CN110001608A - 一种基于路面视觉检测的汽车智能制动系统及其控制方法 - Google Patents

一种基于路面视觉检测的汽车智能制动系统及其控制方法 Download PDF

Info

Publication number
CN110001608A
CN110001608A CN201910167769.5A CN201910167769A CN110001608A CN 110001608 A CN110001608 A CN 110001608A CN 201910167769 A CN201910167769 A CN 201910167769A CN 110001608 A CN110001608 A CN 110001608A
Authority
CN
China
Prior art keywords
braking
automobile
road surface
brake
max
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.)
Granted
Application number
CN201910167769.5A
Other languages
English (en)
Other versions
CN110001608B (zh
Inventor
孙晓强
王雨俊
黄晨
蔡英凤
陈龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu University
Original Assignee
Jiangsu University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu University filed Critical Jiangsu University
Priority to CN201910167769.5A priority Critical patent/CN110001608B/zh
Publication of CN110001608A publication Critical patent/CN110001608A/zh
Application granted granted Critical
Publication of CN110001608B publication Critical patent/CN110001608B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T13/00—Transmitting braking action from initiating means to ultimate brake actuator with power assistance or drive; Brake systems incorporating such transmitting means, e.g. air-pressure brake systems
    • B60T13/10—Transmitting braking action from initiating means to ultimate brake actuator with power assistance or drive; Brake systems incorporating such transmitting means, e.g. air-pressure brake systems with fluid assistance, drive, or release
    • B60T13/66—Electrical control in fluid-pressure brake systems
    • B60T13/662—Electrical control in fluid-pressure brake systems characterised by specified functions of the control system components
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T7/00—Brake-action initiating means
    • B60T7/12—Brake-action initiating means for automatic initiation; for initiation not subject to will of driver or passenger
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T2210/00—Detection or estimation of road or environment conditions; Detection or estimation of road shapes
    • B60T2210/10—Detection or estimation of road conditions

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Regulating Braking Force (AREA)

Abstract

本发明公开了一种基于路面视觉检测的汽车智能制动系统及其控制方法，属于车辆智能驾驶及制动安全控制领域。利用车载摄像头获取汽车行驶路面的高清图像，用深度自学习算法确定汽车所行驶路面的具体类别，确定汽车在该路面下的最大制动减速度；将最大制动减速度划分若干个制动区间，和上层控制系统所需车辆实现的期望制动减速度结合来控制制动系统的制动强度；制动系统为基于浮钳盘式制动器的分级制动系统，能分级实现汽车制动强度，并能实现防抱死功能。本发明在确定行驶路面类别的基础上，根据汽车最大制动减速度和期望制动减速度进行制动系统的分级控制，不仅能够保证制动安全性和可靠性，同时系统成本得到大幅降低。

