專利名稱：一種無(wú)人駕駛汽車的導(dǎo)航方法
技術(shù)領(lǐng)域：
本發(fā)明主要涉及到汽車自動(dòng)控制領(lǐng)域，特指一種適用于無(wú)人駕駛汽車的導(dǎo)航方法。
背景技術(shù)：
無(wú)人駕駛汽車是一種依靠車內(nèi)以計(jì)算機(jī)系統(tǒng)為主的智能設(shè)備來(lái)實(shí)現(xiàn)無(wú)人駕駛的汽車，也可以稱為輪式移動(dòng)機(jī)器人。它集計(jì)算機(jī)體系結(jié)構(gòu)、人工智能、視覺(jué)計(jì)算、自動(dòng)控制等眾多技術(shù)于一體，是計(jì)算機(jī)科學(xué)、模式識(shí)別和智能控制技術(shù)高度發(fā)展的產(chǎn)物，也是衡量一個(gè)國(guó)家科研實(shí)力和工業(yè)水平的一個(gè)重要標(biāo)志。無(wú)人駕駛汽車在軍事國(guó)防、公共安全、城市交通、汽車制造等領(lǐng)域具有廣闊的應(yīng)用前景和潛在的實(shí)用價(jià)值，得到了世界許多國(guó)家的高度重視。無(wú)人駕駛汽車的控制技術(shù)是保證其能夠安全穩(wěn)定可靠行駛的基礎(chǔ)和關(guān)鍵，而且它比普通汽車的控制系統(tǒng)要復(fù)雜很多，因?yàn)樗鼘鹘y(tǒng)的“路-人-車”閉環(huán)控制方式中的“人” 請(qǐng)出來(lái)，形成“路-車”閉環(huán)控制系統(tǒng)，雖然可以提高安全性和系統(tǒng)效率，但是對(duì)控制系統(tǒng)的穩(wěn)定性和可靠性的要求就變得非常高了。常見(jiàn)的無(wú)人駕駛汽車控制系統(tǒng)設(shè)計(jì)方法是先建立車體的運(yùn)動(dòng)學(xué)模型，尋找無(wú)人駕駛汽車的狀態(tài)變量與控制參量的關(guān)系；然后設(shè)計(jì)有效的控制器模型，實(shí)現(xiàn)無(wú)人駕駛車小誤差甚至無(wú)誤差的軌跡跟蹤。國(guó)內(nèi)外的學(xué)者采用現(xiàn)代控制理論設(shè)計(jì)出較多控制算法，取得了較多成績(jī)。但其應(yīng)用環(huán)境多為室內(nèi)，被跟蹤軌跡事先已知，其控制方法是將車體的橫向位移、縱向位移、縱向速度、轉(zhuǎn)動(dòng)的角速度等均作為被控量，且是建立平面直角坐標(biāo)系內(nèi)的全局控制，這對(duì)于被跟蹤軌跡事先未知且應(yīng)用環(huán)境復(fù)雜的城市交通系統(tǒng)是難以實(shí)現(xiàn)的；或者雖然其應(yīng)用環(huán)境為室外，但是大多基于單一的導(dǎo)航方式，如意大利帕爾馬大學(xué)采用的視覺(jué)導(dǎo)行系統(tǒng)，清華大學(xué)和武漢大學(xué)采用的雷達(dá)導(dǎo)航系統(tǒng)，上海交通大學(xué)采用的GPS導(dǎo)航系統(tǒng)等等，控制效果的動(dòng)態(tài)特性、穩(wěn)態(tài)精度均不理想。因此，結(jié)合多類導(dǎo)航策略并利用決策算法來(lái)實(shí)現(xiàn)不同行車環(huán)境中不同導(dǎo)航策略的選擇，可以更好地提高行車的穩(wěn)定性和魯棒性。此外，現(xiàn)有的視覺(jué)導(dǎo)航方法大多采用以車道的中心線為參考目標(biāo)，選定一個(gè)預(yù)瞄點(diǎn)后計(jì)算預(yù)瞄點(diǎn)與中心線的偏移距離，并以此作為參考量將車輛控制在中心線附近行駛。這類方法的缺點(diǎn)是對(duì)車輛的控制頻率較高，效率低，而且控制算法對(duì)參數(shù)較敏感，不容易實(shí)現(xiàn)對(duì)車輛的穩(wěn)定控制。采用安全區(qū)域控制的方法，把目標(biāo)定為將車輛控制在安全區(qū)域內(nèi)行駛，可以有效降低對(duì)車輛的控制頻率，提高控制的效率和穩(wěn)定性。另外，現(xiàn)有的無(wú)人駕駛汽車導(dǎo)航系統(tǒng)通常還存在這些問(wèn)題組件模塊緊耦合，數(shù)據(jù)交換復(fù)雜、不夠靈活，對(duì)系統(tǒng)改動(dòng)非常敏感；采用自定義的硬件和軟件平臺(tái)，限制了組件的交互性和重構(gòu)性；計(jì)算/功耗受限，系統(tǒng)監(jiān)控和重構(gòu)時(shí)進(jìn)行獨(dú)立操作和分布式通信的計(jì)算要求難以滿足
發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問(wèn)題就在于針對(duì)現(xiàn)有技術(shù)存在的技術(shù)問(wèn)題，本發(fā)明提供一種原理簡(jiǎn)單、適用范圍廣、導(dǎo)航精度高、可控性和可靠性好的無(wú)人駕駛汽車的導(dǎo)航方法。為解決上述技術(shù)問(wèn)題，本發(fā)明采用以下技術(shù)方案一種無(wú)人駕駛汽車的導(dǎo)航方法，其步驟為(1)集成視覺(jué)導(dǎo)航、雷達(dá)導(dǎo)航和GPS導(dǎo)航三種導(dǎo)航策略；(2)依據(jù)電子地圖和GPS信號(hào)計(jì)算出車輛當(dāng)前的地理位置信息；(3)根據(jù)車輛當(dāng)前的地理位置信息選擇導(dǎo)航策略視覺(jué)導(dǎo)航策略的優(yōu)先級(jí)最高， 如果與視覺(jué)導(dǎo)航策略對(duì)應(yīng)的視覺(jué)導(dǎo)航模塊所感知識(shí)別的道路邊界信息不準(zhǔn)確或者不穩(wěn)定， 則優(yōu)先選擇雷達(dá)導(dǎo)航策略；如果與雷達(dá)導(dǎo)航策略對(duì)應(yīng)的激光雷達(dá)探測(cè)模塊識(shí)別的障礙物信息不準(zhǔn)確或者不穩(wěn)定，則選擇GPS導(dǎo)航策略。作為本發(fā)明的進(jìn)一步改進(jìn)所述視覺(jué)導(dǎo)航策略的步驟為(1. 1)獲取車輛當(dāng)前的道路邊界信息，計(jì)算車輛的安全行駛邊界；(1. 2)判斷汽車是否在安全道路區(qū)域行駛，如果是則不需要進(jìn)行轉(zhuǎn)向控制；如果不是，則需要計(jì)算出預(yù)瞄點(diǎn)與安全區(qū)域?qū)?yīng)邊界的水平距離，作為PID控制模型的輸入量， 最終計(jì)算出控制量生成控制指令。所述雷達(dá)導(dǎo)航策略的步驟為(2. 1)獲取車輛當(dāng)前的前方障礙物信息，計(jì)算出目標(biāo)點(diǎn)位置和車身方位角；(2. 2)得出當(dāng)前行車角度與目標(biāo)角度的偏移量，以此作為PID控制模型的輸入量， 最終計(jì)算出控制量生成控制指令。所述GPS導(dǎo)航策略的步驟為(3. 1)獲取車輛當(dāng)前的位置和目標(biāo)點(diǎn)位置，以及電子羅盤提供的車身方位角信息；(3. 2)得出當(dāng)前行車角度與目標(biāo)角度的偏移量，以此作為PID控制模型的輸入量， 最終計(jì)算出控制量生成控制指令。所述PID控制模型為位置式PID控制模型，所述位置式PID控制模型為下式
kit = K.pe (k) + K^ e( j) f KB[e ft) — eik - 1)] + uO
；=O其中，IC1 = f Jfjj = f，U。為控制量的基值，即k = 0時(shí)的控制；u (k)為第k個(gè)
采樣時(shí)刻的控制；Td為回路的微分周期；Kp為比例放大系數(shù)^為積分放大系數(shù)；Kd為微分放大系數(shù)；TS為采樣周期J1為第一個(gè)采樣周期；TD為回路的微分周期；為了求和，將系統(tǒng)偏差的全部過(guò)去值e(j) (j = 1，2，3，...，k)都存儲(chǔ)起來(lái)；上式中的u (k)為控制量的全量輸出，是控制量的絕對(duì)數(shù)值。與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于(1)本發(fā)明的導(dǎo)航方法集成了三種不同的策略視覺(jué)導(dǎo)航、雷達(dá)導(dǎo)航和GPS導(dǎo)航， 可根據(jù)車輛當(dāng)前地理位置信息選擇不同的導(dǎo)航策略，并根據(jù)車輛的行車特性建立PID控制模型，以實(shí)現(xiàn)車輛的魯棒控制；(2)本發(fā)明中視覺(jué)導(dǎo)航方法不同于現(xiàn)有的以車道中心線為參考目標(biāo)的導(dǎo)航方法，
