CN113442932B - 估算路面坡度的方法、装置、车辆和计算机可读存储介质 - Google Patents
估算路面坡度的方法、装置、车辆和计算机可读存储介质 Download PDFInfo
- Publication number
- CN113442932B CN113442932B CN202110860472.4A CN202110860472A CN113442932B CN 113442932 B CN113442932 B CN 113442932B CN 202110860472 A CN202110860472 A CN 202110860472A CN 113442932 B CN113442932 B CN 113442932B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- road surface
- time
- gradient
- 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
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
- 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
- B60W40/076—Slope angle of the road
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/16—Pitch
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
Description
技术领域
本发明涉及智能驾驶领域,特别涉及一种估算路面坡度的方法、装置、设备和计算机可读存储介质。
背景技术
道路的纵向坡度信息是车辆主动安全控制和巡航控制等动力性相关的电子控制系统所需重要参数之一,在车辆行驶过程中,受车身纵向加速度、悬架变形和路面颠簸的影响,道路的坡度信息难以直接通过倾角传感器测量。
现有估算路面坡度的方法主要包括基于车辆运动学、车辆动力学或者两者结合的技术方案,在基于车辆运动学的坡度估算方法中,需要对车辆的运动信号(例如,纵向车速、加速度等)进行低通滤波,在基于车辆动力学的坡度估算方法中,则需要结合整车质量、驱动力和制动力等参数,采用递归最小二乘法或卡尔曼滤波法来计算最终的坡度信息。
然而,对于基于车辆运动学的坡度估算方法,对车辆的运动信号进行低通滤波后,信号将出现迟滞,从而导致实时性问题,而基于车辆动力学的坡度估算方法,则由于需要采用递归最小二乘法或卡尔曼滤波法时,计算过程复杂,不仅需要较多的计算资源,也容易导致实时性问题,至于结合两种方法的技术方案,同样存在两种方法难以避免的缺陷。
发明内容
本申请提供一种估算路面坡度的方法、装置、车辆和计算机可读存储介质,以利用较少的计算资源,实时得到道路的坡度信息。
一方面,本申请提供了一种估算路面坡度的方法,包括:
对所述当前路面的第一坡度估计值与第二坡度估计值求和,求和所得值作为所述当前路面实时的坡度估计值。
另一方面,本申请提供了一种估算路面坡度的装置,包括:
融合模块,用于对所述当前路面的第一坡度估计值与第二坡度估计值求和,求和所得值作为所述当前路面实时的坡度估计值。
第三方面,本申请提供了一种车辆,所述车辆包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述估算路面坡度的方法的技术方案的步骤。
第四方面,本申请提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述估算路面坡度的方法的技术方案的步骤。
从上述本申请提供的技术方案可知,一方面,是通过第一车载传感器采集的车辆运动学数据并结合车辆运动学方程,估算当前路面的第一坡度数据因此,相对于现有技术方案需要基于车辆动力学导致的计算复杂,本申请使用车辆运动学方程,计算简单,资源耗费少;另一方面,尽管低通滤波器对第一坡度数据进行滤波导致第一坡度估计值的迟滞,但在后续计算当前路面实时的坡度估计值时,将当前路面的第一坡度估计值与第二坡度估计值求和,相当于第二坡度估计值(高通滤波器对信号滤波不会导致信号的迟滞)补偿了第一坡度估计值的迟滞,因此,避免了现有技术使用低通滤波器时导致的实时性较差的缺陷;第三方面,当第一车载传感器和第二车载传感器中一个车载传感器出现短暂性信号丢失时,可以使用另一车载传感器采集的数据估算出的坡度数据作为当前路面实时的坡度估计值,因此,本申请的技术方案具有系统鲁棒性较强的优势。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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是本申请实施例提供的估算路面坡度的方法的流程图;
图4是本申请实施例提供的第一车载传感器和第二车载传感器采样频率不同步时,所采集的数据不对齐的示意图;
图5是本申请实施例提供的低通滤波器滤波前的信号与滤波后输出的信号对比示意图;
图6是本申请实施例提供的第一坡度估计值、第二坡度估计值以及将第一坡度估计值和第二坡度估计值融合后得到的当前路面实时的坡度估计值的示意图;
图7是本申请实施例提供的车辆在坡度为α'的路面时固有俯仰角的示意图;
图8是本申请实施例提供的估算路面坡度的装置的结构示意图;
图9是本申请实施例提供的车辆的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本说明书中,诸如第一和第二这样的限定词仅可以用于将一个元素或动作与另一元素或动作进行区分,而不必要求或暗示任何实际的这种关系或顺序。在环境允许的情况下,参照元素或部件或步骤(等)不应解释为局限于仅元素、部件、或步骤中的一个,而可以是元素、部件、或步骤中的一个或多个等。
