CN109895766B - 一种电动汽车的主动避障系统 - Google Patents
一种电动汽车的主动避障系统 Download PDFInfo
- Publication number
- CN109895766B CN109895766B CN201910192379.3A CN201910192379A CN109895766B CN 109895766 B CN109895766 B CN 109895766B CN 201910192379 A CN201910192379 A CN 201910192379A CN 109895766 B CN109895766 B CN 109895766B
- Authority
- CN
- China
- Prior art keywords
- central processing
- processing unit
- safety
- road surface
- information
- 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.)
- Active
Links
Images
Abstract
本发明涉及一种电动汽车的主动避障系统,该避障系统在第三监测单元监控到电动汽车的行驶路径存在异物的情况下,中央处理单元读取模型库中的安全模式基于行驶状态参数和路况信息并结合异物的固有参数/运动参数判定异物是否威胁电动汽车的行驶安全;在中央处理单元判定异物威胁电动汽车的行驶安全的情况下,中央处理单元将异物标定为目标障碍物,并且中央处理单元基于电动汽车的固有属性、行驶状态参数、路况信息、固有参数/运动参数进行障碍物对电动汽车的行驶安全性评估并生成安全状态等级,中央处理单元根据安全状态等级生成与安全状态等级相互对应的避障策略。
Description
技术领域
本发明属于汽车避障技术领域,涉及一种电动汽车的主动避障系统。
背景技术
随着技术的发展,市面上已经出现了以电动汽车为主的新能源汽车,电动汽车的使用率不断提高。对于普通汽车而言,每个轮子与转向部件是彼此非独立设置的,需要机械传动系统进行传动,以实现轮子与转动部件之间的传动功能,并且需要有刹车机构和机械联动的方向盘系统。
电动汽车以车载电源为动力,用电机驱动车轮行驶,符合道路交通、安全法规各项要求的车辆。电动汽车区别于普通汽车而言,电动汽车采用四轮轮毂电机驱动系统,即FIWMD系统(Four-in-wheel-motor-driver Systerm),并不需要机械传动系统,甚至不需要刹车机构和机械联动的方向盘系统。随着汽车保有量的连续增加,车辆安全事故频发,为了能够使得电动汽车能够避免追尾等事故提高电动汽车的安全性,需要采用专有的针对电动汽车的避障系统。
例如,公开号为CN1056120474A的中国专利公开的一种具有多模式的四轮轮毂驱动电动汽车主动避障方法。该方法针对于不同的车速以及本车与障碍物之间的实时距离信息,采用具有多种模式的控制方法对四轮轮毂驱动和制动的电动汽车进行合理的自动,以实现电动汽车的主动避障。该发明在紧急情况下,通过控制一侧车轮制动,另一侧车轮驱动来实现车辆快速转弯避障,从而减小本车与近距离障碍物的碰撞率。
例如,公开号为CN105270398B的中国专利公开的一种电动汽车的车距控制方法、装置和电动汽车。该方法包括,获取电动汽车与前车车辆或障碍物之间的距离;根据电动汽车与前方车辆或障碍物之间的距离获取电动汽车与前方车辆或障碍物之间的相对车速或加速度;依据电动汽车与前方车辆或障碍物之间的距离和相对车速计算避撞时间;根据避撞时间和相对加速度判断电动汽车的安全状态等级,并根据安全状态等级对电动汽车进行控制以实现主动车距控制功能。
例如,公开号为CN103176185B的中国专利公开的一种用于检测道路障碍物的方法及系统。基于视频摄像装置的第一障碍物检测模型,基于视频摄像装置和毫米波雷达的第二障碍物检测模型,基于三维激光雷达和红外线摄像装置的第三障碍物检测模型,并且通过基于粗糙集的模糊神经网络算法使得所述多个模型形成互补检测,从而实时获取道路障碍物的特征信息。本发明能够从道路交通环境中提取和分析车辆周边环境信息,并针对异常交通行为进行判断,从而缓解目前城市交通压力、提高交通管理的效率。
例如,公开号为CN108564677A的中国专利公开的一种新能源电动汽车的数据智能管理方法。该方法包括,获取新能源电动汽车车载终端的远程传输数据,车载终端包括OBU、OBU信息获取模块、显示模块、管理模块、芯片以及电池;管理模块包括数据获取模块、数据存储模块、决策规划模块、驱动执行模块;决策规划模块用于综合传感器的状态信息、远程控制端的控制命令和小车环境参数,通过聚类分析算法决策小车的动作和行驶路径,并作出避障动作;驱动执行模块根据决策模块的行车命令控制新能源电动汽车电机转速和舵机转向,准确执行既定动作。
在其他现有技术中,例如,公开号为CN205692048U的中国专利公开的一种基于超声波和红外线的自动避障系统。包括AGV车体,AGV车体内设有AGV控制系统、电源管理装置、其它传感器装置、电机驱动装置、电机、设于AGV车体底部的车轮,的AGV车体外设有超声波装置及红外线装置;的电源管理装置分别连接超声波装置及红外线装置、AGV控制系统、其它传感器装置、电机驱动装置、电机;的AGV控制系统分别连接超声波装置及红外线装置、其它传感器装置、电机驱动装置;的电机连接车轮。
例如,公开号为CN105128858B的中国专利公开的一种车辆避障超车方法及装置。该方法包括:检测本车与障碍车的避障距离是否小于第一预设距离;当避障距离小于第一预设距离时,检测本车与车道线的当前距离,车道线包括相互平行的实体车道线和虚拟车道线,虚拟车道线为经过障碍车的直线;根据当前距离确定避障增强信号值,避障增强信号值用于表示本车偏离预设中线的程度;检测避障增强信号值是否大于第一预设值;当避障增强信号值大于第一预设值时,通过机器学习方法控制本车完成避障超车动作。本发明解决了基于监督学习的车辆避障超车方法的稳定性较差,可靠性较低,且灵活性较差的问题,实现了提高稳定性、可靠性及灵活性的效果,用于车辆避障超车。
