车辆的自动驾驶控制设备和方法与流程

本公开涉及一种自动驾驶车辆的用于保持车辆之间的距离的控制技术，并且更特别地，涉及一种车辆的自动驾驶控制设备和方法。

背景技术：

本节中的陈述仅提供与本公开有关的背景信息，并且可能不构成现有技术。

常规的用于保持车辆之间的距离的技术通过使用与在前车辆的相对速度和相对距离的加速度反馈控制来实现。特别地，加速度反馈控制测量相对速度和相对距离，将测量值乘以以比例-积分-微分(proportional-integral-differential，pid)控制形式预先确定的比例增益、积分增益和微分增益(下文中称为“控制增益”)，以计算所需加速度。

然而，已经发现，常规的用于保持车辆之间的距离的技术的复杂之处在于需要根据行驶环境不同地设置控制增益，并且缺点在于控制不稳定，例如，当控制增益未准确调整时，无法确保避免与在前车辆发生碰撞。

另外，对于不确定的未来状况，控制增益是预定的任意值，因此，在灵活地应对各种行驶环境方面存在局限性。

技术实现要素：

本公开涉及一种车辆的自动驾驶控制设备和方法，应用基于三阶多项式的曲线形式的纵向加速和减速曲线以及收敛时间的概念来校正根据常规的保持车辆之间的距离的技术而计算的所需加速度，从而灵活地应对各种驾驶状况，同时确保避免与在前车辆发生碰撞。

通过形式解决的技术问题不限于以上技术问题，并且通过以下描述，本文未描述的其它技术问题对于本领域技术人员将变得显而易见。

在本公开的一种形式中，一种车辆的自动驾驶控制方法包括：行驶环境识别器基于行驶信息来选择车辆前方的目标物体；速度曲线(velocityprofile)生成器生成用于保持车辆与目标物体的所需距离的速度曲线；加速度计算器基于速度曲线和车辆的延迟时间来计算所需加速度；以及车辆控制器基于所需加速度来控制车辆的致动器。

该方法可以进一步包括：行驶信息处理器基于车辆行驶的道路的限制速度以及目标物体的速度和行进方向来计算车辆的目标速度；以及行驶信息处理器将预定权重应用于车辆与目标物体之间预测的碰撞时间(timetocollision，ttc)以计算目标收敛时间。

可以基于作为边界的目标收敛时间，将速度曲线分为加速和减速区间以及等速区间。

生成速度曲线可以包括：考虑车辆的当前速度、目标速度和目标收敛时间，生成基于三阶多项式的曲线形式的纵向加速和减速曲线。

生成速度曲线可以包括：使用车辆的当前速度和目标速度之间的速度误差以及与目标物体的相对距离和所需距离之间的距离误差来确定纵向加速和减速曲线的初始斜率。

生成速度曲线可以包括：根据预设约束条件来计算三阶多项式的各个次项的系数，其中预设约束条件可以满足以下条件：目标收敛时间处的速度为目标速度，并且目标收敛时间处的速度斜率为零(0)。

