In this paper a self-developed controller algorithm is presented with the goal of handling a basic parking maneuver. One of the biggest challenges of autonomous vehicle control is the right calibration and finding the right vehicle models for the given conditions. As a result of many other research, model predictive control (MPC) structures have started to become the most promising control technique. During our work we implemented an MPC function from white paper. Considering the low-speed conditions of a parking maneuver we use a kinematic bicycle model as the basis of the controller. The algorithm has two main inputs: a planned trajectory and the vehicle state feedback signals. The controller is realized as a Simulink model, and it is integrated into a complete autonomous control system using ROS framework. The results are validated through multiple steps: using Simulink only with a pure kinematic bicycle plant model; using LGSVL simulation framework containing a real vehicle model and the entire software chain; the controller is prepared for real vehicle tests.


翻译:本文介绍了自开发的控制器算法,目的是处理基本的泊车操作。自动车辆控制的最大挑战之一是正确校准和为特定条件找到正确的车辆模型。由于许多其他研究,模型预测控制(MPC)结构开始成为最有希望的控制技术。我们在工作中从白皮书中应用了MPC功能。考虑到泊车操作的低速度条件,我们使用运动自行车模型作为控制器的基础。该算法有两个主要投入:计划轨迹和车辆状态反馈信号。控制器作为Simmlink模型实现,并用ROS框架纳入完整的自动控制系统。结果通过多个步骤得到验证:仅使用纯运动自行车厂模型使用Simmlink;使用包含真实车辆模型和整个软件链的LGSVL模拟框架;控制器为实际车辆测试作准备。

0
下载
关闭预览

相关内容

Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
carla 体验效果 及代码
CreateAMind
7+阅读 · 2018年2月3日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年11月11日
VIP会员
相关VIP内容
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
carla 体验效果 及代码
CreateAMind
7+阅读 · 2018年2月3日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员