邱少林 錢(qián)立軍 陸建輝

合肥工業(yè)大學(xué)汽車(chē)與交通工程學(xué)院，合肥，230009

0 引言

近年來(lái)，高級(jí)駕駛輔助系統(tǒng)(advanced driver assistance systems, ADAS)和自動(dòng)駕駛(autonomous driving, AD)技術(shù)一直是學(xué)術(shù)界和工業(yè)界研究和開(kāi)發(fā)的熱點(diǎn)。因?yàn)橐暰嘟嵌群途嚯x誤判的局限性以及停車(chē)位空間的限制，對(duì)駕駛員來(lái)說(shuō)停車(chē)入位任務(wù)并不容易，所以泊車(chē)輔助系統(tǒng)是市場(chǎng)上最為必要的產(chǎn)品之一。幾乎所有商業(yè)化的泊車(chē)輔助系統(tǒng)都基于各種傳感器和基礎(chǔ)設(shè)施，并且具有被動(dòng)安全輔助功能，如在停車(chē)時(shí)警告駕駛員障礙物的存在，即使采用智能泊車(chē)輔助系統(tǒng)(intelligent parking assistance systems, IPAS)等主動(dòng)泊車(chē)輔助系統(tǒng)，泊車(chē)位也需由駕駛員確定。為了提高駕駛員的便利性和停車(chē)場(chǎng)的安全性，自主代客泊車(chē)系統(tǒng)(autonomous valet parking systems, AVPS)已經(jīng)得到了廣泛的研究[1-4]。

AVPS系統(tǒng)的開(kāi)發(fā)主要涉及兩個(gè)重要的研究問(wèn)題：一個(gè)是確定目標(biāo)停車(chē)位和停車(chē)場(chǎng)中已停車(chē)輛的周?chē)h(huán)境；另一個(gè)是生成和跟蹤參考軌跡。通常使用車(chē)載傳感器檢測(cè)周?chē)h(huán)境，如相機(jī)、激光雷達(dá)，而要實(shí)現(xiàn)泊車(chē)過(guò)程中車(chē)輛的準(zhǔn)確定位和環(huán)境信息的正確表達(dá)，目前車(chē)載傳感器的性能尚未達(dá)到令人滿(mǎn)意的水平，故關(guān)于車(chē)輛定位的研究都集中在基于地圖輔助的自動(dòng)駕駛車(chē)輛定位[5-7]，也有許多研究涉及構(gòu)建合適的數(shù)字地圖[5-9]。在一種典型的自動(dòng)駕駛場(chǎng)景——智能化停車(chē)場(chǎng)中，停車(chē)場(chǎng)是具備提供地圖信息功能的基礎(chǔ)設(shè)施?；诨A(chǔ)設(shè)施的停車(chē)位占用率檢測(cè)系統(tǒng)的研究已經(jīng)持續(xù)了近十年[10-12]，這些系統(tǒng)的優(yōu)點(diǎn)是車(chē)輛不需要具備復(fù)雜檢測(cè)系統(tǒng)。然而，當(dāng)車(chē)輛具有自動(dòng)駕駛系統(tǒng)時(shí)，因?yàn)檐?chē)輛已經(jīng)具有車(chē)載傳感器，所以不需要對(duì)所有車(chē)位進(jìn)行占用檢測(cè)，因此，本文將占用檢測(cè)算法與基礎(chǔ)設(shè)施信息分開(kāi)，并使用基于停車(chē)場(chǎng)幾何結(jié)構(gòu)的簡(jiǎn)單環(huán)境地圖。

目前研究成果中，生成參考路徑的方法主要有基于幾何的方法和基于最優(yōu)控制的實(shí)時(shí)路徑規(guī)劃方法。GMEZ-BRAVO等[13-14]提出基于連續(xù)曲率β-樣條曲線(xiàn)的路徑生成算法，為了保證參考路徑的無(wú)碰撞和可用性，該算法采用具有曲率和邊界約束的模糊控制邏輯。CHENG等[15]將路徑生成問(wèn)題分為兩部分，分別采用不同的方法規(guī)劃，基于感知結(jié)果，每個(gè)部分選擇Reeds-Shepp曲線(xiàn)、連續(xù)曲率曲線(xiàn)或半連續(xù)曲率曲線(xiàn)，但沒(méi)有提出環(huán)境感知模塊的細(xì)節(jié)。YOON等[16]基于兩種啟發(fā)式算法提出A*算法，這兩種啟發(fā)式算法分別考慮有障礙物和無(wú)障礙物時(shí)車(chē)輛運(yùn)動(dòng)學(xué)特性。

