CN116176594A - 一种自动驾驶车辆的行驶环境感知方法及系统 - Google Patents

Abstract

本发明公开了一种自动驾驶车辆的行驶环境感知方法，包括步骤一：获取车辆动态行驶参数，并将车辆动态行驶参数传送至服务器，其中，车辆动态行驶参数包括车辆电池数据和车辆加速度数据；步骤二：接收服务器传送的车辆动态行驶参数，对车辆动态行驶参数进行数据处理得到车辆行驶道路类型及参数；其中，车辆行驶道路类型包括平缓型、颠簸型和波浪型；车辆行驶道路参数包括车辆颠簸值和车辆行驶道路修正值；步骤三：通过对车辆行驶道路参数进行处理，对道路行驶环境进行识别，得到当前行驶道路的行驶推荐值；本发明结合车辆行驶道路修正值和车辆颠簸值对车辆行驶环境进行识别，准确率高。

Description

一种自动驾驶车辆的行驶环境感知方法及系统

技术领域

本发明涉及自动驾驶技术领域，具体涉及一种自动驾驶车辆的行驶环境感知方法及系统。

背景技术

智能驾驶是指机器帮助人进行驾驶以及在特殊情况下完全取代人进行驾驶。智能驾驶作为各个国家重点发展智能交通系统中的一部分，仍在不断的探索与实验中。智能驾驶对各国经济和科技发展及综合国力提升有着重大的作用。无人驾驶是汽车产业未来发展的方向，作为智能驾驶的核心其意义重大。无人驾驶是指通过搭载先进传感器等多种感知设备对汽车行驶中的周围环境进行感知和判断，从而获得车辆状态和周围环境信息并自动规划行车路线，控制车辆到达目的地的技术。

如专利申请号202010120372.3公开了一种自动驾驶汽车环境感知故障的预测方法，其中，包括：实时获取周围环境的传感信息；根据所述周围环境的传感信息建立自动驾驶系统环境感知模型；在所述自动驾驶系统环境感知模型下对当前目标运动状态进行预测。

现有技术中，并没有基于车辆的行驶状态或者车辆动力电池状态对车辆行驶环境进行识别，即没有根据车辆的实际行驶数据对行驶环境进行展现，具有较大的局限性。

发明内容

本发明的目的在于提供一种自动驾驶车辆的行驶环境感知方法及系统，通过车辆电池数据获取车辆行驶道路修正值，即通过车辆行驶道路修正值对车辆行驶道路信息进行表征，同时，通过车辆加速度数据获取车辆加速度综合数据流，按照标准差计算公式计算得到车辆加速度综合数据流的标准差，对车辆颠簸状态进行识别，并通过车辆加速度差异比和标准差得到车辆颠簸值，并通过车辆行驶道路修正值和车辆颠簸值对车辆行驶环境进行识别。

本发明的目的可以通过以下技术方案实现：

一种自动驾驶车辆的行驶环境感知方法，包括以下步骤:

步骤一：获取车辆动态行驶参数，并将车辆动态行驶参数传送至服务器，其中，车辆动态行驶参数包括车辆电池数据和车辆加速度数据；

步骤二：接收服务器传送的车辆动态行驶参数，对车辆动态行驶参数进行数据处理得到车辆行驶道路类型及参数；

其中，车辆行驶道路类型包括平缓型、颠簸型和波浪型；

车辆行驶道路参数包括车辆颠簸值和车辆行驶道路修正值；

步骤三：通过对车辆行驶道路参数进行处理，对道路行驶环境进行识别，得到当前行驶道路的行驶推荐值。

作为本发明进一步的方案：车辆行驶道路类型是基于车辆加速度数据获取，具体过程为：

将车辆加速度数据中的车辆纵向加速度标记为A1i、车辆横向加速度标记为A2i、车辆垂直方向加速度标记为A3i,i为车辆加速度数据获取时间；

对车辆纵向加速度A1i、车辆横向加速度A2i和车辆垂直方向加速度A3i进行滤波和降噪处理；

对车辆纵向加速度、车辆横向加速度和车辆垂直方向加速度进行加权处理，将车辆纵向加速度A1i的权重占比分为a1，车辆横向加速度A2i的权重占比分为a2,车辆垂直方向加速度A3i的权重占比分为a3,其中，a1、a2及a3均大于0，且a1+a2+a3=1；

根据公式

计算得到车辆加速度综合数据流Ai。

作为本发明进一步的方案：按照标准差计算公式计算得到车辆加速度综合数据流Ai的标准差α，当α超过预设值时，处于车辆颠簸状态；

当车辆加速度综合数据流Ai处于车辆颠簸状态时，将车辆加速度综合数据流Ai按照从高到低的顺序排序，获取车辆加速度综合数据流Ai的最大值并标记为Amax，获取车辆加速度综合数据流Ai的最小值并标记为Amin；利用公式Gb=(Amax-Amin)/Amin计算获得车辆加速度差异比Gb；

