CN108985158A - 一种路面识别系统及方法 - Google Patents
一种路面识别系统及方法 Download PDFInfo
- Publication number
- CN108985158A CN108985158A CN201810584408.6A CN201810584408A CN108985158A CN 108985158 A CN108985158 A CN 108985158A CN 201810584408 A CN201810584408 A CN 201810584408A CN 108985158 A CN108985158 A CN 108985158A
- Authority
- CN
- China
- Prior art keywords
- road surface
- road
- recognition result
- auxiliary
- identification
- 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.)
- Pending
Links
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Abstract
本发明适用于路面识别技术领域,提供了一种路面识别系统及方法,该方法包括如下步骤:S1、基于路面附着系数进行路面主识别,输出路面主识别结果;S2、基于路面信息进行路面辅识别,获取路面辅识别结果;S3、基于路面辅识别结果与路面主识别结果的一致性来计算识别置信度,并输出别识置信度。本发明通过路面颜色及路面纹理来进行辅助识别,基于辅助识别结果来评价路面主识别结果的可信度,以使驾驶员可以直观的获知路面识别结果精准度,并基于识别结果的精准度来做出相应的反应。
Description
技术领域
本发明属于路面识别技术领域,提供了一种路面识别系统及方法。
背景技术
随着科技的进步和社会的发展,人们对汽车在安全、耗能、驾驶、舒适和娱乐等方面的要求越来越高,汽车的研究设计开发面临新的突破。新一代汽车研究与开发将集中表现在信息技术、微电子技术、计算机技术、智能自动化技术、人工智能技术、网络技术、通信技术在汽车上的应用。在这种背景下,智能汽车应运而生。随着传感器、导航、云计算技术的飞速发展以及智能通信和道路设施的不断完善,作为智能汽车终极发展阶段的无人驾驶汽车,在不远的将来一定会走进现实生活,改变现有的交通模式。在此背景下,我国需要加快制定智能汽车发展战略,加强相关技术的研发,从而促进我国汽车产业实现弯道超车、由大变强。智能驾驶主要分为环境感知、行为决策、运动控制三大模块,环境感知是智能驾驶开发的难点,也一直以来制约着智能驾驶实现规模化量产。
现有多是基于电子稳定控制器ESC来进行路面识别,基于车辆轮速传感器获取的轮速信号、发动机/电机输出扭矩进行车辆动力学建模,对路面的附着系数进行估算,在通常情况下可以比较精确估算的路面附着系数,但无法对相同附着系数或相近附着系数的路面进行识别。
发明内容
本发明实施例提供一种路面识别方法,旨在提高路面识别的精准度。
本发明是这样实现的,一种路面识别系统,该系统包括:
视觉系统、ESC系统,及设于ESC系统的融合处理模块;
视觉系统用于采集路面信息,并发送至融合处理模块,路面信息包括路面颜色及路面纹理;
ESC系统基于电机控制器EMS、变速箱控制系统TCU采集的信息估算路面附着系数,并发送至融合处理模块;
融合处理模块,基于附着系数及路面信息来进行路面识别。
本发明是这样实现的,一种路面识别方法,该方法包括如下步骤:
S1、基于路面附着系数进行路面主识别,输出路面主识别结果;
S2、基于路面信息进行路面辅识别,获取路面辅识别结果;
S3、基于路面辅识别结果与路面主识别结果的一致性来计算识别置信度,并输出别识置信度。
进一步的,路面辅助识方法包括如下步骤:
S21、基于路面纹理进行第一次路面辅识别,获取第一次路面辅识别结果;
S22、基于路面颜色进行第二次路面辅识别,获取第二次路面辅识别结果。
进一步的,步骤S3具体包括如下步骤:
S31、判断第一次路面辅识别结果及第二次路面辅识别结果是否与路面主识别结果一致;
S32、基于路面附着系数、路面纹理及路面颜色被赋予的权重来计算路面识别结果的识别置信度。
进一步的,步骤S32具体如下:
若第一次路面辅识别结果及第二次路面辅识别结果均与路面主识别结果一致,则输出路面附着系数、路面纹理的及路面颜色的识别置信度之和;
若第一次路面辅识别结果及第二次路面辅识别结果均与路面主识别结果不一致,则仅输出路面附着系数的识别置信度;
若第一次路面辅识别结果与路面主识别结果一致,第二次路面辅识别结果与路面主识别结果不一致,则输出路面附着系数及路面纹理的识别置信度之和;
