用于跟踪路线的地面车辆中的自适应控制方法和系统，尤其是在自动驾驶场景中与流程

本发明总体涉及用于地面车辆的辅助驾驶系统，并且尤其是车载系统，以及涉及用于辅助地面车辆的方法，尤其是在跟踪预定轨迹的辅助驾驶或自主驾驶场景中。

更具体地，本发明涉及分别根据权利要求1和权利要求10的前序部分所述的用于地面车辆的横向运动控制的方法和系统。

背景技术：

近年来，在将地面车辆(下文简称为“车辆”)配备有主动车辆驾驶员辅助系统方面取得的进展有助于显著改善道路安全性。

未来的挑战是设计自动驾驶车辆并在具有其他车辆(无论是自动驾驶车辆还是由驾驶员驾驶的车辆)的拥挤的道路环境中使它们操作安全。

自主车辆的操作通常由导航系统和轨迹定义系统共同控制。车载导航系统被设计为大规模地对路线进行编程，即在道路网络规模(地理规模)上，其通过建立一系列适于将预定的原始位置连接到预定目的地的连续路段而发生，可能取决于检测到的道路网络的交通状况或预定义行程约束(例如，封闭正在进行作业的某些路段)而动态变化。轨迹定义系统被设计成自动处理在几十或几百米量级的局部规模上的车辆运动轨迹，其适于实现由导航系统编程的路线。这是通过根据预定的运动约束和环境约束并且根据预定的优化来确定车辆随着时间的位置、方向和速度来完成的，其中预定的运动约束诸如车辆的动态约束，其包括最大速度、纵向加速度、转向角，环境约束包括路径障碍，预定的优化诸如最小化车辆的横向加速度。

在自主驾驶环境中，车辆被布置成通过沿着相应轨迹沿着一系列路段行进而遵循预定义的市内或市外路线，所述路段例如由车载导航系统确定，所述相应轨迹由时间变量笛卡尔坐标(xt(t)，yt(t))定义并且根据实现预定路线的道路延伸情况和关于上述路段的实际交通状况而实时计算，实际交通状况由装备到车辆的传感器系统来检测，所述传感器系统诸如捕获车辆周围环境的器件以及相关联的道路标记识别系统、雷达或激光传感器装置、以及相关联的障碍物识别系统。

在车辆中，通过合并由装备到车辆的传感器系统(例如，gps，摄像机，雷达检测器，激光探测器等)检测到的数据来获取当前位置和方向。通过控制推进系统或制动系统来执行车辆的纵向控制，即其沿着计算出的轨迹前进，同时通过控制转向系统来执行车辆的横向控制，即车辆方向的控制。

在现有技术中，跟踪预定路线或跟踪属于这种路线的计算出的轨迹的问题是在第一次检查时独立于车辆的纵向控制(即车辆完成路线的速度)，但基本上是车辆横向控制的问题。它在数学上等同于最小化由车载传感器系统获取的车辆的当前已知位置(车辆的重心或质心)与由轨迹处理模块在局部规模上取决于车辆的运动约束而定义的参考轨迹之间的距离的问题。

此外，控制由自主驾驶车辆对预定路线的跟踪的关键方面是可以在车辆前方的区域中(在不久的将来时间)使用关于参考轨迹的可用信息通过不限于当前信息而是通过未来投影部件增强的方法来改善车辆的横向控制系统的性能。

图1示出说明由最常见的车辆横向控制策略所使用的参数的图表，所述参数是车辆的质心b(车辆总体上以v指示并且通过图示前转向轮fw和后轮rw来表示)和参考轨迹t(在下文中表示为横向偏移e)之间的距离，以及车辆的当前方向h与在更靠近车辆正交的轨迹的点处与轨迹t相切的方向之间的差异(在下文中称为方向误差δψ)。这些参数用于定义虚拟预测误差ep＝e+xpδψ，其中xp是车辆的当前位置(车辆质心)与车辆(车辆质心)的虚拟前瞻位置(即下述位置，在预定时间段之后估计的车辆质心位置)之间的距离。控制系统的目的是保持虚拟预测误差ep等于零，这相当于保持横向偏移和方向误差都为零。

