CN110588272B - 基于视觉传感技术的汽车悬架系统及路面不平度测量方法 - Google Patents

Abstract

本发明涉及一种基于视觉传感技术的汽车悬架系统及路面不平度测量方法，基于汽车悬架系统，采用系统摄像机预先扫描车辆前方的路面状况，首先运用基于图像灰度阈值的分割方法识别并规划不平路面区域边缘，其次设计了一种基于单目视觉的几何结构特征方法对不平区域进行计算，构建了不平路面区域的函数模型，以获取路面不平度参数。能够有效解决半主动悬架调控的滞后性问题解决现有技术悬架系统调节滞后性问题。

Description

基于视觉传感技术的汽车悬架系统及路面不平度测量方法

技术领域

本发明涉及汽车悬架技术领域，尤其是一种基于视觉传感技术的汽车悬架系统及路面不平度测量方法。

背景技术

现有技术中，主动悬架及半主动悬架均采用加速度传感器采集车辆行驶过程中的振动状态，控制器根据加速度传感器反馈的振动量调节悬架阻尼，是产生滞后性的重要因素。时滞对悬架系统的性能影响较大，甚至会导致反馈控制系统的失稳，出现对安全极为不利的轮跳，严重影响了主动悬架对车辆平顺性的改善，特别对短距离恶劣路况和不规则越野路面完全不起作用。

路面不平度也称路面平整度(Road Surface Roughness)，指道面表面相对于理想平面的竖向偏差。在汽车悬架电子控制系统中，悬架线位移是分析悬架传递特性、位移特性等的重要参数。对悬架线位移的测量方法一般采用加速度计的测量方法，但该方法存在极大局限性，即“先振后调”。

无人驾驶汽车高速驶过不平度较高路面时，如使用一般主动悬架，在振动发生之后检测振动信号控制悬架阻尼和车速，则会产生严重的安全问题。产生滞后性的原因有很多，比如车辆运行信息的采集、计算、传输及作动器执行过程均会产生时滞。

发明内容

本申请人针对上述现有生产技术中的缺点，提供一种结构合理的基于视觉传感技术的汽车悬架系统及路面不平度测量方法，与传统减震器根据具体路况作出被动形变不同，本申请采用摄像机采集车辆行驶的路面状况，预先获取前方路面状况信息，依据行驶车速、路面状况等因素综合调节主动悬架的作动器，设计成基于机器视觉的主动悬架，从根本上解决了悬架调节的滞后性问题。

本发明所采用的技术方案如下：

一种基于视觉传感技术的汽车悬架系统，包括非悬挂结构，其上部通过弹簧及可调减震器安装悬挂结构，非悬挂结构底部为轮胎结构；还包括摄像机，其与控制模块电连接，控制模块连接CAN总线及减震控制模块，所述减震控制模块包括控制电机及电机放大器。

所述可调减震器为液压减震结构，所述控制电机控制液压减震结构内部出油口动作；所述控制模块采用模糊控制器。

在基于视觉传感技术的汽车悬架系统中，摄像机对前方道路路面状况信息进行获取和识别；采用基于灰度的图像分割方法，路面上的障碍物从背景中识别出来，然后计算突起障碍物距离平整路面的高度、或凹陷路面距离平整路面的高度，以及突起障碍物和凹陷路面的宽度，作为路面不平度的评价指标；

所述基于灰度的图像分割方法：

在图像的灰度值范围中选择一灰度阈值，然后将图像中各个像素的灰度值与这个阈值相比较，并根据比较结果将图像像素灰度大于阈值的归为一类，像素灰度值小于阈值的归为另一类，灰度值等于阈值的像素归入两类之一，设经阈值处理后的图像g(i,j)定义为：

其中，f(i,j)为数字图像函数，i、j为图像所在二维空间的坐标，T为阈值，标记为1的像素对应于目标，而标记为0的像素对应于背景，悬架系统的控制模块通过对阈值的判断来寻找路面的突起或凹陷。