例如,公开号为CN105068086B的中国专利公开的一种汽车前向避障系统,其包括至少两个第一激光测距传感器、至少两个第二激光测距传感器、速度传感器、提示模块及控制器,该第一激光测距传感器装设于汽车的前方靠近中间的位置,用于对汽车正前方的障碍物进行扫描检测;该第二激光测距传感器装设在汽车前方靠近两侧的位置,用于对汽车前方左侧和前方右侧的障碍物进行左右交叉分别扫描检测;该速度传感器用于检测汽车的速度;控制器用于对接收的第一激光测距传感器、第二激光测距传感器及速度传感器的检测结果后进行综合判断,并将判断结果传输给提示模块以提醒驾驶员。
在现有的技术中,避障系统并未考虑到路况、电余量以及障碍物/异物的外形等因素对避障策略选择的影响。此外,现有技术中,对于检测到的物体是否构造对电动汽车的障碍物的判定是定性或者半定性半定量的,且是以质点碰撞的理论进行判定,难以判定该障碍物是否确实能够造成电动汽车碰撞。因此,本发明提供了一种电动汽车的避障系统。
发明内容
针对现有技术之不足,本发明提供了一种电动汽车的主动避障系统。其根据不同的路况信息、异物的固有参数/运动参数和所述电动汽车的电余量至少能够生成使得所述电动汽车的各轮毂电机转速改变的避障策略,其中,所述避障系统的中央处理单元在第三监测单元监控到所述电动汽车的行驶方向上存在异物的情况下基于行驶状态参数和所述异物的固有参数/运动参数判定所述异物是否威胁所述电动汽车的行驶安全;在所述中央处理单元判定所述异物威胁所述电动汽车的行驶安全的情况下,所述中央处理单元将所述异物标定为所述障碍物,并且所述中央处理单元基于所述路况信息读取的模型库中的安全模式、所述电动汽车的电余量、所述行驶状态参数、所述路况信息、所述固有参数/所述运动参数进行所述障碍物对所述电动汽车的行驶安全性评估并生成安全状态等级,所述中央处理单元根据所述安全状态等级生成与所述安全状态等级相互对应的所述避障策略。
根据一种优选的实施方式,所述系统包括能够获取所述电动汽车的行驶过程中的所述路况信息的第二监测单元以及路况信息数据库,所述路况信息包括路面信息和环境信息;所述中央处理单元配置为:能够根据所述路面信息和所述环境信息读取所述路况信息数据库中的附着力系数信息生成当前行驶过程中轮胎与路面的附着力系数以及能够根据所述路况信息生成行驶过程中的路面坡度角;并且,所述中央处理单元配置为:能够从所述模型库中匹配出与所述附着力系数和所述路面坡度角相互对应的所述安全模式。
根据一种优选的实施方式,所述安全模式包括第一安全距离模式、第二安全距离模式和第三安全距离模式,在所述附着力系数位于所述第一附着力系数区间或者所述路面坡度角位于所述第一路面坡度角区间的情况下,所述中央处理单元将所述安全模式调节至所述第一安全距离模式;或者,在所述附着力系数位于所述第二附着力系数区间且所述路面坡度角位于所述第二路面坡度角区间或者位于所述第三路面坡度角区间的情况下,所述中央处理单元将所述安全模式调节至所述第二安全距离模式;或者在所述附着力系数位于所述第三附着力系数区间且所述路面坡度角位于所述第二路面坡度角区间或者位于所述第三路面坡度角区间的情况下,所述中央处理单元将所述安全模式调节至所述第三安全距离模式。
根据一种优选的实施方式,所述中央处理单元配置为:在所述第三监测单元检测到异物的情况下,基于所述运动参数生成所述异物的第一运动轨迹、基于所述行驶状态参数生成所述电动汽车的第二运动轨迹,并且基于所述第一运动轨迹和所述第二运动轨迹判断所述异物是否会在所述第三监测单元检测到所述异物后的某一时刻彼此入侵;在所述异物与所述电动汽车会彼此入侵的情况下,所述中央处理单元结合所述第一运动轨迹、所述第二运动轨迹、所述安全模式、所述电余量和所述障碍物的固有参数按照检测到所述障碍物的时刻到彼此入侵的时刻之间的时间间隔大小生成所述安全状态等级;或者在所述异物与所述电动汽车不会彼此入侵的情况下,所述电动汽车保持其当前的行驶状态参数正常行驶。
根据一种优选的实施方式,在所述异物与所述电动汽车会彼此入侵的情况下,所述中央处理单元读取时间阈值库中的与所述安全模式相互对应的预设时间信息并且与将所述预设时间信息与所述时间间隔进行比较,所述预设时间信息包括第一预设时间、第二预设时间和第三预设时间;其中,在所述时间间隔小于或等于第一预设时间的情况下,所述安全状态等级为危险级;或,在所述时间间隔大于所述第一预设时间小于或等于所述第二预设时间的情况下,所述安全状态等级为提示级;或,在所述时间间隔大于所述第二预设时间的情况下,所述安全状态等级为安全级。
根据一种优选的实施方式,在所述安全状态等级为危险级的情况下,所述中央处理单元读取所述电动汽车的所述电余量,当所述电余量与所述危险级对应的避障策略中所需的电余量之间的差值和与所述超过第一电余量差阈值的情况下,所述中央处理单元将所述安全状态等级更新为紧急级并且生成报警信号提示所述电动汽车的驾驶员;或在所述安全状态等级为提示级的情况下,所述中央处理单元读取所述电动汽车的所述电余量,当所述电余量与所述提示级对应的避障策略中所需的电余量之间的差值与超过第二电余量差阈值的情况下,所述中央处理单元将所述安全状态等级更新为紧急级并且生成报警信号提示所述电动汽车的驾驶员。
根据一种优选的实施方式,所述第三监测单元包括用于获取所述电动汽车行驶路径上异物视频图像信息的视频摄像装置、用于获取所述异物第一位置信息的毫米波雷达、用于获取所述异物实时的第二位置信息的激光雷达以及用于获取所述异物的热图像的红外线摄像装置;其中,所述毫米波雷达响应于所述视频摄像装置采集到所述视频图像信息,所述激光雷达响应于所述毫米波雷达采集到所述第一位置信息,所述红外线摄像装置响应于所述视频摄像装置采集到所述视频图像信息;其中,所述中央处理单元能够基于所述视频图像信息、第一位置信息和所述第二位置信息和所述热图像采用粗糙集的模糊神经网络算法确定所述异物的运动参数与固有参数。
根据一种优选的实施方式,本发明还公开了一种电动汽车,其设置有一种避障系统,所述避障系统根据不同的路况信息、异物的固有参数/运动参数和所述电动汽车的电余量至少能够生成使得所述电动汽车的各轮毂电机转速改变的避障策略,所述避障系统的中央处理单元在第三监测单元监控到所述电动汽车的行驶方向上存在异物的情况下基于行驶状态参数和所述异物的固有参数/运动参数判定所述异物是否威胁所述电动汽车的行驶安全;在所述中央处理单元判定所述异物威胁所述电动汽车的行驶安全的情况下,所述中央处理单元将所述异物标定为所述障碍物,并且所述中央处理单元基于所述路况信息读取的模型库中的安全模式、所述电动汽车的电余量、所述行驶状态参数、所述路况信息、所述固有参数/所述运动参数进行所述障碍物对所述电动汽车的行驶安全性评估并生成安全状态等级,所述中央处理单元根据所述安全状态等级生成与所述安全状态等级相互对应的所述避障策略。