基于标准差α和车辆加速度差异比Gb，求取车辆加速度综合数据流Ai的车辆颠簸值Wi，具体计算方法为：

，其中b1、b2和b3均为预设系数因子，β为补偿系数，取值0.654289;

获取预设车辆加速度数据的预设车辆颠簸值Ci，将预设车辆加速度数据的预设车辆颠簸值Ci按时间先后顺序在X-Y二维坐标系内进行连线，形成预设车辆颠簸值图像；

将当前车辆加速度数据的车辆颠簸值Ai按时间先后顺序也在X-Y二维坐标系内进行连线，形成车辆颠簸值图像。

作为本发明进一步的方案：将车辆颠簸值图像的两端的端点垂直与预设车辆颠簸值图像作辅助线，得到预设车辆颠簸值图像与车辆颠簸值图像封闭的黑色区域图像，对预设车辆颠簸值图像与车辆颠簸值图像封闭的黑色区域图像进行投影拍照，得到封闭区域照片，对封闭区域照片放大若干倍形成像素表格重叠照片，统计像素表格重叠照片中黑色的像素格个数，将像素格个数并标记为XSG；

获取预设车辆颠簸值图像与车辆颠簸值图像形成封闭的区域图像的像素格个数极限值，将像素格个数极限值记为XSG1和XSG2，其中，XSG1<XSG2：

当XSG<XSG1时，该车辆行驶道路为平缓型；

当XSG1<XSG<XSG2时，该车辆行驶道路为颠簸型；

当XSG>XSG2时，该车辆行驶道路为波浪型。

作为本发明进一步的方案：车辆行驶道路参数是基于车辆电池数据获取，具体过程为：

将车辆动力电池的输出电压Vct和输出电流Cit进行乘积并对时间进行积分，获得车辆动力电池的各时间段输出工作电能，并标记为CEit;

将车辆驱动电机的输入电流Dit与其工作电压Vdt进行乘积并对时间进行积分，获得车辆驱动电机的各时间段输入工作电能，并标记为DEit;

将车辆动力电池的输出工作电能与车辆驱动电机的输入工作电能作差获得电能差，将电能差直接对时间进行积分得到各时间段压差损耗电能CEt。

作为本发明进一步的方案：预设车辆动力电池的输出工作电能与车辆驱动电机的输入工作电能在各时间段压差损耗电能阈值为cet,将各时间段压差损耗电能CEt与各时间段压差损耗电能阈值cet进行比较；

获取各时间段压差损耗电能CEt＞各时间段压差损耗电能阈值cet的次数，标记为正向次数ZXi；

获取各时间段压差损耗电能CEt≤各时间段压差损耗电能阈值cet的次数，标记为反向次数FXi；

通过公式HJ=K

得到车辆行驶道路修正值，其中，K为预设修正系数。

作为本发明进一步的方案：将每次各时间段压差损耗电能CEt大于各时间段压差损耗电能阈值的时间进行记录，标记为目标时间；

对目标时间中的每个时刻车辆驱动电机的输出电流值计算每个时刻的输出电流的信号矢量幅值，共获得多个信号矢量幅值，确定所述多个信号矢量幅值中的最大值以及最小值；

判断所述最小值是否等于0，若所述最小值等于0，确定所述车辆在所述目标时间内中出现过停车，若所述最小值大于0，则所述车辆在所述目标时间中未出现过停车。

作为本发明进一步的方案：若车辆在所述目标时间内中出现过停车，确定所述目标时间中的停车时刻；将所述目标时间中输出电流值为0的第一个时刻确定为第一停车时刻；

从所述目标时间中重新截取包括第一停车时刻以及与第一停车时刻前后相邻的多个时刻的数据的新时间区间；

在新时间区间内，如果输出电流值在0与非0的信号矢量值之间来回变化，则表示车辆反复地在行驶和停车之间切换状态，表明车辆当前行驶道路异常拥堵。

作为本发明进一步的方案：若车辆在所述目标时间内中未出现过停车，确定所述目标时间中的多个信号矢量幅值进行平滑连线，将每个波谷的信号矢量幅值记为SLj，将每个波谷两侧波峰的信号矢量幅值记为SLj1和SLj2；

