CN110588607A - 一种基于多传感器的自动驻车系统的控制方法 - Google Patents

Abstract

本发明公开了一种基于多传感器的自动驻车系统的控制方法，自动驻车系统包括刹车踏板传感器、驾驶员监控摄像头、方向盘压力传感器、座椅压力传感器、多传感器融合模块、自动驻车控制器及驻车执行机构，多传感器融合模块融合刹车踏板传感器、驾驶员监控摄像头、方向盘压力传感器、座椅压力传感器输出的数据，采用神经网络算法，向自动驻车控制器输出驻车使能信号E的判断结构，自动驻车控制器将驻车使能信号E转化为驻车控制量，驱动驻车执行机构实现自动驻车。本发明具有如下优点：无需驾驶员操作的情况下智能识别驻车情况并实现自动驻车功能，可提高自动驻车场景覆盖率及可靠性。

Description

一种基于多传感器的自动驻车系统的控制方法

技术领域

本发明属于自动驻车领域，具体涉及一种基于多传感器的自动驻车系统的控制方法。

背景技术

目前市场上有较多汽车具有自动驻车功能，但是该功能目前只能在驾驶员主动踩下踏板使用该功能时才会有效果，当驾驶员忘记触发自动驻车系统或者车辆无该功能时，驾驶员可能因为各种原因误松刹车踏板导致事故发生。这些原因包括：1、驾驶员离开座位车辆却没有处于驻车状态；2、驾驶员在车辆停下后分神聊天而导致误松刹车；3、驾驶员拿后座的东西或与后座乘客互动造成误松刹车等。

专利号201811286046.9主动安全控制系统及采用该系统的汽车，公开了一种主动式安全控制方法，包括自动驻车，是通过外部传感器感知车辆周围情况，在感知到周围存在障碍物时自动驻车，该方法对外传感器要求较高，且容易造成误报或漏报，而且当周围无障碍物时驾驶员也会存在误松刹车踏板造成事故的情况发生，所以无法有效保障所有情况；专利号201810543522.4一种自动驻车装置及其控制方法，公开了一种通过座椅感应驾驶员是否离开座位的方式实现自动驻车的方法，该方法通过在座位下的压电信号，判断驾驶员如果离开座位，则触发自动驻车，但是驾驶员不离开座位的情况下，仍存在走神分心误松刹车的可能性，也无法有效保障所有可能发生的情况。

发明内容

本发明的目的在于针对现有技术的不足，现提供一种基于多传感器的自动驻车系统的控制方法，在无需驾驶员操作的情况下智能识别驻车情况并实现自动驻车功能，可提高自动驻车场景覆盖率及可靠性。

为解决上述技术问题，本发明采用的技术方案为：一种基于多传感器的自动驻车系统的控制方法，自动驻车系统包括刹车踏板传感器、驾驶员监控摄像头、方向盘压力传感器、座椅压力传感器、多传感器融合模块、自动驻车控制器及驻车执行机构，刹车踏板传感器、驾驶员监控摄像头、方向盘压力传感器、座椅压力传感器与多传感器融合模块连接，多传感器融合模块与自动驻车控制器连接；

刹车踏板传感器向多传感器融合模块输出刹车踏板位置Pb，驾驶员监控摄像头通过图像处理识别驾驶员在车内的行为，根据该行为判断驾驶员是否正常驾驶并向多传感器融合模块输出异常异型程度值P，方向盘压力传感器向多传感器融合模块输出驾驶员握住方向盘的受力值Fs，座椅压力传感器向多传感器融合模块输出座椅受力值Fc，多传感器融合模块融合刹车踏板传感器、驾驶员监控摄像头、方向盘压力传感器、座椅压力传感器输出的数据，采用神经网络算法，向自动驻车控制器输出驻车使能信号E的判断结构，自动驻车控制器将驻车使能信号E转化为驻车控制量，驱动驻车执行机构实现自动驻车。

