CN115892063A - 一种无人驾驶商用车路况监控及应对方法 - Google Patents

Abstract

本发明涉及一种无人驾驶商用车路况监控及应对方法，该方法通过机器视觉和深度学习建立实时路面崎岖坑洼检测系统，采集崎岖坑洼路面图像判断车辆前方是否进入颠簸路面，若车辆前方进入颠簸路面则通过获取无人驾驶车辆实时的车身姿态信号、方向盘转角信号和气囊高度信号，进一步判断当前路面是否为颠簸崎岖路面，对颠簸崎岖路况进行实时分析，无人驾驶车辆根据分析结果进行应对，以提高车辆稳定性。

Description

一种无人驾驶商用车路况监控及应对方法

技术领域

本发明属于无人驾驶路面监控技术领域，具体涉及一种无人驾驶商用车路况监控及应对方法。

背景技术

路面崎岖坑洼是由于道路的磨损和风化而形成的。它们不仅给市民带来不适，还会造成由交通事故引发的死亡。据了解，美国每年有超过2000起因崎岖坑洼和恶劣路况造成的致命事故。目前，卡车司机在道路颠簸等复杂路况行驶时需要自己主动操作，比如减速，轻微调整方向盘等操作去调节、维持车辆的稳定性。

无人驾驶车辆是未来车辆发展的方向，相较于传统车辆，无人驾驶车辆能够帮助驾驶员减轻疲劳，提高安全性能。现阶段，对于无人驾驶环境感知的研究主要还停留在计算机AI领域和自动控制领域，而对道路路面状况识别的研究则少之又少，忽略了无人驾驶汽车最终还是在路面上行驶这一关键点。在实际环境下，很多道路由于年代较长，或者出现道路交通事故，容易造成道路损坏，例如，道路出现断面(例如，水沟)、某一块凹陷、道路凸起、石头等非常规道路，这种情况下，如果仍然按照原来的速度和前进方向行驶，很容易造成车辆出现损伤、碰撞，使得无人驾驶车辆损伤较大，影响车辆正常使用。无人驾驶时，遇到这种复杂路况现有的无人驾驶系统无法及时识别并作出应对。

发明内容

本发明的目的在于，针对现有技术存在的缺陷，提出一种通过无人驾驶商用车路况监控及应对方法，通过摄像头获取路面信息，对行驶路面环境中的数据进行处理，能够实时感知路面情况，提高无人驾驶车辆的安全性能。

为了达到以上目的，本发明提供一种无人驾驶商用车路况监控及应对方法，包括以下步骤：

步骤一、通过机器视觉和深度学习建立实时路面崎岖坑洼检测系统，该系统包括传感器组合、摄像头组合和控制单元，所述摄像头组合，用来实时拍摄车辆行驶时的路面图像；

所述传感器组合，用来测量车辆当前的车身姿态、方向盘转角和气囊高度；

所述控制单元，用来对摄像头拍摄的图像进行识别，以识别出路面崎岖坑洼，判断路面是否为颠簸路面；同时用从传感器获取的车身姿态、方向盘转角和气囊高度，进一步判断路面是否为颠簸崎岖路面；

步骤二、采集崎岖坑洼路面图像并将采集的崎岖坑洼路面图像输送至控制单元，控制单元根据崎岖坑洼路面图像对视觉模型进行训练，然后通过摄像头组合对车辆前方的路面进行实时图像采集，并将采集的图像信息输送至控制单元的视觉模型，以识别路面状况，判断车辆前方是否进入颠簸路面，若车辆前方进入颠簸路面则进入步骤三，否则继续通过摄像头对路面进行实时监测以判断车辆前方是否即将进入颠簸路面；

步骤三、控制单元通过传感器组合获取无人驾驶车辆实时的车身姿态信号、方向盘转角信号和气囊高度信号，进一步判断当前路面是否为颠簸崎岖路面，以确认路况，若当前路面为颠簸崎岖路面则进入步骤四，否则返回步骤二；

步骤四、控制单元对路况进行实时分析，判断此时路况是否可以通行，若此时路况遭遇严重情况而导致车辆无法通行，则控制单元控制无人驾驶车辆减速至停止行驶并通过无人驾驶车辆的人机交互界面提示当前路况无法通行，请求驾驶员接管车辆；若此时路况判断为路面崎岖可以通行，则控制单元控制整车进行横纵向控制，以提高车辆稳定性。

