车道保持辅助控制方法、装置、系统、车辆及存储介质

摘要

本发明公开了一种车道保持辅助控制方法，包括：实时获取传感器探测到的车道环境信息和方向盘信息；根据实时获取的所述方向盘信息识别驾驶员当前的转向行为类别；根据预设时长内所述转向行为类别的识别结果，判断所述驾驶员的转向偏好；根据所述转向偏好和所述车道环境信息确定车辆的车道保持控制参数；根据所述车道保持控制参数控制所述车辆自动进行车道保持。本发明还公开了一种车道保持辅助控制装置、系统、车辆及存储介质。采用本发明，具有能够保证车辆运动尤其是横向运动的主动安全性能和舒适性能的优点。

权利要求

1.一种车道保持辅助控制方法，其特征在于，所述车道保持辅助控制方法包括：实时获取传感器探测到的车道环境信息和方向盘信息，所述方向盘信息包括方向盘转角信息、方向盘力矩信息和方向盘转速信息；

根据实时获取的所述方向盘信息识别驾驶员当前的转向行为类别；

动态读取时间窗内存储的预设时长内的转向行为类别的识别结果，根据预设时长内所述转向行为类别的识别结果，判断所述驾驶员的转向偏好，包括：根据预设时长内所述识别结果统计各个转向行为类别的比例，通过比较所述比例和比例阈值，得出当前的转向偏好判定结果，所述比例阈值与转向偏好相对应；

根据所述转向偏好和所述车道环境信息确定车辆的车道保持控制参数；

根据所述车道保持控制参数控制所述车辆自动进行车道保持。

2.根据权利要求1所述的车道保持辅助控制方法，其特征在于，所述根据实时获取的所述方向盘信息识别驾驶员当前的转向行为类别包括：离线获取所述驾驶员的转向行为数据；

将离线获取的所述转向行为数据作为原始训练集，并根据所述转向行为类别将所述原始训练集对应划分为多个行为训练集；

通过自学习模型对各个所述行为训练集进行自学习得到行为自学习库；其中，所述行为自学习库包括各个所述行为训练集对应的转向特征向量；

将实时获取的所述方向盘信息与所述行为自学习库进行比较判断，识别得到所述驾驶员当前的转向行为类别。

3.根据权利要求2所述的车道保持辅助控制方法，其特征在于，根据所述转向行为数据中的方向盘转角数据、方向盘转速数据和方向盘力矩数据划分所述转向行为类别。

4.根据权利要求2所述的车道保持辅助控制方法，其特征在于，通过估计方法将实时获取的所述方向盘信息与所述自学习库进行比较判断，以使概率最大的转向行为类别作为所述驾驶员当前转向行为的识别结果。

5.根据权利要求1所述的车道保持辅助控制方法，其特征在于，所述根据预设时长内所述转向行为类别的识别结果，判断所述驾驶员的转向偏好包括：通过转向行为时间窗动态存储预设时长内的所述转向行为类别的识别结果。

6.根据权利要求1所述的车道保持辅助控制方法，其特征在于，所述车道保持辅助控制方法还包括：对所述车道环境信息和所述方向盘信息进行异常值剔除、滤波以及转速信号计算的预处理。

7.一种车道保持辅助控制装置，其特征在于，所述车道保持辅助控制装置包括：数据采集单元，用于实时获取传感器探测到的车道环境信息和方向盘信息，所述方向盘信息包括方向盘转角信息、方向盘力矩信息和方向盘转速信息；

类别识别单元，用于根据实时获取的所述方向盘信息识别驾驶员当前的转向行为类别；

偏好判定单元，用于动态读取时间窗内存储的预设时长内的转向行为类别的识别结果，根据预设时长内所述转向行为类别的识别结果，判断所述驾驶员的转向偏好，包括：根据预设时长内所述识别结果统计各个转向行为类别的比例，通过比较所述比例和比例阈值，得出当前的转向偏好判定结果，所述比例阈值与转向偏好相对应；

控制参数确定单元，用于根据所述转向偏好和所述车道环境信息确定车辆的车道保持控制参数；

车道保持控制单元，用于根据所述车道保持控制参数控制所述车辆自动进行车道保持。

8.一种车道保持辅助控制系统，其特征在于，所述车道保持辅助控制系统包括权利要求7所述的车道保持辅助控制装置，所述车道保持辅助控制系统还包括传感单元，所述传感单元包括前置摄像头、转角传感器和力矩传感器；

