砂床，粗糙的地形，和其它地形种类)下迭代测试并修改所述参数，直到使参数完美为止。

$F_{\mathrm{lead}}\left(s\right)=\frac{850s+1}{900s+1}---\left(10\right)$

$F_{\mathrm{lag}}\left(s\right)=\frac{2s+4}{0.2s+1}---\left(11\right)$

如(12)和(13)中所示实现离散化控制器，其中x是状态向量，是状态向量相对于时间的导数，u是输入向量，δ_f是在轮胎测量的相对于中心线的输出转向角。状态向量x被定义成[y_s Ψ]，其中y_s指的是从虚拟传感器到参考路线的距离，Ψ是车辆的偏航率。虚拟传感器是沿着车辆的中心线，投射到在车辆之前给定距离的点。该点通常被称为预瞄点，从预瞄点到RT3000的距离被称为预瞄距离。

$\stackrel{\·}{x}=\left[\begin{array}{cc}0.90475& -0.00054\\ 0.00054& 0.99998\end{array}\right]x+\left[\begin{array}{c}-1.07538\\ 0.00277\end{array}\right]u---\left(12\right)$

δ_f＝[0.02150 0.00005]x+[0.00005]u    (13)

给控制器的输入向量u被定义为[y_s]。控制器的输出是在轮胎测量的相对于中心线的转向角。

工作车辆中的转向和控制系统假定方向盘角度和得到的轮胎角度之间的关系是线性的，并且假定车辆中心的重心位置位于前轴和后轴之间的中间点。作为一种安全措施，监测y_s信号的幅度，以防止车辆变得不稳定。如果y_s将越过给定阈值，意味车辆严重偏离路线，那么把车辆的速度降低到2mph。这使车辆可以返回到理想路线上，防止可能的翻车。

从而，路线规划模块被用于创建自主车辆通常应遵循的全程路线，而局部路线规划模块(即，速度和路线规划器(VPP))被用于从全程路线转变到当前的局部路线。局部路线包含车辆的规划位置和车辆的规划目标速度。当车辆的状态和周围环境发生变化时，可每秒多次地重新产生局部路线。

VPP利用来自可变结构观测器(VSO)的信息规划和更新自主车辆的时间-空间轨迹和速度剖面图。VPP目的在于通过适当的路线规划(即，从静止的障碍物转向)，避开静止的障碍物，和目的在于调整自主车辆的速度，以避开将穿过自主车辆的规划路线的运动障碍物(包括如果需要的话，逐渐完全停下来，以避开障碍物)。在包括障碍物的时间-空间特性和障碍物的未来位置的扩展域中，进行最佳路线计算。按照为了简化讨论，这里给出的三个逻辑步骤完成轨迹计算。

在第一个步骤中，VPP根据提供的全程路线的GPS点，计算(x，y)-空间轨迹。随后用利用三次或者更高次的样条插值计算的平滑曲线连接这些点。

在第二个步骤中，VPP计算扩展的时间-空间域{x^＊(t)，y^＊(t)，t^＊(t)}中的时间最佳轨迹，它满足速度约束(最高限速和最低限速)，并且避开任何已知的或者探测到的障碍物。具有上述约束的最佳和准最佳轨迹是利用变分法，Bellman动态规划和Pontryagin的最小值原理的组合计算的。Pontryagin的最小值原理提供就控制和状态变量约束而论的时间最佳控制的必要条件。如上所述，该计算是利用滑模算法进行的。图6B是例证的距离-时间S-T图，它表示初始的速度规划(斜线)和把观测到的障碍物(即，椭圆形)考虑进去之后的修正路线(向右偏离，并且平行于初始速度路线，倾斜地继续前进的线条)。在该图表中，s代表沿着路线的距离，时间是沿着该路线到达相应点的预期时间。

在第三个步骤中，VPP利用与在步骤2中计算的轨迹最接近的轨迹的在线准最佳计算，在步骤2中计算的轨迹在保持速度和车辆安全的同时，满足加速/减速约束。此时，可把乘坐舒适性考虑进去，如果它不干扰安全行驶的话。在一个实施例中，速度和路线规划器利用滑模算法进行该轨迹计算。

通过变更车辆的速度，速度和路线规划器允许空间-时间域(S-T域)中，所有种类的障碍物的规避。如果不存在数学解，并且车辆不能通过减速避免障碍物，那么接下来实现偏向机动，以避开障碍物，如果障碍物能够被避开的话。例如如果另一辆车并不表现得不规律，那么这种偏向机动是可接受的。

反复评估VPP的结果，以确定是否应尝试改变车道，或者其它变更路线的机动。VPP的一个目标是获得最佳速度，从而如果另一辆车长时间停下来，或者甚至如果自主车辆因在它前面的另一辆车而过度慢下来，那么规划算法将尝试超越另一辆车。

更一般地，可在图6C中图解说明本发明的VPP算法。具体地说，图6C是图解说明一个实施例的VPP计算处理的流程图。可通过接收预定的行进路线规划(例如，表示成数值样条)，随后计算路线参数(例如，距离，切向量，偏航角等)，概念化开始该处理。随后，该处理考虑到对计算的路线参数进行的曲率计算，并在进行前向和后向滑模限制器计算时，把加速/减速约束考虑进去。产生速度规划。

现在具有预定的行进路线规划和计算的速度规划的处理着手计算沿着行进路线的时间分布。随后，该处理考虑运动障碍物数据，以重新计算空间-时间域速度规则，以便避开穿过预定行进路线的运动障碍物，从而产生修改的速度规划。如果修改的速度规划满足预定的或者预先设置的加速/减速约束，那么在本实施例中，接受修改后的避开运动障碍物的速度规划。如果否，那么通过重新开始用前向滑模限制器计算，计算新的速度规划，重复该处理。

转向控制系统：软件规划模块能够产生任何路线，只要路线满足与曲率和速度相关的某些约束。车辆能够高精度地准确沿着路线而行。由于这种高水平的驾驶精度，规划模块能够产生成功地迂回通过障碍物密集的路线。考虑到冗余性，可以使用多个规划模块，也可使用多个规划模块同时产生多个候选路线。如果产生多条路线，那么使用得分最佳的一条路线(可按照多种不同的方式计算得分：最短时间，最短距离，障碍物最不杂乱，等等)。

此外，由于当车辆能够准确地沿着产生的路线行驶时，路线规划组件最有效地工作，因此在本发明的自主车辆的开发期间，特别把重点放在转向控制器上。下面更详细地说明本发明的高性能转向算法。关于高性能转向算法的实现结果表示在图7-9中。

