[发明专利]汽车控制方法、底盘域控制器及智能驾驶汽车

说明书

本申请提供一种汽车控制方法、底盘域控制器及智能驾驶汽车，方法应用于底盘域控制器，包括：获取汽车状态数据；根据汽车状态数据，确定出汽车的十五自由度动力学模型数据；获取第一运动边界，第一运动边界由外部的智驾域控制器基于驾驶道路数据确定；根据第一运动边界和十五自由度动力学模型数据，确定出汽车的第二动力边界；根据第二动力边界和预设对应关系，确定出第三执行边界，以使汽车上的执行机构根据位于第三执行边界内的汽车控制数据控制汽车的运行。这样可以在保证行车稳定条件下充分利用当前的行车环境，克服采取过于保守的控制策略的弊端。并且可以简便且精确地得到执行机构的执行量边界，缓解目前控制算法的准确性和计算资源问题。

技术领域

本申请涉及智能汽车技术领域，具体而言，涉及一种汽车控制方法、底盘域控制器及智能驾驶汽车。

背景技术

人工智能技术在汽车产业上的应用开始落地，越来越多的传感器技术、信号处理技术以及人工智能算法进入实车应用阶段。例如，摄像头视觉技术与激光雷达等传感器信息融合技术在车辆行驶环境及状态感知上的应用。为了能够更高效、精确地对车辆自身状态与行驶环境进行判断，用于计算机视觉、雷达点云等实时高维数字信号特殊计算用的硬件设备被应用于智能驾驶技术中，用以支持更多传感设备在智能汽车上的应用，以及多传感器数据的融合。例如，通过雷达滤波定位信号基于摄像头识别的车辆与道路相对位置信息进行修正，来减小车辆定位误差，避免由于误差导致的车辆位置以及速度计算错误。

但目前智能驾驶算法对于驾驶工况的假设存在理想化的问题，导致适用范围受到限制，无法推广应用。而过于保守的决策假设，虽然可以保证算法决策的安全性，但是会导致车辆的实际稳定行驶区域无法充分利用，难以应对极端工况；常规的决策假设可以满足如中高附着理想道路情况下的正常驾驶，但是对于不确定交通环境(如突遇地附路面)时，只基于车辆外部信息的决策控制会导致车辆超出稳定边界。同时，由于对于车辆形式状态进行的理想化假设，导致了控制决策边界大、边界模糊等问题，因此不可避免地会导致深度学习类算法计算成本高，所需数据量大，实际拟合效果差等问题。

因此，如何在尽可能保证车辆稳定运行的同时，实现对行车环境的充分利用，是本领域技术中的难题。

发明内容

本申请实施例的目的在于提供一种汽车控制方法、底盘域控制器及智能驾驶汽车，以在尽可能保证车辆稳定运行的同时，实现对行车环境的充分利用。

为了实现上述目的，本申请的实施例通过如下方式实现：

第一方面，本申请实施例提供一种汽车控制方法，应用于汽车的底盘域控制器，所述方法包括：获取揭示所述汽车的运行状态的汽车状态数据；根据所述汽车状态数据，确定出所述汽车的十五自由度动力学模型数据；获取第一运动边界，其中，所述第一运动边界用于表示所述汽车在当前的驾驶环境下的理论运动边界，由外部的智驾域控制器基于驾驶道路数据确定，所述驾驶道路数据用于揭示所述汽车的行车环境；根据所述第一运动边界和所述十五自由度动力学模型数据，确定出所述汽车的第二动力边界，其中，所述第二动力边界表示所述汽车在所述第一运动边界内能够安全运行的动力状态边界；根据所述第二动力边界和预设对应关系，对所述第二动力边界进行量化，确定出第三执行边界，以使所述汽车上的执行机构根据位于所述第三执行边界内的汽车控制数据控制所述汽车的运行，其中，所述预设对应关系表示所述汽车的动力数据与所述执行机构的执行量之间的关系，所述第三执行边界表示所述执行机构的执行量边界。