CN114162119A - 汽车高级驾驶辅助系统横向控制方法、设备、介质、产品 - Google Patents
汽车高级驾驶辅助系统横向控制方法、设备、介质、产品 Download PDFInfo
- Publication number
- CN114162119A CN114162119A CN202111254715.6A CN202111254715A CN114162119A CN 114162119 A CN114162119 A CN 114162119A CN 202111254715 A CN202111254715 A CN 202111254715A CN 114162119 A CN114162119 A CN 114162119A
- Authority
- CN
- China
- Prior art keywords
- driver
- eyes
- vehicle
- assistance system
- opening
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 33
- 230000008859 change Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000004313 glare Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000013016 damping Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 210000004709 eyebrow Anatomy 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004438 eyesight Effects 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000638 stimulation Effects 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
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明提供汽车高级驾驶辅助系统横向控制方法,包括以下步骤:匹配人脸特征点,计算眼睛开闭程度,识别驾驶能力,建立车辆动力学模型,建立操控模型,提供辅助力矩。本发明能够在夜间行车时检测驾驶员的眩目并通过模糊逻辑算法识别驾驶能力,解决了驾驶员眩目检测及相应的驾驶能力的分析评价问题。本发明通过建立的车辆动力学模型、驾驶员操控模型和高级驾驶辅助系统模型,在驾驶员眩目状态下能够有效为驾驶员提供辅助力矩,帮助驾驶员进行横向控制,有效的进行车道保持,最大程度的保证驾驶安全。
Description
技术领域
本发明涉及智能驾驶技术领域,尤其涉及汽车高级驾驶辅助系统横向控制方法、设备、介质、产品。
背景技术
夜间行车时,道路上的汽车车灯长时间的强光照射容易造成驾驶员视觉疲劳和眩目,极容易导致交通事故的产生,严重威胁驾驶员的生命安全。尤其是随着汽车车灯技术的发展,照明效果增强,照明的视野区域扩大,在会车时对向来车前照灯的远光灯产生强光照射,对驾驶员的眼睛产生强烈刺激,甚至眩晕和短暂的失明。在自车驾驶员睁不开眼睛的情况下,极容易失去对方向盘的正常操控能力。在这种夜间行车场景中,不仅对自车的正常行驶造成危险,也会威胁其他交通参与者的生命安全。
驾驶员监控系统(Driver Monitoring System,DMS)能够检测驾驶员的精神状态,在驾驶员出现疲劳、分心等情况时通过各类传感器获取驾驶员的状态信号并在检测到危险行为时及时预警,以提升汽车行驶的主动安全。当前,以摄像头微传感器利用视觉算法实现对驾驶员人脸特征的检测成为相关研究的热点。眼睛是基于视觉算法的人脸检测过程中的重要特征之一,夜间行车过程中在汽车前照灯的强光照射下,眼睛会发生非条件反射,睁开程度变小。因此,可以通过视觉算法检测并计算眼睛的睁开程度,以识别和判断驾驶员的眩目情况和驾驶能力。
目前高级驾驶辅助系统(Advanced Driving Assistance System,ADAS)的广泛应用,使得具有高级驾驶辅助系统能力的汽车能够及时对驾驶员提供转向辅助,有效提供驾驶过程中转向的辅助力矩。因此,在检测到驾驶员存在眩目情况下,及时由高级驾驶辅助系统提供辅助力矩,使汽车实现车道保持对于保障驾驶员安全十分必要。
