具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。 基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的 所有其他实施例，都属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、 “第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理 解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外， 术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如， 包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那 些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固 有的其它步骤或单元。

值得说明的是，术语“车辆”在本申请中广泛地解释为包括任何移动物体，包括 例如飞行器、船只、航天器、汽车、卡车、厢式货车、半挂车、摩托车、高尔夫球车、 越野车辆、仓库运输车辆或农用车以及行驶在轨道上的车辆，例如电车或火车以及其 它有轨车辆。本申请中的“车辆”通常可以包括：动力系统、传感器系统、控制系统、 外围设备和计算机系统。在其它实施例中，车辆可以包括更多、更少或者不同的系统。

其中，动力系统是为车辆提供动力运动的系统，包括：引擎/马达、变速器和车 轮/轮胎、能源单元。

控制系统可以包括控制车辆及其组件的装置的组合，例如转向单元、节气门、制动单元。

外围设备可以是允许车辆与外部传感器、其它车辆、外部计算设备和/或用户进行交互的设备，例如无线通信系统、触摸屏、麦克风和/或扬声器。

基于上述描述的车辆，例如无人驾驶车辆中还配置有传感器系统和无人驾驶控制装置。

传感器系统可以包括用于感测车辆所处环境的信息的多个传感器，以及改变传感器的位置和/或方向的一个或多个致动器。传感器系统可以包括全球定位系统传感器、 惯性测量单元、无线电检测和测距(RADAR)单元、相机、激光测距仪、光检测和 测距(LIDAR)单元和/或声学传感器等传感器的任何组合；传感器系统还可以包括 监视车辆内部系统的传感器(例如O₂监视器、燃油表、引擎温度计等)。

无人驾驶控制装置可以包括一个处理器和存储器，存储器中存储有至少一条机器可执行指令，处理器执行至少一条机器可执行指令实现包括地图引擎、定位模块、感 知模块、导航或路径模块、以及自动控制模块等的功能。地图引擎和定位模块用于提 供地图信息和定位信息。感知模块用于根据传感器系统获取到的信息和地图引擎提供 的地图信息感知车辆所处环境中的事物。导航或路径模块用于根据地图引擎、定位模 块和感知模块的处理结果，为车辆规划行驶路径。自动控制模块将导航或路径模块等 模块的决策信息输入解析转换成对车辆控制系统的控制命令输出，并通过车载网(例 如通过CAN总线、局域互联网络、多媒体定向系统传输等方式实现的车辆内部电子 网络系统)将控制命令发送给车辆控制系统中的对应部件，实现对车辆的自动控制； 自动控制模块还可以通过车载网来获取车辆中各部件的信息。

为了使本领域的技术人员更好的了解本申请，下面对本申请实施例中所涉及的技术术语进行解释如下：

GPS：Global Positioning System，全球定位系统。

RTK：Real-Time Kinematic，实时动态载波相位差分技术，是常用的GPS测量 方法。

IMU：Inertial Measurement Unit，惯性测量单元，是测量物体三轴姿态角(或角速 率)以及加速度的装置。

CAN：Controller Area Network，控制器局域网络总线，是汽车计算机控制系统和嵌入式工业控制局域网的标准总线。

UWB：Ultra Wideband，超带宽通信技术，是一种无线载波通信技术，利用纳秒 至微秒级的非正弦波窄脉冲传输数据，UWB在早期被用来应用在近距离高速数据传 输，目前UWB可以用来做近距离精确室内定位。

MRAC：Model reference adaptive control，模型参考自适应控制算法，是设计适应机构使被控对象和已知参考模型的动态特性尽可能接近的一种自适应控制算法。

MPC：Model Predictive Control，模型预测控制算法，是一种基于对受控对象进行预测的控制算法。

如图1所示，在实现本申请实施例的过程中，发明人发现目前的自动驾驶卡车 10一般包括牵引车101和挂车102两部分，牵引车101的尾部与挂车102的前部连 接(例如牵引车101上设置牵引座，挂车102上设置牵引销，牵引座和牵引销配合连 接，但不仅局限于此)。在一些行驶场景中，例如图1的公路上，自动驾驶卡车10 在公路上行驶，为了保证车辆的行驶精度，一般将牵引车101的控制参考点(一般为 牵引车的后轴中心，图1中记为点Q)，控制在车道的中线上(例如图1中车道的中 线(虚线)上)，而对于挂车102确并没有考虑，使得在受横风扰动等环境下，由于 受横风影响，挂车102与牵引车101可能存在一定的夹角(称作挂车夹角)，即挂车 102的控制参考点(一般为挂车的后轴中心，图1中记为点G)可能不在上述车道的 中线上。因此当自动驾驶卡车10车速较快，且挂车102上拉载的货物较重时，容易 出现自动驾驶卡车侧翻的危险。可见，如何避免挂车的控制不够精确，如何提升自动 驾驶卡车的行驶安全称为了亟待解决的问题。