将第一波峰信号矢量幅值SLj1到波谷的信号矢量幅值SLj的时间，记为st1；将第二波峰信号矢量幅值SLj2与波谷的信号矢量幅值SLj的时间，记为st2；

将st1与st2作差值计算，得到从一个波峰到另一个波峰的转换时间sti，即从一个波峰到另一个波峰的转换时间sti越小，道路行驶环境越好。

作为本发明进一步的方案：一种自动驾驶车辆的行驶环境感知系统,包括数据采集模块、数据分析模块、环境识别模块和服务器；

数据采集模块用于获取车辆动态行驶参数，并将车辆动态行驶参数传送至服务器；

数据分析模块用于接收服务器传送的车辆动态行驶参数，对车辆动态行驶参数进行数据处理得到车辆行驶道路类型及参数；

环境识别模块用于对车辆行驶道路参数进行处理，对道路行驶环境进行识别；

车辆动态行驶参数包括车辆电池数据和车辆加速度数据；

车辆电池数据包括车辆动力电池的输出电压、车辆动力电池的输出电流、车辆驱动电机的输出电压和车辆驱动电机的输出电流；

其中，车辆电池数据的获取是将电池传感器与车辆动力电池和车辆驱动电机相连连接，电流传感器用于实时采集车辆动力电池的输出电流，并用于采集车辆驱动电机的输入电流；

将电压传感器与车辆动力电池和车辆驱动电机相连接，电压传感器用于实时采集车辆动力电池的输出电压，并用于采集车辆驱动电机的输入电压。

车辆加速度数据包括车辆行驶过程中的车辆纵向加速度、车辆横向加速度和车辆垂直方向加速度；

其中，车辆加速度数据是通过设置在车辆悬挂系统的加速度传感器得到。

本发明的有益效果：

1.本发明通过对车辆悬挂系统获取的车辆纵向加速度、车辆横向加速度和车辆垂直方向加速度进行处理得到车辆加速度综合数据流，按照标准差计算公式计算得到车辆加速度综合数据流的标准差，对车辆颠簸状态进行识别，并通过车辆加速度差异比和标准差获取车辆颠簸值，将车辆颠簸值图像与平整道路行驶的车辆颠簸值图像进行比对，从而根据图像的重合度对当前车辆行驶道路的类型进行识别；

2.本发明通过对车辆动力电池和车辆驱动电机在各时间段的电能损耗值对车辆行驶状态进行识别，记录各时间段压差损耗电能CEt＞各时间段压差损耗电能阈值cet的正向次数ZXi，同时，记录各时间段压差损耗电能CEt≤各时间段压差损耗电能阈值cet的反向次数FXi；通过公式HJ=K

得到车辆行驶道路修正值，即通过车辆行驶道路修正值对车辆行驶道路信息进行表征，车辆行驶道路修正值越大，表示当前车辆行驶道路环境越差；

3.本发明通过对目标时间中的每个时刻车辆驱动电机的输出电流值计算每个时刻的输出电流的信号矢量幅值，共获得多个信号矢量幅值，确定所述多个信号矢量幅值中的最大值以及最小值，并通过信号矢量幅值的变化，对每个时刻车辆驱动电机的输出电流值进行计算，通过输出电流值的调整时间侧面反应出车辆在当前道路的行驶状态，进而凸显出当前道路的行驶环境。

附图说明

下面结合附图对本发明作进一步的说明。

图1是本发明流程图；

图2是本发明程序框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例1：参阅图1,一种自动驾驶车辆的行驶环境感知方法，包括以下步骤：

步骤一：获取车辆动态行驶参数，并将车辆动态行驶参数传送至服务器，其中，车辆动态行驶参数包括车辆电池数据和车辆加速度数据；

步骤二：接收服务器传送的车辆动态行驶参数，对车辆动态行驶参数进行数据处理得到车辆行驶道路类型及参数；

其中，车辆行驶道路类型包括平缓型、颠簸型和波浪型；

车辆行驶道路参数包括车辆颠簸值和车辆行驶道路修正值；

步骤三：通过对车辆行驶道路参数进行处理，对道路行驶环境进行识别，得到当前行驶道路的行驶推荐值。

步骤二中，车辆行驶道路类型是基于车辆加速度数据获取，具体过程为：

将车辆加速度数据中的车辆纵向加速度标记为A1i、车辆横向加速度标记为A2i、车辆垂直方向加速度标记为A3i,i为车辆加速度数据获取时间；

对车辆纵向加速度A1i、车辆横向加速度A2i和车辆垂直方向加速度A3i进行滤波和降噪处理；

对车辆纵向加速度、车辆横向加速度和车辆垂直方向加速度进行加权处理，将车辆纵向加速度A1i的权重占比分为a1，车辆横向加速度A2i的权重占比分为a2,车辆垂直方向加速度A3i的权重占比分为a3,其中，a1、a2及a3均大于0，且a1+a2+a3=1；