发明内容
为了克服现有技术的不足,本发明的目的在于提供汽车高级驾驶辅助系统横向控制方法,在检测到驾驶员存在眩目情况下,及时由高级驾驶辅助系统提供辅助力矩,使汽车实现车道保持,保障驾驶员安全。
本发明提供汽车高级驾驶辅助系统横向控制方法,包括以下步骤:
匹配人脸特征点,以视觉传感器通过人脸匹配算法检测驾驶员人脸特征,对全脸的关键特征点进行标记;
计算眼睛开闭程度,从全脸的关键特征点中提取眼部关键特征点,通过所述眼部关键特征点标记眼部,计算眼睛的开闭程度及眼睛开闭程度随时间的变化率;
识别驾驶能力,通过所述眼睛的开闭程度及眼睛开闭程度随时间的变化率识别驾驶员眩目下的驾驶能力;
建立车辆动力学模型,以车辆的横向控制准确性和稳定性为控制的目标,建立车辆动力学模型;
建立操控模型,根据所述车辆动力学模型确定驾驶员的操作力矩的方程,通过操作力矩的方程得到高级驾驶辅助系统驾驶员操控的状态空间模型;
提供辅助力矩,设计PID控制器并确定参数,通过PID控制器提供辅助力矩为驾驶员提供相应的助力。
进一步地,所述匹配人脸特征点步骤中,以摄像头为视觉传感器,基于深度学习方法的人脸匹配算法检测驾驶员人脸特征,所述全脸的关键特征点包括眼睛关键特征点、眉毛关键特征点、鼻子关键特征点、嘴巴关键特征点、驾驶员人脸外轮廓关键特征点。
进一步地,所述计算眼睛开闭程度步骤中,用每个眼部关键特征点的外接矩形标记出眼部,计算眼睛的开闭程度的公式为:
其中,Oeye为眼睛的开闭程度,Heye为检测当前帧的外接矩形的像素高度,Hmax为车辆开始行驶检测到该驾驶员第一秒内所有帧中眼睛外接矩形的像素高度值最大依次排序的n帧的高度平均值,Hi为外接矩形的像素高度值最大的n帧依次从大到小排列的高度,取i=1,2,3,…,n;
计算眼睛开闭程度随时间的变化率的公式为:
其中,Oc为眼睛开闭程度随时间的变化率,△Oeye为1秒内检测所有帧眼睛的开闭程度平均值,△t取值1秒。
进一步地,所述识别驾驶能力步骤中,通过模糊逻辑算法识别计算驾驶员眩目下的驾驶能力,将所述眼睛的开闭程度作为模糊逻辑算法的第一输入,模糊子集为{极小、小、中、大、极大},将所述眼睛开闭程度随时间的变化率作为模糊逻辑算法的第二输入,模糊子集为{负大、负小、零、正小、正大},模糊逻辑算法的输出为驾驶员眩目下的驾驶能力,模糊子集为{极低、低、一般、较高、高},模糊逻辑算法识别的驾驶员眩目状态下驾驶能力输出结果为后续步骤中DA的值。
进一步地,所述建立车辆动力学模型步骤中,建立驾驶员的操纵力矩与高级驾驶辅助系统的辅助力矩共同作用下的车辆动力学模型,其状态空间为:
Cf、Cr为车辆前、后轮侧偏刚度,lf、lr质心到车辆前轴和后轴的距离,m为整车质量,vx为横向速度,Iz车辆绕垂直于地面的z轴的转动惯量;
ls为车辆质心到车辆前方预瞄点的距离,ηt为轮胎与地面的接触长度,Is方向盘的转动惯量,Rs为转向系统传动比,Bs为转向系统阻尼;
B=[0 0 0 0 0 1/(ISRS)]T (12)
Bw=[1/m lw/Iz 0 0 0 0]T (13)。
进一步地,所述建立操控模型步骤中,所述驾驶员的操作力矩为:
Md=Gc+Ga (14)
其中:
Ga=Kd2(θ1vy+θ2r+θ3δRs) (16)
Tp为以纵向速度到近预瞄点的时间,τa为预期到达远预瞄点的时间,Kd1和Kd2增益系数;
Md=Md1vy+Md2r+Kd1ψL+Md3yL+Md4δ (20)
将计算的公式(20)、公式(21)、公式(22)、公式(23)和公式(24)代入公式(4)得到高级驾驶辅助系统的状态空间为:
其中:
进一步地,所述提供辅助力矩步骤中,以u为控制输入,横向误差eyL为控制目标,根据公式(30)得到PID控制器,并试验调试确定Kp、Ki和Kd,
通过公式(31)计算高级驾驶辅助系统横向控制的力矩Mc:
Ma=μ(θd)u (31)
其中,u为控制输入,μ(θd)为根据驾驶员眩目状态提供驾驶辅助的权重系数,μ(θd)最小时等于μmin取值为0.2,最大值为1,其计算通过公式(32)得到:
μ(θd)=ω1(θd-ω2)2+μmin (32)
此处计算所需的参数ω1取值为3.2,ω2取值为0.5,σ1的取值为2,σ2和σ3的取值为3,DA的值为模糊逻辑算法识别的驾驶员眩目状态下驾驶能力输出结果,Mdmax为驾驶员的最大力矩;根据公式(25)和公式(31)得到高级驾驶辅助系统模型为:
其中,Bu T=[0 0 0 0 0 λμ(θd)],通过计算得到的高级驾驶辅助系统提供辅助力矩为驾驶员提供相应的助力,共同进行横行控制以实现车道保持和驾驶安全。
一种电子设备,包括:处理器;
存储器;以及程序,其中所述程序被存储在所述存储器中,并且被配置成由处理器执行,所述程序包括用于执行汽车高级驾驶辅助系统横向控制方法。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行汽车高级驾驶辅助系统横向控制方法。
一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现汽车高级驾驶辅助系统横向控制方法。
相比现有技术,本发明的有益效果在于:
本发明提供汽车高级驾驶辅助系统横向控制方法,能够在夜间行车时检测驾驶员的眩目并通过模糊逻辑算法识别驾驶能力,解决了驾驶员眩目检测及相应的驾驶能力的分析评价问题。本发明通过建立的车辆动力学模型、驾驶员操控模型和高级驾驶辅助系统模型,在驾驶员眩目状态下能够有效为驾驶员提供辅助力矩,帮助驾驶员进行横向控制,有效的进行车道保持,最大程度的保证驾驶安全。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明的汽车高级驾驶辅助系统横向控制方法流程图;
图2为本发明的模糊逻辑算法的第一输入眼睛的开闭程度Oeye隶属度函数图;
图3为本发明的模糊逻辑算法的第二输入眼睛开闭程度随时间的变化率O.eye隶属度函数图;
图4为本发明的模糊逻辑算法的输出为眩目下的驾驶能力DA隶属度函数图;
图5为本发明的模糊逻辑算法的推理曲面图。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
汽车高级驾驶辅助系统横向控制方法,如图1所示,包括以下步骤:
匹配人脸特征点,以视觉传感器通过人脸匹配算法检测驾驶员人脸特征,对全脸的关键特征点进行标记。本实施例中,以摄像头为视觉传感器,基于深度学习方法的人脸匹配算法检测驾驶员人脸特征,对全脸的68个关键特征点进行标记。全脸的68个关键特征点分别为:眼睛用12个关键特征点表示,眉毛用10个关键特征点表示,鼻子处用9个关键特征点,嘴巴用20个关键特征点进行刻画,驾驶员人脸的外轮廓用17个关键特征点来表示全脸的形状。
计算眼睛开闭程度,在检测到全脸的68个关键特征点后,从全脸的关键特征点中提取眼部关键特征点,每个眼部关键特征点有6个,通过眼部关键特征点标记眼部,计算眼睛的开闭程度及眼睛开闭程度随时间的变化率。具体地,用每个眼部关键特征点的外接矩形标记出眼部,计算眼睛的开闭程度的公式为:
其中,Oeye为眼睛的开闭程度,Heye为检测当前帧的外接矩形的像素高度,Hmax为车辆开始行驶检测到该驾驶员第一秒内所有帧中眼睛外接矩形的像素高度值最大依次排列的n帧(如10帧)的高度平均值,Hi为外接矩形的像素高度值最大的n帧依次从大到小排列的高度,取i=1,2,3,…,n;
计算眼睛开闭程度随时间的变化率的公式为:
其中,Oc为眼睛开闭程度随时间的变化率,△Oeye为1秒内检测所有帧眼睛的开闭程度平均值,△t取值1秒。
识别驾驶能力,通过眼睛的开闭程度及眼睛开闭程度随时间的变化率识别驾驶员眩目下的驾驶能力。如图2-图5所示,通过模糊逻辑算法识别计算驾驶员眩目下的驾驶能力,将眼睛的开闭程度作为模糊逻辑算法的第一输入,模糊子集为{极小、小、中、大、极大},将眼睛开闭程度随时间的变化率作为模糊逻辑算法的第二输入,模糊子集为{负大、负小、零、正小、正大},模糊逻辑算法的输出为识别的驾驶员眩目下的驾驶能力,模糊子集为{极低、低、一般、较高、高},制定模糊逻辑的推理规则,如表1所示。模糊逻辑算法识别的驾驶员眩目状态下驾驶能力输出结果为后续步骤中DA的值。
表1模糊逻辑的推理规则
建立车辆动力学模型,以车辆的横向控制准确性和稳定性为控制的目标,建立车辆动力学模型。建立驾驶员的操纵力矩与高级驾驶辅助系统的辅助力矩共同作用下的车辆动力学模型,其状态空间为:
Cf、Cr为车辆前、后轮侧偏刚度,lf、lr质心到车辆前轴和后轴的距离,m为整车质量,vx为横向速度,Iz车辆绕垂直于地面的z轴的转动惯量;
ls为车辆质心到车辆前方预瞄点的距离,ηt为轮胎与地面的接触长度,Is方向盘的转动惯量,Rs为转向系统传动比,Bs为转向系统阻尼;
B=[0 0 0 0 0 1/(ISRS)]T (12)
Bw=[1/m lw/Iz 0 0 0 0]T (13)。
