CN112109733A - 一种基于无人驾驶车的上下坡控制系统及方法 - Google Patents

Abstract

本发明公开了一种基于无人驾驶车的上下坡控制系统，其包括：集中控制器，以及安装在车辆与电控底盘接合部前方的两个交叉红外测距探测器；其中，两个交叉红外测距探测器在竖直方向形成夹角；集中控制器，与两个交叉红外测距探测器通信连接，用于根据两个交叉红外测距探测器上传的红外信号，计算车辆前方的坡道倾斜角，并结合预设的上下坡车速实时控制数学模型，获取坡道倾斜角对应的车辆安全通行速度，且判断车辆的当前速度是否大于车辆安全通行速度，若是，则输出减速指令至整车控制器，通过整车控制器控制车辆在上下坡前减速至车辆安全通行速度。本发明可以实现复杂环境下道路的上下坡车速控制，满足无人驾驶面对开放道路的上下坡自动限速场景。

Description

一种基于无人驾驶车的上下坡控制系统及方法

技术领域

本发明涉及汽车控制技术领域，尤其涉及一种基于无人驾驶车的上下坡控制系统及方法。

背景技术

目前市面上无人驾驶车辆既定车辆的线路还是依靠的传统电子地图和高精电子地图。传统电子地图大多是依靠GPS信号进行地图绘制建模，这类地图无法精准显示路段上下坡角度，无人驾驶车辆在行驶过程中无法精准判断上下坡的角度，如果无法即使减速会造成底盘刮擦。现在的无人驾车的周车传感器大多安装在底盘前后，一旦刮擦会造成前后方传感器失效引起更大的事故。

主流的无人驾驶上下坡控制基于电子高精地图；通过高精地图标注的道路上下坡倾角对车辆进行限速。通过高精地图的道路标注进行车速修正是面向大型区域的通用解决方法，但是高精地图绘制周期长，成本高。如果依靠水平陀螺仪或者高精地图，只能判断车辆行驶的水平角度，无法判断车辆与当前路面的相对角度，无法做到实时对当前行驶速度精准修正，无法实现复杂环境下道路的上下坡车速控制。

因此，需要一种上下坡控制方法，可以实现复杂环境下道路的上下坡车速控制，满足无人驾驶面对开放道路的上下坡自动限速场景。

发明内容

本申请实施例通过提供一种基于无人驾驶车的上下坡控制系统及方法，可以实现复杂环境下道路的上下坡车速控制，满足无人驾驶面对开放道路的上下坡自动限速场景。

本发明提供一种基于无人驾驶车的上下坡控制系统，其包括：集中控制器，以及安装在车辆与电控底盘接合部前方的两个交叉红外测距探测器；其中，所述两个交叉红外测距探测器在竖直方向形成夹角；

所述集中控制器，与所述两个交叉红外测距探测器通信连接，用于根据所述两个交叉红外测距探测器上传的红外信号，计算所述车辆前方的坡道倾斜角，并结合预设的上下坡车速实时控制数学模型，获取所述坡道倾斜角对应的车辆安全通行速度，且判断所述车辆的当前速度是否大于所述车辆安全通行速度，若是，则输出减速指令至整车控制器，以通过所述整车控制器控制所述车辆在上下坡前减速至所述车辆安全通行速度。

优选的，所述两个交叉红外测距探测器之间的夹角不超过预设角度，所述预设角度是根据所述车辆前方坡道的预设坡度值，所述交叉红外测距探测器可探测的最远距离，所述车辆的最短安全制动距离以及所述两个交叉红外测距探测器的离地距离计算得到。

优选的，所述集中控制器，还用于在根据所述红外信号，以及所述两个交叉红外测距探测器安装的水平角度、所述两个交叉红外测距探测器与车头的水平距离，以及所述车辆的底盘的离地距离，计算所述车辆与前方坡道的距离，且在所述车辆行驶至预设距离处，输出减速指令至整车控制器。

优选的，所述预设距离为所述车辆与其前方坡道的距离，且所述预设距离大于所述车辆制动最大安全距离。

优选的还包括：

设置在所述车辆的底盘上的垂直红外测距探测器；所述垂直红外测距探测器，与所述集中控制器通信连接，用于获取所述车辆的最低离地数据，并将所述最低离地数据发送至所述集中控制器；