采用最大类间方差法选取最佳的灰度阈值，依据图像的灰度特征，将图像分成背景和目标两部分；

设图像灰度级为L，灰度i的像素数为n_i,图像总像素值为N，灰度值T作为阈值，将图像分为目标A与背景B两个区域时，这两个区域的像素占图像比例分别为：

设A、B区域的平均灰度分别为μ_A、μ_B，图像的平均灰度为μ，则A、B这两个区域的类间方差为：

σ²＝w(T)(μ_A-μ)²+[1-w(T)](μ_B-μ)² (4)

当阈值T从0到L-1取不同值时，计算类间方差σ²，使得类间方差最大时的阈值T即为最佳阈值，至此完成悬架系统从道路背景中提取道路障碍物与路面破损信息。

所述计算突起障碍物距离平整路面的高度、或凹陷路面距离平整路面的高度，以及突起障碍物和凹陷路面的宽度，作为路面不平度的评价指标的具体方法：建立世界坐标系及图像坐标系，得出障碍物在世界坐标系中的几何关系：

θ＝β+γ (5)

L_O'p ²＝x²+y² (8)

其中，世界坐标系分别用三维空间坐标系X,Y,Z轴表示，摄像机成像平面用x、y轴表示，O’为摄像机光轴，在xy平面的交点用坐标(x_o，y_o)表示；p点为摄像机镜头所在位置，q点为道路障碍物边缘点，Q点为q点在成像平面的投影，用坐标(x,y)表示；

L_o'P表示O'与p之间距离，即摄像机的焦距，L_o'Q表示O'与Q之间距离；

p点与e点之间的距离为摄像机镜头距离地面的高度，用L_pe表示，e点与q点之间的距离为障碍物距离摄像机镜头的距离，用L_eq表示；

β为投影直线偏离光轴的角度，γ为摄像机镜头的安装俯仰角，θ为投影直线与平面YOZ的夹角；

根据世界坐标系与图像坐标系之间的关系确定坐标(x，y)的数值，方法如下：

在图像上定义了一个以像素为单位的直角坐标系uv，每一像素的坐标(u，v)分别代表该像素在数组中的列数与行数，(u，v)是以像素为单位的图像坐标系的坐标，再建立一个以物理单位来表示图像点位置的图像坐标系；

所述图像坐标系原点定义在摄像机镜头中心轴与图像平面的交点上，且该点位于图像中心，坐标轴x轴、y轴分别与u轴、v轴平行，每一个像素在x轴与y轴方向上的物理尺寸为dx，dy；

在图像坐标系中，图像原点在u，v坐标系中的坐标为(u₀，v₀)，图像中任意一个象素在两个坐标系下的坐标有如下关系：

可以求出x＝(u-u₀)d_x,y＝(v-v₀)d_y，

其中L_pe为距离地面的距离，可标定求出；

u₀、v₀、γ及焦距L_o'P为摄像机系统确定参数，通过标定亦可求得；

至此可求出摄像机距离障碍物之间的距离L_eq，同理在YOZ的集合面上可以求出障碍物的宽度：

其中w'为成像宽度，h点为障碍物最高点，在YOZ面的投影为f点，在像平面的投影为f'点，根据公式(6)求得f点距离摄像机镜头的距离L_ef，f'f与平面YOZ的夹角为ε，根据公式(11)可以求得tgε的值，则障碍物高度为：

L_hq＝L_qf*tgε＝(L_ef-L_eq)tgε (14)。

本发明的有益效果如下：

本发明的汽车悬架系统依据车速与前方路面信息控制悬架电机，首先由车载摄像机采集前方路面状况，并传入控制器中，通过CAN总线实时获取汽车行驶速度信号；车速信号与路面状况信号作为控制器的变量输入参数，通过神经模糊控制算法求出最佳电机控制信号，经放大器放大后控制电机调节悬架阻尼，实现对悬架的控制。模型简单合理，操控方便，解决了悬架系统迟滞性问题。

本发明的汽车悬架系统的路面不平度测量方法，采用基于灰度的图像分割技术，判断前方道路是否有障碍物或破损情况，即将障碍物与背景进行分离，获取障碍物图像信息；然后首先建立世界坐标系及图像坐标系，基于单目视觉的几何结构特征方法对不平区域进行计算，获得路面凸起和障碍物(正路面)距离平整路面的高度或凹陷路面(负路面)距离平整路面的高度、以及障碍物宽度，并作为路面不平度的评价指标。该测量方法的模型简单合理，计算方便、计算结果精度高。