图7是表示在市区环境中，本发明的车辆的转向控制器的标准差的说明图。图7图解说明即使在市区环境中和高速行驶时，车辆的转向控制器也能够以较高的准确性驾驶，从而在曲折的市区路线中，也使自主车辆可以获得较高的稳定速度。在市区驾驶期间，由于高大的建筑物和树木对GPS信号的影响，GPS信号会相当吵杂。这种噪声会使市区环境中的高速自主驾驶变得更困难。

图8表示即使在以30km/hr的恒速，在包含急转弯的高难回旋路线上行驶时，本发明的转向控制器也能够保持25cm以下的偏离路线的标准差。在急转弯期间，在高速下难以达到这种精度，因为汽车的轮胎在地面上滑行/打滑，这是在这些机动期间，转向控制算法必须考虑到的另一个变量。

除了精确的驾驶能力之外，利用统计平均和滤波方法的数学滤波算法被证明会降低本发明的自主车辆上的障碍物传感器中的噪声。图9表示对来自激光扫描系统的速度值滤波的结果。图9表明激光扫描器提供的速度值包含被成功除去的相当大的噪声。

高性能转向算法：在本发明的一个实施例中，提供一种新颖的自主车辆转向方法。所述方法包括运动点(x^＊(s)，y^＊(s))沿着地面上的路线而行，从而产生转向命令。执行转向的方法以沿着路线，离运动点的原点的距离的控制时间函数s(t)为基础。按照这样的方式选择函数s(t)的控制和转向角

以致地面上，实际车辆位置相对于运动点(x^＊(s(t))，y^＊(s(t)))的向量误差

$\stackrel{\→}{E}\left(t\right)=\left[\begin{array}{c}x\left(t\right)\\ y\left(t\right)\end{array}\right]-\left[\begin{array}{c}{x}^{*}\left(s\left(t\right)\right)\\ y^{*}\left(s\left(t\right)\right)\end{array}\right]$

满足例如

(其中增益k＞0)，或者更一般的

形式的理想渐近稳定微分方程式。结果，误差收敛到0，从而，提供车辆沿着路线的鲁棒转向。下面我们提供这种方法的一种可能实现，其中控制器增益k的选择以最佳收敛条件为基础。

就完全非完整模型(参见图10)来说，假定不存在前轮和后轮的侧滑。描述位于离后差速器(rear differential)的距离为x_o的车辆纵轴上的点的X-Y坐标的非完整模型的运动学部分为

其中x，y是全程帧中的读取点的坐标，θ是偏航角，

是前航向角，v_f是前轮速度。后轮速度为

现在我们考虑在前轮不滑动的时候，后轮侧滑的可能性。参见图11。

作为沿着路线的距离s的函数的理想路线：

$\left[\begin{array}{c}{x}^{*}\left(s\right)\\ y^{*}\left(s\right)\end{array}\right]$

虚拟点离路线起点的距离：

s(t)

在时间t，虚拟点的XY-位置：

$\left[\begin{array}{c}{x}^{*}\left(s\left(t\right)\right)\\ y^{*}\left(s\left(t\right)\right)\end{array}\right]$

当前车辆位置相对于虚拟点的向量误差：

$\left[\begin{array}{c}\stackrel{\‾}{x}\left(t\right)\\ \stackrel{\‾}{y}\left(t\right)\end{array}\right]=\left[\begin{array}{c}x\left(t\right)\\ y\left(t\right)\end{array}\right]-\left[\begin{array}{c}{x}^{*}\left(s\left(t\right)\right)\\ y^{*}\left(s\left(t\right)\right)\end{array}\right]=\stackrel{\→}{E}\left(t\right)$

关于误差的系统：

$\stackrel{\·}{s}\left(t\right)=w---\left(2\right)$

其中w是沿着路线的虚拟点速度(这是虚拟控制)

是虚拟点航向(单位)向量：

$\left|\right|\stackrel{\→}{H}\left(t\right)\left|\right|=\left|\right|\left[\begin{array}{c}{x}^{*\′}\left(s\left(t\right)\right)\\ y^{*\′}\left(s\left(t\right)\right)\end{array}\right]\left|\right|=1$

当已知速度，根据误差的最大收敛速率的条件选择虚拟控制时，(2)中的第一个方程式的右侧为

从而

$\left[\begin{array}{c}\stackrel{\·}{\stackrel{\‾}{x}}\left(t\right)\\ \stackrel{\·}{\stackrel{\‾}{y}}\left(t\right)\end{array}\right]=-k\left[\begin{array}{c}\stackrel{\‾}{x}\left(t\right)\\ \stackrel{\‾}{y}\left(t\right)\end{array}\right]$

这保证误差以指数速率k收敛到0：

当t→∞时。

根据(3)，得到轮胎角度

应满足：

取(4)两侧的范数平方，我们得到：

已知k，从该方程式，我们能够得到w：

$w=k[<\stackrel{\&RightArrow;}{H}\left(t\right),\stackrel{\&RightArrow;}{E}\left(t\right)>+\sqrt{{<\stackrel{\&RightArrow;}{H}\left(t\right),\stackrel{\&RightArrow;}{E}\left(t\right)>}^2-{\left|\right|\stackrel{\&RightArrow;}{E}\left(t\right)\left|\right|}^2+v^2/k^2}],---\left(6\right)$

其中我们用

表示点x_o的速度。

另一方面，从(5)，通过关于w求(5)的微分，并把k的导数设为0，能够获得k的最佳值：

$0=2w-2k^{\&prime;}w<\stackrel{\&RightArrow;}{H}\left(t\right),\stackrel{\&RightArrow;}{E}\left(t\right)>-2k<\stackrel{\&RightArrow;}{H}\left(t\right),\stackrel{\&RightArrow;}{E}\left(t\right)>+2{\mathrm{kk}}^{\&prime;}{\left|\right|\stackrel{\&RightArrow;}{E}\left(t\right)\left|\right|}^2---\left(7\right)$

在最佳点，k′(w_opt)＝0。易于看出，该最佳值是区域w≥0，k≥0中的最大值。事实上，等式(5)代表wk平面上的二次曲线Aw²+2Bwk+Ck²＝D。由于

$|<\stackrel{\&RightArrow;}{H}\left(t\right),\stackrel{\&RightArrow;}{E}\left(t\right)>|\&le;\left|\right|\stackrel{\&RightArrow;}{E}\left(t\right)\left|\right|$

因此遵循B²＜AC，从而这是一个椭圆。于是，k_opt＞0是最大值。

根据(7)