建立操控模型,根据车辆动力学模型确定预瞄点、预瞄角度与速度等各参数的关系,确定驾驶员的操作力矩的方程。将驾驶员的操作力矩的方程代入车辆横向控制的状态空间,得到高级驾驶辅助系统驾驶员操控的状态空间模型。驾驶员的操作力矩为:
Md=Gc+Ga (14)
其中:
Ga=Kd2(θ1vy+θ2r+θ3δRs) (16)
Tp为以纵向速度到近预瞄点的时间,τa为预期到达远预瞄点的时间,Kd1和Kd2增益系数;
Md=Md1vy+Md2r+Kd1ψL+Md3yL+Md4δ (20)
将计算的公式(20)、公式(21)、公式(22)、公式(23)和公式(24)代入公式(4)得到高级驾驶辅助系统的状态空间为:
其中:
提供辅助力矩,设计PID控制器并确定参数。确定PID控制器的控制输入,控制目标,并试验调试确定Kp、Ki和Kd参数值。确定眩目状态下的驾驶能力与所需要的高级驾驶辅助系统辅助力矩的比例关系。最后通过PID控制器提供辅助力矩为驾驶员提供相应的助力,实现稳定的车道保持。
具体地,以u为控制输入,横向误差eyL为控制目标,根据公式(30)得到PID控制器,并试验调试确定Kp、Ki和Kd,
通过公式(31)计算高级驾驶辅助系统横向控制的力矩Mc:
Ma=μ(θd)u (31)
其中,u为控制输入,μ(θd)为根据驾驶员眩目状态提供驾驶辅助的权重系数,μ(θd)最小时等于μmin取值为0.2,最大值为1,其计算通过公式(32)得到:
μ(θd)=ω1(θd-ω2)2+μmin (32)
此处计算所需的参数ω1取值为3.2,ω2取值为0.5,σ1的取值为2,σ2和σ3的取值为3,DA的值为模糊逻辑算法识别的驾驶员眩目状态下驾驶能力输出结果,Mdmax为驾驶员的最大力矩;根据公式(25)和公式(31)得到高级驾驶辅助系统模型为:
其中,Bu T=[0 0 0 0 0 λμ(θd)],通过计算得到的高级驾驶辅助系统提供辅助力矩为驾驶员提供相应的助力,共同进行横行控制以实现车道保持和驾驶安全。
本发明提供汽车高级驾驶辅助系统横向控制方法,通过摄像头采集驾驶员面部特征,提取眼部的关键特征点并计算眼睛的开闭程度,根据开闭程度实现对驾驶员眩目状态下的驾驶能力识别。结合模糊逻辑实时推理出的驾驶能力结果,结合建立的车辆动力学模型、驾驶员操控模型和高级驾驶辅助系统模型进行计算,为驾驶员提供相应的辅助力矩,以实现车道保持,保障人车安全。
一种电子设备,包括:处理器;
存储器;以及程序,其中程序被存储在存储器中,并且被配置成由处理器执行,程序包括用于执行汽车高级驾驶辅助系统横向控制方法。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行汽车高级驾驶辅助系统横向控制方法。
一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现汽车高级驾驶辅助系统横向控制方法。
以上,仅为本发明的较佳实施例而已,并非对本发明作任何形式上的限制;凡本行业的普通技术人员均可按说明书附图所示和以上而顺畅地实施本发明;但是,凡熟悉本专业的技术人员在不脱离本发明技术方案范围内,利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化,均为本发明的等效实施例;同时,凡依据本发明的实质技术对以上实施例所作的任何等同变化的更动、修饰与演变等,均仍属于本发明的技术方案的保护范围之内。
Claims (10)
1.汽车高级驾驶辅助系统横向控制方法,其特征在于,包括以下步骤:
匹配人脸特征点,以视觉传感器通过人脸匹配算法检测驾驶员人脸特征,对全脸的关键特征点进行标记;
计算眼睛开闭程度,从全脸的关键特征点中提取眼部关键特征点,通过所述眼部关键特征点标记眼部,计算眼睛的开闭程度及眼睛开闭程度随时间的变化率;
识别驾驶能力,通过所述眼睛的开闭程度及眼睛开闭程度随时间的变化率识别驾驶员眩目下的驾驶能力;
建立车辆动力学模型,以车辆的横向控制准确性和稳定性为控制的目标,建立车辆动力学模型;
建立操控模型,根据所述车辆动力学模型确定驾驶员的操作力矩的方程,通过操作力矩的方程得到高级驾驶辅助系统驾驶员操控的状态空间模型;
提供辅助力矩,设计PID控制器并确定参数,通过PID控制器提供辅助力矩为驾驶员提供相应的助力。