本发明的进一步改进在于：具体步骤如下：

A、判断车速是否为0，若车速为0，进入下一步骤，若车速不为0，待车速为0后进入下一步骤；

B、判断车辆是否为驻车状态，若驾驶员已经启动驻车功能，则停止执行，若驾驶员未启动驻车功能，则进入下一步骤；

C、刹车踏板传感器、驾驶员监控摄像头、方向盘压力传感器、座椅压力传感器分别加工信号值读入神经网络运算，神经网络模型由线下数据库训练得到初步模型参数，运算后得出是否驻车的信号值E，如果驻车使能信号E为1，则启动自动驻车，如果驻车使能信号E为0，则不启动自动驻车，此时系统循环至步骤A继续；

D、单次操作完成后，自动驻车系统根据跟驾驶员后续操作作判断模型效果，调节神经网络模型的权值以满足不同驾驶员的需求，同时在云端进行数据库校准并在后台进行仿真，积累数据后更新模型权值。

本发明的进一步改进在于：步骤C中神经网络模型在运算信号值E过程中，线下数据库训练的权重值为W1-W7的7个权值，最终的输出结构E是多项式相加，为：E＝W1(P+Fs+Fc+Pb)+……+W(P+Fs+Fc+Pb),神经网络模型建立后，通过大量数据训练，得到最优的权值。

本发明的进一步改进在于：刹车踏板位置Pb为0时，表示驾驶员没有踩刹车踏板，Pb为1时表示驾驶员满踩刹车踏板，其中间各状态线性对应为0-1之间的数值。

本发明的进一步改进在于：异常程度值P范围在0-1之间，驾驶员正常手握方向盘且目不斜视驾驶时P为0，没有检测到驾驶员时P为1。

本发明的进一步改进在于：方向盘的受力值Fs为0时，表示驾驶员手没有握方向盘，方向盘的受力值Fs为1时，表示驾驶员手握方向盘，其中间各状态线性对应为0-1之间的数值。

本发明的进一步改进在于：座椅受力值Fc＝0时，表示驾驶员不完全接触座椅，所述座椅受力值Fc＝1时，表示驾驶员完全接触座椅，其中间各状态线性对应为0-1之间的数值。

本发明的有益效果如下：本发明通过各传感器检测出来的量值可以有效覆盖驾驶员在停车时自动驻车的所有场景，通过对这些传感器的信息融合可以提供系统冗余，增加可靠性和准确率，融合方法采用神经网络模型，该模型对于多传感器输入，单信号输出的系统有很好的适配性，自动驻车控制器用于将驻车使能信号转化为对应的驻车控制量，最终驱动驻车执行机构实现自动驻车。

附图说明：

下面的实施例可以使本专业的技术人员更全面地理解本发明，但并不因此将本发明限制在所述的实施例范围之中。

图1为本发明一种基于多传感器的自动驻车系统的控制方法的系统结构图。

图2为本发明一种基于多传感器的自动驻车系统的控制方法的系统流程图。

图3为本发明一种基于多传感器的自动驻车系统的神经网络模型的工作示意图。

图中标号：1-刹车踏板传感器、2-驾驶员监控摄像头、3-方向盘压力传感器、4-座椅压力传感器、5-多传感器融合模块、6-自动驻车控制器、7-驻车执行机构。

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。

如图1至图3示出了一种基于多传感器的自动驻车系统的控制方法，自动驻车系统包括刹车踏板传感器1、驾驶员监控摄像头2、方向盘压力传感器3、座椅压力传感器4、多传感器融合模块5、自动驻车控制器6及驻车执行机构7，刹车踏板传感器1、驾驶员监控摄像头2、方向盘压力传感器3、座椅压力传感器4与多传感器融合模块5连接，多传感器融合模块5与自动驻车控制器6连接；