4采用設(shè)置安全行駛區(qū)域的控制策略，僅當(dāng)車輛在安全區(qū)域外行駛時(shí)才對(duì)車輛進(jìn)行轉(zhuǎn)向控制，這種方法可實(shí)現(xiàn)對(duì)車輛更穩(wěn)定和更有效的導(dǎo)航控制；(3)本發(fā)明具有穩(wěn)定性好、可擴(kuò)展性強(qiáng)和靈活度高等特點(diǎn)，能夠很好地滿足當(dāng)前無(wú)人駕駛汽車的各類應(yīng)用需求。


圖1是本發(fā)明導(dǎo)航方法的流程示意圖；圖2是本發(fā)明中視覺(jué)導(dǎo)航策略的流程示意圖；圖3是本發(fā)明中PID控制模型的原理示意圖；圖4是采用本發(fā)明方法的具體應(yīng)用實(shí)例的框架結(jié)構(gòu)示意圖；圖5是具體應(yīng)用實(shí)例中上層網(wǎng)關(guān)處理的流程示意圖；圖6是具體應(yīng)用實(shí)例中執(zhí)行監(jiān)測(cè)模塊工作的流程示意圖。
具體實(shí)施例方式以下將結(jié)合說(shuō)明書附圖和具體實(shí)施例對(duì)本發(fā)明做進(jìn)一步詳細(xì)說(shuō)明。如圖1所示，本發(fā)明無(wú)人駕駛汽車的導(dǎo)航方法，其步驟為(1)集成視覺(jué)導(dǎo)航、雷達(dá)導(dǎo)航和GPS導(dǎo)航三種導(dǎo)航策略；(2)依據(jù)電子地圖和GPS信號(hào)計(jì)算出車輛當(dāng)前的地理位置信息；(3)根據(jù)車輛當(dāng)前的地理位置信息選擇導(dǎo)航策略視覺(jué)導(dǎo)航策略的優(yōu)先級(jí)最高， 如果與視覺(jué)導(dǎo)航策略對(duì)應(yīng)的視覺(jué)導(dǎo)航模塊所感知識(shí)別的道路邊界信息不準(zhǔn)確或者不穩(wěn)定， 則優(yōu)先選擇雷達(dá)導(dǎo)航策略；如果與雷達(dá)導(dǎo)航策略對(duì)應(yīng)的激光雷達(dá)探測(cè)模塊識(shí)別的障礙物信息不準(zhǔn)確或者不穩(wěn)定，則選擇GPS導(dǎo)航策略。本實(shí)施例中，在事先制定的電子地圖中記錄了各種導(dǎo)航算法在該路段的可信度信息，因此算法不需要重復(fù)判斷算法的可信度。如圖2所示，在本實(shí)施例中，視覺(jué)導(dǎo)航策略的步驟為(1. 1)獲取車輛當(dāng)前的道路邊界信息，計(jì)算車輛的安全行駛邊界；(1. 2)判斷汽車是否在安全道路區(qū)域行駛，如果是則不需要進(jìn)行轉(zhuǎn)向控制；如果不是，則需要計(jì)算出預(yù)瞄點(diǎn)與安全區(qū)域?qū)?yīng)邊界的水平距離，作為PID控制模型的輸入量， 最終計(jì)算出控制量生成控制指令。本實(shí)施例中，雷達(dá)導(dǎo)航策略的步驟為(2. 1)獲取車輛當(dāng)前的前方障礙物信息，計(jì)算出目標(biāo)點(diǎn)位置和車身方位角；(2. 2)得出當(dāng)前行車角度與目標(biāo)角度的偏移量，以此作為PID控制模型的輸入量， 最終計(jì)算出控制量生成控制指令。本實(shí)施例中，GPS導(dǎo)航策略的步驟為(3. 1)獲取車輛當(dāng)前的位置和目標(biāo)點(diǎn)位置，以及電子羅盤提供的車身方位角信息；(3. 2)得出當(dāng)前行車角度與目標(biāo)角度的偏移量，以此作為PID控制模型的輸入量， 最終計(jì)算出控制量生成控制指令。本實(shí)施例中，PID控制模型采用位置式PID控制模型，該位置式PID控制模型為下
5k
權(quán)利要求