根据一种优选的实施方式,本发明还公开了一种电动汽车的主动避障方法,针对于不同路况信息和不同异物的情况下结合所述电动汽车的电余量至少生成能够使得所述电动汽车的各轮毂电机转速改变的避障策略,所述方法包括:中央处理单元在第三监测单元监控到所述电动汽车的行驶方向上存在异物的情况下基于所述路况信息读取模型库中的安全模式并基于行驶状态参数和所述异物的固有参数/运动参数判定所述异物是否威胁所述电动汽车的行驶安全;在所述中央处理单元判定所述异物威胁所述电动汽车的行驶安全的情况下,所述中央处理单元将所述异物标定为目标障碍物,并且所述中央处理单元基于所述电动汽车的固有属性、所述行驶状态参数、所述路况信息、所述固有参数/所述运动参数进行所述障碍物对所述电动汽车的行驶安全性评估并生成安全状态等级,所述中央处理单元根据所述安全状态等级生成与所述安全状态等级相互对应的避障策略。
根据一种优选的实施方式,所述方法还包括,所述中央处理单元被配置为:能够根据第二监测单元获取的路况信息和环境信息读取所述路况信息数据库中的附着力系数信息生成当前行驶过程中轮胎与路面的附着力系数以及能够根据所述路况信息生成行驶过程中的路面坡度角;并且,所述中央处理单元配置为:能够从所述模型库中匹配出与所述附着力系数和所述路面坡度角相互契合的所述安全模式。
本发明提供一种电动汽车的主动避障系统,区别于现有技术,能够根据不同的路况信息选择合理的安全模型、能够根据异物的固有参数/运动参数选择合理的安全状态的等级,根据电动汽车的电余量基于安全模型和安全状态等级生成避障策略。其至少具有如下的优势:
(1)本发明在入侵判定时是以刚体作为研究对象具有如下的优势:其一,质点作为研究对象仅能判定在某一时刻异物和障碍物的运动轨迹会重合,但是质点仅仅是一个简化的点,运动会重合并不一定会是入侵,但是以刚体为研究对象,其考虑了两者的外观和大小,在运动具有重合的情况下既能够判定两者会彼此入侵,能够显著地提高该系统在入侵判断的准确性;其二,以质点为研究对象,更不能够准确地避障时,即时根据避障策略避障使得两个质点的运动轨迹不会重合,但是两者依然会碰撞,而以刚体为研究对象,其考虑了两者的外观和大小,在避障策略的生成时,其会考虑所有点是否会重合,更利于避障策略的生成能够有效地防止入侵的发生。
(2)在本发明中,直接地将避障的安全模式与路况信息相关联,是充分地考虑电动汽车的力学特点,考虑电动汽车的避障策略,即要考虑电动汽车的避障路线,还归本质即要通过手段改变电动汽车的受力情况,因此本发明能够更好地基于路况信息确定避障策略;
(3)在本发明中,直接地将避障策略与电余量进行了关联,充分考虑了电余量在避障策略中的作用,尤其是在电余量不足的情况下,中央处理单元能够选择合理的避障模式或者提示驾驶员选择合理的保护措施。
附图说明
图1是本发明提供的电动汽车的主动避障系统的模块示意图;
图2是本发明提供的电动汽车的避障流程示意图。
附图标记列表
1:第一监测单元 5:模型库
2:第二监测单元 6:路况信息数据库
3:第三监测单元 7:时间阈值库
4:中央处理单元
具体实施方式
下面结合附图1进行详细说明。
实施例1
本实施例公开一种主动避障系统,尤其是一种电动汽车的避障系统,电动汽车的主动避障系统。该主动避障系统其根据不同的路况信息、异物的固有参数/运动参数和电动汽车的电余量至少能够生成使得电动汽车的各轮毂电机转速改变的避障策略。电量作为电动汽车的动力源,是执行避障策略的能源输出。本实施例作为一种优选的避障系统,区别于现有技术具有明显的优势在于,能够根据不同的路况信息选择合理的安全模型、能够根据异物的固有参数/运动参数选择合理的安全状态的等级,根据电动汽车的电余量基于安全模型和安全状态等级生成避障策略。
本发明中,行驶状态参数包括电动车的行驶速度、行驶加速度、转向速度和转向加速度。
本发明中,路况信息包括电动车的行驶过程中的路面信息和环境信息。如路面包括沥青路面、柏油路面和砂石路面等。环境信息包括降雨、降雪和干燥等。
本发明中,异物的固有参数是异物的固有属性,如其轮廓曲线。异物的运动参数包括其速度、角速度、加速度和角加速度。
中央处理单元4基于路况信息读取的模型库5中的安全模式、电动汽车的电余量、行驶状态参数、路况信息、固有参数/运动参数进行障碍物对电动汽车的行驶安全性评估并生成安全状态等级。中央处理单元3根据安全状态等级生成与安全状态等级相互对应的避障策略。具体地,步骤SO1:在第三监测单元3检测到异物的情况下,基于运动参数生成异物的第一运动轨迹、基于行驶状态参数生成电动汽车的第二运动轨迹;并且基于第一运动轨迹和第二运动轨迹判断异物是否会在第三监测单元3检测到异物后的某一时刻彼此入侵。步骤SO2,中央处理单元4配置为:在异物与该电动汽车彼此入侵的情况下,能够根据路面信息和环境信息读取路况信息数据库6中的附着力系数信息生成当前行驶过程中轮胎与路面的附着力系数以及能够根据路况信息生成行驶过程中的路面坡度角。步骤SO3,中央处理单元4能够从模型库5中匹配出与附着力系数和路面坡度角相互对应的安全模式。步骤SO4,在异物与电动汽车会彼此入侵的情况下,中央处理单元4结合第一运动轨迹、第二运动轨迹和安全模式按照检测到障碍物的时刻到彼此入侵的时刻之间的时间间隔大小生成安全状态等级。步骤SO5,中央处理单元4读取电余量并且与安全状态等级匹配的电余量进行对比以生成避障策略。
如图1所示,其具体的配置以如下:
优选地,该避障系统包括第三监测单元3和中央处理单元4。中央处理单元4与电动汽车的ECU集成。优选地,第三监测单元3包括用于获取电动汽车行驶路径上异物视频图像信息的视频摄像装置、用于获取异物第一位置信息的毫米波雷达、用于获取异物实时的第二位置信息的激光雷达以及用于获取异物的热图像的红外线摄像装置。毫米波雷达响应于视频摄像装置采集到视频图像信息。激光雷达响应于毫米波雷达采集到第一位置信息。红外线摄像装置响应于视频摄像装置采集到视频图像信息。中央处理单元4能够基于视频图像信息、第一位置信息和第二位置信息和热图像采用粗糙集的模糊神经网络算法确定异物的运动参数与固有参数。例如,基于视频图像信息建立第一异物检测模型,利用视频图像信息和第一位置信息建立第二检测模型、基于第二位置信息和热图像建立第三检测模型。按照三维立体栅格内对每一时刻第一异物检测模型、第二异物检测模型和第三异物检测模型检测结果进行加权动态地调整每个时刻的检测结果的权重。异物的运动参数包括异物的速度和加速度。固有参数包括异物的外观和大小。例如,某电动汽车在行驶穿过沿山公路时,第三监测单元3会在视频摄像装置采集监测到山体落石的一刻,通过毫米波雷达获取山体落石距离电动汽车的第一位置信息。第一位置信息包括垂直高度距离和水平距离,从而能够获取落石与电动汽车的角度。红外线摄像装置会在视频摄像装置采集监测到山体落石的情况下获取其热图像。激光雷达获取山体落石的第二位置信息,第二位置信息是与时间相关的,是实时获取的。从而基于视频图像信息、第一位置信息和第二位置信息和热图像采用粗糙集的模糊神经网络算法确定异物的运动参数与固有参数。模糊神经网络是具有模糊权系数或者输入信号是模糊量的神经网络,其关键在于不断需要学习和优化权系数。然而,当该神经网络规模较大、样本较多时,其学习和训练的时间会变长,这对于检测汽车行驶过程中道路中的障碍物是不利的。而粗糙度理论作用是利用已知知识库,将不精确或不确定的知识用已知的知识库中的知识来近似刻画,其能够有效地简化训练样本集,消除冗余数据。应用粗糙集化简模糊神经网络的训练样本数据集,能够在保留重要信息的前提下,消除多余数据,从而大大提高模糊神经网络的训练速度,从而能够基于视频图像信息、第一位置信息和第二位置信息和热图像检测异物的运动参数与固有参数。从而,第三监测单元3能够获取异物的固有参数,该固有参数是以刚体的形式由中央处理单元4生成。
优选地,步骤SO1:中央处理单元4在第三监测单元3监控到电动汽车的行驶方向上存在异物的情况下基于行驶状态参数和异物的固有参数/运动参数判定异物是否威胁电动汽车的行驶安全。行驶状态参数由第一监测单元1获取。例如,第一监测单元1包括速度传感器、加速度传感器和九轴陀螺仪。优选地,中央处理单元4配置为:在第三监测单元3检测到异物的情况下,基于运动参数生成异物的第一运动轨迹、基于行驶状态参数生成电动汽车的第二运动轨迹。并且基于第一运动轨迹和第二运动轨迹判断异物是否会在第三监测单元3检测到异物后的某一时刻彼此入侵。生成运动轨迹的方法可以采用积分法获取。考虑到,电动汽车被入侵并非仅仅是正面入侵还可以是侧面入侵或者具有角度的入侵。例如,某电动汽车在行驶穿过沿山公路时,山体落石对电动汽车的入侵属于侧面入侵,而非正面碰撞。此时,第三监测单元3会基于检测到的落石,在某一时刻获取其第一位置信息,该第一位置信息作为积分的边界条件,根据山体落石的第二位置信息生成第一运动轨迹sa(xa(t),ya(t),Za(t))。基于行驶状态参数生成电动汽车的第二运动轨迹sb(xb(t),yb(t),Zb(t))。如果在某一时刻ti,在中央处理单元4建立的坐标系中,s1=s2,则中央处理器4会判定山体落石会侧面入侵该电动汽车。在本发明中,生成运动轨迹是以刚体为研究对象而非以质点为研究对象的方式获取。即,电动汽车作为刚体,其是点的集合(xai,yaj,zak),(xai,yaj,zak)构造了电动汽车的外观属性和质心坐标。同理,异物作为刚体,其点的集合(xbi,ybj,zbk)可以有第三监测单元获取。以刚体作为研究对象相比较与以质点为研究对象而言,具有如下的优势:其一,质点作为研究对象仅能判定在某一时刻异物和障碍物的运动轨迹会重合,但是质点仅仅是一个简化的点,运动会重合并不一定会是入侵,但是以刚体会研究对象,其考虑了两者的外观和大小,在运动具有重合的情况下既能够判定两者会彼此入侵,能够显著地提高该系统在入侵判断的准确性;其二,以质点为研究对象,更不能够准确地避障时,即时根据避障策略避障使得两个质点的运动轨迹不会重合,但是两者依然会碰撞,而以刚体会研究对象,其考虑了两者的外观和大小,在避障策略的生成时,其会考虑所有点是否会重合,更利于避障策略的生成能够有效地防止入侵的发生。本发明中,入侵可以理解为追尾、侧面碰撞和被追尾等碰撞事件。
优选地,在中央处理单元4判定异物威胁电动汽车的行驶安全的情况下,中央处理单元4将异物标定为障碍物。即:异物的轨迹第一运动轨迹sa(xa(t),ya(t),za(t))和电动汽车的第二运动轨迹sb(xb(t),yb(t),zb(t))在某一时刻具有重叠,则异物与该电动汽车彼此入侵。并且中央处理单元4基于路况信息读取的模型库5中的安全模式、电动汽车的电余量、行驶状态参数、路况信息、固有参数/运动参数进行障碍物对电动汽车的行驶安全性评估并生成安全状态等级。中央处理单元3根据安全状态等级生成与安全状态等级相互对应的避障策略。
优选地,避障系统包括能够获取电动汽车的行驶过程中的路况信息的第二监测单元2以及路况信息数据库6。路况信息包括路面信息和环境信息。步骤SO2,中央处理单元4配置为:能够根据路面信息和环境信息读取路况信息数据库6中的附着力系数信息生成当前行驶过程中轮胎与路面的附着力系数以及能够根据路况信息生成行驶过程中的路面坡度角。附着力系数信息是以将路况信息、环境信息以及两者共同对应的附着力系数形成的组合存储于路况信息数据库6。而附着力系数是轮胎与地面之间的摩擦因数。在轮胎/地面的附着力系数和地面与环境因素密切相关。例如,路面是沥青路和水泥路。环境因素主要是降雨和降雪等。不同天气下的不同路面,其附着力系数是完全不同的,也直接地能够影响电动汽车的制动或者变向。例如,附着力系数信息是以下雨时的沥青路其附着力系数为f1的语言格式的txt.文档存储于路况信息数据库6。在天气是下雨,并且行驶路面是沥青路时,避障系统能够获取其附着力系数f1。因此,在避障策略的生成时,应该充分地考虑路况信息。由于电动汽车是以车载电源驱动的,其不同于普通汽车以汽油或者天然气驱动,电动汽车在具有坡度的路面行驶时,如果其要避障时,需要的电量往往比普通汽车的能量耗费更多,因此,坡度角是避障措施考虑的主要因素之一。坡度角的信息可以由GPS定位系统从定位终端获取也可以由陀螺仪获取。坡度角和附着力系数均是电动汽车的受到的外力的主要考量因素。在本发明中,直接地将避障的安全模式与路况信息相关联,是充分地考虑电动汽车的力学特点,考虑电动汽车的避障策略,即要考虑电动汽车的避障路线,还归本质即要通过手段改变电动汽车的受力情况,因此本发明能够更好地基于路况信息确定避障策略。