上述步骤四中，路面遭遇严重情况无法通行的情况包含巨大坑洞，高起土堆，巨大障碍物阻碍通行三种情况。障碍物大到车辆无法压过时还需要通过障碍物边缘与道路边缘的空余距离判断是否可以通行。

本发明进一步的采用如下技术方案：

优选地，所述摄像头组合包括长距离激光雷达、长焦摄像头、中焦摄像头、广角摄像头、后视中焦摄像头、侧视广角摄像头和智能摄像头，所述长距离激光雷达安装在无人驾驶车辆的驾驶室上方，用来监测车辆周边路况，所述长焦摄像头、中焦摄像头、广角摄像头均安装在驾驶室正中心位置靠近前方挡风玻璃处，用来监测车辆前方路况，所述后视中焦摄像头、侧视广角摄像头安装在车辆左、右后视镜下方，用来监测车辆左右两侧及后方路况，所述智能摄像头安装在车辆驾驶室正中央位置并位于长焦摄像头、中焦摄像头、广角摄像头的下方，用来监测车辆前方路况；

所述传感器组合包括车身姿态传感器、方向盘转角传感器和气囊悬架高度传感器，所述车身姿态传感器安装在无人驾驶车辆的驾驶室后排座椅下方，用来采集车身的姿态信号，车身的姿态信号包括车身俯仰角和横滚角；

所述方向盘转角传感器安装在方向盘的转向管柱上，用来采集方向盘的转角信号；

所述气囊高度传感器安装在底盘纵梁上，用来采集气囊的高度信号。

优选地，所述无人驾驶车辆上设有车载T-BOX设备，所述长距离激光雷达、长焦摄像头、中焦摄像头、广角摄像头、后视中焦摄像头、侧视广角摄像头、智能摄像头、车身姿态传感器、方向盘转角传感器和气囊高度传感器分别通过车载T-BOX设备与控制单元连接，所述控制单元又通过车载T-BOX设备与无人驾驶车辆智驾系统的总控制器连接。

所述步骤三中，颠簸崎岖路面必须符合以下条件之一：

（1）车身姿态传感器检测到的车身姿态信号出现剧烈变化；

（2）方向盘转角信号检测到的方向盘的转角信号不断跳动；

（3）气囊高度传感器采集的气囊高度信号出现波动。

本发明进一步的通过传感器采集车身姿态、方向盘转角、气囊高度等信息来判断路面状况，判断更精准，避免了仅靠目前的视觉判断结果出现误差的问题。同时当摄像头出现故障时，本发明通过传感器可以做一个冗余判断，结合车身稳定的相关信号对后续车辆控制会更精准。

进一步的，所述步骤三中，当车身的俯仰角和横摆率的变动幅度均大于10%时，说明车身姿态信号出现剧烈变化；

当方向盘的转角信号值变化量小于10%时，说明方向盘转角出现小幅度快速抖动，即方向盘的转角信号不断跳动；

当气囊的高度信号调整频率大于1S/次时，说明气囊高度信号出现波动。

所述步骤四中，控制单元对路况进行分析的方式是控制单元通过摄像头实时采集的图像信息判断当前路面是否有障碍物，若检测到路面没有障碍物，则停车检查车辆是否故障而导致车辆颠簸；若检测到路面有障碍物，则进一步判断障碍物是否阻碍车辆前进路线，若障碍物阻碍车辆前进路线且车辆变道也无法通过，则控制车辆减速至停止行驶，然后通过人机交互界面提示驾驶员路况无法通行，请求驾驶员接管车辆；若障碍物不阻碍车辆前进路线或车辆通过变道功能也可以实现通行，则控制单元控制车辆继续直行或变道行驶。

所述步骤四中，无人驾驶车辆智驾系统的总控制器通过自适应巡航控制系统降低车速，对转向机申请转向补偿，以方便对车辆横向以及纵向进行稳定性控制，进而提高车辆稳定性，同时控制单元通过无人驾驶车辆的人机交互界面提示路况较差，提醒驾驶员谨慎驾驶。

所述步骤四中，控制单元将颠簸崎岖的复杂路况信息上传至云端，并分享给其他车辆。

在所述步骤二之前还有如下操作：对车辆进行检测，并判断是否出现故障，若检测环节出现故障，则上报车辆管理系统并停止检测，若检测环节没有出现故障，则表明车辆正常，继续步骤二。

