用于自动驾驶的预瞄横向控制的制作方法

本发明总体涉及一种在自动驾驶或半自动驾驶车辆中为车道居中、车道保持、车道变换、碰撞紧急转向等提供横向转向控制辅助的系统和方法，具体涉及一种在自动驾驶或半自动驾驶车辆中为车道居中、车道保持、车道变换、碰撞紧急转向等提供横向转向控制辅助的系统和方法，其中所述系统和方法提供对即将出现的弯曲、倾斜和/或斜坡道路的预瞄。

背景技术：

现代车辆操作正变得更自动化，即车辆能够提供驾驶控制，同时驾驶员干预较少。巡航控制系统已经在车辆上使用了多年，其中车辆操作员可以设置特定的车辆速度，并且车辆将保持该速度而无需驾驶员操作油门。近来，在本领域中已开发出自适应巡航控制系统，其中，不仅系统会保持设置的速度，而且将在通过使用各种传感器(比如，雷达和摄像头)检测到前行车辆移动较慢的情况下自动使车辆减速。某些现代车辆还提供自动停车，其中车辆将自动提供用于停放车辆的转向控制。一些车辆系统提供自动制动而无需驾驶员干预，以避免后端碰撞。随着车辆系统改进，它们将变得更自动化，其目标是实现完全自动驾驶车辆。例如，未来的车辆可能会采用用于车道变换、通行、驶离交通、驶入交通等的自动系统。

本领域中已知的碰撞避免系统用于在车辆驾驶员未采取规避动作的情况下提供对象车辆的自动制动和/或转向，以避开对象车辆前方的较慢或已停止的物体。已知的碰撞避免系统向车辆驾驶员提供警告，并且可根据驾驶员是否采取规避动作而提供自动制动和/或自动转向。如果系统确定需要自动转向以避免碰撞，则该系统必须计算对象车辆的安全转向路径以提供转向控制。一些这样的系统能够检测车道标线，以便计算对象车辆的转向路径，从而进行车道变换以避免碰撞。这些碰撞避免系统还提供促使对象车辆遵循所计算出的转向路径的转向指令以提供车辆转向。

用于这些类型的系统的物体检测传感器可以使用多种技术中的任何一种，比如，近程雷达、远程雷达、带有图像处理的摄像头、激光或激光雷达、超声等。物体检测传感器检测对象车辆路径上的车辆及其他物体，并且应用软件使用物体检测信息在适当时提供警告或采取动作。警告可以是车辆仪表盘上或平视显示器(hud)内的视觉指示，和/或可以是声音警告或其他触觉反馈装置(诸如座椅摇晃)。在许多车辆中，物体检测传感器被直接集成在到前保险杠或车辆的其他仪表板中。

在本领域中，各种已知的用于自动驾驶或半自动驾驶车辆的系统采用合适的控制器、传感器、转向致动器等为车道居中、车道保持、车道变换、碰撞避免等中的一种或多种提供自动车辆转向。例如，在2014年12月2日授予lee等人的题为“具有主动后轮转向的车道跟踪系统(lanetrackingsystemwithactiverear-steer)”的美国专利第8,903,607号公开了一种车道跟踪系统，该车道跟踪系统确定车辆沿道路的期望路线，基于感测到的车辆运动估计车辆的轨迹，计算所确定的期望路线与所估计的轨迹之间的误差，以及向前轮转向控制器提供前轮转向扭矩指令并向后轮转向控制器提供后轮转向扭矩指令，以使误差最小化。

在2014年9月30日授予moshchuk等人的题为“对驾驶员启动的碰撞避免操纵的转向辅助(steeringassistindriverinitiatedcollisionavoidancemaneuver)”的美国专利第8,849,515号公开了一种碰撞避免系统，该碰撞避免系统识别碰撞威胁，计算最优的碰撞避免路径，以及提供使车辆沿该路径转向的转向辅助扭矩。

在2012年5月1日授予lee的题为“用于自动化车道居中和车道变换控制系统的路径生成算法(pathgenerationalgorithmforautomatedlanecenteringandlanechangingcontrolsystem)”的美国专利第8,170,739号公开了一种为自动化车道居中和/或车道保持提供路径生成的系统。该系统检测道路上的车道标线并生成使车辆保持在车道内的期望车辆路径中。

授予moshchuck等人的题为“集成有eps控制器的碰撞避免控制(collisionavoidancecontrolintegratedwithepscontroller)”的美国专利申请公开第2015/0158528号公开了一种模型预测控制(mpc)，其采用包括单轨线性自行车模型和单自由度转向柱模型的组合的六维车辆运动模型对车辆转向进行建模以提供用于转向辅助的转矩重叠指令。