优选地,中央处理单元4配置为:能够从模型库5中匹配出与附着力系数和路面坡度角相互对应的安全模式,即步骤SO3。优选地,安全模式包括第一安全距离模式、第二安全距离模式和第三安全距离模式。在附着力系数位于第一附着力系数区间或者路面坡度角位于第一路面坡度角区间的情况下,中央处理单元4将安全模式调节至第一安全距离模式。或者,在附着力系数位于第二附着力系数区间且路面坡度角位于第二路面坡度角区间或者位于第三路面坡度角区间的情况下,中央处理单元4将安全模式调节至第二安全距离模式。或者在附着力系数位于第三附着力系数区间且路面坡度角位于第二路面坡度角区间或者位于第三路面坡度角区间的情况下,中央处理单元4将安全模式调节至第三安全距离模式。第一安全距离模式是长距离的安全距离模式,即电动汽车需要在检测到异物距离电动汽车较远时,就要形成避障策略。第二安全距离模式是中距离的安全距离模式,即电动汽车需要在检测到异物距离电动汽车较中时,就要形成避障策略。第三安全距离模式是短距离的安全距离模式,即电动汽车需要在检测到异物距离电动汽车较近时,就要形成避障策略。第一安全距离模式、第二安全距离模式和第三安全距离模式的距离范围可以是由驾驶员的技术经验确定的。例如,第一安全距离模式的距离范围是2km~3km(含2km和3km)。第二安全距离模式的距离范围是1km~2km(含1km,不含2km)。第三安全距离模式的距离范围是0.02km~1km(含0.02km,不含1km)。例如,当电动汽车是在爬坡时,坡度角的范围是0~10°时,其对应第一安全距离模式。当坡度角的范围不是在0~10°时,需要结合附着力系数确定。
优选地,在异物与电动汽车会彼此入侵的情况下,中央处理单元4结合第一运动轨迹、第二运动轨迹和安全模式按照检测到障碍物的时刻到彼此入侵的时刻之间的时间间隔大小生成安全状态等级,即步骤SO4。中央处理单元4能够基于第一运动轨迹和基于第二运动轨迹准确地生成两者彼此入侵的时间间隔。优选地,在异物与电动汽车会彼此入侵的情况下,中央处理单元4读取时间阈值库7中的与安全模式相互对应的预设时间信息并且与将预设时间信息与时间间隔进行比较。预设时间信息包括第一预设时间、第二预设时间和第三预设时间。其中,在时间间隔小于或等于第一预设时间的情况下,安全状态等级为危险级。或,在时间间隔大于第一预设时间小于或等于第二预设时间的情况下,安全状态等级为提示级。或,在时间间隔大于第二预设时间的情况下,安全状态等级为安全级。通过设置预设信息以及入侵时间的判断,能够准确地对电动汽车当前的安全状态等级进行判断。预设时间是由驾驶员自己根据自己的驾驶经验设定。例如,长距离安全模式的第一预设时间、第二预设时间和第三预设时间分别为3s,6s和9s。中距离安全模式的第一预设时间、第二预设时间和第三预设时间分别为4s,8s和12s。短距离安全模式的第一预设时间、第二预设时间和第三预设时间分别为5s,10s和15s。
第一运动轨迹sa是障碍物的运动轨迹。第二运动轨迹sb是电动汽车的行驶轨迹,是在实施避障策略后需要变化的,变化后的电动汽车轨迹被定义为第三运动轨迹sc。第三运动轨迹sc与第一运动轨迹sa在任一时刻都是不会重合的。
优选地,步骤SO5包括:在安全状态等级为危险级的情况下,中央处理单元4读取电动汽车的电余量。电余量是能够有效地保证电动汽车的动力匹配,而避障策略重要的是如何进行动力的匹配。因此,在安全状态等级为危险级或者提示级时,需要结合电余量来最优的进行避障策略的选择。当电余量与危险级对应的避障策略中所需的电余量之间的差值和与超过第一电余量差阈值的情况下,中央处理单元4将安全状态等级更新为紧急级并且生成报警信号提示电动汽车的驾驶员。或在安全状态等级为提示级的情况下,中央处理单元4读取电动汽车的电余量,当电余量与提示级对应的避障策略中所需的电余量之间的差值与超过第二电余量差阈值的情况下,中央处理单元4将安全状态等级更新为紧急级并且生成报警信号提示电动汽车的驾驶员。在本实发明中,第一电余量差阈值和第二电余量差阈值可以采用相对百分比的方式来限定。例如,第一电余量差阈值采用5%,第二电余量差阈值采用10%。通过电余量差值比较,中央处理单元4能够选择合理的避障模式或者提示驾驶员选择合理的保护措施。比如,在电动汽车行驶路径上具有一辆与该电动汽车的运动方向具有锐角行驶的车辆,通过中央处理单元4的识别和运算,在没有考虑电量的情况下生成的避障策略是减速让行,但是即使减速让行也会造成两车彼此入侵,此时需要提高驱动电机的转速,使得加速通过以避开该车辆;但是,如果此时的电量不足以提高电机的转速,此时可以更换避障策略为停车避让或者提示驾驶员采取紧急制动。
优选地,中央处理单元4还配置有步骤SO6:在异物与电动汽车不会彼此入侵的情况下,电动汽车保持其当前的行驶状态参数正常行驶。例如,两辆同方向行驶的电动汽车,且前方电动汽车与该电动汽车具有相同的速度和加速度,则该电动汽车保持现有的行驶状态参数正常行驶。或者,在电动汽车的行驶方向上,前方具有一辆与该电动汽车垂直运行的车辆,经过入侵判定后,该车辆的sa是在该电动汽车sb在同一时刻不具有重合部分,则该电动汽车可以保持现有的行驶状态参数继续行驶。通过这种设置,能够保证道路的通畅行驶即能够充分地保障道路的利用率,也能够降低电动汽车因为实施避障策略产生的能耗。
在本发明中,避障策略主要包括紧急制动、减速让行、快速通过和更换车道等。避障策略存储于该系统中的策略库。避障策略由中央处理单元4获取并传递至轮毂电机,每一种避障策略都包括了轮毂电机的转速的改变。
本发明中,第一监测单元1、第二监测单元2和第三监测单元3均通过can总线或者无线通信的方式与中央处理单元4进行数据传递。路况信息数据库6、模型库5和时间阈值库7以及策略库均是能够与中央处理单元4进行数据传递的数据库,是预先由驾驶员或主机厂写入,例如,RAM和磁盘。
实施例2
本实施例公开一种电动汽车,其设置有一种避障系统。该避障系统根据不同的路况信息、异物的固有参数/运动参数和电动汽车的电余量至少能够生成使得电动汽车的各轮毂电机转速改变的避障策略。
优选地,避障系统的中央处理单元4在第三监测单元3监控到电动汽车的行驶方向上存在异物的情况下基于行驶状态参数和异物的固有参数/运动参数判定异物是否威胁电动汽车的行驶安全。在中央处理单元4判定异物威胁电动汽车的行驶安全的情况下,中央处理单元4将异物标定为障碍物,并且中央处理单元4基于路况信息读取的模型库5中的安全模式、电动汽车的电余量、行驶状态参数、路况信息、固有参数/运动参数进行障碍物对电动汽车的行驶安全性评估并生成安全状态等级,中央处理单元3根据安全状态等级生成与安全状态等级相互对应的避障策略。
实施例3