计算所需加速度可以包括：基于纵向加速和减速曲线来提取与延迟时间相对应的反应速度；以及使用延迟时间期间反应速度与当前速度之间的车辆速度变化来计算所需加速度。

控制车辆的致动器可以包括：在目标收敛时间之后，根据目标速度保持车辆的恒定速度。

可以根据车辆的行驶环境来可变地调整目标收敛时间。

通过本文提供的描述，进一步的应用领域将变得显而易见。应理解的是，描述和特定示例仅出于说明的目的，并不旨在限制本公开的范围。

附图说明

为了可以很好地理解本公开，现在将参照附图，通过示例的方式描述本公开的各种形式，其中：

图1是示出本公开的一种形式的车辆的自动驾驶控制设备的框图；

图2a和图2b是用于分别说明根据本公开的一种形式的计算生成速度曲线所需的所需距离、目标速度和目标收敛时间的方法的示图；

图3a和图3b是用于分别说明根据本公开的另一形式的由车辆的自动驾驶控制设备生成的速度曲线的示图；

图4是用于说明本公开的另一形式的由车辆的自动驾驶控制设备计算所需加速度的方法的示图；

图5a、图5b、图5c和图5d是分别示出根据本公开的一种形式的通过车辆的自动驾驶控制设备识别交通信号灯的情况的纵向驾驶场景的示例的示图；

图6a、图6b和图6c是分别示出本公开的另一形式的通过车辆的自动驾驶控制设备识别在前车辆的情况的纵向驾驶场景的示例的示图；以及

图7是用于说明根据本公开的一种形式的车辆的自动驾驶控制方法的流程图。

本文描述的附图仅出于说明的目的，并不旨在以任何方式限制本公开的范围。

具体实施方式

以下描述本质上仅是示例性的，并不旨在限制本公开、应用或用途。应理解的是，在整个附图中，相应的附图标记表示相同或相应的部件和特征。

在下文中，将参照附图详细描述本公开的示例性形式。然而，这些形式可以以许多不同的形式实现，并且本公开不应被解释为限于本文阐述的形式。因此，尽管本公开易于产生各种修改形式和替代形式，但是在附图中通过示例示出了本公开的具体形式，并且本文将对本公开的具体形式进行详细描述。然而，应理解的是，本公开无意将本公开限制为所公开的特定形式，而是相反，本公开将覆盖落入这些形式的思想和范围内的所有修改形式、等同形式和替代形式。

本文使用的诸如“第一”和“第二”的术语仅用于描述各种构成元件，但是这些构成元件不受这些术语的限制。这些术语仅出于将一个构成元件与另一构成元件区分开的目的。另外，考虑形式的配置和操作而定义的术语仅出于说明的目的，而非旨在限制形式的范围。

本说明书中使用的术语用于说明特定的示例性形式，而不是为了限制本公开。因此，除非在上下文中另外明确指出，否则本说明书中的单数表达包括复数表达。而且，诸如“包括”或“包含”的术语可以被解释为表示某种特征、数字、步骤、操作、构成元件或其组合，但是不可以被解释为排除存在一个或多个其它特征、数字、步骤、操作、构成元件或其组合，或者添加一个或多个其它特征、数字、步骤、操作、构成元件或其组合的可能性。

除非另外定义，否则本文使用的包括技术术语和科学术语的所有术语具有与本公开所属领域的普通技术人员通常理解的含义相同的含义。将进一步理解的是，诸如通用词典中定义的术语的术语应被解释为具有与相关领域的语境中的含义一致的含义，并且除非本文明确地定义，否则将不以理想或过度形式的意义来解释。

在下文中，将参照附图描述根据本公开的一种形式的车辆的自动驾驶控制设备。

图1是示出根据本公开的一种形式的车辆的自动驾驶控制设备的框图。

参照图1，车辆的自动驾驶控制设备100可以包括行驶环境识别器110、行驶信息处理器120、速度曲线生成器130、加速度计算器140和车辆控制器150。

行驶环境识别器110可以通过安装在车辆中的各种传感器来收集车辆的行驶信息，可以基于行驶信息来识别加速和减速中的至少一个行驶环境，并且可以选择车辆前方的目标物体。

在此，行驶信息可以包括关于车辆前方的交通信号灯的信息，关于目标物体的行为(停止或移动)的信息，关于车辆的行驶路径、行驶车道、当前速度以及车辆与目标物体之间的纵向相对距离的信息等。

目标物体可以包括已经进入行驶车道或预定进入行驶车道的在前车辆、行人、障碍物或在道路的停车线的位置处生成的虚拟物体。

各种传感器可以被实现为例如全球定位系统(gps)接收器10、地图数据库(db)20、导航装置30、传感器单元40等。然而，这是示例性的，并且可以省略前述组件中的至少一个，或者另外包括其它组件。例如，关于车辆周围的交通信号灯的信息和关于在前车辆的信息也可以使用车辆到一切事物(v2x)通信来收集。

gps接收器10可以是被配置为估计车辆的地理位置的传感器，并且可以从位于地球上空的gps卫星接收导航消息，并且可以实时收集车辆的当前位置(包括纬度和经度)。

地图db20可以以数据库(db)的形式存储通过记录以车道为单位的道路信息而获得的精确地图。精确地图可以包含数字形式的地理信息、车道信息、路面信息、目标的位置信息以及交通信号、道路标志等，并且可以包括由节点(node)和链接(link)组成的道路网络数据。地图db20可以被实现为诸如闪速存储器、硬盘、安全数字(sd)卡、随机存取存储器(ram)、只读存储器(rom)或网络存储的存储介质，并且可以利用无线通信按预定周期自动更新或者由用户手动更新。

在从用户接收到出发点和目的地时，导航装置30可以考虑路径成本(最短距离、最短时间等)来搜索车辆的行驶路径，并且可以在精确地图上显示该行驶路径，以提供路径引导服务。