$0=2w-2k<\stackrel{\&RightArrow;}{H}\left(t\right),\stackrel{\&RightArrow;}{E}\left(t\right)>$

从而，

$w_{\mathrm{opt}}=k_{\mathrm{opt}}<\stackrel{\&RightArrow;}{H}\left(t\right),\stackrel{\&RightArrow;}{E}\left(t\right)>,$

或者根据(5)

$v^2=k_{\mathrm{opt}}^2{<\stackrel{\&RightArrow;}{H}\left(t\right),\stackrel{\&RightArrow;}{E}\left(t\right)>}^2-2k_{\mathrm{opt}}^2{<\stackrel{\&RightArrow;}{H}\left(t\right),\stackrel{\&RightArrow;}{E}\left(t\right)>}^2+k_{\mathrm{opt}}^2{\left|\right|\stackrel{\&RightArrow;}{E}\left(t\right)\left|\right|}^2$

$k_{\mathrm{opt}}^2=\frac{v^2}{{\left|\right|\stackrel{\&RightArrow;}{E}\left(t\right)\left|\right|}^2-{<\stackrel{\&RightArrow;}{H}\left(t\right),\stackrel{\&RightArrow;}{E}\left(t\right)>}^2}$

这给出

$k_{\mathrm{opt}}=\frac{v}{\sqrt{{\left|\right|\stackrel{\&RightArrow;}{E}\left(t\right)\left|\right|}^2-{<\stackrel{\&RightArrow;}{H}\left(t\right),\stackrel{\&RightArrow;}{E}\left(t\right)>}^2}}$

当误差E(t)收敛到0时，k_opt的值会变得非常大。为了限制k，可以使用准最佳值。

引入

$k^{*}=\frac{1}{\sqrt{{\left|\right|\stackrel{\&RightArrow;}{E}\left(t\right)\left|\right|}^2}-{<\stackrel{\&RightArrow;}{H}\left(t\right),\stackrel{\&RightArrow;}{E}\left(t\right)>}^2+{\mathrm{\&epsiv;}}^2},---\left(8\right)$

其中ε＞0是较小的常数(它保证k^＊受到限制)，得到k_opt≈vk^*

把(8)代入(6)，获得w的准最佳值：w_opt≈vw^*，其中

$w^{*}=\frac{<\stackrel{\&RightArrow;}{H}\left(t\right),\stackrel{\&RightArrow;}{E}\left(t\right)>+\mathrm{\&epsiv;}}{\sqrt{{\left|\right|\stackrel{\&RightArrow;}{E}\left(t\right)\left|\right|}^2-{<\stackrel{\&RightArrow;}{H}\left(t\right),\stackrel{\&RightArrow;}{E}\left(t\right)>}^2+{\mathrm{\&epsiv;}}^2}}=k^{*}[<\stackrel{\&RightArrow;}{H}\left(t\right),\stackrel{\&RightArrow;}{E}\left(t\right)>+\mathrm{\&epsiv;}]$

从而，

根据(4)，得到

由此，获得：

在这些方程式的右侧，

它也取决于航向角

从而表示

的一种方式是除以这两个方程式，从而获得

结果：

现在考虑在前轮不滑动的时候，后轮测滑的可能性。参见图11。

这种情况下，后点的速度vr不一定与车辆纵轴对准。质心是车辆上的一个标准基准点，不过事实上，任意点可被看作旋转的基础。由于在本例中，系统是非完整的，因此更方便的是考虑在前轮之间的点，而不是考虑质心。因此，作为基准点的质心可被用于带滑动的受控转弯。

从而，得到

于是，

其中最后一个方程式中的第二项表示离心力的近似。在这个表达式中，

近似是瞬时转弯半径。

可以假定

F_rlateral＝F_{rlateral_max}sign(σ)，(11)

其中

可看出，F_lateral是变量σ的不连续函数。在这种系统中，会出现滑模的现象(例如，参见DeCarlo R.和S.Zak，S.V.Drakunov的“Variable Structure and Sliding Mode Control”，chapter in The Control Handbook a Volume in the Electrical Engineering Handbook Series，CRC Press，Inc.，1996，该文献的整个内容在此引为参考)。在本系统中，如果存在横向摩擦力的足够余量，那么出现滑模。即，

在滑模下，

并且系统(10)中的第一个方程式变成(1)。

在滑模下，利用规定可用从等式

获得的等效值代替滑模下的不连续函数的等效控制方法(例如，参见上面的参考文献)，可获得横向作用力。

通过求微分，获得

由此，

该表达式和不等式(13)被用于通过操纵速度和/或转向角，控制(在期望的时刻开始或防止)滑行。

在发生滑行的情况下(归因于侧摩擦力较低的自然条件，或者人为产生的滑行)，使用下面说明的转向算法。考虑到修正的模型(10)，而不是(1)，类似于前面的情况计算虚拟点速度。结果，获得：

其中

$k^{*}=\frac{1}{\sqrt{{\left|\right|\stackrel{\&RightArrow;}{E}\left(t\right)\left|\right|}^2-{<\stackrel{\&RightArrow;}{H}\left(t\right),\stackrel{\&RightArrow;}{E}\left(t\right)>}^2+{\mathrm{\&epsiv;}}^2}}$

与前面相同。

从而，

$A=\frac{<\left[\begin{array}{c}\sin \left(\mathrm{\&theta;}\right)\\ -\cos \left(\mathrm{\&theta;}\right)\end{array}\right],\stackrel{\&RightArrow;}{H}\left(t\right)w^{*}-k^{*}\stackrel{\&RightArrow;}{E}\left(t\right)>}{<\left[\begin{array}{c}\cos \left(\mathrm{\&theta;}\right)\\ \sin \left(\mathrm{\&theta;}\right)\end{array}\right],\stackrel{\&RightArrow;}{H}\left(t\right)w^{*}-k^{*}\stackrel{\&RightArrow;}{E}\left(t\right)>}$

ψ＝arctan(A)

任务管理器：本发明的自主车辆内的相当大量的高级处理和决策由任务管理器模块处理。除了监控每个组件是否正常工作之外，任务管理器模块还协调AVS体系结构内的所有其它组件。任务管理器模块本身被设计成与组件实现无关地工作，以致用不同设计的一种传感器代替一种传感器不会影响车辆的正常运行。这种软件能力补充由用户或程序接口5和FPGA 56提供的可配置硬件能力。

