设计基于摄像头的自动转向控制器，用于汽车行驶中的横向辅助控制外文翻译资料

设计基于摄像头的自动转向控制器，用于汽车行驶中的横向辅助控制

Bi-Cheng Luan and Yeh Linensp;Hua-chuang Automobile Information Technical Center Co.

Citation: Luan, B.-C. and Lin, Y., “Design an Automatic Steering Controller with a Camera-Based System for Lateral Assistance Control in Car Driving,” SAE Technical Paper 2018-01-0760, 2018, doi:10.4271/2018-01-0760.

摘要：

本文介绍了一种基于目标和控制驾驶员转向模型的自动转向控制器。 利用图像传感器提供的道路信息，该结构表明驾驶员使用PID型控制器，其超前距离和反馈增益取决于车速。 通过这些简单的收益，车辆可以在车辆横向动力学控制中表现出色。 驾驶员没有按照传统的轨迹规划概念来规划和遵循期望的路径，而是使用下一个车道中心作为目标点来生成用于转向控制的车辆角度误差。 这种新颖的目标和控制驾驶员模型捕获了驾驶员的关键转向机制。 首先使用CarSim仿真在环模（MIL）测试下对自动转向控制器进行了仿真。 仿真结果表明，横向偏移比典型驾驶员模型要小。 顺便说一句，结果表明控制器取得了良好的性能，并且使用目标点作为输入参考具有比传统路线跟踪控制方法更多的优势。

介绍：

交通事故的主要原因是与驾驶员相关的问题[1]，例如错误判断道路状况，违反交通规则，无能的精神状态等。根据联邦公路管理局的统计数据[2]，道路偏离撞车被定义为撞车事故。 在车辆越过边缘线或中心线或以其他方式离开行进路线后发生。 从2013年到2015年，行车道偏离致死的平均人数为18,275，占美国所有交通死亡人数的54％。 为了减少与交通事故有关的人为因素，许多研究机构已经对这些问题进行了研究以提高车辆的安全性。 高级驾驶员辅助系统（ADAS）是旨在帮助驾驶员提高驾驶安全性的主要解决方案之一。 通过集成感测，通信和控制，ADAS可以提供​​自主控制动作，以帮助驾驶员避免事故并减轻驾驶负担。

汽车驾驶涉及三个层次的认知工作，所有这些工作必须连续进行[3]。 首先，它要求驾驶员具有通向目的地的整体完整路线的寻路知识。 其次，驾驶员必须在当地环境中驾驶汽车。 第三，他们必须使用转向装置使汽车保持在车道上稳定。 驾驶员在严格的控制周期中行动，在此过程中，他们不断感知环境，解释当前情况并执行最合适的操作来控制汽车。

由于主动转向控制会产生类似于驾驶员行为的转向动作，因此本文还将讨论横向驾驶员模型。 驾驶员模型的特征包含前方道路的预览信息，因此驾驶员能够根据假定的车辆动力学计划所需的路径并预测未来的路径。 MacAdam [4]提出的最佳预览控制模型是基于具有驾驶员延迟和预测的策略，以控制预览时间的横向偏差。 该策略已在换道实验中进行了测试，结果频率响应表明驾驶员模型满足交叉模型原理。 文献[5]提出了一种有限的预览最优控制，用于在预测距离内使用自行车模型和道路信息进行轨迹跟踪。 使用当前横向位移误差和方向误差计算反馈控制。 使用预览的道路信息来计算前馈控制输入。[6]提出了一种基于自行车模型和前向横向位移误差的车道保持辅助系统的模型预测控制。 [7]使用偏航率参考控制作为外部控制回路的输入，该控制系统是通过对横向偏移使用比例积分微分（PID）控制来设计的，以抑制曲率随时间线性增加的干扰。 BMW 5系也考虑了该政策。 [8]在实验的基础上讨论了三种不同的反馈控制策略的优缺点：H-无穷大，自适应控制，模糊控制和侧向控制的PID控制。 [9]实现了一种控制器，该控制器允许系统通过计算横向偏差和反馈控制的变化率来消除稳态跟踪误差。

关于视觉传感器的横向控制策略。 [10]分析了由摄像头，雷达等组成的超前系统。这种较早的方法通过车辆偏航率反馈来确定超前距离，以实现更好的车道跟踪控制。 [11]设计了一种超前滞后控制器，带有电荷耦合器件（CCD）摄像机，用于行车道跟踪控制。 文献[12]使用基于相机的系统获得了超前距离，并构造了从当前位置到目标位置的弧形路径或S形路径。 使用根据轴距和道路曲率的阿克曼公式，计算了转向角，并通过电动机控制了车辆的行驶路线。 [13]通过使用雷达和摄像机获得了超前偏移量（超前点与参考线之间的距离）。 结果表明，在合理逼近下，在理想车道跟踪中，转向角与超前偏移的比值与曲线半径无关。 该比率是根据车速和其他车辆参数计算得出的，并且设计了恒定控制器以在稳态下实现该比率。 更具体地说，给出一定范围的纵向速度，存在足够大的超前距离，以确保该速度范围内所有速度的闭环稳定性。

