[發(fā)明專利]一種車輛跟車控制方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011479872.2
• 申請(qǐng)日: 2020-12-15
• 公開（公告）號(hào): CN112572436A
• 公開（公告）日: 2021-03-30
• 發(fā)明（設(shè)計(jì)）人: 王震坡;張雷;劉濟(jì)錚
• 申請(qǐng)（專利權(quán)）人: 北京理工大學(xué);北京理工新源信息科技有限公司
• 主分類號(hào): B60W30/165
• 分類號(hào): B60W30/165
• 代理公司: 北京高沃律師事務(wù)所 11569
• 代理人: 王愛濤

本發(fā)明涉及一種車輛跟車控制方法及系統(tǒng)，該方法包括：獲取前車的運(yùn)動(dòng)狀態(tài)序列；根據(jù)所述前車的運(yùn)動(dòng)狀態(tài)序列確定被控車輛與前車的跟蹤距離誤差和被控車輛與前車的速度誤差；根據(jù)被控車輛與前車的跟蹤距離誤差、被控車輛與前車的速度誤差和被控車輛的縱向加速度確定所述被控車輛的縱向目標(biāo)加速度；根據(jù)所述前車的運(yùn)動(dòng)狀態(tài)序列確定被控車輛的跟蹤目標(biāo)點(diǎn)；根據(jù)所述跟蹤目標(biāo)點(diǎn)建立被控車輛的側(cè)向動(dòng)力學(xué)方程；根據(jù)所述被控車輛的側(cè)向動(dòng)力學(xué)方程確定被控車輛的誤差模型；根據(jù)所述被控車輛的誤差模型確定所述被控車輛的方向盤轉(zhuǎn)角。本發(fā)明降低了通信延遲和丟包的影響，提高了車輛跟車的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及車輛跟蹤技術(shù)領(lǐng)域，特別是涉及一種車輛跟車控制方法及系統(tǒng)。

背景技術(shù)

隨著車載技術(shù)，包括通信技術(shù)、傳感器技術(shù)和控制技術(shù)等的發(fā)展，智能網(wǎng)聯(lián)汽車引起了汽車行業(yè)廣泛的關(guān)注。在車聯(lián)網(wǎng)的通信環(huán)境中，智能網(wǎng)聯(lián)汽車可以從其他網(wǎng)聯(lián)車輛和固定基站獲取更多的參考信息，從而提高智能網(wǎng)聯(lián)汽車的穩(wěn)定性、節(jié)能性和通行性能。

軌跡跟蹤控制是智能車輛實(shí)現(xiàn)自動(dòng)駕駛的關(guān)鍵技術(shù)之一，它的目標(biāo)是根據(jù)上層控制器規(guī)劃的軌跡和車輛的實(shí)時(shí)狀態(tài)信息生成車輛實(shí)時(shí)控制量，如前輪轉(zhuǎn)角、驅(qū)動(dòng)力/制動(dòng)力等，以保證車輛能夠按照期望的軌跡行駛。常見的控制算法有PID(Proportion IntegralDifferential，比例積分微分)、LQR(linear quadratic regulator，線性二次調(diào)節(jié)器)、滑模、純跟蹤控制等。但上述方法普遍存在著對(duì)參數(shù)及環(huán)境依賴程度較高的問題，一旦環(huán)境發(fā)生變化往往導(dǎo)致跟蹤控制效果惡化。

現(xiàn)有技術(shù)方案的說明；

方案1：專利CN109978909A提出了一種智能車輛跟蹤方法及其系統(tǒng)。該方法設(shè)定車輛檢測(cè)區(qū)域和車輛跟蹤區(qū)域；在所述車輛檢測(cè)區(qū)域內(nèi)，利用方向梯度直方圖HOG檢測(cè)模式和支持向量機(jī)SVM檢測(cè)模式檢測(cè)車輛；在所述車輛跟蹤區(qū)域內(nèi)，利用圖像金字塔光流跟蹤模式對(duì)檢測(cè)到的車輛進(jìn)行跟蹤，生成所述車輛的跟蹤軌跡；在本發(fā)明中，在車輛跟蹤區(qū)域內(nèi)，利用圖像金字塔光流跟蹤模式對(duì)檢測(cè)到的車輛進(jìn)行跟蹤，生成所述車輛的跟蹤軌跡。

