CN116534006B - 一种车辆动力控制方法、设备及存储介质 - Google Patents
一种车辆动力控制方法、设备及存储介质 Download PDFInfo
- Publication number
- CN116534006B CN116534006B CN202310494539.6A CN202310494539A CN116534006B CN 116534006 B CN116534006 B CN 116534006B CN 202310494539 A CN202310494539 A CN 202310494539A CN 116534006 B CN116534006 B CN 116534006B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- speed
- pothole
- meeting data
- headrest
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012937 correction Methods 0.000 claims description 15
- 230000009467 reduction Effects 0.000 claims description 12
- 238000007373 indentation Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/14—Adaptive cruise control
- B60W30/143—Speed control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/54—Extraction of image or video features relating to texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/35—Road bumpiness, e.g. pavement or potholes
Abstract
本申请公开了一种车辆动力控制方法、设备及存储介质,涉及新能源汽车动力控制领域,其包括:实时采集车辆前方道路图像并识别坑洼区域,计算坑洼严重度;获取在首个坑洼处车辆的车速及遇障数据,生成第一车速及第一遇障数据;将首个坑洼严重度与第二坑洼严重度比对生成坑洼差异度,并根据第一遇障数据预测第一车速下车辆在第二坑洼处的第二遇障数据;根据预测的第二遇障数据判断车辆能否以第一速度通过第二坑洼。本申请能够在道路坑洼较多的场景,根据每一个坑洼对车辆匹配一个合理的动力控制策略,可以根据车辆对一个坑洼的稳定性反馈,预测车辆通过下一个坑洼的稳定性,并相应做出动力调整。
Description
技术领域
本申请涉及新能源汽车动力控制的领域,尤其是涉及一种车辆动力控制方法、设备及存储介质。
背景技术
随着新能源汽车的快速发展,为实现更加高效、环保的能源利用,新能源汽车在车辆动力控制方面也面临着诸多挑战;与传统燃油汽车相比,电动汽车动力系统具有更高的调控精度和更灵活的动力输出方式,但同时也面临着新的问题,在电动汽车运行中,复杂的路况和不确定的环境因素会对车辆的性能和稳定性产生很大的影响,如何进行自适应控制和优化调节,成为提升电动汽车性能和驾乘安全的关键所在。
目前,针对新能源汽车动力控制的技术研究也在不断推进,通常采用传感器技术和智能算法结合车辆自身状态信息进行分析,以实现对车辆动力的自适应控制和优化调节。
在相关技术中,新能源汽车在缺陷道路上对进行动力控制时,基本遵从避让原则,即通过判断缺陷点位置并结合车辆行驶数据,控制车辆速度及方向实现避开缺陷点的目的;然而当道路中的缺陷较多,且车辆无法避开缺陷点或必须经过缺陷点时,车辆的动力控制策略将受到明显的影响,例如在路面存在较大的凹坑或连续凹坑时,依据避让原则的动力控制策略,无法根据每个凹坑的情况对新能源汽车进行动力控制。
如何在道路坑洼较多的场景下,根据每个坑洼对新能源汽车进行动力控制,是在新能源汽车动力控制中亟待解决优化的问题。
发明内容
为了解决在道路坑洼较多的场景下,根据每个坑洼对新能源汽车进行动力控制的问题,本申请提供一种车辆动力控制方法、设备及存储介质。
本申请提供的一种车辆动力控制方法、设备及存储介质采用如下的技术方案:
第一方面,一种车辆动力控制方法,包括以下步骤:
实时采集车辆前方道路图像并识别坑洼区域,计算坑洼严重度;