若第二次路面辅识别结果与路面主识别结果一致,第一次路面辅识别结果与路面主识别结果不一致,则输出路面附着系数及路面颜色的识别置信度之和。
本发明通过路面颜色及路面纹理来进行辅助识别,基于辅助识别结果来评价路面主识别结果的可信度,不但可以对相同附着系数或相近附着系数的路面进行区分,且驾驶员可以直观的获知路面识别结果精准度,并基于识别结果的精准度来做出相应的反应。
附图说明
图1为本发明实施例提供的路面识别系统的结构示意图;
图2为本发明实施例提供的路面识别方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1为本发明实施例提供的路面识别系统的结构示意图,为了便于说明,仅示出于本发明实施例相关的部分。
该系统包括:
视觉系统、ESC系统,及设于ESC系统的融合处理模块;
视觉系统用于采集路面信息,并发送至融合处理模块,路面信息包括路面颜色及路面纹理;
该视觉系统包括摄像头及图像处理模块,摄像头用于采集车辆前方的路面图片,图像处理模块基于路面图片来提取路面颜色及路面纹理。
ESC系统基于电机控制器EMS、变速箱控制系统TCU采集的信息估算路面附着系数,并发送至融合处理模块;
在本发明实施例中,路面附着系数的获取方法包括如下步骤:
S1、计算车辆整车传动比;
在本发明实施例中,整车传动比的计算方式有两种:第一种,通过变速箱控制系统TCU来获取;车辆整车传动比=变速箱传动比*主减速比*差速比;第二种,车辆整车传动比=发动机转速/车轮转速;
S2、计算轮端驱动扭矩;轮端驱动扭矩=发动机输出净扭矩*整车传动比*传动效率;
S3、计算各车轮的附着系数,将前轴车轮平均附着系数及后轴车轮平均附着系数中的最大值作为路面附着系数。
获取车轮附着系数的计算公式具体如下所示(虑弯、加减速时的载荷转移):
车轮附着系数=[(车轮驱动扭矩-制动力矩)/车轮半径-(车轮加速度*车轮惯性力矩)/车轮半径的平方]/车辆垂向力
制动扭矩是ESC系统基于制动压力估算出来的,车轮半径及轮胎半径的平方为存储在ESC系统内的参数,车辆垂向力是由车辆设计参数获取;
融合处理模块基于附着系数及路面信息来进行路面识别。
图2为本发明实施例提供的路面识别方法的流程图,该路面识别方法是基于视觉系统及ESC系统来完成的,路面识别方法具体包括如下步骤:
S1、基于路面附着系数进行路面主识别,输出路面主识别结果;
ESC系统存储有路面类型-附着系数表,基于ESC系统估算的当前路面的路面附着系数来确定路面的类型或可能的类型。
S2、基于路面信息进行路面辅识别,获取路面辅识别结果;
S3、基于路面辅识别结果与路面主识别结果的一致性来计算识别置信度,并将别识置信度进行输出。
在本发明实施例中,由于路面纹理与路面颜色之间不存在必然的关联,因此,将路面纹理与路面颜色分别对路面进行辅助路面辅识别,因此路面辅助识别分两步进行,分别包括如下步骤:
S21、基于路面纹理进行第一次路面辅识别,获取第一次路面辅识别结果;
S22、基于路面颜色进行第二次路面辅识别,获取第二次路面辅识别结果。
在本发明实施例中,步骤S3具体包括如下步骤:
S31、判断第一次路面辅识别结果及第二次路面辅识别结果是否与路面主识别结果一致;
S32、基于路面附着系数、路面纹理及路面颜色被赋予的权重来计算路面识别结果的识别置信度,即:
若第一次路面辅识别结果及第二次路面辅识别结果均与路面主识别结果一致,则输出路面附着系数、路面纹理的及路面颜色的识别置信度之和;
若第一次路面辅识别结果及第二次路面辅识别结果均与路面主识别结果不一致,则仅输出路面附着系数的识别置信度;
若第一次路面辅识别结果与路面主识别结果一致,第二次路面辅识别结果与路面主识别结果不一致,则输出路面附着系数及路面纹理的识别置信度之和;
若第二次路面辅识别结果与路面主识别结果一致,第一次路面辅识别结果与路面主识别结果不一致,则输出路面附着系数及路面颜色的识别置信度之和。
在本发明实施例中,基于路面附着系数、路面纹理及路面颜色对路面识别精准性的贡献来赋予不同的权重,例如,将路面附着系数的权重设为0.5,路面纹理的权重设为0.35,路面颜色的权重设为0.15,当第一次路面辅识别结果与路面主识别结果一致时,第二次路面辅识别结果与路面主识别结果不一致时,则输出的路面识别结果的识别置信度为0.85,当第一路面辅识别结果即第二次路面辅识别结果均与路面主识别结果一致时,则输出的路面识别结果的识别置信度为1,当第一路面辅识别结果即第二次路面辅识别结果均与路面主识别结果不一致时,则输出的路面识别结果的识别置信度为0.5。