为了实现自动驾驶卡车的精确控制，提升自动驾驶卡车的行驶安全，如图2所示，本申请实施例提供一种自动驾驶卡车的控制方法，应用于如上述图1所示的自动驾驶 卡车10，该自动驾驶卡车10包括牵引车101和挂车102；该自动驾驶卡车的控制方 法包括：

步骤201、获得牵引车行驶的期望路径线，及获得挂车控制参考点参数。

步骤202、根据期望路径线和挂车控制参考点参数，确定自动驾驶卡车的自动驾驶状态量。

步骤203、确定自动驾驶卡车的受力描述信息。

步骤204、获得自动驾驶状态量与自动驾驶卡车的车辆状态量的对应关系。

步骤205、根据受力描述信息、自动驾驶状态量和所述对应关系，确定牵引车的 横向控制量。

步骤206、将横向控制量发送至牵引车的转向电机控制器，以使得转向电机控制器控制牵引车的转向电机以转向控制量进行转向动作。

为了使本领域的技术人员更好的了解本申请，下面列举一个更为详细的实施例，需要说明的是，该实施例仅为本申请的一种具体实施例，本领域的技术人员在不付出 创造性劳动的基础上，还可以列举出更多的具体实施例，本申请所列举的实施例并非 对本申请的限制。如图3所示，本申请实施例提供一种自动驾驶卡车的控制方法，应 用于如上述图1所示的自动驾驶卡车10，该自动驾驶卡车10包括牵引车101和挂车 102；该自动驾驶卡车的控制方法包括：

步骤301、获得牵引车行驶的期望路径线，及获得挂车控制参考点参数。

在自动驾驶领域中，若要进行自动驾驶卡车的行驶控制，首先需要规划好期望路径，因此，该牵引车行驶的期望路径线可以直接从车载计算机(或者车载服务器)等 处直接读取，或者可以是由车载计算机从云端服务器、后台中控系统等处获得，但不 仅局限于此。考虑到车辆的行驶安全，一般情况下，牵引车行驶的期望路径线为牵引 车行驶的期望路径的道路中线，即例如上述图1中的虚线所示，但不仅局限于此，该 牵引车行驶的期望路径线还可以被设置为其他行驶的路径线，例如在一封闭区域内， 如港区、工业园区等设置的路径线。

此外，挂车控制参考点参数包括挂车控制参考点的位置，还可以包括挂车控制参考点的运动朝向。此处，该挂车控制参考点可以为挂车后轴的中心，但不仅局限于此。 该挂车控制参考点的位置可以由多种方式获得，以下列举几种方式，但不仅局限于以 下几种方式：

首先，需要说明的是，在自动驾驶卡车中，一般定位均是针对牵引车控制参考点的，例如在牵引车上装载GPS和IMU等传感器，从而得到牵引车控制参考点的位置。 因此，采用同样的原理，可以在挂车上设置与挂车控制参考点的位置相对应的GPS 等传感器，从而可以直接定位得到挂车控制参考点的位置。

另外，为了节省设备成本，可以通过已经定位的牵引车控制参考点的位置来解算挂车控制参考点的位置，其方式为：

获得自动驾驶卡车的实体数据，例如如图4所示，获得牵引车与挂车的连接点J 相对于牵引车控制参考点Q的位置(对于图4中的情况，点J和点Q重合，但不仅 局限于此，其他情况下例如牵引车较大时，点J和点Q可能不重合)、牵引车与挂车 的连接点J到挂车控制参考点G的距离以及实时的牵引车与挂车的夹角(即称为挂车 夹角)。此处对于挂车夹角的确定，可以参见公开号为CN108761481A的专利申请 方案，此处不再赘述。这样，在牵引车控制参考点Q的位置已经确定的情况下，如 图4所示，通过平面直角坐标系下(例如以牵引车控制参考点Q的位置为原点的坐 标系)的几何关系即可便捷的解算出挂车控制参考点G的位置。