获取在首个坑洼处车辆的车速及遇障数据,生成第一车速及第一遇障数据;
将首个坑洼严重度与第二坑洼严重度比对生成坑洼差异度,并根据第一遇障数据预测第一车速下车辆在第二坑洼处的第二遇障数据;
根据预测的第二遇障数据判断车辆能否以第一速度通过第二坑洼;
若否,则根据预测的第二遇障数据,计算速度修正值并对第一车速进行修正得到第二车速;
以第二车速为目标车速并基于预测的第二遇障数据,调节车辆动力。
在上述任一方案中优选的是,所述实时采集车辆前方道路图像并识别坑洼区域,计算坑洼严重度,包括以下步骤:
通过相关技术对道路图像进行预处理,并获取图像中的纹理特征f1、形状特征f2、位置特征f3、周围环境特征f4及深度特征f5,生成图像特征集;
对图像特征集中每个特征i设置参考值Rref,i,以及对应的特征范围Δi和权重系数ωi,并根据公式:构建每个特征i与道路图像中I坑洼的严重度S的关系式,Rref,i为参考值处的特征值。
在上述任一方案中优选的是,所述对图像特征集中每个特征i设置参考值Rref,i,以及对应的特征范围Δi和权重系数ωi,并根据公式构建每个特征i与坑洼严重度S的关系式,包括:获取反映每个特征i的图像信息,并通过公式:
计算坑洼的严重度;其中,/>为道路图像中Pk区域内灰度值的均方差,/> 为参考图像Rref,1中Pk区域内灰度值的均方差;/> 和/>分别表示Pk区域在道路图像中的最大和最小横、纵坐标,/>和/>分别表示参考图像Rref,2中Pk区域的最大和最小坐标,Δ2是一个常数系数,用于缩放计算得到的坐标变化之差使其具有可比性;(x3,y3)为道路图像中Pk区域内最有可能是坑洼的位置坐标,(x3,ref,y3,ref)为参考图像Rref,3中Pk区域内的坑洼位置坐标,σ为常熟系数,用于控制坑洼位置之差的影响程度;Hi+Si+Vi分别为Pk区域内第i种颜色通道的色调、饱和度和亮度,pi为Pk区域中第i种颜色通道的直方图统计值与参考值处的差异,Δ4是一个常数系数,用于缩放计算得到的直方图之差使其具有可比性;LDW(I,p)为道路图像种像素p的深度信息和路面水平线之间的距离,LDWref(p)为参考值处像素p的深度信息和路面水平线之间的距离;参考图像为预先保存的图像,作为和道路图像进行比较的基准图像;Pk为可能为坑洼区域的像素集合,I为道路图像。
在上述任一方案中优选的是,所述将首个坑洼严重度与第二坑洼严重度比对生成坑洼差异度,并根据第一遇障数据预测第一车速下车辆在第二坑洼处的第二遇障数据,包括以下步骤:
根据道路图像分别计算首个坑洼及第二坑洼的严重度S1、S2,生成坑洼差异度
通过坑洼差异度与遇障数据的关系式:计算得到第一车速下车辆在第二坑洼处的第二遇障数据,其中,Y2为第二遇障数据,Y1为第一遇障数据。
在上述任一方案中优选的是,所述根据预测的第二遇障数据判断车辆能否以第一速度通过第二坑洼,包括以下步骤:
设置头枕标准瞬时压力P0,计算头枕标准瞬时压力与第二遇障数据中头枕瞬时压力P2的差值;
若P0-P2≥0,则以第一车速为车辆在第二坑洼的目标车速;
若P0-P2<0,则不能以第一车速为车辆在第二坑洼的目标车速。
在上述任一方案中优选的是,所述若否,则根据第二遇障数据,计算速度修正值并对第一车速进行修正得到第二车速,包括以下步骤:
通过公式:计算速度修正值Δv;其中,P(0-2)为头枕标准瞬时压力P0与第二遇障数据中头枕瞬时压力P2的差值,θ为座椅靠背的倾斜角度,θ0为常数用于调节/>的速率,/>为倾斜角度对头枕压力的影响的函数,k1k2m为头枕支撑系统的弹簧常数,k1、k2分别表示座椅和地板之间的初始距离和座椅和驾驶舱背后障碍物之间的初始距离,m为头枕质量,h为头枕距座椅顶部的距离,a为头枕距座椅前缘的距离,c为头枕距座椅中心线的距离,/>为随时间t头枕受到的瞬时压力的变化情况,r为曲率半径;
将速度修正值Δv与第一车速v1进行求和得到v2。
在上述任一方案中优选的是,所述以第二车速为目标车速并基于预测的第二遇障数据,调节车辆动力,包括:
预设置车速调节速率a减,并获取首个坑洼与第二坑洼之间的距离L及车辆通过首个坑洼后的速度v’1;
以第二车速v2为目标车速,通过车速调节速率a减对车辆通过首个坑洼后的速度v’1进行调节,并基于首个坑洼与第二坑洼之间的距离L,计算在车辆到达第二坑洼时的实际车速v’2;
分析实际车速v’2与第二车速v2的关系,进行动力调节。
在上述任一方案中优选的是,所述分析实际车速v’2与第二车速v2的关系,进行动力调节,包括:
若v’2≤v2,则以车速调节速率a减对车辆动力进行调节;
