CN116424053A - 一种空气悬挂自动调节控制方法及相关设备 - Google Patents
一种空气悬挂自动调节控制方法及相关设备 Download PDFInfo
- Publication number
- CN116424053A CN116424053A CN202310410091.5A CN202310410091A CN116424053A CN 116424053 A CN116424053 A CN 116424053A CN 202310410091 A CN202310410091 A CN 202310410091A CN 116424053 A CN116424053 A CN 116424053A
- Authority
- CN
- China
- Prior art keywords
- scene
- air suspension
- vehicle
- driving
- driving scene
- 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
- 239000000725 suspension Substances 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000009825 accumulation Methods 0.000 claims abstract description 8
- 238000012549 training Methods 0.000 claims description 51
- 238000004590 computer program Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 12
- 238000013136 deep learning model Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000013434 data augmentation Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 description 12
- 238000001514 detection method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 239000006096 absorbing agent Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013016 damping Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000035939 shock Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60G—VEHICLE SUSPENSION ARRANGEMENTS
- B60G17/00—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load
- B60G17/02—Spring characteristics, e.g. mechanical springs and mechanical adjusting means
- B60G17/04—Spring characteristics, e.g. mechanical springs and mechanical adjusting means fluid spring characteristics
- B60G17/052—Pneumatic spring characteristics
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60G—VEHICLE SUSPENSION ARRANGEMENTS
- B60G17/00—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load
- B60G17/015—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements
- B60G17/016—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements characterised by their responsiveness, when the vehicle is travelling, to specific motion, a specific condition, or driver input
- B60G17/0165—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements characterised by their responsiveness, when the vehicle is travelling, to specific motion, a specific condition, or driver input to an external condition, e.g. rough road surface, side wind