本文從系統(tǒng)的角度對(duì)AVPS系統(tǒng)進(jìn)行功能集成與仿真驗(yàn)證。

1 場(chǎng)景定義

場(chǎng)景是ADAS系統(tǒng)和自動(dòng)駕駛系統(tǒng)開(kāi)發(fā)和測(cè)評(píng)的關(guān)鍵因素，是ADAS系統(tǒng)和自動(dòng)駕駛系統(tǒng)進(jìn)行功能需求分析和測(cè)試評(píng)價(jià)的基礎(chǔ)，同時(shí)也決定系統(tǒng)的工作范圍，因此，如何定義功能開(kāi)發(fā)和測(cè)試場(chǎng)景一直是ADAS系統(tǒng)及其他智能車(chē)技術(shù)的研究重點(diǎn)。鑒于本文的研究目的，在此只做駕駛場(chǎng)景的定義，并基于定義的駕駛場(chǎng)景進(jìn)行系統(tǒng)設(shè)計(jì)與驗(yàn)證。

自主代客泊車(chē)(AVP)有望成為自動(dòng)駕駛領(lǐng)域最早實(shí)現(xiàn)落地并轉(zhuǎn)化商業(yè)價(jià)值的應(yīng)用場(chǎng)景之一。簡(jiǎn)單來(lái)說(shuō)，自主代客泊車(chē)就是指車(chē)輛到達(dá)商場(chǎng)、園區(qū)等某個(gè)相對(duì)封閉環(huán)境或分時(shí)租賃的還車(chē)范圍以后，用戶(hù)便可下車(chē)辦事，同時(shí)只需在手機(jī)端下達(dá)停車(chē)指令，車(chē)輛就可自動(dòng)從下車(chē)地點(diǎn)規(guī)劃行駛路徑，開(kāi)進(jìn)停車(chē)場(chǎng)的指定車(chē)位停好；需要取車(chē)時(shí)，用戶(hù)也可通過(guò)手機(jī)端發(fā)出指令，一鍵召車(chē)。整個(gè)泊/取車(chē)過(guò)程沒(méi)有人的參與，是一個(gè)典型的限定區(qū)域內(nèi)低速無(wú)人駕駛應(yīng)用場(chǎng)景。

AVPS系統(tǒng)的最終目標(biāo)是通過(guò)智能基礎(chǔ)設(shè)施和V2I通信提供AVP服務(wù)。AVP服務(wù)的駕駛場(chǎng)景由一系列駕駛操作組成，例如向前駕駛(圖1中的A到B)、臨時(shí)停車(chē)點(diǎn)(圖1中的B)、平行或垂直停車(chē)(圖1中B到C屬于平行泊車(chē)，B到D屬于垂直泊車(chē))、完全停車(chē)(圖1中的C或D)[17]。

智能基礎(chǔ)設(shè)施由多臺(tái)服務(wù)器、分布式感知傳感器和V2I通信系統(tǒng)組成[18]。分布式感知傳感器(如相機(jī)、激光雷達(dá)和超聲波傳感器)用于檢測(cè)停放車(chē)輛并跟蹤正在運(yùn)動(dòng)的車(chē)輛。相應(yīng)的信息被發(fā)送到一個(gè)局部狀態(tài)感知服務(wù)器，對(duì)車(chē)輛位置和車(chē)位占用進(jìn)行估算并將結(jié)果發(fā)送到全局狀態(tài)感知服務(wù)器，如圖1所示。