该技术的变型基于使用车辆的动力学模型来最小化在预定时间间隔处预期的横向偏移。

不同的方法基于对前瞻误差的控制，该前瞻误差被定义为车辆的虚拟前瞻位置(车辆的质心)和参考轨迹之间的距离，虚拟前瞻位置即下述位置，在预定时间段之后估计的车辆质心位置或沿着车辆纵向轴线的预定前瞻距离处的位置。车辆(车辆质心)的虚拟前瞻位置被定义为在车辆纵向轴线上在与车辆当前质心相距预定距离dla处的虚拟前瞻位置，例如在高速行驶诸如沿高速公路行驶条件下在数米或数十米的量级，或在低速行驶条件下诸如在市中心中或在停车操作中驾驶大约一米或更低(大于20厘米)的量级。控制系统的目的是使前瞻误差最小化，该前瞻误差不涉及最小化车辆(车辆质心)位置与预定轨迹之间的距离。

在现有技术中，已经考虑其他方法，例如基于控制车辆的偏航速度，其中虚拟预测误差用于产生偏航速度参考信号。

在任何情况下，现有技术中的算法都不允许考虑参考轨迹的演变以优化随时间的推移对车辆的横向控制。

技术实现要素：

本发明的目的是为本问题提供令人满意的解决方案。

根据本发明，该目的通过具有权利要求1所述特征的用于自适应控制地面车辆以便跟踪路线的一种系统来实现。

本发明的另一个目的是如权利要求所述的用于自适应控制地面车辆以便跟踪路线的一种方法。

具体实施例是从属权利要求的主题，其内容应被理解为本说明书的一体部分。

总之，本发明基于如下原理：其将以下示为ecg的车辆(车辆质心)的横向偏移控制与以下示为ela的前瞻误差组合，共同定义为车辆的横向误差，以利用参考轨迹随时间的演变特别是参考轨迹在未来演变的知识。本发明的基本考虑因素是，在沿着具有恒定曲率半径的弯曲轨迹以恒定速度v行进期间，理想的前瞻误差不一定是零，而是在任何情况下应该是恒定的。

因此，根据本发明将跟踪参考轨迹的数学问题公式化为使两个变量即横向偏移ecg和前瞻误差的一阶导数e'la最小化的问题。

具体实施方式

通过参考附图，通过非限制性示例给出的本发明的一个实施例的以下详细描述，将更详细地描述本发明的其他特征和优点，其中：

图1是示出根据现有技术的在跟踪弯曲轨迹时的车辆的横向控制策略的图；

图2是示出根据本发明的在跟踪弯曲轨迹时的车辆的横向控制策略的图；

图3是本发明的控制系统的框图；

图4是表示车辆横向动力学参数的框图；

图5a和图5b是h∞控制系统的示图；

图6是第一简化实施例中的本发明的控制系统的示例；

图7是改进实施例中的本发明的控制系统的示例；

图8示出比较不同控制系统的一系列性能指示图表；以及

图9是示出沿车辆前瞻方向作为车辆速度函数的最佳虚拟前瞻距离的曲线图。

具体实施方式

图2示出图示车辆v(例如自动驾驶车辆)的横向控制策略的图表，该车辆v在与其相距一定距离处的预定路线中遵循弯曲轨迹t。

车辆v以其在前转向轮(示出为fw)与后轮(示出为rw)之间的质心b表示。

在图中，h作为虚线指示车辆的局部前瞻方向，以及δψ指示在最接近车辆质心的轨迹的点处车辆的局部前瞻方向h与轨迹t的局部方向ψ之间的角度。车辆(车辆的前轮fw)相对于车辆的局部前瞻方向h的当前转向角表示为δw，并且车辆的速度矢量被示出为应用于质心b，其中模量(module)为v且相对于车辆的局部前瞻方向成角度β的取向。