所述前置摄像头用于获取车道环境信息，所述转角传感器用于获取方向盘转角信息，所述力矩传感器用于获取方向盘力矩信息。

9.一种车辆，其特征在于，所述车辆包括权利要求7所述的车道保持辅助控制装置，或包括权利要求8所述的车道保持辅助控制系统。

10.一种计算机存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行权利要求1-6任一项所述的车道保持辅助控制方法。

说明书

车道保持辅助控制方法、装置、系统、车辆及存储介质

技术领域

[0001] 本发明涉及智能驾驶领域，特别涉及一种车道保持辅助控制方法，还涉及车道保持辅助控制装置、系统、车辆及存储介质。

背景技术

[0002] 当前车辆技术正经历智能化的深刻变革，在由智能辅助驾驶过渡到无人驾驶的过程中，驾驶员特性的学习与有效辨识是不可或缺的。作为一种重要的驾驶员特性，驾驶员转向行为直接影响了车辆横向运动，因此驾驶员转向行为的有效监测和准确辨识有益于车辆横向主动安全性能的改善。将准确辨识的驾驶员转向行为特性应用于辅助驾驶系统中，可以进一步提高用户的使用感受。但是现有技术中，很难保证对于行为识别的准确率，也对驾驶员转向行为缺少深入辨识，难以实现车道保持功能激活时驾驶过程和驾驶员自主驾驶时保持一致。

