CN107792052B - 有人或无人双模驾驶电动工程车 - Google Patents
有人或无人双模驾驶电动工程车 Download PDFInfo
- Publication number
- CN107792052B CN107792052B CN201710939987.7A CN201710939987A CN107792052B CN 107792052 B CN107792052 B CN 107792052B CN 201710939987 A CN201710939987 A CN 201710939987A CN 107792052 B CN107792052 B CN 107792052B
- Authority
- CN
- China
- Prior art keywords
- image
- vehicle
- lane
- unmanned
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 230000001133 acceleration Effects 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 7
- 238000003709 image segmentation Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 238000005286 illumination Methods 0.000 claims description 2
- 238000005096 rolling process Methods 0.000 claims description 2
- 241000153246 Anteros Species 0.000 claims 1
- 238000012805 post-processing Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
- B60W40/076—Slope angle of the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/15—Road slope, i.e. the inclination of a road segment in the longitudinal direction
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/20—Steering systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明涉及一种有人或无人双模驾驶电动工程车,可以采用有人驾驶和无人驾驶模式,主要包含环境感知系统、驱动控制系统和转向控制系统。有人驾驶模式下,车辆由驾驶员控制。无人驾驶模式下,所述环境感知系统采用摄像机采集车辆前方图像,并通过坐标变换将世界坐标转换为图像坐标;通过对摄像机采集的图片进行分析,提取出其中的车道标识,通过对车道线的检测与拟合计算出车辆离目标行驶路径的偏航距离与偏航角,然后转向控制系统据此纠正车辆的行驶方向;通过三轴加速度传感器计算出车辆行驶道路的坡度,然后驱动控制系统据此控制车辆匀速行驶。本发明实现了电动工程车的无人驾驶和有人驾驶,提高了电动工程车作业的安全性。
Description
技术领域
本发明涉及一种电动工程车,尤其涉及一种有人或无人双模驾驶电动工程车。
背景技术
城市地下管廊作为重要的基础设施,需要经常使用工程车进行巡检和维护。若采用有人驾驶工程车进行巡检,由于线路基本固定,工作环境单一,且行驶速度较慢,驾驶员很容易出现驾驶疲劳,故此时适合采用无人驾驶工程车。但在维护特殊节点时,由于需要运送专业人员与装备,工程车仍需要驾驶员操作。因此对于城市地下管廊工程车,较适合采用兼具有人驾驶和无人驾驶模式的电动工程车。
发明内容
本发明的主要目的在于提供一种有人或无人双模驾驶电动工程车,旨在使地下工程车具有无人驾驶、双模驾驶功能。
为实现上述目的,本发明提供一种电动轮驱动的有人或无人双模驾驶电动工程车,包括环境感知系统、驱动控制系统和转向控制系统。
所述环境感知系统通过车载摄像机采集车辆前方的道路图片,并通过坐标变换将世界坐标转换为图像坐标;通过图像预处理、图像分割、车道标识特征点提取、曲线拟合得到车道线信息,通过对车道线的检测与拟合计算出车辆离目标行驶路径(道路中线)的偏航距离和偏航角,将该偏航数据通过CAN总线传输给转向控制系统。
图像预处理的具体步骤包括:
步骤1:为了减少环境的干扰,同时提高计算速度,取出整张图像下部1/3-1/2作为感兴趣区域(Region of Interest,ROI),优选整张图像的下部1/2作为ROI;
步骤2:将ROI中的RGB彩色图像按公式g=0.299*R+0.587*G+0.114*B转换成灰度图像,其中,g为灰度图像的灰度级,R、G、B分别为彩色图像R、G、B通道的亮度值。
图像分割的步骤包括:
步骤1:根据大津法,按照公式:求出用于阈值分割的灰度阈值。式中,g0为灰度阈值,t为灰度值,m为灰度图像的灰度级,ω0(t)和ω1(t)分别为图像中目标和背景的比例,μ0(t)和μ1(t)分别为目标和背景的灰度均值,μ为整幅图像的灰度均值。
步骤2:将ROI中各点的灰度值g和灰度阈值g0作比较,若g≥g0,则g≥1,否则g=0。
特征点提取的步骤包括:
步骤1:从图像的中线开始,自左向右对图像进行逐行扫描,若连续的白色像素点(即灰度值为1的点)的长度在wmin和wmax之间,则将该连续白色像素点的中点作为候选车道线特征点,wmin和wmax分别为图像上车道线的宽度阈值,优选的wmin取4,wmax取20。
步骤2:根据车道线在空间上连续的特征,对步骤1中提取出的候选特征点进行过滤,保留下来的特征点用于车道线拟合。
曲线拟合的步骤包括:
步骤1:将车道线特征点按照纵坐标等分为四个部分;
步骤2:对四个小段每一段按照最小二乘法进行直线拟合;
步骤3:将本帧的拟合结果与上一帧的拟合结果进行对比,若两帧的拟合结果偏差过大,则取上一帧的拟合结果作为本帧的拟合结果。
偏航距离和偏航角度的计算方法为:
步骤1:根据车道线拟合结果计算出图像中右侧车道线上各点的横坐标x1、x2、x3….xn,n为ROI的高度(以像素为单位);
步骤2:根据式di=k(ri-hz)计算出图像中车道在每一行的宽度,其中,di为图像上每一行的车道宽度,k为宽度匹配系数,ri为每一行的纵坐标,hz为图像上车道线消失点的纵坐标。宽度匹配系数k是一个与相机内外参数相关的系数,其计算式为:式中,λ为镜头的焦距,D为世界坐标系中车道的宽度,H为车载摄像头安装位置距地面的高度。
步骤3:根据车道线上各点的横坐标和各行的车道宽度di计算出车道中线上各点的横坐标xmi=xi-di/2;
步骤4:计算出偏航距离ldep=xmn-wid/2,其中,ldep为偏航距离,xmn为车道中线在图像中的最低点的横坐标,wid为ROI的宽度。
步骤5:根据步骤1-3中计算出来的车道中线上各点的坐标,计算出车道中线最低点的切线的方程x=a+by,其中a,b为切线方程的参数。则偏航角度θdep=arctan(-b),其中,θdep为偏航角度,wid和h分别为ROI的宽度和高度。
所述转向控制系统根据获得的偏航数据,调整车辆行驶方向,纠正车辆行驶轨迹。
所述驱动控制系统通过三轴加速度传感器数据计算出车辆行驶道路的坡度,通过控制系统调整电动轮的驱动力和转速,使车辆保持匀速行驶。
附图说明
图1为本发明的系统原理框图。
图2为环境感知系统中的图像处理计算流程。
图3为摄像系统的坐标变换示意图。
图4为CAN总线收发器电路原理图。
图5为汽车的阿克尔曼转向模型。
本发明目的的实现、功能特点及优点将参照附图做进一步说明。
具体实施方式
本发明涉及一种有人或无人双模驾驶电动工程车,包含环境感知系统、驱动控制系统和转向控制系统(见图1)。环境感知系统采用集成高性能图像采集卡、DSP处理器的嵌入式系统,并包含两个摄像机。两个摄像机分别安装于车辆的前、后两端,同一时刻仅有行驶方向一侧的相机处于工作状态。摄像模块带有光源,保证在光照较弱的环境中能够清晰的采集到车辆前方的道路图片。
图2为本发明所涉及的环境感知系统的图像处理计算流程。首先,根据系统的预瞄时间要求,计算预瞄距离,若预瞄时间为t,则预瞄距离为V0t,V0为车辆设计的稳定运行速度;通过预瞄距离,确定图像上的感兴趣区域。对图像的感兴趣区域进行中值滤波,去除图像中的噪点。滤波之后将图像转换为灰度图像。为了避免地下积水、灰尘等对车道线检测的干扰,采用自适应阈值二值化算法对感兴趣区域(Region of Interest,ROI)中的图像进行二值化操作。采用大津法进行二值化,其基本思路是:选取的最佳阈值应当使得用该阈值二值化得到的两类间具有最好的分离性,而类间分离性最好的判据是统计意义上的类间特性差最大。求得二值化图像之后,采用行扫描的方法选出车道特征点,用实时性较高的最小二乘法对特征点进行拟合,得到车道线,进而得到车道中线。
图像预处理的具体步骤包括:
步骤1:为了减少环境的干扰,同时提高计算速度,取出整张图像下部1/3-1/2作为感兴趣区域(Region of Interest,ROI),优选整张图像的下部1/2作为ROI;