以上概括地提及的为自动和半自动驾驶车辆提供车道居中、车道保持、车道追踪、碰撞紧急转向、转向角度辅助等的已知系统通常使用在任何特定时间点都可用的融合传感器数据。然而，在这些系统的控制架构中，在道路中的即将出现的路面变化，比如，弯道、斜面、斜坡等，通常没有得到充分处理。例如，具有水平曲率突变的道路路段对于自动驾驶车辆控制来说是最具挑战性的状况。在这些类型的系统中，主动安全特性的性能要求对弯曲道路上的横向偏差施加了严格的限制。

技术实现要素：

本公开描述了一种在自动驾驶或半自动驾驶车辆中为车道居中、车道变换、车道追踪、碰撞紧急转向等提供横向转向控制的系统和方法，并且包括提供对即将出现的道路曲率、倾斜度和/或坡度的预瞄。所述方法包括提供车辆动力学数学模型，该数学模型包括状态变量、转向控制变量以及定义道路的即将出现的道路曲率、倾斜度和坡度的未来道路扰动系数。所述方法确定减小当前车辆路径与期望车辆路径之间的差异的转向控制目标，并确定提供所述转向控制目标且包括反馈部分和前馈部分的最优转向控制信号，其中所述前馈部分包括道路扰动系数。所述方法确定针对当前道路曲率、倾斜度和坡度以恒定的速度、横摆角速度以及横向速度进行车辆平稳运动的状态变量以及转向控制变量。所述方法然后引入以可变的速度、横摆角速度以及横向速度进行动态车辆运动的新状态变量以及控制变量，其是预测的未来时间的状态和控制变量与稳态变量之间的差值。

通过下面的描述和所附权利要求书并结合附图，本发明的其他特征将变得显而易见。

附图说明

图1是包括为自动驾驶或半自动驾驶车辆提供车辆横向转向控制辅助的路径处理系统的车辆的图示；

图2是提供图1所示系统的横向转向控制辅助的方法的流程图；

图3是单轨线性自行车模型的图示；以及

图4是包括沿弯曲行驶车道的不同采样点的图示，其中示出了稳态控制变量和动态运动控制变量之间的转换。

具体实施方式

下面对本发明的实施例进行讨论，其涉及在自动驾驶或半自动驾驶车辆中提供横向转向控制辅助的系统和方法，包括提供对即将出现的路面弯曲、斜面和斜坡的预瞄，其本质上仅仅是示例性的，而决非用于限制本发明或其应用或用途。例如，本发明的系统和方法还可应用于其他行业以及其他类型的交通工具。

如将在下面详细讨论的，本发明提出一种在自动驾驶或半自动驾驶车辆中为车辆转向提供横向转向控制辅助的系统和方法，其可用于车道居中、车道变换、车道追踪、碰撞紧急转向等，其中所述系统和方法提供即将出现的路面弯道、斜面和/或斜坡的预瞄信息。在此公开的系统和方法可合并一种或多种在上述参考文献中讨论的算法或方法用于检测车辆车道、物体等、确定最优转向路径、以及在特定车辆转向系统中提供转向角度指令信号或转向扭矩指令信号以使车辆沿该路径转向。

图1是沿道路行驶车道14行驶的车辆12的图示10，其中车辆12包括路径处理系统16，其识别车辆12相对于车道14的位置并提高车辆转向指令以使车辆12以如在此概括或具体讨论的任何适当的方式保持在行驶车道14中。系统16用于表示所有的执行或操作各种在此讨论的算法和方法所必需的各种模块、控制器、存储器、中央处理器(cpu)、处理器、电子控制单元(ecu)等。车辆12还包括地图数据库20、导航系统22、gps单元24、传感器/检测器26、车辆动力学模块28和车辆控制器30。地图数据库20存储可用的任何细节层次的地图信息，包括关于行驶车道的具体信息，并结合导航系统22运行以显示各种地图以及其他可用的信息。传感器/检测器26用于表示车辆12上的任何和所有物体检测传感器或摄像头，比如，前、后和侧方摄像头、倒车摄像头、激光雷达传感器、远程雷达检测器、近程雷达检测器等，其位于车辆12上任何适当的位置。对于在此所描述的目的，传感器/检测器26检测车道标线和其他标识车道14的合适物体，其可被系统16使用以提供适当的转向。车辆动力学模块28提供车辆纵向和横向速度、车辆横摆角速度、车辆纵向和横向加速度、转向角度、转向扭矩等。车辆控制器30控制车辆12的操作，包括转向、刹车、油门等。对于转向目的，车辆控制器30可向转向控制致动器32提供在期望路线和预测路线之间进行校正的扭矩指令和/或转向角度指令，转向控制致动器32提供电动助力转向(eps)、主动前轮转向(afs)、主动后轮转向(ars)、差动制动(db)、扭矩矢量分配等，这些都是本领域技术人员所熟知的。