传感器单元40可以包括实时感测关于车辆周围环境的信息的图像传感器41和距离测量传感器42以及测量关于车辆状态的信息的偏航率传感器43和速度传感器44。

图像传感器41可以收集关于通过光学系统拍摄的车辆周围区域的图像的信息，可以识别颜色，并且可以对关于图像的信息执行图像处理(除噪、图像质量和色度的调整、文件压缩等)以识别道路上的车道、交通信号灯(包括诸如红色、黄色和绿色的信号形式)、障碍物等。

距离测量传感器42可以测量车辆与测量目标之间的距离，例如，可以被实现为雷达(radar)、激光雷达(lidar)等。radar可以使用电磁波来测量位于车辆周围的障碍物的距离、方向、相对速度、高度等，可以远距离识别并且可以应对恶劣的天气。lidar可以从在道路上向车辆前方发射激光脉冲之后反射的激光脉冲生成点形式的lidar数据，并且具有精确的分辨率，从而主要用于检测车辆周围存在的物体。

偏航率传感器43可以测量自动行驶的车辆的偏航率，速度传感器44可以基于以差分方式获取的车辆的车轮速度的输出波形来测量车辆的行驶速度。

以上描述的gps接收器10、地图db20、导航装置30和传感器单元40可以通过车辆网络(nw)(未示出)与行驶环境识别器110进行通信，并且车辆网络(nw)可以包括诸如控制器局域网(can)、灵活数据速率的can(canwithflexibledatarate，can-fd)、flexray、面向媒体的系统传输(most)或时间触发以太网(timetriggeredethernet，tt以太网)的各种车载通信。

行驶环境识别器110可以通过图像传感器41来识别关于车辆前方的交通信号灯的信息，可以判断车辆是停止在道路的停车线还是通过道路的停车线，并且可以生成用于控制停止的虚拟物体。例如，行驶信息处理器120可以在车辆前方的停车线的位置处生成虚拟在前车辆。

行驶环境识别器110可以使用gps接收器10、地图db20和导航装置30将车辆映射到行驶路径上，并且可以融合从传感器单元40输出的信息以选择进入或预定进入车辆的行驶车道的目标物体。

行驶信息处理器120可以处理从行驶环境识别器110输出的行驶信息，可以设置在纵向方向上控制车辆期间与目标物体保持的预定距离(下文中称为“所需距离”)ddes，并且可以计算车辆用于到达所需距离ddes的目标速度vdes和收敛到目标速度vdes而消耗的目标收敛时间tconverge。

行驶信息处理器120可以考虑驾驶员的驾驶倾向(例如，攻击性或防御性)以及与目标物体的最小安全距离来设置所需距离ddes。在这种情况下，所需距离ddes可以由驾驶员预先设置，或者可以通过在自动驾驶期间学习驾驶员的驾驶倾向来设置。所需距离ddes可以通过应用所识别的目标物体的风险度(例如，由于停车线、行人和在前车辆而引起的碰撞风险的相对重要性)来确定。

行驶信息处理器120可以考虑道路的限制速度vlimit，基于目标物体的速度vtarget和行进方向来计算车辆的目标速度vdes，并且可以根据例如以下等式1来表示目标速度vdes。

[等式1]

vdes＝min[vtargetcosθ，vlimit]

如以上等式1所示，行驶信息处理器120可以将道路的限制速度vlimit和考虑目标物体的速度vtarget和行进方向来投射到车辆的行驶路径上的速度vtargetcosθ中的最小值作为车辆的目标速度vdes。在此，θ是目标物体的行进方向相对于车辆的行驶路径的偏角。

行驶信息处理器120可以将预定权重r应用于车辆与目标物体之间预测的碰撞时间(ttc)以计算目标收敛时间tconverge，并且可以根据例如以下等式2来表示目标收敛时间tconverge。

[等式2]

在此，预定权重r可以是预测的碰撞时间(ttc)的调整系数，并且可以考虑车辆的特征和目标物体的行为而实时地在0与1之间的范围内可变地调整(0<r<1)。例如，当试图从行驶车道改变车道到周围车道的在前车辆中途放弃尝试时，行驶信息处理器120可以减小r的值以减小目标收敛时间tconverge。

