【技术领域】
本发明涉及自动控制和智能交通领域，尤其涉及一种基于道路信息的车辆控制方法及装置。
背景技术：
车辆无人驾驶是当前自动控制领域和智能交通领域研究的热门课题，无人驾驶可以使驾驶员从繁琐的驾驶操作中解放出来，提高人们的生活质量；也可以大幅度地提高道路通行效率、减少交通事故，有效缓解当前普遍存在的交通拥堵、环境污染等问题。计算机技术、传感检测技术、无线通信技术和模式识别技术等发展为无人驾驶的实现奠定了坚实的基础。
现有方法中，有利用单目视觉系统，对采集到图像进行处理，将导航线从背景图像中分离处理，通过控制器跟踪导航线，实现自动驾驶。这种方式需要在道路上增加导航线，对现有道路环境进行改造，增加成本。也有研究人员将摄像头、雷达、gps等结合起来，将城市道路环境分为路段区域、路口过渡区和路口区域，分别采用虚拟中线导航、地面导向箭头导航和精确地图导航，实现无人驾驶。根据道路情况，选取相应的控制算法，实现汽车的无人驾驶。这种方法可以在现有道路环境下直接应用，但是控制算法复杂，对汽车及车载设备性能要求较高。
技术实现要素：
为了克服现有技术的不足，本发明提出了一种基于道路信息的车辆控制方法，控制更加简单，能够达到很好的控制效果。
一种基于道路信息的车辆控制方法，包括如下步骤：
s1、获取车辆至车道的左边界的最短距离dl、至所述车道的右边界的最短距离dr；
s2、根据所述最短距离dl生成左控制加速度，根据所述最短距离dr生成右控制加速度；
s3、根据所述左控制加速度与右控制加速度合成得到叠加控制加速度，以所述叠加控制加速度控制车辆的行驶。
在一个实施例中，
所述叠加控制加速度u与左控制加速度ul和右控制加速度ur的关系如下：
u＝ul+ur；
其中，
ul＝c21dlα+c22(vdβ-p)
ur＝-c23drα+c24(vdβ-p)，
c21、c22、c23和c24为反馈系数，β为所述车辆的当前速度方向，α为与所述当前速度方向垂直的车道法向量，vd为所述车辆的期望速度，p为所述车辆当前的速度。
在一个实施例中，
c21、c22、c23和c24为正常数。
在一个实施例中，
在步骤s1中，控制器根据所述最短距离dl生成左控制加速度，根据所述最短距离dr生成右控制加速度；
在步骤s2中，控制器根据所述左控制加速度与右控制加速度合成得到叠加控制加速度，以所述叠加控制加速度控制车辆的行驶，
c21、c22、c23和c24为控制器的反馈系数。
本发明还提供了一种基于道路信息的车辆控制装置，包括：
第一处理单元，用于获取车辆至车道的左边界的最短距离dl、至所述车道的右边界的最短距离dr；
控制器，用于根据所述最短距离dl生成左控制加速度，根据所述最短距离dr生成右控制加速度；根据所述左控制加速度与右控制加速度合成得到叠加控制加速度，以所述叠加控制加速度控制车辆的行驶。
本发明的有益效果是：
本发明利用车辆至左边界和右边界的距离来控制车辆的行驶，方案简单，车辆的控制效果好，降低了控制器的复杂程度。不仅适合于直线道路情形，也适合曲线道路场景，可以直接应用到现有的具有边界标志的道路环境中，升级道路投资成本低，控制精度高。
在一个实施例中，本方法控制下的车辆能够保持在车道的中线位置，偏离中线的误差很小，速度也可以保持在期望的车速，车速的误差也很小。
【附图说明】
图1是本发明一种实施例的基于道路信息的车辆控制方法的流程图；
图2是本发明一种实施例的车道示意图；
图3是本发明一种实施例的基于道路信息的车辆控制方法的位置误差-时间曲线图；
图4是本发明一种实施例的基于道路信息的车辆控制方法的速度-时间曲线图。
【具体实施方式】
以下对发明的较佳实施例作进一步详细说明。
如图1至4所示，一种实施例的基于道路信息的车辆控制方法，包括如下步骤：
s1、获取车辆至车道的左边界的最短距离dl、至所述车道的右边界的最短距离dr。本发明所谓的车道，是指供一辆车通过的单条车道。
车道的两侧通常具有明显的左边界和右边界，例如白色的边界线，因此可以利用安装在车辆上的摄像头对车道的边界进行拍摄，然后对车道的左边界和右边界进行识别，并计算获得最短距离dl和最短距离dr。
s2、车辆的控制器根据所述最短距离dl生成左控制加速度，根据所述最短距离dr生成右控制加速度。
s3、控制器根据所述左控制加速度与右控制加速度合成得到叠加控制加速度，以所述叠加控制加速度控制车辆的行驶。
通过上述方案，车辆在车道上行驶时，可以根据车辆至左边界和右边界的距离来控制车辆的行驶，方案更加简单，车辆的控制效果较好。
在一个实施例中，所述叠加控制加速度u与左控制加速度ul和右控制加速度ur的关系如下：
u＝ul+ur；
其中，
ul＝c21dlα+c22(vdβ-p)
ur＝-c23drα+c24(vdβ-p)，
c21、c22、c23和c24为控制器的反馈系数，β为所述车辆的当前速度方向，α为与所述当前速度方向垂直的车道法向量(对车道边界识别后进行计算得到)，vd为所述车辆的期望速度(例如，车道规定的某一个速度值)，p为所述车辆当前的速度，在一个实施例中，c21、c22、c23和c24为正常数。
为了验证上述车辆控制方法的有效性，采用以下方法进行验证：
如图2所示，无人驾驶的车辆在一个环形车道上行驶，车道的宽度为20m，内侧边界的半径为20m，外侧边界的半径为40m。取反馈系数c21＝20，c22＝2，c23＝21.4和c24＝2，期望的速度大小vd＝20m/s，仿真结果如图3和图4所示，其中，图3的横坐标表示时间，纵坐标表示车辆偏离车道中线的位置误差，图4的横坐标表示时间，纵坐标为车辆的实时速度。
从图3可以看出，随着时间推移，车辆的位置误差趋于零，说明所提出的车辆控制方法能够使车辆在道路中央行驶，不会出现位置误差的震荡，存在很小的控制误差。从图4可以看出，车辆的速度趋近于20m/s，速度同样也不会出现震荡，说明车辆能够按照期望的速度行驶。仿真实验验证了控制算法的可行性和优越性。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明由所提交的权利要求书确定的专利保护范围。