在发明实施例中,视觉系统通过深度学习进行图像拟合获取路面纹理信息(Factor),Factor为0-1变化的数值,0表示路面绝对光滑,1表示路面非常粗糙(鹅卵石路),例如:干沥青路面:路面附着系数大于0.7,路面颜色信息为黑色,且factor值小于0.2;湿沥青路面:路面附着系数大于0.5小于0.7,路面颜色信息为浅黑色,且factor值小于0.2;覆盖雪的路面:路面附着系数大于0.2小于0.5,路面颜色信息为白色,且factor值小于0.2;覆盖冰的路面:路面附着系数小于0.2,路面颜色为白色或无色,且factor值小于0.2;沙地路面:ESC识别松土路面(SoftSurface),路面颜色为黄色,且0.2<factor<0.5;粗糙路面:factor值大于0.5。
本发明通过路面颜色及路面纹理来进行辅助识别,基于辅助识别结果来评价路面主识别结果的可信度,不但可以对相同附着系数或相近附着系数的路面进行区分,且驾驶员可以直观的获知路面识别结果精准度,并基于识别结果的精准度来做出相应的反应。
以上所述仅为本发明的较佳实施例而已,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、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种路面识别系统,其特征在于,所述系统包括:
视觉系统、ESC系统,及设于ESC系统的融合处理模块;
视觉系统用于采集路面信息,并发送至融合处理模块,路面信息包括路面颜色及路面纹理;
ESC系统基于电机控制器EMS、变速箱控制系统TCU采集的信息估算路面附着系数,并发送至融合处理模块;
融合处理模块,基于附着系数及路面信息来进行路面识别。
2.一种基于权利要求1所述路面识别系统的路面识别方法,其特征在于,所述方法包括如下步骤:
S1、基于路面附着系数进行路面主识别,输出路面主识别结果;
S2、基于路面信息进行路面辅识别,获取路面辅识别结果;
S3、基于路面辅识别结果与路面主识别结果的一致性来计算识别置信度,并输出别识置信度。
3.如权利要求2所述的路面识别方法,其特征在于,所述路面辅助识方法包括如下步骤:
S21、基于路面纹理进行第一次路面辅识别,获取第一次路面辅识别结果;
S22、基于路面颜色进行第二次路面辅识别,获取第二次路面辅识别结果。
4.如权利要求2所述的路面识别方法,其特征在于,所述步骤S3具体包括如下步骤:
S31、判断第一次路面辅识别结果及第二次路面辅识别结果是否与路面主识别结果一致;
S32、基于路面附着系数、路面纹理及路面颜色被赋予的权重来计算路面识别结果的识别置信度。
5.如权利要求2所述的路面识别方法,其特征在于,所述步骤S32具体如下:
若第一次路面辅识别结果及第二次路面辅识别结果均与路面主识别结果一致,则输出路面附着系数、路面纹理的及路面颜色的识别置信度之和;
若第一次路面辅识别结果及第二次路面辅识别结果均与路面主识别结果不一致,则仅输出路面附着系数的识别置信度;
若第一次路面辅识别结果与路面主识别结果一致,第二次路面辅识别结果与路面主识别结果不一致,则输出路面附着系数及路面纹理的识别置信度之和;
若第二次路面辅识别结果与路面主识别结果一致,第一次路面辅识别结果与路面主识别结果不一致,则输出路面附着系数及路面颜色的识别置信度之和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810584408.6A CN108985158A (zh) | 2018-06-08 | 2018-06-08 | 一种路面识别系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810584408.6A CN108985158A (zh) | 2018-06-08 | 2018-06-08 | 一种路面识别系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108985158A true CN108985158A (zh) | 2018-12-11 |
Family
ID=64540986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810584408.6A Pending CN108985158A (zh) | 2018-06-08 | 2018-06-08 | 一种路面识别系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108985158A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110263844A (zh) * | 2019-06-18 | 2019-09-20 | 北京中科原动力科技有限公司 | 一种在线学习和实时估计路面状态的方法 |