本实施例公开一种电动汽车的主动避障方法,针对于不同路况信息和不同异物的情况下结合电动汽车的电余量至少生成能够使得电动汽车的各轮毂电机转速改变的避障策略。该方法包括:
S1:中央处理单元4在第三监测单元3监控到电动汽车的行驶方向上存在异物的情况下基于路况信息读取模型库5中的安全模式并基于行驶状态参数和异物的固有参数/运动参数判定异物是否威胁电动汽车的行驶安全;
S2:在中央处理单元4判定异物威胁电动汽车的行驶安全的情况下,中央处理单元4将异物标定为目标障碍物,并且中央处理单元4基于电动汽车的固有属性、行驶状态参数、路况信息、固有参数/运动参数进行障碍物对电动汽车的行驶安全性评估并生成安全状态等级,中央处理单元3根据安全状态等级生成与安全状态等级相互对应的避障策略。
具体地:
步骤SO1:在第三监测单元3检测到异物的情况下,基于运动参数生成异物的第一运动轨迹、基于行驶状态参数生成电动汽车的第二运动轨迹;并且基于第一运动轨迹和第二运动轨迹判断异物是否会在第三监测单元3检测到异物后的某一时刻彼此入侵。步骤SO2,在异物与该电动汽车彼此入侵的情况下,中央处理单元4配置为:能够根据路面信息和环境信息读取路况信息数据库6中的附着力系数信息生成当前行驶过程中轮胎与路面的附着力系数以及能够根据路况信息生成行驶过程中的路面坡度角。步骤SO3,中央处理单元4能够从模型库5中匹配出与附着力系数和路面坡度角相互对应的安全模式。步骤SO4,在异物与电动汽车会彼此入侵的情况下,中央处理单元4结合第一运动轨迹、第二运动轨迹和安全模式按照检测到障碍物的时刻到彼此入侵的时刻之间的时间间隔大小生成安全状态等级。步骤SO5,中央处理单元4读取电余量并且与安全状态等级匹配的电余量进行对比以生成避障策略。
需要注意的是,上述具体实施例是示例性的,本领域技术人员可以在本发明公开内容的启发下想出各种解决方案,而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白,本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。
Claims (6)
1.一种电动汽车的主动避障系统,其根据不同的路况信息、异物的固有参数/运动参数和所述电动汽车的电余量至少能够生成使得所述电动汽车的各轮毂电机转速改变的避障策略,其特征在于,
所述避障系统的中央处理单元(4)在第三监测单元(3)监控到所述电动汽车的行驶方向上存在异物的情况下基于行驶状态参数和所述异物的固有参数/运动参数判定所述异物是否威胁所述电动汽车的行驶安全;所述中央处理单元(4)基于第三监测单元(3)所采集的异物信息,采用粗糙集的模糊神经网络算法确定异物的运动参数与固有参数;
生成运动轨迹是以电动汽车作为刚体为研究对象,其是点的集合构造了电动汽车的外观属性和质心坐标;
所述中央处理单元(4)配置为:在所述第三监测单元(3)检测到异物的情况下,基于所述运动参数生成所述异物的第一运动轨迹、基于所述行驶状态参数生成所述电动汽车的第二运动轨迹,并且基于所述第一运动轨迹和所述第二运动轨迹判断所述异物是否会在所述第三监测单元(3)检测到所述异物后的某一时刻彼此入侵;
在所述中央处理单元(4)判定所述异物威胁所述电动汽车的行驶安全的情况下,所述中央处理单元(4)将所述异物标定为障碍物,在所述异物与所述电动汽车会彼此入侵的情况下,中央处理单元(4)结合第一运动轨迹、第二运动轨迹和安全模式按照检测到障碍物的时刻到彼此入侵的时刻之间的时间间隔大小生成安全状态等级,在安全状态等级为危险或提示级时结合电余量生成相应的避障策略;
所述系统包括能够获取所述电动汽车的行驶过程中的所述路况信息的第二监测单元(2)以及路况信息数据库(6),所述路况信息包括路面信息和环境信息;
所述中央处理单元(4)配置为:能够根据所述路面信息和所述环境信息读取所述路况信息数据库(6)中的附着力系数信息生成当前行驶过程中轮胎与路面的附着力系数以及能够根据所述路况信息生成行驶过程中的路面坡度角;所述中央处理单元(4)配置为:能够从模型库(5)中匹配出与所述附着力系数和所述路面坡度角相互对应的所述安全模式;所述安全模式包括第一安全距离模式、第二安全距离模式和第三安全距离模式,
其中,在所述附着力系数位于第一附着力系数区间或者所述路面坡度角位于第一路面坡度角区间的情况下,所述中央处理单元(4)将所述安全模式调节至所述第一安全距离模式;或者,
在所述附着力系数位于第二附着力系数区间且所述路面坡度角位于第二路面坡度角区间或者位于第三路面坡度角区间的情况下,所述中央处理单元(4)将所述安全模式调节至所述第二安全距离模式;或者
在所述附着力系数位于第三附着力系数区间且所述路面坡度角位于第二路面坡度角区间或者位于第三路面坡度角区间的情况下,所述中央处理单元(4)将所述安全模式调节至所述第三安全距离模式。
2.如权利要求1所述的避障系统,其特征在于,在所述异物与所述电动汽车会彼此入侵的情况下,所述中央处理单元(4)读取时间阈值库(7)中的与所述安全模式相互对应的预设时间信息并且与将所述预设时间信息与所述时间间隔进行比较,所述预设时间信息包括第一预设时间、第二预设时间和第三预设时间;
其中,在所述时间间隔小于或等于第一预设时间的情况下,所述安全状态等级为危险级;或,在所述时间间隔大于所述第一预设时间小于或等于所述第二预设时间的情况下,所述安全状态等级为提示级;或,在所述时间间隔大于所述第二预设时间的情况下,所述安全状态等级为安全级。
3.如权利要求2所述的避障系统,其特征在于,在所述安全状态等级为危险级的情况下,所述中央处理单元(4)读取所述电动汽车的所述电余量,当所述电余量与所述危险级对应的避障策略中所需的电余量之间的差值超过第一电余量差阈值的情况下,所述中央处理单元(4)将所述安全状态等级更新为紧急级并且生成报警信号提示所述电动汽车的驾驶员;或
在所述安全状态等级为提示级的情况下,所述中央处理单元(4)读取所述电动汽车的所述电余量,当所述电余量与所述提示级对应的避障策略中所需的电余量之间的差值超过第二电余量差阈值的情况下,所述中央处理单元(4)将所述安全状态等级更新为紧急级并且生成报警信号。
4.如权利要求3所述的避障系统,其特征在于,所述第三监测单元(3)包括用于获取所述电动汽车行驶路径上异物视频图像信息的视频摄像装置、用于获取所述异物第一位置信息的毫米波雷达、用于获取所述异物实时的第二位置信息的激光雷达以及用于获取所述异物的热图像的红外线摄像装置;