沿着局部前瞻方向h，在与车辆质心相距的预定距离处，点p被识别为表示车辆(车辆质心)的虚拟前瞻位置，即，在预定时间段之后根据其已知的局部前瞻方向估计的车辆质心位置的位置。在下文中，dla指示车辆(车辆质心)的虚拟前瞻位置与车辆(车辆质心)的当前位置之间的虚拟前瞻距离。

轨迹t是具有(恒定的或可变的)曲率半径的弯曲轨迹，轨迹t表示为离散的多个轨迹点的连续，多个轨迹点在执行所描述的方法时作为示例包括在第一初始端点es和第二最终端点ef之间。

车辆v(即车辆质心b)与轨迹t之间的距离表示横向偏移，并且在图中标记为ecg，而ela指示前瞻误差，即车辆(车辆质心)沿着局部前瞻方向h的虚拟前瞻位置p和轨迹t的之间的距离。

图3示出根据本发明的用于控制车辆的横向动力学的系统的框图。

控制系统包括数据收集和合并模块10，其被布置成用于处理由车载传感器检测到的数据d的合并，纯粹作为示例，数据d为车辆的卫星定位数据和来自激光传感器、摄像机、雷达传感器和超声波传感器或它们的甚至部分组合的车辆周围环境的识别数据。模块10适于发出指示三个为一组的数据的信号s10，三个为一组的数据分别为实际当前位置的x和y坐标以及车辆的实际当前方向角ψ。

轨迹定义模块以12指示并且被设计为根据实时检测到的环境约束(例如交通状况或障碍物)来计算适于执行由导航系统编程的路线的车辆的局部运动轨迹。轨迹定义模块12适于发出指示三个为一组的数据的信号s12，三个为一组的数据分别为车辆沿预定轨迹t随时间变化的预期坐标xt(t)和yt(t)，以及也随时间变化的预期的局部前瞻方向ψt(t)。

分别由数据收集和合并模块10和轨迹定义模块12发射的信号s10和s12被输入到处理模块，用于计算车辆的横向误差，总体以14表示，其将在下文更详细地描述。此后指出该图省略了纵向误差计算模块的表示，该纵向误差计算模块对于执行车辆的纵向控制也是必要的，并且因此例如在自动驾驶应用中完全控制车辆动力学，但是纵向误差计算模块不是本发明的主题。

用于计算车辆横向误差的处理模块被设计为用于计算横向偏移ecg和前瞻误差ela。以16指示的差分计算模块被设计为用于执行前瞻误差ela的导数的计算操作，此后将前瞻误差ela的导数标记为e'la。

最后，横向偏移ecg和前瞻误差的导数e'la被输入到横向控制模块18，横向控制模块18将在下文更好地描述，其适于计算校正车辆前瞻方向以便允许跟踪预定轨迹t所需的转向角δw。

参考图2和图3，现在更详细地描述横向偏移ecg和前瞻误差的导数e'la的计算例程，其由用于计算车辆14横向误差的处理模块执行。

用于计算车辆14的横向误差的处理模块在输入中接收车辆的质心位置及其局部前瞻方向，即由轨迹定义模块12生成的预定义路线的轨迹t的三个为一组的数据(x，y，ψ)和表示，即三个为一组的数据(xt(t)，yt(t)，ψt(t))。

为了将纵向运动控制的问题与车辆的横向运动控制问题分离，不通过考虑当前时间计划的轨迹t的坐标(xt(tc)，yt(tc))来计算横向偏移ecg，而是被定义为车辆的质心与整个轨迹t之间的最小距离，而纵向控制的问题通常通过在沿时间相关的轨迹t的位置处定义纵向参考速度来处理。

通常而言，横向偏移被计算为车辆(质心)的位置与通过最接近车辆(质心)的轨迹点并沿局部方向(与轨迹相切)指向的直线之间的距离，最接近车辆(质心)的轨迹点被识别为与车辆质心位置相距最小欧几里德距离处的轨迹点。