如图1所示，基于自动转向控制器的目标与控制（T＆C）驱动器模型是为横向辅助控制而设计的。 摄像机检测到车道标记后，图像进度将计算并导出车道信息作为三阶多项式参数。 根据当前的车辆动力学状态（例如速度和偏航角速度或转向角）和用于道路表示的3阶多项式，T＆C模型确定转向角（速度）命令。 这种方法产生的转向角消除了横向偏差的跟踪误差。

另外，本文提出的控制结构很容易通过调整预览目标点来开发横向辅助功能（例如车道跟随辅助（LFA），车道保持辅助（LKA）和自动车道变更（ALC））。 车道跟随是指根据车道标记以及车道的方向，及时调整方向盘，以使车辆在车道中部行驶。 LKA的设计旨在在车辆无意中离开其车道并且存在驶离道路或驶入对面车道的风险时，降低发生事故的风险。 当启用转向指示灯（左/右）时，启用ALC功能，车辆将自行进入车道。

控制器设计：

基于来自双车道变更演习的实验数据。 文献[14]表明，驾驶者最有可能使用沿车道中心线定位的移动目标点作为控制参考，而不是专门规划要遵循的轨迹。 此外，他们还报告了转向“命令”是基于转向率而不是转向角的。 利用这两个特性，我们引入了T＆C驾驶员模型，如图2和3所示。如图2所示，对于t0秒处行驶的车辆，我们定义

1. C点：车辆中心重心的当前位置 作为道路坐标上的Vt0（Xr，Yr）;

2. A：车辆以相同的速度在Delta;t秒内以相同的前进角theta;r行驶后的下一个位置，其中AC称为超前距离d；

3. B：车辆在Delta;t秒后以相同的横摆率行驶时的预测位置Vt0 Delta;t（xr，yr），其中距离BC与AC相同，偏角为beta;

4. T：预览目标位置Tt0 向前距离d处的Delta;t（XT，YT）;

5. O：如果保持当前的横摆率和速度，则对应于车辆轨迹的曲线中心，其中R是曲线的半径。

通过假定曲率半径R远大于前瞻距离d，则从当前位置C行驶到点B时的路线距离然后近似于直线距离BC为d。 因此，可以将前瞻距离，曲率半径和角度beta;之间的关系定义为等式（1）。 根据T＆C模型，实际的车辆前进角theta;v是角度beta;和前进角的总和，如式（2）所示。

当点B可以与点T匹配时，即车辆位置最终在Delta;t秒内达到目标位置，如图3所示，实际车辆前进角theta;v变为所需的前进角。 否则，它会产生偏差误差，如式（3）所示，在T＆C模型中也称为目标角度误差theta;e。

(1)

(2)

(3)

根据T＆C模型，驾驶员不会直接识别出准确的所需转向角，而是根据目标角度误差确定方向和所需的转向速度。 因此，转向速度指令与目标角度误差之间的比例关系（在本文中称为转向控制增益）可以定义为公式（4），其中d c和k分别代表转向速度指令和控制增益。

(4)

当R远大于d时，预览目标T与当前车辆位置之间的关系如下所示：

假设和为小角度； cos（）asymp;1，sin（）asymp;，cos（）asymp;1，

sin（）asymp;。 然后可以将等式（5）线性化为等式（6）。 如果我们进一步忽略高阶项（例如等），并将曲率半径R替换为v /omega;，则方程式（6）将简化为方程式（7）。

等式（8）表示目标点T处道路中心的“横向偏差”，其中期望的道路曲率为rho;road＝ 1 / RroadwhileRoundd。 通过组合方程式（7）和（8），目标角度误差和转向率命令分别显示在方程式（10）和（11）中。

然后将闭环T＆C驾驶员模型构建为图4所示的框图，其中Ga，Gv，v，delta;c和delta;代表转向执行器，车辆动力学模型，纵向速度，转向角指令（从 （转向率）和转向角测量。 图5显示了此T＆C驱动程序模型的几何关系。 我们进一步假设摄像机位于车辆重心处，并且车辆坐标与摄像机的坐标相同。 当车辆保持其当前横摆率omega;和速度v并以向前的距离d到达预览点时，总航向角变化theta;v可以表示为：