若v’2>v2,则通过公式计算出v’2条件下满足头枕标准瞬时压力P0时座椅靠背的倾斜角度θ,并调整座椅背靠。
第二方面,一种电子设备,包括处理器和存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,使得所述处理器执行如上述任一项所述的方法。
第三方面,一种计算机存储介质,所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如上述任一项所述的方法。
综上所述,本申请包括以下至少一种有益技术效果:
本申请提供的车辆动力控制方法,能够在道路坑洼较多的场景,根据每一个坑洼对车辆匹配一个合理的动力控制策略,可以根据车辆对一个坑洼的稳定性反馈,预测车辆通过下一个坑洼的稳定性,并相应做出动力调整;
通过预设置车速调节速率,能够提高车辆经过坑洼较多的道路时整体的平顺性,可以实现在保证车辆安全性的同时,提高整体动力控制中速度的稳定性,避免了急走急停。
附图说明
图1是本实施例主要体现车辆动力控制方法的步骤框图。
图2是本实施例主要体现S100子步骤的步骤框图;
图3是本实施例主要体现S300子步骤的步骤框图;
图4是本实施例主要体现S400子步骤的步骤框图;
图5是本实施例主要体现S500子步骤的步骤框图;
图6是本实施例主要体现S600子步骤的步骤框图;
图7是本实施例主要体现处理器的模块框图。
附图标记:1、采集模块;2、获取模块;3、预测模块;4、判断模块;5、计算模块;6、调节模块。
具体实施方式
为了使本申请的技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
为了更好地理解上述技术方案,以下结合附图1-6对本申请作进一步详细说明。
本申请提供了一种车辆动力控制方法,所述方法包括以下步骤:
S100,实时采集车辆前方道路图像并识别坑洼区域,计算坑洼严重度;
S200,获取在首个坑洼处车辆的车速及遇障数据,生成第一车速及第一遇障数据;
S300,将首个坑洼严重度与第二坑洼严重度比对生成坑洼差异度,并根据第一遇障数据预测第一车速下车辆在第二坑洼处的第二遇障数据;
S400,根据预测的第二遇障数据判断车辆能否以第一速度通过第二坑洼;
S500,若否,则根据预测的第二遇障数据,计算速度修正值并对第一车速进行修正得到第二车速;
S600,以第二车速为目标车速并基于预测的第二遇障数据,调节车辆动力。
应当指出的是,上述步骤仅是优选的实施顺序,在具体实施过程中,在不影响整体实施效果的前提下,部分步骤可以调换。
在本申请实施例所述的车辆动力控制方法中,为获取车辆前方道路中的坑洼特征,可采用多种获取手段,例如在车辆外部设置图像采集装置、雷达探测装置等;进一步的,为提高对坑洼严重度的识别精度,可预先设置参考图像,以此为评判标准,提高对坑洼的识别精度。
具体的,在S100实时采集车辆前方道路图像并识别坑洼区域,计算坑洼严重度中,包括以下步骤:
S110,通过相关技术对道路图像进行预处理,并获取图像中的纹理特征f1、形状特征f2、位置特征f3、周围环境特征f4及深度特征f5,生成图像特征集;
S120,对图像特征集中每个特征i设置参考值Rref,i,以及对应的特征范围Δi和权重系数ωi,并根据公式:构建每个特征i与道路图像中I坑洼的严重度S的关系式,Rref,i为参考值处的特征值。
在本申请实施例所述的车辆动力控制方法中,通过对道路图像进行分度分析,可将图像中的纹理特征f1、形状特征f2、位置特征f3、周围环境特征f4及深度特征f5进行提取,例如,纹理特征f1可以通过计算坑洼区域和周围区域的局部方差之差获得;形状特征f2可以通过计算坑洼的深度、宽度以及长宽比等参数来描述;位置特征f3可以通过计算坑洼在图像上的位置以及距离来表达坑洼所在的位置信息;周围环境特征f4可以通过颜色直方图、纹理信息等来描述周围环境的特征;深度特征f5可以通过激光雷达等传感器获取到的路面深度信息,结合车辆前方图像中的坑洼信息,来计算坑洼的深度;进而通过为每个特征分配不同的权重,可提高对图像中坑洼的严重程度的识别精度和准确性。