在本说明书中,为了便于描述,附图中所示的各个部分的尺寸并非按照实际的比例关系绘制的。
本申请提出了一种估算路面坡度的方法,可应用于传统汽车或者智能汽车等车辆。如附图1所示,估算路面坡度的方法主要包括步骤S101至S104,详述如下:
在本申请实施例中,第一车载传感器包括车辆配置的加速度传感器和速度传感器。当车辆在路面行驶时,加速度传感器可以测量到车辆的加速度a及其在纵向上的分量即纵向加速度ax,速度传感器可以测量到车辆的速度v及其在纵向上的分量即纵向速度vx。如附图2示例,假设车辆在第一坡度数据为的路面上行驶,对其纵向速度vx求一阶导数得到重力加速度g在纵向上的分量为假设车辆纵向加速度以ax表示,则按照车辆运动学方程,上述参量之间的关系为将以ax、和g表示,则因此,在本申请一个实施例中,通过第一车载传感器采集的车辆运动学数据并结合车辆运动学方程,估算当前路面的第一坡度数据可以是:按照如下公式计算当前路面的第一坡度数据即:
其中,表示对vx求一阶导数,g为重力加速度。由于ax可以由车载的加速度传感器测量得到,vx可以由车载的速度传感器(例如,轮式里程计或编码器等)结合相应的算法估算得到,因此,按照不难计算得到当前路面的坡度数据
在本申请实施例中,第二车载传感器可以是车辆配置的惯性测量单元(InertialMeasurement Unit,IMU)。当车辆沿坡道行驶时,车辆的俯仰运动可以反映路面坡度的变化,如附图3所示,假设车辆在从水平路面驶向第二坡度数据为的路面时,车辆的俯仰角度从0变化为路面的坡度即车辆在坡道的俯仰角度变化即纵向坡度的变化量可以通过IMU对车辆的俯仰角速度或俯仰率积分得到。因此,作为本申请一个实施例,通过第二车载传感器采集的车辆俯仰角速度数据,估算当前路面的第二坡度数据可以是:获取当前路面的起始坡度值α0;按照如下公式计算当前路面的第二坡度数据即其中,∫qdt表示对车辆俯仰角速度数据q进行积分,而当前路面的起始坡度值α0是车载传感器等电子设备失电前保存的坡度估计值,该值用于车载传感器重新得电后计算当前路面的第二坡度数据
对于不同设备,即使硬件同步以后也可能存在采样频率不一致的差异,因此,第一车载传感器在采集车辆运动学数据和第二车载传感器在采集车辆俯仰角速度数据时,亦可能存在采集的数据在时间戳上不同步的问题。如图4所示,假设第一车载传感器在ti时刻获取的一帧车辆运动学数据为Dti,理想状态下是第二车载传感器也能够在ti时刻获取一帧车辆俯仰角速度数据,然而,由于第一车载传感器的采样频率与第二车载传感器的采样频率可能不一致等原因,第二车载传感器只能在tl'i时刻获取到车辆俯仰角速度数据Dl'i,即第一车载传感器和第二车载传感器两者采集的数据没有对齐,而不同传感器采集的数据进行对齐,才能使得对不同传感器采集的数据进行融合时,所得结果的精度更高。因此,需要采用数据对齐的方案,即,在上述实施例中,在估算当前路面的第一坡度数据和估算当前路面的第二坡度数据之前,若第一车载传感器的采样频率与第二车载传感器的采样频率不同步,则将车辆运动学数据和车辆俯仰角速度数据对齐。
作为本申请一个实施例,将第一车载传感器采集的车辆运动学数据和第二车载传感器采集的车辆俯仰角速度数据对齐可以通过如下步骤S201至步骤S203实现:
步骤S201:读取车辆俯仰角速度数据当前帧的时间戳imutime以及n+1帧车辆运动学数据中首帧的时间戳vsensortime(0)和末帧的时间戳vsensortime(n),其中,n为大于或等于1的自然数。
无论是车辆俯仰角速度数据还是车辆运动学数据,车载传感器每采集到一帧这些数据,都会给这些数据附一个用于采样该帧数据的时刻即时间戳,因此,可以读取车辆俯仰角速度数据当前帧的时间戳imutime以及n+1帧车辆运动学数据中首帧的时间戳vsensortime(0)和末帧的时间戳vsensortime(n)。此外,此处的n+1帧数据意味着是取若干帧数据来进行数据的对齐,其中的n为经验值,例如,n可以取9。
步骤S202:若imutime位于vsensortime(0)和vsensortime(n)之间,则读取时间戳为vsensortime(a)对应的车辆运动学数据vsensordata(a)和时间戳为vsensortime(b)对应的车辆运动学数据vsensordata(b),其中,车辆运动学数据vsensordata(a)和车辆运动学数据vsensordata(b)为车辆俯仰角速度数据当前帧前后相邻的两帧车辆运动学数据。
需要说明的是,若时间戳imutime不在时间戳vsensortime(0)和时间戳vsensortime(n)之间,例如,imutime<vsensortime(0)或vsensortime(n)<imutime,则当imutime<vsensortime(0)时,放弃对车辆俯仰角速度数据当前帧的处理,直至第二车载传感器获取的一帧车辆俯仰角速度数据的时间戳位于时间戳vsensortime(0)和时间戳vsensortime(n)之间时再按照上述实施例处理,当vsensortime(0)<imutime时,等待第一车载传感器获取车辆运动学数据,直至第一车载传感器的车辆运动学数据队列中的数据的时间戳重新满足vsensortime(0)<imutime<vsensortime(n)时再按照上述实施例处理。
步骤S203:根据时间戳imutime、时间戳vsensortime(a)、时间戳vsensortime(b)、车辆运动学数据vsensordata(a)和车辆运动学数据vsensordata(b),采用插值算法计算得到时间戳与时间戳imutime对齐的车辆运动学数据vsensordata(c)。