图2是由路径处理系统16确定的为车辆控制器30提供转向控制指令的方法的流程图40.在框42，生成用于模型预测控制(mpc)的车辆动力学数学模型，其是通过运动方程提供的动力学车辆模型并可采用与前轮转向、后轮转向、和/或差动制动相结合的单轨线性自行车模型，以及使用eps的单自由度转向柱。这种使用mpc的车辆转向控制可见于一个或多个上面所讨论的参考文献中。如将在下面详细讨论的，单轨线性自行车模型提供四个维度或参数，即，车辆重心(cg)与车道14的横向偏移量δy、车辆航向角误差δψ、车辆横向速度vy和车辆横摆角速度r，而单自由度转向柱模型则提供另外两个维度或参数，即，方向盘转角(或小齿轮角度)和方向盘转角转速

在一个实施例中，所述模型是六维模型，其包括单轨自行车模型和单自由度转向柱模型的组合。在图3中，图示50示出了单轨线性自行车模型，其包括车轮52和54、车辆重心58和道路56，且其描述了相对于道路56的车道标线的车辆位置并阐明了符号法则。车辆运动状态空间模型包括如下定义车辆12与道路56的关系的方程：

而单轨道经典自行车模型为：

其中δy为车辆重心与车道的横向偏移量(车道偏移量)，δψ为相对于车道的车辆方位(车道方位)、vy为车辆横向速度，r为车辆横摆角速度，vx为车辆纵向速度，cf和cr分别为前后桥的侧偏刚度，a为车辆重心至车辆前桥的距离，b为车辆重心至车辆后桥的距离，m为车辆12的质量，iz为车辆12的惯性横摆力矩，χ为路径曲率，以及δf为前车轮角度。

假设前后桥横向力ff和fr是横向滑移角的线性函数：

ff＝cfαf，(5)

fr＝crαr，(6)

其中αf和αr分别为前后滑移角，并且其中：

所述数学模型采用取决于eps是使用eps角度接口还是eps扭矩接口而确定的状态变量x，其中在eps角度接口情况下采用了车道位置动力学和自行车模型，在eps扭矩接口情况下则采用了车道位置动力学、自行车模型和转向柱模型。可为eps提供转矩重叠指令以不依赖于驾驶员转向输入而对转向系统增加或减去任一方向上的扭矩。而且，对于角度接口，eps致动器能够除了驾驶员提供的转向角度之外再增加或减去转向角度，或不依赖于驾驶员而提供转向角度。角度接口实施例的状态变量x由下式定义：

x＝[δy,δψ,vy,r]^t，(9)

而扭矩接口实施例的状态变量x则由下式定义：

状态变量x的更换或导数定义为：

其中u为转向控制变量，比如总eps扭矩的转向控制、后轮转向角度、差动制动等，且对于角度接口其为角度而对于扭矩接口其为扭矩，并且其中在前轮转向、差动制动和后轮转向结合的情况下，对于角度接口控制变量u为前轮转向角度、差动制动和后轮转向角度，而对于扭矩接口则为前轮扭矩、横摆力矩和后轮转向角度，以及h为定义道路曲率、倾斜度和坡度的道路扰动系数，其对于角度接口实施例来说为：

而对于扭矩接口实施例来说则为：

其中k为道路曲率，γ为路面倾斜度以及β为路面坡度，并且其中控制矩阵a和b具有如下形式：

应注意，方程(15)中的矩阵b取决于设置为可用的转向致动器的不同会有不同的形式，其中该矩阵中的每一列都定义一个转向致动器控制输入。在上面给出的示例中，矩阵b有一列，车辆12只有前eps。如果车辆12具有前后轮转向致动器，则矩阵b会有两列，如果车辆具有前轮转向和差动制动，则矩阵b也会有两列，而如果车辆12具有三个用于前后轮转向以及差动制动的致动器，则矩阵b会有三列。还应注意，不同于在’528申请中系数h是定义为已知扰动的曲率项，系数h是在此定义的倾斜度、坡度和曲率的路面扰动，其由摄像头、地图数据库20等提供。

一旦提供了该模型，在框44算法识别转向控制目标，该控制目标是最小化车辆重心(cg)与规划或期望路径的偏差以提供校正后的转向。本领域中已知有许多算法用于定义期望的转向路径以避免碰撞。如将在下面详细讨论的，转向控制目标获取最小化二次型成本函数j的控制变量u。车辆12的在任何时刻k的规划路径(或参考轨迹)是一组点rk+j，j＝1，2，......，p。每个点rk+j都是二维向量，其包括车辆重心的车道横向位置，且相对于车辆航向角δψ。设置点的数量由预测时域tp＝pts推动，其中ts是采样时间。数学模型的未来输出应遵循参考轨迹rk+j，也就是说，与误差yk+j-rk+j，j＝1、2……p)相关的成本函数j应从车道中其路径来看是最小化了的。