另外，对于如何确定牵引车控制参考点的位置，可以采用如下方式：

例如，可以采用基于RTK的GPS和IMU的定位方式来实时确定牵引车控制参 考点的位置，即通过车辆上的GPS和IMU来综合定位。

又例如，可以采用在车辆行驶场景中设置至少三个UWB基站，以及在牵引车中 设置UWB标签，从而可以通过UWB标签与至少三个UWB基站进行的交互得到 UWB标签与各UWB基站的距离信息；根据UWB标签与各UWB基站的距离信息以 及至少三个UWB基站的位置信息，从而可以计算得到UWB标签的位置信息，完成 了牵引车控制参考点的位置的实时定位。

又例如，可以采用车辆上的GPS、IMU、激光雷达和摄像头等传感器来进行多传 感器的融合定位，从而实时确定牵引车控制参考点的位置。

具体的定位方式还有很多种，此处不再一一列举。

步骤302、根据期望路径线和挂车控制参考点参数，确定自动驾驶卡车的自动驾驶状态量。

其中，自动驾驶状态量是指自动驾驶卡车在根据期望路径线行驶时的与行驶相关的状态量，例如牵引车位置偏差、挂车位置偏差、牵引车位置偏差导数、挂车位置偏 差导数、牵引车方向角偏差以及挂车方向角偏差等。

在本申请的一实例中，所应用到的自动驾驶卡车的自动驾驶状态量可以包括挂车位置偏差和挂车位置偏差导数。

此处，如图5所示，对于步骤302，本申请的一实施例列举了一种方式，但不仅 局限于此，本领域技术人员根据具体算法的需求还可以列举更多的挂车位置偏差的确 定方式：

例如，可以从期望路径线(图5中的虚线)上获得距离挂车控制参考点的位置G 最近的一第一目标点的位置C1，确定挂车控制参考点的位置G与第一目标点的位置 C1之差，作为挂车位置偏差e_挂。对挂车位置偏差e_挂进行求导数运算，从而可以确定 挂车位置偏差导数，例如挂车位置偏差e_挂的一阶导数e′_挂和二阶导数e″_挂。

步骤303、采用拉格朗日力学或牛顿力学确定自动驾驶卡车的受力描述信息。

此处的自动驾驶卡车的受力描述信息是指自动驾驶卡车受力与车辆状态函数的关系。在自动驾驶卡车的控制领域，一般可以采用拉格朗日力学或牛顿力学来得到该 自动驾驶卡车的受力描述信息。

例如，可以应用拉格朗日力学函数将自动驾驶卡车的每个轮上的受力和车辆状态量联立，得到自动驾驶卡车的受力描述信息：

在不考虑风的影响时，为F＝f(vehicle_st ate)；

在考虑风的影响时，为F+f(wind)＝f(vehicle_st ate)；

此处，F表示自动驾驶卡车的拉格朗日抽象力；f(wind)表示自动驾驶卡车受风 阻力；vehicle_st ate为自动驾驶卡车的车辆状态量，例如车辆速度、加速度、油门 开度、方向盘转角等车辆本身的状态量。

此处，F所表示的自动驾驶卡车的拉格朗日抽象力是通过拉格朗日量L得到的， 其中，拉格朗日量L＝T₁+T₂-V；T₁为牵引车动能；T₂为挂车动能；V为势能， 在假设自动驾驶卡车在水平面运动的情况下，可以认为V＝0。则通过拉格朗日方程：可以得到x轴方向的拉格朗日抽象力Fg_xn(同理将x替换为 y，也可以得到y轴的拉格朗日抽象力)。此处的x轴、y轴可以是车辆坐标系。

又例如，可以应用牛顿第二运动定律力学函数将自动驾驶卡车的每个轮上的受力和车辆状态量联立，得到自动驾驶卡车的受力描述信息：

在不考虑风的影响时，为F＝f(vehicle_st ate)；

在考虑风的影响时，为F+f(wind)＝f(vehicle_st ate)；

此处，F表示自动驾驶卡车轮胎受力；f(wind)表示自动驾驶卡车受风阻力；vehicle_st ate为自动驾驶卡车的车辆状态量，例如车辆速度、加速度、油门开度、 方向盘转角等车辆本身的状态量。