考虑到线性插值算法具有简单易行、计算量小等优点,上述实施例的采用插值算法计算得到时间戳与时间戳imutime对齐的车辆运动学数据vsensordata(c)可以是采用线性插值算法计算得到时间戳与时间戳imutime对齐的车辆运动学数据vsensordata(c),具体为根据如下公式计算得到时间戳与时间戳imutime对齐的车辆运动学数据vsensordata(c):
上述实施例中,是通过读取相邻帧的车辆运动学数据来插值计算,得到与车辆俯仰角速度数据当前帧的时间戳imutime对齐的一帧车辆运动学数据,也可以通过读取相邻帧的车辆俯仰角速度数据来插值计算,得到与车辆运动学数据当前帧的时间戳vsensortime对齐的一帧车辆俯仰角速度数据,即,作为本申请另一实施例,将第一车载传感器采集的车辆运动学数据和第二车载传感器采集的车辆俯仰角速度数据对齐可以通过如下步骤S’201至步骤S’203实现:
步骤S’201:读取车辆运动学数据当前帧的时间戳vsensortime以及n+1帧车辆俯仰角速度数据中首帧的时间戳imutime(0)和末帧的时间戳imutime(n),其中,n为大于或等于1的自然数。
步骤S’202:若vsensortime位于imutime(0)和imutime(n)之间,则读取时间戳为imutime(a)对应的车辆俯仰角速度数据imudata(a)和时间戳为imutime(b)对应的车辆俯仰角速度数据,其中,车辆俯仰角速度数据vsensordata(a)和车辆俯仰角速度数据imudata(b)为车辆运动学数据当前帧前后相邻的两帧车辆俯仰角速度数据。
与前述实施例类似,若时间戳vsensortime不在时间戳imutime(0)和时间戳imutime(n)之间,例如,vsensortime<imutime(0)或imutime(n)<vsensortime,则当vsensortime<imutime(0)时,放弃对车辆运动学数据当前帧的处理,直至第一车载传感器获取的一帧车辆运动学数据的时间戳位于时间戳imutime(0)和时间戳imutime(n)之间时再按照上述实施例处理,当imutime(0)<vsensortime时,等待第二车载传感器获取车辆俯仰角速度数据,直至第二车载传感器的车辆俯仰角速度数据队列中的数据的时间戳重新满足imutime(0)<vsensortime<imutime(n)时再按照上述实施例处理。
步骤S’203:根据时间戳vsensortime、时间戳imutime(a)、时间戳imutime(b)、车辆俯仰角速度数据imudata(a)和车辆俯仰角速度数据imudata(b),采用插值算法计算得到时间戳与时间戳vsensortime对齐的车辆俯仰角速度数据imudata(c)。
类似地,考虑到线性插值算法具有简单易行、计算量小等优点,步骤S’203中,采用插值算法计算得到时间戳与时间戳vsensortime对齐的车辆俯仰角速度数据imudata(c)可以是采用线性插值算法计算得到时间戳与时间戳vsensortime对齐的车辆俯仰角速度数据imudata(c),具体为根据如下公式计算得到时间戳与时间戳vsensortime对齐的车辆俯仰角速度数据imudata(c):
由于步骤S101中,加速度传感器、速度传感器等第一车载传感器在采集车辆运动学数据时,容易受到环境噪声影响,使得估算出来的第一坡度数据带有高频噪声,因此,需要采用低通滤波器对第一坡度数据进行滤波;而在估算第二坡度数据时,受IMU等第二车载传感器的物理特性的影响,第二车载传感器采集的车辆俯仰角速度数据存在零点漂移误差,并且随着积分时间的增加,误差累计增加,最终导致第二坡度数据偏离实际值,即,估算出来的第二坡度数据带有低频噪声,因此,需要采用高通滤波器对第二坡度数据进行滤波。
即使在坡度为0°的路面,车辆加速、减速、制动以及路面凹凸不平等因素,第一车载传感器和第二车载传感器采集到这些信息时,也会计算出来一个“坡度”,显然,这种计算出来的坡度是一个错误的估算结果(因为实际是在坡度为0的路面)。为了避免上述情形,在本申请实施例中,分别使用低通滤波器和高通滤波器对第一坡度数据和第二坡度数据进行滤波时,可以根据车辆的行驶工况,实时对低通滤波器和/或高通滤波器的参数进行调整。具体而言,一方面,可以通过对油门踏板、制动踏板等实际操控动作的采集,结合车辆总线的信息判断车辆当前的行驶工况是真实上下坡还是加速、减速或路面凹凸等坡度为0°的路面也会出现的正常行驶;另一方面,通过对不同行驶工况下坡度估算值的幅频特性的离线分析,获取到较为理想的低通滤波器和高通滤波器的参数(主要是滤波器的截止频率),从而在车辆行驶时,可以根据当前的行驶工况,直接利用这些离线时分析得到的滤波器参数,使得在真实坡道时,低通滤波器和高通滤波器能够快速且准确地响应,而在平路的加、减速或路面凹凸时不进行响应或推迟响应。
步骤S104:对当前路面的第一坡度估计值与第二坡度估计值求和,求和所得值作为当前路面实时的坡度估计值。
由于低通滤波器可以近似理解为一个滞后环节(例如,一阶低通滤波器近似为),因此,尽管通过这个滞后环节可以将高频噪声过滤掉,然而,也带来了信号输出的迟滞,如附图5所示,是低通滤波器对信号过滤前后对比示意图。从图中可以看出,相对于低通滤波之前的信号,低通滤波之后的信号将有一个Δt的迟滞,这种迟滞就是使用低通滤波器时,系统的实时性较差的原因所在,因此,对使用低通滤波器取得的当前路面的第一坡度估计值不宜直接使用。另一方面,高通滤波器对信号滤波,则不会产生信号输出的迟滞,换言之,对使用高通滤波器取得的当前路面的第二坡度估计值是实时的。基于上述事实,在本申请实施例中,可以对当前路面的第一坡度估计值与第二坡度估计值求和即第一坡度估计值与第二坡度估计值在相同时刻进行叠加,这种叠加相当于第二坡度估计值补偿了第一坡度估计值的迟滞,从而使得系统输出的坡度估计值是实时的。如图6所示,是第一坡度估计值、第二坡度估计值以及将第一坡度估计值与第二坡度估计值求和后所得当前路面实时的坡度估计值示意图。