此外，目标点的相应道路角度显示为：

其中YT是目标在中心线上的横向偏差。 从图5中可以看出，theta;R还表示车辆驶入角度，横向偏差和t0秒处的超前距离的组合。

因此，我们将目标角度误差作为要由转向控制器调节的预测误差：

当theta;e为零时，意味着车辆将在Delta;t秒后接近目标点以进行车道居中，而无需更改转向指令。

根据T＆C模型，驾驶员转向率与目标角度误差成正比。 车道跟随控制器将目标角度误差乘以控制增益k，并且可以将最终的转向率指令进一步集成为用于调节EPS系统的转向角指令。

在基于T＆C模型的闭环控制系统中，如公式（15）所示，通过使用当前速度和偏航率来获得航向角theta;V。 然而，基于自行车模型，偏航率从转向角呈现出两极一零的开环动力学。 因此，T＆C系统的稳定性还受到转向角和横摆率之间的相位差的影响。

为了提高系统稳定性，让我们首先对经验丰富的驾驶员的驾驶行为进行想象。 他/她通常直接根据当前转向动作所预测的预览位置来决定当前转向角，而不是等待用于车辆预测的偏航率反馈。 因此，我们将速度和偏航率的计算替换为速度和转向角delta;进行预测（如图6所示），在本文中称为闭环T＆C 驱动程序模型。 车辆的预测位置直接由前轮转向角估算。 这种修改不仅减小了相位差，从而提高了系统稳定性，而且在实践中避免了低成本偏航率传感器的噪声影响。 然而，在真实车辆模型中，转向角与横摆率之间的关系应如公式（15）所述，其中Gv（0）是前轮角与横摆率之间的直流增益。 以L为轴距，Gv（0）也会在低速下近似Ackermann转向方程，如公式（16）所示。

一旦建立了控制器模型，就可以使用它为所有可能的速度（v）的预定范围的前瞻距离（d）和反馈增益计算出闭环极点的位置。 下一步是通过根据规定的性能标准检查所得极点位置，确定每种速度的最佳对反馈增益和超前距离。 这些标准包括增益裕度，相位裕度，主导极的最小阻尼，以及基于速度和道路半径的理论上最大的跟踪误差。 图7显示了为控制增益（k）和超前距离（d）选择的结果“最佳”对。

仿真结果:

CarSim是一种商业软件包，可用于响应驾驶员的控制来预测车辆性能。 内置的转向控制器模拟驾驶员延迟和预测行为，以在预览时间内控制车辆的横向偏差。 CarSim还用于评估T＆C 驱动程序模型的简单控制器的性能。 使用全局坐标系将道路中心选择为所需的轨迹。 视觉传感器通过曲线拟合和坐标转换进行仿真。 在下面的第一个模拟中，我们将车速设置为30 m / s，预览时间设置为1秒。 在接近弯道时，CarSim中的现有驾驶员模型通过将预测误差优化为将来与期望位置的横向偏差来计算转向角。 T＆C 模型计算转向率，并基于目标角度误差集成到转向角命令中。 如图8所示，与T＆C 模型的横向偏差小于与CarSim驱动程序模型的横向偏差。 换句话说，这种简单明了的T＆C 模型可实现良好的跟踪性能。

结论:

本文描述了开发可捕获单个驾驶员关键转向机制的驾驶员转向模型的过程，我们的发现表明，驾驶员遵循目标和控制方案进行转向控制，而不是在DLC期间进行规划和遵循期望的轨迹。 即，驾驶员根据车道变更时相对于位于下一车道中心的预览目标的目标角度误差来调整转向。 结果表明，该转向控制器在巡航控制下的中线调节方面表现出出色的性能，其中基于简单的前瞻距离增益调度和针对每种车速的控制来计算转向命令。 该控制策略与典型驱动程序具有相同的简单概念，并且可以使用低预算的系统架构来实现。

致谢:

这项研究是由HAITEC的主动安全部门进行的。 作者要感谢Tan Han-Shue Tan博士和控制团队中的每个成员在项目开发过程中进行的富有成果的讨论以及他们对本文若干方面的评论。

参考文献:

1. Wierwille, W.W., Hanowski, R.J., Hankey, J.M., Kieliszewski, C.A.et al., “Identification and Evaluation of Driver Errors: Overview and Recommendations. Federal Highway Administration,” McLean, Virginia, [Online], http://ntl.bts. gov/lib/33000/33700/33774/FHWA-RD-02 003.pdf, August 2002.

2. Federal Highway Administration, https://safety.fhwa.dot. gov/roadway_dept/, U.S. Department o

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[239018]，资料为PDF文档或Word文档，PDF文档可免费转换为Word