所述车辆检测的方法如下：首先通过自车的传感器以及驾驶员驾驶信号判断是否符合自检的工况，进而对制动系统进行自检，如果制动系统自检结果异常，则需要通过人机交互系统及时提示驾驶员，并对故障类型进行判断，以确定是否进行处理，若需要进行处理则立即处理以避免紧急情况的发生，否则进入步骤二。

本发明的优点如下：

（1）通过摄像头和雷达对路面进行实时监测，以识别路况并实时对路况进行判断；

（2）针对车辆在经过颠簸路面时稳定性较差的问题，对车辆进行横纵向控制，以提高车辆的稳定性和安全性；

（3）通过V2X将路况信息上传至云端，使其他车辆可以提前了解前方路况并作出应对，解决了路况信息无法提前得知的问题。

附图说明

下面结合附图对本发明作进一步的说明。

图1为本发明的原理图。

具体实施方式

实施例一

如图1所示，一种无人驾驶商用车路况监控及应对方法，包括以下步骤：

步骤一、通过机器视觉和深度学习建立实时路面崎岖坑洼检测系统，该系统包括传感器组合、摄像头组合和控制单元，摄像头组合，用来实时拍摄车辆行驶时的路面图像；

传感器组合，用来测量车辆当前的车身姿态、方向盘转角和气囊高度；

控制单元，用来对摄像头拍摄的图像进行识别，以识别出路面崎岖坑洼，判断路面是否为颠簸路面；同时用从传感器获取的车身姿态、方向盘转角和气囊高度，进一步判断路面是否为颠簸崎岖路面。

其中，摄像头组合包括长距离激光雷达、长焦摄像头、中焦摄像头、广角摄像头、后视中焦摄像头、侧视广角摄像头和智能摄像头，长距离激光雷达安装在无人驾驶车辆的驾驶室上方，用来监测车辆周边路况，长焦摄像头、中焦摄像头、广角摄像头均安装在驾驶室正中心位置靠近前方挡风玻璃处，用来监测车辆前方路况，后视中焦摄像头、侧视广角摄像头分别安装在车辆左、右后视镜下方，两侧各一个后视中焦摄像头、侧视广角摄像头，用来监测车辆左右两侧及后方路况，智能摄像头安装在车辆驾驶室正中央位置并位于长焦摄像头、中焦摄像头、广角摄像头的下方，用来监测车辆前方路况。

传感器组合包括车身姿态传感器、方向盘转角传感器和气囊悬架高度传感器，车身姿态传感器（又称惯性测量单元，简称IMU）安装在无人驾驶车辆的驾驶室后排座椅下方，用来采集车身的姿态信号，车身的姿态信号包括车身俯仰角和横滚角；方向盘转角传感器安装在方向盘的转向管柱上，用来采集方向盘的转角信号；气囊高度传感器安装在车辆底盘纵梁上，用来采集气囊的高度信号。

无人驾驶车辆上设有车载T-BOX设备，长距离激光雷达、长焦摄像头、中焦摄像头、广角摄像头、后视中焦摄像头、侧视广角摄像头、智能摄像头、车身姿态传感器、方向盘转角传感器和气囊高度传感器分别通过车载T-BOX设备与控制单元连接，控制单元又通过车载T-BOX设备与无人驾驶车辆智驾系统的总控制器连接。

对车辆进行检测，并判断是否出现故障，若检测环节出现故障，则上报车辆管理系统并停止检测，若检测环节没有出现故障，则表明车辆正常，继续步骤二。

上述车辆检测的方法如下：首先通过自车的传感器以及驾驶员驾驶信号判断是否符合自检的工况，进而对制动系统进行自检，如果制动系统自检结果异常，则需要通过人机交互系统及时提示驾驶员，并对故障类型进行判断，以确定是否进行处理，若需要进行处理则立即处理以避免紧急情况的发生，否则进入步骤二。

步骤二、采集崎岖坑洼路面图像并将采集的崎岖坑洼路面图像输送至控制单元，控制单元根据崎岖坑洼路面图像对视觉模型进行训练，然后通过摄像头组合对车辆前方的路面进行实时图像采集，并将采集的图像信息输送至控制单元的视觉模型，以识别路面状况，判断车辆前方是否进入颠簸路面，若车辆前方进入颠簸路面则进入步骤三，否则继续通过摄像头对路面进行实时监测以判断车辆前方是否即将进入颠簸路面。

