[发明专利]一种基于仿人智能控制的汽车自动泊车入位方法

说明书

技术领域

本发明涉及汽车自动泊车入位，特别是一种基于仿人智能控制的汽车自动泊车入位方法。

背景技术

汽车自动泊车入位是在无人操控方向盘的情况下，汽车从行驶车道运动到泊车位的机动行为，根据汽车自身相对于泊车位的方向，可分为平行泊车入位、垂直泊车入位和斜形泊车入位等几种情况。自动泊车入位的主要参数包括：车长L_c、车宽W_c、轴距L、前轮转角最小转半径R_m、车位长L_p、车位宽W_p等。从控制论观点来看，车辆系统是一个多输入多输出的非线性欠驱动耦合系统，研究自动泊车入位的控制问题是提高泊车安全性和减轻驾驶复杂性的有效途径之一，具有重要研究意义和应用价值。

目前，自动泊车入位的控制方法主要有：(1)基于路径规划的方法(参考文献[1]：Kang Zhi Liu，Minh Quan Dao，Takuya Inoue.An exponentially ε-convergent control algorithm for chained systems and its application to automatic parking systems[J].IEEE Transactions on Control Systems Technology，2006，14(6)：1113-1126)。(2)基于经验知识的方法(参考文献[2]：Taark Ozkul，Mohammed Moqbel，Suhail B.Aldhafri.Development of a hierarchical driver aid for parallel parking using fuzzy biomimetic approach[J].Journal of Computing and Information Technology，2010，18(1)：31-44)。(3)基于路径规划和基于经验知识相结合的方法(参考文献[3]：K.Demirli，M.Khoshnejad.Autonomous parallel parking of a car-like mobile robot by a neuro-fuzzy sensor-based controller[J].Fuzzy Sets and Systems，2009，160：2876-2891)。但普遍存在普适性差、计算复杂、计算量大等问题。例如，基于路径规划的方法对传感器和执行器的精确性要求很高，在泊车入位过程中，很难补偿执行过程中和系统的动态性引起的误差，即使位置误差能够被随后的反复迭代运动所补偿，也会增加相应的时间成本，从而影响泊车入位的效果；基于经验知识的方法采用模糊控制及其与神经网络和遗传算法相结合，这类方法样本数据的获得比较困难，模糊化、解模糊化、训练神经网络和参数寻优时计算复杂、计算量大。

综上，研究自动泊车入位方法具有重要研究意义和应用价值，但现有方法存在诸多问题，需要提出一种计算量小、普适性更好的自动泊车入位方法。

发明内容

本发明的目的在于提供一种计算量小、普适性好的自动泊车入位方法，实现汽车自动泊车入位。

为达到上述目的，本发明的构思是：采用仿人智能的方法，通过模仿驾驶员泊车入位的经验技巧，跟踪泊车入位路径上的几个预定关键点实现汽车泊车入位。

基于上述构思，本发明采用如下技术方案：

一种基于仿人智能控制的汽车自动泊车入位方法，其特征在于：该方法第一步是根据汽车参数和泊车位参数确定自动泊车入位路径，并选取该路径上的几个预定关键点作为跟踪目标；第二步，根据汽车泊车入位过程中的位姿相对于当前预定关键点的误差及其误差变化率驱动构建的特征模型确定出当前特征状态；第三步，根据驾驶员泊车入位操作为基础构建的控制模态集，由当前特征状态确定出当前控制模态；第四步，根据当前控制模态控制汽车运动到当前预定关键点；依照第二步至第四步的方法依次控制汽车运动到最后一个预定关键点，即可实现汽车泊车入位。该方法包括以下步骤：