具体地，通过在横向误差计算模块14处在连续迭代中执行以下操作来计算横向偏移。

首先，对于每次迭代，轨迹段包括从第一初始端点es(其被识别为在前一次迭代中确定的与车辆相距最小距离的点)开始直到第二最终端点ef(通过将预定长度强加到包括预定数量的离散点(它们可以在方向变化附近等间隔或更集中)的轨迹段来识别)的轨迹t的多个离散坐标，其中所述预定数量的点足够高到包含与车辆相距最小距离的点。通常而言，离散点的数量和轨迹段的长度取决于车辆的当前前进速度和该轨迹段的方向性。实际上，如果方向突然改变，则相对于车辆行进直线轨迹的情况，优选地具有较短的轨迹段。备选地，可以为轨迹段设定恒定长度，该长度大于或至少等于车辆可在控制系统的采样时间下以最大理论速度行进的最大距离。

因此，通过包括以下步骤的迭代算法来识别最接近车辆(质心)的轨迹段的点：

1.计算轨迹段的初始端点es与车辆(质心)之间的距离；这样的距离临时被存储为最小距离值，并且轨迹段的初始端点被临时识别为最接近车辆(质心)的点；

2.计算轨迹段上的连续点与车辆(质心)之间的距离，并且如果该值小于最小距离的存储值，则将该值临时存储为新的最小距离值，并且所述点被临时识别为最接近车辆(质心)的新点；否则，将保留从上一步骤获得的数据；

3.对轨迹段上的所有连续点重复上一步骤中的过程；

4.该算法在达到轨迹段的最终端点ef时停止，或者在计算出的距离值远大于存储的最小距离之前停止，该最小距离可以在设计阶段设定。

最后，在识别出最接近车辆(质心)的轨迹段的点之后，横向偏移被计算为车辆(质心)与通过最接近车辆(质心)的点并沿局部与轨迹相切的方向(在图2中以ψt(t)指示)指向的直线之间的距离。

类似地，根据车辆的方向和车辆(质心)的虚拟前瞻位置的知识来计算前瞻误差ela，虚拟前瞻位置在图2中以点p所示，即下述位置，在预定时间段之后或在预定的前瞻距离处估计车辆(质心)的位置。根据上述相同的迭代过程，将前瞻误差ela计算为车辆(质心)的虚拟前瞻位置(点p)相对于预定轨迹的距离。

1.计算轨迹段的初始端点es与车辆(质心)的前瞻位置之间的距离；这样的距离被临时存储为最小距离值，并且轨迹段的第一点被临时识别为最接近车辆(质心)的虚拟前瞻位置的点；

2.计算轨迹段上的连续点与车辆(质心)的虚拟前瞻位置之间的距离，并且如果该值小于存储的最小距离值，则将该值临时存储为新的最小距离值，并且所述点被临时识别为最接近车辆(质心)的虚拟前瞻位置的新点；否则，将保留从上一步骤获得的数据；

3.对轨迹段上的所有连续点重复上一步骤中的过程；

4.该算法在达到轨迹段的最终端点ef时停止，或者在计算出的距离值远大于最小存储距离之前停止，该最小距离可以在设计阶段设定。

最后，在识别出最接近车辆(质心)的虚拟前瞻位置的轨迹段的点之后，将前瞻误差ela计算为车辆(质心)的虚拟前瞻位置与通过最接近车辆(质心)的虚拟前瞻位置的点并沿局部与轨迹相切的方向指向的直线之间的距离。

