CN110481555B - 车辆路径规划方法和乘坐舒适度处理器 - Google Patents
车辆路径规划方法和乘坐舒适度处理器 Download PDFInfo
- Publication number
- CN110481555B CN110481555B CN201910352993.1A CN201910352993A CN110481555B CN 110481555 B CN110481555 B CN 110481555B CN 201910352993 A CN201910352993 A CN 201910352993A CN 110481555 B CN110481555 B CN 110481555B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- processor
- road
- path
- sprung mass
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 230000004044 response Effects 0.000 claims description 34
- 230000006870 function Effects 0.000 claims description 33
- 230000008569 process Effects 0.000 description 33
- 238000010586 diagram Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 11
- 230000015654 memory Effects 0.000 description 9
- 238000013500 data storage Methods 0.000 description 8
- 230000033001 locomotion Effects 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 230000006399 behavior Effects 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/02—Control of vehicle driving stability
- B60W30/025—Control of vehicle driving stability related to comfort of drivers or passengers
-
- 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
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0013—Planning or execution of driving tasks specially adapted for occupant comfort
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0031—Mathematical model of the vehicle
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- 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
- B60W2552/35—Road bumpiness, e.g. pavement or potholes
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Mathematical Physics (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Business, Economics & Management (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
- Vehicle Body Suspensions (AREA)
Abstract
提供了一种车辆中的处理器实施路径规划方法。所述方法包括沿所述车辆的规划路径检索路面信息;由所述处理器构建沿所述规划路径的所述路面的模型;由所述处理器识别所述规划路径的所述路面上的道路不平整;由所述处理器对所述道路不平整进行分类;将车辆轮胎补丁的位置投射到所述路面的所述模型上;由所述处理器预测作为所述车辆沿所述规划路径的时间的函数的车辆簧载质量动力学;计算避开道路不平整的道路边界的约束内的多个替代路径轨迹;从所述多个替代路径轨迹中选择减少所述车辆的所述簧载质量动力学以提供更舒适乘坐的替代路径轨迹;以及利用选定的替代路径轨迹来更新所述规划路径。
Description
技术领域
本公开总体上涉及自主车辆,并且更具体地涉及自主驾驶车辆中用于调整车辆性能以减少道路异常对乘坐者舒适度的影响的系统和方法。
背景技术
自主驾驶车辆配备有可以感测道路状况的传感器。例如,自主驾驶车辆中的相机或激光雷达传感器可以感测道不平整,诸如车辆的规划路径中的坑洞。在道路不平整处(诸如坑洞)上行驶可能会给乘坐在车辆中的乘客带来一定程度的不适。许多现代车辆配备有可以接合以调整车辆性能的致动器。例如,可以控制用于速度、制动和/或转向控制的致动器以调整车辆性能。
因此,期望提供用于自动调整自主驾驶车辆对车辆的规划路径中即将发生的道路危险的响应的系统和方法。另外,从以下结合附图和前面的技术领域及背景技术进行的详细描述和所附权利要求书中将更清楚地明白本发明的其他期望特征和特性。
发明内容
提供了用于减少道路不平整对车辆中的乘客的影响的系统和方法。在一个实施例中,提供了一种车辆中的处理器实施路径规划方法。所述方法包括沿所述车辆的规划路径检索路面信息;由所述处理器构建沿所述规划路径的所述路面的模型;由所述处理器识别所述规划路径的所述路面上的道路不平整;由所述处理器对所述道路不平整进行分类;将车辆轮胎补丁的位置投射到所述路面的所述模型上;由所述处理器预测作为所述车辆沿所述规划路径的时间的函数的车辆簧载质量动力学;计算避开道路不平整的道路边界的约束内的多个替代路径轨迹;从所述多个替代路径轨迹中选择减少所述车辆的所述簧载质量动力学以提供更舒适乘坐的替代路径轨迹;以及利用选定的替代路径轨迹来更新所述规划路径。
在一个实施例中,所述路面信息包括基于云的路面信息和从车载车辆传感器导出的路面信息。
在一个实施例中,沿所述规划路径的所述路面的所述模型包括三维(3D)轮廓矩阵,其中x轴表示沿道路距离,y轴表示横向位置,并且z轴表示垂直位置。
在一个实施例中,所述方法还包括将所述3D轮廓矩阵上载到基于云的系统以与基于云的3D轮廓矩阵进行比较。
在一个实施例中,预测作为时间的函数的车辆簧载质量动力学包括使用典型车辆动力学模型来预测每个主销处的力。
在一个实施例中,计算多个替代路径轨迹并从所述多个替代路径轨迹中选择替代路径轨迹包括使用成本函数来计算和测试多个替代路径轨迹。
在一个实施例中,选择减少所述车辆的所述簧载质量动力学的替代路径轨迹包括选择没有避开所述道路不平整但是减少所述道路不平整对乘坐舒适性的影响的替代路径。
在一个实施例中,选择减少所述车辆的所述簧载质量动力学的替代路径轨迹包括选择避开所述道路不平整的替代路径。