进一步的,在S120对图像特征集中每个特征i设置参考值Rref,i,以及对应的特征范围Δi和权重系数ωi,并根据公式构建每个特征i与坑洼严重度S的关系式中,包括:获取反映每个特征i的图像信息,并通过公式: 计算坑洼的严重度;其中,/>为道路图像中Pk区域内灰度值的均方差,/> 为参考图像Rref,1中Pk区域内灰度值的均方差;/> 和/>分别表示Pk区域在道路图像中的最大和最小横、纵坐标,/>和/>分别表示参考图像Rref,2中Pk区域的最大和最小坐标,Δ2是一个常数系数,用于缩放计算得到的坐标变化之差使其具有可比性;(x3,y3)为道路图像中Pk区域内最有可能是坑洼的位置坐标,(x3,ref,y3,ref)为参考图像Rref,3中Pk区域内的坑洼位置坐标,σ为常熟系数,用于控制坑洼位置之差的影响程度;Hi+Si+Vi分别为Pk区域内第i种颜色通道的色调、饱和度和亮度,pi为Pk区域中第i种颜色通道的直方图统计值与参考值处的差异,Δ4是一个常数系数,用于缩放计算得到的直方图之差使其具有可比性;LDW(I,p)为道路图像种像素p的深度信息和路面水平线之间的距离,LDWref(p)为参考值处像素p的深度信息和路面水平线之间的距离;参考图像为预先保存的图像,作为和道路图像进行比较的基准图像;Pk为可能为坑洼区域的像素集合,I为道路图像。
在本申请实施例所述的车辆动力控制方法中,将纹理特征f1、形状特征f2、位置特征f3、周围环境特征f4及深度特征f5,作为图像中的特征集进行提取分析,可得到对坑洼的准确分析,进而,可对首个坑洼及后续第一个坑洼(即第二坑洼)的严重度进行计算。
在S200获取在首个坑洼处车辆的车速及遇障数据,生成第一车速及第一遇障数据中,车辆在首个坑洼出的车速可通过车辆本身所自带的测速装置获取,其中遇障数据包括座椅靠背的倾斜角和头枕的瞬时压力。
在一个具体的场景中,当车辆经过首个坑洼时,坑洼的严重等级不同,驾驶者在经过坑洼时会出现不同程度的头部姿态晃动,对于一些坑洼较多的路面,若驾驶者首次经过坑洼就出现大幅度头部姿态晃动,可能无法再对前方即将再次到达的坑洼进行分析及车辆动力的合理调整,而在不同的座椅倾斜角度下,相同的速度遇到坑洼后,头枕受到的瞬时压力不同,例如,座椅呈90°角时,与座椅成120°角时,同样的速度遇到坑洼后,头枕瞬时压力不同差距较大;因此,选取座椅靠背的倾斜角和头枕的瞬时压力作为车辆警告过坑洼的遇障数据,可以明显的对车辆经过坑洼的状态进行分析,方便后续帮助驾驶员进行动力调整。
具体的,在S300将首个坑洼严重度与第二坑洼严重度比对生成坑洼差异度,并根据第一遇障数据预测第一车速下车辆在第二坑洼处的第二遇障数据中,包括以下步骤:
S310,根据道路图像分别计算首个坑洼及第二坑洼的严重度S1、S2,生成坑洼差异度
S320,通过坑洼差异度与遇障数据的关系式:计算得到第一车速下车辆在第二坑洼处的第二遇障数据,其中,Y2为第二遇障数据,Y1为第一遇障数据。
在本申请实施例所述的车辆动力控制方法中,利用首个坑洼与第二坑洼之间的坑洼差异度可以反映车辆连同驾驶员在首个坑洼和第二坑洼的差异度,进而在通过预先测得车辆在第一个坑洼时的头枕瞬时压力、倾斜角度和速度,可以反映车辆对第一个坑洼的接受度,同时,通过预测第二个坑洼与第一个坑洼之间的差距,可以进一步判断车辆到达第二个坑洼时的遇障数据,而在遇障数据中,座椅的倾斜角在整个过程中是一个固定角度,不会轻易出现便宜,因此,可通过预测第二个坑洼与第一个坑洼之间的差距并结合车辆和在首个坑洼时的头枕瞬时压力,预测出车辆在第二坑洼时的头枕瞬时压力。
具体的,在S400根据预测的第二遇障数据判断车辆能否以第一速度通过第二坑洼,包括以下步骤:
S410,设置头枕标准瞬时压力P0,计算头枕标准瞬时压力与第二遇障数据中头枕瞬时压力P2的差值;
S420,若P0-P2≥0,则以第一车速为车辆在第二坑洼的目标车速,若P0-P2<0,则不能以第一车速为车辆在第二坑洼的目标车速。
在本申请实施例所述的车辆动力控制方法中,头部标准瞬时压力P0是预先根据驾驶员个人的驾驶习惯设置的,它可以反映驾驶员在满是坑洼路面上的承受度,进而通过将预测的第二遇障数据中的头枕瞬时压力与头部标准瞬时压力P0对比,可知是否能够以第一车速继续行驶。
具体的,在S500若否,则根据第二遇障数据,计算速度修正值并对第一车速进行修正得到第二车速中,包括以下步骤:
S510,通过公式:计算速度修正值Δv;其中,P(0-2)为头枕标准瞬时压力P0与第二遇障数据中头枕瞬时压力P2的差值,θ为座椅靠背的倾斜角度,θ0为常数用于调节/>的速率,/>为倾斜角度对头枕压力的影响的函数,k1k2m为头枕支撑系统的弹簧常数,k1、k2分别表示座椅和地板之间的初始距离和座椅和驾驶舱背后障碍物之间的初始距离,m为头枕质量,h为头枕距座椅顶部的距离,a为头枕距座椅前缘的距离,c为头枕距座椅中心线的距离,/>为随时间t头枕受到的瞬时压力的变化情况,r为曲率半径;
S520,将速度修正值Δv与第一车速v1进行求和得到v2。