在本发明的一个实施例中，利用有限状态机(FSM)，有限状态机负责引导自主车辆经过为成功地完成指引的路线而需要的一系列事件。FSM由车辆能够拥有的一组状态，和状态之间的转换定义。这些状态包括诸如驾驶，超车，在十字路口等待之类的事件。根据这些状态中的每个状态，FSM包括一组定义的“出口”，所述一组定义的出口是车辆能够执行的，以便从一种状态进行到另一种状态的转换。当某一车辆阻挡理想路线时，会出现这样的出口，这会使车辆从“驾驶”状态变成“超车”状态。

FSM可包括交通法规，因为这样的法规通常包含它们适用于的非常具体的情形。由于车辆的行动每次只能受一种状态控制，因此在一个实施例中，FSM创建按时间顺序排列的一系列行为，和发起这些行为的原因，稍后能够关于隐错和逻辑错误分析这些原因。

另外，AVS任务管理器能够监控根据提供的任务数据文件(MDF)和路线网络定义文件(RNDF)，进行高级规划的任务规划器组件。一旦创建了沿着MDF的规定检查点，把车辆从一个路点导航到另一个路点的全程规划，任务规划器就跟踪和核实对该规划的修改。在一个实施例中，沿着公路或其它路线的路旁装置可广播它们的地理空间坐标，自主车辆接收和处理从路旁装置接收的信号，以便使自主车辆确定其位置。因此，车辆的物体传感器可包括远离车辆的组件装置。

任务管理器的另一个功能是确保从一个组件给另一个组件的请求不会不利地影响车辆的安全行驶。例如，在被传给车辆的致动器之前，任务管理器首先核实从转向控制模块发出的转向命令是否适合于车辆的情形(速度，滚转等)。任务管理器还探测暂停命令，并协调车辆的平滑停止。

任务管理器的另一个功能是监控在任务管理器的自主车辆附近行驶的其它自主车辆。监控所述其它自主车辆的一种途径是使每个自主车辆向相同网络上的任何其它自主车辆传送它自己的位置。可以适当扩展这种能力，以致每个自主车辆(或者甚至广播位置信息的其它非自主车辆)相互通信。一种这样的应用是用在道路路线有限，并且要跟踪的车辆数目有限的采矿应用中。

路线可视化：AVS控制台是AVS平台的允许实时显示自主车辆及其环境，和重放先前的自主车辆行驶的组件。图12是示意表示实时显示80的AVS控制台。

记录模块每隔一定时间间隔询问AVS软件平台内的每个内部模块。所述间隔可从小于1Hz到250Hz不等，取决于每个单独模块的数据对时间有多敏感，取决于认为适合于特定应用的任何因素。

AVS平台提供模块应如何记录其数据的标准化二进制格式。首先，模块写入表示其内部状态被改变的最后时间的8字节时间戳。随后，模块写入用于识别该模块的2字节数字标识符。之后，模块应写入4字节的整数，该整数包含模块的数据的长度。最后，模块可把其数据与入存储器中。

记录模块获得每个模块的数据，并顺序把数据写入处理器的磁盘驱动器中。AVS控制台稍后经TCP连接取回该数据，以便利自主车辆的重放。另外，AVS控制台利用UDP和TCP通信的组合，实时地从AVS取回该数据。自主行驶并不需要存在AVS控制台，不过如果存在AVS控制台的话，那么它将显示自主车辆及其环境的实时视图。

记录模块等待来自AVS控制台的TCP连接，随后通过所述TCP连接，把任何被请求模块的数据发给AVS控制台。另外，取决于被认为适合于特定应用的任何因素，一些模块的数据作为连续UDP广播，被发给与自主车辆在相同以太网网络上的任何计算机。

AVS控制台包括用OpenGL架构建立的3D显示器。每个模块的数据由AVS控制台处理，随后在3D显示器中显示。显示的数据的种类取决于特定的模块。始终被显示的标准数据包括车辆的位置，姿态和速度，以及自主车辆目前感测到的任何障碍物。为了重放先前的行驶，AVS控制台能够读取先前保存的数据，并且能够把该数据载入3D显示器中。

计算机实现：图13图解说明其中可实现本发明的处理器24(或者下面讨论的任意特定处理器)的计算机系统1201的一个实施例。计算机系统1201被编程和/或配置成实现上面说明的任意或者所有功能。此外，相应的功能可分配在不同的车载计算机之间。这些计算机可通过通信网络1216(下面讨论)相互通信。计算机系统1201包括传递信息的总线1202或者其它通信机构，与总线1202耦接，用于处理信息的内部处理器1203。计算机系统1201包括与总线1202耦接的用于保存信息和由内部处理器1203执行的指令的存储器1204，比如随机存取存储器(RAM)或者其它动态存储装置(例如，动态RAM(DRAM)，静态RAM(SRAM)和同步DRAM(SDRAM))。另外，存储器1204可被用于保存内部处理器1203执行指令期间的临时变量或其它中间信息。计算机系统1201最好包括与总线1202耦接的用于为内部处理器1203保存信息和指令的非易失性存储器，比如例如只读存储器(ROM)1205，或者其它静态存储装置(例如，可编程ROM(PROM)，可擦除PROM(EPROM)，和电可擦PROM(EEPROM))。

计算机系统1201还可包括专用逻辑器件(例如，专用集成电路(ASIC))，或者可配置的逻辑器件(例如，简单可编程逻辑器件(SPLD)，复杂可编程逻辑器件(CPLD)和现场可编程门阵列(FPGA))。计算机系统还可包括一个或多个数字信号处理器(DSP)，比如Texas Instruments的TMS320系列芯片，Motorola的DSP56000，DSP56100，DSP56300，DSP56600和DSP96000系列芯片，Lucent Technologies的DSP1600和DSP3200系列，或者Analog Devices的ADSP2100和ADSP21000系列。也可使用为处理已转换到数字域的模拟信号而专门设计的其它处理器(如在下面的工作例子中详细所述)。

计算机系统1201响应于内部处理器1203执行包含在存储器，比如主存储器1204中的一个或多个序列的一条或多条指令，执行本发明的一部分或者所有处理步骤。这种指令可从另一个计算机可读介质，比如硬盘1207或可拆卸介质驱动器1208读入主存储器1204中。这种指令可从另一个计算机可读介质，比如USB闪速驱动器或闪存盘(jump drive)读入主存储器1204中。这种驱动器是具有在多数计算机操作系统下，充当软盘或硬盘驱动器的能力的固态存储装置。也可采用多处理方案中的一个或多个处理器来执行包含在主存储器1204中的指令序列。在备选实施例中，可代替软件指令，或者与软件指令结合使用硬连线电路。从而，实施例并不局限于硬件电路和软件的任何特定结合。