在另一个实施例中,公开了一种车辆中的乘坐舒适度处理器。所述乘坐舒适度处理器包括通过计算机可读介质中的编程指令配置的一个或多个处理器。所述乘坐舒适度处理器被配置为:沿所述车辆的规划路径检索路面信息;构建沿所述规划路径的所述路面的模型;将车辆轮胎补丁的位置投射到所述路面的所述模型上;预测作为所述车辆沿所述规划路径的时间的函数的车辆簧载质量动力学;计算并选择减少沿所述规划路径的所述簧载质量动力学的替代车辆控制件;以及利用所述替代车辆控制件来更新车辆控制输入。
在一个实施例中,所述乘坐舒适度处理器还被配置为:识别所述规划路径的所述路面中的道路不平整;以及对所述道路不平整进行分类;
在一个实施例中,为了计算并选择减少沿所述规划路径的所述簧载质量动力学的替代车辆控制件,所述乘坐舒适度处理器被配置为:计算避开所述道路不平整的所述道路边界的约束内的多个替代路径轨迹;以及从所述多个替代路径轨迹中选择减少所述车辆的所述簧载质量动力学以提供更舒适乘坐的替代路径轨迹。
在一个实施例中,为了利用所述替代车辆控制件来更新车辆控制输入,所述乘坐舒适度处理器被配置为利用所述选定的替代路径轨迹来更新所述规划路径。
在一个实施例中,为了预测作为所述车辆沿所述规划路径的时间的函数的所述车辆簧载质量动力学,所述乘坐舒适度处理器被配置为:接收用于横向和纵向控制的驾驶控制件输入轮廓并从未来状态轮胎输入和随机风强制函数来计算表示所述车辆的乘坐和操纵动力学的预测表面响应图。
在一个实施例中,为了计算并选择减少沿所述规划路径的所述簧载质量动力学的替代车辆控制件,所述乘坐舒适度处理器被配置为施加启发式驾驶控制件调整模块以定义用于稳定性控制、转向和制动执行器的控制信号。
在一个实施例中,所述乘坐舒适度处理器还被配置为在实施所述控制信号之后测量车辆动态响应并且调整所述启发式驾驶控制件调整模块中的控制增益。
在一个实施例中,为了调整所述启发式驾驶控制件调整模块中的控制增益,所述乘坐舒适度处理器被配置为:将使用所述控制信号的实际车辆簧载质量动力学与所述预测的车辆簧载质量动力学进行比较;当所述实际车辆簧载质量动力学相对于所述预测的车辆簧载质量动力学没有改善时,所述乘坐舒适度处理器被配置为使用学习算法来调整所述控制增益;并且当所述实际车辆簧载质量动力学相对于所述预测的车辆簧载质量动力学有所改善时,所述乘坐舒适度处理器被配置为确认所述控制增益。
在一个实施例中,所述乘坐舒适度处理器还被配置为将所述控制信号发送到基于云的服务器。
在另一个实施例中,提供了一种用于在车辆中改善驾驶员舒适度的方法。所述方法包括扫描沿规划路径的道路以创建实际路面轮廓;将所述实际路面轮廓与来自基于云的数据库的路面轮廓进行比较,确定差异,并利用所述差异来更新基于云的服务器;使用所述实际路面轮廓来计算沿所述规划路径的预测轮胎补丁位置以对每个车辆轮胎创建时间序列强制函数;接收驾驶控制件输入轮廓;从未来的状态轮胎输入和随机风强制函数来计算表示所述车辆的乘坐和操纵动力学的预测表面响应图;施加启发式驾驶控制件调整模块以使用云数据、周围交通行为、表面mu、道路材料和天气状况来定义控制信号以改善驾驶员舒适度;以及将输入控制参数从所述控制信号发送到所述基于云的服务器以存储在所述基于云的数据库中。
在一个实施例中,所述方法还包括在实施所述控制信号之后测量车辆动态响应并且调整所述启发式驾驶控制件调整模块中的控制增益。
在一个实施例中,调整所述启发式驾驶控制件调整模块中的控制增益包括:当使用所述控制信号未改善实际车辆簧载质量动力学时,使用学习算法来调整所述控制增益;以及当所述实际车辆簧载质量动力学得到改善时,确认所述控制增益。
在另一个实施例中,公开了一种车辆中的乘坐舒适度处理器。所述乘坐舒适度处理器包括通过计算机可读介质中的编程指令配置的一个或多个处理器。所述乘坐舒适度处理器被配置为:沿所述车辆的规划路径检索路面信息;构建沿所述规划路径的所述路面的模型;识别所述规划路径的所述路面上的道路不平整;对所述道路不平整进行分类;将车辆轮胎补丁的位置投射到所述路面的所述模型上;预测作为所述车辆沿所述规划路径的时间的函数的车辆簧载质量动力学;计算避开道路不平整的道路边界的约束内的多个替代路径轨迹;从所述多个替代路径轨迹中选择减少所述车辆的所述簧载质量动力学的替代路径轨迹;以及利用选定的替代路径轨迹来更新所述规划路径。
在另一个实施例中,公开了一种车辆中的乘坐舒适度处理器。所述乘坐舒适度处理器包括通过计算机可读介质中的编程指令配置的一个或多个处理器。所述乘坐舒适度处理器被配置为:扫描沿规划路径的道路以创建实际路面轮廓;将所述实际路面轮廓与来自基于云的数据库的路面轮廓进行比较,确定差异,并利用所述差异来更新基于云的服务器;使用所述实际路面轮廓来计算沿所述规划路径的预测轮胎补丁位置以对每个车辆轮胎创建时间序列强制函数;接收驾驶控制件输入轮廓;从未来的状态轮胎输入和随机风强制函数来计算表示所述车辆的乘坐和操纵动力学的预测表面响应图;施加启发式驾驶控制件调整模块以使用云数据、周围交通行为、表面mu、道路材料和天气状况来定义控制信号以改善驾驶员舒适度;以及将输入控制参数从所述控制信号发送到所述基于云的服务器以存储在所述基于云的数据库中。
附图说明
下文将结合以下附图描述示例性实施例,其中相同标号表示相同元件,且其中:
图1是描绘根据各种实施例的示例性自主乘坐动力学舒适度控制器系统的框图,所述系统允许以自主模式操作的车辆以针对乘客舒适度优化的方式避开道路不平整;
图2是根据各种实施例的可以包括乘坐舒适度处理器的示例性车辆的框图,所述乘坐舒适度处理器被配置为在遇到感测到的道路不平整之前调整驾驶控制件以减少车辆中乘客的运动动力学以提供更舒适乘坐;
图3是示出根据各种实施例的与自主车辆相关联的自主驾驶系统(ADS)的功能框图;
图4是描绘根据各种实施例的车辆中的示例性乘坐舒适度处理器的框图;
图5是描绘根据各种实施例的车辆中的另一个示例性乘坐舒适度处理器的框图;
图6是描绘根据各种实施例的车辆中用于减少道路不平整对车辆中的乘客的影响的示例性系统的框图;
图7是描绘根据各种实施例的车辆中用于计算道路边界的约束内的替代路径轨迹以在可能时避开道路不平整并减少车辆中乘客的运动动力学以提供更舒适乘坐的示例性过程的过程流程图;以及
图8是描绘根据各种实施例的车辆中被配置为减少车辆中乘客的运动动力学以提供更舒适乘坐的示例性过程的过程流程图。
具体实施方式
具体实施方式本质上仅仅是示例性的,并且不旨在限制应用和用途。另外,不存在被前述的技术领域、背景技术、发明内容或具体实施方式中提出的任何明确的或暗示的理论约束的意图。如本文所使用,术语“模块”是指个别或呈任何组合的任何硬件、软件、固件、电子控制部件、处理逻辑和/或处理器装置,包括但不限于:专用集成电路(ASIC)、现场可编程门阵列(FPGA)、电子电路、处理器(共享、专用或成组)和执行一个或多个软件或固件程序的存储器、组合逻辑电路和/或提供所述功能性的其他合适部件。
本公开的实施例在本文可以依据功能和/或逻辑块部件和各个处理步骤来描述。应当明白,此类块部件可以由被配置为执行指定功能的任何数量的硬件、软件和/或固件部件来实施。例如,本公开的实施例可以采用各种集成电路部件(例如,存储器元件、数字信号处理元件、逻辑元件、查找表等,其可以在一个或多个微处理器或其他控制装置的控制下执行多种功能)。另外,本领域技术人员将明白的是,本公开的实施例可以结合任何数量的系统来实践,且本文所述的系统仅仅是本公开的一个示例性实施例。