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60G—VEHICLE SUSPENSION ARRANGEMENTS
- B60G2202/00—Indexing codes relating to the type of spring, damper or actuator
- B60G2202/10—Type of spring
- B60G2202/15—Fluid spring
- B60G2202/152—Pneumatic spring
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60G—VEHICLE SUSPENSION ARRANGEMENTS
- B60G2400/00—Indexing codes relating to detected, measured or calculated conditions or factors
- B60G2400/80—Exterior conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60G—VEHICLE SUSPENSION ARRANGEMENTS
- B60G2400/00—Indexing codes relating to detected, measured or calculated conditions or factors
- B60G2400/80—Exterior conditions
- B60G2400/82—Ground surface
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60G—VEHICLE SUSPENSION ARRANGEMENTS
- B60G2400/00—Indexing codes relating to detected, measured or calculated conditions or factors
- B60G2400/80—Exterior conditions
- B60G2400/82—Ground surface
- B60G2400/823—Obstacle sensing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60G—VEHICLE SUSPENSION ARRANGEMENTS
- B60G2600/00—Indexing codes relating to particular elements, systems or processes used on suspension systems or suspension control systems
- B60G2600/18—Automatic control means
- B60G2600/182—Active control means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60G—VEHICLE SUSPENSION ARRANGEMENTS
- B60G2800/00—Indexing codes relating to the type of movement or to the condition of the vehicle and to the end result to be achieved by the control action
- B60G2800/90—System Controller type
- B60G2800/91—Suspension Control
- B60G2800/914—Height Control System
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Vehicle Body Suspensions (AREA)
Abstract
本申请公开了一种空气悬挂自动调节控制方法及相关设备。该方法包括：获取目标车辆的行驶环境视频信息；利用所述行驶环境视频信息和环境智能识别模型进行识别以获取当前行驶场景，其中，所述行驶场景包括涉水场景、积雪场景、障碍物场景和减速带场景中至少一种；根据所述当前行驶场景调节空气悬挂的离地高度。申请实施例提供的一种空气悬挂自动调节控制方法，通过获取车辆的行驶环境视频信息，基于环境智能识别模型对车辆的当前行驶场景做出智能识别，自动调节底盘高度，从而避免车辆底盘因为高度过低而出现的车辆损伤。该技术方案完全自动化执行，无需人工操作，增强了车辆智能化程度，给驾驶人员带新的驾驶体验。
Description
技术领域
本说明书涉及车辆控制领域，更具体地说，本申请涉及一种空气悬挂自动调节控制方法及相关设备。
背景技术
随着智能汽车的发展，人们对汽车驾驶体验的要求不断提高，汽车悬挂是传统汽车底盘系统的核心模块，深刻影响着驾驶人员的驾驶体验。主流的悬架系统分为被动悬架、半主动悬架、主动悬架。其中主动悬架中的空气悬架在半自动悬挂的基础上，增加了空气弹簧，使系统能从高度、刚度和阻尼系数上同时进行调整。不同的路况对底盘悬架的状态有不同的要求，根据路况自动调整空气悬架能减少用户手动操作并实时调整悬架状态，给用户带来全新的驾驶体验。当前的悬挂系统主要通过调节底盘达到舒适乘坐的目的，而针对复杂的路况，比如积雪、涉水路段，当前的悬挂系统无法自动调节悬架高度，避免车身底盘造成的损害，无法达到安全驾驶的目的。