尽管上述经步骤S101至步骤S104得到的当前路面的坡度估计值是实时的,然而,由于第一车载传感器和第二车载传感器在安装时存在误差,这种误差将会导致车辆相对于路面存在一个俯仰角(为了后续行文的方便,将这个俯仰角称为误差角);此外,当车辆的前后轴载荷发生变化或载荷不一致,也会导致车辆相对于路面存在一个俯仰角(为了后续行文的方便,将这个俯仰角称为车辆的固有俯仰角),如附图7所示,在真实坡度为α'的路面,车辆的前后轴载荷发生变化时导致车辆相对于该路面存在一个数值为αoffset的俯仰角。显然,上述两种俯仰角并非路面具有坡度造成。因此,上述实施例中,可以根据误差角和车辆的固有俯仰角αoffset,对当前路面实时的坡度估计值进行修正。作为本申请一个实施例,根据误差角和车辆的固有俯仰角αoffset,对当前路面实时的坡度估计值进行修正可以是:获取误差角;获取车辆的固有俯仰角αoffset;将当前路面实时的坡度估计值减去αoffset和误差角所得值作为对当前路面实时的坡度估计值进行修正后的修正值,其中,由于上述误差角是安装第一车载传感器和第二车载传感器存在误差时导致,是一个与路面坡度无关的固定值,因此可以从配置文件中直接读取得到,而车辆的固有俯仰角αoffset则通过两种方式获取,以下进行说明:
方式一:若车辆未配置空气悬架传感器,则直接从配置文件读取车辆的固有俯仰角αoffset。具体地,可以将车辆静止停放在一系列已知坡度(由于该已知坡度是通过其他方式测定,因此,可以认为该已知坡度是一个真实坡度)为ax的路面上,此时车身倾斜角αi可由公式(该公式中,为加速度传感器测得的车辆的纵向加速度,g为重力加速度)计算得到,将减去后得到的差值即在车辆位于坡度为时的路面上的固有俯仰角,将上述关系以如下表1所示制成配置文件。
表1:车身倾斜角、真实坡度和车辆的固有俯仰角的对应关系
车身倾斜角 | α<sub>1</sub> | α<sub>2</sub> | … | α<sub>i</sub> | … | α<sub>n</sub> |
已知坡度 | α’<sub>1</sub> | α’<sub>2</sub> | … | α’<sub>i</sub> | … | α’<sub>n</sub> |
车辆的固有俯仰角 | Δβ<sub>1</sub> | Δβ<sub>2</sub> | … | Δβ<sub>i</sub> | … | Δβ<sub>n</sub> |
当经步骤S104得到当前路面实时的坡度估计值时,通过读取配置文件中上述表1,将与当前路面实时的坡度估计值相等或最接近的αi对应的Δβi作为车辆的固有俯仰角αoffset。例如,当经步骤S104得到当前路面实时的坡度估计值为θ,若θ与上述表1的α2相等或最接近,则此时车辆的固有俯仰角αoffset等于Δβ2即αoffset=Δβ2。
方式二:若车辆配置空气悬架传感器,则根据车辆的前后轴抬升和/或压缩的距离,实时计算空气悬架传感器的俯仰角,将空气悬架传感器的俯仰角与综合俯仰角α’0之和作为车辆的固有俯仰角αoffset。具体地,当车辆的轴距为L毫米,前轴抬升x1毫米,后轴压缩x2毫米,则根据几何关系,由公式计算空气悬架传感器的俯仰角将加上综合俯仰角α’0作为车辆的固有俯仰角αoffset,即,需要说明的是,此处的综合俯仰角α’0主要包括空气悬架传感器所致俯仰角和车辆所致俯仰角,其中,空气悬架传感器所致俯仰角是由于空气悬架传感器的设计工艺本身、安装误差或者其他原因导致的一个固有俯仰角,而车辆所致俯仰角是由于车辆底盘设计的原因,即使在空气悬架传感器位移为0时,仍然会存在一个俯仰角。
从上述附图1示例的估算路面坡度的方法可知,一方面,是通过第一车载传感器采集的车辆运动学数据并结合车辆运动学方程,估算当前路面的第一坡度数据因此,相对于现有技术方案需要基于车辆动力学导致的计算复杂,本申请使用车辆运动学方程,计算简单,资源耗费少;另一方面,尽管低通滤波器对第一坡度数据进行滤波导致第一坡度估计值的迟滞,但在后续计算当前路面实时的坡度估计值时,将当前路面的第一坡度估计值与第二坡度估计值求和,相当于第二坡度估计值(高通滤波器对信号滤波不会导致信号的迟滞)补偿了第一坡度值的迟滞,因此,避免了现有技术使用低通滤波器时导致的实时性较差的缺陷;第三方面,当第一车载传感器和第二车载传感器中一个车载传感器出现短暂性信号丢失时,可以使用另一车载传感器采集的数据估算出的坡度数据作为当前路面实时的坡度估计值,因此,本申请的技术方案具有系统鲁棒性较强的优势。
请参阅附图8,是本申请实施例提供的一种估算路面坡度的装置,可以包括第一估算模块801、第二估算模块802、滤波模块803和融合模块804,详述如下:
融合模块804,用于对当前路面的第一坡度估计值与第二坡度估计值求和,求和所得值作为当前路面实时的坡度估计值。
从以上技术方案的描述中可知,一方面,是通过第一车载传感器采集的车辆运动学数据并结合车辆运动学方程,估算当前路面的第一坡度数据因此,相对于现有技术方案需要基于车辆动力学导致的计算复杂,本申请使用车辆运动学方程,计算简单,资源耗费少;另一方面,尽管低通滤波器对第一坡度数据进行滤波导致第一坡度值的迟滞,但在后续计算当前路面实时的坡度估计值时,将当前路面的第一坡度估计值与第二坡度估计值求和,相当于第二坡度估计值(高通滤波器对信号滤波不会导致信号的迟滞)补偿了第一坡度估计值的迟滞,因此,避免了现有技术使用低通滤波器时导致的实时性较差的缺陷;第三方面,当第一车载传感器和第二车载传感器中一个车载传感器出现短暂性信号丢失时,可以使用另一车载传感器采集的数据估算出的坡度数据作为当前路面实时的坡度估计值,因此,本申请的技术方案具有系统鲁棒性较强的优势。
