车道保持系统中轨迹跟踪算法的研究

郑 艳，刘 伟

（东软睿驰汽车技术 （沈阳）有限公司，辽宁 沈阳 110179）

随着汽车电控技术的发展，各种类型先进的驾驶辅助系统 （ADAS，如LKAS、AEB、ACC等）应用到当今的现代车辆中，减轻驾驶负担，减少驾驶失误，从而提高驾驶的安全性、舒适性等车辆性能。车道保持辅助系统 （LKAS）是ADAS的重要组成部分，它是一个防止车辆无意识车道偏离造成交通事故的驾驶辅助系统，LKAS判断本车与车道中心线的位置关系，当检测到车辆偏离其目标轨迹时，通过连续施加少量反向转向力来帮助汽车停留在靠近车道中心线的位置上，由此来预防驾驶员无意识的车道偏离。研究表明，无意识车道偏离事故占德国报告的所有事故的14%，因其原因造成的死亡人数占2013年所有道路交通事故死亡人数的30%［1］，因而LKAS对于减少交通事故，确保交通安全具有重要的意义。轨迹跟踪算法是LKAS的核心算法，其效果直接导致车辆能否很好地跟踪目标轨迹，进而影响发送到EPS的数据大小、车辆的运动状态、功能的实现效果。

1 LKAS结构与原理说明

LKAS的组成结构如图1所示。车辆通过摄像头等视觉手段采集到图像信息，车道线检测模块解析图像信息，将车辆与车道线的位置信息以及车道线自身信息发送给LKAS，它通过计算自车轨迹纠正到目标轨迹需要的方向盘转角大小并发送给执行器，进而实现被控车辆的转向修正，确保车辆在车道中心线上安全行驶［2］。

图1 LKAS组成结构

1.1 车道线解析

车道线解析模块可以给出当前车辆和车道线的信息，例如曲率、航向角以及横向偏移量，为车道保持辅助系统的路径跟踪算法以及控制决策提供重要信息。图2介绍了结构化道路车道线识别与跟踪算法的基本过程，主要包括车道线检测识别模块和跟踪预测模块。车道线检测识别模块通过对摄像头采集的图像降采样为较小的图像，并把图像下半部分设置为感兴趣区域来提高算法的处理速度，再通过图像预处理，突出车道标识线信息，剔除图像中其他干扰因素，增强对图像的分析和识别能力，便于车道线检测与跟踪，降低算法的计算量和复杂度，通过Hough变换获取候选车道线参数。然后引入车道线跟踪算法，提高车道检测的准确性和鲁棒性［3］。

图2 车道线检测及跟踪算法流程

1.2 EPS执行机构

电动助力转向系统是在传统机械转向系统的基础上发展起来的，它利用电动机产生的动力来帮助驾驶员进行转向操作。系统主要由3大部分构成：信号传感装置（包括转矩传感器、转角传感器等）、转向助力机构 （电机、离合器、减速传动机构）及电子控制装置。电动机仅在需要助力时工作，驾驶员在操纵方向盘时，扭矩转角传感器根据输入扭矩和转向角的大小产生相应的电压信号，车速传感器检测到车速信号，控制单元根据电压和车速的信号，给出指令控制电动机运转，从而产生所需要的转向助力。LKAS通过给EPS发送控制信号，进而修正车辆的运动状态，实现功能效果［4］。电动助力转向系统原理如图3所示。

1.3 车道保持系统中轨迹跟踪算法

轨迹跟踪算法是LKAS的核心算法，它能保证车辆以任何初始位置回到并保持在规划的理想路径上，因而其算法的好坏直接决定着车道保持辅助功能的作用效果。轨迹跟踪算法多种多样，其中几何路径跟踪算法易于理解和实现。文献［5］中的Pure Pursuit方法就是其中一种，该方法考虑前瞻距离的路径信息，路径的形状在低速运行时不会很影响它的性能，因此对于大的偏差和不连续的路径非常有效。但是目前尚不清楚如何选择最佳的超前距离，应注意防止过度调整Pure Pursuit到特定路线，因为改变前瞻距离只会改变车辆行驶的曲率半径。Jarrod M.Snider在文献［5］中指出Pure Pursuit方法忽略了目标路径的曲率问题，而本文中介绍的这种全新的算法也属于几何路径跟踪算法，并且该方法弥补了文献［6］和Pure Pursuit目标路径曲率的问题，将目标路径的曲率和车辆实际轨迹的曲率相结合，具体见下章。

图3 电动助力转向系统原理图

2 曲线拟合轨迹跟踪算法

如图4所示，图4a中的路径是原始状态，当车辆轨迹的曲率与目标轨迹的曲率 （Curvature）相同时，得到图4b；在其基础上当两条轨迹的航向角 （Heading angle）相同时得到图4c所示的状态；进而当两曲线到达y轴的距离 （横向偏移量Lateral deviation）相同时，两曲线重合，也就是最终的图4d。

图4 路径变化分析

这个方法很好地将目标路径的所有信息考虑到算法中，弥补了Pure Pursuit方法的不足之处，具体实现方法分析如下。

首先目标轨迹的所有信息和车辆轨迹的航向角以及横向偏移量我们可以通过车道线解析模块获得，车辆轨迹的曲率可以根据公式 （1）得到。

其中yawrate为横摆角速度，是指汽车绕垂直轴的偏转，该偏转的大小代表汽车的稳定程度，如果偏转角速度达到一个阈值，说明汽车发生测滑或者甩尾等危险工况。该信息可以从车身信息得到，v为车辆自身速度。通过上述分析，只需

即：

式（3）通过整定PID控制器来达到一个很好的效果，用公式近似表达如下：

3 基于LKAS系统轨迹跟踪的仿真分析

将上述轨迹拟合方法在Simulink环境下进行建模仿真，程序框图如图5所示。

图5 程序框图

对模型的曲率PID，航向角PID，横向偏移量PID进行调参，分析各参数对算法的影响，通过大量的仿真发现航向角对算法的重要性要大于其他2个因素，并且对3个控制器的参数有一个大体的把握，为之后的实车测试调参做准备，减少实车调参的工作量。

4 实车验证

将上述轨迹拟合的路径跟踪算法集成到LKAS模型中，并进行实车测试，测试平台和测试环境如图6所示。通过相机获取车道线信息，接入整车网络获取自车车速、方向盘转角等车辆状态信息。通过EPS发送扭矩实现自车方向盘控制，从而保持车辆在本车道行驶。

4.1 不同因素的影响

考虑到不同因素对轨迹拟合的路径跟踪算法的影响，对curvature、lateral deviation以及heading angle单独进行实车控制，和所有因素同时进行控制的数据曲线如图7所示，可以明显地看到，当3个因素同时控制时，Track Error值最小。

图7 不同因素对轨迹拟合路径跟踪算法的影响

4.2 实车调参

由于PID参数较多，只对PID中的P参数进行举例分析。通过之前的仿真分析，调试PID参数时，先对P值进行调试，首先将曲率、航向角、横向偏移量的PID中的P参数均设置为0.1，I和D参数设置为0。通过分别改变不同因素的P值观察车辆轨迹与目标轨迹误差 （Track Error）的曲线变化，可以看出曲率的P值对Track Error的影响最小，横向偏移量的P使Track Error曲线变成类似sin曲线，航向角的P值对Track Error的影响最大，能够达到很好的效果，与仿真分析吻合，如图8a所示。因此，首先对航向角的P值进行调试，如图8b所示，P=0.7要比P=0.4时效果好。进而调试横向偏移量的P值，图8c中可以看出dP=0.7时较大，所以调试到0.4，在此基础上调试曲率的P值为0.3。对比一下首先调试航向角再调试横向偏移量最后调试曲率的P值这3个阶段，如图8d所示。

4.3 整车效果

将轨迹拟合的路径跟踪算法应用到LKAS系统中，进行实车测试调参，车速为60km／h采集到的数据如图9所示，无论车辆行驶在直道或者弯道上，LKAS系统都能使得车辆行驶在道路中间附近。

图6 实车环境

图8 实车调参

图9 整车效果

5 结论

本文提出了一种新的利用曲线拟合思路的轨迹跟踪算法来应用到车道保持辅助功能中，将轨迹的曲率考虑到算法中，提高了预测的准确性，并通过数值仿真以及实车测试证明该方法的合理性，弥补了Pure Pursuit方法中对于车速的限制，并且LKAS功能达到很好的效果，为轨迹跟踪算法的研究，为其他自动驾驶功能的开发提供了帮助，但是该方法对于车辆轨迹的曲率的计算还是有所欠缺，过于简单局限，应结合车辆足够多的动态信息获得该值［7］。未来对于车道线的检测可以不仅仅使用摄像头，也可以扩展到激光雷达、高精度地图等，采集更加精确的车道线信息来弥补单一摄像头的缺陷，提高轨迹跟踪算法的精度。