本发明可以根据一种基于卷积神经网络(CNN)的路面识别系统PvmtTPNet对路况进行识别，该系统具有可接受的一致性、准确性并且高效自动识别路面类型。该系统通过选取沥青混凝土路面(AC)、接缝素混凝土路面(JPCP)和连续钢筋混凝土路面(CRCP)的二维图像，将20%的图片用于模型训练，80%图片用于模型测试。训练过程中，将二维图像缩小到475×512 ，以便提高计算效率。PvmtTPNet由六层组成：三个卷积层、两个全连接层和一个输出层。PvmtTPNet的输入端是准备好的二维路面图像，输出层计算出预测的路面类型的概率分布。在每个卷积层中，使用8个大小为13×13的核来提取输入图像的特征，如边缘和形状。对于这两个完全连接的图层，分别实现了32个节点和16个节点，以保存最重要的路面图像的特征。在网络训练过程中，采用了不同技术的组合，根据准备好的二维图像来调整PvmtTPNet内的超参数。对网络的参数进行逐步调整，以减少输出分数与期望分数模式之间的误差，以减少训练损失，提高训练精度。经过广泛的训练，PvmtTPNet能够根据一个得分向量来预测给定的二维图像的路面类型，其中所有类别的最高得分将对应于路面类型。

步骤三、控制单元通过传感器组合获取无人驾驶车辆实时的车身姿态信号、方向盘转角信号和气囊高度信号，进一步判断当前路面是否为颠簸崎岖路面，以确认路况，若当前路面为颠簸崎岖路面则进入步骤四，否则返回步骤二。

颠簸崎岖路面必须符合以下条件之一：

（1）车身姿态传感器检测到的车身姿态信号出现剧烈变化；

（2）方向盘转角信号检测到的方向盘的转角信号不断跳动；

（3）气囊高度传感器采集的气囊高度信号出现波动。

需要注意的是，当车身的俯仰角和横摆率的变动幅度均大于10%时，说明车身姿态信号出现剧烈变化；

当方向盘的转角信号值变化量小于10%时，说明方向盘转角出现小幅度快速抖动，即方向盘的转角信号不断跳动；

当前后气囊的高度信号调整频率大于1S/次时，说明气囊高度信号出现波动。

步骤四、控制单元对路况进行实时分析，判断此时路况是否可以通行，若此时路况遭遇严重情况而导致车辆无法通行，则控制单元控制无人驾驶车辆减速至停止行驶并通过无人驾驶车辆的人机交互界面提示当前路况无法通行，请求驾驶员接管车辆；若此时路况判断为路面崎岖可以通行，则控制单元控制整车进行横纵向控制，以提高车辆稳定性。

上述判断路况是否通行，是通过崎岖及凸起的大小及深度或者高度进行判断的，通过对轮胎尺寸与路面障碍尺寸进行对比得出通过率，若通过率低则判断为不可通行。即通过车型设计的轮胎尺寸，与检测到的坑面尺寸进行对比，当坑洞深度与轮胎尺寸（轮胎尺寸主要是指轮胎高度）之比大于10%时，系统显示通过有风险，需降低车速。当二者比值大于20%时，则提示不可通过，需司机判断。

路面遭遇严重情况无法通行的情况包含巨大坑洞、高起土堆、巨大障碍物阻碍通行三种情况。巨大障碍物阻碍通行是指有大的物体在路中间阻碍通行。当障碍物大到车辆无法压过时，还需要通过障碍物边缘与道路边缘的空余距离判断车辆是否可以通行。

控制单元对路况进行分析的方式是控制单元通过摄像头实时采集的图像信息判断当前路面是否有障碍物，若检测到路面没有障碍物，则停车检查车辆是否故障而导致车辆颠簸；若检测到路面有障碍物，则进一步判断障碍物是否阻碍车辆前进路线，若障碍物阻碍车辆前进路线且车辆变道也无法通过，则控制车辆减速至停止行驶，然后通过人机交互界面提示驾驶员路况无法通行，请求驾驶员接管车辆；若障碍物不阻碍车辆前进路线或车辆通过变道功能也可以实现通行，则控制单元控制车辆继续直行或变道行驶。

无人驾驶车辆智驾系统的总控制器接收上述传感器的信号并进行计算分析，通过自适应巡航控制系统ACC降低车速，对转向机申请转向补偿，以方便对车辆横向以及纵向进行稳定性控制（即当车辆由于颠簸会造成方向盘抖动，会出现左右转动的情况，为了避免车辆跑偏，方向盘往相反方向转动一定角度进行补偿），进而提高车辆稳定性，同时控制单元通过无人驾驶车辆的人机交互界面提示路况较差，提醒驾驶员谨慎驾驶。