2.如权利要求1所述的汽车高级驾驶辅助系统横向控制方法,其特征在于:所述匹配人脸特征点步骤中,以摄像头为视觉传感器,基于深度学习方法的人脸匹配算法检测驾驶员人脸特征,所述全脸的关键特征点包括眼睛关键特征点、眉毛关键特征点、鼻子关键特征点、嘴巴关键特征点、驾驶员人脸外轮廓关键特征点。
4.如权利要求1所述的汽车高级驾驶辅助系统横向控制方法,其特征在于:所述识别驾驶能力步骤中,通过模糊逻辑算法识别计算驾驶员眩目下的驾驶能力,将所述眼睛的开闭程度作为模糊逻辑算法的第一输入,模糊子集为{极小、小、中、大、极大},将所述眼睛开闭程度随时间的变化率作为模糊逻辑算法的第二输入,模糊子集为{负大、负小、零、正小、正大},模糊逻辑算法的输出为驾驶员眩目下的驾驶能力,模糊子集为{极低、低、一般、较高、高},模糊逻辑算法识别的驾驶员眩目状态下驾驶能力输出结果为后续步骤中DA的值。
5.如权利要求1所述的汽车高级驾驶辅助系统横向控制方法,其特征在于:所述建立车辆动力学模型步骤中,建立驾驶员的操纵力矩与高级驾驶辅助系统的辅助力矩共同作用下的车辆动力学模型,其状态空间为:
Cf、Cr为车辆前、后轮侧偏刚度,lf、lr质心到车辆前轴和后轴的距离,m为整车质量,vx为横向速度,Iz车辆绕垂直于地面的z轴的转动惯量;
ls为车辆质心到车辆前方预瞄点的距离,ηt为轮胎与地面的接触长度,Is方向盘的转动惯量,Rs为转向系统传动比,Bs为转向系统阻尼;
B=[0 0 0 0 0 1/(ISRS)]T (12)
Bw=[1/m lw/Iz 0 0 0 0]T (13)。
7.如权利要求1所述的汽车高级驾驶辅助系统横向控制方法,其特征在于:所述提供辅助力矩步骤中,以u为控制输入,横向误差eyL为控制目标,根据公式(30)得到PID控制器,并试验调试确定Kp、Ki和Kd,
通过公式(31)计算高级驾驶辅助系统横向控制的力矩Mc:
Ma=μ(θd)u (31)
其中,u为控制输入,μ(θd)为根据驾驶员眩目状态提供驾驶辅助的权重系数,μ(θd)最小时等于μmin取值为0.2,最大值为1,其计算通过公式(32)得到:
μ(θd)=ω1(θd-ω2)2+μmin (32)
此处计算所需的参数ω1取值为3.2,ω2取值为0.5,σ1的取值为2,σ2和σ3的取值为3,DA的值为模糊逻辑算法识别的驾驶员眩目状态下驾驶能力输出结果,Mdmax为驾驶员的最大力矩;根据公式(25)和公式(31)得到高级驾驶辅助系统模型为:
其中,Bu T=[0 0 0 0 0 λμ(θd)],通过计算得到的高级驾驶辅助系统提供辅助力矩为驾驶员提供相应的助力,共同进行横行控制以实现车道保持和驾驶安全。
8.一种电子设备,其特征在于包括:处理器;
存储器;以及程序,其中所述程序被存储在所述存储器中,并且被配置成由处理器执行,所述程序包括用于执行如权利要求1-7任意一项所述的方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行如权利要求1-7任意一项所述的方法。
10.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现如权利要求1-7任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111254715.6A CN114162119A (zh) | 2021-10-27 | 2021-10-27 | 汽车高级驾驶辅助系统横向控制方法、设备、介质、产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111254715.6A CN114162119A (zh) | 2021-10-27 | 2021-10-27 | 汽车高级驾驶辅助系统横向控制方法、设备、介质、产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114162119A true CN114162119A (zh) | 2022-03-11 |
Family