步骤2:将ROI中的RGB彩色图像按公式g=0.299*R+0.587*G+0.114*B转换成灰度图像,其中,g为灰度图像的灰度级,R、G、B分别为彩色图像R、G、B通道的亮度值。
图像分割的步骤包括:
步骤1:根据大津法,按照公式:求出用于阈值分割的灰度阈值。式中,g0为灰度阈值,t为灰度值,m为灰度图像的灰度级,ω0(t)和ω1(t)分别为图像中目标和背景的比例,μ0(t)和μ1(t)分别为目标和背景的灰度均值,μ为整幅图像的灰度均值。
步骤2:将ROI中各点的灰度值g和灰度阈值g0作比较,若g≥g0,则g≥1,否则g=0。
特征点提取的步骤包括:
步骤1:从图像的中线开始,自左向右对图像进行逐行扫描,若连续的白色像素点(即灰度值为1的点)的长度在wmin和wmax之间,则将该连续白色像素点的中点作为候选车道线特征点,wmin和wmax分别为图像上车道线的宽度阈值,优选的wmin取4,wmax取20。
步骤2:根据车道线在空间上连续的特征,对步骤1中提取出的候选特征点进行过滤,保留下来的特征点用于车道线拟合。
曲线拟合的步骤包括:
步骤1:将车道线特征点按照纵坐标等分为四个部分;
步骤2:对四个小段每一段按照最小二乘法进行直线拟合;
步骤3:将本帧的拟合结果与上一帧的拟合结果进行对比,若两帧的拟合结果偏差过大,则取上一帧的拟合结果作为本帧的拟合结果。
得到的车道线是以图像像素为坐标的,并不能直接使用。图3为图像采集系统的各坐标系之间的关系。图中,Xw为世界坐标系,Xv为车辆坐标系,Xc为摄像机坐标系,xd为实际图像坐标,xn为理想图像坐标,xp为像素坐标。世界坐标系与图像坐标系之间的转换关系为:
式中,a11、a12、...、a33等为相机定位参数,b1、b2、b3为相机内部参数,可以通过标定试验得到。通过所述坐标转换公式得到车道中线在世界坐标系中的位置以及图片中线(即车身轴线)在世界坐标系中的位置之后,即可进一步求得车辆的偏航距离和偏航角度。
偏航距离和偏航角度的计算方法为:
步骤1:根据车道线拟合结果计算出图像中右侧车道线上各点的横坐标x1、x2、x3….xn,n为ROI的高度(以像素为单位);
步骤2:根据式di=k(ri-hz)计算出图像中车道在每一行的宽度,其中,di为图像上每一行的车道宽度,k为宽度匹配系数,ri为每一行的纵坐标,hz为图像上车道线消失点的纵坐标。宽度匹配系数k是一个与相机内外参数相关的系数,其计算式为:式中,λ为镜头的焦距,D为世界坐标系中车道的宽度,H为车载摄像头安装位置距地面的高度。
步骤3:根据车道线上各点的横坐标和各行的车道宽度di计算出车道中线上各点的横坐标xmi=xi-di/2;
步骤4:计算出偏航距离ldep=xmn-wid/2,其中,ldep为偏航距离,xmn为车道中线在图像中的最低点的横坐标,wid为ROI的宽度。
步骤5:根据步骤1-3中计算出来的车道中线上各点的坐标,计算出车道中线最低点的切线的方程x=a+by,其中a,b为切线方程的参数。则偏航角度
θdep=arctan(-b),其中,θdep为偏航角度,wid和h分别为ROI的宽度和高度。
求得车辆的偏航数据之后,需要将数据传输给转向控制系统,采用控制器局域网(Controller Area Network,CAN)进行数据传输,具有CAN通讯功能的系统之间仅需要两条信号线来传递信号,可以减少车身布线,进一步节省了成本;同时CAN总线系统有很强的抗干扰能力和鲁棒性,在恶劣复杂的工作环境下,CAN总线都能稳定可靠工作。图4为CAN总线收发器电路原理图。转向控制系统接收到偏航距离和偏航角度之后,采用电子差速算法控制车辆进行转向,对车辆行驶方向进行调整,最终回到正常的行驶路线。
图5为阿克尔曼转向模型,车辆相关参数如下:L为轴距,w为轮距,a和b分别为前轴、后轴与质心的距离,α’为车辆纵向行驶速度与车辆质心速度的夹角,β为阿克尔曼转向角,β1和β2分别为内、外轮转向角,并且β1>β2。转向时,车辆上各部分绕转向中心O转动,O点与后轴共线。V1、V2、V3、V4分别为各车轮的轮速。R1、R2、R3、R4分别为各车轮绕转向中心点O的运动半径,R为车辆质心绕转向中心点O的运动半径。由几何关系可得各车轮轮速:
车辆行驶过程中的驱动转矩计算以及电动轮之间的转矩分配对于车辆的稳定运行也十分关键。
汽车行驶方程式为:式中,Ft为驱动力,G为车重,m为车质量,f为滚动阻力系数,CD为空气阻力系数,A为迎风面积,i为爬坡度,δ为旋转质量换算系数,ua为车速(km/h),du/dt为车辆加速度(m/s2)。
汽车行驶过程中前、后轴的地面法向反作用力Fz1、Fz2分别为:
式中,hg为车辆质心高度,α为道路坡度角。