根据公式

计算得到车辆加速度综合数据流Ai;

按照标准差计算公式计算得到车辆加速度综合数据流Ai的标准差α，当α超过预设值时，处于车辆颠簸状态；

当车辆加速度综合数据流Ai处于车辆颠簸状态时，将车辆加速度综合数据流Ai按照从高到低的顺序排序，获取车辆加速度综合数据流Ai的最大值并标记为Amax，获取车辆加速度综合数据流Ai的最小值并标记为Amin；利用公式Gb=(Amax-Amin)/Amin计算获得车辆加速度差异比Gb；

基于标准差α和车辆加速度差异比Gb，求取车辆加速度综合数据流Ai的车辆颠簸值Wi，具体计算方法为：

，其中b1、b2和b3均为预设系数因子，β为补偿系数，取值0.654289;

获取预设车辆加速度数据的预设车辆颠簸值Ci，将预设车辆加速度数据的预设车辆颠簸值Ci按时间先后顺序在X-Y二维坐标系内进行连线，形成预设车辆颠簸值图像；

将当前车辆加速度数据的车辆颠簸值Ai按时间先后顺序也在X-Y二维坐标系内进行连线，形成车辆颠簸值图像；

将车辆颠簸值图像的两端的端点垂直与预设车辆颠簸值图像作辅助线，得到预设车辆颠簸值图像与车辆颠簸值图像封闭的黑色区域图像，对预设车辆颠簸值图像与车辆颠簸值图像封闭的黑色区域图像进行投影拍照，得到封闭区域照片，对封闭区域照片放大若干倍形成像素表格重叠照片，统计像素表格重叠照片中黑色的像素格个数，将像素格个数并标记为XSG；

获取预设车辆颠簸值图像与车辆颠簸值图像形成封闭的区域图像的像素格个数极限值，将像素格个数极限值记为XSG1和XSG2，其中，XSG1<XSG2：

当XSG<XSG1时，该车辆行驶道路为平缓型；

当XSG1<XSG<XSG2时，该车辆行驶道路为颠簸型；

当XSG>XSG2时，该车辆行驶道路为波浪型。

步骤二中，车辆行驶道路参数是基于车辆电池数据获取，具体过程为：

将车辆动力电池的输出电压Vct和输出电流Cit进行乘积并对时间进行积分，获得车辆动力电池的各时间段输出工作电能，并标记为CEit;

将车辆驱动电机的输入电流Dit与其工作电压Vdt进行乘积并对时间进行积分，获得车辆驱动电机的各时间段输入工作电能，并标记为DEit;

将车辆动力电池的输出工作电能与车辆驱动电机的输入工作电能作差获得电能差，将电能差直接对时间进行积分得到各时间段压差损耗电能CEt;

预设车辆动力电池的输出工作电能与车辆驱动电机的输入工作电能在各时间段压差损耗电能阈值为cet,将各时间段压差损耗电能CEt与各时间段压差损耗电能阈值cet进行比较；

获取各时间段压差损耗电能CEt＞各时间段压差损耗电能阈值cet的次数，标记为正向次数ZXi；

获取各时间段压差损耗电能CEt≤各时间段压差损耗电能阈值cet的次数，标记为反向次数FXi；

通过公式HJ=K

得到车辆行驶道路修正值，其中，K为预设修正系数。

在一个具体的实施例中，将每次各时间段压差损耗电能CEt大于各时间段压差损耗电能阈值的时间进行记录，标记为目标时间；

对目标时间中的每个时刻车辆驱动电机的输出电流值计算每个时刻的输出电流的信号矢量幅值，共获得多个信号矢量幅值，确定所述多个信号矢量幅值中的最大值以及最小值；

判断所述最小值是否等于0，若所述最小值等于0，确定所述车辆在所述目标时间内中出现过停车，再确定所述目标时间中的停车时刻；将所述目标时间中输出电流值为0的第一个时刻确定为第一停车时刻；

从所述目标时间中重新截取包括第一停车时刻以及与第一停车时刻前后相邻的多个时刻的数据的新时间区间；

在新时间区间内，如果输出电流值在0与非0的信号矢量值之间来回变化，则表示车辆反复地在行驶和停车之间切换状态，表明车辆当前行驶道路异常拥堵；

若所述最小值大于0，则所述车辆在所述目标时间中未出现过停车，再确定所述目标时间中的多个信号矢量幅值进行平滑连线，将每个波谷的信号矢量幅值记为SLj，将每个波谷两侧波峰的信号矢量幅值记为SLj1和SLj2；