刹车踏板传感器1向多传感器融合模块5输出刹车踏板位置Pb，驾驶员监控摄像头2通过图像处理识别驾驶员在车内的行为，根据该行为判断驾驶员是否正常驾驶并向多传感器融合模块输出异常异型程度值P，方向盘压力传感器3向多传感器融合模块输出驾驶员握住方向盘的受力值Fs，座椅压力传感器4向多传感器融合模块输出座椅受力值Fc，多传感器融合模块5融合刹车踏板传感器1、驾驶员监控摄像头2、方向盘压力传感器3、座椅压力传感器4输出的数据，采用神经网络算法，向自动驻车控制器6输出驻车使能信号E的判断结构，自动驻车控制器6将驻车使能信号E转化为驻车控制量，驱动驻车执行机构7实现自动驻车。

在本实施例中，具体步骤如下：

A、判断车速是否为0，若车速为0，进入下一步骤，若车速不为0，待车速为0后进入下一步骤；

B、判断车辆是否为驻车状态，若驾驶员已经启动驻车功能，则停止执行，若驾驶员未启动驻车功能，则进入下一步骤；

C、刹车踏板传感器1、驾驶员监控摄像头2、方向盘压力传感器3、座椅压力传感器4分别加工信号值读入神经网络运算，神经网络模型由线下数据库训练得到初步模型参数，运算后得出是否驻车的信号值E，如果驻车使能信号E为1，则启动自动驻车，如果驻车使能信号E为0，则不启动自动驻车，此时系统循环至步骤A继续；

D、单次操作完成后，自动驻车系统根据跟驾驶员后续操作作判断模型效果，调节神经网络模型的权值以满足不同驾驶员的需求，同时在云端进行数据库校准并在后台进行仿真，积累数据后更新模型权值。

步骤C中神经网络模型在运算信号值E过程中，线下数据库训练的权重值为W1-W7的7个权值，最终的输出结构E是多项式相加，为：E＝W1(P+Fs+Fc+Pb)+……+W(P+Fs+Fc+Pb),神经网络模型建立后，通过大量数据训练，得到最优的权值。

刹车踏板位置Pb为0时，表示驾驶员没有踩刹车踏板，Pb为1时表示驾驶员满踩刹车踏板，其中间各状态线性对应为0-1之间的数值。

异常程度值P范围在0-1之间，驾驶员正常手握方向盘且目不斜视驾驶时P为0，没有检测到驾驶员时P为1。

方向盘的受力值Fs为0时，表示驾驶员手没有握方向盘，方向盘的受力值Fs为1时，表示驾驶员手握方向盘，其中间各状态线性对应为0-1之间的数值。

座椅受力值Fc＝0时，表示驾驶员不完全接触座椅，所述座椅受力值Fc＝1时，表示驾驶员完全接触座椅，其中间各状态线性对应为0-1之间的数值。

列举结果显示：

a、当驾驶员没有握住方向盘，没有踩刹车踏板时，此时P为不确定值，Fs＝0、Fc＞0、Pb＝0，E值根据网络运算输出为1；

b、当驾驶员没有握住方向盘，踩住刹车踏板时，此时P为不确定值，Fs＝0、Fc＞0、Pb＞0，E值根据网络运算输出为1；

c、当驾驶员握住方向盘且目不斜视，没踩刹车踏板时，P可能为0、Fs＝1、Fc＞0、Pb＝0，E值根据网络运算输出为1；

d、当驾驶员握住方向盘且斜视，没踩刹车踏板时，P>0、Fs＝1、Fc＝0、Pb＝0,E值根据网络运算输出为1；

e、当驾驶员握住方向盘且斜视，踩刹车踏板时，P>0、Fs＝0、Fc＝0、Pb＝0,E值根据网络运算输出为1。

本发明通过各传感器检测出来的量值可以有效覆盖驾驶员在停车时自动驻车的所有场景，通过对这些传感器的信息融合可以提供系统冗余，增加可靠性和准确率，融合方法采用神经网络模型，该模型对于多传感器输入，单信号输出的系统有很好的适配性，自动驻车控制器用于将驻车使能信号转化为对应的驻车控制量，最终驱动驻车执行机构实现自动驻车。

本发明未详细公开的部分属于本领域的公知技术。

上述实施例只是本发明的较佳实施例，并不是对本发明技术方案的限制，只要是不经过创造性劳动即可在上述实施例的基础上实现的技术方案，均应视为落入本发明专利的权利保护范围内。