为了能更加有效利用电动轮中轮毂电机的驱动力,提高汽车的动力性和操控性,采用根据前、后轴法向载荷的比例关系进行前、后轴驱动力分配的控制策略,即:
其中,Tt1和Tt2分别为前、后轴的驱动力矩,Fz1和Fz2分别为前、后轴的法向载荷。
工程车行驶时,道路坡度经常变化,轮毂电机按照前、后轴法向载荷不断变化的动态比例来输出转矩,以便最大限度利用轮毂电机的转矩,提高动力性,同时还能减少驱动轮打滑程度,提高车辆操控性。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种有人或无人双模驾驶电动工程车,其特征在于,包括环境感知系统、驱动控制系统和转向控制系统,能够在有人驾驶和无人驾驶模式间进行切换,其中,
在有人驾驶模式下:车辆由驾驶员控制,通过控制电动车自带的驱动系统行驶;
在无人驾驶模式下:车辆通过环境感知系统、驱动控制系统和转向控制系统控制电动车自带的驱动系统行驶,其中,
环境感知系统:通过车载相机采集车辆前方的道路图片,通过图像预处理、图像分割、特征点提取、曲线拟合得到车道线信息;通过坐标变换计算车辆行驶方向与道路中线的偏航角度和偏航距离,将该偏航数据通过CAN总线传输给转向控制系统;
图像预处理的具体步骤包括:
步骤1:为了减少环境的干扰,同时提高计算速度,取出整张图像下部1/3-1/2作为感兴趣区域ROI;
步骤2:将感兴趣区域ROI中的RGB彩色图像按公式g=0.299*R+0.587*G+0.114*B转换成灰度图像,其中,g为灰度图像的灰度级,R、G、B分别为彩色图像R、G、B通道的亮度值;
图像分割的步骤包括:
步骤1:根据大津法,按照公式:
求出用于阈值分割的灰度阈值;式中,g0为灰度阈值,t为灰度值,m为灰度图像的灰度级,ω0(t)和ω1(t)分别为图像中目标和背景的比例,μ0(t)和μ1(t)分别为目标和背景的灰度均值,μ为整幅图像的灰度均值;
步骤2:将感兴趣区域ROI中各点的灰度值g和灰度阈值g0作比较,若g≥g0,则g≥1,否则g=0;
特征点提取的步骤包括:
步骤1:从图像的中线开始,自左向右对图像进行逐行扫描,若连续的白色像素点的长度在wmin和wmax之间,则将该连续白色像素点的中点作为候选车道线特征点,wmin和wmax分别为图像上车道线的宽度阈值;
步骤2:根据车道线在空间上连续的特征,对步骤1中提取出的候选特征点进行过滤,保留下来的特征点用于车道线拟合;
曲线拟合的步骤包括:
步骤1:将车道线特征点按照纵坐标等分为四个部分;
步骤2:对四个小段每一段按照最小二乘法进行直线拟合;
步骤3:将本帧的拟合结果与上一帧的拟合结果进行对比,若两帧的拟合结果偏差过大,则取上一帧的拟合结果作为本帧的拟合结果;
转向控制系统:根据获得的偏航数据,调整车辆行驶方向,纠正车辆行驶轨迹;
驱动控制系统:通过三轴加速度传感器数据计算出车辆行驶道路的坡度,通过控制系统调整电动轮的驱动力和转速,使车辆保持匀速行驶。
2.根据权利要求1所述的有人或无人双模驾驶电动工程车,其特征在于,所述环境感知系统包含两个摄像机,分别安装于车辆的前、后两端,同一时刻仅有行驶方向一侧的相机处于工作状态。
3.根据权利要求2所述的有人或无人双模驾驶电动工程车,其特征在于,所述摄像机带有光源,保证在光照较弱的环境中能够清晰的采集到车辆前方的道路图片。
4.根据权利要求1所述的有人或无人双模驾驶电动工程车,其特征在于,所述偏航数据计算过程为:感兴趣区域ROI选取、图像平滑处理、自适应阈值二值化、特征点提取、车道线拟合、车道中线位置计算、偏航距离和偏航角度计算;
偏航距离和偏航角度的计算方法为:
步骤1:根据车道线拟合结果计算出图像中右侧车道线上各点的横坐标x1、x2、x3....xn,n为感兴趣区域ROI的高度,单位为像素;
步骤2:根据式di=k(ri-hz)计算出图像中车道在每一行的宽度,其中,di为图像上每一行的车道宽度,k为宽度匹配系数,ri为每一行的纵坐标,hz为图像上车道线消失点的纵坐标;宽度匹配系数k是一个与相机内外参数相关的系数,其计算式为:式中,λ为镜头的焦距,D为世界坐标系中车道的宽度,H为车载摄像头安装位置距地面的高度;
步骤3:根据车道线上各点的横坐标和各行的车道宽度di计算出车道中线上各点的横坐标xmi=xi-di/2;
步骤4:计算出偏航距离ldep=xmn-wid/2,其中,ldep为偏航距离,xmn为车道中线在图像中的最低点的横坐标,wid为感兴趣区域ROI的宽度;
步骤5:根据步骤1-3中计算出来的车道中线上各点的坐标,计算出车道中线最低点的切线的方程x=a+by,其中a,b为切线方程的参数;则偏航角度θdep=arctan(-b),其中,θdep为偏航角度,wid和h分别为感兴趣区域ROI的宽度和高度。
5.根据权利要求1所述的有人或无人双模驾驶电动工程车,其特征在于,所述环境感知系统包括:
图像预处理模块:用于从车载相机采集的原始图像中提取出感兴趣的部分,并将其转换成灰度图像,便于后期处理;
图像分割模块:用于将灰度图像分割成只包含目标和背景的二值图像,在此基础上提取车道线特征;
特征点提取模块:用于从二值图像中提取符合车道线特征的点;
曲线拟合模块:用于将提取出的车道线特征点进行拟合,得到车道线的方程;
偏航数据获取模块:用于计算出车辆的偏航距离和偏航角,并将其传输给转向控制系统,用于车辆行驶方向控制。
6.根据权利要求1所述的有人或无人双模驾驶电动工程车,其特征在于,通过三轴加速度传感器数据计算出车辆行驶道路的坡度,通过汽车行驶方程式计算出驱动力大小,其中,Ft为驱动力,G为车辆重力,f为滚动阻力系数,CD为空气阻力系数,A为迎风面积,ua为车速(km/h),i为坡度,δ为旋转质量换算系数,m为车辆质量,为加速度(m/s2);通过求出的驱动力对各电动轮的驱动力矩进行分配,控制车辆匀速行驶。
7.根据权利要求6所述的有人或无人双模驾驶电动工程车,所述驱动轮驱动力矩分配的策略是根据前后轴法向载荷的比例进行驱动力矩分配,以有效利用道路附着条件和驱动电机的驱动力,即其中,Tt1和Tt2分别为前、后轴的驱动力矩,Fz1和Fz2分别为前、后轴的法向载荷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710939987.7A CN107792052B (zh) | 2017-10-11 | 2017-10-11 | 有人或无人双模驾驶电动工程车 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710939987.7A CN107792052B (zh) | 2017-10-11 | 2017-10-11 | 有人或无人双模驾驶电动工程车 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107792052A CN107792052A (zh) | 2018-03-13 |
CN107792052B true CN107792052B (zh) | 2019-11-08 |
Family
ID=61533938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710939987.7A Expired - Fee Related CN107792052B (zh) | 2017-10-11 | 2017-10-11 | 有人或无人双模驾驶电动工程车 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107792052B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427418B (zh) * | 2018-04-17 | 2021-03-12 | 国网江苏省电力有限公司苏州供电分公司 | 自主识别及纠偏的行进轨迹控制方法和系统 |
KR102146451B1 (ko) * | 2018-08-17 | 2020-08-20 | 에스케이텔레콤 주식회사 | 좌표계 변환 정보 획득 장치 및 방법 |
CN110509781A (zh) * | 2019-08-13 | 2019-11-29 | 深兰科技(上海)有限公司 | 一种控制移动设备行进的方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10105232A (ja) * | 1996-09-30 | 1998-04-24 | Mitsubishi Motors Corp | 自動運転道路システム用車線変更装置 |
US8126642B2 (en) * | 2008-10-24 | 2012-02-28 | Gray & Company, Inc. | Control and systems for autonomously driven vehicles |
DE102011121948A1 (de) * | 2011-12-22 | 2013-06-27 | Gm Global Technology Operations, Llc | Vorausschau auf Aktionen eines autonomen Fahrsystems |