其中,所述毫米波雷达响应于所述视频摄像装置采集到所述视频图像信息,所述激光雷达响应于所述毫米波雷达采集到所述第一位置信息,所述红外线摄像装置响应于所述视频摄像装置采集到所述视频图像信息;
其中,所述中央处理单元(4)能够基于所述视频图像信息、第一位置信息、所述第二位置信息和所述热图像采用粗糙集的模糊神经网络算法确定所述异物的运动参数与固有参数。
5.一种电动汽车,其设置有一种避障系统,所述避障系统根据不同的路况信息、异物的固有参数/运动参数和所述电动汽车的电余量至少能够生成使得所述电动汽车的各轮毂电机转速改变的避障策略,其特征在于,
所述避障系统的中央处理单元(4)在第三监测单元(3)监控到所述电动汽车的行驶方向上存在异物的情况下基于行驶状态参数和所述异物的固有参数/运动参数判定所述异物是否威胁所述电动汽车的行驶安全;
所述中央处理单元(4)基于第三监测单元(3)所采集的异物信息,采用粗糙集的模糊神经网络算法确定异物的运动参数与固有参数;生成运动轨迹是以电动汽车作为刚体为研究对象,其是点的集合构造了电动汽车的外观属性和质心坐标;
所述中央处理单元(4)配置为:在所述第三监测单元(3)检测到异物的情况下,基于所述运动参数生成所述异物的第一运动轨迹、基于所述行驶状态参数生成所述电动汽车的第二运动轨迹,并且基于所述第一运动轨迹和所述第二运动轨迹判断所述异物是否会在所述第三监测单元(3)检测到所述异物后的某一时刻彼此入侵;
在所述中央处理单元(4)判定所述异物威胁所述电动汽车的行驶安全的情况下,所述中央处理单元(4)将所述异物标定为障碍物,在所述异物与所述电动汽车会彼此入侵的情况下,中央处理单元(4)结合第一运动轨迹、第二运动轨迹和安全模式按照检测到障碍物的时刻到彼此入侵的时刻之间的时间间隔大小生成安全状态等级,在安全状态等级为危险或提示级时结合电余量生成相应的避障策略;
所述系统包括能够获取所述电动汽车的行驶过程中的所述路况信息的第二监测单元(2)以及路况信息数据库(6),所述路况信息包括路面信息和环境信息;
所述中央处理单元(4)配置为:能够根据所述路面信息和所述环境信息读取所述路况信息数据库(6)中的附着力系数信息生成当前行驶过程中轮胎与路面的附着力系数以及能够根据所述路况信息生成行驶过程中的路面坡度角;
所述中央处理单元(4)配置为:能够从模型库(5)中匹配出与所述附着力系数和所述路面坡度角相互对应的所述安全模式;所述安全模式包括第一安全距离模式、第二安全距离模式和第三安全距离模式,
其中,在所述附着力系数位于第一附着力系数区间或者所述路面坡度角位于第一路面坡度角区间的情况下,所述中央处理单元(4)将所述安全模式调节至所述第一安全距离模式;或者,
在所述附着力系数位于第二附着力系数区间且所述路面坡度角位于第二路面坡度角区间或者位于第三路面坡度角区间的情况下,所述中央处理单元(4)将所述安全模式调节至所述第二安全距离模式;或者
在所述附着力系数位于第三附着力系数区间且路面坡度角位于所述第二路面坡度角区间或者位于第三路面坡度角区间的情况下,所述中央处理单元(4)将所述安全模式调节至所述第三安全距离模式。
6.一种电动汽车的主动避障方法,针对于不同路况信息和不同异物的情况下结合所述电动汽车的电余量至少生成能够使得所述电动汽车的各轮毂电机转速改变的避障策略,其特征在于,所述方法包括:
避障系统的中央处理单元(4)在第三监测单元(3)监控到所述电动汽车的行驶方向上存在异物的情况下基于行驶状态参数和所述异物的固有参数/运动参数判定所述异物是否威胁所述电动汽车的行驶安全;所述中央处理单元(4)基于第三监测单元(3)所采集的异物信息,采用粗糙集的模糊神经网络算法确定异物的运动参数与固有参数;生成运动轨迹是以电动汽车作为刚体为研究对象,其是点的集合构造了电动汽车的外观属性和质心坐标;
所述中央处理单元(4)配置为:在所述第三监测单元(3)检测到异物的情况下,基于所述运动参数生成所述异物的第一运动轨迹、基于所述行驶状态参数生成所述电动汽车的第二运动轨迹,并且基于所述第一运动轨迹和所述第二运动轨迹判断所述异物是否会在所述第三监测单元(3)检测到所述异物后的某一时刻彼此入侵;
在所述中央处理单元(4)判定所述异物威胁所述电动汽车的行驶安全的情况下,所述中央处理单元(4)将所述异物标定为障碍物,在所述异物与所述电动汽车会彼此入侵的情况下,中央处理单元(4)结合第一运动轨迹、第二运动轨迹和安全模式按照检测到障碍物的时刻到彼此入侵的时刻之间的时间间隔大小生成安全状态等级,在安全状态等级为危险或提示级时结合电余量生成相应的避障策略;
所述系统包括能够获取所述电动汽车的行驶过程中的所述路况信息的第二监测单元(2)以及路况信息数据库(6),所述路况信息包括路面信息和环境信息;
所述中央处理单元(4)配置为:能够根据所述路面信息和所述环境信息读取所述路况信息数据库(6)中的附着力系数信息生成当前行驶过程中轮胎与路面的附着力系数以及能够根据所述路况信息生成行驶过程中的路面坡度角;所述中央处理单元(4)配置为:能够从模型库(5)中匹配出与所述附着力系数和所述路面坡度角相互对应的所述安全模式;所述安全模式包括第一安全距离模式、第二安全距离模式和第三安全距离模式,
其中,在所述附着力系数位于第一附着力系数区间或者所述路面坡度角位于第一路面坡度角区间的情况下,所述中央处理单元(4)将所述安全模式调节至所述第一安全距离模式;或者,
在所述附着力系数位于第二附着力系数区间且所述路面坡度角位于第二路面坡度角区间或者位于第三路面坡度角区间的情况下,所述中央处理单元(4)将所述安全模式调节至所述第二安全距离模式;或者
在所述附着力系数位于第三附着力系数区间且所述路面坡度角位于第二路面坡度角区间或者位于第三路面坡度角区间的情况下,所述中央处理单元(4)将所述安全模式调节至所述第三安全距离模式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910192379.3A CN109895766B (zh) | 2019-03-13 | 2019-03-13 | 一种电动汽车的主动避障系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910192379.3A CN109895766B (zh) | 2019-03-13 | 2019-03-13 | 一种电动汽车的主动避障系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109895766A CN109895766A (zh) | 2019-06-18 |