利用作为固定阶数n的离散滤波器制备的高通滤波器计算前瞻误差的导数e'la，其截止频率是可调参数，该可调参数取决于噪声水平和由车载地理定位系统所接收的信号的量化。

图4示意性地示出车辆的横向动力学模型。该系统是这样的一个系统，其具有单个输入(车辆的转向角δw)以及多个输出(横向偏移ecg和前瞻误差的导数e'la)。取决于为车辆强加的转向角δw，例如如其由车辆的横向动力学控制系统(属于车辆的更一般的自动驾驶系统)的横向控制模块18确定，该图示出车辆偏航速度r和漂移角β(即，参考质心的车辆速度与纵向轴线方向之间的角度)之间的动力学关系以及两个误差δw和e'la，其中g车辆(s)以已知的方式表示强加的转向角与车辆的偏航速度r和漂移角β之间的传递函数，其通过控制平面中车辆动力学的方程的线性化获得。在该图中，通过获得δψ'来执行两个误差δw和e'la的计算，δψ'表示偏航速度和在最接近车辆的点处的轨迹曲率速度之间的差异。通过积分δψ'(框1/s)，获得δψ，即车辆取向与最接近车辆的点处的参考轨迹的取向之间的差异。通过将车辆的δψ和漂移角β相加并乘以车辆的纵向速度v，计算横向偏移速度；通过积分后者(框1/s)，获得质心误差或横向偏移的误差ecg。通过将横向偏移的速度与δψ'和虚拟前瞻距离dla的乘积相加，计算前瞻误差的导数e'la。

因此，图4表示可能的方式之一，其中可以在预定距离处计算车辆质心位置的前瞻，其基于车辆沿其当前纵向方向继续的假设。

控制模块18优选地被合成以应用h∞控制方法并且基于图4中定义的车辆的横向动力学模型来实现。因此h∞控制问题被表达为数学优化问题，由此控制模块18的期望性能通过应用于多个感兴趣变量的权重函数来定义，多个感兴趣变量在这种情况下是转向角δw，预定义轨迹的曲率半径横向偏移ecg和前瞻误差ela。

系统p的h∞控制模型在图5a中示出。系统p具有两个输入，即分别是包括参考信号和干扰的外源输入w和受控变量u的输入，并且具有两个输出，即包括希望最小化的误差信号的性能变量z的输出，以及包括分别用于控制系统的信号的测量变量v的输出。测量变量v用于块k中以计算输入到系统的受控变量u。

图5b示出车辆转向系统的和车辆的h∞控制模型，其考虑车辆的转向动力学和横向动力学，其中p(s)总体上指示车辆和车辆的转向系统，以及c(s)指示横向控制模块18，其中作为输入变量的转向角(δw)和表示根据本发明计算出的误差的是系统性能变量的变量(ecg，e'la)通过总体表示为wo(s)的相应权重模块处理，并分别指示δ^ww，e^wcg和e'^wla。变量δ^ww，e^wcg和e'^wla可以表示为相应动态滤波器的输出(wo^{1}，wo^{2}，wo^{3})，并且可以在拉普拉斯域中表示为如下：

δ^ww(s)＝wo^{1}(s)*δw(s)；

e^wcg(s)＝wo^{2}(s)*ecg(s)；

e’^wla(s)＝wo^{3}(s)*e’la(s)。

优选地，预定轨迹的外源输入参考信号、局部曲率半径也通过相应的权重模块wi(s)处理。

将变量进行权重处理允许基于期望的性能指定频域中的误差大小并且允许调节控制器的行为从而获得对外部干扰的更大响应速度或更强的稳健性。例如，以高致动能量为代价可能有利于小轨迹跟踪误差，或者可以在控制的不同方面(跟踪误差，致动成本，对测量误差的稳健性和负载干扰的抑制)之间设定不同的平衡。

与基于最小化虚拟预测误差的已知算法不同，本发明的控制系统和方法有利地允许通过确定前瞻误差的事实来考虑预定轨迹曲率的未来演变，前瞻误差即计算车辆(质心)的虚拟前瞻位置与预定轨迹之间的实际距离，由此控制可预期车辆进入曲线的操纵并克服跟踪预定轨迹的由车辆动力学引入的延迟的不便利性。方便地，车辆(质心)的虚拟前瞻位置或者还有更好的是虚拟前瞻距离，可以被认为是可调参数，以调节控制的预期动作，从而改善本发明系统的预测的准备状态，特别是在高动态操纵的情况下。

图6和图7示出在横向控制模块或控制器18的基础上的算法，如上所述，该算法是h∞型控制优化算法。

具体地，控制算法是图4中定义的车辆的横向动力学模型的函数，并且权重函数归因于变量δ^ww，e^wcg和e'^wla。

横向控制模块或控制器18是动力学系统，其可以由状态空间中的等式表示，其特征在于矩阵a、b、c、d：

x(k+1)＝ax(k)+bu(k)

y(k)＝cx(k)+du(k)