US9720411B2 (en) * | 2014-02-25 | 2017-08-01 | Ford Global Technologies, Llc | Autonomous driving sensing system and method |
JP6304086B2 (ja) * | 2015-03-23 | 2018-04-04 | トヨタ自動車株式会社 | 自動運転装置 |
US9878711B2 (en) * | 2015-12-14 | 2018-01-30 | Honda Motor Co., Ltd. | Method and system for lane detection and validation |
KR20170071120A (ko) * | 2015-12-15 | 2017-06-23 | 현대자동차주식회사 | Lkas 시스템, 이를 포함하는 차량, 및 lkas 제어 방법 |
-
2017
- 2017-10-11 CN CN201710939987.7A patent/CN107792052B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN107792052A (zh) | 2018-03-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108189838B (zh) | 一种融合型自适应巡航弯道控制方法及装置 | |
WO2021259344A1 (zh) | 车辆检测方法、装置、车辆和存储介质 | |
CN110517521A (zh) | 一种基于路车融合感知的车道偏离预警方法 | |
CN101608924B (zh) | 一种基于灰度估计和级联霍夫变换的车道线检测方法 | |
WO2013136878A1 (ja) | 物体検出装置 | |
CN102785661B (zh) | 车道偏离控制系统及方法 | |
CN105678787A (zh) | 一种基于双目鱼眼摄像头的载重货车行驶障碍物检测及跟踪方法 | |
CN102682292B (zh) | 基于单目视觉的道路边缘检测及粗定位方法 | |
US9235767B2 (en) | Detection region modification for driving assistance apparatus and driving assistance method | |
CN106503636B (zh) | 一种基于视觉图像的道路视距检测方法及装置 | |
US11577748B1 (en) | Real-time perception system for small objects at long range for autonomous vehicles | |
KR101049901B1 (ko) | 센서정보를 이용한 지능형 주행안전 예방 시스템 및 방법 | |
CN107792052B (zh) | 有人或无人双模驾驶电动工程车 | |
CN107010066A (zh) | 车辆的行驶控制装置 | |
CN106864458A (zh) | 一种自动绕障系统及方法、智能汽车 | |
CN202624199U (zh) | 一种利用交通灯控制汽车车速的控制装置 | |
CN202134079U (zh) | 一种无人驾驶车辆车道标志线识别与报警装置 | |
CN106774366A (zh) | 一种仿生无人车控制系统及其控制方法 | |
WO2019166142A1 (en) | Methods and apparatus for acquisition and tracking, object classification and terrain inference | |
CN107133600A (zh) | 一种基于帧间关联的实时车道线检测方法 | |
KR100766596B1 (ko) | 차량의 차선유지 조향제어방법 | |
CN108776767A (zh) | 一种有效判别车辆压线及预先提示系统 | |
CN106803073B (zh) | 基于立体视觉目标的辅助驾驶系统及方法 | |
CN107578046A (zh) | 一种基于图像二值化处理的辅助车辆行驶方法 | |
CN108983791A (zh) | 一种智能车控制系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191108 |
|
CF01 | Termination of patent right due to non-payment of annual fee |