自动驾驶控制算法-油门刹车标定

本文是学习自动驾驶控制算法第十讲 油门刹车标定表的制作以及后续一节的学习笔记。

车辆油门刹车标定的目的是获取不同车速下不同的油门踏板或刹车踏板行程下车辆的加速度,标定的结果作为纵向控制模型的输入,用于计算输出合理的油门或刹车。

1 Apollo中的油门刹车标定

Apollo里的标定条件:

  • 速度条件
    • 低速 0 ~ 10m/s
    • 中速 10 ~ 20m/s
    • 高速 >= 20m/s
  • 油门条件
    • 小油门 Throttle deadzone ~ 25%
    • 中油门 25% ~ 30%
    • 大油门 Throttle >= 30%
  • 刹车条件
    • 小刹车 Brake deadzone ~ 20%
    • 中刹车 20% ~ 25%
    • 急刹车 Brake >= 25%

标定结果示意:

bash 复制代码
calibration {
  speed: 4.4
  acceleration: 3.19
  command: 80.0
}
calibration {
  speed: 4.4
  acceleration: 3.21
  command: 75.0
}
calibration {
  speed: 4.6
  acceleration: -8.79
  command: -35.0
}
calibration {
  speed: 4.6
  acceleration: -7.43
  command: -33.0
}

油门和刹车的拟合示意图如下:

2 油门标定

视频中采用Carsim+matlab仿真来演示油门和刹车的标定。

参照如上视频设置好Carsim,使用如下matlab代码仿真得到不同油门开度下的 v a va va数据并拟合:

matlab 复制代码
thr = 0;  %油门开度
for i = 1:11
    sim('long_calibration');
    v_temp(:,i)=ans.vx.data;
    a_temp(:,i)=ans.ax.data;
    thr_temp(:,i)=ones(length(ans.vx.data),1)*thr;
    thr=thr+0.1;
end

%转换为行向量
v=v_temp(:,1)';
a=a_temp(:,1)';
tr=thr_temp(:,1)';
for i = 2:11
    v=[v,v_temp(:,i)'];
    a=[a,a_temp(:,i)'];
    tr=[tr,thr_temp(:,i)'];
end

F=scatteredInterpolant(v',a',tr'); %拟合
vu=0:0.1:50;
au=0:0.1:5;
table=zeros(length(vu),length(au));
for i = 1:length(vu)
    for j=1:length(au)
        table(i,j)=F(vu(i),au(j));
    end
end

不同油门下速度、加速度数据示意图如下:

再根据得到的 v a va va数据拟合如下函数
T h r o t t l e = f ( v , a ) \begin{equation} Throttle=f(v,a) \end{equation} Throttle=f(v,a)

拟合结果示意图如下:

3 刹车标定

同样的方式得到不同刹车制动压力下的 v a va va数据,仿真初始车速是50m/s,注意当车速为0时不论刹车踏板值是多少车辆减速度都是0,所以针对车速为0的结果要做一下人工处理,比如手动赋值一个比较小的值。为确保连续性,可以直接将车速较低的结果直接复制过来。

matlab 复制代码
brake = 0.1;  %制动压力
for i=1:80 
    sim('long_calibration');
    v_brake(:,i)=ans.vx.data;
    a_brake(:,i)=ans.ax.data;
    brake_temp(:,i)=ones(length(ans.vx.data),1)*brake;
    brake=brake+0.1;
end

%转换为行向量
vbr=v_brake(:,1)';
abr=a_brake(:,1)';
br=brake_temp(:,1)';
for i=2:80
    vbr=[vbr,v_brake(:,i)'];
    abr=[abr,a_brake(:,i)'];
    br=[br,brake_temp(:,i)'];
end


Fbr=scatteredInterpolant(vbr',abr',br'); %拟合
vubr=0:0.05:50;
aubr=-8:0.05:0;
tablebr=zeros(length(vubr),length(aubr));
for i = 1:length(vubr)
    for j=1:length(aubr)
        tablebr(i,j)=Fbr(vubr(i),aubr(j));
    end
end

不同刹车下速度、加速度数据示意图如下:

4 油门刹车一张表

油门刹车一起拟合,控制会更连续:

matlab 复制代码
%加速和制动的数据放到一起
v2=[v,vbr];
a2=[a,abr];
br2=[tr,br];

F=scatteredInterpolant(v2',a2',br2'); %一起拟合
vubr=0:0.05:50;
aubr=-8:0.05:5;
tablebr=zeros(length(vubr),length(aubr));
for i=1:length(vubr)
    for j=1:length(aubr)
        tablebr(i,j)=F(vubr(i),aubr(j));
    end
end

不同油门、刹车下速度、加速度数据示意图如下:

5 纵向控制仿真

参考视频搭建如下的仿真模型,使用双PID控制模块控制车辆跟随预先设定的轨迹:

仿真结果如下,蓝色曲线是预设的轨迹,黄色是控制结果,最后面的是车速小于0了,可忽略:

位置:

速度:

加速度

相关推荐
Jackilina_Stone31 分钟前
transformers:打造的先进的自然语言处理
人工智能·自然语言处理·transformers
2401_8979300633 分钟前
BERT 模型是什么
人工智能·深度学习·bert
最新快讯2 小时前
科技快讯 | 阿里云百炼MCP服务上线;英伟达官宣:CUDA 工具链将全面原生支持 Python
人工智能
__Benco3 小时前
OpenHarmony子系统开发 - 热管理(一)
人工智能·harmonyos
吴法刚4 小时前
14-Hugging Face 模型微调训练(基于 BERT 的中文评价情感分析(二分类))
人工智能·深度学习·自然语言处理·分类·langchain·bert·langgraph
碳基学AI5 小时前
北京大学DeepSeek内部研讨系列:AI在新媒体运营中的应用与挑战|122页PPT下载方法
大数据·人工智能·python·算法·ai·新媒体运营·产品运营
是店小二呀5 小时前
Llama 4革命性发布与绿色AI前沿研究
人工智能·llama
2301_799755345 小时前
文件内容课堂总结
人工智能
杰克逊的日记5 小时前
AI集群设计
人工智能·ai·gpu·ai集群·pytorach
技术程序猿华锋5 小时前
Zotero PDF Translate 翻译插件使用OpenAI API配置教程
人工智能·chatgpt·机器翻译