[发明专利]无人车辆的载荷轨迹跟踪方法和装置

说明书

本发明提供了无人车辆的载荷轨迹跟踪方法和装置，包括：获取无人车辆的参数信息和阿克曼运动学模型；根据参数信息计算当前时刻的车身载荷总质量；根据当前时刻的车身载荷总质量计算平均载荷质量；根据阿克曼运动学模型构建车辆运动学模型；在不同的前轮转角条件下，根据车辆运动学模型计算n个控制周期内无人车辆的位置信息和朝向信息；根据n个控制周期内无人车辆的位置信息和朝向信息，确定前轮转角控制量；通过分析无人车辆的参数信息，实时动态估算车辆载荷；通过构建车辆运动学模型，在保证车辆快速实现轨迹跟踪的情况下，大大降低控制的计算复杂度。

技术领域

本发明涉及无人驾驶技术领域，尤其是涉及无人车辆的载荷轨迹跟踪方法和装置。

背景技术

无人驾驶技术主要包含感知、定位、规划和控制，其中，车辆控制是无人驾驶技术的核心技术之一。

在无人驾驶应用场景中，商用物流车有着广阔的市场需求和发展前景。商用车整车质量大，满载与空载的整车质量变化可以达到500％，其载荷以及行驶坡度的变化对整车横纵向有很大的影响。

由于无人车辆的定位信息包含有精确度较高的坡度信息，横纵向控制算法可以直接读取此信息。但是，大型商用物流车除去车身质量外，其载荷并不是固定的，且很难做到实时动态测量车辆载荷。

对于无人车辆的驾驶轨迹跟踪，通常采用MPC(Model Predictive Control，模型预测控制)算法，MPC算法可以根据系统当前时刻的状态量以及控制输入量，预测出未来一段时间系统的状态量，参考期望的控制效果，实时求解出最优的控制变量。但是，MPC算法在线优化的过程中，计算过程过于复杂，会导致控制实时性较差。

发明内容

有鉴于此，本发明的目的在于提供无人车辆的载荷轨迹跟踪方法和装置，通过分析无人车辆的参数信息，实时动态估算车辆载荷；通过构建车辆运动学模型，在保证车辆快速实现轨迹跟踪的情况下，大大降低控制的计算复杂度。

第一方面，本发明实施例提供了无人车辆的载荷轨迹跟踪方法，所述方法包括：

获取无人车辆的参数信息和阿克曼运动学模型；

根据所述参数信息计算当前时刻的车身载荷总质量；

根据所述当前时刻的车身载荷总质量计算平均载荷质量；

根据所述阿克曼运动学模型构建车辆运动学模型；

在不同的前轮转角条件下，根据所述车辆运动学模型计算n个控制周期内所述无人车辆的位置信息和朝向信息，其中，n为正整数；

根据所述n个控制周期内所述无人车辆的位置信息和所述朝向信息，确定前轮转角控制量。

进一步的，所述无人车辆的参数信息包括预存参数信息、车身状态信息和车辆传输信息；所述预存参数信息至少包括车轮半径比上总齿轮比、气动阻尼系数、空气密度、车辆迎风面积、重力加速度、摩擦系数和所述无人车辆的自身质量；所述车身状态信息至少包括行驶速度、加速度和纵向倾角；所述车辆传输信息至少包括发动机的输出扭矩、所述发动机曲轴的旋转角速度的加速度和所述无人车辆刹车时产生的作用于车轮的摩擦力。

进一步的，所述根据所述当前时刻的车身载荷总质量计算平均载荷质量，包括：

根据所述当前时刻的车身载荷总质量计算每个设定周期频率对应的载荷质量；

对所述每个设定周期频率对应的载荷质量求平均，得到所述平均载荷质量。

进一步的，所述根据所述阿克曼运动学模型构建车辆运动学模型，包括：

根据所述阿克曼运动学模型得到所述前轮转角与所述无人车辆转弯半径的关系；

获取所述无人车辆的当前位置、当前朝向和当前速度；