输出y是转向角，并且输入u是两个变量的矢量，分别是横向偏移ecg和预测误差的导数e'la。a是nxn矩阵，其中n是控制器的阶数，该阶数取决于系统的阶数和权重函数的阶数，b是n×2矩阵，c是1×n矩阵，以及d是1×2矩阵。矩阵a、b、c、d是通过定义车辆模型和权重而执行的数学优化的结果，并且没有以封闭形式表示。

在一个改进的实施例中，控制算法以考虑车辆的速度v的方式进行并且在图7中示出。事实上已知车辆的操作速度影响其动力学。在这种情况下，控制算法还接收车辆的当前纵向速度作为输入并计算矩阵a(v)、b(v)、c(v)和d(v)，因此它们取决于车辆速度。在这种情况下，横向控制模块或控制器18是lpv(线性参数变化或可变参数线性控制)控制器，并且可以用状态空间中的等式表示：

x(k+1)＝a(v)x(k)+b(v)u(k)

y(k)＝c(v)x(k)+d(v)u(k)

这意味着控制模式有利地根据车辆的速度随时间编程，例如以50hz的频率，由此转向角基于横向偏移ecg、前瞻误差的导数e'la和在车辆当前速度下评估的矩阵值来确定。

与仅基于前瞻误差的知识的经典控制相比，或者与仅基于横向偏移的知识的经典控制相比，本发明的控制具有优越的性能。

为了更好地理解本发明控制的优点，图8示出由自主驾驶车辆执行以避开障碍物的操纵的结果，通过三个不同的控制器致动，它们分别是设计成使横向偏移最小化的经典控制器(曲线a)，根据本发明的h∞控制器(曲线b)，以及类似于h∞控制器的lpv控制器(曲线c)，lpv控制器还考虑车辆的速度以调节控制系统的增益和变量的权重。

在从顶部开始的第一幅图中，车辆(质心)的绝对横向位置在参考系x，y中示出，其中x沿行进方向演变，以及y是在行进平面上与x正交的方向。曲线t用阴影线示出预定义的参考轨迹。在图中显而易见的是，通过经典控制，车辆在跟踪预定轨迹方面被延迟。

在从顶部开始的第二幅图中，示出横向偏移随时间的演变。同样在这种情况下，应该指出的是，经典控制与根据本发明的两个实施例的控制所允许的横向偏移相比允许更多的时间进行横向偏移，并且绝对值非常大地可变。

在从顶部开始的第三幅图中，跟踪横向加速度随时间的趋势，这是恢复所产生的横向偏移所需操纵的结果。此外，此图表示出经典控制在跟踪预定义轨迹时的明显延迟。

最后，在第四曲线图(底部的最后一个曲线图)中，跟踪转向角随时间的趋势，其表示由控制器强加到车辆的命令。已知技术(曲线a)的缺点的总和在所需校正的延迟和更大幅度方面是明显的。

最终，图8中的图表清楚地示出引入作为本发明主题的多目标方法，即旨在最小化横向偏移和前瞻误差变化的方法，该方法导致改进车辆、特别是自主驾驶车辆的横向控制的性能，主要是由于改进的预测曲线或方向变化的能力，同时与车辆质心处的预定轨迹的跟踪的实际误差相关。

除上述之外，可以认识到车辆的虚拟前瞻距离也是可以根据速度调节的控制参数，并且在图9中，示出车辆速度对确定最佳虚拟前瞻距离的影响，其通过比较不同速度下不同虚拟前瞻距离的横向偏移的均方误差获得。实质上，随着速度的增加，在前瞻误差的计算中要设定的最佳虚拟前瞻距离可以根据预定函数增加，以便给予车辆关于跟踪误差、实施成本、对测量误差的稳健性和对负载扰动的抑制(例如以近似线性的方式)的不同行为。

当然，在不改变本发明原理的情况下，实施例和实施细节可以相对于纯粹通过非限制性示例描述和说明的实施例和细节变化很大，而不会因此脱离由所附权利要求所限定的本发明的保护范围。