发明内容
在发明内容部分中引入了一系列简化形式的概念，这将在具体实施方式部分中进一步详细说明。本申请的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。
第一方面，本申请提出一种空气悬挂自动调节控制方法，上述方法包括：
获取目标车辆的行驶环境视频信息；
利用所述行驶环境视频信息和环境智能识别模型进行识别以获取当前行驶场景，其中，所述行驶场景包括涉水场景、积雪场景、障碍物场景和减速带场景中至少一种；
根据所述当前行驶场景调节空气悬挂的离地高度。
可选的，上述方法还包括：
收集训练数据集；
通过所述训练数据集训练Yolov3深度学习模型以获取所述环境智能识别模型。
可选的，所述收集训练数据集包括：
通过爬虫技术在目标网站收集车辆行驶图片；
对所述车辆行驶图片进行预处理操作获取训练图片，其中，所述预处理操作包括图像缩放、图像去噪、图像增强、数据增广中至少一种；
利用Labeling标记工具对所述训练图片进行标记和分类以获取所述训练数据集。
可选的，上述方法还包括：
获取目标车辆的预设销售地点；
获取预设销售地点的气候特征信息和路况特征信息；
根据所述气候特征信息、所述路况特征信息确定所述训练数据对应的行驶场景的训练数据的比例关系。
可选的，上述方法还包括：
获取目标车辆的车速信息；
在所述车速信息大于预设车速的情况下，关闭行驶场景识别功能。
可选的，所述根据所述当前行驶场景调节空气悬挂的离地高度，包括：
根据所述当前行驶场景和行驶场景弹簧对应关系确定目标弹簧刚度；
将空气弹簧刚度调节至所述目标弹簧刚度以调节空气悬挂的离地高度。
可选的，上述方法还包括：
获取目标车辆的地理位置信息和历史气候信息；
根据所述地理位置信息、历史气候信息对所述行驶场景进行初步筛选以获取初选行驶场景；
所述利用所述行驶环境视频信息和环境智能识别模型进行识别以获取当前行驶场景，包括：
用所述行驶环境视频信息和环境智能识别模型在所述初选行驶场景中进行识别以获取当前行驶场景。
第二方面，本申请还提出一种空气悬挂自动调节控制装置，包括：
获取单元，用于获取目标车辆的行驶环境视频信息；
识别单元，用于利用所述行驶环境视频信息和环境智能识别模型进行识别以获取当前行驶场景，其中，所述行驶场景包括涉水场景、积雪场景、障碍物场景和减速带场景中至少一种；
调节单元，用于根据所述当前行驶场景调节空气悬挂的离地高度。
第三方面，一种电子设备，包括：存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器用于执行存储器中存储的计算机程序时实现如上述的第一方面任一项的空气悬挂自动调节控制方法的步骤。
第四方面，本申请还提出一种计算机可读存储介质，其上存储有计算机程序，上述计算机程序被处理器执行时实现第一方面上述任一项的空气悬挂自动调节控制方法。
综上，本申请实施例的空气悬挂自动调节控制方法包括：获取目标车辆的行驶环境视频信息；利用所述行驶环境视频信息和环境智能识别模型进行识别以获取当前行驶场景，其中，所述行驶场景包括涉水场景、积雪场景、障碍物场景和减速带场景中至少一种；根据所述当前行驶场景调节空气悬挂的离地高度。申请实施例提供的一种空气悬挂自动调节控制方法，通过获取车辆的行驶环境视频信息，基于环境智能识别模型对车辆的当前行驶场景做出智能识别，当检测到前方道路出现涉水、积雪、障碍物、减速带场景时，自动调整底盘高度，从而避免车辆底盘因为高度过低而出现的车辆损伤。该技术方案完全自动化执行，无需人工操作，增强了车辆智能化程度，给驾驶人员带新的驾驶体验。
本申请提出的空气悬挂自动调节控制方法，本申请的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本申请的研究和实践而为本领域的技术人员所理解。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本说明书的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本申请实施例提供的一种空气悬挂自动调节控制方法流程示意图；
图2为本申请实施例提供的一种空气悬挂自动调节系统示意图；
图3为本申请实施例提供的一种空气悬挂自动调节控制装置结构示意图；
图4为本申请实施例提供的一种空气悬挂自动调节控制电子设备结构示意图。
具体实施方式
申请实施例提供的一种空气悬挂自动调节控制方法，通过获取车辆的行驶环境视频信息，基于环境智能识别模型对车辆的当前行驶场景做出智能识别，当检测到前方道路出现涉水、积雪、障碍物、减速带场景时，自动调整底盘高度，从而避免车辆底盘因为高度过低而出现的车辆损伤。该技术方案完全自动化执行，无需人工操作，增强了车辆智能化程度，给驾驶人员带新的驾驶体验。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。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。
请参阅图1，为本申请实施例提供的一种空气悬挂自动调节控制方法流程示意图，具体可以包括：
S110、获取目标车辆的行驶环境视频信息；
示例性的，目标车辆是具有空气悬挂调节功能的车辆，行驶环境视频可以通过车辆前端设置的摄像单元获取，摄像单元输出原始视频数据，经过一系列编解码后输出H.264视频格式。