圖1 AVPS場(chǎng)景定義Fig.1 AVPS scenario definition

2 環(huán)境模型層

停車(chē)場(chǎng)的優(yōu)點(diǎn)之一是車(chē)輛可以使用來(lái)自基礎(chǔ)設(shè)施的地圖信息。地圖數(shù)據(jù)可以通過(guò)許多不同的方式使用。環(huán)境模型代表環(huán)境地圖，對(duì)于A(yíng)VPS系統(tǒng)，該地圖包括可用和被占用的停車(chē)位、道路標(biāo)記以及諸如行人或其他車(chē)輛的障礙物信息。占用概率地圖是這種環(huán)境模型的常見(jiàn)表示形式。環(huán)境地圖通常通過(guò)集成來(lái)自激光雷達(dá)和相機(jī)傳感器的觀(guān)測(cè)數(shù)據(jù)來(lái)實(shí)現(xiàn)即時(shí)定位與地圖創(chuàng)建(simultaneous localization and mapping, SLAM)。本文旨在得到一個(gè)更簡(jiǎn)單的場(chǎng)景，如車(chē)輛通過(guò)基礎(chǔ)設(shè)施(V2I)系統(tǒng)或俯瞰整個(gè)停車(chē)位的相機(jī)提供地圖。使用停車(chē)場(chǎng)的靜態(tài)地圖，并假定車(chē)輛的自定位是準(zhǔn)確的。本文所建停車(chē)場(chǎng)環(huán)境模型主要包含3個(gè)占用柵格層(圖2)：①靜止障礙層包含靜止障礙物，如墻壁、障礙物和停車(chē)場(chǎng)的邊界；②道路標(biāo)記層包含道路標(biāo)記信息，包括停車(chē)位的道路標(biāo)記；③停放車(chē)輛層包含已被占用停車(chē)位的信息。

(a)靜止障礙層 (b)道路標(biāo)記層 (c)停放車(chē)輛層圖2 停車(chē)場(chǎng)環(huán)境分層模型Fig.2 Layered environment model of the parking lot

每一個(gè)地圖層都包含不同種類(lèi)的障礙物，它們代表不同程度的危險(xiǎn)。通過(guò)這種結(jié)構(gòu)，每個(gè)層都可以獨(dú)立地處理、更新和維護(hù)。在每一層中，黑色單元代表已占用，而白亮單元代表可用。為簡(jiǎn)單起見(jiàn)，將3個(gè)圖層合并為一個(gè)代價(jià)地圖，如圖3所示。代價(jià)地圖將車(chē)輛環(huán)境表示為二維占用網(wǎng)格。單元格中的每個(gè)網(wǎng)格都具有介于0和1之間的值，表示單元格的成本。障礙物成本較高，而可用空間成本較低。如果一個(gè)單元的成本高于占用閾值，則該單元被視為障礙物，如果成本低于可用閾值，則該單元是可用的。

圖3 停車(chē)場(chǎng)環(huán)境組合模型Fig.3 Combined environment model of the parking lot

3 路徑規(guī)劃層

自主代客泊車(chē)的路徑規(guī)劃問(wèn)題可以看作是一個(gè)簡(jiǎn)單的2D路徑規(guī)劃，因?yàn)橥＼?chē)場(chǎng)的坡度是可以忽略不計(jì)的(與道路行駛相比，泊車(chē)總路徑長(zhǎng)度相對(duì)較短，可以忽略道路坡度而產(chǎn)生的誤差)，因此，2D路徑足以用于A(yíng)VPS系統(tǒng)的參考路徑設(shè)計(jì)。為了生成參考路徑，應(yīng)該考慮車(chē)輛運(yùn)動(dòng)的特性，而不是設(shè)計(jì)不可跟蹤的不合理路徑。如果轉(zhuǎn)向角是恒定的，并且車(chē)輛的速度足夠低而不使輪胎力飽和，則車(chē)輛的運(yùn)動(dòng)可近似看成沿后軸中心行駛的圓周運(yùn)動(dòng)。從而，停車(chē)過(guò)程中，車(chē)輛可以被視為具有離散控制輸入的Reeds-Shepp Car?？刂戚斎氚ǎ河珊愣ò霃较蜃?、向右轉(zhuǎn)向輸入組成的橫向運(yùn)動(dòng)，由向前、向后的恒定速度輸入組成的縱向運(yùn)動(dòng)。事實(shí)證明，48個(gè)不同的組合足以完全描述Reeds-Shepp Car的最短路徑[19]。停車(chē)場(chǎng)區(qū)域使用簡(jiǎn)單的路徑生成算法，如Reeds-Sepp Car。因?yàn)橥＼?chē)場(chǎng)的大小和每個(gè)停車(chē)位之間的間隔是規(guī)范化的，這意味著使用標(biāo)準(zhǔn)停車(chē)場(chǎng)定義的路徑可以被用于幾乎所有停車(chē)場(chǎng)。

