CN114941710B - 一种无人驾驶矿车档位切换控制方法 - Google Patents

Abstract

本发明提供了一种无人驾驶矿车档位切换控制方法及系统。该方法包括：基于初始规划、实时路况信息以及车辆状态信息进行档位切换；其中包括：获取实时图像信息，将实时图像与预设图像对比，判断矿车当前所处行驶区域，设置初始规划；根据实时图像获取实时路况信息，其中实时路况信息包括障碍物信息；实时获取车辆状态信息；根据初始规划、实时路况信息以及车辆状态信息进行档位切换，上述方法能够更加高效灵活的进行档位切换，使矿车行驶更加平稳安全。

Description

一种无人驾驶矿车档位切换控制方法

技术领域

本发明属于无人驾驶的智能控制技术领域，特别涉及一种无人驾驶矿车档位切换控制方法及系统。

背景技术

无人驾驶涉及环境感知，定位，决策规划，执行控制等技术领域，其中车辆运动控制作为智能驾驶车辆系统的车端执行层，直接关系着智能驾驶功能的最终实现。车辆运动控制是执行控制中最核心的部分，通过控制车辆的车速，以保证车辆的稳定，安全，行驶。现如今的无人驾驶车辆，还处于研发设计探索阶段，尤其是在特定区域内地形较为复杂的情况下，更加困难。在采矿和采石业中，矿用卡车是高效、高产运营的关键，因此，在矿车实际行驶过程中，为了更好跟随期望加速度并且保证车辆发动机的工作平稳以及安全性，往往会伴随着档位的切换。如CN110758416A公开了一种无人驾驶矿车档位限制的控制系统及控制方法，其通过预设考虑多种情况，将档位控制的更加精确，如CN111866809 A公开了一种无人矿卡远程遥控驾驶系统，其通过提供视频和音频的方式，提高了无人驾驶的安全性。但是以上都没有解决如何综合考虑根据实时路况障碍物信息，结合预设条件进行档位切换的问题。

发明内容

针对上述技术中存在的缺陷，本发明提出了一种基于初始规划、实时路况信息以及车辆状态信息进行档位切换方法，以解决上述问题。

根据本发明一方面，提出了1、一种无人驾驶矿车档位切换控制方法，基于初始规划、实时路况信息以及车辆状态信息进行档位切换；其中包括：

步骤S1：获取实时图像信息，将实时图像与预设图像对比，判断矿车当前所处行驶区域，设置初始规划；

步骤S2：根据实时图像获取实时路况信息，其中实时路况信息包括障碍物信息；

步骤S3：实时获取车辆状态信息；

步骤S4：根据初始规划、实时路况信息以及车辆状态信息进行档位切换。

优选的，所述S1，获取实时图像信息，将实时图像与预设图像对比，判断矿车当前所处行驶区域，设置初始规划包括：

步骤S11：获取实时图像，判断实时图像中是否包含特定标记信息；

步骤S12：若包含特殊标记信息，则将该图像与预设图像进行比对；

步骤S13：根据比对结果确定行驶区域；

步骤S14：根据行驶区域，设置初始挡位规划方式。

优选的，步骤S13：根据比对结果确定行驶区域包括：

判断否属于特殊场景或特殊路况，若是，则为低速行驶区域；否则为常规行使区域。

优选的，所述步骤S14，根据行驶区域，设置初始挡位规划方式包括：

车辆在常规行驶区时，不限定档位上限，根据矿车中提前保存的常规行驶区域的最佳档位切换策略，实现档位的自动切换；车辆即将进入低速行驶区内时，提前进行减速行驶；设定最高档位上限位1<＝N<＝3档，在上述档位限制的基础上，根据矿车中提前保存的低速行驶区域的最佳档位切换策略，实现档位的自动切换。