所述集中控制器，还用于将所述车辆在行驶过程中的最低离地数据、所述车辆的当前速度数据上传至云平台，以便所述云平台根据所述最低离地数据以及所述车辆的当前速度数据修正存储在所述云平台中的上下坡车速实时控制数学模型。

优选的，所述集中控制器，包括：

红外信号采集器，与所述两个交叉红外测距探测器通信连接，用于接收所述两个交叉红外测距探测器上传的所述红外信号；

AD信号处理器，与所述红外信号采集器通信连接，用于接收所述红外信号采集器输出的所述红外信号，并将所述红外信号转换为数字信号；

CAN信号模块，与所述整车控制器通信连接；

通信模块，与所述云平台通信连接；

算法中央控制器，分别与所述AD信号处理器、所述CAN信号模块以及所述通信模块通信连接，用于接收所述AD信号处理器输出的所述数字信号，且根据所述数字信号计算所述坡道倾斜角，以及根据所述上下坡车速实时控制数学模型，获取所述车辆安全通行速度，且判断所述车辆的当前速度是否大于所述车辆安全通行速度，若是，则通过所述CAN信号模块将所述减速指令发送至所述整车控制器；且所述算法中央控制器，还用于通过所述通信模块将所述车辆在行驶过程中的最低离地数据以及所述车辆的当前速度数据发送至所述云平台。

本发明还提供一种基于无人驾驶车的上下坡控制方法，应用于上述的控制系统中，所述方法包括：

集中控制器获取两个交叉红外测距探测器上传的红外信号，并根据所述红外信号，计算车辆前方的坡道倾斜角，再结合预设的上下坡车速实时控制数学模型，获取所述坡道倾斜角对应的车辆安全通行速度；

所述集中控制器判断所述车辆的当前速度是否大于所述车辆安全通行速度，若是，则输出减速指令至整车控制器，以通过所述整车控制器控制所述车辆在上下坡前减速至所述车辆安全通行速度。

优选的，还包括：

所述集中控制器根据所述红外信号，以及所述两个交叉红外测距探测器安装的水平角度、所述两个交叉红外测距探测器与车头的水平距离，以及所述车辆的底盘的离地距离，计算所述车辆与前方坡道的距离，且在所述车辆行驶至预设距离处，输出减速指令至整车控制器。

优选的，所述预设距离为所述车辆与其前方坡道的距离，且所述预设距离大于所述车辆制动最大安全距离。

优选的，还包括：

所述集中控制器将所述车辆在行驶过程中的最低离地数据、所述车辆的当前速度数据上传至云平台，以便所述云平台根据所述最低离地数据以及所述车辆的当前速度数据修正存储在所述云平台中的上下坡车速实时控制数学模型。

史诗本发明，具有如下有益效果：通过设置在车辆底盘前方的交叉红外测距探测器实时检测前方坡道，根据红外信号，计算车辆前方坡道倾斜角，并利用已设置好的上下坡车速实时控制数学模型，获取前方坡道对应的安全车速，当车辆的当前车速大于该安全车速时，就控制车辆在上下坡前减速至安全车速，防止车辆以过快的速度上下坡，对车辆造成刮擦。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的基于无人驾驶车的上下坡控制系统的原理框图；

图2是本发明提供的交叉红外测距探测器的安装位置示意图；

图3是本发明提供的交叉红外测距探测器与坡道之间的相对倾角示意图；

图4是本发明提供的交叉红外测距探测器探测到前方道路坡道最远距离示意图；

图5是本发明提供的车辆减速行驶至坡道所需的最短安全制动距离；

图6是本发明提供的基于无人驾驶车的上下坡控制方法流程图；

图7是本发明提供的上下坡车速实时控制数学模型建立示意图。

具体实施方式

为了使本申请所属技术领域中的技术人员更清楚地理解本申请，下面结合附图，通过具体实施例对本申请技术方案作详细描述。

本发明提供了一种基于无人驾驶车的上下坡控制系统，如图1所示，该系统包括：集中控制器1以及两个交叉红外测距探测器2，如图2所示，两个交叉红外测距探测器安装在车辆与电控底盘接合部前方的；其中，两个交叉红外测距探测器在竖直方向形成夹角。两个交叉红外测距探测器在安装的时候做水平方向矫正。本实施例中的交叉红外测距探测器可以是SW-LDS50A红外测距模块。