为了简明起见,本文可以不详细描述与信号处理、数据传输、信令、控制以及该系统(和该系统的单个操作部件)的其他功能方面有关的常规技术。另外,本文所包括的各个图式中所示的连接线旨在表示各个元件之间的示例功能关系和/或物理联接。应当注意,在本公开的实施例中可以存在许多替代或附加的功能关系或物理连接。
描述了用于通过利用现有的自主车辆传感器改善车辆对道路缺陷和状况的动态响应的设备、系统、方法、技术和制品。诸如相机、光学传感器、雷达传感器和/或LIDAR传感器等车载传感器可以用于扫描道路的前表面以允许车辆预测对路面扰动的车辆动态响应(例如,在六个自由度(6DOF)中)并允许车辆主动进行转向调整以避免路面扰动或抵抗路面扰动的影响。
描述了用于扫描道路的前表面、感测周围车辆动态响应行为以及使用所感测的动态响应行为来改善乘坐舒适度的设备、系统、方法、技术和制品。描述了用于使用与LIDAR数据组合的云数据来定义微路径调整以改善乘坐控制的设备、系统、方法、技术和制品。描述了用于使用云数据来变更车辆的轨迹以选择围绕道路缺陷或表面不平整的路径以优化舒适度并最小化对车辆部件的损坏的设备、系统、方法、技术和制品。描述了用于感测道路类型(例如,砾石、灰尘)和天气状况(例如,下雨、下雪)以允许车辆调整车辆控制策略以提高安全性的设备、系统、方法、技术和制品。
图1是描绘示例性自主乘坐动力学舒适度控制器系统100的框图,所述系统允许以自主模式操作的车辆以针对乘客舒适度优化的方式避开道路不平整。示例性系统100包括多辆车辆102,其可以经由包含在车辆内的传感器检测驾驶状况信息(包括道路不平整)和/或从基于云的服务器104接收驾驶状况信息。
示例性车辆102配备有乘坐舒适度处理器106,其被配置为计算道路边界的约束内的替代路径轨迹以在可能时避开道路不平整并减少车辆中的乘客的运动动力学以提供更舒适乘坐。示例性乘坐舒适度处理器106还被配置为在遇到所感测到的道路不平整之前调整驾驶控制件以减少车辆中乘客的运动动力学以提供更舒适乘坐。示例性乘坐舒适度处理器106还被配置为向基于云的服务器104报告检测到的驾驶状况信息(例如,感测到的道路不平整、替代路径轨迹、动态控制调整等)。车辆102可以经由通信信道108(例如,蜂窝网络上的蜂窝信道,诸如4G LTE或4G LTE-V2X或卫星信道等)、公共网络110和私用网络112来与基于云的服务器104通信。
示例性基于云的服务器104被配置为从多辆车辆102收集驾驶状况信息,存储驾驶状况信息,使用人工智能和关于驾驶状况的深度学习技术基于所接收的驾驶状况信息形成共识,存储共识,并与车辆102分享共识。驾驶状况信息可以包括各种类型的数据,诸如关于道路建设、坑洞、替代路径轨迹、动态控制调整的信息或其他信息。
示例性基于云的服务器104包括:事件摄取模块114,其用于接收驾驶状况信息并将其存储在数据存储装置116中;和共识生成模块118,其用于基于所接收的驾驶状况信息建立关于驾驶状况的共识并将共识存储在数据存储装置116中。共识生成模块114可以例如基于由多辆车辆102报告的坑洞事件的位置来确定驾驶状况事件(诸如检测到的坑洞)发生在特定位置。所报告位置可以例如由于车辆102的定位准确度而变化,并且共识生成模块114可以建立关于所报告事件的位置的共识。
图2是可以包括乘坐舒适度处理器106的示例性车辆200的框图,所述乘坐舒适度处理器被配置为计算道路边界的约束内的替代路径轨迹以避开道路不平整和/或在遇到所感测到的道路不平整之前调整驾驶控制件以减少车辆中乘客的运动动力学以提供更舒适乘坐。示例性车辆200通常包括底盘12、车身14、前轮16和后轮18。车身14被布置在底盘12上并且大致上包围车辆200的部件。车身14和底盘12可以共同形成框架。车轮16到18各自在车身14的相应拐角附近旋转地联接到底盘12。
示例性车辆200可以是自主车辆(例如,被自动控制以将乘客从一个位置运送到另一个位置的车辆)或半自动车辆(例如,可以被自主地驾驶以将乘客从一个位置运送到另一个位置的车辆),并且乘坐舒适度处理器106被结合到车辆200中。示例性车辆200被描绘为乘用车,但也可以是另一种车辆类型,诸如摩托车、卡车、运动型多功能车辆(SUV)、休闲车辆(RV)、船舶、飞行器等。
示例性车辆200包括推进系统20、变速器系统22、转向系统24、制动系统26、传感器系统28、致动器系统30、至少一个数据存储装置32、至少一个控制器34以及通信系统36。推进系统20在各个实施例中可以包括内燃机、诸如牵引电动机等电机和/或燃料电池推进系统。变速器系统22被配置为根据可选速比将来自推进系统20的动力传输到车轮16和18。
制动系统26被配置为向车轮16和18提供制动转矩。在各个实施例中,制动系统26可以包括摩擦制动器、线控制动器、诸如电机等再生制动系统,和/或其他适当的制动系统。
转向系统24影响车轮16和/或18的位置。虽然为了说明目的而被描绘为包括方向盘25,但是在本公开的范围内预期的一些实施例中,转向系统24可以不包括方向盘。
传感器系统28包括感测车辆200的外部环境和/或内部环境的可观察状况(诸如一个或多个乘员的状态)并生成与该状况有关的传感器数据的一个或多个感测装置40a到40n。感测装置40a到40n可以包括但不限于雷达(例如,远程、中程-短程)、激光雷达、全球定位系统、光学相机(例如,前视、360度、后视、侧视、立体等)、热(例如,红外)相机、超声波传感器、测距传感器(例如,编码器)和/或可以结合根据本主题的系统和方法利用的其他传感器。
致动器系统30包括一个或多个致动器装置42a到42n,其控制一个或多个车辆特征,诸如但不限于推进系统20、变速器系统22、转向系统24以及制动系统26。在各个实施例中,车辆200还可以包括图2中未说明的内部和/或外部车辆特征,诸如各种车门、行李箱以及诸如无线电、音乐、照明、触摸屏显示部件(诸如与导航系统连接中所使用的部件)等驾驶室特征。
数据存储装置32存储用于车辆200的数据。在各个实施例中,数据存储装置32存储可导航环境的定义地图。在各种实施例中,定义地图可以由远程系统预定义并且从远程系统获取。例如,定义地图可以由远程系统组装并且(以无线方式和/或以有线方式)传送到车辆200并存储在数据存储装置32中。路线信息也可以被存储在数据存储装置32内-即,一组路段(在地理上与一个或多个定义地图相关联),其一起限定了用户可以从起始位置(例如,用户的当前位置)行驶到目标位置所采取的路线。如将明白的是,数据存储装置32可以为控制器34的一部分,与控制器34分开,或作为控制器34的一部分以及单独系统的一部分。
控制器34包括至少一个处理器44和计算机可读存储装置或介质46。处理器44可以为任何定制的或商业上可用的处理器、中央处理单元(CPU)、图形处理单元(GPU)、专用集成电路(ASIC)(例如,实施神经网络的定制ASIC)、现场可编程门阵列(FPGA)、与控制器34相关联的若干处理器中的辅助处理器、基于半导体的微处理器(呈微芯片或芯片集的形式)、它们的任何组合或通常用于执行指令的任何装置。计算机可读存储装置或介质46可以包括例如只读存储器(ROM)、随机存取存储器(RAM)和保活存储器(KAM)中的易失性和非易失性存储器。KAM是一种持久或非易失性存储器,其可以在处理器44断电时用于存储各种操作变量。计算机可读存储装置或介质46可以使用诸如PROM(可编程只读存储器)、EPROM(电PROM)、EEPROM(电可擦除PROM)、闪速存储器或能够存储数据的任何其他电动、磁性、光学或组合存储器装置的许多已知存储器中的任何一种来实施,其中的某些数据表示由控制器34用于控制车辆200的可执行指令。在各种实施例中,控制器34被配置为实施下文详细讨论的乘坐舒适度处理器106。