在48個(gè)Reeds-Shepp曲線(xiàn)中，曲線(xiàn)-曲線(xiàn)-直線(xiàn)(CCS)用于生成垂直停車(chē)的參考路徑，如圖4所示。在二維平面上，除了目標(biāo)點(diǎn)外，還需要定義3個(gè)點(diǎn)，本文中，曲線(xiàn)與直線(xiàn)之間的點(diǎn)被定義為切點(diǎn)，兩條曲線(xiàn)之間的點(diǎn)被定義為中間點(diǎn)，連接在自由行駛路徑和曲線(xiàn)之間的點(diǎn)被定義為轉(zhuǎn)折點(diǎn)。通過(guò)這3個(gè)標(biāo)準(zhǔn)點(diǎn)，可完全描述參考路徑。為了定義這些點(diǎn)，必須計(jì)算半徑R1和R2、中心弧角θ和直線(xiàn)的距離dt。基于停車(chē)場(chǎng)環(huán)境地圖和目標(biāo)停車(chē)位的位置、航向信息生成參考路徑。為避免與已停放車(chē)輛發(fā)生碰撞，應(yīng)以最低安全邊界cmgn計(jì)算dt，計(jì)算公式如下：

(1)

(2)

dt=Lpf-dm

(3)

式中，WP為車(chē)位寬度；dm為縱向邊界；Vw為車(chē)輛寬度；R1為切點(diǎn)與中間點(diǎn)之間的圓弧半徑；Lpf為停車(chē)位前端與目標(biāo)點(diǎn)之間的長(zhǎng)度。

圖4 路徑生成示意圖Fig.4 Path generating schematic

dt定義后，基于停車(chē)位的尺寸計(jì)算θ，計(jì)算公式如下：

(4)

(5)

式中，cpath為圖4中停車(chē)位與預(yù)行駛路徑之間的安全邊界。

為了簡(jiǎn)單起見(jiàn)，假設(shè)R1和R2是相同的，并由Ackerman的角度公式計(jì)算如下：

(6)

式中，L為車(chē)的軸距；δ為前輪轉(zhuǎn)向角。

則定義參考路徑所需的點(diǎn)確定如下：

(7)

式中，xGoal、yGoal為目標(biāo)點(diǎn)的橫縱坐標(biāo)；xtan、ytan為切點(diǎn)的橫縱坐標(biāo)；xmid、ymid為中間點(diǎn)的橫縱坐標(biāo)；xturn、yturn為轉(zhuǎn)折點(diǎn)的橫縱坐標(biāo)。

4 行為層

規(guī)劃是將所有相關(guān)信息組織到分層結(jié)構(gòu)中，每個(gè)連續(xù)的層負(fù)責(zé)更細(xì)分的任務(wù)。行為層位于頂部，負(fù)責(zé)通過(guò)提供一系列導(dǎo)航任務(wù)來(lái)激活和管理任務(wù)的不同部分[20]。行為層匯集來(lái)自系統(tǒng)所有相關(guān)部分的信息,包括以下各部分的信息：

(1)定位。行為層檢查定位模塊以估算車(chē)輛的當(dāng)前位置。

(2)環(huán)境模型。感知和傳感器融合系統(tǒng)反映車(chē)輛周?chē)h(huán)境的地圖。

(3)車(chē)位檢測(cè)。分析地圖以確定最近的可用停車(chē)位。

(4)全局路徑搜索。路徑模塊基于地圖服務(wù)或從V2I基礎(chǔ)設(shè)施獲得的路網(wǎng)計(jì)算全局路徑。將全局路徑分解為一系列道路段，可以對(duì)每個(gè)連接的路徑段進(jìn)行不同的規(guī)劃，例如，不同的泊車(chē)方式，其最后的泊車(chē)行為需要不同的速度曲線(xiàn)。推而廣之，分段規(guī)劃對(duì)不同車(chē)速限制、不同車(chē)道數(shù)量和不同道路標(biāo)志的街道的導(dǎo)航也至關(guān)重要。