控制单元将上述颠簸崎岖的复杂路况信息通过V2X上传至云端，并分享给其他车辆。

本发明通过更全面的检测对路口进行判断，结果更加精确，即通过摄像头及相机对车辆周边环境进行感知。其中，车身姿态传感器，采集车身姿态信号，对车身姿态进行判断。当车辆经过不平路面出现颠簸时，车身会出现剧烈抖动，IMU测量到的姿态信号会出现剧烈变化，因此可以用作监控车身姿态进而判断是否在经过崎岖路面。

方向盘转角传感器，用于采集方向盘的转角信号，进而判断是否由于路面颠簸引起方向盘跳动而导致转角信号抖动。方向盘因为与转向机及转向轴的轮胎是刚性连接，当车辆经过不平路面时，车身的抖动会传导到方向盘，引起方向盘的转角信号出现不断跳动，因此也可以用来判断路口。

气囊高度阀信号，用于采集气囊的高度，进而判断是否由于路面颠簸跳动导致高度阀摆杆上下跳动引起气囊充放气。气囊悬架高度信号是车辆经过不平路面颠簸时，气囊会自动配合车身跳动进行调整，来保证车身整体高度处于一个稳定的情况，比如当后桥跳起，后桥气囊会自动降低高度，保证整车姿态平稳，所以出现气囊高度信号出现波动也可以用作判断是否为路面不平导致。

本发明的方法在遇到颠簸等复杂路况时对整车进行横纵向控制，提高车辆稳定性。并在遇到复杂路况时通过V2X上传至云端，分享给其他驾驶员。在遇到无法躲避的路况时会停车，通过人机交互界面提示驾驶员接管。

除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。

Claims (10)

1.一种无人驾驶商用车路况监控及应对方法，其特征在于，包括以下步骤：

步骤一、通过机器视觉和深度学习建立实时路面崎岖坑洼检测系统，该系统包括传感器组合、摄像头组合和控制单元，所述摄像头组合，用来实时拍摄车辆行驶时的路面图像；

所述传感器组合，用来测量车辆当前的车身姿态、方向盘转角和气囊高度；

所述控制单元，用来对摄像头拍摄的图像进行识别，以识别出路面崎岖坑洼，判断路面是否为颠簸路面；同时用从传感器获取的车身姿态、方向盘转角和气囊高度，进一步判断路面是否为颠簸崎岖路面；

步骤二、采集崎岖坑洼路面图像并将采集的崎岖坑洼路面图像输送至控制单元，控制单元根据崎岖坑洼路面图像对视觉模型进行训练，然后通过摄像头组合对车辆前方的路面进行实时图像采集，并将采集的图像信息输送至控制单元的视觉模型，以判断车辆前方是否进入颠簸路面，若车辆前方进入颠簸路面则进入步骤三，否则继续通过摄像头对路面进行实时监测以判断车辆前方是否即将进入颠簸路面；

步骤三、控制单元通过传感器组合获取无人驾驶车辆实时的车身姿态信号、方向盘转角信号和气囊高度信号，进一步判断当前路面是否为颠簸崎岖路面，若当前路面为颠簸崎岖路面则进入步骤四，否则返回步骤二；

步骤四、控制单元对路况进行实时分析，判断此时路况是否可以通行，若此时路况遭遇严重情况而导致车辆无法通行，则控制单元控制无人驾驶车辆减速至停止行驶并通过无人驾驶车辆的人机交互界面提示当前路况无法通行，请求驾驶员接管车辆；若此时路况判断为路面崎岖可以通行，则控制单元控制整车进行横纵向控制，以提高车辆稳定性。

2.根据权利要求1所述一种无人驾驶商用车路况监控及应对方法，其特征在于，所述摄像头组合包括长距离激光雷达、长焦摄像头、中焦摄像头、广角摄像头、后视中焦摄像头、侧视广角摄像头和智能摄像头，所述长距离激光雷达安装在无人驾驶车辆的驾驶室上方，用来监测车辆周边路况，所述长焦摄像头、中焦摄像头、广角摄像头均安装在驾驶室正中心位置靠近前方挡风玻璃处，用来监测车辆前方路况，所述后视中焦摄像头、侧视广角摄像头安装在车辆左、右后视镜下方，用来监测车辆左右两侧及后方路况，所述智能摄像头安装在车辆驾驶室正中央位置并位于长焦摄像头、中焦摄像头、广角摄像头的下方，用来监测车辆前方路况；