S120、利用上述行驶环境视频信息和环境智能识别模型进行识别以获取当前行驶场景，其中，上述行驶场景包括涉水场景、积雪场景、障碍物场景和减速带场景中至少一种；
示例性的，为了避免环境视频容量过大影响处理速度，采用FFmpeg对行驶环境视频信息进行每秒15次的抽帧操作，将抽帧的图片信息存放进内存缓冲区，将抽帧后的图片信息作为识别当前行驶场景的输入信息。将图片信息输入值环境智能识别模型中进行识别，识别后的当前行驶场景可以包括涉水场景、积雪场景、障碍物场景和减速带场景中至少一种，此外还可能没有识别出行驶场景，在没有识别出行驶场景的情况下，不对空气悬挂做出调整。
S130、根据上述当前行驶场景调节空气悬挂的离地高度。
示例性的，在识别出当前行驶场景后，根据行驶场景和既定调节方案的对应关系，生成空气悬挂调节控制指令，控制对应的部件进行调整，从而调整空气悬挂的离地高度，以满足不同行驶场景的行驶需求，避免底盘与行驶的路面发生刮碰等事故，提升了车辆行驶的安全性，提升了车辆的使用寿命。
综上，申请实施例提供的一种空气悬挂自动调节控制方法，通过获取车辆的行驶环境视频信息，基于环境智能识别模型对车辆的当前行驶场景做出智能识别，当检测到前方道路出现涉水、积雪、障碍物、减速带场景时，自动调整底盘高度，从而避免车辆底盘因为高度过低而出现的车辆损伤。该技术方案完全自动化执行，无需人工操作，增强了车辆智能化程度，给驾驶人员带新的驾驶体验。
在一些示例中，上述方法还包括：
收集训练数据集；
通过上述训练数据集训练Yolov3深度学习模型以获取上述环境智能识别模型。
示例性的，通过收集训练数据集对Yolov3深度学习模型进行训练，Yolov3深度学习模型速度快且识别率高。Yolov3是一种端到端的One Stage算法，将候选区与目标识别放在同一个步骤中完成。我们利用收集到的数据集在YoloV3深度学习模型上进行训练，得到高精度的训练模型。该模型可以输出所有检测目标的2Dbounding box信息。
综上，申请实施例提供的一种空气悬挂自动调节控制方法，利用训练好的Yolov3深度学习模型，可以快速准确地识别出车辆的当前行驶场景。
在一些示例中，上述收集训练数据集包括：
通过爬虫技术在目标网站收集车辆行驶图片；
对上述车辆行驶图片进行预处理操作获取训练图片，其中，上述预处理操作包括图像缩放、图像去噪、图像增强、数据增广中至少一种；
利用Labeling标记工具对上述训练图片进行标记和分类以获取上述训练数据集。
示例性的，由于当前缺乏理想的数据集，通过爬虫技术爬取相关的图像数据，爬取的网址包括谷歌图片、百度图片、雅虎图片等。由于收集到的照片具有不同的大小、分辨率等差异，我们对数据集进行图像缩放、图像去噪、图像增强、数据增广等操作处理，最后我们使用Labeling标记工具对图像的特征进行标记和分类。然后利用处理好的训练集对Yolov3模型进行训练。
综上，申请实施例提供的一种空气悬挂自动调节控制方法，通过网络爬虫技术收集图片，并经过图像缩放、图像去噪、图像增强、数据增广对图片按统一标准进行处理，并对图片的内容进行扩充，从而提升了模型训练的准确度。
在一些示例中，上述方法还包括：
获取目标车辆的预设销售地点；
获取预设销售地点的气候特征信息和路况特征信息；
根据上述气候特征信息、上述路况特征信息确定上述训练数据对应的行驶场景的训练数据的比例关系。
示例性的，车辆在生产时基本确定了预设的销售地点，而不同的预设销售地点的气候特征和路况特征均有着差异，例如，我国的东北方地区经常会出现积雪情况，在东北销售的车辆适当提升训练数据中雪地训练数据的比例以此提升雪地识别的准确度和速度，如果在南方地区则不会出现雪地的情况，则可以适当降低雪地训练数据的比例以缩减训练时间。又例如，如果预设销售地点为大型城市，则城市内的路况信息较好，可适当减少障碍物训练数据，增加减速带训练数据。
综上，申请实施例提供的一种空气悬挂自动调节控制方法，根据气候特征信息和路况特征信息确定训练数据对应的行驶场景的训练数据的比例关系，可以有效缩短训练时间，并提升场景识别的精确度与速度。
在一些示例中，上述方法还包括：
获取目标车辆的车速信息；
在上述车速信息大于预设车速的情况下，关闭行驶场景识别功能。
示例性的，获取目标车辆的车速信息，在车辆的速度大于预设速度的情况下，为保证车辆的行驶安全自动关闭行驶场景识别功能，避免发生安全事故。例如预设车速为100km/h。当车速超过100km/h时，关闭行驶场景识别功能，空气悬挂调节系统不做任何动作处理。当车速小于100km/h，同时检测到目标行驶场景时，ECU通过CAN总线向硬件执行模块发送信号。当车速小于100km/h，同时没有检测到目标行驶场景时，空气悬挂调节系统也不做任何动作处理。
综上，申请实施例提供的一种空气悬挂自动调节控制方法，通过检测车速信息，在车辆的速度大于预设速度的情况下，为保证车辆的行驶安全自动关闭行驶场景识别功能，不对空气悬挂进行调节避免发生安全事故。
在一些示例中，上述根据上述当前行驶场景调节空气悬挂的离地高度，包括：
根据上述当前行驶场景和行驶场景弹簧对应关系确定目标弹簧刚度；
将空气弹簧刚度调节至上述目标弹簧刚度以调节空气悬挂的离地高度。
示例性的，行驶场景弹簧对应关系为不同行驶场景下弹簧的目标弹簧刚度对应关系，调节空气悬挂的离地高度是通过调节空气弹簧的刚度确定的，当完成行驶场景识别后，空气弹簧的电控ECU收到核心决策模块下发的CAN信号后，通过控制弹簧的充气或放气将当前车身高度Vn调整到目标车身高度Vm，并开启计时器记时，在60s内如果没有收到新的检测信号，电控ECU将高度调整为初始高度Vn。同时电控ECU每次收到一个新的检测信号时，自动将计时器清零并重新开始计时。
