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
H Journey20 小时前
openCV图像学-二值化
人工智能·opencv·计算机视觉
算法即正义20 小时前
知识竞赛计分规则设置指南:七种计分模式详解与实操建议
人工智能
这张生成的图像能检测吗20 小时前
(论文速读)基于微调大语言模型的数控车床故障诊断
人工智能·语言模型·故障诊断·车床技术
大写-凌祁20 小时前
RescueADI:基于自主智能体的遥感图像自适应灾害解译
人工智能·计算机视觉·语言模型·自然语言处理·aigc
fof92020 小时前
Base LLM | 从 NLP 到 LLM 的算法全栈教程 第六天
人工智能·自然语言处理
Godspeed Zhao20 小时前
科技信息最前沿——TurboQuant:以极致压缩重新定义人工智能效率
人工智能·科技
AI医影跨模态组学20 小时前
Radiology子刊(IF=6.3)复旦大学附属金山医院强金伟教授等团队:基于多参数MRI的深度学习和影像组学评估早期宫颈癌淋巴结转移
人工智能·深度学习·论文·医学·医学影像
Ln5x9qZC220 小时前
Laravel AI SDK 正式发布
android·人工智能·laravel
nimadan1220 小时前
生成剧本杀软件2025推荐,创新剧情设计工具引领潮流
人工智能·python
嵌入式小企鹅20 小时前
阿里编程模型赶超、半导体涨价蔓延、RISC-V新品密集上线
人工智能·学习·ai·程序员·risc-v·芯片