[发明专利]构建无人驾驶车辆运动特性模型的方法和装置

说明书

本说明书提供一种构建无人驾驶车辆运动特性模型的方法和装置，包括：获取无人驾驶车辆在控制参量变化的情况下，各个采样时刻的实际状态、实际位置和实际航向；控制参量包括转向角和输出扭矩；采用各个采样时刻的实际状态和转向角，计算获得二自由度单轨动力学模型；采用二自由度单轨动力学模型，获得下一采样时刻对应的计算位置和计算航向；获得对应于一采样时刻的位置偏差和航向偏差；根据各个采样时刻的至少一个控制参量和/或实际状态中的至少一个数据，以及对应的位置偏差和航向偏差构建误差补偿模型；组合二自由度单轨动力学模型和误差补偿模型，构建得到无人驾驶车辆的运动特性模型。前述方法具有计算精度较高，能够满足实时性的要求。

技术领域

本发明涉及自动驾驶技术领域，具体涉及一种构建无人驾驶车辆运动特性模型的方法和装置；此外，本发明还涉及基于前述运动特性模型确定无人驾驶车辆的控制参量的方法和装置。

背景技术

车辆自动驾驶控制技术中，车辆运动特性的准确建模是实现车辆行驶状态精确控制的关键。由于处在行驶状态的无人驾驶车辆为一高度复杂的非线性系统，从理论角度考虑，为了准确模拟车辆运动状态，需要构架复杂的车辆运动特性模型。但是采用过于复杂的运动特性模型时，对无人车辆行驶时的预测控制优化求解极为困难，无法满足车辆实时性控制的需求。

综合以上考虑，目前在车辆运动特性建模时，对无人驾驶车辆系统进行合理地简化，建立诸如单轨动力学模型等简化模型；如前所述，此类简化的模型虽然可以满足实时计算和控制的需求，但在会降低控制精度。

另外，车辆生产商多基于原厂配置的车辆特性设置单轨动力学模型等简化模型的参数，此类参数并不能准确表征车辆实际应用中的配置特性。具体的，单轨动力学模型的转动惯量、质心位置、轮胎刚度和一些环境参数很难符合实际使用车辆中相应的特性；如此，也进一步地造成模型精度的下降。

发明内容

为解决现有的运动特性模型不能兼顾精度和实时性计算的问题，本发明提供一种新的构架无人驾驶车辆运动特性模型的方法和装置，以及基于前述运动特性模型确定无人驾驶车辆的控制参量的方法和装置。

一方面，本说明书提供一种构建无人驾驶车辆运动特性模型的方法，包括：

获取无人驾驶车辆在至少一个控制参量变化的情况下，各个采样时刻的实际状态、实际位置和实际航向；所述控制参量包括转向角和输出扭矩，所述实际状态包括纵向速度、横向速度、横向加速度、横摆角速度和横摆角加速度；

采用各个所述采样时刻的实际状态和转向角，计算二自由度单轨动力学模型的参数，获得二自由度单轨动力学模型；

采用所述二自由度单轨动力学模型，以及一采样时刻的输出扭矩、实际状态、实际位置和实际航向，获得下一采样时刻对应的计算位置和计算航向；

根据所述下一采样时刻的实际位置和计算位置获得对应于所述一采样时刻的位置偏差，以及根据所述下一采样时刻的实际航向和计算航向获得对应于所述一采样时刻的航向偏差；

根据各个采样时刻的至少一个控制参量和/或实际状态中的至少一个数据，以及对应的位置偏差和航向偏差构建误差补偿模型；

组合所述二自由度单轨动力学模型和所述误差补偿模型，构建得到无人驾驶车辆的运动特性模型。

可选的，采用所述二自由度单轨动力学模型，以及一采样时刻的输出扭矩、实际状态、实际位置和实际航向，获得下一采样时刻对应的计算位置和计算航向，包括：

采用所述一采样时刻的转向角，实际状态中的横向速度、纵向速度和横摆角速度，以及所述二自由度单轨动力学模型，获得计算横向加速度和计算横摆角加速度；

采用所述一采样时刻的纵向速度、输出扭矩、横向速度、计算横向加速度和采样时刻的间隔，获得计算位置变化数据；