此处，对于自动驾驶卡车受风阻力f(wind)，可以有如下两种方式来确定，但 不仅局限于此。

方式一：如图6所示，其中，该自动驾驶卡车受风阻力可以包括自动驾驶卡车横 风阻力；则在自动驾驶卡车10上可以设置有车载风速计103；则可以通过车载风速 计103获得自动驾驶卡车10收到的第一风速和第一风向，进而可以根据第一风速和 第一风向，得到自动驾驶卡车横风阻力。

方式二：如图7所示，其中，该自动驾驶卡车受风阻力可以包括自动驾驶卡车横 风阻力；则在沿着自动驾驶卡车10行驶的路径上可以分布设置有多个路侧风速计11。 则自动驾驶卡车可以获得距离牵引车控制参考点Q的位置或者挂车控制参考点G的 位置最近的路侧风速计11获得的第二风速和第二风向，进而可以根据第二风速和第 二风向，得到自动驾驶卡车横风阻力。

具体的，根据风速和风向得到车辆横风阻力的方式有很多，例如可以参见公开号为CN204895460U的专利方案，但不仅局限于此。

步骤304、获得自动驾驶状态量与自动驾驶卡车的车辆状态量的对应关系。

此处需要说明的是，由于自动驾驶中，对于自动驾驶卡车的控制模块的输入是相对期望路径的信息，因此自动驾驶卡车的车辆状态量vehicle_st ate无法直接被应 用，因此需要将自动驾驶卡车的车辆状态量vehicle_st ate转换到自动驾驶状态量， 即自动驾驶卡车在根据期望路径线行驶时的与行驶相关的状态量。而在进行该转换 时，则需要预先获得自动驾驶状态量与自动驾驶卡车的车辆状态量的对应关系。

步骤305、根据受力描述信息、自动驾驶状态量以及自动驾驶状态量与自动驾驶卡车的车辆状态量的对应关系，确定牵引车的横向控制量。

该步骤305对应于上述受力描述信息的不同，可以有如下两种方式：

方式一：

例如受力描述信息为F＝f(vehicle_st ate)时：

其中，牵引车的横向控制量为牵引车的方向盘转角。

则可以根据受力描述信息：F＝f(vehicle_st ate)和轮胎受力方程F＝C_α·α 联立，从而得到自动驾驶卡车的动力学模型；其中，α为轮胎侧偏角，C_α为侧偏刚 度；该轮胎受力方程F＝C_α·α一般可以按照轮胎位置的不同表示为： 其中，C_αf为牵引车前轮侧偏刚度、α_f为牵引车前轮侧偏角、C_αr为 牵引车后轮侧偏刚度、α_r为牵引车后轮侧偏角、C_αt为挂车轮胎侧偏刚度、α_t为挂车 轮胎侧偏角，但不仅局限于此，该轮胎受力方程还可以根据车辆的不同而具有其他表 示方式，此处不再一一赘述。

进而根据该自动驾驶卡车的动力学模型、挂车位置偏差e_挂、挂车位置偏差导数e′_挂和e″_挂和自动驾驶状态量与自动驾驶卡车的车辆状态量的对应关系，将 f(vehicle_state)中的自动驾驶卡车的车辆状态量vehicle_state转换(例如以换 元的方式)为以自动驾驶状态量来表示的f(A，δ)；其中，A包括挂车位置偏差e_挂、 挂车位置偏差导数e′_挂和e″_挂；δ为牵引车的方向盘转角。

根据预先设置的控制算法，例如MRAC或MPC等算法，对F＝f(A,δ)进行处 理，获得所述挂车位置偏差e_挂、挂车位置偏差导数e′_挂和e″_挂满足预先设置的理想条 件时的牵引车的方向盘转角δ，作为牵引车的方向盘转角结果。

其中，理想条件包括：挂车位置偏差e_挂在趋近于0的第一预设范围内，挂车位 置偏差导数e′_挂和e″_挂分别在趋近于0的第二预设范围和第三预设范围内。即挂车位置 要尽量收敛到期望路径线上。

方式二：

例如受力描述信息为F+f(wind)＝f(vehicle_st ate)时：

其中，牵引车的横向控制量为牵引车的方向盘转角。

则可以根据受力描述信息：F+f(wind)＝f(vehicle_st ate)和轮胎受力方 程F＝C_α·α联立，从而得到自动驾驶卡车的动力学模型；其中，α为轮胎侧偏角，C_α为侧偏刚度；该轮胎受力方程F＝C_α·α一般可以按照轮胎位置的不同表示为： 其中，C_αf为牵引车前轮侧偏刚度、α_f为牵引车前轮侧偏角、C_αr为 牵引车后轮侧偏刚度、α_r为牵引车后轮侧偏角、C_αt为挂车轮胎侧偏刚度、α_t为挂车 轮胎侧偏角，但不仅局限于此，该轮胎受力方程还可以根据车辆的不同而具有其他表 示方式，此处不再一一赘述。