发明内容

[0003] 第一方面，本发明公开了一种车道保持辅助控制方法，所述车道保持辅助控制方法包括：

[0004] 实时获取传感器探测到的车道环境信息和方向盘信息；

[0005] 根据实时获取的所述方向盘信息识别驾驶员当前的转向行为类别；

[0006] 根据预设时长内所述转向行为类别的识别结果，判断所述驾驶员的转向偏好；

[0007] 根据所述转向偏好和所述车道环境信息确定车辆的车道保持控制参数；

[0008] 根据所述车道保持控制参数控制所述车辆自动进行车道保持。

[0009] 进一步的，所述根据实时获取的所述方向盘信息识别驾驶员当前的转向行为类别包括：

[0010] 离线获取所述驾驶员的转向行为数据；

[0011] 将离线获取的所述转向行为数据作为原始训练集，并根据所述转向行为类别将所述原始训练集对应划分为多个行为训练集；

[0012] 通过自学习模型对各个所述行为训练集进行自学习得到行为自学习库；其中，所述行为自学习库包括各个所述行为训练集对应的转向特征向量；

[0013] 将实时获取的所述方向盘信息与所述行为自学习库进行比较判断，识别得到所述驾驶员当前的转向行为类别。

[0014] 进一步的，根据所述转向行为数据中的方向盘转角数据、方向盘转速数据和方向盘力矩数据划分所述转向行为类别。

[0015] 进一步的，通过估计方法将实时获取的所述方向盘信息与所述自学习库进行比较判断，以使概率最大的转向行为类别作为所述驾驶员当前转向行为的识别结果。

[0016] 进一步的，所述根据预设时长内所述转向行为类别的识别结果，判断所述驾驶员的转向偏好包括：

[0017] 根据预设时长内所述识别结果统计各个转向类别的比例；

[0018] 根据所述各个转向类别的比例判断所述驾驶员的转向偏好。

[0019] 进一步的，通过转向行为时间窗动态存储预设时长内的所述转向行为类别的识别结果。

[0020] 进一步的，所述车道保持辅助控制方法还包括：

[0021] 对所述车道环境信息和所述方向盘信息进行异常值剔除、滤波以及转速信号计算的预处理。

[0022] 第二方面，本发明还公开了一种车道保持辅助控制装置，所述车道保持辅助控制装置包括：

[0023] 数据采集单元，用于实时获取传感器探测到的车道环境信息和方向盘信息；

[0024] 类别识别单元，用于根据实时获取的所述方向盘信息识别驾驶员当前的转向行为类别；

[0025] 偏好判定单元，用于根据预设时长内所述转向行为类别的识别结果，判断所述驾驶员的转向偏好；

[0026] 控制参数确定单元，用于根据所述转向偏好和所述车道环境信息确定车辆的车道保持控制参数；

[0027] 车道保持控制单元，用于根据所述车道保持控制参数控制所述车辆自动进行车道保持。

[0028] 第三方面，本发明还公开了一种车道保持辅助控制系统，所述车道保持辅助控制系统包括上述的车道保持辅助控制装置，

[0029] 所述车道保持辅助控制系统还包括传感单元，所述传感单元包括前置摄像头、转角传感器和力矩传感器；

[0030] 所述前置摄像头用于获取车道环境信息，所述转角传感器用于获取方向盘转角信息，所述力矩传感器用于获取方向盘力矩信息。

[0031] 第四方面，本发明还公开了一种车辆，所述车辆包括上述的车道保持辅助控制装置，或包括上述的车道保持辅助控制系统。

[0032] 第五方面，本发明还公开了一种计算机存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行如上述任意一种的车道保持辅助控制方法。

[0033] 第六方面，本发明还公开了一种设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述任一项所述的车道保持辅助控制方法。

[0034] 采用上述技术方案，本发明具有如下有益效果：可以实现用量化等级评价驾驶行为，实时判定驾驶员的转向偏好，通过驾驶员偏好自学习完成车道保持功能的自适应控制，使车道保持功能激活时辅助驾驶的驾驶感受和驾驶员自主驾驶时保持一致，进一步保证车辆运动尤其是横向运动的主动安全性能和舒适性能。

附图说明

[0035] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0036] 图1为本发明实施例提供的一种车道保持辅助控制方法；

[0037] 图2为本发明实施例提供的一种转向行为类别的识别方法；

[0038] 图3为本发明实施例提供的实时转向行为类别的识别的一种具体过程；

[0039] 图4为本发明实施例提供的一种转向偏好的判断方法；

[0040] 图5为本发明实施例提供的一种转向偏好判定的过程；

[0041] 图6为本发明实施例提供的一种自适应参数调整的过程；

[0042] 图7为本发明实施例提供的一种车道保持辅助控制装置；

[0043] 图8为本发明实施例提供的一种车道保持辅助控制系统的组成结构示意图。

具体实施方式

[0044] 下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0045] 此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本发明的描述中，需要理解的是，术语“上”、“下”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含的包括一个或者更多个该特征。而且，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，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。

[0046] 实施例：

[0047] 本发明实施例提供了一种车道保持辅助控制方法，如图1所示所述车道保持辅助控制方法包括：

[0048] S100：实时获取传感器探测到的车道环境信息和方向盘信息。

[0049] 在一些可行的实施方式中，所述传感器可以包括车辆的摄像头，EPS系统中的转角传感器和力矩传感器。

[0050] 具体的，所述摄像头可以为车辆的前置摄像头，前置摄像头可以获取车道环境信息，而EPS系统中的传感器则可以获取方向盘信息，具体所述方向盘信息可以包括方向盘转角信息和方向盘力矩信息，还可以包括方向盘转速信息。

[0051] 在一些可行的实施方式中，还可以对所述车道环境信息和所述方向盘信息进行预处理。具体的，所述预处理可以包括异常值剔除、滤波以及转速信号计算等预处理。

[0052] 可以理解的是，通过对车道环境信息和方向盘信息进行异常值剔除，可以去除异常值的干扰；而滤波则可以去除毛刺；以及转速信息则可以通过方向盘转角信号差分获取，从而通过转角传感器变可获得方向盘的转角信息和转速信息。

[0053] S200：根据实时获取的所述方向盘信息识别驾驶员当前的转向行为类别。

[0054] 在一些可行的实施方式中，可以将所述转向行为数据中的方向盘转角数据、方向盘转速数据和方向盘力矩数据作为描述驾驶员转向行为的特征参数，从而划分驾驶员的转向行为类别。

[0055] 可以理解的是，所述驾驶员的转向行为可以根据具体需求进行多个类别的划分，比如所述转向行为类别可以包括激进转向行为、运动转向行为、正常转向行为、轻柔转向行为和微转向行为等等。