可选地,上述图8示例的第二估算模块802可以包括起始坡度值获取单元和计算单元,其中:
起始坡度值获取单元,用于获取当前路面的起始坡度值α0;
可选地,上述图8示例的装置还可以包括同步模块,用于第一估算模块801估算当前路面的第一坡度数据和第二估算模块802估算当前路面的第二坡度数据之前,若第一车载传感器的采样频率与第二车载传感器的采样频率不同步,则将车辆运动学数据和车辆俯仰角速度数据对齐。
可选地,上述示例的同步模块可以包括第一读取单元、第二读取单元和第一插值单元,其中:
第一读取单元,用于读取车辆俯仰角速度数据当前帧的时间戳imutime以及n+1帧车辆运动学数据中首帧的时间戳vsensortime(0)和末帧的时间戳vsensortime(n),其中,n为大于或等于1的自然数;
第二读取单元,用于若imutime位于vsensortime(0)和vsensortime(n)之间,则读取时间戳为vsensortime(a)对应的车辆运动学数据vsensordata(a)和时间戳为vsensortime(b)对应的车辆运动学数据vsensordata(b),其中,车辆运动学数据vsensordata(a)和车辆运动学数据vsensordata(b)为车辆俯仰角速度数据当前帧前后相邻的两帧车辆运动学数据;
第一插值单元,用于根据时间戳imutime、时间戳vsensortime(a)、时间戳vsensortime(b)、车辆运动学数据vsensordata(a)和车辆运动学数据vsensordata(b),采用插值算法计算得到时间戳与时间戳imutime对齐的车辆运动学数据vsensordata(c)。
可选地,上述示例的同步模块可以包括第三读取单元、第四读取单元和第二插值单元,其中:
第三读取单元,用于读取车辆运动学数据当前帧的时间戳vsensortime以及n+1帧车辆俯仰角速度数据中首帧的时间戳imutime(0)和末帧的时间戳imutime(n),其中,n为大于或等于1的自然数;
第四读取单元,用于若vsensortime位于imutime(0)和imutime(n)之间,则读取时间戳为imutime(a)对应的车辆俯仰角速度数据imudata(a)和时间戳为imutime(b)对应的车辆俯仰角速度数据,其中,车辆俯仰角速度数据vsensordata(a)和车辆俯仰角速度数据imudata(b)为车辆运动学数据当前帧前后相邻的两帧车辆俯仰角速度数据;
第二插值单元,用于根据时间戳vsensortime、时间戳imutime(a)、时间戳imutime(b)、车辆俯仰角速度数据imudata(a)和车辆俯仰角速度数据imudata(b),采用插值算法计算得到时间戳与时间戳vsensortime对齐的车辆俯仰角速度数据imudata(c)。
可选地,上述图8示例的装置还可以包括参数调整模块,用于滤波模块803分别使用低通滤波器和高通滤波器对第一坡度数据和第二坡度数据进行滤波时,根据车辆的行驶工况,实时对低通滤波器和/或高通滤波器的参数进行调整。
可选地,上述图8示例的装置还可以包括修正模块,用于根据误差角和车辆的固有俯仰角αoffset,对当前路面实时的坡度估计值进行修正,其中,误差角为安装第一车载传感器和第二车载传感器导致车辆相对于当前路面的俯仰角,车辆的固有俯仰角αoffset为车辆的前后轴载荷变化导致车辆相对于当前路面的俯仰角。
可选地,上述示例的修正模块可以包括误差角获取单元、固有俯仰角获取单元和求差单元,其中:
误差角获取单元,用于获取误差角;
固有俯仰角获取单元,用于获取车辆的固有俯仰角αoffset;
求差单元,用于将当前路面实时的坡度估计值减去αoffset和误差角所得值作为对当前路面实时的坡度估计值进行修正后的修正值。
可选地,上述示例的固有俯仰角获取单元可以包括第三读取单元和俯仰角计算单元,其中:
第三读取单元,用于若车辆未配置空气悬架传感器,则直接从配置文件读取车辆的固有俯仰角αoffset;
俯仰角计算单元,用于若车辆配置空气悬架传感器,则根据车辆的前后轴抬升和/或压缩的距离以及车辆的轴距,实时计算空气悬架传感器的俯仰角,将空气悬架传感器的俯仰角与综合俯仰角α’0之和作为车辆的固有俯仰角αoffset。
图9是本申请一实施例提供的车辆的结构示意图。如图9所示,该实施例的车辆9主要包括:处理器90、存储器91以及存储在存储器91中并可在处理器90上运行的计算机程序92,例如估算路面坡度的方法的程序。处理器90执行计算机程序92时实现上述估算路面坡度的方法实施例中的步骤,例如图1所示的步骤S101至S104。或者,处理器90执行计算机程序92时实现上述各装置实施例中各模块/单元的功能,例如图8所示第一估算模块801、第二估算模块802、滤波模块803和融合模块804的功能。
示例性地,估算路面坡度的方法的计算机程序92主要包括:通过第一车载传感器采集的车辆运动学数据并结合车辆运动学方程,估算当前路面的第一坡度数据其中,车辆运动学数据包括车辆的纵向速度vx和车辆的纵向加速度ax;通过第二车载传感器采集的车辆俯仰角速度数据,估算当前路面的第二坡度数据分别使用低通滤波器和高通滤波器对第一坡度数据和第二坡度数据进行滤波,对应得到当前路面的第一坡度估计值和第二坡度估计值;对当前路面的第一坡度估计值与第二坡度估计值求和,求和所得值作为当前路面实时的坡度估计值。计算机程序92可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器91中,并由处理器90执行,以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序92在车辆9中的执行过程。例如,计算机程序92可以被分割成第一估算模块801、第二估算模块802、滤波模块803和融合模块804(虚拟装置中的模块)的功能,各模块具体功能如下:第一估算模块801,用于通过第一车载传感器采集的车辆运动学数据并结合车辆运动学方程,估算当前路面的第一坡度数据其中,车辆运动学数据包括车辆的纵向速度vx和车辆的纵向加速度ax;第二估算模块802,用于通过第二车载传感器采集的车辆俯仰角速度数据,估算当前路面的第二坡度数据滤波模块803,用于分别使用低通滤波器和高通滤波器对第一坡度数据和第二坡度数据进行滤波,对应得到当前路面的第一坡度估计值和第二坡度估计值;融合模块804,用于对当前路面的第一坡度估计值与第二坡度估计值求和,求和所得值作为当前路面实时的坡度估计值。