Claims (7)

1.一种基于多传感器的自动驻车系统的控制方法，其特征在于：所述自动驻车系统包括刹车踏板传感器、驾驶员监控摄像头、方向盘压力传感器、座椅压力传感器、多传感器融合模块、自动驻车控制器及驻车执行机构，所述刹车踏板传感器、驾驶员监控摄像头、方向盘压力传感器、座椅压力传感器与多传感器融合模块连接，所述多传感器融合模块与自动驻车控制器连接；

所述刹车踏板传感器向多传感器融合模块输出刹车踏板位置Pb，所述驾驶员监控摄像头通过图像处理识别驾驶员在车内的行为，根据该行为判断驾驶员是否正常驾驶并向多传感器融合模块输出异常异型程度值P，所述方向盘压力传感器向多传感器融合模块输出驾驶员握住方向盘的受力值Fs，所述座椅压力传感器向多传感器融合模块输出座椅受力值Fc，多传感器融合模块融合刹车踏板传感器、驾驶员监控摄像头、方向盘压力传感器、座椅压力传感器输出的数据，采用神经网络算法，向自动驻车控制器输出驻车使能信号E的判断结构，自动驻车控制器将驻车使能信号E转化为驻车控制量，驱动驻车执行机构实现自动驻车。

2.根据权利要求1所述一种基于多传感器的自动驻车系统的控制方法，其特征在于：具体步骤如下：

A、判断车速是否为0，若车速为0，进入下一步骤，若车速不为0，待车速为0后进入下一步骤；

B、判断车辆是否为驻车状态，若驾驶员已经启动驻车功能，则停止执行，若驾驶员未启动驻车功能，则进入下一步骤；

C、刹车踏板传感器、驾驶员监控摄像头、方向盘压力传感器、座椅压力传感器分别加工信号值读入神经网络运算，神经网络模型由线下数据库训练得到初步模型参数，运算后得出是否驻车的信号值E，如果驻车使能信号E为1，则启动自动驻车，如果驻车使能信号E为0，则不启动自动驻车，此时系统循环至步骤A继续；

D、单次操作完成后，自动驻车系统根据跟驾驶员后续操作作判断模型效果，调节神经网络模型的权值以满足不同驾驶员的需求，同时在云端进行数据库校准并在后台进行仿真，积累数据后更新模型权值。

3.根据权利要求2所述一种基于多传感器的自动驻车系统的控制方法，其特征在于：所述步骤C中神经网络模型在运算信号值E过程中，线下数据库训练的权重值为W1-W7的7个权值，最终的输出结构E是多项式相加，为：E＝W1(P+Fs+Fc+Pb)+……+W(P+Fs+Fc+Pb),神经网络模型建立后，通过大量数据训练，得到最优的权值。

4.根据权利要求1所述一种基于多传感器的自动驻车系统的控制方法，其特征在于：所述刹车踏板位置Pb为0时，表示驾驶员没有踩刹车踏板，Pb为1时表示驾驶员满踩刹车踏板，其中间各状态线性对应为0-1之间的数值。

5.根据权利要求1所述一种基于多传感器的自动驻车系统的控制方法，其特征在于：所述异常程度值P范围在0-1之间，驾驶员正常手握方向盘且目不斜视驾驶时P为0，没有检测到驾驶员时P为1。

6.根据权利要求1所述一种基于多传感器的自动驻车系统的控制方法，其特征在于：所述方向盘的受力值Fs为0时，表示驾驶员手没有握方向盘，方向盘的受力值Fs为1时，表示驾驶员手握方向盘，其中间各状态线性对应为0-1之间的数值。

7.根据权利要求1所述一种基于多传感器的自动驻车系统的控制方法，其特征在于：所述座椅受力值Fc＝0时，表示驾驶员不完全接触座椅，所述座椅受力值Fc＝1时，表示驾驶员完全接触座椅，其中间各状态线性对应为0-1之间的数值。