在本申请实施例所述的车辆动力控制方法中,通过上述公式可以计算出速度修正值,进而通过将速度修正值与第一车速进行求和,可以得到驾驶员驾驶车辆在第二坑洼处的最优车速,最优车速即代表最优的车辆状态。
具体的,在S600以第二车速为目标车速并基于预测的第二遇障数据,调节车辆动力中,包括:
S610,预设置车速调节速率a减,并获取首个坑洼与第二坑洼之间的距离L及车辆通过首个坑洼后的速度v’1;
S620,以第二车速v2为目标车速,通过车速调节速率a减对车辆通过首个坑洼后的速度v’1进行调节,并基于首个坑洼与第二坑洼之间的距离L,计算在车辆到达第二坑洼时的实际车速v’2;
S630,分析实际车速v’2与第二车速v2的关系,进行动力调节。
进一步的,在S630分析实际车速v’2与第二车速v2的关系,进行动力调节中,包括:
若v’2≤v2,则以车速调节速率a减对车辆动力进行调节;
若v’2>v2,则通过公式计算出v’2条件下满足头枕标准瞬时压力P0时座椅靠背的倾斜角度θ,并调整座椅背靠。
在本申请实施例所述的车辆动力控制方法中,由于车辆在通过首个坑洼时会存在多个速度,第一车速是指车辆到达首个坑洼的速度,在车辆通过首个坑洼时受坑洼的影响,此时存在速度v’1,在以第二车速为目标车速时,是以速度v’1作为起始速度来控制的;进一步的,预先设置一个车速调节速率a减,以使在整个动力调节过程中,速度的变化速度一致,避免因加速太快或减速太快导致驾驶员出现不适的状况,进而,通过获取首个坑洼和第二坑洼之间的距离L,可以通过相关技术得到实际以此车速调节速率对速度v’1调节得到的实际车速,通过将实际车速与第二车速进行对比,判断能够在此距离内,车速达到第二车速或以下,当车速达到第二车速或以下时,由于速度的减小,座椅背靠角度不变,驾驶员头部的摇晃也会随着减小,可满足正常驾驶需求;当车速大于第二车速时,驾驶员驾驶车辆通过第二坑洼时忍然会感受到大幅度的晃动,因此,需对座椅靠背的倾斜角度进行调整,进而通过上式可计算出在实际车速下倾斜角度的最优倾斜角;其中,由于倾斜角度的调整应满足合理的范围,预设最大偏移角度和最小偏移角度,以满足最大偏移角度和最小偏移角度下,根据计算出的最优偏移角对座椅背靠进行调节,以缓解或满足驾驶员驾驶车辆通过第二坑洼时,头部与头枕之间作用力的范围。
一种电子设备,包括:处理器和存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,使得所述处理器执行如上述任一所述的方法。
具体的,如图7所示,所述处理器包括:
采集模块1,用于实时采集车辆前方道路图像并识别坑洼区域,计算坑洼严重度;
获取模块2,用于获取在首个坑洼处车辆的车速及遇障数据,生成第一车速及第一遇障数据;
预测模块3,用于将首个坑洼严重度与第二坑洼严重度比对生成坑洼差异度,并根据第一遇障数据预测第一车速下车辆在第二坑洼处的第二遇障数据;
判断模块4,用于根据预测的第二遇障数据判断车辆能否以第一速度通过第二坑洼;
计算模块5,用于若否,则根据预测的第二遇障数据,计算速度修正值并对第一车速进行修正得到第二车速;
调节模块6,用于以第二车速为目标车速并基于预测的第二遇障数据,调节车辆动力。
基于以上实施例以及相同构思,本申请实施例还提供了一种计算机存储介质,所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述任一所述的方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。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发明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个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(DSL))或无线(例如红外、无线、微波等)方法向另一个网站站点、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取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。
本申请提供的有益效果是:
本申请提供的车辆动力控制方法,能够在道路坑洼较多的场景,根据每一个坑洼对车辆匹配一个合理的动力控制策略,可以根据车辆对一个坑洼的稳定性反馈,预测车辆通过下一个坑洼的稳定性,并相应做出动力调整;