所述传感器组合包括车身姿态传感器、方向盘转角传感器和气囊悬架高度传感器，所述车身姿态传感器安装在无人驾驶车辆的驾驶室后排座椅下方，用来采集车身的姿态信号，车身的姿态信号包括车身俯仰角和横滚角；

所述方向盘转角传感器安装在方向盘的转向管柱上，用来采集方向盘的转角信号；

所述气囊高度传感器安装在底盘纵梁上，用来采集气囊的高度信号。

3.根据权利要求2所述一种无人驾驶商用车路况监控及应对方法，其特征在于，所述无人驾驶车辆上设有车载T-BOX设备，所述长距离激光雷达、长焦摄像头、中焦摄像头、广角摄像头、后视中焦摄像头、侧视广角摄像头、智能摄像头、车身姿态传感器、方向盘转角传感器和气囊高度传感器分别通过车载T-BOX设备与控制单元连接，所述控制单元又通过车载T-BOX设备与无人驾驶车辆智驾系统的总控制器连接。

4.根据权利要求3所述一种无人驾驶商用车路况监控及应对方法，其特征在于，所述步骤三中，颠簸崎岖路面必须符合以下条件之一：

（1）车身姿态传感器检测到的车身姿态信号出现剧烈变化；

（2）方向盘转角信号检测到的方向盘的转角信号不断跳动；

（3）气囊高度传感器采集的气囊高度信号出现波动。

5.根据权利要求4所述一种无人驾驶商用车路况监控及应对方法，其特征在于，所述步骤四中，控制单元对路况进行分析的方式是控制单元通过摄像头实时采集的图像信息判断当前路面是否有障碍物，若检测到路面没有障碍物，则停车检查车辆是否故障而导致车辆颠簸；若检测到路面有障碍物，则进一步判断障碍物是否阻碍车辆前进路线，若障碍物阻碍车辆前进路线且车辆变道也无法通过，则控制车辆减速至停止行驶，然后通过人机交互界面提示驾驶员路况无法通行，请求驾驶员接管车辆；若障碍物不阻碍车辆前进路线或车辆通过变道功能也可以实现通行，则控制单元控制车辆继续直行或变道行驶。

6.根据权利要求5所述一种无人驾驶商用车路况监控及应对方法，其特征在于，所述步骤四中，无人驾驶车辆智驾系统的总控制器通过自适应巡航控制系统降低车速，对转向机申请转向补偿，以方便对车辆横向以及纵向进行稳定性控制，进而提高车辆稳定性，同时控制单元通过无人驾驶车辆的人机交互界面提示路况较差，提醒驾驶员谨慎驾驶。

7.根据权利要求6所述一种无人驾驶商用车路况监控及应对方法，其特征在于，所述步骤四中，控制单元将颠簸崎岖的复杂路况信息上传至云端，并分享给其他车辆。

8.根据权利要求1所述一种无人驾驶商用车路况监控及应对方法，其特征在于，在所述步骤二之前还有如下操作：对车辆进行检测，并判断是否出现故障，若检测环节出现故障，则上报车辆管理系统并停止检测，若检测环节没有出现故障，则表明车辆正常，继续步骤二。

9.根据权利要求8所述一种无人驾驶商用车路况监控及应对方法，其特征在于，所述车辆检测的方法如下：首先通过自车的传感器以及驾驶员驾驶信号判断是否符合自检的工况，进而对制动系统进行自检，如果制动系统自检结果异常，则需要通过人机交互系统及时提示驾驶员，并对故障类型进行判断，以确定是否进行处理，若需要进行处理则立即处理以避免紧急情况的发生，否则进入步骤二。

10.根据权利要求4所述一种无人驾驶商用车路况监控及应对方法，其特征在于，所述步骤三中，当车身的俯仰角和横摆率的变动幅度均大于10%时，说明车身姿态信号出现剧烈变化；

当方向盘的转角信号值变化量小于10%时，说明方向盘转角出现小幅度快速抖动，即方向盘的转角信号不断跳动；

当气囊的高度信号调整频率大于1S/次时，说明气囊高度信号出现波动。

Images