CN110733383A (zh) * | 2019-11-12 | 2020-01-31 | 淮安信息职业技术学院 | 一种电动汽车电池寿命评估系统及方法 |
CN111091066A (zh) * | 2019-11-25 | 2020-05-01 | 重庆工程职业技术学院 | 一种自动驾驶汽车地面状态评定方法及系统 |
WO2020260455A1 (en) * | 2019-06-27 | 2020-12-30 | Zenuity Ab | Method and system for estimating a drivable surface |
CN112590796A (zh) * | 2020-12-24 | 2021-04-02 | 江苏徐工工程机械研究院有限公司 | 一种复合型松软路面识别系统及识别方法 |
CN113011392A (zh) * | 2021-04-25 | 2021-06-22 | 吉林大学 | 一种基于路面图像多纹理特征融合的路面类型识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8004428B2 (en) * | 2005-07-19 | 2011-08-23 | Robert Bosch Gmbh | Display device with recording quality illustration |
CN102358288A (zh) * | 2011-09-07 | 2012-02-22 | 北京理工大学 | 一种车辆acc驱动工况路面峰值附着系数识别方法 |
CN102254161B (zh) * | 2011-07-15 | 2012-12-19 | 王世峰 | 基于路面轮廓及路面图像特征的路面类型识别方法及装置 |
CN103802826A (zh) * | 2014-03-07 | 2014-05-21 | 大连交通大学 | 一种汽车高速转弯行驶中稳定性预警系统 |
CN104392245A (zh) * | 2014-12-15 | 2015-03-04 | 长春理工大学 | 多传感器融合的路面类型识别方法及装置 |
CN107491736A (zh) * | 2017-07-20 | 2017-12-19 | 重庆邮电大学 | 一种基于卷积神经网络的路面附着系数辨识方法 |
-
2018
- 2018-06-08 CN CN201810584408.6A patent/CN108985158A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8004428B2 (en) * | 2005-07-19 | 2011-08-23 | Robert Bosch Gmbh | Display device with recording quality illustration |
CN102254161B (zh) * | 2011-07-15 | 2012-12-19 | 王世峰 | 基于路面轮廓及路面图像特征的路面类型识别方法及装置 |
CN102358288A (zh) * | 2011-09-07 | 2012-02-22 | 北京理工大学 | 一种车辆acc驱动工况路面峰值附着系数识别方法 |
CN103802826A (zh) * | 2014-03-07 | 2014-05-21 | 大连交通大学 | 一种汽车高速转弯行驶中稳定性预警系统 |
CN104392245A (zh) * | 2014-12-15 | 2015-03-04 | 长春理工大学 | 多传感器融合的路面类型识别方法及装置 |
CN107491736A (zh) * | 2017-07-20 | 2017-12-19 | 重庆邮电大学 | 一种基于卷积神经网络的路面附着系数辨识方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110263844A (zh) * | 2019-06-18 | 2019-09-20 | 北京中科原动力科技有限公司 | 一种在线学习和实时估计路面状态的方法 |
CN110263844B (zh) * | 2019-06-18 | 2021-04-06 | 北京中科原动力科技有限公司 | 一种在线学习和实时估计路面状态的方法 |
WO2020260455A1 (en) * | 2019-06-27 | 2020-12-30 | Zenuity Ab | Method and system for estimating a drivable surface |
CN110733383A (zh) * | 2019-11-12 | 2020-01-31 | 淮安信息职业技术学院 | 一种电动汽车电池寿命评估系统及方法 |