通过预设置车速调节速率,能够提高车辆经过坑洼较多的道路时整体的平顺性,可以实现在保证车辆安全性的同时,提高整体动力控制中速度的稳定性,避免了急走急停。
以上仅为本申请的优选实施例而已,并不用于限制本申请,尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来说,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。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (9)
1.一种车辆动力控制方法,其特征在于:包括以下步骤:
实时采集车辆前方道路图像并识别坑洼区域,计算坑洼严重度;
通过相关技术对道路图像进行预处理,并获取图像中的纹理特征f1、形状特征f2、位置特征f3、周围环境特征f4及深度特征f5,生成图像特征集;
对图像特征集中每个特征i设置参考值Rref,i,以及对应的特征范围Δi和权重系数ωi,并根据公式:构建每个特征i与道路图像中I坑洼的严重度S的关系式,Rref,i为参考值处的特征值;
获取在首个坑洼处车辆的车速及遇障数据,生成第一车速及第一遇障数据;其中遇障数据包括座椅靠背的倾斜角和头枕的瞬时压力;
将首个坑洼严重度与第二坑洼严重度比对生成坑洼差异度,并根据第一遇障数据预测第一车速下车辆在第二坑洼处的第二遇障数据;
根据预测的第二遇障数据判断车辆能否以第一速度通过第二坑洼;
若否,则根据预测的第二遇障数据,计算速度修正值并对第一车速进行修正得到第二车速;
以第二车速为目标车速并基于预测的第二遇障数据,调节车辆动力。
2.根据权利要求1所述的一种车辆动力控制方法,其特征在于:所述对图像特征集中每个特征i设置参考值Rref,i,以及对应的特征范围Δi和权重系数ωi,并根据公式构建每个特征i与坑洼严重度S的关系式,包括:获取反映每个特征i的图像信息,并通过公式:
计算坑洼的严重度;其中,/>为道路图像中Pk区域内灰度值的均方差,/> 为参考图像Rref,1中Pk区域内灰度值的均方差;/> 和/>分别表示Pk区域在道路图像中的最大和最小横、纵坐标,/>和/>分别表示参考图像Rref,2中Pk区域的最大和最小坐标,Δ2是一个常数系数,用于缩放计算得到的坐标变化之差使其具有可比性;(x3,y3)为道路图像中Pk区域内最有可能是坑洼的位置坐标,(x3,ref,y3,ref)为参考图像Rref,3中Pk区域内的坑洼位置坐标,σ为常熟系数,用于控制坑洼位置之差的影响程度;Hi+Si+Vi分别为Pk区域内第i种颜色通道的色调、饱和度和亮度,pi为Pk区域中第i种颜色通道的直方图统计值与参考值处的差异,Δ4是一个常数系数,用于缩放计算得到的直方图之差使其具有可比性;LDW(I,p)为道路图像种像素p的深度信息和路面水平线之间的距离,LDWref(p)为参考值处像素p的深度信息和路面水平线之间的距离;参考图像为预先保存的图像,作为和道路图像进行比较的基准图像;Pk为可能为坑洼区域的像素集合,I为道路图像。
3.根据权利要求1所述的一种车辆动力控制方法,其特征在于:所述将首个坑洼严重度与第二坑洼严重度比对生成坑洼差异度,并根据第一遇障数据预测第一车速下车辆在第二坑洼处的第二遇障数据,包括以下步骤:
根据道路图像分别计算首个坑洼及第二坑洼的严重度S1、S2,生成坑洼差异度
通过坑洼差异度与遇障数据的关系式:计算得到第一车速下车辆在第二坑洼处的第二遇障数据,其中,Y2为第二遇障数据,Y1为第一遇障数据。
4.根据权利要求1所述的一种车辆动力控制方法,其特征在于:所述根据预测的第二遇障数据判断车辆能否以第一速度通过第二坑洼,包括以下步骤:
设置头枕标准瞬时压力P0,计算头枕标准瞬时压力与第二遇障数据中头枕瞬时压力P2的差值;
若P0-P2≥0,则以第一车速为车辆在第二坑洼的目标车速;
若P0-P2<0,则不能以第一车速为车辆在第二坑洼的目标车速。
5.根据权利要求4所述的一种车辆动力控制方法,其特征在于:所述若否,则根据第二遇障数据,计算速度修正值并对第一车速进行修正得到第二车速,包括以下步骤:
通过公式:计算速度修正值Δv;其中,P(0-2)为头枕标准瞬时压力P0与第二遇障数据中头枕瞬时压力P2的差值,θ为座椅靠背的倾斜角度,θ0为常数用于调节/>的速率,/>为倾斜角度对头枕压力的影响的函数,k1k2m为头枕支撑系统的弹簧常数,k1、k2分别表示座椅和地板之间的初始距离和座椅和驾驶舱背后障碍物之间的初始距离,m为头枕质量,h为头枕距座椅顶部的距离,a为头枕距座椅前缘的距离,c为头枕距座椅中心线的距离,/>为随时间t头枕受到的瞬时压力的变化情况,r为曲率半径;