1.一種無(wú)人駕駛汽車的導(dǎo)航方法，其特征在于，步驟為(1)集成視覺(jué)導(dǎo)航、雷達(dá)導(dǎo)航和GPS導(dǎo)航三種導(dǎo)航策略；(2)依據(jù)電子地圖和GPS信號(hào)計(jì)算出車輛當(dāng)前的地理位置信息；(3)根據(jù)車輛當(dāng)前的地理位置信息選擇導(dǎo)航策略視覺(jué)導(dǎo)航策略的優(yōu)先級(jí)最高，如果與視覺(jué)導(dǎo)航策略對(duì)應(yīng)的視覺(jué)導(dǎo)航模塊所感知識(shí)別的道路邊界信息不準(zhǔn)確或者不穩(wěn)定，則優(yōu)先選擇雷達(dá)導(dǎo)航策略；如果與雷達(dá)導(dǎo)航策略對(duì)應(yīng)的激光雷達(dá)探測(cè)模塊識(shí)別的障礙物信息不準(zhǔn)確或者不穩(wěn)定，則選擇GPS導(dǎo)航策略。
2.根據(jù)權(quán)利要求1所述的無(wú)人駕駛汽車的導(dǎo)航方法，其特征在于，所述視覺(jué)導(dǎo)航策略的步驟為(1. 1)獲取車輛當(dāng)前的道路邊界信息，計(jì)算車輛的安全行駛邊界；(1.2)判斷汽車是否在安全道路區(qū)域行駛，如果是則不需要進(jìn)行轉(zhuǎn)向控制；如果不是， 則需要計(jì)算出預(yù)瞄點(diǎn)與安全區(qū)域?qū)?yīng)邊界的水平距離，作為PID控制模型的輸入量，最終計(jì)算出控制量生成控制指令。
3.根據(jù)權(quán)利要求1所述的無(wú)人駕駛汽車的導(dǎo)航方法，其特征在于，所述雷達(dá)導(dǎo)航策略的步驟為(2. 1)獲取車輛當(dāng)前的前方障礙物信息，計(jì)算出目標(biāo)點(diǎn)位置和車身方位角；(2. 2)得出當(dāng)前行車角度與目標(biāo)角度的偏移量，以此作為PID控制模型的輸入量，最終計(jì)算出控制量生成控制指令。
4.根據(jù)權(quán)利要求1所述的無(wú)人駕駛汽車的導(dǎo)航方法，其特征在于，所述GPS導(dǎo)航策略的步驟為(3. 1)獲取車輛當(dāng)前的位置和目標(biāo)點(diǎn)位置，以及電子羅盤提供的車身方位角信息；(3. 2)得出當(dāng)前行車角度與目標(biāo)角度的偏移量，以此作為PID控制模型的輸入量，最終計(jì)算出控制量生成控制指令。
5.根據(jù)權(quán)利要求2或3或4所述的無(wú)人駕駛汽車的導(dǎo)航方法，其特征在于，所述PID控制模型為位置式PID控制模型，所述位置式PID控制模型為下式其中，爲(wèi)=^,K0 = ^-U1,為控制量的基值，BPk = O時(shí)的控制；u (k)為第k個(gè)采樣iIiS時(shí)刻的控制；Kp為比例放大系數(shù)^為積分放大系數(shù)；Kd為微分放大系數(shù)；TS為采樣周期； T1為第一個(gè)采樣周期；Td為回路的微分周期；為了求和，將系統(tǒng)偏差的全部過(guò)去值e(j)都存儲(chǔ)起來(lái)，其中j = 1，2，3，...，k;上式中的u(k)為控制量的全量輸出，是控制量的絕對(duì)數(shù)值。
全文摘要
一種無(wú)人駕駛汽車的導(dǎo)航方法，其步驟為(1)集成視覺(jué)導(dǎo)航、雷達(dá)導(dǎo)航和GPS導(dǎo)航三種導(dǎo)航策略；(2)依據(jù)電子地圖和GPS信號(hào)計(jì)算出車輛當(dāng)前的地理位置信息；(3)根據(jù)車輛當(dāng)前的地理位置信息選擇導(dǎo)航策略視覺(jué)導(dǎo)航策略的優(yōu)先級(jí)最高，如果與視覺(jué)導(dǎo)航策略對(duì)應(yīng)的視覺(jué)導(dǎo)航模塊所感知識(shí)別的道路邊界信息不準(zhǔn)確或者不穩(wěn)定，則優(yōu)先選擇雷達(dá)導(dǎo)航策略；如果與雷達(dá)導(dǎo)航策略對(duì)應(yīng)的激光雷達(dá)探測(cè)模塊識(shí)別的障礙物信息不準(zhǔn)確或者不穩(wěn)定，則選擇GPS導(dǎo)航策略。本發(fā)明具有原理簡(jiǎn)單、適用范圍廣、導(dǎo)航精度高、可控性和可靠性好等優(yōu)點(diǎn)。
文檔編號(hào)G05D1/02GK102393744SQ20111037244
公開(kāi)日2012年3月28日 申請(qǐng)日期2011年11月22日 優(yōu)先權(quán)日2011年11月22日
發(fā)明者周權(quán), 唐建秋, 張小明, 徐成, 李仁發(fā), 肖俊, 肖雄仁, 鄒漢錚 申請(qǐng)人:湖南大學(xué)