[0056] 在一些可行的实施方式中，如图2所示，所述步骤S200可以包括：

[0057] S210：离线获取所述驾驶员的转向行为数据。

[0058] 进一步的，所述离线获取的转向行为数据可以是所述驾驶员历史驾驶过程中的行为数据。

[0059] S220：将离线获取的所述转向行为数据作为原始训练集，并根据所述转向行为类别将所述原始训练集对应划分为多个行为训练集。

[0060] 可以理解的是，通过将离线获取的转向行为数据作为原始训练集，并对其进行训练，能够基于驾驶员的驾驶习惯确定不同转向行为类别之间的阈值，从而使本发明实施例中的车道保持符合驾驶员的驾驶习惯。所述转向行为数据可以是驾驶员的历史转向行为数据。

[0061] 以及，若所述转向行为类别包括激进转向行为、运动转向行为、正常转向行为、轻柔转向行为和微转向行为，则所述原始训练集可以被划分为激进转向训练集、运动转向训练集、正常转向训练集、轻柔转向训练集和微转向训练集。

[0062] S230：通过自学习模型对各个所述行为训练集进行自学习得到行为自学习库；其中，所述行为自学习库包括各个所述行为训练集对应的转向特征向量。

[0063] 在一些可行的实施方式中，所述自学习模型可以为隐马尔可夫模型，通过该模型可以通过可观测量的时间序列去辨识不可观测状态量的时间序列。在本发明实施例中，通过隐马尔可夫模型可以用可观测的驾驶员转向行为信号(方向盘转角，转速，力矩)的时间序列，通过状态转移矩阵和概率矩阵，去辨识不可观测量(转向行为)的时间序列，以此实现量化表征驾驶员转向行为这一主观概念。由此，通过隐马尔可夫模型对各个行为训练集进行自学习得到各个转向行为类别的特征向量λ，构成辨识实时方向盘信息的自学库。

[0064] 可以理解的是，上述过程中可以以力矩和转角估计值作为辨识参数，通过但是不限于隐马尔可夫统计模型的模式识别方法，完成驾驶员转向行为的实时辨识并输出量化指标。

[0065] S240：将实时获取的所述方向盘信息与所述行为自学习库进行比较判断，识别得到所述驾驶员当前的转向行为类别。

[0066] 在一些可行的实施方式中，可以通过估计方法将实时获取的所述方向盘信息与所述自学习库进行比较判断，以使概率最大的转向行为类别作为所述驾驶员当前转向行为的识别结果。

[0067] 进一步的，可以通过极大似然估计方法将所述方向盘信息与所述自学库进行比较判断，并将似然概率最大的转向行为类别作为驾驶员当前转向行为的识别结果。

[0068] 可以理解的是，通过极大似然估计方法可以比较各转向行为自学库产生输入序列的似然概率，其不同于现有技术中单纯与门限值进行比较以得到其对应的转向类别，极大似然估计不需要预设固定的门限阈值，而是将实时序列传到各个特征学习库中判断当前序列属于哪种状态的概率更大，能够减轻确定门限阈值的匹配标定工作。

[0069] 如图3所示，给出了实时转向行为类别的识别的一种具体过程。数据采集单元将数据传给离线数据集和实时数据序列，将离线数据集作为原始训练集并对其进行特征提取以对其中的转向行为数据进行行为类别分类，以得到相应的行为训练集；通过隐马尔可夫模型对行为训练集进行自学习得到行为自学习库。实时数据序列传到行为自学习库，通过极大似然估计方法获得转向行为辨识结果并输出。其将行为辨识结果应用在车道保持等横向驾驶辅助功能中，使辅助驾驶的驾驶感受和驾驶员自己主动驾驶时的感受保持一致，提高用户的使用体验。

[0070] S300：根据预设时长内所述转向行为类别的识别结果，判断所述驾驶员的转向偏好。

[0071] 在一些可行的实施方式中，如图4所示，所述步骤S300可以包括：

[0072] S310：根据预设时长内所述识别结果统计各个转向类别的比例。

[0073] S320：根据所述各个转向类别的比例判断所述驾驶员的转向偏好。

[0074] 可以理解的是，转向偏好可以理解为驾驶员在转向时，操作方向盘的风格偏好。比如在同样一种工况，有的驾驶员打方向盘的比较激进，有的驾驶员打方向盘的比较保守。

[0075] 在一些可行的实施方式中，可以将驾驶员的转向偏好划分为将转向偏好划分为运动型、稳健型和保守型。相应的，每种类型的转向偏好对应有不同的行为比例阈值。通过比较实际比例和比例阈值，得出当前的转向偏好判定结果并输出。