CN111091066A (zh) * | 2019-11-25 | 2020-05-01 | 重庆工程职业技术学院 | 一种自动驾驶汽车地面状态评定方法及系统 |
CN112590796A (zh) * | 2020-12-24 | 2021-04-02 | 江苏徐工工程机械研究院有限公司 | 一种复合型松软路面识别系统及识别方法 |
CN113011392A (zh) * | 2021-04-25 | 2021-06-22 | 吉林大学 | 一种基于路面图像多纹理特征融合的路面类型识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108985158A (zh) | 一种路面识别系统及方法 | |
WO2018086218A1 (zh) | 车辆制动能量的回收方法和装置 | |
CN102673569B (zh) | 车辆状态测算装置、方法及使用该装置的车辆 | |
Li et al. | Comprehensive tire–road friction coefficient estimation based on signal fusion method under complex maneuvering operations | |
Wu et al. | Predictive shift strategy of dual-clutch transmission for driving safety on the curve road combined with an electronic map | |
CN103407451B (zh) | 一种道路纵向附着系数估计方法 | |
US10239533B2 (en) | Method and device for anticipatory or predictive economical running of a motor vehicle including a determination of a route and a probable driving time and time of arrival | |
CN107977641A (zh) | 一种智能识别地形的方法、装置、车载终端及车辆 | |
CN110160804A (zh) | 一种自动驾驶车辆的测试方法、装置及系统 | |
CN110481540A (zh) | 汽车爆胎安全稳定控制系统 | |
CN107247824A (zh) | 考虑刹车和转弯影响的汽车质量‑道路坡度联合估计方法 | |
CN108501944A (zh) | 汽车爆胎安全稳定控制方法 | |
CN108715166B (zh) | 基于深度学习的车辆稳定性指标估计方法 | |
CN102831768B (zh) | 一种基于车联网的混合动力客车行驶工况预测方法 | |
CN107161151A (zh) | 车辆的动力分配控制方法、装置及系统 | |
CN110568762A (zh) | 一种抗通信延迟的智能电动车编队自适应鲁棒控制方法 | |
CN109733474A (zh) | 一种基于分段仿射分层控制的智能车转向控制系统及方法 | |
CN104080683A (zh) | 减速因素推定装置以及驾驶辅助装置 | |
US20190324457A1 (en) | Trajectory determination device | |
Mo et al. | Simulation and analysis on overtaking safety assistance system based on vehicle-to-vehicle communication | |
Leng et al. | Tire-road peak adhesion coefficient estimation method based on fusion of vehicle dynamics and machine vision | |
CN110304070A (zh) | 一种分布式独立驱动汽车纵向车速估计方法 | |
CN115593433A (zh) | 一种自动驾驶车辆远程接管方法 | |
CN108045375A (zh) | 一种无人自动驾驶汽车自主运行车速控制方法 | |
CN111231984B (zh) | 一种四轮转向智能汽车伪解耦控制器及其控制方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181211 |
|
RJ01 | Rejection of invention patent application after publication |