由于采样时间k的状态变量xk是已知的，求得最优转向控制变量uk的问题缩小至求得控制变量uk中的二次函数j的全局最小值。这一问题可用标准二次规划方式来解决。对如何最小化成本函数j的详细讨论可见于’528申请，其中成本函数j定义为：

其中y误差为横向偏移误差(y期望-y预测)，为航向角误差以及q(t)为预测误差的转弯加权矩阵，表示如下：

其中q横向为与横向误差(输出)相关的权重，q航向为与航向误差(输出)相关的权重，以及r(t)为控制动作的加权矩阵，表示如下：

其中r前为与前轮转向(控制器的输入)相关的权重，r后为与后轮转向(控制器的输入)相关的权重，以及rdb为与差动制动(控制输入)相关的权重。

在框46，算法使用所确定的道路的未来曲率、倾斜度和坡度信息通过解决上面所讨论的方程(22)的成本函数j来计算转向控制变量u的前馈部分。算法使用mpc或最优线性二次型(lq)调节器来确定前角度重叠或前扭矩重叠、后轮转向角度、横摆力矩中的一个或多个的最优控制变量u以用于差动制动和/或扭矩矢量分配。该算法首先确定针对道路的当前水平曲率、倾斜度和坡度进行车辆12平稳运动的状态变量x以及转向控制变量u，其中平稳运动是车辆12将以恒定的速度vy、横摆角速度和横向速度vy行驶的圆周运动，即，道路近似为圆形轨道。车辆12的动态运动由方程(11)来定义，并且通过将状态x设为0，车辆12的稳态即平稳运动可如下定义：

axss+buss+hss＝0，(25)

其中稳态变量xss和uss可使用数学模型通过分析得到或可通过实验测量，并且其中圆周运动的平稳值可如下定义：

δy＝0，(26)

δψ＝-vy/vx，(27)

r＝κvx，(29)

其中l为车辆轴距，其等于a+b，kus为车辆不足转向梯度，以及sr为转向速比，并且其中其他变量如上面所定义。

一旦已得出稳态变量xss和uss，再引入描述车辆12的动态运动与稳态运动的偏差的新状态变量x1和u1，该偏差与稳态相反已被线性化，其中与稳态的偏差定义为：

x1＝x-xss，(32)

u1＝u-uss，(33)

并且其中对于实际的路面几何形状，速度vx，横摆角速度r和横向速度vy可变的动态运动定义为如下：

其中

可借助于图4来描述这种车辆12的动态运动与稳态运动的偏差的状态和控制变量x和u之间的转换，图4是表示车辆12跟随的行驶车道的弯道62的图示60，其中采样点66为车辆12的当前位置并具有道路当前的曲率、倾斜度和坡度的扰动系数h(t)，其中t为时间。在车辆12沿弯道62的未来位置的采样点64的道路曲率、倾斜度和坡度定义为h(t+τ)，h(t+2τ)，……，h(t+nτ)，其中τ为时间变化。针对新的扰动系数h1，状态和控制变量x和u在线条68示出的每个采样点64都转换为x1和u1。

然后，采用mpc或lq控制算法，其使用带新的状态和控制变量x1和u1项的方程。提供如下的转向控制变量uk的最后表达式，其中最后的控制动作是反馈和前馈项之和，并且其中前馈项是稳态控制值和规划路径相关项之和，以考虑道路曲率，倾斜度和/或坡度。因此，转向控制变量u定义为：

其中：

是控制变量uk的反馈项，和：

是控制变量uk的前馈项，和：

是未来曲率、倾斜度和坡度信息，以及：

kkxss+uss，(39)

是当前稳态曲率、倾斜度和坡度信息。

在框48，算法向控制器30提供转向指令用以进行前轮或后轮转向，其可以是用于eps的扭矩重叠指令。

本领域技术人员应理解，为了说明本发明而在此讨论的若干不同的步骤和方法可指的是由利用电学现象来操作和/或转换数据的计算机、处理器或其他电子计算装置执行的操作。这些计算机和电子装置可采用各种易失性和/或非易失性存储器，包括非暂时性计算机可读介质，在该介质上存储有包括各种能够被计算机和处理器执行的代码或可执行指令的可执行程序，其中存储器和/或计算机可读介质可包括各种形式和类型的存储器以及其他计算机可读媒介。

以上讨论公开和描述了本发明的仅作为示例的实施例。本领域技术人员易于从这些讨论以及从附图和权利要求书中认识到，在不脱离本发明的在以下权利要求书中限定的精神和范围的情况下，在此可进行各种变化、修改和变型。