ID=80477421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111254715.6A Pending CN114162119A (zh) | 2021-10-27 | 2021-10-27 | 汽车高级驾驶辅助系统横向控制方法、设备、介质、产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114162119A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102022207904B3 (de) | 2022-08-01 | 2023-11-30 | Volkswagen Aktiengesellschaft | Betriebsverfahren für ein Fahrzeug |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007245911A (ja) * | 2006-03-15 | 2007-09-27 | Omron Corp | 監視装置および方法、記録媒体、並びに、プログラム |
JP2011043961A (ja) * | 2009-08-20 | 2011-03-03 | Toyota Motor Corp | 運転者監視装置 |
CN103150545A (zh) * | 2011-09-02 | 2013-06-12 | 沃尔沃汽车公司 | 用于对闭眼归类的方法 |
CN109271875A (zh) * | 2018-08-24 | 2019-01-25 | 中国人民解放军火箭军工程大学 | 一种基于眉部和眼部关键点信息的疲劳检测方法 |
CN110291478A (zh) * | 2016-12-22 | 2019-09-27 | 斯坦福国际研究院 | 驾驶员监视和响应系统 |
US20200065596A1 (en) * | 2019-08-21 | 2020-02-27 | Lg Electronics Inc. | Control method of autonomous vehicle |
CN111626272A (zh) * | 2020-07-28 | 2020-09-04 | 长沙超创电子科技有限公司 | 一种基于深度学习的驾驶员疲劳监测系统 |
JP2021086161A (ja) * | 2019-11-25 | 2021-06-03 | オムロン株式会社 | 危険度推定装置、車載装置、危険度推定方法、および危険度推定プログラム |
DE102020102700A1 (de) * | 2020-02-04 | 2021-08-05 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Steuereinheit zur Unterstützung eines Fahrers eines Fahrzeugs bei schlechten Sichtverhältnissen |
-
2021
- 2021-10-27 CN CN202111254715.6A patent/CN114162119A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007245911A (ja) * | 2006-03-15 | 2007-09-27 | Omron Corp | 監視装置および方法、記録媒体、並びに、プログラム |
JP2011043961A (ja) * | 2009-08-20 | 2011-03-03 | Toyota Motor Corp | 運転者監視装置 |
CN103150545A (zh) * | 2011-09-02 | 2013-06-12 | 沃尔沃汽车公司 | 用于对闭眼归类的方法 |
CN110291478A (zh) * | 2016-12-22 | 2019-09-27 | 斯坦福国际研究院 | 驾驶员监视和响应系统 |
CN109271875A (zh) * | 2018-08-24 | 2019-01-25 | 中国人民解放军火箭军工程大学 | 一种基于眉部和眼部关键点信息的疲劳检测方法 |
US20200065596A1 (en) * | 2019-08-21 | 2020-02-27 | Lg Electronics Inc. | Control method of autonomous vehicle |
JP2021086161A (ja) * | 2019-11-25 | 2021-06-03 | オムロン株式会社 | 危険度推定装置、車載装置、危険度推定方法、および危険度推定プログラム |