指令可以包括一个或多个单独的程序,每个程序包括用于实施逻辑功能的可执行指令的有序列表。指令在由处理器44执行时接收并处理来自传感器系统28的信号(例如,传感器数据),执行用于控制车辆200的部件的逻辑、计算、方法和/或算法,并且产生控制信号,其被传输到致动器系统30以基于逻辑、计算、方法和/或算法来自动地控制车辆200的部件。虽然图2中仅示出了一个控制器34,但是车辆200的实施例可以包括通过合适的通信介质或通信介质的组合进行通信并且协作以处理传感器信号、执行逻辑、计算、方法和/或算法且产生控制信号以自动控制车辆200的特征的任意数量的控制器34。
通信系统36被配置为向和从其他实体48(诸如但不限于其他车辆(“V2V”通信)、基础设施(“V2I”通信)、网络(“V2N”通信)、行人(“V2P”通信)、远程运输系统和/或用户装置无线地传送信息。在示例性实施例中,通信系统36是被配置为经由使用IEEE802.11标准的无线局域网(WLAN)或通过使用蜂窝数据通信来进行通信的无线通信系统。然而,诸如专用短程通信(DSRC)信道等附加或替代通信方法也被认为在本发明的范围内。DSRC信道是指专门为汽车使用以及对应的一组协议和标准而设计的单向或双向短程到中程无线通信信道。
图3是示出与自主车辆相关联的自主驾驶系统(ADS)的功能框图。根据各种实施例,控制器34实施自主驾驶系统(ADS)70。即,利用控制器34的合适软件和/或硬件部件(例如,处理器44和计算机可读存储装置46)来提供与车辆200结合使用的自主驾驶系统70。
在各个实施例中,自主驾驶系统70的指令可以由功能或系统组织。例如,如图3中所示,自主驾驶系统70可以包括感知系统74、定位系统76、路径规划系统78以及车辆控制系统80。如可以明白的是,在各种实施例中,由于本公开不限于本示例,所以可以将指令组织(例如,组合、进一步划分等)为任何数量的系统。
在各种实施例中,感知系统74合成并处理所需传感器数据并且预测对象的存在、位置、分类和/或路径以及车辆200的环境的特征。在各种实施例中,感知系统74可以结合来自多个传感器(例如,传感器系统28)(包括但不限于相机、激光雷达、雷达和/或任何数量的其他类型的传感器)的信息。
定位系统76处理传感器数据以及其他数据以确定车辆200相对于环境的位置(例如,相对于地图的本地位置、相对于道路车道的精确位置、车辆航向等)。如可以明白的是,可以采用各种技术来实现这种定位,包括例如同时定位和映射(SLAM)、粒子滤波器、卡尔曼滤波器、贝叶斯滤波器等。
路径规划系统78处理传感器数据以及其他数据以确定车辆200遵循的路径。车辆控制系统80根据所确定的路径产生用于控制车辆200的控制信号。
在各个实施例中,控制器34实施机器学习技术以辅助控制器34的功能,诸如特征检测/分类、障碍减少、路线穿越、映射、传感器集成、地面实况确定等。
在各种实施例中,乘坐舒适度处理器106的全部或部分可以包括在感知系统74、定位系统76、路径规划系统78和/或车辆控制系统80内。如上面简要提及,乘坐舒适度处理器106被配置为计算道路边界的约束内的替代路径轨迹以避开道路不平整和/或在遇到所感测到的道路不平整之前调整驾驶控制件以减少车辆中乘客的运动动力学以提供更舒适乘坐。
图4是描绘车辆中的示例性乘坐舒适度处理器402的框图。示例性乘坐舒适度处理器402包括通过计算机可读介质中的编程指令配置的一个或多个处理器。乘坐舒适度处理器402被配置为沿车辆的规划路径检索路面信息。路面信息可以包括来自基于云的服务器(例如,基于云的服务器104)的基于云的路面信息401和来自车辆传感器404(诸如相机、激光雷达、雷达、超声波等)的基于传感器的路面信息403。规划路径405可以由自主路径规划器406(例如,路径规划系统78)生成。
示例性乘坐舒适度处理器402被配置为分析沿车辆的规划路径的路面信息,识别一个或多个道路不平整,根据道路不平整计算并选择减少沿规划路径的车辆簧载质量动力学的替代车辆控制件,并利用替代车辆控制件来更新车辆控制输入。在该示例中,为了计算并选择减少沿规划路径的簧载质量动力学的替代车辆控制件,示例性乘坐舒适度处理器402被配置为计算避开道路不平整的道路边界的约束内的多个替代路径轨迹并从多个替代路径轨迹中选择减少车辆的簧载质量动力学(例如,响应/频率)以提供更舒适乘坐和/或避开道路不平整的替代路径轨迹。
示例性乘坐舒适度处理器402包括道路模型生成模块408、道路不平整分类器410、车辆簧载质量动力学计算器412、替代路径轨迹计算器414和规划路径调整模块416。道路模型生成模块408被配置为构建沿规划路径的路面的模型409。道路不平整分类器410被配置为识别规划路径的路面上的一个或多个道路不平整411并对道路不平整411进行分类。
车辆簧载质量动力学计算器412被配置为将车辆轮胎补丁413的位置投射在路面的模型上,并且预测作为车辆415沿规划路径的时间的函数的车辆簧载质量动力学。为了预测作为车辆415沿规划路径的时间的函数的车辆簧载质量动力学,车辆簧载质量动力学计算器412被配置为接收驾驶控制件输入轮廓(例如,用于横向和纵向控制)并从未来的状态轮胎输入和随机风强制函数来计算表示车辆的乘坐和操纵动力系的预测表面响应图。
替代路径轨迹计算器414被配置为计算并选择减少沿规划路径的簧载质量动力学的替代车辆控制。为了计算并选择减少沿规划路径的簧载质量动力学的替代车辆控制,替代路径轨迹计算器414被配置为计算避开道路不平整411的道路边界的约束内的多个替代路径轨迹417并从多个替代路径轨迹417中选择减少车辆的簧载质量动力学(例如,响应/频率)以提供更舒适乘坐和/或避开道路不平整的替代路径轨迹。
规划路径调整模块416被配置为利用替代车辆控制来更新车辆控制输入。为了利用替代车辆控制件来更新车辆控制输入,规划路径调整模块416被配置为利用选定的替代路径轨迹407来更新规划路径405。
图5是描绘车辆中的另一个示例性乘坐舒适度处理器502的框图。示例性乘坐舒适度处理器502包括通过计算机可读介质中的编程指令配置的一个或多个处理器。乘坐舒适度处理器502被配置为沿车辆的规划路径检索路面信息。路面信息可以包括来自基于云的服务器(例如,基于云的服务器104)的基于云的路面信息501和由车辆传感器504(诸如相机、激光雷达、雷达、超声波等)扫描的基于传感器的路面信息503。示例性乘坐舒适度处理器502被配置为例如从车辆控制系统80检索驾驶控制信号505(例如,用于横向和纵向控制)。
示例性乘坐舒适度处理器502被配置为分析沿车辆的规划路径的路面信息和/或车辆的车辆驾驶控制信号,识别一个或多个道路不平整,根据道路不平整计算并选择减少沿规划路径的车辆簧载质量动力学的替代车辆控制信号507,并利用替代车辆控制件来更新车辆控制输入。示例性乘坐舒适度处理器502还被配置为将更新的输入控制参数从控制信号507发送到云服务器以存储在基于云的数据库中。