附图说明

图1为本发明的汽车悬架系统模型图。

图2为本发明路面不平度计算模型图。

具体实施方式

下面结合附图，说明本发明的具体实施方式。

如图1所示，本实施例的一种基于视觉传感技术的汽车悬架系统，包括非悬挂结构，其上部通过弹簧及可调减震器安装悬挂结构，非悬挂结构底部为轮胎结构；还包括摄像机，其与控制模块电连接，控制模块连接CAN总线及减震控制模块，所述减震控制模块包括控制电机及电机放大器。

所述可调减震器为液压减震结构，所述控制电机控制液压减震结构内部出油口动作；所述控制模块采用模糊控制器。

本发明的设计原理：

对汽车悬架的控制，不仅要探讨悬架与路面不平度的关系，还要考虑车速对悬架控制的影响。当由系统确定参数确定的幅频特性一定，且路面不平度为定值时，车身加速度的均方根值与车速成正比。

基于视觉传感技术的汽车悬架系统模型组成如图1所示，该系统主要包括可调减震器、高清摄像机、控制模块、电机放大器、悬架可调电机及CAN总线等部件。

汽车悬架系统依据车速与前方路面信息控制悬架电机。首先由车载摄像机采集前方路面状况，通过CAN总线实时获取汽车行驶速度信号。车速信号与路面状况信号作为控制模块变量输入参数，通过神经模糊控制算法求出最佳电机控制信号，经放大器放大后控制电机调节可调减震器，实现对悬架的控制。

在实施例的基于视觉传感技术的汽车悬架系统的路面不平度测量方法，摄像机对前方道路路面状况信息的识别和获取是关键技术之一。采用基于灰度的图像分割技术，判断前方道路是否有障碍物或破损情况，计算路面凸起和障碍物(正路面)距离平整路面的高度或凹陷路面(负路面)距离平整路面的高度、以及障碍物宽度，并作为路面不平度的评价指标。

采用基于阈值的分割技术判断道路状况，以图像的灰度直方图阈为基础，目标或背景内部的相邻像素间灰度值是相似的，但不同目标或背景上像素灰度差异较大，反映在像素直方图上对应不同的峰。首先在图像的灰度值范围中选择一灰度值，然后将图像中各个像素的灰度值与这个阈值相比较，并根据比较结果将图像中的像素值划分到两个类中。像素灰度大于阈值的归为一类，像素灰度值小于阈值的归为另一类，灰度值等于阈值的像素，可以归入两类之一。设经阈值处理后的图像g(i,j)定义为：

其中，f(i,j)为数字图像函数，i、j为图像所在二维空间的坐标，T为阈值，标记为1的像素对应于目标，而标记为0的像素对应于背景，悬架系统的控制模块通过对阈值的判断来寻找路面的突起或凹陷，因此选择合适的阈值至关重要。

本实施例基于视觉传感技术的汽车悬架系统的路面不平度测量方法，采用最大类间方差法选取最佳阈值，它主要依据图像的灰度特征，将图像分成背景和目标两部分。背景区域和目标区域之间的类间方差越大，构成图像的两部分之间的差别也就越大。当部分目标被误判为背景或者部分背景被误判为目标时都会导致这两部分的差别变小，因此使得类间方差最大的阈值分割意味着误判概率最小。

设图像灰度级为L，灰度i的像素数为n_i，图像总像素值为N。灰度值T作为阈值将图像分为目标A与背景B两个区域时，则这两个区域的像素占图像比例分别为：

设A、B区域的平均灰度分别为μ_A、μ_B，图像的平均灰度为μ，则A、B这两个区域的类间方差为：

σ²＝w(T)(μ_A-μ)²+[1-w(T)](μ_B-μ)² (4)

当阈值T从0到L-1取不同值时，计算类间方差σ²，使得类间方差最大时的阈值T即为最佳阈值，至此完成悬架系统从道路背景中提取道路障碍物与路面破损信息。

识别出障碍物后，进一步对障碍物的尺寸进行计算，获得凸起障碍或凹陷障碍距离平整路面的高度值，以及障碍的宽度值：

如图2所示，首先建立世界坐标系及图像坐标系。

图2中世界坐标系分别用三维空间坐标系X,Y,Z轴表示,摄像机成像平面用x、y轴表示。O'为摄像机光轴，在xy平面的交点用坐标(x_o，y_o)表示。p点为摄像机镜头所在位置，q点为道路障碍物边缘点。Q点为q点在像平面的投影，用坐标(x,y)表示。O'与p之间距离为摄像机的焦距，用L_o'P表示，L_o'Q表示O'与Q之间距离；p点与e点之间的距离为摄像机镜头距离地面的高度，用L_pe表示。则e点与q点之间的距离就是障碍物距离摄像机镜头的距离，用L_eq表示。用β为投影直线偏离光轴的角度，γ为摄像机镜头安装俯仰角，θ为投影直线与平面YOZ的夹角。根据图2中的几何关系可知：

θ＝β+γ (5)

L_O'p ²＝x²+y² (8)

根据世界坐标系与图像坐标系之间的关系确定坐标(x，y)的数值，方法如下：

在图像上定义了一个以像素为单位的直角坐标系uv，每一像素的坐标(u，v)分别代表该像素在数组中的列数与行数，(u，v)是以像素为单位的图像坐标系的坐标，再建立一个以物理单位来表示图像点位置的图像坐标系；所述图像坐标系原点定义在摄像机镜头中心轴与图像平面的交点上，且该点位于图像中心，坐标轴x轴、y轴分别与u轴、v轴平行，每一个像素在x轴与y轴方向上的物理尺寸为dx，dy；

在图像坐标系中，图像原点在u，v坐标系中的坐标为(u₀，v₀)，图像中任意一个象素在两个坐标系下的坐标有如下关系：

可以求出x＝(u-u₀)d_x,y＝(v-v₀)d_y，

其中L_pe为距离地面的距离，可标定求出；

u₀、v₀、γ及焦距L_o'P为摄像机系统确定参数，通过标定亦可求得；

至此可求出摄像机距离障碍物之间的距离L_eq，同理在YOZ的集合面上可以求出障碍物的宽度：

其中w'为成像宽度，h点为障碍物最高点，在YOZ面的投影为f点，在像平面的投影为f'点，根据公式(6)求得f点距离摄像机镜头的距离L_ef，f'f与平面YOZ的夹角为ε，根据公式(11)可以求得tgε的值，则障碍物高度为：

L_hq＝L_qf*tgε＝(L_ef-L_eq)tgε (14)。

本实施例的视觉传感技术的汽车悬架系统，弹簧就是一般的螺旋弹簧，可调减震器是液压减震部件，通过电机控制减震器内部出油口大小，实现减震器阻尼的调节。电机就是控制这个出油口开度大小的，出油口大小不同，减震器阻尼大小就不同，进而实现悬架控制。

本发明针对汽车悬架的调节滞后性问题，提出了一种基于视觉传感技术的主动悬架调控方法。首先运用基于图像灰度阈值的分割方法识别并规划不平路面区域边缘，其次设计了一种基于单目视觉的几何结构特征方法对不平区域进行计算，构建了不平路面区域的函数模型，以获取路面不平度参数，能够有效解决半主动悬架调控的滞后性问题。

以上描述是对本发明的解释，不是对发明的限定，本发明所限定的范围参见权利要求，在本发明的保护范围之内，可以作任何形式的修改。

Claims (1)

1.一种利用基于视觉传感技术的汽车悬架系统的路面不平度测量方法，其特征在于：所述汽车悬架系统包括非悬挂结构，其上部通过弹簧及可调减震器安装悬挂结构，非悬挂结构底部为轮胎结构；还包括摄像机，其与控制模块电连接，控制模块连接CAN总线及减震控制模块，所述减震控制模块包括控制电机及电机放大器；所述可调减震器为液压减震结构，所述控制电机控制液压减震结构内部出油口动作；所述控制模块采用模糊控制器；具体测量方法如下：在基于视觉传感技术的汽车悬架系统中，摄像机对前方道路路面状况信息进行获取和识别；采用基于灰度的图像分割方法，路面上的障碍物从背景中识别出来，然后计算突起障碍物距离平整路面的高度、或凹陷路面距离平整路面的高度，以及突起障碍物和凹陷路面的宽度，作为路面不平度的评价指标；