在一些示例中，上述方法还包括：
获取目标车辆的地理位置信息和历史气候信息；
根据上述地理位置信息、历史气候信息对上述行驶场景进行初步筛选以获取初选行驶场景；
上述利用上述行驶环境视频信息和环境智能识别模型进行识别以获取当前行驶场景，包括：
用上述行驶环境视频信息和环境智能识别模型在上述初选行驶场景中进行识别以获取当前行驶场景。
示例性的，在进行当前行驶场景识别前，首先获取目标车辆的地理位置信息和历史气候信息，根据地理位置信息、历史气候信息对行驶场景进行初步筛选以获取初选行驶场景。例如，地理位置信息是在我国的海南省，而海南省不可能出现雪地的情况，那么在初选行驶场景中不包括积雪场景。如果地理位置信息是在我国的辽宁省，而根据历史气候信息显示在10月份至3月份之间辽宁省可能会出下雪天气，那么当车辆在辽宁省，并且在10月份至3月份之间行驶时，初选行驶场景中包括雪地场景，如果处于其他月份，则行驶场景中不包括雪地场景。
综上，申请实施例提供的一种空气悬挂自动调节控制方法，根据地理位置信息、历史气候信息进行初步筛选，可以剔除不满足当前行驶地点和气候的场景，从而提升行驶场景的识别速度和精度。
在一些示例中，现有技术中，自动化空气悬挂系统分为三个部分，第一，传感器感知模块：车速传感器、转向传感器、道路采集传感器；第二，核心决策及算法模块：空气悬架ECU、多传感器融合算法；第三，执行模块：电控ECU、空气弹簧、减振器。空气悬架系统通过多种传感器感知车况及路面信息，确定判断当前行驶状态(速度、加速度、路面冲击等)，根据这些信息，系统自动调整悬架高度、刚度、阻尼。空气弹簧能够通过簧内气压的充气放气有效改变车身的高度以及刚度，电控减振器可以通过阻尼系数的变化来调节悬架的软硬，两者共同作用提升驾乘的舒适性和操控性。
此外，当前结合摄像机的悬架调节技术方案更多的关注于驾驶人员的驾驶体验，比如奔驰魔毯悬架通过摄像机扫描前方路况，实时识别前方路况的道路颠簸起伏，根据路面信息实时调整各个车轮状态去抵消路面颠簸造成的车身摆动，从而达到更加舒适的驾驶体验。而面对其他复杂的路况，当前的悬挂系统并没有考虑驾驶过程中遇到的安全驾驶情况，比如当车辆行驶到涉水路段时，过低的底盘容易造成车身进水，从而造成车辆元器件损坏。如何根据路况自动调节底盘高度是我们需要考虑的问题。
如图2所述，本申请给出一种可能的空气悬挂自动调节系统，该系统包括：路况感知模块、场景检测模块、核心决策模块和硬件执行模块。
路况感知模块：该模块首先通过摄像头采集路况信息，摄像机输出原始数据，经过一系列编解码后输出H.264视频格式。利用FFmpeg对视频进行每秒15次的抽帧操作，将抽帧的图片信息存放进内存缓冲区。
场景检测模块：该模块实时提取内存缓冲区的图像信息，并将图像数据输入到预训练好的深度学习模型YoloV3，VoloV3模型检测图片信息里出现是否出现涉水、积雪、障碍物、减速带特征信息，并将检测结果输出到下一模块。
核心决策模块：该模块控制ECU通过当前车速以及场景检测模块的结果来做出相应的决策。主要分为以下三种情况，当车速超过100km/h时，无论是否检测到目标路况，该系统不做任何动作处理。当车速小于100km/h，同时检测到目标路况时，ECU通过CAN总线向硬件执行模块发送信号。当车速小于100km/h，同时没有检测到目标路况时，该系统也不做任何动作处理。
硬件执行模块：空气弹簧的电控ECU收到核心决策模块下发的CAN信号后，通过控制弹簧的充气将当前车身高度Vn调整到目标车身高度Vm，并开启计时器记时，在60s内如果没有收到新的检测信号，电控ECU将高度调整为初始高度Vn。同时电控ECU每次收到一个新的检测信号时，自动将计时器清零并重新开始计时。
请参阅图3，本申请实施例中空气悬挂自动调节控制装置的一个实施例，可以包括：
获取单元21，用于获取目标车辆的行驶环境视频信息；
识别单元22，用于利用所述行驶环境视频信息和环境智能识别模型进行识别以获取当前行驶场景，其中，所述行驶场景包括涉水场景、积雪场景、障碍物场景和减速带场景中至少一种；
调节单元23，用于根据所述当前行驶场景调节空气悬挂的离地高度。
如图4所示，本申请实施例还提供一种电子设备300，包括存储器310、处理器320及存储在存储器310上并可在处理器上运行的计算机程序311，处理器320执行计算机程序311时实现上述空气悬挂自动调节控制的任一方法的步骤。
由于本实施例所介绍的电子设备为实施本申请实施例中一种空气悬挂自动调节控制装置所采用的设备，故而基于本申请实施例中所介绍的方法，本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式，所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍，只要本领域所属技术人员实施本申请实施例中的方法所采用的设备，都属于本申请所欲保护的范围。
在具体实施过程中，该计算机程序311被处理器执行时可以实现图1对应的实施例中任一实施方式。
需要说明的是，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细描述的部分，可以参见其它实施例的相关描述。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本申请实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机软件指令，当计算机软件指令在处理设备上运行时，使得处理设备执行对应实施例中的空气悬挂自动调节控制的流程，包括：