将第一波峰信号矢量幅值SLj1到波谷的信号矢量幅值SLj的时间，记为st1；将第二波峰信号矢量幅值SLj2与波谷的信号矢量幅值SLj的时间，记为st2；

将st1与st2作差值计算，得到从一个波峰到另一个波峰的转换时间sti，即从一个波峰到另一个波峰的转换时间sti越小，道路行驶环境越好。

步骤三中，通过对车辆颠簸值Wi、车辆行驶道路修正值HJ及st1与st2的差值进行数据处理，从而得到当前行驶道路的行驶推荐值。

实施例2：参阅图2，一种自动驾驶车辆的行驶环境感知系统，包括数据采集模块、数据分析模块、环境识别模块和服务器；

数据采集模块用于获取车辆动态行驶参数，并将车辆动态行驶参数传送至服务器；

数据分析模块接收服务器传送的车辆动态行驶参数，对车辆动态行驶参数进行数据处理得到车辆行驶道路类型及参数；

环境识别模块通过对车辆行驶道路参数进行处理，对道路行驶环境进行识别。

车辆动态行驶参数包括车辆电池数据和车辆加速度数据；

车辆电池数据包括车辆动力电池的输出电压、车辆动力电池的输出电流、车辆驱动电机的输出电压和车辆驱动电机的输出电流；

其中，车辆电池数据的获取是将电池传感器与车辆动力电池和车辆驱动电机相连连接，电流传感器用于实时采集车辆动力电池的输出电流，并用于采集车辆驱动电机的输入电流；

将电压传感器与车辆动力电池和车辆驱动电机相连接，电压传感器用于实时采集车辆动力电池的输出电压，并用于采集车辆驱动电机的输入电压。

车辆加速度数据包括车辆行驶过程中的车辆纵向加速度、车辆横向加速度和车辆垂直方向加速度；

其中，车辆加速度数据是通过设置在车辆悬挂系统的加速度传感器得到。

数据分析模块接收车辆电池数据，对车辆加速度数据的处理过程为：

S1：获取车辆动力电池的输出电压Vct和输出电流Cit，将输出电压Vct与输出电流Cit进行乘积并对时间进行积分，获得车辆动力电池的各时间段输出工作电能，并标记为CEit;

S2：获取车辆驱动电机的输入电流Dit与其工作电压Vdt，将输入电流Dit与工作电压Vdt进行乘积并对时间进行积分，获得车辆驱动电机的各时间段输入工作电能，并标记为DEit;

S3：将车辆动力电池的输出工作电能与车辆驱动电机的输入工作电能作差获得电能差，将电能差直接对时间进行积分得到各时间段压差损耗电能CEt;

S4：预设车辆动力电池的输出工作电能与车辆驱动电机的输入工作电能在各时间段压差损耗电能阈值为cet,将各时间段压差损耗电能CEt与各时间段压差损耗电能阈值cet进行比较；

S5：获取各时间段压差损耗电能CEt＞各时间段压差损耗电能阈值cet的次数，标记为正向次数ZXi;并对每次各时间段压差损耗电能CEt大于各时间段压差损耗电能阈值的时间进行记录，标记为目标时间；

获取各时间段压差损耗电能CEt≤各时间段压差损耗电能阈值cet的次数，标记为反向次数FXi；

S6：通过公式HJ=K

得到车辆行驶道路修正值，其中，K为预设修正系数，车辆行驶道路修正值越大，表示当前车辆行驶道路环境越差；

S7：基于目标时间中的每个时刻车辆驱动电机的输出电流值计算每个时刻的输出电流的信号矢量幅值，共获得多个信号矢量幅值，确定所述多个信号矢量幅值中的最大值以及最小值；

S8：判断所述最小值是否等于0，若所述最小值等于0，确定所述车辆在所述目标时间内中出现过停车，若所述最小值大于0，则所述车辆在所述目标时间中未出现过停车；

S9：若出现过停车，确定所述目标时间中的停车时刻；将所述目标时间中输出电流值为0的第一个时刻确定为第一停车时刻；

从所述目标时间中重新截取包括第一停车时刻以及与第一停车时刻前后相邻的多个时刻的数据的新时间区间；

在新时间区间内，如果输出电流值在0与非0的信号矢量值之间来回变化，则表示车辆反复地在行驶和停车之间切换状态，表明车辆当前行驶道路异常拥堵；

S10：若未出现过停车，确定所述目标时间中的多个信号矢量幅值进行平滑连线，将每个波谷的信号矢量幅值记为SLj，将每个波谷两侧波峰的信号矢量幅值记为SLj1和SLj2；

获取第一波峰信号矢量幅值SLj1到波谷的信号矢量幅值SLj的时间，记为st1；

获取第二波峰信号矢量幅值SLj2与波谷的信号矢量幅值SLj的时间，记为st2；

将st1与st2作差值计算，得到从一个波峰到另一个波峰的转换时间sti，将一个波峰到另一个波峰的转换时间阈值记为sty；

S11：若一个波峰到另一个波峰的转换时间sti≤一个波峰到另一个波峰的转换时间阈值sty，则表示当前车辆行驶道路环境好；

若一个波峰到另一个波峰的转换时间sti＞一个波峰到另一个波峰的转换时间阈值sty，则表示当前车辆行驶道路环境差。

其中，上述S6和S11中，当表示当前车辆行驶道路环境差时，则表示当前车辆行驶道路存在过多弯道或当前车辆行驶道路上车辆较多，车辆在行驶过程中需用经常降速或提速，以确保车辆行驶安全；

进一步的，当前车辆行驶道路环境差时，车辆动力电池及车辆驱动电机频繁的切换输入电流，导致车辆动力电池的使用时长得不到保障。

数据分析模块接收车辆加速度数据，对车辆加速度数据的处理过程为：

W1：将车辆加速度数据中的车辆纵向加速度标记为A1i、车辆横向加速度标记为A2i、车辆垂直方向加速度标记为A3i,i为车辆加速度数据获取时间；

对车辆纵向加速度A1i、车辆横向加速度A2i和车辆垂直方向加速度A3i进行滤波和降噪处理；

W2：对车辆纵向加速度、车辆横向加速度和车辆垂直方向加速度进行加权处理，将车辆纵向加速度A1i的权重占比分为a1，车辆横向加速度A2i的权重占比分为a2,车辆垂直方向加速度A3i的权重占比分为a3,其中，a1、a2及a3均大于0，且a1+a2+a3=1；

根据公式

计算得到车辆加速度综合数据流Ai;/>

W3：按照标准差计算公式计算得到车辆加速度综合数据流Ai的标准差α，当α超过预设值时，处于车辆颠簸状态；

当车辆加速度综合数据流Ai处于车辆颠簸状态时，将车辆加速度综合数据流Ai按照从高到低的顺序排序，获取车辆加速度综合数据流Ai的最大值并标记为Amax，获取车辆加速度综合数据流Ai的最小值并标记为Amin；利用公式Gb=(Amax-Amin)/Amin计算获得车辆加速度差异比Gb；

基于标准差α和车辆加速度差异比Gb，求取车辆加速度综合数据流Ai的车辆颠簸值Wi，具体计算方法为：

，其中b1、b2和b3均为预设系数因子，β为补偿系数，取值0.654289;

W4：获取车辆在平整路面上的车辆加速度数据，将车辆在平整路面的车辆加速器数据记为预设车辆加速度数据，获取预设车辆加速度数据的预设车辆颠簸值Ci；

W5：将预设车辆加速度数据的预设车辆颠簸值Ci按时间先后顺序在X-Y二维坐标系内进行连线，形成预设车辆颠簸值图像；

将当前车辆加速度数据的车辆颠簸值Ai按时间先后顺序也在X-Y二维坐标系内进行连线，形成车辆颠簸值图像；

其中，X轴表示时间,Y轴表示车辆颠簸值；

W6：将车辆颠簸值图像的两端的端点垂直与预设车辆颠簸值图像作辅助线，得到预设车辆颠簸值图像与车辆颠簸值图像封闭的黑色区域图像，对预设车辆颠簸值图像与车辆颠簸值图像封闭的黑色区域图像进行投影拍照，得到封闭区域照片，对封闭区域照片放大若干倍形成像素表格重叠照片，统计像素表格重叠照片中黑色的像素格个数，将像素格个数并标记为XSG；

其中，预设车辆颠簸值图像与车辆颠簸值图像封闭的区域图像为一个或者多个；

W7：获取预设车辆颠簸值图像与车辆颠簸值图像形成封闭的区域图像的像素格个数极限值，将像素格个数极限值记为XSG1和XSG2，其中，XSG1<XSG2：

当XSG<XSG1时，该车辆行驶道路为平缓型,得到数据标签0；

当XSG1<XSG<XSG2时，该车辆行驶道路为颠簸型，得到数据标签1；

当XSG>XSG2时，该车辆行驶道路为波浪型，得到数据标签2。

通过上述车辆行驶道路的类型可知，当车辆行驶道路为平缓型时，说明车辆行驶道路较为平稳无坑洼，当车辆行驶道路为颠簸型时，说明车辆行驶道路较有坑洼，颠簸明显，当车辆行驶道路为波浪型时，说明车辆行驶道路较有坑洼较多，颠簸异常明显。