示例性乘坐舒适度处理器502包括路面轮廓生成模块506、路面轮廓比较器508、车辆轮胎补丁时间序列计算器510、预测表面响应计算器512和启发式驾驶控制件调整模块514。路面轮廓生成模块506被配置为使用检索到的路面信息构建沿规划路径的路面的模型(例如,构建的路面轮廓)。路面轮廓比较器508被配置为将构建的路面轮廓与从基于云的服务器中检索的基于云的路面轮廓进行比较,确定这两个轮廓之间的差异,并向利用差异对基于云的服务器提供更新。车辆轮胎补丁时间序列计算器510被配置为在路面的模型上投射车辆轮胎补丁的位置,并使用构建的道路轮廓来计算未来轮胎位置轮胎补丁以对每个车辆轮胎创建时间序列强制函数。
预测表面响应计算器512被配置为预测对规划路径上的车辆表面响应。为了预测表面响应,预测表面响应计算器512被配置为接收驾驶控制件输入轮廓505(例如,用于横向和纵向控制),构建的路面轮廓、每个车辆轮胎的时间序列强制函数以及随机风强制函数516。基于这些接收的输入,预测表面响应计算器512还被配置为使用预测模块计算表示车辆的乘坐和操纵动力系的预测表面响应图。
启发式驾驶控制件调整模块514被配置为计算并选择减少沿规划路径的簧载质量动力学的替代车辆控制信号507。为了计算并选择减少沿规划路径的簧载质量动力学的替代车辆控制信号507,启发式驾驶控制件调整模块514被配置为使用各种输入509(诸如车辆传感器数据、云数据、周围交通行为、路面mu、路面材料和天气状况)定义旨在优化驾驶员舒适度和乘坐(例如,针对稳定性控制、转向、制动、乘坐)的控制信号507。启发式驾驶控制件调整模块514还被配置为使用选定的替代车辆控制信号507将实际车辆簧载质量动力学与预测的车辆簧载质量动力学进行比较,并根据需要调整预测模型中的控制增益。当实际车辆簧载质量动力学相对于预测的车辆簧载质量动力学没有改善时,驾驶控制件调整模块514被配置为使用学习算法来调整预测模块中的控制增益并且保存与位置、驾驶序列、环境因素中的至少一者或它们各自当中的两者或更多者的组合相关联的输入控制参数。当实际车辆簧载质量动力学相对于预测的车辆簧载质量动力学有所改善时,驾驶控制件调整模块514被配置为确认控制增益并且保存与位置、驾驶序列、环境因素中的至少一者或它们各自当中的两者或更多者的组合相关联的输入控制参数。
图6是描绘车辆中用于减少道路不平整对车辆中的乘客的影响的示例性系统600的框图。示例性系统600包括通过计算机可读介质中的编程指令配置的一个或多个处理器。示例性系统600包括车辆位置和轮胎力预测模块602、净预测车辆扰动偏差模块604、补偿预控制加载模块606和预测算法调整模块608。示例性系统600被配置为检索路面信息,预测路面中的不平整可能对乘客的乘坐舒适度产生的影响,计算致动器控制信号以减少道路不平整对乘坐舒适度的影响,使用计算的致动控制信号测量实际车辆性能,并调整被配置为计算致动器控制信号的算法以减少道路不平整对乘坐舒适度的影响。
示例性车辆位置和轮胎力预测模块602被配置为通过检索沿车辆的规划路径的道路的表面轮廓扫描601(例如,从诸如激光雷达、雷达、超声波等车载车辆传感器导出)来检索路面信息,从基于云的路面轮廓数据库中检索基于云的路面信息603,(例如,从诸如相机等基于车辆的成像装置中)检索路面图像605以及检索周围车辆乘坐运动信息607。示例性车辆位置和轮胎力预测模块602还被配置为从诸如GPS等车载导航传感器中检索导航信息609。示例性车辆位置和轮胎力预测模块602还被配置为使用检索信息来计算沿车辆的规划路径的预测车辆位置和轮胎力。
示例性净预测车辆扰动偏差模块604被配置为预测路面中的不平整可能对乘客的乘坐舒适度产生的影响。示例性净预测车辆扰动偏差模块604被配置为分析预测车辆位置和轮胎力以预测由于路面中的不平整导致的净预测车辆扰动偏差。
示例性补偿预控制加载模块606被配置为计算致动器控制信号的变化以降低道路不平整对乘坐舒适度的影响。示例补偿预控制加载模块606被配置为计算替代路径,选择道路的约束内的替代路径,并计算致动器控制信号的变化以实现可以降低道路不平整对乘坐舒适度的影响的选定的替代路径。替代地或另外,示例性补偿预控制加载模块606被配置为计算致动器控制信号的变化而不改变车辆路径,这可以降低道路不平整对乘坐舒适度的影响。致动器控制信号的变化可能影响车辆致动器610,诸如车辆转向、制动、悬架控制器等。示例性补偿预控制加载模块606实施可以使用机器学习技术训练的预测算法,以计算致动器控制信号的变化,这可以降低道路不平整对乘坐舒适度的影响。
示例性预测算法调整模块608被配置为在使用计算的致动器控制信号(例如,使用GPS和加速度计)操作时测量实际车辆性能并且提供输入(例如,使用学习算法的算法增益)以调整预测算法。示例性预测算法调整模块608被配置为从车辆上的动态传感器612(例如,加速度计)接收输入以测量实际车辆性能并基于车辆乘坐舒适度是否相对于净预测车辆扰动偏差有所改善来为预测算法提供增益调整。
图7是描绘车辆中用于计算道路边界的约束内的替代路径轨迹以在可能时避开道路不平整并减少车辆中乘客的运动动力学以提供更舒适乘坐的示例性过程700的过程流程图。示例性过程700内的操作顺序不限于如图中所示的顺序执行,而是可以根据适用并根据本公开以一个或多个变化的顺序执行。
示例性过程700包括沿车辆的规划路径检索路面信息(操作702)。路面信息可以包括存储在基于云的服务器中的基于云的路面信息和由诸如雷达、激光雷达和相机等车载传感器收集的路面信息。用于车辆的规划路径可以由车辆中的自主路径规划器(诸如路径规划系统78内的自主路径规划器)来计算。
示例性过程700包括构建沿规划路径的路面的模型(操作704)。可以使用检索到的基于云的表面信息和由车载传感器收集的路面信息来构建沿规划路径的路面的模型。沿规划路径的路面的模型可以包括被表示为三维(3D)轮廓矩阵一系列点和线,其中x轴表示沿道路距离,y轴表示横向位置,并且z轴表示垂直位置。可以将构建的3D轮廓矩阵上载到基于云的系统以与基于云的3D轮廓矩阵进行比较,并由基于云的系统更新。可以将更新的3D轮廓矩阵下载到车辆。
示例性过程700包括识别路面的模型中的一个或多个道路不平整并对其进行分类(操作706)。所述识别可以包括使用分类和阈值标准来定位道路不平整并对其进行分类。所识别的道路不平整可以包括路面模型上的坑洞和其他较大规模的不平整(诸如凸起区域或凹陷)。示例性过程700还包括将车辆轮胎补丁的位置投射在路面的模型上(操作708)。
示例性过程700包括预测作为车辆沿规划路径的时间的函数的车辆簧载质量动力学(操作710)。预测作为时间的函数的车辆簧载质量动力学可以包括使用表示车辆轮胎补丁相对于车辆重心的位置的第二矩阵和典型的车辆动力学模型来预测每个车辆主销处的力(例如,由路面不连续性和坡度引起)。
示例性过程700包括计算避开道路不平整的道路边界的约束内的多个替代路径轨迹(操作712)并从多个替代路径轨迹中选择减少簧载质量的响应/频率动力学以提供更舒适乘坐(或避开道路不平整)的替代路径轨迹(操作714)。计算多个替代路径轨迹并从多个替代路径轨迹中选择替代路径轨迹可以包括使用成本函数(例如,深度学习)来在避开道路不平整的道路边界的约束内(例如,利用现有的路径规划器信息)计算和测试多个替代路径轨迹以识别减少弹簧质量的响应/频率动力学以提供更舒适乘坐(或避开道路不平整)。示例性过程700还包括利用选定的替代路径轨迹来更新规划路径(操作716)。
图8是描绘车辆中被配置为减少车辆中乘客的运动动力学以提供更舒适乘坐的示例性过程800的过程流程图。示例性过程800内的操作顺序不限于如图中所示的顺序执行,而是可以根据适用并根据本公开以一个或多个变化的顺序执行。