集中控制器1与两个交叉红外测距探测器通信连接，集中控制器1用于根据两个交叉红外测距探测器上传的红外信号，计算车辆前方的坡道倾斜角，并结合预设的上下坡车速实时控制数学模型，获取坡道倾斜角对应的车辆安全通行速度，且判断车辆的当前速度是否大于车辆安全通行速度，若是，则输出减速指令至整车控制器3，以通过整车控制器3控制车辆在上下坡前减速至车辆安全通行速度。

两个交叉红外测距探测器之间的夹角不超过预设角度，预设角度是根据车辆前方坡道的预设坡度值，交叉红外测距探测器可探测的最远距离，车辆的最短安全制动距离以及两个交叉红外测距探测器的离地距离计算得到。

如图3所示，两个交叉红外测距探测器在竖直方向的夹角为α，红外测距探测器出射的水平方向红外线与坡道之间的夹角为β，坡道倾斜角为γ，β＝γ。第一交叉红外测距探测器检测到其与坡道之间的水平距离为a，第二交叉红外测距探测器检测到其与坡道底部之间的距离为b，两个交叉红外测距探测器之间的夹角已知，根据三角函数知识，就可以知道坡道倾斜角γ大小。一般的，城市道路设计最大坡道倾斜角为30度，可以将该数值作为道路最大倾斜角的基准值。

如图4所示，第一交叉红外测距探测器用来探测前方道路坡道最远距离La，La一般可以取值50米。为保证交叉红外测距探测器可以检测到前方坡道，计算出第一交叉红外测距探测器对应的探测距离Sa，再利用Sa计算Sa边与竖直方向的夹角64.2度。

第二交叉红外测距探测器用来探测车辆从当前车速减速到通过坡道所需的最短安全制动距离Lb，Lb一般根据刹车实验得到，例如Lb＝14.04米。如图5所示，第二交叉红外测距探测器在最短制动距离前探测到前方坡道，计算出最短制动距离前第二交叉红外测距探测器对应的探测距离Sb边与竖直方向夹角，例如该夹角为23.8度。

根据上图原理所示，从第一交叉红外测距探测器探测到前方坡道开始至第二交叉红外测距探测器探测到坡道时，通过计算第一、第二交叉红外测距探测器的探测距离则可计算出第一、第二交叉红外测距探测器之间的夹角。Hs为车辆底盘至地面的垂直距离(可通过垂直红外测距探测器来测量)。

根据三角函数计算得出第一、第二交叉红外测距探测器之间的夹角，该夹角为Sa边与Hs之间的夹角，减去Sb边与Hs之间的夹角，计算结果为40.4度。即根据车辆所需的最短安全制动距离为基准，计算出第一、第二交叉红外测距探测器的最大夹角。即从理论第一、第二交叉红外测距探测器之间的夹角极限值为40.4度，因此，理论上设置第一、第二交叉红外测距探测器之间夹角应小于或等于该值。以上为无人驾驶车辆紧急制动的极限情况，根据实际情况及探测器的偏差，我们将第一交叉红外测距探测器与竖直方向夹角缩小，保证的探测器的探测范围在最大量程的80％以内，减小误差。将第一、第二交叉红外测距探测器之间夹角增大，使Lb＝28.08米(为车辆最短所需安全制动距离的2倍)，最终将第一、第二交叉红外测距探测器夹角设置在20度以满足实际环境需求。

本发明实施例中的交叉红外测距探测器可以进行中远距离测量，在无反光板和反射率低的情况下能测量较远的距离，测量距离可以达到50米。此外，该交叉红外测距探测器有同步输入端，可多个探测器同步测量，响应时间短，适合移动状态下快速判断，外形设计紧凑，易于安装，便于操作。

集中控制器1还用于在根据红外信号，以及两个交叉红外测距探测器安装的水平角度、两个交叉红外测距探测器与车头的水平距离，以及车辆的底盘的离地距离，计算车辆与前方坡道的距离，且在车辆行驶至预设距离处，输出减速指令至整车控制器3。

预设距离为车辆与其前方坡道的距离，且预设距离大于车辆制动最大安全距离。可以不针对不同车型的空间调整适配，根据探测器安装的水平角度、与车头的水平距离及底盘与地面的垂直距离进行自动修正，使得控制器计算的预设距离为车辆制动最大安全距离的2倍以上。

车辆制动最大安全距离可以根据刹车测试得到，以东风无人驾驶车(Sharing-VAN)为例，采用E70电控底盘，进行刹车测试后，当车速从60km/h减速到0时，得到的制动最大安全距离为14.04米，当车速从100km/h减速到0时，得到的制动最大安全距离为41.02米。在进行连续刹车测试后，当车速从100km/h减速到0时，第一次的制动距离为41.33米，第三次的制动距离为41.02米，第五次的制动距离为40.78米，第七次的制动距离为42.09米，第十次的制动距离为41.26米。一般的，当制动距离小于39米时，可以确定为优秀，当制动距离在39米至44米之间，可以确定为合格，当制动距离大于44米时，可以确定为差。

目前无人驾驶车辆在公开道路行驶都维持在60km/h的速度一下，基于SV车型在60km/h的速度下，平均制动距离为14.04米。而市面上同类型的小型无人驾驶乘用车在60km/h的速度下平均制动距离都在10-18米之间。所以在探测器检测到前方道路坡道到车辆制动至安全速度之间的安全距离Ls≥10米。

基于无人驾驶车的上下坡控制系统还包括：设置在车辆的底盘上的垂直红外测距探测器，垂直红外测距探测器可以安装两个或者多个，分别安装在车辆底盘前后，安装的时候进行垂直矫正，垂直红外测距探测器可以是SW-LDS50A红外测距模块。垂直红外测距探测器与集中控制器1通信连接，用于获取车辆的最低离地数据，并将最低离地数据发送至集中控制器1。当通过垂直红外测距探测器采集到的最低离地数据为0，则表明车辆出现刮擦。

集中控制器1还用于将车辆在行驶过程中的最低离地数据、车辆的当前速度数据上传至云平台4，以便云平台4根据最低离地数据以及车辆的当前速度数据修正存储在云平台4中的上下坡车速实时控制数学模型。

集中控制器1包括：红外信号采集器12、AD信号处理器13、算法中央控制器11、CAN信号模块14以及通信模块15。这里的通信模块15可以是5G通信模块15。

红外信号采集器12与两个交叉红外测距探测器1通信连接，用于接收两个交叉红外测距探测器1上传的红外信号。

AD信号处理器13与红外信号采集器12通信连接，用于接收红外信号采集器12输出的红外信号，并将红外信号转换为数字信号。AD信号处理器13可以是DW-003/3路的模拟量数据采集卡。

CAN信号模块14与整车控制器3通信连接。

通信模块15与云平台4通信连接。

算法中央控制器11分别与AD信号处理器13、CAN信号模块14以及通信模块15通信连接，用于接收AD信号处理器13输出的数字信号，且根据数字信号计算坡道倾斜角，以及根据上下坡车速实时控制数学模型，获取车辆安全通行速度，且判断车辆的当前速度是否大于车辆安全通行速度，若是，则通过CAN信号模块14将减速指令发送至整车控制器3；且算法中央控制器11还用于通过通信模块15将车辆在行驶过程中的最低离地数据以及车辆的当前速度数据发送至云平台4。本发明实施例中，算法中央控制器11可以是MPU微控制器(SAM9X60 System-In-Package(SIP))。

根据上下坡车速实时控制数学模型进行仿真计算，具体可以以城市道路最高限速60km/h，城市道路坡道最大倾斜角为30度，采用标定的方式获取数据，构建如图6所示的环球坐标系，根据环球坐标系计算x＝rsinθcosφ，y＝rsinθsinφ，z＝rcosθ，取三个坐标轴的正象限，形成数据矩阵，x轴的相对角度即为坡道倾斜角。