所述基于灰度的图像分割方法：

在图像的灰度值范围中选择一灰度阈值，然后将图像中各个像素的灰度值与这个阈值相比较，并根据比较结果将图像像素灰度大于阈值的归为一类，像素灰度值小于阈值的归为另一类，灰度值等于阈值的像素归入两类之一，设经阈值处理后的图像g(i,j)定义为：

其中，f(i,j)为数字图像函数，i、j为图像所在二维空间的坐标，T为阈值，标记为1的像素对应于目标，而标记为0的像素对应于背景，悬架系统的控制模块通过对阈值的判断来寻找路面的突起或凹陷；采用最大类间方差法选取最佳的灰度阈值，依据图像的灰度特征，将图像分成背景和目标两部分；

设图像灰度级为L，灰度i的像素数为n_i,图像总像素值为N，灰度值T作为阈值，将图像分为目标A与背景B两个区域时，这两个区域的像素占图像比例分别为：

设A、B区域的平均灰度分别为μ^A、μ^B，图像的平均灰度为μ，则A、B这两个区域的类间方差为：

σ²＝w(T)(μ_A-μ)²+[1-w(T)](μ_B-μ)² (4)

当阈值T从0到L-1取不同值时，计算类间方差σ²，使得类间方差最大时的阈值T即为最佳阈值，至此完成悬架系统从道路背景中提取道路障碍物与路面破损信息；所述计算突起障碍物距离平整路面的高度、或凹陷路面距离平整路面的高度，以及突起障碍物和凹陷路面的宽度，作为路面不平度的评价指标的具体方法：建立世界坐标系及图像坐标系，得出障碍物在世界坐标系中的几何关系：

θ＝β+γ (5)

L_O'p ²＝x²+y² (8)

其中，世界坐标系分别用三维空间坐标系X,Y,Z轴表示，摄像机成像平面用x、y轴表示，O’为摄像机光轴，在xy平面的交点用坐标(x_o，y_o)表示；p点为摄像机镜头所在位置，q点为道路障碍物边缘点，Q点为q点在成像平面的投影，用坐标(x,y)表示；

L_o'P表示O'与p之间距离，即摄像机的焦距，L_o'Q表示O'与Q之间距离；

p点与e点之间的距离为摄像机镜头距离地面的高度，用L_pe表示，e点与q点之间的距离为障碍物距离摄像机镜头的距离，用L_eq表示；

β为投影直线偏离光轴的角度，γ为摄像机镜头的安装俯仰角，θ为投影直线与平面YOZ的夹角；

根据世界坐标系与图像坐标系之间的关系确定坐标(x，y)的数值，方法如下：

在图像上定义了一个以像素为单位的直角坐标系uv，每一像素的坐标(u，v)分别代表该像素在数组中的列数与行数，(u，v)是以像素为单位的图像坐标系的坐标，再建立一个以物理单位来表示图像点位置的图像坐标系；所述图像坐标系原点定义在摄像机镜头中心轴与图像平面的交点上，且该点位于图像中心，坐标轴x轴、y轴分别与u轴、v轴平行，每一个像素在x轴与y轴方向上的物理尺寸为dx，dy；

在图像坐标系中，图像原点在u，v坐标系中的坐标为(u₀，v₀)，图像中任意一个象素在两个坐标系下的坐标有如下关系：

可以求出x＝(u-u₀)d_x,y＝(v-v₀)d_y，

其中L_pe为距离地面的距离，可标定求出；

u₀、v₀、γ及焦距L_o'P为摄像机系统确定参数，通过标定亦可求得；

至此可求出摄像机距离障碍物之间的距离L_eq，同理在YOZ的集合面上可以求出障碍物的宽度：

其中w'为成像宽度，h点为障碍物最高点，在YOZ面的投影为f点，在像平面的投影为f'点，根据公式(6)求得f点距离摄像机镜头的距离L_ef，f'f与平面YOZ的夹角为ε，根据公式(11)可以求得tgε的值，则障碍物高度为：

L_hq＝L_qf*tgε＝(L_ef-L_eq)tgε (14)。

Images