CN108958245A - 一种基于时间序列的无人车路径跟踪算法 - Google Patents

Abstract

本发明公开了一种无人车路径跟踪算法，应用于无人车队行驶过程中，队形变换时的路径跟踪，所述方法包括：车辆与期望路径相对状态的判断模型；基于时间序列的车辆速度及横标角速度修正值计算的数学模型；对车辆下一时刻状态的计算方式。通过采用此算法，可以使无人车进行路径跟踪时降低对车本身的硬件必要度，拓宽实用性，避免误差放大。

Description

一种基于时间序列的无人车路径跟踪算法

技术领域：

本发明涉及一种路径跟踪算法，尤其涉及一种在已知车辆变道时的最优路径方程后，对此最优路径实施跟踪的计算方法。

技术背景：

本路径跟踪算法采用时间序列修正的原理，可在较少输入量情况下实现路径跟随，硬件要求低，因此具有较高的适应性，适用范围广。随着交通进步，新能源无人车技术势必成为未来交通发展趋势。而在一些特殊环境中，需要对无人车队进行队形变换，变换过程中就需要从车换道。从车换道过程中，会规划出一条最佳轨迹，但由于控制误差等因素，汽车很难完全沿着轨迹路线行驶，总是会出现较多偏差。在时间序列上，车辆的状态，包括速度和横摆角速度的大小及方向均可以在离散时间序列下视为一定值，基于此原理，本发明设计了误差修正方法，以确保无人车能保持较好的路径跟踪。

检索到中国发明专利第CN201710481831.9号，2017年08月11 号公开(下称对比文件1)，揭示了一种无人驾驶汽车的路径跟踪方法，其采用厘米级高精度卫星差分定位，在路径中判定转向点，遇转向点则采用转向路径跟踪法行驶，否则采用直径路径跟踪法行驶。中国发明专利第CN201710379676.X号，2017年9月12日公开(下称对比文件2)，揭示了一种路径跟踪控制方法，通过两个预瞄点和航向确定横向误差，从而实现路径跟踪控制的方法。

利用这种路径跟踪策略时，其对于车辆的硬件要求高，容错性差，经济适用性低，路径拟合度不好；采用这种方法，涉及到的测试量多，易出现误差积累，经济适用性差。

发明内容：

本发明提供一种无人车在变道过程中的路径跟踪方法，旨在解决现有的路径跟踪方法原理复杂，计算量大，且难以保持车与车之间形式稳定性的问题。

本发明的具体操作步骤如说明书附图1，执行如下：

S1、获取已知的变道最佳切换路径方程以及当前车辆的位置坐标，如说明书附图2所示，以A，B，C作为车辆的出发位置，当前位置和目标位置。

S2、从最佳路径的时间参数方程中计算期望速度大小及方向。

S3、对比同一时刻车辆相对于路径的位置及速度差、方向夹角；判断差值是否超过预定阈值，若没有超过，则保持当前状态；若超过，则转S4。

S4、根据夹角及速度差的正负值，计算得到一修正值，将此修正值叠加在当前状态作为下一时刻的初始状态，即对每一时刻的状态不断地做修正，以接近或达到预期状态。

其中，S1的具体步骤如下：

S11、以车辆起始点的质心为原点，速度方向为y轴建立第一坐标系xoy。

S12、以车辆路径跟踪过程中的质心为原点，速度方向为y′轴建立动态坐标系x′o′y′，标记为第二坐标系。

S13、外部输入期望路径曲线方程为：

R_ideal(t_i)＝(x_ideal(t_i),y_ideal(t_i)) (1)

其中，R_ideal(t_i)表示车辆理想路径曲线，x_ideal(t_i),y_ideal(t_i)分别表示其对于第一坐标系的坐标值。而汽车当前的速度及横摆角速度则有车载传感器反馈得到。

S2的具体步骤如下：

S21、对期望路径曲线方程求得相对于第一坐标系的梯度，其大小即为每一时刻的期望速度大小，其方向为每一时刻的期望速度方向 v_ideal(t_i)，具体计算为：

S22、对于期望横摆角速度ω_ideal(t_i)，计算如下：

其中，Δθ_ideal(t_i)表示两相邻时刻的期望，Δt表示两相邻时间差，和分别为x，y方向上的对时间t_i的参数方程的一阶导数，v_x(t_i)和v_y(t_i)是对应方向的速度分解量。

S3具体步骤如下：

S31、相同时间内，可获取到车辆的实际速度与实际横摆角速度 v(t_i),ω(t_i)，横摆角速度以顺时针为正，逆时针为负。

S32、对目标路线与第二坐标系求交点，令y_ideal(t_i)＝0，得到对应的位置横坐标x′_ideal(t_i)，人为规定一个较小的半径r>0,以车辆质心为圆心作半径为r的圆，当路径与此圆有交点时视为车辆在路径上。则得到车辆位置判定条件：

S33、计算从车在变队形过程中实际速度与期望速度的方向夹角

S34、计算期望速度方向与第二坐标系x′轴方向夹角余弦为

其中，e_x′是x′轴的单位向量，ε(t_i)是期望速度方向与第二坐标系x′轴方向夹角。

S35、设置夹角阈值θ_threshCld，设置转向判定条件

Δθ＝θ(t_i)-θ_threshold (7)

横摆角速度调整方式判定条件

ψ(t_i)＝cos(ε(t_i)) (8)

令

S36、设置速度阈值v_threshold，速度调整的判定条件

Δv＝|v_ideal(t_i)|-|v(t_i)| (11)

f(t_i)＝max(|Δv|-v_threshold,0)·Δv (12)

在得到上述中需要的判断条件和f(t_i)后，执行S4。

S4详细步骤如下：

S41、计算速度和横摆角速度的方向控制函数具体计算过程如下：

S42、对当前状态进行休整计算，作为下一时刻的车辆行驶状态，具体计算如下：

其中，g₁(t_i)和g₂(t_i)分别为对应速度和横摆角速度的调整函数，针对不同类型的车辆有不同的计算方式；v(t_i+1)和ω(t_i+1)是t_i+1时刻的速度和横摆角速度。

附图说明：

图1：车辆路径跟踪算法流程图

图2：车辆路径跟踪各状态量标注示意图

A,B,C：车辆出发点，当前点和目标点

R_ideal(t_i)：期望跟随路径

θ(t_i)：实际速度与期望速度夹角

ε(t_i)：期望速度方向与第二坐标系x′轴方向夹角

v₀,v(t_i),v_ideal(t_i)：初始速度,t_i时的实际速度和期望速度

e_x′：x′轴的单位向量。

Claims (3)

1.一种基于时间序列的无人车路径跟踪算法，根据车速、位置、横摆角速度、道路形状改变时间序列步长。外部输入时间序列上的车辆路径方程，实时计算车辆行驶的期望状态，包括车辆位置、速度和角速度信息。结合到车辆实际状态获得对下一时刻车辆实际状态的修正量。适用范围宽，经济适用性高。

2.如权利要求1所述路径跟踪过程，车辆转向处理方程为：

其中，tiΔθ为期望速度方向与实际速度方向的夹角，ε(t_i)为期望速度方向在x′轴上的夹角。

3.如权利要求1所述路径跟踪，车辆加速处理方程为：

f(t_i)＝max(|Δv|-v_thershold，0)·Δv

其中，Δv是期望速度与实际速度大小之差，v_thershold是可调阈值，为一常数。