[0076] 其中，行为比例可以理解为：在时间窗内不同转向行为的所占比例。比如时间窗内共有N个转向行为，上述五种转向行为对应的出现次数为n1,n2,n3,n4和n5，那各自的转向行为比例为n1/N,n2/N,n3/N,n4/N和n5/N。所述行为比例阈值则可以理解为预先设置的比例阈值。

[0077] 进一步的，可以根据单个转向类别的比例判断所述驾驶员的转向偏好，也可以通过多个转向类别的比例叠加判断所述驾驶员的转向偏好，还可以将多个转向类别的比例和单个转向类别的比例结合使用判断所述驾驶员的转向偏好。

[0078] 在一些可行的实施方式中，可以通过转向行为时间窗动态存储预设时长内的所述转向行为类别的识别结果。在进行转向偏好判定时，可以通过动态读取时间窗内存储的转向行为类别的识别结果。

[0079] 具体的，时间窗的长度可以为Tpref[sec]。

[0080] 如图5所示，为本发明提供的一种转向偏好判定的过程。其从时间窗内读取预设时长内的识别结果，并对各个转向类别的识别结果的比例进行统计。比如，激进转向行为、运动转向行为、正常转向行为、轻柔转向行为和微转向行为出现的比例分别为λ1、λ2、λ3、λ4和λ5。在进行转向偏好判定的过程中，可以根据各个转向行为出现的比例进行判断。

[0081] 具体来说，以将驾驶员的转向偏好划分为将转向偏好划分为运动型、稳健型和保守型为例；

[0082] 可以通过激进转向行为出现的比例λ1和运动转向行为出现的比例λ2判断驾驶员是否属于运动型转向偏好：

[0083] 若λ1和λ2之和大于第一阈值λth1，则判定所述驾驶员为运动型转向偏好；

[0084] 若否，则判断所述λ2是否大于第二阈值λth2，若是则判定所述驾驶员为运动型转向偏好；

[0085] 若所述λ2不大于第二阈值λth2，则通过轻柔转向行为出现的比例λ4和微转向行为出现的比例λ5判断驾驶员是否属于保守型转向偏好：

[0086] 若λ4和λ5之和大于第三阈值λth3，则判定所述驾驶员为保守型转向偏好；

[0087] 若λ4和λ5之和不大于第三阈值λth3，则通过正常转向行为出现的比例λ2和运动转向行为出现的比例λ3判断驾驶员属于稳健型转向偏好还是保守型转向偏好；

[0088] 若λ2和λ3之和大于第三阈值λth4，则判断λ3是否大于λth5；

[0089] 若λ3大于λth5，则判定所述驾驶员为稳健型转向偏好；

[0090] 若λ3不大于λth5，则判定所述驾驶员为保守型转向偏好；

[0091] 以及，若λ2和λ3之和不大于第三阈值λth4，则判定所述驾驶员为保守型转向偏好。

[0092] S400：根据所述转向偏好和所述车道环境信息确定车辆的车道保持控制参数。

[0093] 在一些可行的实施方式中，可以通过在内部预先设定参数自适应策略，在控制时，可以获取当前转向偏好对应的控制参数序列。

[0094] 进一步的，在内部预先设定参数自适应策略，其可以是根据驾驶员历史驾驶习惯设置的驾驶参数。

[0095] 另外，自适应调参模块根据不同的驾驶员转向偏好获取控制参数序列，实现可自适应驾驶员转向偏好的车道保持控制，使智能辅助驾驶和驾驶员自主驾驶时的主观感受更为一致。

[0096] 如图6所示，给出了自适应参数调整的过程。其通过读取驾驶员的转向偏好确定相应的控制参数序列输出。

[0097] 其中，图中{Cal1,Cal2,...Caln}运动，{Cal1,Cal2,...Caln}保守，{Cal1,Cal2,...Caln}稳健，分别为三种转向偏好对应的控制参数序列，{Cal1,Cal2,...Caln}示意控制策略中包含的n个标定量。