如上所述，计算机系统1201包括至少一个计算机可读介质或存储器，用于保存按照本发明的教导编程的指令，和用于包含这里说明的数据结构，表格，记录或其它数据。适用于本发明的计算机可读介质的例子是光盘，硬盘，软盘，磁带，磁光盘，PROM(EPROM，EEPROM，闪速EPROM)，DRAM，SRAM，SDRAM，或者任何其它磁介质，光盘(例如，CD-ROM)，或者任何其它光学介质，穿孔卡片，纸带，或者具有小孔的图案的任何其它物理介质，载波(下面说明)，或者计算机能够读取的任何其它介质。

本发明包括保存在任意一个计算机可读介质，或者计算机可读介质的组合上的软件，用于控制计算机系统1201，驱动实现本发明的一个或多个装置，和使计算机系统1201能够与人类用户(例如，驾驶员)交互。这样的软件可包括(但不限于)装置驱动程序，操作系统，开发工具和应用软件。这种计算机可读介质还包括本发明的用于完成在实现本发明时执行的全部或者部分处理(如果处理是分布式处理的话)的计算机程序产品。本发明的计算机代码装置可以是任何可解释或者可执行的代码机构，包括(但不限于)脚本，可解释程序，动态链接库(DLL)，Java类，和完全可执行的程序。此外，考虑到更好的性能，可靠性和/或成本，本发明的处理的各个部分可以是分布式的。

这里使用的术语“计算机可读介质”指的是参与向内部处理器1203提供指令以便执行的任意介质。计算机可读介质可以采取许多形式，包括(但不限于)非易失性介质，易失性介质和传输介质。非易失性介质包括光盘，磁盘和磁光盘，比如硬盘1207或可拆卸介质驱动器1208。易失性介质包括动态存储器，比如主存储器1204。传输介质包括同轴电缆，铜线和光纤，包括构成总线1202的导线。传输介质还可采取声波或光波的形式，比如在无线电波和红外数据通信期间产生的声波或光波。

把一个或多个序列的一条或多条指令传送到内部处理器1203以便执行可涉及各种形式的计算机可读介质。例如，最初可用磁盘把指令带到远程计算机。与总线1201耦接的红外探测器能够接收携带在红外信号中的数据，并把数据放在总线1202上。总线1202把数据传送到主存储器1204，内部存储器1203从主存储器1204取回和执行指令。可选的是，在由内部处理器1203执行之前或之后，主存储器1204接收的指令可被保存在存储装置1207或1208上。

例如，在本发明的一个实施例中，计算机可读介质包含供在车辆中的处理器上执行的程序指令，当被处理器执行时，所述程序指令使处理器接收表示车辆的定位和航向的位置信号。接收的位置信号已由可编程接口归一化，从而产生归一化的位置信号。处理器根据归一化的位置信号产生操作控制信号，把操作控制信号输出给可编程接口，从而产生归一化的操作控制信号，归一化的操作控制信号沿着车辆的更新的行驶路线控制车辆的行驶。

在本发明的一个实施例中，计算机可读介质包含供在车辆中的处理器上执行的程序指令，当被处理器执行时，所述程序指令使处理器以线控格式向车辆提供方向控制指令和/或速度控制指令，或者根据路点定位在处理器中的存储，确定物体的存在和定位，或者通过识别固定物体或运动物体，在路点之间指引车辆，以避免沿着行进路线。

在自主工业中的线控技术中，用利用电机致动器和人机接口，比如踏板和转向感觉仿真器的电子控制系统代替传统的机械和液压控制系统。从而，从车辆中消除了诸如转向柱，中间轴，泵，软管，流体，皮带，冷却器，制动助力器和主缸之类的传统组件。在一个实施例中，当自主车辆系统平台FPGA和输入/输出模块有助于与实现自主车辆的转向、制动和牵引的电子控制系统接口时，本发明促进了线控能力。

在本发明的一个实施例中，计算机可读介质包含供在车辆中的处理器上执行的程序指令，当被处理器执行时，所述程序指令使处理器根据到物体的相应距离，相对于物体的相应方向，车辆的航向，和车辆的地理空间位置，把物体相对于车辆的位置转换成地理空间坐标。来自上述GPS和INS系统的输入可被处理器24用于完成物体位置的这种转换。

在本发明的一个实施例中，计算机可读介质包含供在车辆中的处理器上执行的程序指令，当被处理器执行时，所述程序指令使处理器识别障碍物之一的位置，速度和几何形状，以及时预测识别的障碍物的位置和速度，和估计识别的障碍物的未来位置。路线寻找算法能够根据记录的两个路点之间的交通模式，确定车辆在这两个路点之间的路线。在一个实施例中，路线寻找算法能够根据记录的在两个路点之间的行驶时间、两个路点之间的拥堵区的历史和拥堵的实时报告中的至少一个来确定路线。在一个实施例中，路线寻找算法能够根据两个路点之间的许多特定行驶路线的相应加权平均值来确定路线，相应的加权平均值包括记录的在两个路点之间的行驶时间、两个路点之间的拥堵区的历史和拥堵的实时报告中的至少一个。

在本发明的一个实施例中，计算机可读介质包含供在车辆中的处理器上执行的程序指令，当被处理器执行时，所述程序指令使处理器24(在地图存储区中)访问路点的一个或多个逻辑地图，所述逻辑地图提供从一个路点到另一个路点的方向。逻辑地图可包括路点的地理空间坐标，沿着车辆的行驶路线的道路的十字路口的交叉口路点，和与在不同路点之间的行驶相关的时间(记录或计算的时间)。可用障碍物识别算法对处理器24编程，以通过比较物体位置和路点的地理空间坐标，确定物体之一是障碍物，还是所述路点之一。

此外，本发明的计算机可读介质可包括详述与特定地点相关的地理信息、路线规划算法(如下所述)、导航指令、特定于安装在车辆上的图像传感器的指令、命令和/或接收来自另外的传感器(比如立体照相机或者车辆轮速传感器)的数据或者接收来自驾驶员输入控制装置或者其它车载装置(比如下面说明的那些车载装置)的数据的指令、路线规划算法、包含与车辆牵引力和对给使用中的自主车辆的外力的响应有关的数据的个体化车辆传递函数和关于使用中的自主车辆的转向控制的程序指令。

例如，在本发明的各个实施例中，程序指令被配置成使处理器处理来自提供扇区之一的图像的照相机的输入。根据所述图像，处理器识别自主车辆的行进路线的车道。处理器能够确定在识别的车道中是否存在障碍物，并且能够确定所述障碍物周围的规避路线。