方案2：專利CN106228805B提出了一種交互式多車輛跟蹤方法及裝置。其基本原理是：S1.建立多車輛交互的車輛跟蹤模型；S2.利用傳感器分別獲取每個(gè)待跟蹤車輛在第k時(shí)刻的測(cè)量信息；其中，一個(gè)傳感器對(duì)應(yīng)一個(gè)待跟蹤車輛；S3.根據(jù)步驟S2獲取的測(cè)量信息，以及步驟S1建立的車輛跟蹤模型，利用非擴(kuò)維方法估計(jì)待跟蹤車輛的運(yùn)動(dòng)狀態(tài)參數(shù)，實(shí)現(xiàn)對(duì)待跟蹤車輛的跟蹤。

方案3：專利CN103871079B提出了一種基于機(jī)器學(xué)習(xí)和光流的車輛跟蹤方法。其基本原理是：一次性離線訓(xùn)練得到車輛模型，用此車輛模型在視頻流中實(shí)時(shí)檢測(cè)車輛團(tuán)塊Blob，并對(duì)每個(gè)車輛團(tuán)塊Blob計(jì)算特征點(diǎn)集進(jìn)行雙向金字塔光流跟蹤，通過對(duì)前向和反向的光流跟蹤結(jié)果進(jìn)行分析過濾，實(shí)現(xiàn)對(duì)多目標(biāo)的穩(wěn)定精確跟蹤，形成車輛軌跡，實(shí)現(xiàn)對(duì)多目標(biāo)的穩(wěn)定精確跟蹤，如場(chǎng)景中車輛長(zhǎng)期停留、尺度變化、陰影、局部遮擋、粘連等；特別對(duì)于惡劣天氣、低照度、高噪點(diǎn)也有較好結(jié)果。

方案4：專利CN109979222A提出了一種智能車輛跟蹤調(diào)度方法及其系統(tǒng)。其基本原理是：獲取任務(wù)配送信息；調(diào)用地圖信息模塊的道路坐標(biāo)信息；通過自適應(yīng)蟻群算法計(jì)算得到最優(yōu)配送路徑信息；將最優(yōu)配送路徑信息經(jīng)Zigbee協(xié)調(diào)控制器發(fā)送給終端節(jié)點(diǎn)；本發(fā)明通過獲取任務(wù)配送起點(diǎn)地址信息、終點(diǎn)地址信息，再調(diào)用地圖信息模塊的道路坐標(biāo)信息；然后通過自適應(yīng)蟻群算法計(jì)算得到從配送任務(wù)的起點(diǎn)到終點(diǎn)的最優(yōu)配送路徑信息；最后將最優(yōu)配送路徑信息經(jīng)Zigbee協(xié)調(diào)控制器發(fā)送給終端節(jié)點(diǎn)，攜帶有終端節(jié)點(diǎn)的車輛按照最優(yōu)配送路徑進(jìn)行配送任務(wù)。

針對(duì)方案1：方案1單純視覺傳感器獲取前方車輛的圖像信息，利用方向梯度直方圖HOG檢測(cè)模式和支持向量機(jī)SVM檢測(cè)車輛，利用圖像金字塔光流跟蹤模式，對(duì)檢測(cè)到的車輛進(jìn)行跟蹤。在短距離跟車狀態(tài)下，僅依靠視覺傳感器難以獲取足夠的前方車輛信息。此外，基于視覺傳感器的跟蹤方式不依靠車輛動(dòng)力學(xué)模型，難以保證車輛跟蹤的全局可靠性，易出現(xiàn)失控情況。