获取目标车辆的行驶环境视频信息；
利用上述行驶环境视频信息和环境智能识别模型进行识别以获取当前行驶场景，其中，上述行驶场景包括涉水场景、积雪场景、障碍物场景和减速带场景中至少一种；
根据上述当前行驶场景调节空气悬挂的离地高度。
在一种可行的实施方式中，上述方法还包括：
收集训练数据集；
通过上述训练数据集训练Yolov3深度学习模型以获取上述环境智能识别模型。
在一种可行的实施方式中，上述收集训练数据集包括：
通过爬虫技术在目标网站收集车辆行驶图片；
对上述车辆行驶图片进行预处理操作获取训练图片，其中，上述预处理操作包括图像缩放、图像去噪、图像增强、数据增广中至少一种；
利用Labeling标记工具对上述训练图片进行标记和分类以获取上述训练数据集。
在一种可行的实施方式中，上述方法还包括：
获取目标车辆的预设销售地点；
获取预设销售地点的气候特征信息和路况特征信息；
根据上述气候特征信息、上述路况特征信息确定上述训练数据对应的行驶场景的训练数据的比例关系。
在一种可行的实施方式中，上述方法还包括：
获取目标车辆的车速信息；
在上述车速信息大于预设车速的情况下，关闭行驶场景识别功能。
在一种可行的实施方式中，上述根据上述当前行驶场景调节空气悬挂的离地高度，包括：
根据上述当前行驶场景和行驶场景弹簧对应关系确定目标弹簧刚度；
将空气弹簧刚度调节至上述目标弹簧刚度以调节空气悬挂的离地高度。
在一种可行的实施方式中，上述方法还包括：
获取目标车辆的地理位置信息和历史气候信息；
根据上述地理位置信息、历史气候信息对上述行驶场景进行初步筛选以获取初选行驶场景；
上述利用上述行驶环境视频信息和环境智能识别模型进行识别以获取当前行驶场景，包括：
用上述行驶环境视频信息和环境智能识别模型在上述初选行驶场景中进行识别以获取当前行驶场景。
计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，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系统，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信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上，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。
Claims (10)
1.一种空气悬挂自动调节控制方法，其特征在于，包括：
获取目标车辆的行驶环境视频信息；
利用所述行驶环境视频信息和环境智能识别模型进行识别以获取当前行驶场景，其中，所述行驶场景包括涉水场景、积雪场景、障碍物场景和减速带场景中至少一种；
根据所述当前行驶场景调节空气悬挂的离地高度。
2.如权利要求1所述的方法，其特征在于，还包括：
收集训练数据集；
通过所述训练数据集训练Yolov3深度学习模型以获取所述环境智能识别模型。
3.如权利要求2所述的方法，其特征在于，所述收集训练数据集包括：
通过爬虫技术在目标网站收集车辆行驶图片；
对所述车辆行驶图片进行预处理操作获取训练图片，其中，所述预处理操作包括图像缩放、图像去噪、图像增强、数据增广中至少一种；
利用Labeling标记工具对所述训练图片进行标记和分类以获取所述训练数据集。
4.如权利要求1所述的方法，其特征在于，还包括：
获取目标车辆的预设销售地点；
获取预设销售地点的气候特征信息和路况特征信息；
根据所述气候特征信息、所述路况特征信息确定所述训练数据对应的行驶场景的训练数据的比例关系。
5.如权利要求1所述的方法，其特征在于，还包括：
获取目标车辆的车速信息；
在所述车速信息大于预设车速的情况下，关闭行驶场景识别功能。
6.如权利要求1所述的方法，其特征在于，所述根据所述当前行驶场景调节空气悬挂的离地高度，包括：
根据所述当前行驶场景和行驶场景弹簧对应关系确定目标弹簧刚度；
将空气弹簧刚度调节至所述目标弹簧刚度以调节空气悬挂的离地高度。
7.如权利要求1所述的方法，其特征在于，还包括：
获取目标车辆的地理位置信息和历史气候信息；
根据所述地理位置信息、历史气候信息对所述行驶场景进行初步筛选以获取初选行驶场景；
所述利用所述行驶环境视频信息和环境智能识别模型进行识别以获取当前行驶场景，包括：
用所述行驶环境视频信息和环境智能识别模型在所述初选行驶场景中进行识别以获取当前行驶场景。
8.一种空气悬挂自动调节控制装置，其特征在于，包括：
获取单元，用于获取目标车辆的行驶环境视频信息；
识别单元，用于利用所述行驶环境视频信息和环境智能识别模型进行识别以获取当前行驶场景，其中，所述行驶场景包括涉水场景、积雪场景、障碍物场景和减速带场景中至少一种；
调节单元，用于根据所述当前行驶场景调节空气悬挂的离地高度。
9.一种电子设备，包括：存储器和处理器，其特征在于，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-7中任一项所述的空气悬挂自动调节控制方法的步骤。