计算机系统1201还包括与总线1202耦接的通信接口1213。通信接口1213提供与网络链路1214耦接的双向数据通信，在把软件下载到处理器24或者车辆上的多个车载计算机之间的内部网络期间，网络链路1214至少暂时连接到例如局域网(LAN)1215，或者连接到另一个通信网络1216，比如因特网。例如，通信接口1213可以是附接到任何分组交换LAN的网络接口卡。又例如，通信接口1213可以是提供与对应种类的通信线路的数据通信连接的非对称数字用户线路(ADSL)卡、综合业务数字网络(ISDN)卡或调制解调器。无线链路还可被实现成提供与车载计算机、图像传感器、轮速传感器、生物特征传感器和/或驾驶员命令输入装置任意之一的数据交换的通信接口1213的一部分。在任何这样的实现中，通信接口1213发送和接收携带表示各种信息的数字数据流的电、电磁或光信号。

网络链路1214一般通过一个或多个网络，向其它数据装置提供数据通信，从而提供与任意车载计算机、图像传感器、轮速传感器、生物特征传感器和/或驾驶员命令输入装置的数据交换。例如，网络链路1214可通过局域网1215(例如LAN)，或者通过服务提供商运营的设备，提供与另一个计算机的临时连接，所述服务运营商通过通信网络1216提供通信服务。如图13中所示，计算系统1201可通过局域网1215和通信网络1216，与输入装置1217通信，局域网1215和通信网络1216利用例如承载数字数据流的电、电磁或光信号，和相关的物理层(例如，CAT 5电缆，同轴电缆，光纤等)。可用基带信号或者基于载波的信号实现通过各种网络的信号和在网络链路1214上并通过通信接口1213的往来于计算机系统1201承载数字数据的信号。基带信号以说明数字数据比特流的非调制电脉冲的形式传送数字数据，其中术语“比特”应被广泛地解释成意味符号，其中每个符号传送至少一个或多个信息比特。数字数据也可被用于调制载波，比如用通过传导介质传播的，或者通过传播介质以电磁波的形式传送的幅移键控，相移键控和/或频移键控信号。从而，可通过“有线”通信通道，以非调制基带数据的形式，发送数字数据，和/或通过调制载波，在不同于基带的预定频带内发送数字数据。计算机系统1201可通过网络1215和1216，网络链路1214和通信接口1213，传送和接收数据，包括程序代码。此外，网络链路1214可提供经LAN 1215到车辆上的各种车载GPS和INS系统的连接。在本发明的各个实施例中，输入装置1217向处理器24提供输入，示意地代表在本发明中讨论的图像传感器、轮速传感器、生物特征传感器和/或驾驶员命令输入装置。

应用领域

在本发明可广泛应用于分别按主要模式或次要模式起作用的自主驾驶车辆和人类驾驶车辆。

一般来说，具有上述各种属性的本发明可被包括在各种可驾驶单元中。在本发明的一个实施例中，这样的单元是产生推力的陆地或水上交通工具，例如包括汽车，卡车，运动型多用途汽车，装甲车，小船，轮船，驳船，油船和装甲舰船。对船只来说，不仅在能见度有限，并且希望规避其它船只的天气或夜间情况下可以使用本发明，而且在为了使码头结构和船闸结构对船只的损害降至最小，在码头结构和船闸结构之间的船只的控制意义重大的入坞和通过船闸操作中，也可以使用本发明。

本发明还可应用于飞机。特别地，对高速飞机的应用将取决于确定离飞机足够距离，以致飞机能够采取修正行动的物体的存在的探测器灵敏度和准确度。不过，本发明可用在速度不高的飞机降落和起飞中。例如，在起飞和着陆时，关心的是常常在跑道尽头的鸟群是否会对引擎造成危险。人眼在远处难以看到鸟类，飞机雷达难以探测到鸟类。此外，本发明可应用于直升机，尤其是经常降落在具有飞行员常常无法看到的障碍物的临时区域的救援直升机。

其它应用领域包括比空气轻的飞行器(例如，自主式气象气球，例如包括遥控小型飞机的自主式边境巡逻系统)，其它小型侦察飞机，和两栖交通工具(比如包括气垫船等在内的水陆攻击车)。

在本发明的一个实施例中，可驾驶单元可以是无驾驶员辅助控制的自主车辆，或者具有计算机辅助控制的驾驶员控制车辆。按照本发明的一个实施例，自主车辆可应用在上面提及的驾驶员会处于危险中的环境上危险的环境中。本发明的驾驶员控制的车辆可应用在上面提及的更常规的环境中，在所述更常规的环境中，如果驾驶员突发疾病，或者如果例如在不利的驾驶条件下，驾驶员变得分不清方向，那么驾驶员会迷失方向或者在身体上不能控制车辆。因此，在本发明的一个实施例中，处理器24被配置成在驾驶员发生机能障碍的情况下，或者在路线障碍物近在眼前的情况下，或者在驾驶员请求的情况下控制车辆。

作为本发明的这种实施例的一个例证例子，自主车辆可通过与预定路线相比，观察驾驶员的行驶路线，识别驾驶员机能障碍。如果车辆的当前路线和预定路线不相似，那么自主车辆便会检查例如驾驶员是否最近已转动方向盘和/或压下制动器或油门。所述比较及转向和制动检查都可被包括在决策处理中，因为如果在巡航控制开启的情况下，驾驶员正行驶在较长的直路上，那么他不会主动转动方向盘或者踩下制动器或油门。按照相同的逻辑，只要驾驶员主动操纵汽车，那么驾驶员就行驶在与自主车辆的路线不一致的路线上。在自主车辆需要接管的情况下，那么在本发明的一个实施例中，自主车辆首先在听觉上和视觉上通知驾驶员它正在接管，随后接管并且尽可能平稳和安全地操纵车辆到安全的停车位置。如果驾驶员希望收回控制权，那么在一个实施例中，本发明的自主车辆为驾驶员提供按钮或者其它输入装置，以恢复控制。在本发明的另一个实施例中，驾驶员可以重新按下按钮(或者输入命令)，把控制权让给自主车辆。从而，在各个实施例中，本发明提供协作自主驾驶模式。