上下坡车速实时控制数学模型可以根据实验数据进行总结提炼得到，分别将不同车型，以不同车速上下坡，并调整对应的上下坡倾斜角，通过反复试验，得到不同车型，在不同上下坡倾斜角上下坡对应的安全车速，形成数据矩阵。

本发明还提供一种基于无人驾驶车的上下坡控制方法，该方法应用于上述的控制系统中，如图7所示，该方法包括：

S1、集中控制器1获取两个交叉红外测距探测器上传的红外信号，并根据红外信号，计算车辆前方的坡道倾斜角，再结合预设的上下坡车速实时控制数学模型，获取坡道倾斜角对应的车辆安全通行速度；

S2、集中控制器1判断车辆的当前速度是否大于车辆安全通行速度，若是，则输出减速指令至整车控制器3，以通过整车控制器3控制车辆在上下坡前减速至车辆安全通行速度。

步骤S1包括：

红外信号采集器12接收两个交叉红外测距探测器上传的红外信号；

AD信号处理器13接收红外信号采集器12输出的红外信号，并将红外信号转换为数字信号；

算法中央控制器11接收AD信号处理器13输出的数字信号，且根据数字信号计算坡道倾斜角，以及根据上下坡车速实时控制数学模型，获取车辆安全通行速度。

步骤S2包括：

算法中央控制器11判断车辆的当前速度是否大于车辆安全通行速度，若是，则通过CAN信号模块14将减速指令发送至整车控制器3。

算法中央控制器11还通过通信模块15将车辆在行驶过程中的最低离地数据以及车辆的当前速度数据发送至云平台4。

基于无人驾驶车的上下坡控制方法还包括：

集中控制器1根据红外信号，以及两个交叉红外测距探测器安装的水平角度、两个交叉红外测距探测器与车头的水平距离，以及车辆的底盘的离地距离，计算车辆与前方坡道的距离，且在车辆行驶至预设距离处，输出减速指令至整车控制器3。

预设距离为车辆与其前方坡道的距离，且预设距离大于车辆制动最大安全距离。

基于无人驾驶车的上下坡控制方法还包括：

垂直红外测距探测器获取车辆的最低离地数据，并将最低离地数据发送至集中控制器1。

集中控制器1将车辆在行驶过程中的最低离地数据、车辆的当前速度数据上传至云平台4，以便云平台4根据最低离地数据以及车辆的当前速度数据修正存储在云平台4中的上下坡车速实时控制数学模型。

综上，本发明提供的系统及方法，通过设置在车辆底盘前方的交叉红外测距探测器实时检测前方坡道，根据红外信号，计算车辆前方坡道倾斜角，并利用已设置好的上下坡车速实时控制数学模型，获取前方坡道对应的安全车速，当车辆的当前车速大于该安全车速时，就控制车辆在上下坡前减速至安全车速，防止车辆以过快的速度上下坡，对车辆造成刮擦。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于无人驾驶车的上下坡控制系统，其特征在于，包括：集中控制器，以及安装在车辆与电控底盘接合部前方的两个交叉红外测距探测器；其中，所述两个交叉红外测距探测器在竖直方向形成夹角；

所述集中控制器，与所述两个交叉红外测距探测器通信连接，用于根据所述两个交叉红外测距探测器上传的红外信号，计算所述车辆前方的坡道倾斜角，并结合预设的上下坡车速实时控制数学模型，获取所述坡道倾斜角对应的车辆安全通行速度，且判断所述车辆的当前速度是否大于所述车辆安全通行速度，若是，则输出减速指令至整车控制器，以通过所述整车控制器控制所述车辆在上下坡前减速至所述车辆安全通行速度。

2.根据权利要求1所述的一种基于无人驾驶车的上下坡控制系统，其特征在于，所述两个交叉红外测距探测器之间的夹角不超过预设角度，所述预设角度是根据所述车辆前方坡道的预设坡度值，所述交叉红外测距探测器可探测的最远距离，所述车辆的最短安全制动距离以及所述两个交叉红外测距探测器的离地距离计算得到。

3.根据权利要求1所述的一种基于无人驾驶车的上下坡控制系统，其特征在于，

所述集中控制器，还用于在根据所述红外信号，以及所述两个交叉红外测距探测器安装的水平角度、所述两个交叉红外测距探测器与车头的水平距离，以及所述车辆的底盘的离地距离，计算所述车辆与前方坡道的距离，且在所述车辆行驶至预设距离处，输出减速指令至整车控制器。

4.根据权利要求3所述的一种基于无人驾驶车的上下坡控制系统，其特征在于，所述预设距离为所述车辆与其前方坡道的距离，且所述预设距离大于所述车辆制动最大安全距离。

5.根据权利要求1所述的一种基于无人驾驶车的上下坡控制系统，其特征在于，还包括：

设置在所述车辆的底盘上的垂直红外测距探测器；所述垂直红外测距探测器，与所述集中控制器通信连接，用于获取所述车辆的最低离地数据，并将所述最低离地数据发送至所述集中控制器；

所述集中控制器，还用于将所述车辆在行驶过程中的最低离地数据、所述车辆的当前速度数据上传至云平台，以便所述云平台根据所述最低离地数据以及所述车辆的当前速度数据修正存储在所述云平台中的上下坡车速实时控制数学模型。

6.根据权利1所述的基于无人驾驶车的上下坡控制系统，其特征在于，所述集中控制器，包括：

红外信号采集器，与所述两个交叉红外测距探测器通信连接，用于接收所述两个交叉红外测距探测器上传的所述红外信号；

AD信号处理器，与所述红外信号采集器通信连接，用于接收所述红外信号采集器输出的所述红外信号，并将所述红外信号转换为数字信号；

CAN信号模块，与所述整车控制器通信连接；

通信模块，与所述云平台通信连接；

算法中央控制器，分别与所述AD信号处理器、所述CAN信号模块以及所述通信模块通信连接，用于接收所述AD信号处理器输出的所述数字信号，且根据所述数字信号计算所述坡道倾斜角，以及根据所述上下坡车速实时控制数学模型，获取所述车辆安全通行速度，且判断所述车辆的当前速度是否大于所述车辆安全通行速度，若是，则通过所述CAN信号模块将所述减速指令发送至所述整车控制器；且所述算法中央控制器，还用于通过所述通信模块将所述车辆在行驶过程中的最低离地数据以及所述车辆的当前速度数据发送至所述云平台。

7.一种基于无人驾驶车的上下坡控制方法，其特征在于，应用于权利要求1-6任一项所述的控制系统中，所述方法包括：

集中控制器获取两个交叉红外测距探测器上传的红外信号，并根据所述红外信号，计算车辆前方的坡道倾斜角，再结合预设的上下坡车速实时控制数学模型，获取所述坡道倾斜角对应的车辆安全通行速度；

所述集中控制器判断所述车辆的当前速度是否大于所述车辆安全通行速度，若是，则输出减速指令至整车控制器，以通过所述整车控制器控制所述车辆在上下坡前减速至所述车辆安全通行速度。

8.根据权利要求7所述的基于无人驾驶车的上下坡控制方法，其特征在于，还包括：

所述集中控制器根据所述红外信号，以及所述两个交叉红外测距探测器安装的水平角度、所述两个交叉红外测距探测器与车头的水平距离，以及所述车辆的底盘的离地距离，计算所述车辆与前方坡道的距离，且在所述车辆行驶至预设距离处，输出减速指令至整车控制器。

9.根据权利要求8所述的基于无人驾驶车的上下坡控制方法，其特征在于，所述预设距离为所述车辆与其前方坡道的距离，且所述预设距离大于所述车辆制动最大安全距离。

10.根据权利要求7所述的基于无人驾驶车的上下坡控制方法，其特征在于，还包括：

所述集中控制器将所述车辆在行驶过程中的最低离地数据、所述车辆的当前速度数据上传至云平台，以便所述云平台根据所述最低离地数据以及所述车辆的当前速度数据修正存储在所述云平台中的上下坡车速实时控制数学模型。

Images