优选的，所述步骤S2：根据实时图像获取实时路况信息，其中实时路况步骤S21：信息包括障碍物信息包括：

根据上述采集到的实时图像获取路况信息，判断道路中是否存在行人、前方车辆，信号灯或其他静止障碍物。

优选的，步骤S21还包括：

步骤S211：获取不同障碍物样本图像；

步骤S212：将其输入神经网络模型中，进行训练，获得符合条件的检测模型；

步骤S213：实时获取路况信息通过检测模型判断障碍物的类型。

优选的，所述步骤S3，实时获取车辆状态信息，其中车辆状态信息包括：当前的车速、档位以及是否重载，还包括如下步骤；

步骤S31：获取车辆是否进行重载；

步骤S32：获取当前车辆行驶速度；

步骤S33：获取当前车辆挡位。

优选的，所述步骤S4：根据初始规划、实时路况信息以及车辆状态信息进行档位切换包括：

当处于常规行驶区域中时，根据判断的障碍物类型，当障碍物为穿越的行人，且车辆为重载、高速、高档时，则在S距离进行减速，并且从高档逐渐切换到低档，限定最高档位上限为N1，避开障碍物后，恢复正常行驶；

当处于常规行驶区域中时，根据判断的障碍物类型，当障碍物为前方车辆，且车辆为重载、高速、高档时，则在S1距离进行减速，保持速度于前方车辆相同或略小于前方车辆，当速度小于v时，从高档逐渐切换到相应挡位，当速度大于v时，不进行切换，无需进行档位限定；

当处于常规行驶区域中时，根据判断的障碍物类型，当障碍物为信号灯时，且车辆为重载、高速、高档时，则在S2距离进行减速，直至停车，并从高档逐渐切换，限定最高档位上限为N2，穿过信号灯后，恢复正常行驶；

当处于常规行驶区域中时，根据判断的障碍物类型，当障碍物为静止物时，且车辆为重载、高速、高档时，则在S3距离进行减速，直至停车，并从高档逐渐切换，限定最高档位上限为N3，等待时间超过一定阈值后，重新规划行驶路线；

其中S>S2＝S3>S1；N1<N2<N3；

基于上述相同的操作，根据车辆状态，设置不同的距离阈值进行车辆速度的改变以及挡位的切换。

优选的，所述步骤S4：根据初始规划、实时路况信息以及车辆状态信息进行档位切换包括：

当处于低速行驶区时，始终保持挡位切换于3档以下，同时根据路况信息及车辆状态信息，进行1-3档的切换，具体包括：

当处于低速行驶区时，根据判断的障碍物类型，当障碍物为穿越的行人，且车辆为重载时，则在S’距离进行减速，并且从高档逐渐切换到低档，限定最高档位上限为N1’<2，避开障碍物后，恢复正常行驶；

当处于低速行驶区时，根据判断的障碍物类型，当障碍物为前方车辆，且车辆为重载时，则在S1’距离进行减速，保持速度于前方车辆相同或略小于前方车辆，当速度小于v时，降低档位，当速度大于v时，不进行切换；

当处于低速行驶区时，根据判断的障碍物类型，当障碍物为信号灯时，且车辆为重载时，则在S2’距离进行减速，直至停车，穿过信号灯后，恢复正常行驶；

当处于低速行驶区时，根据判断的障碍物类型，当障碍物为静止物时，且车辆为重载时，则在S3距离进行减速，直至停车，等待时间大于一定阈值后，重新规划行驶路线；

其中S’>S2’＝S3’>S1’，根据不同类型的障碍物，限定不同的最高档位与换挡距离，优先确保行人安全。

本发明所达到的有益效果：

相对于现有技术本发明具有如下有益效果：

1.通过获取实时图像信息，预先确定了特殊场景或特殊路况信息，预先设置了初始规划，对无人驾驶进行了高效的规划。

2.初始规划时考虑到低速行驶区危险性大，再最高档位限定的基础上，根据预设的档位切换策略进行档位切换，提高了行驶的安全性。

3.基于矿车行驶的特殊环境，提出通过实时图像与预设图像比对的方式，确定行驶区域，进而获得档位切换策略，在保证行驶安全的前提下，提高了效率。

4.通过获取的实时图像，可同时获得行驶区域信息以及路况信息，提高了信息利用率。

5.档位切换中同时考虑了行驶区域、障碍物类型以及车辆参数，提高了自动驾驶的安全性。

附图说明

通过结合附图对本发明实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明，并不构成对本发明的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1示出根据本发明一个实施例的无人驾驶矿车档位切换控制方法的示意性框图。