将速度修正值Δv与第一车速v1进行求和得到v2。
6.根据权利要求1所述的一种车辆动力控制方法,其特征在于:所述以第二车速为目标车速并基于预测的第二遇障数据,调节车辆动力,包括:
预设置车速调节速率a减,并获取首个坑洼与第二坑洼之间的距离L及车辆通过首个坑洼后的速度v’1;
以第二车速v2为目标车速,通过车速调节速率a减对车辆通过首个坑洼后的速度v’1进行调节,并基于首个坑洼与第二坑洼之间的距离L,计算在车辆到达第二坑洼时的实际车速v’2;
分析实际车速v’2与第二车速v2的关系,进行动力调节。
7.根据权利要求6所述的一种车辆动力控制方法,其特征在于:所述分析实际车速v’2与第二车速v2的关系,进行动力调节,包括:
若v’2≤v2,则以车速调节速率a减对车辆动力进行调节;
若v’2>v2,则通过公式计算出v’2条件下满足头枕标准瞬时压力P0时座椅靠背的倾斜角度θ,并调整座椅背靠。
8.一种电子设备,其特征在于:包括:处理器和存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,使得所述处理器执行如权利要求1至7任一项所述的方法。
9.一种计算机存储介质,所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310494539.6A CN116534006B (zh) | 2023-05-05 | 2023-05-05 | 一种车辆动力控制方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310494539.6A CN116534006B (zh) | 2023-05-05 | 2023-05-05 | 一种车辆动力控制方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116534006A CN116534006A (zh) | 2023-08-04 |
CN116534006B true CN116534006B (zh) | 2023-09-26 |
Family
ID=87453688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310494539.6A Active CN116534006B (zh) | 2023-05-05 | 2023-05-05 | 一种车辆动力控制方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116534006B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101546700B1 (ko) * | 2014-11-28 | 2015-08-24 | 한국건설기술연구원 | 영상을 활용한 도로 포트홀 영역 인식 장치 및 방법 |
KR101918186B1 (ko) * | 2017-05-25 | 2019-01-29 | 인천대학교 산학협력단 | 차량에 대한 포트홀 사고 방지 지원 장치 및 그 동작 방법 |
CN109311478A (zh) * | 2016-12-30 | 2019-02-05 | 同济大学 | 一种基于舒适度的自动驾驶车速控制方法 |
CN111516692A (zh) * | 2020-04-20 | 2020-08-11 | 重庆长安汽车股份有限公司 | 一种车辆在坑洼路面上行驶的控制系统及方法 |
CN115273023A (zh) * | 2022-07-08 | 2022-11-01 | 重庆长安新能源汽车科技有限公司 | 一种车载道路坑洼识别方法、系统及汽车 |
-
2023
- 2023-05-05 CN CN202310494539.6A patent/CN116534006B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101546700B1 (ko) * | 2014-11-28 | 2015-08-24 | 한국건설기술연구원 | 영상을 활용한 도로 포트홀 영역 인식 장치 및 방법 |
CN109311478A (zh) * | 2016-12-30 | 2019-02-05 | 同济大学 | 一种基于舒适度的自动驾驶车速控制方法 |