本文不是依靠車(chē)輛傳感器來(lái)構(gòu)建環(huán)境地圖，而是通過(guò)車(chē)輛與基礎(chǔ)設(shè)施V2I通信從智能停車(chē)場(chǎng)獲取地圖。為簡(jiǎn)單起見(jiàn)，假設(shè)地圖采用占據(jù)網(wǎng)格的形式，由V2I提供道路連接和可用停車(chē)位的位置。全局路徑規(guī)劃被描述為遍歷一系列路徑段以到達(dá)停車(chē)位。全局路徑規(guī)劃由路徑規(guī)劃列表構(gòu)成，主要包含起始姿態(tài)(x0,y0,θ0)、終止姿態(tài)(xn,yn,θn)以及路段屬性(如限速信息)。以當(dāng)前姿態(tài)并根據(jù)路徑規(guī)劃中關(guān)鍵點(diǎn)的創(chuàng)建行為來(lái)規(guī)劃輔助目標(biāo)。行為請(qǐng)求用于從行為規(guī)劃器請(qǐng)求一系列導(dǎo)航任務(wù)，直至到達(dá)目的地。每個(gè)路徑段的車(chē)輛導(dǎo)航步驟如下：

(1)運(yùn)動(dòng)規(guī)劃。通過(guò)環(huán)境地圖規(guī)劃滿(mǎn)足車(chē)輛約束的可行路徑。

(2)路徑平滑。通過(guò)擬合樣條曲線(xiàn)來(lái)平滑參考路徑。

(3)軌跡生成。通過(guò)生成速度曲線(xiàn)將平滑路徑轉(zhuǎn)換為軌跡。

(4)車(chē)輛控制?；谒O(shè)計(jì)的橫向控制器執(zhí)行軌跡。

(5)終點(diǎn)檢測(cè)。檢查車(chē)輛是否到達(dá)目的地。

4.1 運(yùn)動(dòng)規(guī)劃

給定全局路徑的情況下，運(yùn)動(dòng)規(guī)劃用于規(guī)劃通過(guò)環(huán)境的路徑以到達(dá)每個(gè)輔助目標(biāo)點(diǎn)，直到車(chē)輛到達(dá)最終目的地。每個(gè)路徑段的規(guī)劃路徑必須可行并且無(wú)碰撞。一條可行的路徑是指車(chē)輛在運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)約束條件下實(shí)現(xiàn)的路徑。AVPS系統(tǒng)涉及低速和低加速，可忽略由慣性效應(yīng)引起的動(dòng)力學(xué)約束。

路徑規(guī)劃算法通過(guò)構(gòu)建連續(xù)且無(wú)碰撞車(chē)輛姿態(tài)樹(shù)來(lái)找到路徑。使用Reeds-Shepp轉(zhuǎn)向連接姿態(tài)，確保生成的路徑在運(yùn)動(dòng)學(xué)上可行。除規(guī)劃的參考路徑外，還應(yīng)考慮車(chē)輛行駛的無(wú)碰撞區(qū)域，這些區(qū)域表示車(chē)輛的參考點(diǎn)不得越過(guò)代價(jià)地圖區(qū)域，以避免碰撞任何障礙物。路徑規(guī)劃器檢查并確保產(chǎn)生的車(chē)輛姿態(tài)不在這些區(qū)域上，規(guī)劃避開(kāi)障礙物的路徑。

4.2 路徑平滑

路徑規(guī)劃器生成的參考路徑由Reeds-Shepp線(xiàn)段組成。兩條線(xiàn)段連接處的曲率可能不連續(xù)，導(dǎo)致轉(zhuǎn)向角度突然改變。為了避免這種不自然的運(yùn)動(dòng)以確保乘客的舒適度，路徑需要連續(xù)可微并且平滑[21]。本文采用的平滑路徑的方法是擬合三次樣條曲線(xiàn)，通過(guò)擬合參考路徑中所有輔助目標(biāo)點(diǎn)的三次樣條曲線(xiàn)進(jìn)行路徑平滑，生成控制器可以執(zhí)行的平滑路徑。樣條曲線(xiàn)的起始和結(jié)束方向與車(chē)輛的起始和結(jié)束方位角近似匹配。

