基于软约束迭代LQR的自动驾驶车辆车道保持控制
计算机视觉与模式识别
2024-12-18 v2 机器人学
系统与控制
系统与控制
摘要
对平滑转向输入的准确预测对汽车应用至关重要，因为带抖振的控制动作可能导致车辆系统失稳。为在不使用额外平滑算法的情况下解决汽车车道保持控制中的该问题，我们通过集成CILQR算法与模型预测控制(MPC)约束松弛方法，开发了一种新颖的软约束迭代线性二次调节器(soft-CILQR)算法。我们将松弛变量引入soft-CILQR求解器的状态与控制障碍函数中，以软化优化过程中的约束，从而以计算简单的方式实现控制输入稳定。采用线性系统动力学模型进行了两类汽车车道保持实验(数值仿真与含挑战性基于视觉机动实验)，以测试所提soft-CILQR算法的性能，并与CILQR算法比较。在数值仿真中，soft-CILQR与CILQR求解器均使系统渐近趋近参考状态；然而在含加性扰动条件下，soft-CILQR求解器比CILQR求解器更容易获得平滑转向输入轨迹。基于视觉的实验(主车在具不同路面摩擦设置的扰动TORCS环境中行驶)结果与数值测试一致。所提soft-CILQR算法平均运行时间为2.55 ms，因此适用于实时自动驾驶场景。
引用
@article{arxiv.2311.16900,
title = {Lane-Keeping Control of Autonomous Vehicles Through a Soft-Constrained Iterative LQR},
author = {Der-Hau Lee},
journal= {arXiv preprint arXiv:2311.16900},
year = {2024}
}
备注
17 figures, 13 pages