[0098] 在一些可行的实施方式中，所述控制参数序列可以通过查表获取。

[0099] S500：根据所述车道保持控制参数控制所述车辆自动进行车道保持。

[0100] 本发明实施例能够对驾驶员的行为特性进行辨识，并且基于驾驶员的驾驶特征自学习进行车辆的控制。具体来说，通过上述提供的车道保持辅助控制方法，可以实现用量化等级评价驾驶行为，实时判定驾驶员的转向偏好，通过驾驶员偏好自学习完成车道保持功能的自适应控制，使车道保持功能激活时主动转向力矩输出和驾驶员自主驾驶时保持一致，进一步保证车辆横向运动的主动安全性能和舒适性能。

[0101] 相应的，本发明实施例还提供了一种车道保持辅助控制装置，如图7所示，所述车道保持辅助控制装置包括：

[0102] 数据采集单元101，用于实时获取传感器探测到的车道环境信息和方向盘信息；

[0103] 类别识别单元102，用于根据实时获取的所述方向盘信息识别驾驶员当前的转向行为类别；

[0104] 偏好判定单元103，用于根据预设时长内所述转向行为类别的识别结果，判断所述驾驶员的转向偏好；

[0105] 控制参数确定单元104，用于根据所述转向偏好和所述车道环境信息确定车辆的车道保持控制参数；

[0106] 车道保持控制单元105，用于根据所述车道保持控制参数控制所述车辆自动进行车道保持。

[0107] 在一些可行的实施方式中，所述车道保持辅助控制装置还包括信息预处理单元106，用于对所述车道环境信息和所述方向盘信息进行预处理。具体的，所述预处理可以包括异常值剔除、滤波以及转速信号计算等预处理。

[0108] 在一些可行的实施方式中，所述车道保持辅助控制装置还包括参数存储单元107，所述参数存储单元用于存储预设时长的识别结果。

[0109] 进一步的，所述参数存储单元107中存储的数据在满容后可以以时间窗的形式更新数据，能够减少对于存储容量的要求；同时驾驶员也可以通过人机界面按钮手动清除空间中的全部数据。

[0110] 进一步的，所述偏好判定单元103则能够以参数存储单元中预设时长的识别结果作为输入，判断所述驾驶员的转向偏好。

[0111] 在一些可行的实施方式中，所述车道保持辅助控制装置还包括目标轨迹规划单元108，所述目标轨迹规划单元108用于确定车道保持功能激活时车辆的目标行驶轨迹，从而合理调整车身姿态避免车辆冲出车道线。

[0112] 在一些可行的实施方式中，所述车道保持控制单元105能够使车辆在车道保持功能激活期间按照目标轨迹安全行驶，从而完成车辆的车道保持功能。具体来说，可以是完成车辆的转向控制。

[0113] 进一步的，所述车道保持控制单元的相关控制参数来自于控制参数确定单元。

[0114] 在一些可行的实施方式中，所述控制参数确定单元104能够通过内设的自适应调参策略确定当前转向偏好下的最佳车道保持功能控制参数序列。

[0115] 相应的，本发明实施例还提供了一种车道保持辅助控制系统，所述车道保持辅助控制系统包括上述任意一种的车道保持辅助控制装置。

[0116] 进一步的，所述车道保持辅助控制系统还包括传感单元2，所述传感单元2包括前置摄像头、转角传感器和力矩传感器；

[0117] 所述前置摄像头用于获取车道环境信息，所述转角传感器用于获取方向盘转角信息，所述力矩传感器用于获取方向盘力矩信息。

[0118] 进一步的，所述车道保持辅助控制系统还包括转向执行器3，所述转向执行器3用于执行车道保持控制单元的控制参数以使车辆完成车道保持功能。

[0119] 在一些可行的实施方式中，所述转向执行器3可以为EPS系统，其能够接受来自车道保持控制单元的控制决策层输出的主动转向力矩或转角请求，以进行相应的操作。

[0120] 如图8所示，给出一种车道保持辅助控制系统的组成结构示意图。

[0121] 相应的，本发明实施例还提供了一种车辆，所述车辆包括上述的车道保持辅助控制装置，或包括上述的车道保持辅助控制系统。

[0122] 相应的，本发明实施例还提供了一种计算机存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行如上述任意一种的车道保持辅助控制方法。

[0123] 相应的，本发明实施例还提供了一种设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述任一项所述的车道保持辅助控制方法。

[0124] 需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

[0125] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、系统和服务器实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

[0126] 本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

[0127] 以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。