[發明專利]一種無人車控制方法及裝置

有效

• 申請號: 202010975140.6
• 申請日: 2020-09-16
• 公開（公告）號: CN111930015B
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 王志超;顏詩濤;張曉飛;許笑寒;趙博林;張楊宇;田潤;陳鴻帥;任冬淳;樊明宇;夏華夏
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 北京曼威知識產權代理有限公司 11709
• 代理人: 方志煒

1.一種無人車控制方法，其特征在于，包括：

確定各歷史時刻的控制量；

將確定出的至少部分歷史時刻的控制量作為輸入，依次輸入預先訓練的預測神經網絡模型，得到上一時刻所述無人車的狀態估計值；

將所述上一時刻的控制量以及所述狀態估計值作為輸入，輸入預先訓練的動力學模型，預測得到當前時刻所述無人車的預測狀態；

根據所述歷史時刻中指定的歷史時刻的控制量以及所述指定的歷史時刻的真實狀態作為輸入，輸入所述動力學模型，將得到的預測結果作為上一時刻的預測狀態，并根據上一時刻所述無人車的真實狀態與所述上一時刻的預測狀態，確定所述動力學模型的預測誤差；

根據當前時刻所述無人車的預測狀態以及所述預測誤差，確定所述無人車當前時刻的狀態校正值；

根據預先規劃得到的待預測時段內無人車的參考軌跡以及所述狀態校正值，確定當前時刻所述無人車的控制量，并根據所述控制量控制所述無人車行駛。

2.如權利要求1所述的方法，其特征在于，確定各歷史時刻的控制量，具體包括：

根據監測器監測到的所述無人車的執行器執行的動作，以及各歷史時刻向所述執行器發送的控制量，確定與當前所述執行的動作匹配的控制量；

根據所述匹配的控制量，確定當前時刻所述無人車的時滯時長；

確定當前時刻之前所述時滯時長內各歷史時刻的控制量。

3.如權利要求2所述的方法，其特征在于，根據監測器監測到的所述無人車的執行器執行的動作，以及各歷史時刻向所述執行器發送的控制量，確定與當前所述執行的動作匹配的控制量之前，所述方法還包括：

根據預設的更新頻率，判斷當前時刻是否需要更新時滯時長；

若是，則獲取監測器監測到的所述無人車的執行器執行的動作；

若否，則根據上一時刻采用的時滯時長，確定當前時刻之前各歷史時刻的控制量。

4.如權利要求1所述的方法，其特征在于，將確定出的各控制量作為輸入，輸入預先訓練的預測神經網絡模型，得到上一時刻所述無人車的狀態估計值，具體包括：

按照時間順序，將確定出的各歷史時刻中上一時刻之前的各歷史時刻的控制量，依次輸入所述預測神經網絡模型，得到上一時刻所述無人車的狀態估計值。

5.如權利要求1所述的方法，其特征在于，根據所述歷史時刻中指定的歷史時刻的控制量以及所述指定的歷史時刻的真實狀態作為輸入，輸入所述動力學模型，將得到的預測結果作為上一時刻的預測狀態，并根據上一時刻所述無人車的真實狀態與所述上一時刻的預測狀態，確定所述動力學模型的預測誤差，具體包括：

根據輸入所述預測神經網絡模型的控制量對應的各歷史時刻之前最近一個歷史時刻的控制量以及真實狀態，作為輸入，輸入所述動力學模型，確定輸入所述預測神經網絡模型的控制量對應的各歷史時刻中最早的歷史時刻所述無人車的預測狀態，作為上一時刻的預測狀態；

根據監測器監測到的輸入所述預測神經網絡模型的控制量對應的各歷史時刻之前最近一個歷史時刻的真實狀態與所述上一時刻的預測狀態的差，確定所述動力學模型的預測誤差。

6.如權利要求5所述的方法，其特征在于，根據輸入所述預測神經網絡模型的控制量對應的各歷史時刻之前最近一個歷史時刻的控制量以及真實狀態，作為輸入，輸入所述動力學模型，確定輸入所述預測神經網絡模型的控制量對應的各歷史時刻中最早的歷史時刻所述無人車的預測狀態，作為上一時刻的預測狀態之前，所述方法還包括：

根據監測器監測到的所述無人車的執行器執行的動作，以及各歷史時刻向所述執行器發送的控制量，確定與當前所述執行的動作匹配的控制量；

根據所述匹配的控制量，確定當前時刻所述無人車的時滯時長；

確定所述時滯時長之前最近的一個歷史時刻的控制量，作為輸入所述預測神經網絡模型的各歷史時刻之前最近一個歷史時刻的控制量，確定所述時滯時長之前最近的一個歷史時刻的所述無人車的真實狀態，作為輸入所述預測神經網絡模型的各歷史時刻之前最近一個歷史時刻的真實狀態。

7.如權利要求1~6任一所述的方法，其特征在于，所述預測狀態至少包括所述無人車的坐標。