CN109895766B true CN109895766B (zh) | 2021-08-31 |
Family
ID=66953346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910192379.3A Active CN109895766B (zh) | 2019-03-13 | 2019-03-13 | 一种电动汽车的主动避障系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109895766B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112172803A (zh) * | 2019-07-01 | 2021-01-05 | 大陆泰密克汽车系统(上海)有限公司 | 交通避障方法以及系统 |
CN112258008A (zh) * | 2020-10-16 | 2021-01-22 | 恒大新能源汽车投资控股集团有限公司 | 一种处理车轮卷入异物的方法和装置 |
CN114115293A (zh) * | 2021-12-21 | 2022-03-01 | 上海擎朗智能科技有限公司 | 机器人避障方法、装置、设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104627176A (zh) * | 2013-11-14 | 2015-05-20 | 北汽福田汽车股份有限公司 | 电动汽车的控制方法及系统 |
CN105365820B (zh) * | 2015-08-07 | 2017-12-22 | 河南省现代富博智能装备科技有限公司 | 一种汽车视觉安全辅助驾驶方法及装置 |
CN105620474B (zh) * | 2016-01-26 | 2019-02-19 | 吉林大学 | 一种具有多模式的四轮轮毂驱动电动汽车主动避障方法 |
CN109334661B (zh) * | 2018-09-06 | 2020-05-29 | 上海工程技术大学 | 基于速度障碍模型和碰撞概率密度模型的避障预判方法 |
CN109278752B (zh) * | 2018-09-26 | 2020-06-05 | 郑州轻工业学院 | 基于合作感知的插电式混合动力汽车能量优化控制方法 |
-
2019
- 2019-03-13 CN CN201910192379.3A patent/CN109895766B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109895766A (zh) | 2019-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230365136A1 (en) | Road friction and wheel slippage assessment for autonomous vehicles | |
CN110155046B (zh) | 自动紧急制动分级控制方法与系统 | |
US11073832B1 (en) | Collision mitigation static occupancy grid | |
CN106379319B (zh) | 一种汽车辅助驾驶系统及控制方法 | |
US11242040B2 (en) | Emergency braking for autonomous vehicles | |
US10671079B2 (en) | Speed-dependent required lateral clearance for autonomous vehicle path planning | |
CN109895766B (zh) | 一种电动汽车的主动避障系统 | |
CN105151043A (zh) | 一种无人驾驶汽车紧急避让的系统和方法 | |
US20200064856A1 (en) | Detecting and responding to sounds for autonomous vehicles | |
CN102963361A (zh) | 操作车辆安全系统的方法 | |
CN110077398B (zh) | 一种用于智能驾驶的危险处理方法 | |
CN105620475A (zh) | 一种带安全保护功能的智能驾驶系统 | |
CN105015545A (zh) | 一种无人驾驶汽车的自主变道决策系统 | |
CN110562222B (zh) | 用于弯道场景的紧急制动控制方法、车载设备和存储介质 | |
CN103158705A (zh) | 用于控制本车的方法和系统 | |
CN107272007A (zh) | 检测公路天气状况的方法和系统 | |
JP6558282B2 (ja) | 自動運転システム | |
AU2019377392B2 (en) | Systems for implementing fallback behaviors for autonomous vehicles | |
CN112026761A (zh) | 一种基于数据共享的汽车辅助驾驶方法 | |
CN115782905B (zh) | 一种自动驾驶车辆驾驶安全度量化系统 | |
CN212322114U (zh) | 一种用于自动驾驶车辆的环境感知及道路环境裂纹检测系统 | |
CN113570747B (zh) | 一种基于大数据分析的行驶安全监测系统和方法 | |
CN113335293B (zh) | 一种线控底盘的高速公路路面探测系统 | |
CN114435376A (zh) | 一种控制车辆颠簸路面行驶速度的方法、电子设备及存储介质 | |
US10539959B1 (en) | Detecting and responding to people directing traffic for autonomous vehicles |
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 |