Description

一种基于路面视觉检测的汽车智能制动系统及其控制方法
技术领域
本发明涉及一种基于路面视觉检测的汽车智能制动系统及其控制方法，特指是根据汽车行驶路面类别和期望制动减速度进行制动系统制动强度分级控制的系统和方法，属于车辆智能驾驶及制动安全控制领域。
背景技术
车辆制动系统是实现汽车减速和停车，使得下坡行驶的汽车保持速度稳定的核心和关键，对于保证汽车行驶安全性和可靠性至关重要。随着社会经济的快速发展，汽车保有量呈持续增长趋势，交通事故和交通拥堵已成为政府及相关科研机构亟需解决的重点问题之一。智能交通系统通过综合运用人工智能、信息通讯、交通规划以及自动控制等技术，逐步建立一个智能、安全、高效、节能、环保的全自动交通运输体系，对于降低交通事故发生率、提高道路通行能力具有重要意义。作为智能交通系统的重要组成部分，智能汽车是一个集环境感知、规划决策以及运动控制等功能于一体的高新技术载体，其可在不同道路环境下实现自主驾驶，代表了汽车未来发展的重要方向。运动控制是实现智能汽车自主驾驶的关键环节之一，因此，设计面向智能汽车的制动系统，保证智能汽车制动安全逐渐成为智能汽车领域的研究热点。
汽车在不同类别路面上制动时，路面所能提供的峰值附着系数存在明显区别，从而影响路面所能提供的最大制动力，因此，目前已有结合行驶路面类别进行汽车制动控制、安全距离计算等方面的研究。与此同时，智能汽车为实现行驶环境感知，必然需要安装车载摄像头进行视觉检测，从而为通过视觉检测的方式确定汽车行驶路面类别提供了有利的条件。此外，针对传统汽车制动系统结构复杂，部件多，控制难度大等特点，设计结构简单，可靠性高，控制难度较低的汽车制动系统具有重要意义。
发明内容
本发明的目的在于提出一种基于路面视觉检测的汽车智能制动系统及其控制方法，其能够根据汽车行驶路面类别和期望制动减速度进行制动系统制动强度的分级控制，同时所设计的制动系统结构简单，可靠性高，控制难度小，不仅能够保证制动安全性和可靠性，同时成本得到大幅降低，还能实现制动防抱死功能。
为达成上述目的，本发明所采用的技术方案为：
一种基于路面视觉检测的汽车智能制动系统的控制方法，其特征在于，所述汽车智能制动系统的制动过程包括如下步骤：
步骤1，利用车载摄像头实时获取车辆行驶路面的高清图像，实现对路面的视觉检测，根据高清图像和预先训练好的深度自学习算法确定汽车所行驶路面的具体类别；
步骤2，根据汽车行驶路面的类别确定汽车在该路面制动时的峰值附着系数，进而确定汽车在该路面制动时所能形成的最大制动减速度；
步骤3，基于所述最大制动减速度将汽车制动强度划分若干个制动区间，结合制动控制系统所需车辆实现的期望制动减速度和所述若干个制动区间确定汽车智能制动系统所要实现的制动强度等级；
步骤4，所述汽车智能制动系统由制动器和多个高速开关电磁阀和不同开阀压力的单向阀连接而成，通过控制各高速开关电磁阀的通断状态实现对制动器制动压力的多模式调节，从而实现多级制动强度；
步骤5，在制动系统进行制动时，实时监测是否出现车轮抱死的现象，若出现，则快速降低一个制动强度等级，若仍出现车轮抱死的现象，则继续降低制动强度等级，直至车轮未出现抱死现象，然后制动系统在出现车轮抱死的制动等级和未出现车轮抱死的制动等级间进行快速来回切换，从而实现制动防抱死功能。
优选地，所述根据路面高清图像和预先训练好的深度自学习算法确定汽车所行驶路面类别的具体步骤如下：
步骤1.1，将汽车所行驶路面划分为干沥青或混凝土、干土路、湿沥青、砾石、湿土路、部分覆盖雪、全覆盖雪以及冰雪混合等八种类别；
步骤1.2，针对所述八种路面类别，通过车载摄像头采集大量的路面高清图像，生成路面数据库；
步骤1.3，对路面数据库中的路面高清图像进行灰度、滤波以及边缘检测等预处理，排除与路面类型识别无关的干扰因素；
步骤1.4，建立由卷积层、下采样层、全连接层以及分类器构成的路面类型识别卷积神经网络结构；
步骤1.5，对所述卷积神经网络进行训练，直到路面检测精度满足系统要求。
优选地，所述汽车在八种路面类别上制动时的峰值附着系数分别确定为：干沥青或混凝土为0.85，干土路为0.7，湿沥青为0.65，砾石为0.6，湿土路为0.55，部分覆盖雪为0.4，全覆盖雪为0.2，冰雪混合为0.15；因而汽车在各类别路面上制动时所能形成的最大制动减速度分别为：干沥青或混凝土为0.85g，干土路为0.7g，湿沥青为0.65g，砾石为0.6g，湿土路为0.55g，部分覆盖雪为0.4g，全覆盖雪为0.2g，冰雪混合为0.15g，其中，g为重力加速度。
优选地，基于所述最大制动减速度将汽车制动强度划分为七个制动区间，各制动区间的范围分别定义为(0,1/7amax)，[1/7amax,2/7amax)，[2/7amax,3/7amax)，[3/7amax,4/7amax)，[4/7amax,5/7amax)，[5/7amax,6/7amax)，[6/7amax,amax]，其中，amax为所述汽车在各类别路面上制动时所能形成的最大制动减速度。
优选地，将所述汽车智能制动系统所能实现的制动强度依次划分为七个不同等级，然后根据上层控制系统所需车辆实现的期望制动减速度所位于的制动区间确定相应的制动强度等级，若期望制动减速度大于汽车在该类别路面上制动时所能形成的最大制动减速度，则制动强度等级选为最高级。
优选地，在所述制动系统制动过程中，当检测到汽车在某一等级制动强度下出现车轮抱死的现象，则在0.1秒内快速通过控制相应高速开关电磁阀的通断状态将制动强度降低至下一等级，若仍出现车轮抱死的现象，则在0.1秒内继续降低制动强度等级，直至车轮未出现抱死，然后制动系统在出现车轮抱死的制动等级和未出现车轮抱死的制动等级间进行每个制动等级持续0.2秒的快速来回切换，从而实现制动防抱死功能。
优选地，所述汽车智能制动系统中包括浮钳盘式制动器、三个高速开关电磁阀和三个不同开阀压力的单向阀，三个高速开关电磁阀分别与三个不同开阀压力的单向阀连接，然后向浮钳盘式制动器传输制动油液；通过控制三个高速开关电磁阀的通断状态，实现浮钳盘式制动器七种不同的制动压力，从而形成相应的七种不同等级的制动强度。
由以上本发明的技术方案可知，其有益效果在于通过车载摄像头和深度自学习算法首先进行汽车行驶路面检测，从而确定路面类别，在此基础上，根据各路面类别所能提供的汽车最大制动减速度制定若干个制动区间，然后结合上层控制系统所需车辆实现的期望制动减速度进行制动系统制动强度分级控制。所述制动系统由制动器和多个高速开关电磁阀和不同开阀压力的单向阀所组成，通过控制各高速开关电磁阀的通断状态实现对制动器制动油液压力的多级调节，从而实现多级制动强度。所设计的制动系统结构简单，可靠性高，控制难度小，不仅能够保证制动安全性和可靠性，同时成本得到大幅降低，还能实现制动防抱死功能。
附图说明
图1为基于路面视觉检测的汽车智能制动系统制动过程所包括的主要步骤示意图；
图2为路面类型识别卷积神经网络结构图；
图3为汽车智能制动系统浮钳盘式制动器的结构原理图；
图4为汽车智能制动系统制动压力调节系统的结构原理图；
图5为汽车智能制动系统不同制动强度等级下的制动油液流动路径示意图；(a)为制动模式1；(b)为制动模式2；(c)为制动模式3；(d)为制动模式4；(e)为制动模式5；(f)为制动模式6；(g)为制动模式7。
1-制动钳体2-导向销3-制动钳支架4-制动盘5-固定制动块6-活动制动块7-活塞密封圈8-活塞9-单向阀a 10-单向阀b 11-单向阀c 12-高速开关电磁阀a 13-高速开关电磁阀b14-高速开关电磁阀c
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
由图1可知，本实施方式所述的一种基于路面视觉检测的汽车智能制动系统及其控制方法，其制动系统的制动过程是按照以下步骤实现的：
步骤1，利用车载摄像头实时获取车辆行驶路面的高清图像，实现对路面的视觉检测，根据高清图像和预先训练好的深度自学习算法确定汽车所行驶路面的具体类别；
步骤2，根据汽车行驶路面的类别确定汽车在该路面制动时的峰值附着系数，进而确定汽车在该路面制动时所能形成的最大制动减速度；
步骤3，基于所述最大制动减速度将汽车制动强度划分若干个制动区间，结合制动控制系统所需车辆实现的期望制动减速度和所述若干个制动区间确定汽车智能制动系统所要实现的制动强度等级；
步骤4，所述汽车智能制动系统由制动器和多个高速开关电磁阀和不同开阀压力的单向阀连接而成，通过控制各高速开关电磁阀的通断状态实现对制动器制动压力的多模式调节，从而实现多级制动强度；
步骤5，在制动系统进行制动时，实时监测是否出现车轮抱死的现象，若出现，则快速降低一个制动强度等级，若仍出现车轮抱死的现象，则继续降低制动强度等级，直至车轮未出现抱死现象，然后制动系统在出现车轮抱死的制动等级和未出现车轮抱死的制动等级间进行快速来回切换，从而实现制动防抱死功能。
所述根据路面高清图像和深度自学习算法确定汽车所行驶路面类别的具体步骤为：
步骤1.1，将汽车所行驶路面划分为干沥青或混凝土、干土路、湿沥青、砾石、湿土路、部分覆盖雪、全覆盖雪以及冰雪混合等八种类别；
步骤1.2，针对所述八种路面类别，通过车载摄像头采集大量的路面高清图像，生成路面数据库；
步骤1.3，对路面数据库中的路面高清图像进行灰度、滤波以及边缘检测等预处理，排除与路面类型识别无关的干扰因素；
步骤1.4，建立由卷积层、下采样层、全连接层以及分类器构成的路面类型识别卷积神经网络结构；
步骤1.5，对所述卷积神经网络进行训练，直到路面检测精度满足系统要求。
图2所示为由卷积层、下采样层、全连接层以及分类器构成的路面类型识别卷积神经网络结构。原始路面图像输入到输入层，原始图像的大小决定了输入向量的尺寸。神经元自动提取路面图像的局部特征。每个神经元都与前一层的局部感受域相连，每层中各平面的神经元提取路面图像中特定区域的局部特征。从一个平面到下一个平面的映射通过卷积运算实现，采样层是模糊滤波器，起到二次特征提取的作用。隐层与隐层之间的空间分辨率递减，而每层所含的平面数递增，从而检测更多的路面特征信息。最后全连接层连接所有的特征，将输出值送给Softmax分类器。
所述汽车在八种类别路面上制动时的峰值附着系数分别确定为：干沥青或混凝土为0.85，干土路为0.7，湿沥青为0.65，砾石为0.6，湿土路为0.55，部分覆盖雪为0.4，全覆盖雪为0.2，冰雪混合为0.15；因而汽车在各类别路面上制动时所能形成的最大制动减速度分别为：干沥青或混凝土为0.85g，干土路为0.7g，湿沥青为0.65g，砾石为0.6g，湿土路为0.55g，部分覆盖雪为0.4g，全覆盖雪为0.2g，冰雪混合为0.15g，其中，g为重力加速度。
基于所述最大制动减速度将汽车制动强度划分为七个制动区间，各制动区间的范围分别定义为(0,1/7amax)，[1/7amax,2/7amax)，[2/7amax,3/7amax)，[3/7amax,4/7amax)，[4/7amax,5/7amax)，[5/7amax,6/7amax)，[6/7amax,amax]，其中，amax为前述汽车在各类别路面上制动时所能形成的最大制动减速度。例如，若汽车行驶在土路(干)路面上，此时汽车在该路面上制动时的峰值附着系数的0.7，即汽车制动时所能形成的最大制动减速度为0.7g，取重力加速度为10，则最大制动减速度为7，因此，七个制动区间分别为(0,1)，[1,2)，[2,3)，[3,4)，[4,5)，[5,6)，[6,7]。
将所述汽车智能制动系统所能实现的制动强度依次划分为七个不同等级，然后根据上层控制系统所需车辆实现的期望制动减速度所位于的制动区间确定相应的制动强度等级，若期望制动减速度大于汽车在该类别路面上制动时所能形成的最大制动减速度，则制动强度等级选为最高级。同样以汽车行驶在土路(干)路面上为例，若此时上层控制系统所需车辆实现的期望制动减速度为3.5m/s2，显然该制动减速度处于[3,4)的制动区间内，则制动系统的制动强度控制为第四等级，若上层控制系统期望制动减速度大于7，则制动强度仍控制为第七等级。
所述汽车智能制动系统由浮钳盘式制动器和三个高速开关电磁阀和三个不同开阀压力的单向阀所组成，通过控制三个高速开关电磁阀的通断状态，实现浮钳盘式制动器七种不同的制动压力，从而实现相应的七种不同等级的制动强度。
所述浮钳盘式制动器的结构原理如图3所示，制动钳支架3固定在转向节上，制动钳体1可沿导向销2相对于支架3轴向滑动。制动时，活塞8在液压力p1的作用下，将活动制动块6推向制动盘4。与此同时，作用在制动钳体1上的反向液压力p2推动钳体沿导向销2向右移动，使固定在制动钳体上的固定制动块5压靠到制动盘上。于是，制动盘两侧的摩擦块在p1和p2的作用下夹紧制动盘，在制动盘上产生与运动方向相反的制动力矩，促使汽车制动。活塞密封圈7用于防止制动油液的泄漏。
图4所示为使得活塞8向左移动的制动油液压力调节系统结构原理图，从图中可以看出，通过控制高速开关电磁阀a，高速开关电磁阀b以及高速开关电磁阀c的通断状态，流向制动器的制动油液共产生七种路径组合，由于单向阀a，单向阀b以及单向阀c的开阀压力设置不同，因此，七种油液流经路径能够产生相应的七种不同的制动油液压力，从而形成七个制动强度等级。图5所示即为所述汽车智能制动系统不同制动强度等级下的制动油液流动路径示意图。
在所述汽车智能制动系统制动过程中，当检测到汽车在某一等级制动强度下出现车轮抱死的现象，则在0.1秒内快速通过控制相应高速开关电磁阀的通断状态将制动强度降低至下一等级，若仍出现车轮抱死的现象，则在0.1秒内继续降低制动强度等级，直至车轮未出现抱死，然后制动系统在出现车轮抱死的制动等级和未出现车轮抱死的制动等级间进行每个制动等级持续0.2秒的快速来回切换，从而实现制动防抱死功能。
以上所述表明，本发明提出的基于路面视觉检测的汽车智能制动系统及其控制方法在首先确定行驶路面类别的基础上，根据各路面类别所能提供的汽车最大制动减速度制定若干个制动区间，然后结合上层控制系统所需车辆实现的期望制动减速度进行制动系统制动强度的分级控制。所述制动系统通过控制各高速开关电磁阀的通断状态实现对制动器制动压力的多级调节，从而实现多级制动强度。所设计的制动系统结构简单，可靠性高，控制难度小，不仅能够保证制动安全性和可靠性，同时成本得到大幅降低，还能实现制动防抱死功能。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (7)

1.一种基于路面视觉检测的汽车智能制动系统的控制方法，其特征在于，所述汽车智能制动系统的制动过程包括如下步骤：
步骤1，利用车载摄像头实时获取车辆行驶路面的高清图像，实现对路面的视觉检测，根据高清图像和预先训练好的深度自学习算法确定汽车所行驶路面的具体类别；
步骤2，根据汽车行驶路面的类别确定汽车在该路面制动时的峰值附着系数，进而确定汽车在该路面制动时所能形成的最大制动减速度；
步骤3，基于所述最大制动减速度将汽车制动强度划分若干个制动区间，结合制动控制系统所需车辆实现的期望制动减速度和所述若干个制动区间确定汽车智能制动系统所要实现的制动强度等级；
步骤4，所述汽车智能制动系统由制动器和多个高速开关电磁阀和不同开阀压力的单向阀连接而成，通过控制各高速开关电磁阀的通断状态实现对制动器制动压力的多模式调节，从而实现多级制动强度。
步骤5，在制动系统进行制动时，实时监测是否出现车轮抱死的现象，若出现，则快速降低一个制动强度等级，若仍出现车轮抱死的现象，则继续降低制动强度等级，直至车轮未出现抱死现象，然后制动系统在出现车轮抱死的制动等级和未出现车轮抱死的制动等级间进行快速来回切换，从而实现制动防抱死功能。
2.根据权利要求1所述的一种基于路面视觉检测的汽车智能制动系统的控制方法，其特征在于，所述根据路面高清图像和预先训练好的深度自学习算法确定汽车所行驶路面类别的具体步骤如下：
步骤1.1，将汽车所行驶路面划分为干沥青或混凝土、干土路、湿沥青、砾石、湿土路、部分覆盖雪、全覆盖雪以及冰雪混合等八种类别；
步骤1.2，针对所述八种路面类别，通过车载摄像头采集大量的路面高清图像，生成路面数据库；
步骤1.3，对路面数据库中的路面高清图像进行灰度、滤波以及边缘检测等预处理，排除与路面类型识别无关的干扰因素；
步骤1.4，建立由卷积层、下采样层、全连接层以及分类器构成的路面类型识别卷积神经网络结构；
步骤1.5，对所述卷积神经网络进行训练，直到路面检测精度满足系统要求。
3.根据权利要求2所述的一种基于路面视觉检测的汽车智能制动系统的控制方法，其特征在于，所述汽车在八种路面类别上制动时的峰值附着系数分别确定为：干沥青或混凝土为0.85，干土路为0.7，湿沥青为0.65，砾石为0.6，湿土路为0.55，部分覆盖雪为0.4，全覆盖雪为0.2，冰雪混合为0.15；因而汽车在各类别路面上制动时所能形成的最大制动减速度分别为：干沥青或混凝土为0.85g，干土路为0.7g，湿沥青为0.65g，砾石为0.6g，湿土路为0.55g，部分覆盖雪为0.4g，全覆盖雪为0.2g，冰雪混合为0.15g，其中，g为重力加速度。
4.根据权利要求1所述的一种基于路面视觉检测的汽车智能制动系统的控制方法，其特征在于，基于所述最大制动减速度将汽车制动强度划分为七个制动区间，各制动区间的范围分别定义为(0,1/7amax)，[1/7amax,2/7amax)，[2/7amax,3/7amax)，[3/7amax,4/7amax)，[4/7amax,5/7amax)，[5/7amax,6/7amax)，[6/7amax,amax]，其中，amax为所述汽车在各类别路面上制动时所能形成的最大制动减速度。
5.根据权利要求1所述的一种基于路面视觉检测的汽车智能制动系统的控制方法，其特征在于，将所述汽车智能制动系统所能实现的制动强度依次划分为七个不同等级，然后根据上层控制系统所需车辆实现的期望制动减速度所位于的制动区间确定相应的制动强度等级，若期望制动减速度大于汽车在该类别路面上制动时所能形成的最大制动减速度，则制动强度等级选为最高级。
6.根据权利要求1所述的一种基于路面视觉检测的汽车智能制动系统的控制方法，其特征在于，所述步骤5的具体过程为：当检测到汽车在某一等级制动强度下出现车轮抱死的现象，则在0.1秒内快速通过控制相应高速开关电磁阀的通断状态将制动强度降低至下一等级，若仍出现车轮抱死的现象，则在0.1秒内继续降低制动强度等级，直至车轮未出现抱死，然后制动系统在出现车轮抱死的制动等级和未出现车轮抱死的制动等级间进行每个制动等级持续0.2秒的快速来回切换，从而实现制动防抱死功能。
7.一种基于路面视觉检测的汽车智能制动系统，其特征在于，包括浮钳盘式制动器、三个高速开关电磁阀和三个不同开阀压力的单向阀，三个高速开关电磁阀分别与三个不同开阀压力的单向阀连接，然后向浮钳盘式制动器传输制动油液；通过控制三个高速开关电磁阀的通断状态，实现浮钳盘式制动器七种不同的制动压力，从而形成相应的不同等级的制动强度。
CN201910167769.5A 2019-03-06 2019-03-06 一种基于路面视觉检测的汽车智能制动系统及其控制方法 Active CN110001608B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910167769.5A CN110001608B (zh) 2019-03-06 2019-03-06 一种基于路面视觉检测的汽车智能制动系统及其控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910167769.5A CN110001608B (zh) 2019-03-06 2019-03-06 一种基于路面视觉检测的汽车智能制动系统及其控制方法

Publications (2)

Publication Number Publication Date
CN110001608A true CN110001608A (zh) 2019-07-12
CN110001608B CN110001608B (zh) 2021-09-10

Family

ID=67166426

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910167769.5A Active CN110001608B (zh) 2019-03-06 2019-03-06 一种基于路面视觉检测的汽车智能制动系统及其控制方法

Country Status (1)

Country Link
CN (1) CN110001608B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110569739A (zh) * 2019-08-15 2019-12-13 上海工程技术大学 一种基于深度学习和胎噪声谱图的汽车辅助系统及方法
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
CN110901406A (zh) * 2019-11-25 2020-03-24 的卢技术有限公司 一种车辆驱动与制动结合的制动控制方法及系统
CN111137263A (zh) * 2019-12-26 2020-05-12 的卢技术有限公司 一种车辆制动稳定控制方法及系统
CN111238825A (zh) * 2020-01-10 2020-06-05 东南大学 面向组合试验路面的智能驾驶自动紧急制动性能测试方法
CN111572537A (zh) * 2020-03-03 2020-08-25 张丽 应用大数据处理的安全距离调整平台
CN112172801A (zh) * 2020-03-03 2021-01-05 张丽 应用大数据处理的安全距离调整方法
CN113104010A (zh) * 2021-05-07 2021-07-13 的卢技术有限公司 车辆制动控制方法、系统、计算机设备和存储介质
CN113744237A (zh) * 2021-08-31 2021-12-03 华中科技大学 一种基于深度学习的渣土流塑性自动检测方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6095622A (en) * 1997-09-17 2000-08-01 Aisin Seiki Kabushiki Kaisha Hydraulic brake control system for use in a vehicle
CN104401306A (zh) * 2014-12-02 2015-03-11 湘电重型装备有限公司 一种大型电动轮矿用自卸车液压制动控制集成系统
CN106394259A (zh) * 2016-11-10 2017-02-15 长春工业大学 一种电动汽车制动力再分配的实现方法
CN107977641A (zh) * 2017-12-14 2018-05-01 东软集团股份有限公司 一种智能识别地形的方法、装置、车载终端及车辆
CN108263363A (zh) * 2018-01-31 2018-07-10 北京新能源汽车股份有限公司 一种制动力矩的控制方法、装置及计算机可读存储介质
CN108839614A (zh) * 2018-04-27 2018-11-20 李德祥 一种用于电动车的车辆安全减速系统
CN109098125A (zh) * 2018-09-30 2018-12-28 徐州徐工环境技术有限公司 清扫车和清扫车控制方法
CN109131281A (zh) * 2018-07-16 2019-01-04 华东师范大学 一种无人驾驶汽车自动安全停车方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6095622A (en) * 1997-09-17 2000-08-01 Aisin Seiki Kabushiki Kaisha Hydraulic brake control system for use in a vehicle
CN104401306A (zh) * 2014-12-02 2015-03-11 湘电重型装备有限公司 一种大型电动轮矿用自卸车液压制动控制集成系统
CN106394259A (zh) * 2016-11-10 2017-02-15 长春工业大学 一种电动汽车制动力再分配的实现方法
CN107977641A (zh) * 2017-12-14 2018-05-01 东软集团股份有限公司 一种智能识别地形的方法、装置、车载终端及车辆
CN108263363A (zh) * 2018-01-31 2018-07-10 北京新能源汽车股份有限公司 一种制动力矩的控制方法、装置及计算机可读存储介质
CN108839614A (zh) * 2018-04-27 2018-11-20 李德祥 一种用于电动车的车辆安全减速系统
CN109131281A (zh) * 2018-07-16 2019-01-04 华东师范大学 一种无人驾驶汽车自动安全停车方法
CN109098125A (zh) * 2018-09-30 2018-12-28 徐州徐工环境技术有限公司 清扫车和清扫车控制方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110569739A (zh) * 2019-08-15 2019-12-13 上海工程技术大学 一种基于深度学习和胎噪声谱图的汽车辅助系统及方法
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
CN110901406A (zh) * 2019-11-25 2020-03-24 的卢技术有限公司 一种车辆驱动与制动结合的制动控制方法及系统
CN111137263A (zh) * 2019-12-26 2020-05-12 的卢技术有限公司 一种车辆制动稳定控制方法及系统
CN111137263B (zh) * 2019-12-26 2022-11-18 的卢技术有限公司 一种车辆制动稳定控制方法及系统
CN111238825A (zh) * 2020-01-10 2020-06-05 东南大学 面向组合试验路面的智能驾驶自动紧急制动性能测试方法
CN111572537A (zh) * 2020-03-03 2020-08-25 张丽 应用大数据处理的安全距离调整平台
CN112172801A (zh) * 2020-03-03 2021-01-05 张丽 应用大数据处理的安全距离调整方法
CN113104010A (zh) * 2021-05-07 2021-07-13 的卢技术有限公司 车辆制动控制方法、系统、计算机设备和存储介质
CN113104010B (zh) * 2021-05-07 2022-04-15 的卢技术有限公司 车辆制动控制方法、系统、计算机设备和存储介质
CN113744237A (zh) * 2021-08-31 2021-12-03 华中科技大学 一种基于深度学习的渣土流塑性自动检测方法及系统

Also Published As

Publication number Publication date
CN110001608B (zh) 2021-09-10

Similar Documents

Publication Publication Date Title
CN110001608A (zh) 一种基于路面视觉检测的汽车智能制动系统及其控制方法
CN111238825B (zh) 面向组合试验路面的智能驾驶自动紧急制动性能测试方法
CN109948217B (zh) 一种基于自然驾驶数据的危险场景库构建方法
CN105857309A (zh) 一种考虑多目标的车辆自适应巡航控制方法
CN105946860B (zh) 一种考虑驾驶风格的弯道车速预测方法
CN102627100B (zh) 一种基于电液控制技术的汽车双制动系统及其制动方法
CN110329259B (zh) 一种基于多传感器融合的车辆自动跟随系统及其方法
CN110262491B (zh) 一种基于混合学习方式的车辆制动意图预测的方法及系统
CN104828062A (zh) 一种基于驾驶员制动意图识别的制动控制方法
CN109389845B (zh) 一种多因素一体化高速公路动态车速管控系统
Mandala From Reactive to Proactive: Employing AI and ML in Automotive Brakes and Parking Systems to Enhance Road Safety
CN116957345B (zh) 用于无人驾驶系统中的数据处理方法
CN111879360A (zh) 一种黑暗场景中自动驾驶辅助安全预警系统及其预警方法
CN105008187A (zh) 缓速降档管理
CN112298132A (zh) 一种车辆自主紧急制动控制系统和控制方法
CN113428180A (zh) 一种无人驾驶车辆单道行驶车速控制方法、系统及终端
CN110667575A (zh) 一种路口紧急制动系统和控制方法
CN112721939B (zh) 一种基于多传感器融合的驾驶员制动意图识别方法
GUNJATE et al. A systematic review of emergency braking assistant system to avoid accidents using pulse width modulation and fuzzy logic control integrated with antilock braking
CN113156913A (zh) 一种abs故障诊断系统及方法
Ma et al. Naturalistic driving behavior analysis under typical normal cut-in scenarios
CN111477002B (zh) 一种基于危险度判别的高速公路合流区交通冲突预警系统
CN113859257B (zh) 基于灰色熵权和侧向椭圆阈的周围车辆驾驶意图识别方法
CN115131963A (zh) 一种基于激光雷达和毫米波雷达的矿车雷达协同方法、系统、装置及介质
Xia et al. Slope shift strategy for automatic transmission vehicles based on road slope and vehicle mass identification

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