在这种情况下，行驶信息处理器120可以将通过速度传感器44获取的车辆的当前速度vego与根据等式1计算的车辆的目标速度vdes进行比较，以确定预测的碰撞时间(ttc)。

例如，当车辆的目标速度vdes低于当前速度vego时，行驶信息处理器120可以通过车辆和目标物体之间的纵向相对距离dtarget与车辆的当前速度vego和目标速度vdes之间的速度误差(或纵向相对速度)的比率来计算预测的碰撞时间(ttc)。

当车辆的目标速度vdes高于当前速度vego时，行驶信息处理器120可以通过车辆的目标速度vdes和当前速度vego之间的速度误差与车辆的最大加速度amax的比率来计算预测的碰撞时间(ttc)。

为了便于理解，以下将参照图2描述由行驶信息处理器120设置并计算的所需距离、目标速度和目标收敛时间。

图2a和图2b是用于说明根据本公开的一种形式的计算生成速度曲线所需的所需距离、目标速度和目标收敛时间的方法的示图。

参照图2a，当通过车辆v1前方的交通信号灯识别出红色信号信息时，行驶环境识别器110可以在道路的停车线1的位置处生成虚拟物体，并且行驶信息处理器120可以认为该虚拟物体处于停止状态。

行驶信息处理器120可以设置与虚拟物体的所需距离ddes，并且可以基于该虚拟物体的行为来计算车辆v1用于到达所需距离ddes的目标速度vdes。例如，虚拟物体处于停止状态，因此，车辆v1的目标速度vdes可以被设置为0。

行驶信息处理器120可以使用通过距离测量传感器42收集的车辆v1与虚拟物体之间的相对距离dtarget以及车辆v1的当前速度vego与目标速度vdes之间的纵向相对速度来计算目标收敛时间tconverge。

参照图2b，当检测到预定进入车辆v1前方的行驶车道的在前车辆v2时，行驶信息处理器120可以设置相对于在前车辆v2的所需距离ddes，并且可以考虑在前车辆v2的速度vtarget来计算车辆v1的目标速度vdes。在这种情况下，可以基于考虑在前车辆v2的速度vtarget和行进方向2来投射到车辆v1的行驶路径3上的速度vtargetcosθ，并且考虑道路的限制速度vlimit来确定目标速度vdes。在此，θ是目标物体的行进方向2相对于车辆的行驶路径3的偏角。

行驶信息处理器120可以使用车辆v1的目标速度vdes与当前速度vego之间的纵向相对速度和相对于在前车辆v2的相对距离dtarget或车辆v1的最大加速度amax来计算目标收敛时间tconverge。

速度曲线生成器130可以生成用于保持相对于目标物体的所需距离的速度曲线。在这种情况下，可以基于作为边界的目标收敛时间tconverge，将速度曲线分为加速和减速区间以及等速区间，并且速度曲线生成器130可以考虑车辆的当前速度vego、目标速度vdes和目标收敛时间tconverge，生成基于三阶多项式的曲线形式的纵向加速和减速曲线，将参照图3a至图3b对此进行更详细的描述。

图3a和图3b是用于说明根据本公开的另一形式的由车辆的自动驾驶控制设备生成的速度曲线的示图。

图3a示出了当车辆的目标速度低于当前速度时的纵向减速曲线。图3b示出了当车辆的目标速度高于当前速度时的纵向加速曲线。在此，速度曲线的x轴表示时间，速度曲线的y轴表示速度，并且假定与车辆的当前速度vego相对应的时间为0。

一起参照图3a和图3b，速度曲线生成器130可以生成包括基于作为边界的目标收敛时间tconverge的减速(或加速)区间和等速区间的速度曲线，并且可以根据以下等式3来表示速度曲线。

[等式3]

如以上等式3所示，速度曲线生成器130可以在到达tconverge之前，根据纵向加速和减速曲线来控制车辆的加速和减速运动，并且可以在到达tconverge之后，控制车辆的等速运动以跟随目标速度vdes。

速度曲线生成器130可以考虑通过行驶信息处理器120输出的车辆的当前速度vego、目标速度vdes和目标收敛时间tconverge，生成基于三阶多项式的曲线形式的纵向加速和减速曲线。然而，这是示例性的，并且本公开的范围不限于此，因此，可以生成基于n次多项式的纵向加速和减速曲线(其中n是等于或大于4的自然数)。

在这种情况下，速度曲线生成器130可以确定纵向加速和减速曲线的初始斜率c1，并且可以根据预设约束条件来计算三阶多项式的各个次项的系数c0、c2和c3，以生成纵向加速和减速曲线。