环境识别模块接收服务器传送的数据标签，并基于数据标签同步获取车辆颠簸值Wi和车辆行驶道路修正值HJ；

根据公式

获取得到当前行驶道路的行驶推荐值HY，其中，f1、f2、f3均为预设比例系数；

通过上述当前行驶道路的行驶推荐值的计算公式可知，若一个波峰到另一个波峰的转换时间越小，则得到的当前行驶道路的行驶推荐值越大，若车辆颠簸值和车辆行驶道路修正值越小，则得到的当前行驶道路的行驶推荐值越大；

当前行驶道路的行驶推荐值越大，表示当前车辆行驶道路行驶驾驶舒适性高，道路安全性好，道路行驶环境好。

以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

Claims (9)

1.一种自动驾驶车辆的行驶环境感知方法，其特征在于，包括以下步骤:

步骤一：获取车辆动态行驶参数，并将车辆动态行驶参数传送至服务器，其中，车辆动态行驶参数包括车辆电池数据和车辆加速度数据；

步骤二：接收服务器传送的车辆动态行驶参数，对车辆动态行驶参数进行数据处理得到车辆行驶道路类型及参数；

其中，车辆行驶道路类型包括平缓型、颠簸型和波浪型；

车辆行驶道路参数包括车辆颠簸值和车辆行驶道路修正值；

步骤三：通过对车辆行驶道路参数进行处理，对道路行驶环境进行识别，得到当前行驶道路的行驶推荐值；

车辆行驶道路类型是基于车辆加速度数据获取，具体过程为：

将车辆加速度数据中的车辆纵向加速度标记为A1i、车辆横向加速度标记为A2i、车辆垂直方向加速度标记为A3i,i为车辆加速度数据获取时间；

对车辆纵向加速度A1i、车辆横向加速度A2i和车辆垂直方向加速度A3i进行滤波和降噪处理；

对车辆纵向加速度、车辆横向加速度和车辆垂直方向加速度进行加权处理，将车辆纵向加速度A1i的权重占比分为a1，车辆横向加速度A2i的权重占比分为a2,车辆垂直方向加速度A3i的权重占比分为a3,其中，a1、a2及a3均大于0，且a1+a2+a3=1；

根据公式

计算得到车辆加速度综合数据流Ai。

2.根据权利要求1所述的一种自动驾驶车辆的行驶环境感知方法,其特征在于，按照标准差计算公式计算得到车辆加速度综合数据流Ai的标准差α，当α超过预设值时，处于车辆颠簸状态；

当车辆加速度综合数据流Ai处于车辆颠簸状态时，将车辆加速度综合数据流Ai按照从高到低的顺序排序，获取车辆加速度综合数据流Ai的最大值并标记为Amax，获取车辆加速度综合数据流Ai的最小值并标记为Amin；利用公式Gb=(Amax-Amin)/Amin计算获得车辆加速度差异比Gb；

基于标准差α和车辆加速度差异比Gb，求取车辆加速度综合数据流Ai的车辆颠簸值Wi，具体计算方法为：

，其中b1、b2和b3均为预设系数因子，β为补偿系数，取值0.654289;

获取预设车辆加速度数据的预设车辆颠簸值Ci，将预设车辆加速度数据的预设车辆颠簸值Ci按时间先后顺序在X-Y二维坐标系内进行连线，形成预设车辆颠簸值图像；

将当前车辆加速度数据的车辆颠簸值Ai按时间先后顺序也在X-Y二维坐标系内进行连线，形成车辆颠簸值图像。

3.根据权利要求2所述的一种自动驾驶车辆的行驶环境感知方法,其特征在于，将车辆颠簸值图像的两端的端点垂直与预设车辆颠簸值图像作辅助线，得到预设车辆颠簸值图像与车辆颠簸值图像封闭的黑色区域图像，对预设车辆颠簸值图像与车辆颠簸值图像封闭的黑色区域图像进行投影拍照，得到封闭区域照片，对封闭区域照片放大若干倍形成像素表格重叠照片，统计像素表格重叠照片中黑色的像素格个数，将像素格个数并标记为XSG；

获取预设车辆颠簸值图像与车辆颠簸值图像形成封闭的区域图像的像素格个数极限值，将像素格个数极限值记为XSG1和XSG2，其中，XSG1<XSG2：

当XSG<XSG1时，该车辆行驶道路为平缓型；

当XSG1<XSG<XSG2时，该车辆行驶道路为颠簸型；

当XSG>XSG2时，该车辆行驶道路为波浪型。

4.根据权利要求1所述的一种自动驾驶车辆的行驶环境感知方法,其特征在于，车辆行驶道路参数是基于车辆电池数据获取，具体过程为：

将车辆动力电池的输出电压Vct和输出电流Cit进行乘积并对时间进行积分，获得车辆动力电池的各时间段输出工作电能，并标记为CEit;