在本发明的另一个实施例中，生物特征传感器可以代表另一个输入装置。在这个实施例中，通过从例如内置在车辆的方向盘中的心率监测器给处理器24的输入，生物特征传感器确定驾驶员是否在主动驾驶。适合于本发明的心率监测器的一个例子是用在运动设备中的心率监测器，在一个实施例中，心率监测器被集成到方向盘中，或者作为替代，可由驾驶员戴在身上，并与处理器24无线通信。如果处理器24持续延长的一段时间(例如，5秒)探测到心率的完全失去或者极低的心率，那么处理器24被配置成取得车辆的控制权。通过监测当汽车在正常的控制下驾驶员的正常心率，处理器会获得用于确定例如驾驶员是否因在驾驶时睡着，中风或者心脏病发作而存在机能障碍的基础。也可按照(上面讨论的)协作操作模式实现本实施例。和前面一样，在本发明的一个实施例中，在接管车辆的控制权，并操纵车辆到安全的停车点之前，发出听得见的警报。如果驾驶员事实上并不存在机能障碍，那么驾驶员可简单地按下按钮(或者其它输入装置)，从而从处理器24取回控制权。

在本发明的另一个实施例中，可在预定的路程中反复操作自主车辆。例如，驾驶员按下使自主车辆进入记录模式的按钮。驾驶员严格以他希望自主车辆驾驶通过该路程的方式驾驶车辆。驾驶员随后再次按下该按钮，自主车辆以很高的可靠性和可重复性一再驾驶通过该记录的路程(可重复性是汽车测试人员的关注重点)。这种能力还可用于耐久性测试车辆，在耐久性测试中，连续几天在危险的情况下在在队列中越野驾驶车辆，目前在这几天中，由于人体相对虚弱，因此完成这个任务要利用多位驾驶员。这种能力还有益于以恒定的速度长距离驾驶车辆。例如，这种能力可用于关于油耗性能，在赛道上以公路速度测试车辆。

在本发明的另一个实施例中，可结合绘图程序(例如，运行于膝上型计算机上)使用可驾驶单元，在所述绘图程序中，用户可选择目的地。此时，自主导航软件会访问绘图软件，从而除了用GPS路点外产生路线(类似该软件通常产生路线那样)，而不是用人类指令，比如“在大街左转”产生路线。此时，自主车辆进入正常操作，沿该路线而行。在一个实施例中，绘图软件被定制，以向自主导航程序提供额外的信息，比如街道的宽度和限速。

本发明的导航和控制系统的其它应用领域包括(但不限于)：1)进行重复的任务，或者在预知的路线上进行任务，比如从田地收割庄稼，耕作、割草等的农业设备(例如，园艺设备)，2)采矿设备，例如包括可运送例如货物或人员通过通常将妨碍逃逸的照明不足或者充满烟雾的通道的动力推车，3)洞穴探险设备，4)在能见度降低不需要阻止应急车辆继续前进(如下所述)的情况下的应急车辆或警车，比如例如消防车、救护车和抢救救援车，或者在车辆的有人驾驶会使驾驶员处于危险中的危险环境条件下工作的车辆，5)用于存放/取回集装架、箱子等的仓库管理设备，和6)玩具。

作为本发明的自主车辆应用于警车的一个例证例子，在新奥尔良的Causeway桥(24英里长，世界上最长的桥)上，存在雾相当大的季节。在有浓雾的早晨，车流由按35mph行驶的警车护送通过大桥。由于能见度极小，因此要求速度低。在雾极其浓密的早晨，大桥被封闭，因为甚至连护送也是不可能的。如果护送车队中的引导警车是按照上面提及的协作模式工作的本发明的自主车辆，那么在任何类型的雾中，警车也能够安全地进行护送，尤其是当使用RIEGL^TM成像传感器时。这同样适用于夜间行驶。本发明的自主车辆不受黑暗影响。

根据上面的教导，对本发明的各种修改和变化都是可能的。于是，在所附权利要求的范围内，能够以不同于这里具体说明的其它方式实践本发明。

Claims (36)

1.一种导航和控制系统，包括：

配置成产生位置信号的一个或多个位置传感器，所述位置信号表示车辆的定位和航向；

获得输入并产生控制车辆的运行的输出的一个或多个操作控制机构；和

远离操作控制机构布置的自含式自主控制器，所述自主控制器包括，

配置成从位置传感器接收位置信号，并产生定义车辆的更新的行驶路线的操作控制信号的处理器，和

提供位置传感器、操作控制机构和处理器之间的通信的可编程接口，所述可编程接口被配置成使从位置传感器给处理器的输入归一化，并产生用作给操作控制机构的输入的兼容操作控制信号，从而自含式自主控制器是可配置的，以便与各种不同的传感器和不同的操作控制机构一起工作。

2.按照权利要求1所述的系统，还包括：

配置成产生物体信号的一个或多个物体传感器，所述物体信号指示相对于车辆的行驶路线的物体，

其中处理器被配置成从物体传感器接收物体信号，从物体信号中识别相对于车辆的行驶路线固定的物体和运动的物体，和通过把识别的固定物体和运动物体以及位置信号考虑进去，产生定义所述更新的行驶路线的操作控制信号。

3.按照权利要求2所述的系统，其中可编程接口被配置成提供位置传感器、物体传感器、操作控制机构和处理器之间的通信，并被配置成使从物体传感器给处理器的输入归一化。

4.按照权利要求2所述的系统，其中物体传感器包括配置成产生所述射束并探测来自物体的射束的反射的光探测和测距装置。

5.按照权利要求2所述的系统，其中物体传感器包括配置成产生所述射束并按发射射束的波长探测来自物体的反射的激光雷达装置。

6.按照权利要求2所述的系统，其中物体传感器包括配置成提供从其识别物体的行驶路线的图像的照相机。

7.按照权利要求1所述的系统，还包括：

配置成把编程指令输入可编程接口的程序接口。

8.按照权利要求1所述的系统，其中处理器被配置成按照线控格式，向操作控制机构提供方向指令和/或速度控制指令，从而处理器电控发动机油门、车辆转向和车辆制动中的至少一个。

9.按照权利要求1所述的系统，还包括：

配置成保存沿着行驶路线的路点的逻辑地图的地图存储区，所述逻辑地图包括从一个路点到另一个路点的方向、路点的地理空间坐标、沿着车辆的行驶路线的道路的十字路口和与在不同路点之间的行驶相关的时间中的至少一个。