DE102020102700A1 (de) * | 2020-02-04 | 2021-08-05 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Steuereinheit zur Unterstützung eines Fahrers eines Fahrzeugs bei schlechten Sichtverhältnissen |
CN111626272A (zh) * | 2020-07-28 | 2020-09-04 | 长沙超创电子科技有限公司 | 一种基于深度学习的驾驶员疲劳监测系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102022207904B3 (de) | 2022-08-01 | 2023-11-30 | Volkswagen Aktiengesellschaft | Betriebsverfahren für ein Fahrzeug |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108819951B (zh) | 一种考虑驾驶员驾驶技能的人机共驾横向驾驶权分配方法 | |
CN106564495B (zh) | 融合空间和动力学特性的智能车辆安全驾驶包络重构方法 | |
CN111775949B (zh) | 一种人机共驾控制系统的个性化驾驶员转向行为辅助方法 | |
US9090285B2 (en) | Method for providing a lanekeeping assistance based on modifying mechanical sources of steering torques | |
CN110001782A (zh) | 自动换道方法、系统及计算机可读存储介质 | |
CN105857306A (zh) | 一种用于多种泊车场景的车辆自主泊车路径规划方法 | |
CN104494600B (zh) | 一种基于svm算法的驾驶员意图识别方法 | |
US8670905B2 (en) | Vehicle stability control method and system | |
US20170021812A1 (en) | Vehicle acceleration and deceleration control device | |
CN111332362B (zh) | 一种融合驾驶员个性的智能线控转向控制方法 | |
CN105882749A (zh) | 驾驶员注意力状态判定装置 | |
CN113291286B (zh) | 基于弯道横摆稳定性的辅助驾驶系统及其控制方法 | |
CN106740873A (zh) | 一种侧翻预警系统及其预警方法 | |
CN109624976A (zh) | 一种车辆的车道保持控制方法及系统 | |
CN110356398A (zh) | 一种车速调整方法、装置、控制器及汽车 | |
CN110641465A (zh) | 一种基于车速的车道保持系统和方法 | |
CN109080627A (zh) | 一种无人驾驶车辆转弯行驶时侧向力控制方法 | |
CN114162119A (zh) | 汽车高级驾驶辅助系统横向控制方法、设备、介质、产品 | |
CN108407803A (zh) | 一种基于驾驶经验的自动泊车控制算法 | |
Freeman et al. | A comparison of multiple control strategies for vehicle run-off-road and return | |
CN116495002A (zh) | 车辆行驶控制方法、装置、电子设备、存储介质及车辆 | |
Jiang et al. | Shared-control for the lateral motion of vehicles | |
Doi et al. | Steering-assist control system on curved road using car-to-car communication | |
Sarshar et al. | A novel system for advanced driver assistance systems | |
CN112339508A (zh) | 基于偏航率的滚动半径补偿方法及装置、存储介质 |
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 |