车辆9可包括但不仅限于处理器90、存储器91。本领域技术人员可以理解,图9仅仅是车辆9的示例,并不构成对车辆9的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如计算车辆还可以包括输入输出车辆、网络接入车辆、总线等。
所称处理器90可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器91可以是车辆9的内部存储单元,例如车辆9的硬盘或内存。存储器91也可以是车辆9的外部存储车辆,例如车辆9上配备的插接式硬盘,智能存储卡(Smart MediaCard,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器91还可以既包括车辆9的内部存储单元也包括外部存储车辆。存储器91用于存储计算机程序以及车辆所需的其他程序和数据。存储器91还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即,将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述装置中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/车辆和方法,可以通过其它的方式实现。例如,以上所描述的装置/车辆实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个非临时性计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,估算路面坡度的方法的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤,即,通过第一车载传感器采集的车辆运动学数据并结合车辆运动学方程,估算当前路面的第一坡度数据其中,车辆运动学数据包括车辆的纵向速度vx和车辆的纵向加速度ax;通过第二车载传感器采集的车辆俯仰角速度数据,估算当前路面的第二坡度数据分别使用低通滤波器和高通滤波器对第一坡度数据和第二坡度数据进行滤波,对应得到当前路面的第一坡度估计值和第二坡度估计值;对当前路面的第一坡度估计值与第二坡度估计值求和,求和所得值作为当前路面实时的坡度估计值。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。非临时性计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读内存(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,非临时性计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,非临时性计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。以上所述的具体实施方式,对本申请的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本申请的具体实施方式而已,并不用于限定本申请的保护范围,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种估算路面坡度的方法,其特征在于,所述方法包括:
对所述当前路面的第一坡度估计值与第二坡度估计值求和,求和所得值作为所述当前路面实时的坡度估计值;
4.如权利要求3所述估算路面坡度的方法,其特征在于,所述将所述车辆运动学数据和所述车辆俯仰角速度数据对齐包括:
读取所述车辆俯仰角速度数据当前帧的时间戳imutime以及n+1帧所述车辆运动学数据中首帧的时间戳vsensortime(0)和末帧的时间戳vsensortime(n),所述n为大于或等于1的自然数;
若所述imutime位于所述vsensortime(0)和所述vsensortime(n)之间,则读取时间戳为vsensortime(a)对应的车辆运动学数据vsensordata(a)和时间戳为vsensortime(b)对应的车辆运动学数据vsensordata(b),所述车辆运动学数据vsensordata(a)和车辆运动学数据vsensordata(b)为所述车辆俯仰角速度数据当前帧前后相邻的两帧车辆运动学数据;
根据所述时间戳imutime、时间戳vsensortime(a)、时间戳vsensortime(b)、车辆运动学数据vsensordata(a)和车辆运动学数据vsensordata(b),采用插值算法计算得到时间戳与所述时间戳imutime对齐的车辆运动学数据vsensordata(c)。
5.如权利要求3所述估算路面坡度的方法,其特征在于,所述将所述车辆运动学数据和所述车辆俯仰角速度数据对齐包括:
读取所述车辆运动学数据当前帧的时间戳vsensortime以及n+1帧所述车辆俯仰角速度数据中首帧的时间戳imutime(0)和末帧的时间戳imutime(n),所述n为大于或等于1的自然数;
若所述vsensortime位于所述imutime(0)和所述imutime(n)之间,则读取时间戳为imutime(a)对应的车辆俯仰角速度数据imudata(a)和时间戳为imutime(b)对应的车辆俯仰角速度数据,所述车辆俯仰角速度数据vsensordata(a)和车辆俯仰角速度数据imudata(b)为所述车辆运动学数据当前帧前后相邻的两帧车辆俯仰角速度数据;
根据所述时间戳vsensortime、时间戳imutime(a)、时间戳imutime(b)、车辆俯仰角速度数据imudata(a)和车辆俯仰角速度数据imudata(b),采用插值算法计算得到时间戳与所述时间戳vsensortime对齐的车辆俯仰角速度数据imudata(c)。
7.如权利要求1至6任意一项所述估算路面坡度的方法,其特征在于,所述方法还包括:根据误差角和所述车辆的固有俯仰角αoffset,对所述当前路面实时的坡度估计值进行修正,所述误差角为安装所述第一车载传感器和第二车载传感器导致所述车辆相对于所述当前路面的俯仰角,所述车辆的固有俯仰角αoffset为所述车辆的前后轴载荷变化导致所述车辆相对于所述当前路面的俯仰角。
8.如权利要求7所述估算路面坡度的方法,其特征在于,所述根据误差角和所述车辆的固有俯仰角αoffset,对所述当前路面实时的坡度估计值进行修正包括:
获取所述误差角;
获取所述车辆的固有俯仰角αoffset;
将所述当前路面实时的坡度估计值减去所述αoffset和所述误差角所得值作为对所述当前路面实时的坡度估计值进行修正后的修正值。
9.如权利要求8所述估算路面坡度的方法,其特征在于,所述获取所述车辆的固有俯仰角αoffset包括:
若所述车辆未配置空气悬架传感器,则直接从配置文件读取所述车辆的固有俯仰角αoffset;
若所述车辆配置空气悬架传感器,则根据所述车辆的前后轴抬升和/或压缩的距离以及所述车辆的轴距,实时计算所述空气悬架传感器的俯仰角,将所述空气悬架传感器的俯仰角与综合俯仰角α'0之和作为所述车辆的固有俯仰角αoffset。
10.一种估算路面坡度的装置,其特征在于,所述装置包括:
融合模块,用于对所述当前路面的第一坡度估计值与第二坡度值求和,求和所得值作为所述当前路面实时的坡度估计值;
11.一种车辆,所述车辆包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至9任意一项所述方法的步骤。
12.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至9任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110860472.4A CN113442932B (zh) | 2021-07-28 | 2021-07-28 | 估算路面坡度的方法、装置、车辆和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110860472.4A CN113442932B (zh) | 2021-07-28 | 2021-07-28 | 估算路面坡度的方法、装置、车辆和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113442932A CN113442932A (zh) | 2021-09-28 |
CN113442932B true CN113442932B (zh) | 2022-10-14 |
Family
ID=77817493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110860472.4A Active CN113442932B (zh) | 2021-07-28 | 2021-07-28 | 估算路面坡度的方法、装置、车辆和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113442932B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102019003238B4 (de) * | 2019-05-08 | 2023-04-20 | Mercedes-Benz Group AG | Fahrzeugortung durch Kartenabgleich unter Berücksichtigung eines Straßenprofils |
CN114248782B (zh) * | 2021-12-27 | 2024-06-07 | 智道网联科技(北京)有限公司 | 无人车俯仰角确定方法、装置和计算机可读存储介质 |
CN114312808B (zh) * | 2022-02-15 | 2024-04-12 | 上海易巴汽车动力系统有限公司 | 一种智能驾驶车辆的重量、坡度和速度的估算方法 |
CN114655224A (zh) * | 2022-03-21 | 2022-06-24 | 潍柴动力股份有限公司 | 一种道路坡度估算方法、电子设备和存储介质 |
CN114852086A (zh) * | 2022-04-27 | 2022-08-05 | 中国第一汽车股份有限公司 | 一种坡度值确定设备、方法、装置、电子设备和存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5265752B2 (ja) * | 2011-12-29 | 2013-08-14 | 株式会社デンソー | 路面勾配推定装置、車両用制御装置、及び車両用制御システム |
CN102700551B (zh) * | 2012-05-31 | 2015-05-20 | 清华大学 | 一种车辆行驶过程中路面坡度的实时估计方法 |