速度曲线生成器130可以根据以下等式4，使用车辆的当前速度vego和目标速度vdes之间的速度误差以及与目标物体的所需距离ddes和相对距离dtarget之间的距离误差△d来计算初始斜率c1。

[等式4]

c1＝-kv(vego-vdes)+kd(dtarget-ddes)

在此，vego是车辆的当前速度，vdes是车辆的目标速度，dtarget是与目标物体的相对距离，ddes是与目标物体的所需距离，kv是速度增益，kd是距离增益。

速度曲线生成器130可以根据以下等式5，根据t＝0和t＝tconverge处的预设约束条件来计算三阶多项式的各个次项的系数c0、c2、c3。在此，预设约束条件可以满足以下条件：t＝0处的速度为车辆的当前速度vego，目标收敛时间tconverge处的速度为车辆的目标速度vdes，并且目标收敛时间tconverge处的速度斜率为0。

[等式5]

c0＝v(0)＝vego

速度曲线生成器130可以根据等式4和等式5来计算三阶多项式，并且可以生成基于该三阶多项式的与t＝0和t＝tconverge之间的加速和减速区间相对应的曲线形式的纵向加速和减速曲线。在这种情况下，可以根据车辆的特征和目标物体的行为变化来可变地调整目标收敛时间tconverge，因此，纵向加速和减速曲线的曲线也可以改变。

速度曲线生成器130可以通过被分为加速和减速区间以及等速区间的速度曲线，使车辆的速度在目标收敛时间tconverge处收敛到恒定速度，因此，可以确保避免与目标物体碰撞。

加速度计算器140可以考虑所生成的纵向加速和减速曲线以及车辆的延迟时间tdelay来计算所需加速度ades。在此，车辆的延迟时间tdelay是车辆响应于从以下将描述的车辆控制器150施加到致动器50的速度控制命令而实际做出行为所花费的时间。例如，加速度计算器140可以测量由车辆控制器150运行速度控制命令的时间与从车辆中包括的至少一个车轮接收的响应时间之间的时间，以提取延迟时间tdelay。另外，加速度计算器140还可以测量从致动器50的发动机控制单元(ecu)或制动控制单元(bcu)供应驱动压力或制动压力的时间，以提取延迟时间tdelay。

参照图3a和图3b，加速度计算器140可以读取通过速度曲线生成器130生成的纵向加速和减速曲线，并且可以基于纵向加速和减速曲线来提取与车辆的延迟时间tdelay相对应的反应速度vdelay。在此，反应速度vdelay是基于三次等式的曲线上的任意速度中与延迟时间tdelay相对应的速度。

加速度计算器140可以根据以下等式6，获取延迟时间tdelay期间车辆的当前速度vego与反应速度vdelay之间的车辆速度变化，以计算用于将车辆速度变化输出到车辆控制器150的所需加速度ades。

[等式6]

这样，加速度计算器140可以考虑车辆的延迟时间tdelay，将所需加速度ades设置为小于初始斜率c1，因此可以对未来可能发生的不确定状况作出最小程度的响应。因此，在减速或加速期间，加速度计算器140可以迅速对目标物体的行为变化作出响应。

根据另一形式的加速度计算器140也可以使用多点而不是单点来计算所需加速度ades，这将参照图4进行描述。

图4是用于说明根据本公开的另一形式的由车辆的自动驾驶控制设备计算所需加速度的方法的示图。

图4示出了纵向减速曲线的另一示例，并且其曲线的形状可以根据三阶多项式的各个次项的系数而改变。例如，与图3a所示的纵向减速曲线相比，在图4所示的纵向减速曲线中，由于根据行驶环境的车辆的当前速度vego、目标速度vdes和目标收敛时间tconverge的差异，可以计算出不同的减速曲线的初始斜率c1和各个次项的系数，从而可以形成不同形状的曲线。

参照图4，加速度计算器140可以根据以下等式7来提取减速曲线的多点以计算所需加速度ades。

[等式7]

在此，tdelay_1是车辆的第一延迟时间，tdelay_2是车辆的第二延迟时间，vdelay_1是与第一延迟时间相对应的第一反应速度，vdelay_2是与第二延迟时间相对应的第二反应速度，vego是车辆的当前速度，α和β是各个参数的权重。

这样，加速度计算器140可以使用多点来设置所需加速度ades，从而针对未来可能发生的不确定状况，提高了自动驾驶的控制的可靠性。

车辆控制器150可以将基于从加速度计算器140输出的所需加速度ades的驱动压力或制动压力传递到致动器50，以控制车辆的加速或减速。

致动器50可以包括执行车辆的加速的发动机控制单元(ecu)和执行减速的制动控制单元(bcu)，并且可以接收从车辆控制器150传递的所需加速度并可以控制车辆的发动机和制动器。

在下文中，将参照图5a至图5d和图6a至图6c描述根据一种形式的通过车辆的自动驾驶控制设备的车辆的纵向控制方法。

图5a至图5d是分别示出本公开的一种形式的通过车辆的自动驾驶控制设备识别交通信号灯的情况的纵向驾驶场景的示例的示图。

图5a示出了在远距离处识别出红色信号信息的情况的纵向驾驶场景，图5b示出了根据图5a所示的速度曲线在减速期间识别出绿色信号信息的情况的纵向驾驶场景，图5c示出了当生成图5a所示的速度曲线时较晚识别出红色信号信息的情况的纵向驾驶场景，图5d示出了根据图5c所示的速度曲线使车辆完全停止的情况的纵向驾驶场景。

参照图5a，当在远距离处识别出红色信号信息时，速度曲线生成器130可以生成用于使车辆在目标收敛时间tconverge处停止的减速曲线。车辆的目标速度vdes可以在目标收敛时间tconverge处设置为0，并且还可以考虑车辆的延迟时间tdelay来确定所需减速度ades。

参照图5b，当根据图5a所示的速度曲线在车辆减速期间在时间ta处识别出绿色信号信息时，速度曲线生成器130可以使用关于车辆前方的新目标物体的行为的信息和道路的限制速度vlimit来重置车辆的目标速度vdes，并且当目标速度vdes高于当前速度vego时，速度曲线生成器130可以生成加速曲线。当目标收敛时间tconverge较长时，可以补偿加速曲线以减小所需加速度ades，当目标收敛时间tconverge较短时，可以补偿加速曲线以增加所需加速度ades，从而灵活地应对目标物体的行为变化。

参照图5c，当判断根据图5a所示的速度曲线在车辆减速期间在时间tb处车辆的速度没有充分降低或较晚识别出红色信号信息时，可以补偿减速曲线以通过缩短目标收敛时间tconverge来增加所需减速度ades，从而可以控制自动驾驶以使车辆快速减速。

参照图5d，当车辆需要完全停止时，速度曲线可以将初始斜率c1和所需加速度ades都设置为0，并且可以保持停止状态。

图6a至图6c是分别示出根据本公开的另一形式的通过车辆的自动驾驶控制设备识别在前车辆的情况的纵向驾驶场景的示例的示图。

图6a示出了在行驶路径中车辆相对于在前车辆v2的目标速度vdes低于当前速度vego并且与在前车辆v2的相对距离dtarget小于所需距离ddes的情况的纵向驾驶场景，图6b示出了在行驶路径中车辆相对于在前车辆v2的目标速度vdes与当前速度vego相同或相近并且与在前车辆v2的相对距离dtarget小于所需距离ddes的情况的纵向驾驶场景，图6c示出了在行驶路径中车辆相对于在前车辆v2的目标速度vdes高于当前速度vego并且与在前车辆v2的相对距离dtarget大于所需距离ddes的情况的纵向驾驶场景。

参照图6a，当识别出在车辆v1前方以低于车辆v1的速度行驶的在前车辆v2时，速度曲线生成器130可以生成使车辆在目标收敛时间tconverge处减速至目标速度vdes的减速曲线。可以考虑车辆的延迟时间tdelay来确定所需减速度ades，并且当由于目标收敛时间tconverge较短而预期与在前车辆v2立即发生碰撞时，可以补偿减速曲线以增加所需减速度ades，从而避免与在前车辆v2发生碰撞。

参照图6b，在识别出在车辆v1前方以与车辆v1相同的速度行驶的在前车辆v2时，速度曲线生成器130可以生成暂时使车辆减速后加速以使车辆的目标速度vdes在目标收敛时间tconverge处收敛到当前速度vego的减速和加速曲线。在这种情况下，可以增加目标收敛时间tconverge，并且可以补偿减速和加速曲线以减小所需减速度ades，从而避免与在前车辆v2发生碰撞。

参照图6c，当识别出在车辆v1前方以高于车辆v1的速度行驶的在前车辆v2时，速度曲线生成器130可以生成使车辆在目标收敛时间tconverge处加速至目标速度vdes的加速曲线。可以考虑车辆的延迟时间tdelay来确定所需减速度ades，并且可以通过调整目标收敛时间tconverge，来补偿加速曲线以使目标收敛时间tconverge快速收敛或缓慢收敛，从而灵活地应对在前车辆v2的行为变化。

在下文中，将参照图7描述本公开的一种形式的自动驾驶控制方法。

图7是用于说明根据本公开的一种形式的车辆的自动驾驶控制方法的流程图。

参照图7，车辆的自动驾驶控制方法可以包括：操作s710，基于行驶信息来选择车辆前方的目标物体；操作s720，生成用于保持与目标物体的所需距离的速度曲线；操作s730，考虑速度曲线和车辆的延迟时间来计算所需加速度；以及操作s740，基于所需加速度来控制车辆的致动器以执行加速或减速。

在操作s710中，自动驾驶控制设备100可以通过图像传感器41来识别关于车辆前方的交通信号灯的信息，以判断车辆是停止在道路的停车线还是通过道路的停车线，并且可以生成用于控制停止的虚拟物体。自动驾驶控制设备100可以使用gps接收器10、地图db20和导航装置30将车辆映射到行驶路径上，并且可以融合从传感器单元40输出的信息以选择进入或预定进入车辆的行驶车道的目标物体(例如，在前车辆)。

在操作s720中，自动驾驶控制设备100可以处理行驶信息以设置与目标物体的所需距离，并且可以计算车辆用于到达所需距离的目标速度和收敛到目标速度而消耗的目标收敛时间。以上已经参照图2对此进行了详细描述，因此为了避免重复描述，不再对此进行描述。

在操作s720中，自动驾驶控制设备100可以生成包括基于作为边界的目标收敛时间的减速(或加速)区间和等速区间的速度曲线，并且可以考虑车辆的当前速度、目标速度和目标收敛时间，生成基于三阶多项式的曲线形式的纵向加速和减速曲线。在这种情况下，自动驾驶控制设备100可以确定纵向加速和减速曲线的初始斜率c1，并且可以根据预设约束条件来计算三阶多项式的各个次项的系数c0、c2和c3，以生成纵向加速和减速曲线。以上已经参照图3对此进行了详细描述，因此为了避免重复描述，不再对此进行描述。

然后，在操作s730中，自动驾驶控制设备100可以读取纵向加速和减速曲线，可以提取与车辆的延迟时间相对应的反应速度，并且可以获取延迟时间期间车辆的反应速度与当前速度之间的车辆速度变化以计算所需加速度。

在操作s740中，自动驾驶控制设备100可以将基于所需加速度的驱动压力或制动压力传递到致动器，以控制车辆的加速或减速。

因此，根据本公开的至少一种形式，可以应用收敛时间的概念来生成基于三阶多项式的曲线形式的纵向加速和减速曲线，因此可以确保避免与在前车辆发生碰撞。

另外，可以考虑车辆的延迟时间(反应性)来计算所需加速度，以对未来可能发生的不确定驾驶状况作出响应，并且可以调整收敛时间以增加和减小所需加速度，从而灵活地应对各种驾驶状况。

本领域技术人员将认识到，利用本公开可以实现的效果不限于以上已经具体描述的效果，并且从详细描述中将更清楚地理解本公开的其它优点。

前述车辆的自动驾驶控制方法可以被编制为用于在计算机中运行的程序，并且可以被存储在计算机可读记录介质中，计算机可读记录介质的示例包括只读存储器(rom)、随机存取存储器(ram)、cd-rom、磁带、硬盘、软盘、闪速存储器、光学数据存储装置等。

计算机可读记录介质还可以分布在通过网络连接的计算机系统上，使得计算机可读代码以分布式方式存储和运行。而且，本公开所属领域的程序员可以容易地构建用于实现本公开的功能程序、代码和代码段。

尽管以上已经描述了与示例性形式有关的一些情况，但是可以以各种形式改变这些形式。前述形式的技术特征只要兼容就可以以各种形式实现，可以通过这些形式实现新形式。

本领域技术人员将认识到，在不脱离本公开的思想和特征的情况下，可以以不同于本文阐述的方式的其它特定方式来执行本公开。因此，以上形式在所有方面被解释为说明性而非限制性的。