10.一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时实现如权利要求1-7中任一项所述的空气悬挂自动调节控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310410091.5A CN116424053A (zh) | 2023-04-14 | 2023-04-14 | 一种空气悬挂自动调节控制方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310410091.5A CN116424053A (zh) | 2023-04-14 | 2023-04-14 | 一种空气悬挂自动调节控制方法及相关设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116424053A true CN116424053A (zh) | 2023-07-14 |
Family
ID=87079383
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310410091.5A Pending CN116424053A (zh) | 2023-04-14 | 2023-04-14 | 一种空气悬挂自动调节控制方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116424053A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116674333A (zh) * | 2023-07-28 | 2023-09-01 | 成都赛力斯科技有限公司 | 主动悬架控制方法、装置、计算机设备和存储介质 |
-
2023
- 2023-04-14 CN CN202310410091.5A patent/CN116424053A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116674333A (zh) * | 2023-07-28 | 2023-09-01 | 成都赛力斯科技有限公司 | 主动悬架控制方法、装置、计算机设备和存储介质 |
| CN116674333B (zh) * | 2023-07-28 | 2023-09-29 | 成都赛力斯科技有限公司 | 主动悬架控制方法、装置、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6615933B2 (ja) | 知的地形特定のための方法及び装置、車両搭載端末、並びに車両 | |
| CN102785661B (zh) | 车道偏离控制系统及方法 | |
| JP6946812B2 (ja) | 学習サーバ及び支援システム | |
| JP6585995B2 (ja) | 画像処理システム | |
| EP3694768B1 (en) | Automatically parking a vehicle in a parking slot | |
| Stavens | Learning to drive: Perception for autonomous cars | |
| US10467482B2 (en) | Method and arrangement for assessing the roadway surface being driven on by a vehicle | |
| US20150042805A1 (en) | Detecting device, detection method, and computer program product | |
| CN116424053A (zh) | 一种空气悬挂自动调节控制方法及相关设备 | |
| CN113902729A (zh) | 一种基于YOLO v5模型的路面坑洼检测方法 | |
| CN109427191B (zh) | 一种行驶检测方法及装置 | |
| WO2014084122A1 (ja) | 車載用制御装置 | |
| CN111301404A (zh) | 车辆的控制方法及装置、存储介质及处理器 | |
| CN111775938A (zh) | 一种变道路径规划方法、装置及系统 | |
| CN114972911A (zh) | 自动驾驶感知算法模型的输出数据收集处理方法及设备 | |
| US11634159B2 (en) | Determining an undesired action of a vehicle | |
| KR20210152025A (ko) | 자율주행 자동차의 퍼셉션 네트워크를 학습시키기 위한 온-비히클 액티브 러닝 방법 및 장치 | |
| CN116805409A (zh) | 一种利用行车视频进行路面状态识别与平整性评估的方法 | |
| JP2020166758A (ja) | 画像処理装置および画像処理方法 | |
| JP5035139B2 (ja) | 眼画像処理装置 | |
| JP7383954B2 (ja) | 学習用データ収集装置 | |
| CN113643512A (zh) | 一种疲劳驾驶检测方法、装置、电子设备及存储介质 | |
| CN112966543A (zh) | 一种车辆刮蹭记录方法及装置 | |
| JP7460867B2 (ja) | 推定装置、推定方法及びプログラム | |
| CN112906424B (zh) | 图像识别方法、装置及设备 |
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 |