具体实施方式

为了使得本发明的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。

为了解决上文所述的问题，提出了一种无人驾驶矿车档位切换控制系统方法及系统。具体的，本发明实施例提出一种基于初始规划、实时路况信息以及车辆状态信息进行档位切换方法及系统，基于矿区中路况以及行驶路线基本固定，通过在预设位置设置标记物，矿车首次驾驶时为有人驾驶，驾驶过程中采集到的标记物图像并保存，根据图像信息判断当前路况，如为转弯或上坡，将图像信息与路况信息一一对应进行保存，记录不同路况下的档位切换策略，无人驾驶中，将实时采集到的图像信息与保存的图像信息进行比对，根据比对结果判断路况信息，并读取已保存的档位切换策略，结合路上是否存在障碍物以及车辆状态信息，自动调整档位，进行档位切换。

具体步骤如下：

首先采集实时图像信息，将实时图像与预设图像对比，判断矿车当前所处行驶区域，设置初始规划；然后根据上述实时图像获取实时路况信息，其中实时路况信息包括障碍物信息；同时实时获取车辆状态信息；根据初始规划、实时路况信息以及车辆状态信息进行档位切换。

下面参考图1来描述根据本发明实施例的一种无人驾驶矿车档位切换控制方法，该方法包括：基于初始规划、实时路况信息以及车辆状态信息进行档位切换；其中，

步骤S1：获取实时图像信息，将实时图像与预设图像对比，判断矿车当前所处行驶区域，设置初始规划；

步骤S2：根据实时图像获取实时路况信息，其中实时路况信息包括障碍物信息；

步骤S3：实时获取车辆状态信息；

步骤S4：根据初始规划、实时路况信息以及车辆状态信息进行档位切换。

在步骤S1，获取实时图像信息，将实时图像与预设图像对比，判断矿车当前所处行驶区域，设置初始规划包括：

步骤S11：获取实时图像，判断实时图像中是否包含特定标记信息；

步骤S12：若包含特殊标记信息，则将该图像与预设图像进行比对；

步骤S13：根据比对结果确定行驶区域，如是否属于特殊场景或特殊路况；

在图像中包含特殊标记信息时才进行对比，而非针对获取的每个实时图像均进行比对，提高了处理的效率；其中特殊场景包括等待装货区域、装货区域、卸货区域，等待卸货区域。运输路径为常规场景。其中特殊路况包括：上坡、下坡、转弯。

步骤S14：根据行驶区域，设置初始挡位规划方式。

根据不同的档位设定一系列车速阈值，对于6档AMT变速箱来说，如1档对应阈值V1，2档对应阈值V2，同理3档对应有阈值V3，4挡对应有阈值V4，5档对应有阈值V5和6档对应有阈值V6。特殊场景或特殊路况区即低速行驶区，挡位设定在3档之内，不同档位车速阈值V1、V2和V3-V6的设定根据具体的车辆变速箱换档策略而定，其范围自定义，大于零即可；无特殊情况则为常规行驶区域。

初始挡位规划方式包括：车辆在常规行驶区时，不限定档位上限，根据矿车中提前保存的行驶区域的最佳档位切换策略，获取对应的档位切换策略，实现档位的自动切换；车辆即将进入低速行驶区内时，提前进行减速行驶；设定最高档位上限位N(N大于等于1，小于等于3)档，在上述档位限制的基础上，根据矿车中提前保存的行驶区域的最佳档位切换策略，获取对应的档位切换策略，实现档位的自动切换。

在步骤S2，获取实时路况信息，其中实时路况信息包括障碍物信息包括：

步骤S21：根据上述采集到的实时图像获取路况信息，判断道路中是否存在障碍物。

其中，障碍物包括：行人、前方车辆，信号灯或其他静止障碍物。

步骤S21还包括：

步骤S211：获取不同障碍物样本图像；

步骤S212：将其输入神经网络模型中，进行训练，获得符合条件的检测模型；

步骤S213：实时获取路况信息通过检测模型判断是否存在障碍物以及障碍物的类型；

步骤S22：获取步骤S1中得到的行驶区域信息；

其中行驶区域包括低速行驶区和常规行驶区，其中常规行驶区为常规场景中行驶。

在步骤S3，实时获取车辆状态信息包括：

其中车辆状态信息包括：当前的车速、档位以及是否重载。

步骤S31：获取车辆是否进行重载；

步骤S32：获取当前车辆行驶速度；

步骤S33：获取当前车辆挡位；

步骤S4：根据初始规划、实时路况信息以及车辆状态信息进行档位切换包括：

当处于常规场景中时，根据判断的障碍物类型，当障碍物为穿越的行人，且车辆为重载、高速、高档时，则在S距离进行减速，并且从高档逐渐切换到低档，限定最高档位上限为N1，避开障碍物后，恢复正常行驶。

当处于常规场景中时，根据判断的障碍物类型，当障碍物为前方车辆，且车辆为重载、高速、高档时，则在S1距离进行减速，保持速度于前方车辆相同或略小于前方车辆，当速度小于v时，从高档逐渐切换到相应挡位，当速度大于v时，不进行切换，无需进行档位限定。

当处于常规场景中时，根据判断的障碍物类型，当障碍物为信号灯时，且车辆为重载、高速、高档时，则在S2距离进行减速，直至停车，并从高档逐渐切换，限定最高档位上限为N2，穿过信号灯后，恢复正常行驶。

当处于常规场景中时，根据判断的障碍物类型，当障碍物为静止物时，且车辆为重载、高速、高档时，则在S3距离进行减速，直至停车，并从高档逐渐切换，限定最高档位上限为N3，等待时间超过一定阈值后，重新规划行驶路线。

其中S>S2＝S3>S1；N1<N2<N3,通过此种方式，根据不同类型的障碍物，限定不同的最高档位与换挡距离，优先确保行人安全。

基于上述相同的操作，根据车辆状态，设置不同的距离阈值进行车辆速度的改变以及挡位的切换。

当处于低速行驶区时，始终保持挡位切换于3档以下，同时根据路况信息及车辆状态信息，进行1-3档的切换，具体包括：

当处于低速行驶区时，根据判断的障碍物类型，当障碍物为穿越的行人，且车辆为重载时，则在S’距离进行减速，并且从高档逐渐切换到低档，限定最高档位上限为N1’<2，避开障碍物后，恢复正常行驶。

当处于低速行驶区时，根据判断的障碍物类型，当障碍物为前方车辆，且车辆为重载时，则在S1’距离进行减速，保持速度于前方车辆相同或略小于前方车辆，当速度小于v时，降低档位，当速度大于v时，不进行切换。

当处于低速行驶区时，根据判断的障碍物类型，当障碍物为信号灯时，且车辆为重载时，则在S2’距离进行减速，直至停车，穿过信号灯后，恢复正常行驶。

当处于低速行驶区时，根据判断的障碍物类型，当障碍物为静止物时，且车辆为重载时，则在S3距离进行减速，直至停车，等待时间大于一定阈值后，重新规划行驶路线。

其中S’>S2’>S1’，根据不同类型的障碍物，限定不同的最高档位与换挡距离，优先确保行人安全。

本实施例中，通过实时图像与预设图像的对比，确定行驶区域，并预先设置初始规划，对无人驾驶进行了高效的规划；同时，实时图像信息可同步获取实时的路况信息，其中实时路况信息包括障碍物信息，根据实时获取的信息以及车辆信息综合考虑，更加高效灵活的进行档位切换，使矿车形式更加平稳安全。

尽管本文已经参考附图描述了示例实施例，应理解上述示例实施例仅仅是示例性的，并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改，而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该本发明的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如相应的权利要求书所反映的那样，其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。本领域的技术人员可以理解，除了特征之间相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的组件或步骤。位于组件之前的单词“一”或“一个”不排除存在多个这样的组件。本发明可以借助于包括有若干不同组件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

以上所述，仅为本发明的具体实施方式或对具体实施方式的说明，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。

Claims (6)

1.一种无人驾驶矿车档位切换控制方法，基于初始规划、实时路况信息以及车辆状态信息进行档位切换；其中包括：

步骤S1：获取实时图像信息，将实时图像与预设图像对比，判断矿车当前所处行驶区域，设置初始规划；

步骤S2：根据实时图像获取实时路况信息，其中实时路况信息包括障碍物信息，具体为：根据实时图像判断道路中是否存在行人、前方车辆、信号灯或其他静止障碍物；

步骤S3：实时获取车辆状态信息；

步骤S4：根据初始规划、实时路况信息以及车辆状态信息进行档位切换；

所述步骤S4：根据初始规划、实时路况信息以及车辆状态信息进行档位切换包括：

当处于常规行驶区域中时，根据判断的障碍物类型，当障碍物为穿越的行人，且车辆为重载、高速、高档时，则在S距离进行减速，并且从高档逐渐切换到低档，限定最高档位上限为N1，避开障碍物后，恢复正常行驶；

当处于常规行驶区域中时，根据判断的障碍物类型，当障碍物为前方车辆，且车辆为重载、高速、高档时，则在S1距离进行减速，保持速度与前方车辆相同或略小于前方车辆，

当速度小于所在档位对应的速度阈值v时，从高档逐渐切换到相应档位，当速度大于所在档位对应的速度阈值v时，不进行切换，无需进行档位限定；

当处于常规行驶区域中时，根据判断的障碍物类型，当障碍物为信号灯时，且车辆为重载、高速、高档时，则在S2距离进行减速，直至停车，并从高档逐渐切换，限定最高档位上限为N2，穿过信号灯后，恢复正常行驶；

当处于常规行驶区域中时，根据判断的障碍物类型，当障碍物为静止物时，且车辆为重载、高速、高档时，则在S3距离进行减速，直至停车，并从高档逐渐切换，限定最高档位上限为N3，等待时间超过一定阈值后，重新规划行驶路线；

其中S>S2>S1，且S2＝S3；N1<N2<N3；

基于上述相同的操作，根据车辆状态，设置不同的距离阈值进行车辆速度的改变以及档位的切换；

当处于低速行驶区时，始终保持档位切换于3档以下，同时根据路况信息及车辆状态信息，进行1-3档的切换，具体包括：

当处于低速行驶区时，根据判断的障碍物类型，当障碍物为穿越的行人，且车辆为重载时，则在S’距离进行减速，并且从高档逐渐切换到低档，限定最高档位上限为N1’<2，避开障碍物后，恢复正常行驶；

当处于低速行驶区时，根据判断的障碍物类型，当障碍物为前方车辆，且车辆为重载时，则在S1’距离进行减速，保持速度与前方车辆相同或略小于前方车辆，当速度小于所在档位对应的速度阈值v时，降低档位，当速度大于所在档位对应的速度阈值v时，不进行切换；

当处于低速行驶区时，根据判断的障碍物类型，当障碍物为信号灯时，且车辆为重载时，则在S2’距离进行减速，直至停车，穿过信号灯后，恢复正常行驶；

当处于低速行驶区时，根据判断的障碍物类型，当障碍物为静止物时，且车辆为重载时，则在S3’距离进行减速，直至停车，等待时间大于一定阈值后，重新规划行驶路线；

其中S’>S2’>S1’，且S2’＝S3’，根据不同类型的障碍物，限定不同的最高档位与换档距离，优先确保行人安全。

2.如权利要求1所述的无人驾驶矿车档位切换控制方法，所述步骤S1，获取实时图像信息，将实时图像与预设图像对比，判断矿车当前所处行驶区域，设置初始规划包括：

步骤S11：获取实时图像，判断实时图像中是否包含特定标记信息；

步骤S12：若包含特殊标记信息，则将该图像与预设图像进行比对；

步骤S13：根据比对结果确定行驶区域；

步骤S14：根据行驶区域，设置初始档位规划方式。

3.如权利要求2所述的无人驾驶矿车档位切换控制方法，步骤S13：根据比对结果确定行驶区域包括：

判断否属于特殊场景或特殊路况，若是，则为低速行驶区域；否则为常规行使区域。

4.如权利要求3所述的无人驾驶矿车档位切换控制方法，所述步骤S14，根据行驶区域，设置初始档位规划方式包括：

车辆在常规行驶区时，不限定档位上限，根据矿车中提前保存的常规行驶区域的最佳档位切换策略，实现档位的自动切换；车辆即将进入低速行驶区内时，提前进行减速行驶；设定最高档位上限位1≤N≤3档，在上述档位限制的基础上，根据矿车中提前保存的低速行驶区域的最佳档位切换策略，实现档位的自动切换。

5.如权利要求1所述的无人驾驶矿车档位切换控制方法，步骤S2还包括：

步骤S211：获取不同障碍物样本图像；

步骤S212：将其输入神经网络模型中，进行训练，获得符合条件的检测模型；

步骤S213：实时获取路况信息通过检测模型判断障碍物的类型。

6.如权利要求5所述的无人驾驶矿车档位切换控制方法，所述步骤S3，实时获取车辆状态信息，其中车辆状态信息包括：当前的车速、档位以及是否重载，还包括如下步骤；

步骤S31：获取车辆是否进行重载；

步骤S32：获取当前车辆行驶速度；

步骤S33：获取当前车辆档位。