进而根据该自动驾驶卡车的动力学模型、挂车位置偏差e_挂、挂车位置偏差导数e′_挂和e″_挂和所述对应关系，将f(vehicle_state)中的自动驾驶卡车的车辆状态量vehicle_st ate转换(例如以换元的方式)为以自动驾驶状态量来表示的f(A，δ)； 其中，A包括挂车位置偏差e_挂、挂车位置偏差导数e′_挂和e″_挂；δ为牵引车的方向盘转 角。

根据预先设置的控制算法，例如MRAC或MPC等算法，对 F+f(win)d＝f(A,δ)进行处理，获得所述挂车位置偏差e_挂、挂车位置偏差导数 e′_挂和e″_挂满足预先设置的理想条件时的牵引车的方向盘转角δ，作为牵引车的方向盘 转角结果。

其中，理想条件包括：挂车位置偏差e_挂在趋近于0的第一预设范围内，挂车位 置偏差导数e′_挂和e″_挂分别在趋近于0的第二预设范围和第三预设范围内。即挂车位置 要尽量收敛到期望路径线上。

步骤306、将牵引车的方向盘转角结果发送至牵引车的转向电机控制器，以使得转向电机控制器控制牵引车的转向电机以该牵引车的方向盘转角结果进行转向动作。

另外，如图8所示，本申请实施例还提供一种自动驾驶卡车的车载装置，应用于 一种自动驾驶卡车，该自动驾驶卡车包括牵引车和挂车；该自动驾驶卡车的车载装置 包括：

数据获取单元41，用于获得牵引车行驶的期望路径线，及获得挂车控制参考点 参数。

自动驾驶状态量确定单元42，用于根据所述期望路径线和挂车控制参考点参数，确定自动驾驶卡车的自动驾驶状态量。

受力描述信息确定单元43，用于确定自动驾驶卡车的受力描述信息。

对应关系获取单元44，用于获得自动驾驶状态量与自动驾驶卡车的车辆状态量的对应关系。

横向控制量确定单元45，用于根据受力描述信息、自动驾驶状态量和对应关系，确定牵引车的横向控制量。

控制量发送单元46，用于将横向控制量发送至牵引车的转向电机控制器，以使 得所述转向电机控制器控制牵引车的转向电机以所述转向控制量进行转向动作。

该自动驾驶卡车的车载装置的具体实现方式可以参见上述图1至图7所对应的自动驾驶卡车的控制方法的具体实现方式，此处不再赘述。

另外，如图9所示，本申请实施例还提供一种自动驾驶卡车10，该自动驾驶卡 车10包括牵引车101、挂车102和车载装置104。该车载装置104可以为具有计算能 力的车载计算机或车载服务器。该车载装置104可以设置于牵引车101内，但不仅局 限于此。在牵引车101内还设置有转向电机控制器105和转向电机106，转向电机控 制器105与转向电机106连接以控制该转向电机106。该车载装置104可以用于实现 图1至图7所对应的自动驾驶卡车的控制方法。

另外，本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现图1至图7所对应的自动驾驶卡车的控制方法。

另外，本申请实施例还提供一种计算机设备，包括存储器、处理器及存储在存储上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现图1至图7 所对应的自动驾驶卡车的控制方法。

本申请实施例考虑到自动驾驶卡车中挂车的控制精度，从而生成的牵引车的横向控制量能够使挂车的行驶收敛到牵引车行驶的期望路径线上，可以实现自动驾驶卡车 的精确控制。特别是在笔直的道路上行驶时，由于牵引车和挂车均可收敛到期望路径 线上，牵引车和挂车不再存在夹角，从而自动驾驶卡车在行驶时，可避免出现侧翻的 危险。

本领域内的技术人员应明白，本申请的实施例可提供为方法、装置、系统、或计 算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件 和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可 用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储 器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流 程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的 每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些 计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设 备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执 行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方 框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包 括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一 个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算 机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或 方框图一个方框或多个方框中指定的功能的步骤。

本申请中应用了具体实施例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术 人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述， 本说明书内容不应理解为对本申请的限制。