4.3 軌跡生成

軌跡生成是將平滑路徑轉(zhuǎn)換為可基于速度曲線(xiàn)執(zhí)行的軌跡。按照三個(gè)階段的順序計(jì)算每個(gè)路徑的速度曲線(xiàn)：加速到設(shè)定的最大速度、保持最大速度和減速到終點(diǎn)速度。定義初始速度、最大速度和終點(diǎn)速度，得到包含平滑路徑上每個(gè)點(diǎn)參考速度的軌跡曲線(xiàn)。

4.4 車(chē)輛控制

AVPS系統(tǒng)最具挑戰(zhàn)性的問(wèn)題之一是在給定的駕駛條件下對(duì)車(chē)輛進(jìn)行建模。用于橫向控制的自行車(chē)模型已經(jīng)被廣泛用于公路駕駛[22-23]。假定側(cè)向力與滑移角成正比，并且所有的車(chē)輪轉(zhuǎn)角都很小，但停車(chē)時(shí)會(huì)產(chǎn)生較大的車(chē)輪轉(zhuǎn)角，而在現(xiàn)實(shí)中不容易識(shí)別出不同車(chē)輛的剛度系數(shù)等車(chē)輛參數(shù)。

對(duì)于A(yíng)VPS系統(tǒng)，車(chē)輛以低速行駛，因此滑移角在本文中可被忽略。運(yùn)動(dòng)學(xué)模型可以用于前向運(yùn)動(dòng)和后向平行/垂直泊車(chē)，并且可以被寫(xiě)成如下形式[24-25]：

(8)

式中，(x，y)為車(chē)輛的質(zhì)心坐標(biāo)；ψ為車(chē)輛的航向角；v為縱向速度。

此外，考慮轉(zhuǎn)向執(zhí)行機(jī)構(gòu)的運(yùn)動(dòng)約束，即轉(zhuǎn)向盤(pán)轉(zhuǎn)角與前輪轉(zhuǎn)向角成正比，前輪轉(zhuǎn)向角和前輪轉(zhuǎn)向角速度有界，運(yùn)動(dòng)學(xué)約束如下：

(9)

式中，γ為轉(zhuǎn)向盤(pán)轉(zhuǎn)角；Rj為轉(zhuǎn)向系統(tǒng)的傳動(dòng)比；ω為前輪轉(zhuǎn)向角速度。

基于式(8)和式(9)中的車(chē)輛模型和動(dòng)態(tài)面控制(dynamic surface control,DSC)設(shè)計(jì)橫向控制器[17,26]。由于橫向控制器應(yīng)該具有足夠的魯棒性，以補(bǔ)償由各種車(chē)輛類(lèi)型和駕駛操縱引起的模型不確定性和干擾，且計(jì)算出的轉(zhuǎn)向角應(yīng)該足夠平滑以滿(mǎn)足式(9)中的運(yùn)動(dòng)學(xué)約束，所以應(yīng)用DSC技術(shù)設(shè)計(jì)橫向控制器。橫向控制器的設(shè)計(jì)流程如下。

定義誤差曲面為

Si=ey+dieψ=ey+di(ψd-ψ)

(10)

式中，下標(biāo)i表示駕駛動(dòng)作，即f是前進(jìn)行駛，b是后退行駛；Si為誤差曲面；di為預(yù)瞄距離；eψ為橫擺角誤差；ψd為期望的橫擺角。

其中，橫向誤差ey定義為

圖5中，di和ψd的定義如下：

di=‖epd‖

ψd=∠epd

圖5 預(yù)瞄算法原理圖Fig.5 Preview algorithm schematic

應(yīng)該注意的是，預(yù)瞄控制思想通過(guò)考慮等式(10)中的di和ψd(圖5)，被納入動(dòng)態(tài)面控制中[25]。圖5中Pd(xd,yd)不是將ψd定義為切線(xiàn)角度，而是通過(guò)使用Pd和Ppd之間的角度以及預(yù)瞄距離di來(lái)定義。

對(duì)式(10)中Si取導(dǎo)數(shù)，結(jié)合式(8)有

(11)

(12)

為了滿(mǎn)足式(9)中的第二運(yùn)動(dòng)約束，即轉(zhuǎn)向執(zhí)行器的角速度極限，通過(guò)如下的低通濾波器對(duì)式(11)中與期望轉(zhuǎn)向角相關(guān)的項(xiàng)進(jìn)行濾波：