10.按照权利要求9所述的系统，其中用障碍物识别算法对处理器编程，以通过比较物体位置和路点的地理空间坐标，确定在车辆附近的物体是否是所述路点。

11.按照权利要求1所述的系统，其中位置传感器包括全球定位系统装置和/或惯性导航系统。

12.按照权利要求1所述的系统，其中处理器包括：

可变结构观测器，所述可变结构观测器被配置成识别在车辆附近的物体的位置、速度和几何形状，及时预测识别的物体的位置和速度，和估计识别的物体的未来位置。

13.按照权利要求1所述的系统，其中处理器包括：

路线寻找算法，所述路线寻找算法被配置成对于所述行驶路线，根据记录的两个路点之间的交通模式，确定车辆在这两个路点之间的路线。

14.按照权利要求13所述的系统，其中路线寻找算法被配置成根据记录的在两个路点之间行驶的时间、两个路点之间的拥堵区的历史和拥堵的实时报告中的至少一个，确定所述路线。

15.按照权利要求14所述的系统，其中路线寻找算法被配置成根据两个路点之间的许多特定行驶路线的相应的加权平均值，确定所述路线，相应的加权平均值包括记录的在两个路点之间行驶的时间、两个路点之间的拥堵区的历史和拥堵的实时报告中的所述至少一个。

16.按照权利要求1所述的系统，还包括：

配置成提供行驶路线的图像的照相机；和

根据图像识别自主车辆的行驶路线的车道的所述处理器。

17.按照权利要求16所述的系统，其中所述处理器被配置成确定在识别的车道中是否存在障碍物。

18.按照权利要求1所述的系统，其中所述处理器被配置成确定固定物体和/或运动物体周围的规避路线。

19.按照权利要求18所述的系统，其中所述处理器被配置成通过预测与固定物体或运动物体碰撞的可能性，确定所述规避路线，其中：

作为第一动作，沿着行驶路线修改车辆的速度，以确定是否存在规避路线的第一解答；

作为第二动作，当不存在第一解答时，沿着行驶路线实现所述滑模算法中的偏向机动，以确定是否存在规避路线的第二解答；

作为第三动作，当不存在第一解答或第二解答时，使车辆停下来。

20.按照权利要求18所述的系统，其中所述处理器被配置成根据利用滑模程序预测避开固定物体和运动物体的最佳轨迹的虚拟路线分析，确定所述规避路线，

其中所述滑模分析被编程成根据1)从行驶路线到车辆的移动点(x^＊(s)，y^＊(s))，2)从行驶路线到车辆的距离s(t)，和3)从移动点(x^＊(s(t))，y^＊(s(t)))到实际车辆位置(x(t)，y(t))的误差向量E(t)，产生转向命令，

其中误差向量E(t)适应能够使车辆偏离行驶路线或者偏离行驶路线的接近路线的时间相关非线性因素。

21.一种车辆的导航和控制方法，包括：

产生表示车辆的定位和航向的位置信号；

借助可编程接口使位置信号归一化，从而产生归一化的位置信号；

根据归一化的位置信号，产生操作控制信号；和

借助可编程接口使操作控制信号归一化，从而产生归一化的操作控制信号，归一化的操作控制信号控制车辆沿着车辆的更新的行驶路线的运行。

22.一种可驾驶单元，包括：

车辆，所述车辆包括，

配置成产生位置信号的一个或多个位置传感器，所述位置信号表示车辆的定位和航向；

获得输入并产生控制车辆的运行的输出的一个或多个操作控制机构；和

远离至少一个操作控制机构布置的自含式自主控制器，所述自主控制器包括，

配置成从位置传感器接收位置信号，并产生定义车辆的更新的行驶路线的操作控制信号的处理器，和

提供位置传感器、操作控制机构和处理器之间的通信的可编程接口，所述可编程接口被配置成使从位置传感器给处理器的输入归一化，并产生用作给操作控制机构的输入的兼容操作控制信号，从而自含式自主控制器是可配置的，以便与各种不同的传感器和不同的操作控制机构一起工作。

23.按照权利要求22所述的单元，其中所述车辆包含陆基车辆。

24.按照权利要求23所述的单元，其中陆基车辆包括汽车，卡车，运动型多用途汽车，救援车，农机车辆，采矿车，护卫车，玩具车，侦察车，试验跑道车，和装甲车中的至少一个。

25.按照权利要求22所述的单元，其中车辆包括船只。

26.按照权利要求25所述的单元，其中船只包括小船，轮船，驳船，油轮，两栖车辆，气垫船和装甲船。

27.按照权利要求22所述的单元，其中车辆包含无驾驶员辅助控制的自主车辆。

28.按照权利要求22所述的单元，其中车辆包含具有计算机辅助控制的驾驶员控制车辆。

29.按照权利要求28所述的单元，其中处理器被配置成识别驾驶员机能障碍。

30.按照权利要求29所述的单元，其中处理器被配置成根据生物特征传感器或者根据车辆的驾驶员控制的分析，识别驾驶员机能障碍。

31.按照权利要求28所述的单元，其中处理器被配置成在输入命令的情况下控制车辆。

32.一种包含供在车辆中的处理器上执行的程序指令的计算机可读介质，当被处理器执行时，所述程序指令使处理器实现下述功能：

接收表示车辆的定位和航向的位置信号，所述位置信号已借助可编程接口被归一化，从而产生归一化的位置信号；

根据归一化的位置信号，产生操作控制信号；和

把操作控制信号输出给可编程接口，以产生归一化的操作控制信号，归一化的操作控制信号控制车辆沿着车辆的更新的行驶路线的运行。

33.一种导航和控制系统，包括：

获得输入并产生控制车辆的运行的输出的一个或多个操作控制机构；和

根据1)从行驶路线到车辆的移动点(x^＊(s)，y^＊(s))，2)从行驶路线到车辆的距离s(t)，和3)从移动点(x^＊(s(t))，y^＊(s(t)))到实际车辆位置(x(t)，y(t))的误差向量E(t)，产生转向命令的处理器，

其中误差向量E(t)适应能够使车辆偏离行驶路线或者偏离行驶路线的接近路线的时间相关非线性因素。

34.按照权利要求33所述的系统，其中处理器被配置成根据满足d/dtE(t)＝-kE(t)形式的微分方程，并且对最佳行驶方向来说收敛到0的误差向量E(t)，确定车辆的行驶方向。

35.按照权利要求33所述的系统，其中在确定沿着行驶路线的所述移动点(x^＊(s)，y^＊(s))时，处理器把非线性因素包括在所述确定中，所述非线性因素包括前轮速度、后轮速度、中间的滑动程度和车辆打滑中的至少一个。

36.按照权利要求33所述的系统，其中在确定沿着行驶路线的所述移动点(x^＊(s)，y^＊(s))时，处理器把相对于行驶路线的s(t)的时间导数包括在所述确定中，以考虑所述非线性因素。

Images