GB2536008B (en) * | 2015-03-03 | 2019-06-12 | Jaguar Land Rover Ltd | Vehicle state estimation apparatus and method |
CN107132377A (zh) * | 2017-06-13 | 2017-09-05 | 南京越博动力系统股份有限公司 | 一种车辆加速度及所处坡度的测量装置与计算方法 |
CN111038519B (zh) * | 2019-12-26 | 2021-07-09 | 一汽解放汽车有限公司 | 一种车载道路坡度实时估计方法 |
CN113034586B (zh) * | 2021-04-27 | 2022-09-23 | 北京邮电大学 | 道路倾角检测方法和检测系统 |
-
2021
- 2021-07-28 CN CN202110860472.4A patent/CN113442932B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113442932A (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113442932B (zh) | 估算路面坡度的方法、装置、车辆和计算机可读存储介质 | |
US9701289B2 (en) | Method for determining a vehicle reference speed and vehicle controller having such a method | |
JP3633120B2 (ja) | 車体速および路面摩擦係数推定装置 | |
US6816804B1 (en) | System and method for estimating velocity using reliability indexed sensor fusion | |
CN111806449A (zh) | 一种纯电动车的整车质量和路面坡度的估算方法 | |
US11573119B2 (en) | Method and apparatus for dynamically estimating vehicle mass | |
JP2017531597A (ja) | 車両サイドスリップ角を推定する方法、該方法を実施するコンピュータプログラム、該コンピュータプログラムを読み込んだ制御ユニット、及び該制御ユニットを備える車両 | |
US11511725B2 (en) | System and method for correcting friction coefficient of brake pad for vehicle | |
ITTO20130584A1 (it) | Stima della massa di un veicolo e della pendenza della strada | |
CN111547059A (zh) | 一种分布式驱动电动汽车惯性参数估计方法 | |
CN103930312A (zh) | 包括用于共同处理信号的融合滤波器的传感器系统 | |
CN104487307B (zh) | 用于检测机动车辆行驶方向的方法 | |
DE102019121716A1 (de) | Verfahren und vorrichtungen zum bestimmen von fahrzeuggewichtsinformationen auf grundlage der bodenfreiheit | |
US20190054907A1 (en) | Method for estimating an axle load distribution in a road train | |
DE102015203976B4 (de) | Fahrzeugzustandsschätzvorrichtung, Fahrzeugsteuerungsvorrichtung und Fahrzeugzustandsschätzverfahren | |
DE102018101123A1 (de) | Lernverfahren für langfristige bremseckenspezifische Drehmomentvariationen | |
Kidambi et al. | Accuracy and robustness of parallel vehicle mass and road grade estimation | |
KR101626163B1 (ko) | 차량 자세 제어 방법 | |
Ziaukas et al. | Simultaneous estimation of steering and articulation angle in a truck-semitrailer combination solely based on trailer signals | |
CN113799783A (zh) | 应用于车辆的道路横向坡度测量方法及系统 | |
CN113811472A (zh) | 触地负荷推定装置、控制装置及触地负荷推定方法 | |
CN111559380B (zh) | 一种车辆主动安全控制方法及装置 | |
CN111391857A (zh) | 一种分布式驱动电动汽车坡度估计方法及系统 | |
CN113978476B (zh) | 一种考虑传感器数据丢失的线控汽车轮胎侧向力估计方法 | |
CN107848359B (zh) | 用于估算由陆地车辆取道的行驶路线的状态指数的装置 |
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 |