(13)

式中，τ為濾波時(shí)間常數(shù)。

然后，基于式(9)，可得轉(zhuǎn)向盤(pán)轉(zhuǎn)角

γ=Rjarctangdes

(14)

5 仿真驗(yàn)證

PreScan是一款可用于A(yíng)DAS和智能車(chē)輛(IV)系統(tǒng)仿真測(cè)試的軟件工具。在 PreScan軟件中可以很方便地搭建用于驗(yàn)證和評(píng)估ADAS和IV系統(tǒng)的車(chē)輛虛擬行駛環(huán)境以及相關(guān)傳感器，如毫米波雷達(dá)、激光雷達(dá)、超聲波雷達(dá)、相機(jī)、GPS和V2X通信。本文基于PreScan-MATLAB聯(lián)合仿真環(huán)境實(shí)現(xiàn)對(duì)AVPS系統(tǒng)的功能集成與有效性驗(yàn)證。整個(gè)自主泊車(chē)過(guò)程可以分成以下步驟。

(1)基于智能停車(chē)場(chǎng)的V2I通信服務(wù)，AVPS系統(tǒng)接收停車(chē)場(chǎng)的環(huán)境地圖以及目標(biāo)可用車(chē)位信息。

(2)基于環(huán)境地圖與目標(biāo)車(chē)位信息生成輔助目標(biāo)點(diǎn)，規(guī)劃全局路徑，并生成軌跡。

(3)車(chē)輛向前行駛跟蹤全局軌跡，同時(shí)超聲波雷達(dá)實(shí)時(shí)檢測(cè)，一旦超聲波檢測(cè)結(jié)果與V2I發(fā)送結(jié)果一致，則確認(rèn)車(chē)位檢測(cè)成功。

(4)發(fā)現(xiàn)車(chē)位后車(chē)輛減速，建立大地直角坐標(biāo)系，同時(shí)實(shí)現(xiàn)路徑規(guī)劃。全部計(jì)算完畢后，車(chē)輛開(kāi)始倒行泊車(chē)。

(5)通過(guò)實(shí)時(shí)橫向控制器計(jì)算轉(zhuǎn)向角度，車(chē)輛自動(dòng)泊車(chē)，泊車(chē)修正，泊車(chē)完成。

PreScan場(chǎng)景模型、聯(lián)合仿真模型及仿真結(jié)果如圖6～圖8所示。

(a)二維場(chǎng)景 (b)三維場(chǎng)景圖6 PreScan場(chǎng)景模型Fig.6 PreScan scenario model

圖7 PreScan-MATLAB聯(lián)合仿真模型Fig.7 PreScan-MATLAB co-simulation model

(a)創(chuàng)建環(huán)境模型 (b)生成輔助目標(biāo)點(diǎn)

(c)路徑規(guī)劃 (d) 軌跡生成

(e)軌跡跟蹤 (f)泊車(chē)操作圖8 AVPS聯(lián)合仿真結(jié)果Fig.8 AVPS co-simulation results

6 結(jié)語(yǔ)

為了提高駕駛員泊車(chē)的便利性和停車(chē)場(chǎng)的安全性，結(jié)合V2I通信服務(wù)實(shí)現(xiàn)特定場(chǎng)景下的環(huán)境建模，利用Reeds-Shepp Car曲線(xiàn)進(jìn)行路徑規(guī)劃并生成運(yùn)動(dòng)軌跡，基于預(yù)瞄控制理論與動(dòng)態(tài)面控制技術(shù)實(shí)現(xiàn)車(chē)輛前向駕駛與后退泊車(chē)的控制，在PreScan-MATLAB聯(lián)合仿真環(huán)境下實(shí)現(xiàn)對(duì)所設(shè)計(jì)系統(tǒng)的功能集成與有效性驗(yàn)證。結(jié)果表明該系統(tǒng)可在特定場(chǎng)景下實(shí)現(xiàn)自主代客泊車(chē)功能，后續(xù)將在功能樣車(chē)上做更加充分的驗(yàn)證，同時(shí)，場(chǎng)景的普適性與動(dòng)態(tài)避障也是重點(diǎn)研究的方面。