将车辆驱动电机的输入电流Dit与其工作电压Vdt进行乘积并对时间进行积分，获得车辆驱动电机的各时间段输入工作电能，并标记为DEit;

将车辆动力电池的输出工作电能与车辆驱动电机的输入工作电能作差获得电能差，将电能差直接对时间进行积分得到各时间段压差损耗电能CEt。

5.根据权利要求4所述的一种自动驾驶车辆的行驶环境感知方法,其特征在于，预设车辆动力电池的输出工作电能与车辆驱动电机的输入工作电能在各时间段压差损耗电能阈值为cet,将各时间段压差损耗电能CEt与各时间段压差损耗电能阈值cet进行比较；

获取各时间段压差损耗电能CEt＞各时间段压差损耗电能阈值cet的次数，标记为正向次数ZXi；

获取各时间段压差损耗电能CEt≤各时间段压差损耗电能阈值cet的次数，标记为反向次数FXi；

通过公式 HJ=K

得到车辆行驶道路修正值，其中，K为预设修正系数。

6.根据权利要求5所述的一种自动驾驶车辆的行驶环境感知方法,其特征在于，将每次各时间段压差损耗电能CEt大于各时间段压差损耗电能阈值的时间进行记录，标记为目标时间；

对目标时间中的每个时刻车辆驱动电机的输出电流值计算每个时刻的输出电流的信号矢量幅值，共获得多个信号矢量幅值，确定所述多个信号矢量幅值中的最大值以及最小值；

判断所述最小值是否等于0，若所述最小值等于0，确定所述车辆在所述目标时间内中出现过停车，若所述最小值大于0，则所述车辆在所述目标时间中未出现过停车。

7.根据权利要求6所述的一种自动驾驶车辆的行驶环境感知方法,其特征在于，若车辆在所述目标时间内中出现过停车，确定所述目标时间中的停车时刻；将所述目标时间中输出电流值为0的第一个时刻确定为第一停车时刻；

从所述目标时间中重新截取包括第一停车时刻以及与第一停车时刻前后相邻的多个时刻的数据的新时间区间；

在新时间区间内，如果输出电流值在0与非0的信号矢量值之间来回变化，则表示车辆反复地在行驶和停车之间切换状态，表明车辆当前行驶道路异常拥堵。

8.根据权利要求7所述的一种自动驾驶车辆的行驶环境感知方法,其特征在于，若车辆在所述目标时间内中未出现过停车，确定所述目标时间中的多个信号矢量幅值进行平滑连线，将每个波谷的信号矢量幅值记为SLj，将每个波谷两侧波峰的信号矢量幅值记为SLj1和SLj2；

将第一波峰信号矢量幅值SLj1到波谷的信号矢量幅值SLj的时间，记为st1；将第二波峰信号矢量幅值SLj2与波谷的信号矢量幅值SLj的时间，记为st2；

将st1与st2作差值计算，得到从一个波峰到另一个波峰的转换时间sti，即从一个波峰到另一个波峰的转换时间sti越小，道路行驶环境越好。

9.一种自动驾驶车辆的行驶环境感知系统,其特征在于，包括数据采集模块、数据分析模块、环境识别模块和服务器；

数据采集模块用于获取车辆动态行驶参数，并将车辆动态行驶参数传送至服务器；

数据分析模块用于接收服务器传送的车辆动态行驶参数，对车辆动态行驶参数进行数据处理得到车辆行驶道路类型及参数；

环境识别模块用于对车辆行驶道路参数进行处理，对道路行驶环境进行识别；

车辆动态行驶参数包括车辆电池数据和车辆加速度数据；

车辆电池数据包括车辆动力电池的输出电压、车辆动力电池的输出电流、车辆驱动电机的输出电压和车辆驱动电机的输出电流；

其中，车辆电池数据的获取是将电池传感器与车辆动力电池和车辆驱动电机相连连接，电流传感器用于实时采集车辆动力电池的输出电流，并用于采集车辆驱动电机的输入电流；

将电压传感器与车辆动力电池和车辆驱动电机相连接，电压传感器用于实时采集车辆动力电池的输出电压，并用于采集车辆驱动电机的输入电压；

车辆加速度数据包括车辆行驶过程中的车辆纵向加速度、车辆横向加速度和车辆垂直方向加速度；

其中，车辆加速度数据是通过设置在车辆悬挂系统的加速度传感器得到。

Images