示例性过程800包括扫描沿规划路径的道路(操作802)以创建实际路面轮廓。可以使用诸如激光雷达、相机、雷达和超声波传感器等车载车辆传感器来执行扫描。示例性过程800包括将实际路面轮廓与来自基于云的数据库的云路面轮廓进行比较,确定差异并利用差异来更新基于云的服务器(操作804)。示例性过程800包括使用实际路面轮廓以及诸如GPS和加速度计数据等传感器数据来计算沿规划路径的预测轮胎补丁位置,以对每个车辆轮胎创建时间序列强制函数(操作806)。示例性过程800包括接收驾驶控制件输入轮廓(例如,用于横向和纵向控制)(操作808)并且从未来的状态轮胎输入和随机风强制函数来计算表示车辆的乘坐和操纵动力学的预测表面响应图(操作810)。示例性过程800还包括施加启发式驾驶控制件调整算法以使用云数据、周围交通行为、路面μ、道路材料和天气状况来定义控制加载时间序列输入(例如,用于稳定性控制、转向、制动、乘坐)以改善驾驶员舒适度(操作812)。
示例性过程800还被配置为利用实时数据来训练启发式驾驶控制件调整算法。示例性过程800包括使用控制加载时间序列输入(例如使用GPS和加速度计)在车辆操作期间测量车辆动态响应(操作814)。示例性过程800包括确定是否由于实施控制加载时间序列输入而改善了车辆动态响应(判定816)。当在实施控制加载时间序列输入之前车辆动态响应相对于预测的动态响应没有改善时(在判定816处为否),示例性过程800包括使用学习算法基于实际和预测的车辆动态响应来调整控制增益(操作818),并且保存与位置、驾驶顺序、环境因素中的至少一者、各自的组合相关联的输入控制参数(操作820)。当在实施控制加载时间序列输入之前车辆动态响应相对于预测的动态响应有所改善时(在判定816处为是),示例性过程800包括确认控制增益,并且保存与位置、驾驶顺序、环境因素中的至少一者、各自的组合相关联的输入控制参数(操作820)。示例性过程800还包括将输入控制参数发送到基于云的服务器以作为控制/调整控制轮廓存储在基于云的数据库中(操作822)。
描述了用于通过利用现有的自主车辆传感器改善车辆对道路缺陷和状况的动态响应的设备、系统、方法、技术和制品。诸如相机、光学传感器、雷达传感器和/或LIDAR传感器等车载传感器可以用于扫描道路的前表面以允许车辆预测对路面扰动的车辆动态响应(例如,在六个自由度(6DOF)中)并允许车辆主动进行转向调整以避免路面扰动或抵抗路面扰动的影响。
虽然前述详细描述中已经提出了至少一个示例性实施例,但是应当明白的是,存在许多变化。还应当明白的是,示例性实施例或多个示例性实施例仅仅是示例并且不旨在以任何方式限制本公开的范围、实用性或配置。更确切地,前述详细描述将给本领域技术人员提供用于实施示例性实施例或多个示例性实施例的便捷指引。应当理解的是,在不脱离所附权利要求和其合法等同物的范围的情况下,可以对元件的功能和设置作出各种改变。
Claims (10)
1.一种处理器实施车辆路径规划方法,所述方法包括:
沿所述车辆的规划路径检索路面信息;
由所述处理器构建沿所述规划路径的所述路面的模型;
由所述处理器识别所述规划路径的所述路面上的道路不平整;
由所述处理器对所述道路不平整进行分类;
将车辆轮胎补丁的位置投射到所述路面的所述模型上;
由所述处理器预测作为所述车辆沿所述规划路径的时间的函数的车辆簧载质量动力学;
计算避开道路不平整的道路边界的约束内的多个替代路径轨迹;
从所述多个替代路径轨迹中选择减少所述车辆的所述簧载质量动力学以提供更舒适乘坐的替代路径轨迹;以及
利用选定的替代路径轨迹来更新所述规划路径。
2.根据权利要求1所述的方法,其中由所述处理器预测作为时间的函数的车辆簧载质量动力学包括使用典型车辆动力学模型来预测每个主销处的力。
3.一种车辆中的乘坐舒适度处理器,所述乘坐舒适度处理器包括通过计算机可读介质中的编程指令配置的一个或多个处理器,所述乘坐舒适度处理器被配置为:
沿所述车辆的规划路径检索路面信息;
构建沿所述规划路径的所述路面的模型;
将车辆轮胎补丁的位置投射到所述路面的所述模型上;
预测作为所述车辆沿所述规划路径的时间的函数的车辆簧载质量动力学;
计算并选择减少沿所述规划路径的所述簧载质量动力学的替代车辆控制件;以及
利用所述替代车辆控制件来更新车辆控制输入。
4.根据权利要求3所述的处理器,其还被配置为:
识别所述规划路径的所述路面上的道路不平整;以及
对所述道路不平整进行分类。
5.根据权利要求4所述的处理器,其中为了计算并选择减少沿所述规划路径的所述簧载质量动力学的替代车辆控制件,所述乘坐舒适度处理器被配置为:
计算避开道路不平整的道路边界的约束内的多个替代路径轨迹;以及
从所述多个替代路径轨迹中选择减少所述车辆的所述簧载质量动力学以提供更舒适乘坐的替代路径轨迹。
6.根据权利要求5所述的处理器,其中为了利用所述替代车辆控制件来更新车辆控制输入,所述乘坐舒适度处理器被配置为利用选定的替代路径轨迹来更新所述规划路径。
7.根据权利要求3所述的处理器,其中为了预测作为所述车辆沿所述规划路径的时间的函数的车辆簧载质量动力学,所述乘坐舒适度处理器被配置为:
接收用于横向和纵向控制的驾驶控制件输入轮廓;以及
从未来的状态轮胎输入和随机风强制函数来计算表示所述车辆的乘坐和操纵动力学的预测表面响应图。
8.根据权利要求7所述的处理器,其中为了计算并选择减少沿所述规划路径的所述簧载质量动力学的替代车辆控制件,所述乘坐舒适度处理器被配置为:
施加启发式驾驶控制件调整模块来定义用于稳定性控制、转向和制动致动器的控制信号。
9.根据权利要求8所述的处理器,其中所述乘坐舒适度处理器还被配置为:
在实施所述控制信号后测量车辆动态响应;以及
调整所述启发式驾驶控制件调整模块中的控制增益。
10.根据权利要求9所述的处理器,其中为了调整所述启发式驾驶控制件调整模块中的增益,所述乘坐舒适度处理器被配置为:
将使用所述控制信号的实际车辆簧载质量动力学与所述预测的车辆簧载质量动力学进行比较;
当所述实际车辆簧载质量动力学相对于所述预测的车辆簧载质量动力学没有改善时,所述乘坐舒适度处理器被配置为使用学习算法来调整所述控制增益;以及
当所述实际车辆簧载质量动力学相对于所述预测的车辆簧载质量动力学有所改善时,所述乘坐舒适度处理器被配置为确认所述控制增益。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/978,291 US10800403B2 (en) | 2018-05-14 | 2018-05-14 | Autonomous ride dynamics comfort controller |
US15/978291 | 2018-05-14 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110481555A CN110481555A (zh) | 2019-11-22 |
CN110481555B true CN110481555B (zh) | 2022-11-15 |
Family
ID=68336878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910352993.1A Active CN110481555B (zh) | 2018-05-14 | 2019-04-28 | 车辆路径规划方法和乘坐舒适度处理器 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10800403B2 (zh) |
CN (1) | CN110481555B (zh) |
DE (1) | DE102019111556A1 (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10719720B2 (en) * | 2017-12-18 | 2020-07-21 | Korea Institute Of Civil Engineering And Building Technology | Artificial intelligence system for providing road surface risk information and method thereof |
DE102018116079A1 (de) * | 2018-07-03 | 2020-01-09 | HELLA GmbH & Co. KGaA | Verfahren zur Erfassung und Verarbeitung der Fahrbahnbeschaffenheit einer mit einem Fahrzeug befahrenen Fahrbahn |
KR20200045024A (ko) * | 2018-10-08 | 2020-05-04 | 삼성전자주식회사 | 자율 주행 차량에 탑재된 단말 장치가 이동 통신 네트워크를 통해 예상 경로 정보를 전송하는 방법 |
DE102018217325A1 (de) * | 2018-10-10 | 2020-04-16 | Robert Bosch Gmbh | Verfahren zum Beeinflussen einer Fahrdynamik eines Fahrzeugs und Fahrdynamikregler |
US11392127B2 (en) * | 2018-10-15 | 2022-07-19 | Zoox, Inc. | Trajectory initialization |
US10821969B2 (en) * | 2018-12-18 | 2020-11-03 | Toyota Research Institute, Inc. | Systems and methods to improve ride comfort for users within a vehicle during operation of the vehicle |
US11674812B2 (en) * | 2019-05-31 | 2023-06-13 | Lyft, Inc. | Approaches for mapping geographic regions |
KR20210106807A (ko) * | 2020-02-21 | 2021-08-31 | 현대자동차주식회사 | 노면 분류 장치 및 이를 이용한 차량의 터레인 모드 제어 시스템 |
CN111516690B (zh) * | 2020-03-27 | 2022-05-03 | 奇瑞汽车股份有限公司 | 智能汽车的控制方法、装置及存储介质 |
CN111959501A (zh) * | 2020-08-19 | 2020-11-20 | 河南联合力达新能源科技有限公司 | 一种无人驾驶汽车路面感应装置 |
CN111976729B (zh) * | 2020-08-27 | 2021-08-20 | 清华大学 | 汽车控制方法、底盘域控制器及智能驾驶汽车 |
US11927967B2 (en) * | 2020-08-31 | 2024-03-12 | Woven By Toyota, U.S., Inc. | Using machine learning models for generating human-like trajectories |
CN113126618B (zh) * | 2021-03-17 | 2022-03-11 | 中国科学院合肥物质科学研究院 | 一种越野环境下的无人驾驶全局路径规划及重规划方法 |
CN113077106A (zh) * | 2021-04-16 | 2021-07-06 | 北京京东振世信息技术有限公司 | 一种基于时间窗的物品运输方法和装置 |
CN113212443B (zh) * | 2021-06-23 | 2022-09-09 | 上海西井信息科技有限公司 | 基于自动驾驶的路径生成方法、装置、设备、存储介质 |
CN113739815B (zh) * | 2021-09-07 | 2024-04-30 | 广州宸祺出行科技有限公司 | 一种基于路面舒适度的路径规划方法及装置 |
WO2023039261A1 (en) * | 2021-09-10 | 2023-03-16 | Cyngn, Inc. | System and method of adaptive, real-time vehicle system identification for autonomous driving |
CN113942513B (zh) * | 2021-11-29 | 2023-08-01 | 阿维塔科技(重庆)有限公司 | 基于路况监测的驾驶方法、装置、电子设备及计算机可读存储介质 |
CN115451901A (zh) * | 2022-09-07 | 2022-12-09 | 中国第一汽车股份有限公司 | 一种路面不平度的分类识别方法、装置、车辆及存储介质 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7778741B2 (en) * | 2007-03-29 | 2010-08-17 | Ford Global Technologies | Vehicle stability control system with tire monitoring |
US8605947B2 (en) * | 2008-04-24 | 2013-12-10 | GM Global Technology Operations LLC | Method for detecting a clear path of travel for a vehicle enhanced by object detection |
US8126642B2 (en) * | 2008-10-24 | 2012-02-28 | Gray & Company, Inc. | Control and systems for autonomously driven vehicles |
WO2014145018A2 (en) * | 2013-03-15 | 2014-09-18 | Levant Power Corporation | Active vehicle suspension improvements |
US9702349B2 (en) * | 2013-03-15 | 2017-07-11 | ClearMotion, Inc. | Active vehicle suspension system |
DE102013009082A1 (de) * | 2013-05-29 | 2013-12-12 | Daimler Ag | Verfahren zum Betrieb eines Fahrzeugs |