KR101918186B1 (ko) * | 2017-05-25 | 2019-01-29 | 인천대학교 산학협력단 | 차량에 대한 포트홀 사고 방지 지원 장치 및 그 동작 방법 |
CN111516692A (zh) * | 2020-04-20 | 2020-08-11 | 重庆长安汽车股份有限公司 | 一种车辆在坑洼路面上行驶的控制系统及方法 |
CN115273023A (zh) * | 2022-07-08 | 2022-11-01 | 重庆长安新能源汽车科技有限公司 | 一种车载道路坑洼识别方法、系统及汽车 |
Also Published As
Publication number | Publication date |
---|---|
CN116534006A (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9990736B2 (en) | Robust anytime tracking combining 3D shape, color, and motion with annealed dynamic histograms | |
CN109334563B (zh) | 一种基于道路前方行人和骑行者的防碰撞预警方法 | |
US20180150976A1 (en) | Method for automatically establishing extrinsic parameters of a camera of a vehicle | |
US11884279B2 (en) | System and method for providing vehicle safety distance and speed alerts under slippery road conditions | |
CN109753841B (zh) | 车道线识别方法和装置 | |
JP2008018872A (ja) | 運転支援装置、自動車及び運転支援方法 | |
CN111508272B (zh) | 提供基于照相机的鲁棒物体距离预测的方法及装置 | |
CN113119960B (zh) | 路滑状况下提供车辆安全距离和速度警示的系统和方法 | |
US20200363809A1 (en) | Method and system for fusing occupancy maps | |
CN113920740A (zh) | 一种联合车辆关联度和博弈论的车路协同驾驶系统及方法 | |
CN112257539A (zh) | 车辆与车道线的位置关系检测方法、系统和存储介质 | |
CN111381249A (zh) | 一种障碍物航向角计算方法及装置 | |
US11878702B2 (en) | Driver assistance system and method for an assisted operation of a motor vehicle | |
CN113281718B (zh) | 一种基于激光雷达场景流估计的3d多目标跟踪系统及方法 | |
CN116534006B (zh) | 一种车辆动力控制方法、设备及存储介质 | |
JP7072765B2 (ja) | 画像処理装置、画像認識装置、画像処理プログラム、及び画像認識プログラム | |
CN111553309B (zh) | 车道线识别方法及装置 | |
CN110077393B (zh) | 一种基于图像视觉的自动泊车车速控制的方法 | |
CN116311136A (zh) | 用于辅助驾驶的车道线参数计算方法 | |
KR20200133856A (ko) | 자율 주행 장치 및 방법 | |
JP7074723B2 (ja) | 学習装置及びプログラム | |
CN113492855B (zh) | 跟车场景下的加速度补偿方法、设备及可读存储介质 | |
KR102616971B1 (ko) | 자율 주행 장치 및 방법 | |
US20230154133A1 (en) | Key point correction system, key point correction method, and nontransitory computer readable medium | |
WO2023085017A1 (ja) | 学習方法、学習プログラム、情報処理装置、情報処理方法、および情報処理プログラム |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |