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
Baihai_IDP7 分钟前
vec2text 技术已开源!一定条件下,文本嵌入向量可“近乎完美地”还原
人工智能·面试·llm
江太翁11 分钟前
Pytorch torch
人工智能·pytorch·python
拓端研究室27 分钟前
专题:2025即时零售与各类人群消费行为洞察报告|附400+份报告PDF、原数据表汇总下载
大数据·人工智能
网安INF30 分钟前
深度学习中的逻辑回归:从原理到Python实现
人工智能·python·深度学习·算法·逻辑回归
Despacito0o32 分钟前
ESP32-s3摄像头驱动开发实战:从零搭建实时图像显示系统
人工智能·驱动开发·嵌入式硬件·音视频·嵌入式实时数据库
Leinwin34 分钟前
微软发布突破性医疗AI系统
人工智能·microsoft
机器之心35 分钟前
刚刚,Ilya Sutskever宣布自任CEO:联创被Meta挖走了
人工智能
William.csj1 小时前
Pytorch——查看模型的推理引擎
人工智能·pytorch
NAGNIP1 小时前
Transformer注意力机制——MHA&MQA&GQA
人工智能·算法