EP2821307B1 (en) * | 2013-07-03 | 2016-09-28 | Volvo Car Corporation | A vehicle system, a vehicle and a method for autonomous road irregularity avoidance |
DE102015201038A1 (de) * | 2015-01-22 | 2016-07-28 | Robert Bosch Gmbh | Verfahren zur Bahnplanung des Einparkens eines Fahrzeugs in eine Parklücke |
CN105138796A (zh) * | 2015-09-16 | 2015-12-09 | 重庆长安汽车股份有限公司 | 一种用于整车振动噪声仿真的模态轮胎建模方法 |
US10059287B2 (en) * | 2016-02-17 | 2018-08-28 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for enhanced comfort prediction |
US10120385B2 (en) * | 2016-03-30 | 2018-11-06 | Intel Corporation | Comfort ride vehicle control system |
US10254122B2 (en) * | 2016-05-11 | 2019-04-09 | International Business Machines Corporation | System and method for controlling ride comfort in a vehicle |
US10753754B2 (en) * | 2017-01-19 | 2020-08-25 | Andrew DeLizio | Managing autonomous vehicles |
CN106897518A (zh) * | 2017-02-23 | 2017-06-27 | 武汉科技大学 | 车辆‑道路耦合振动系统联合仿真方法 |
CN106969781A (zh) * | 2017-03-29 | 2017-07-21 | 范志国 | 一种路面导航系统 |
US10486485B1 (en) * | 2017-04-19 | 2019-11-26 | Zoox, Inc. | Perception based suspension control |
-
2018
- 2018-05-14 US US15/978,291 patent/US10800403B2/en active Active
-
2019
- 2019-04-28 CN CN201910352993.1A patent/CN110481555B/zh active Active
- 2019-05-03 DE DE102019111556.6A patent/DE102019111556A1/de active Pending
Also Published As
Publication number | Publication date |
---|---|
CN110481555A (zh) | 2019-11-22 |
US10800403B2 (en) | 2020-10-13 |
DE102019111556A1 (de) | 2019-11-14 |
US20190344783A1 (en) | 2019-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110481555B (zh) | 车辆路径规划方法和乘坐舒适度处理器 | |
US11650603B2 (en) | Detecting general road weather conditions | |
CN109814544B (zh) | 用于在自主车辆中操纵绕过障碍物的系统和方法 | |
US10915109B2 (en) | Control of autonomous vehicle based on pre-learned passenger and environment aware driving style profile | |
US20180314259A1 (en) | Systems and methods for obstacle avoidance and path planning in autonomous vehicles | |
CN113195327B (zh) | 确定自驾驶车辆上的车轮滑移 | |
CN109872412B (zh) | 处理器实施方法和包括众包选择模块的车辆 | |
US10935652B2 (en) | Systems and methods for using road understanding to constrain radar tracks | |
US20180056745A1 (en) | Methods And Systems To Calculate And Store GPS Coordinates Of Location-Based Features | |
CN112977437A (zh) | 自主卡车轮胎爆裂的预防、检测和处理 | |
US20190248364A1 (en) | Methods and systems for road hazard detection and localization | |
CN108973579B (zh) | 传感器联动悬架 | |
CA3155591C (en) | Functional safety in autonomous driving | |
CN111532254A (zh) | 用于控制自主车辆的系统和方法 | |
CN111038482A (zh) | 用于车辆路径自动控制的系统和方法 | |
US20200387161A1 (en) | Systems and methods for training an autonomous vehicle | |
CN112537320A (zh) | 使用俯仰和侧倾模型的悬架故障诊断和预测 | |
US11654932B2 (en) | Architecture for variable motion control envelope | |
JP7437500B2 (ja) | ユーティリティビークル | |
US11794777B1 (en) | Systems and methods for estimating heading and yaw rate for automated driving | |
US20240075930A1 (en) | Driver assistance for high accelleration and speed on a minimum time path | |
CN114953884A (zh) | 根据路面的地形特征对车辆的控制 | |
CN114248795A (zh) | 路径内对象检测的可变阈值 |
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 |