CN116946099B - 一种基于域控制器的车辆智能辅助驾驶系统 - Google Patents
一种基于域控制器的车辆智能辅助驾驶系统 Download PDFInfo
- Publication number
- CN116946099B CN116946099B CN202311213526.3A CN202311213526A CN116946099B CN 116946099 B CN116946099 B CN 116946099B CN 202311213526 A CN202311213526 A CN 202311213526A CN 116946099 B CN116946099 B CN 116946099B
- Authority
- CN
- China
- Prior art keywords
- target vehicle
- control
- module
- determining
- interference factor
- 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
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 238000011156 evaluation Methods 0.000 claims description 26
- 230000007613 environmental effect Effects 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 7
- 230000000670 limiting effect Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 230000003213 activating effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000004913 activation Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 238000000034 method Methods 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/30—Conjoint control of vehicle sub-units of different type or different function including control of auxiliary equipment, e.g. air-conditioning compressors or oil pumps
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/04—Traffic conditions
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/18—Braking system
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/30—Auxiliary equipments
Abstract
本发明公开了一种基于域控制器的车辆智能辅助驾驶系统,该系统包括:获取模块,用于获取目标车辆前方的道路交通信息;检测模块,用于检测目标车辆的当前行驶状态以及状态参数;确定模块,用于将目标车辆的当前行驶状态以及状态参数与目标车辆前方的道路交通信息由域控制器反馈至服务器并确定预警类型;生成模块,用于基于预警类型生成相应的控制指令,将控制指令反馈至域控制器;控制模块,用于通过域控制器根据控制指令对目标车辆的制动组件和警示组件进行智能控制以实现智能辅助驾驶。通过远程服务器快速稳定地实现控制决策下发操作从而通过域控制器快速响应控制指令对目标车辆进行辅助控制,提高了安全性和实用性以及用户的体验感。
Description
技术领域
本发明涉及辅助驾驶技术领域,尤其涉及一种基于域控制器的车辆智能辅助驾驶系统。
背景技术
目前,各个车企开始着手研究自家车辆的辅助驾驶系统,现有的辅助驾驶系统大多介于L1-L2级自动驾驶辅助系统,其包含各项辅助驾驶操作,例如:主动刹车、车道偏离预警、自适应巡航,极大地提高了便利性,但是现有的车辆驾驶辅助系统通常是由车机系统自身进行决策和控制,由于各个车企的车机系统版本不同,在版本落后的车机系统中会出现无法及时稳定地进行车辆智能驾驶辅助导致出现交通事故,降低了安全性和用户的体验感。
发明内容
针对上述所显示出来的问题,本发明提供了一种基于域控制器的车辆智能辅助驾驶系统用以解决背景技术中提到的由于各个车企的车机系统版本不同,在版本落后的车机系统中会出现无法及时稳定地进行车辆智能驾驶辅助导致出现交通事故,降低了安全性和用户的体验感的问题。
一种基于域控制器的车辆智能辅助驾驶系统,该系统包括:
获取模块,用于获取目标车辆前方的道路交通信息;
检测模块,用于检测目标车辆的当前行驶状态以及状态参数;
确定模块,用于将目标车辆的当前行驶状态以及状态参数与目标车辆前方的道路交通信息由域控制器反馈至服务器并确定预警类型;
生成模块,用于基于预警类型生成相应的控制指令,将控制指令反馈至域控制器;
控制模块,用于通过域控制器根据控制指令对目标车辆的制动组件和警示组件进行智能控制以实现智能辅助驾驶。
优选的,所述获取模块,包括:
第一检测子模块,用于检测目标车辆车体前部安装的单目摄像头、双目摄像头、毫米波雷达和超声波雷达的功能是否异常;
激活子模块,用于在检测无异常后,激活单目摄像头、双目摄像头、毫米波雷达和超声波雷达各自的启动程序;
第一获取子模块,用于获取单目摄像头、双目摄像头、毫米波雷达和超声波雷达各自的采集图像;
第二获取子模块,用于将单目摄像头、双目摄像头、毫米波雷达和超声波雷达各自的采集图像进行整合,根据整合结果获取目标车辆前方的道路交通信息。
优选的,所述检测模块,包括:
第二检测子模块,用于检测目标车辆的制动组件是否处于工作状态,获取检测结果;
判断子模块,用于若检测结果为制动组件处于工作状态,判断目标车辆的当前行驶状态为移动状态,若检测结果为制动组件未处于工作状态,判断目标车辆的当前行驶状态为停置状态;
调取子模块,用于当判断目标车辆的当前行驶状态为移动状态时,从目标车辆的仪表盘调取目标车辆的移速状态参数。
优选的,所述确定模块,包括:
反馈子模块,用于将目标车辆的当前行驶状态以及状态参数与目标车辆前方的道路交通信息由域控制器反馈至服务器;
第一确定子模块,用于通过服务器根据交通信息确定目标车辆行驶路径上的干扰因素;
评估子模块,用于根据根据目标车辆的当前行驶状态以及状态参数评估出每个干扰因素对于目标车辆的潜在安全隐患;
第二确定子模块,用于根据每个干扰因素对于目标车辆的潜在安全隐患确定预警类型。
优选的,所述预警类型包括:前向碰撞预警、前向行人碰撞预警、车道偏离预警、碰撞缓解预警、虚拟保险杠预警和左右盲区监测预警。
优选的,所述生成模块,包括:
第三确定子模块,用于确定预警类型对应的相关控制组件以及组件状态参数;
构建子模块,用于根据预警类型对应的相关控制组件以及组件状态参数构建预警类型对应的相关控制组件的逻辑控制条目;
触发子模块,用于触发预设处理程序以使其根据预警类型对应的相关控制组件的逻辑控制条目生成相应的控制指令;
反馈子模块,用于将控制指令由预设处理程序反馈至域控制器。
优选的,所述控制模块,包括:
第四确定子模块,用于根据所述控制指令确定控制类型,控制类型包括:稳态控制和增量或减量控制;
选择子模块,用于根据控制类型在制动组件和警示组件中选择控制组件,同时解析控制指令确定指令内容,根据指令内容确定控制参数;
控制子模块,用于通过域控制器根据控制参数对控制组件进行智能控制以实现智能辅助驾驶。
优选的,在确定模块根据目标车辆的当前行驶状态以及状态参数与目标车辆前方的道路交通信息确定预警类型之前,所述系统还用于:
确定每个预警类型的限制条件,根据限制条件获取每个预警类型的第一参数触发阈值;
获取每个预警类型对应控制组件的响应频率,根据响应频率和控制组件的控制参数构建该控制组件的控制优化函数;
利用每个预警类型对应控制组件的控制优化函数对该预警类型的第一参数触发阈值进行优化计算,获取第二参数触发阈值;
确定每个预警类型的第二参数触发阈值和车辆状态参数以及道路交通信息的映射参数,根据映射参数确定每个预警类型的状态参数触发值和道路交通信息触发数据。
优选的,评估子模块根据根据目标车辆的当前行驶状态以及状态参数评估出每个干扰因素对于目标车辆的潜在安全隐患,包括:
根据目标车辆的当前行驶状态以及状态参数确定目标车辆处于安全隐患边缘的参数临界值;
确定每个干扰因素在目标车辆行驶路径上的空间位置分布,根据空间位置分布确定该干扰因素对于目标车辆的状态约束条件;
根据目标车辆处于安全隐患边缘的参数临界值和每个干扰因素对于目标车辆的状态约束条件确定目标车辆在每个干扰因素的每个分布区域的局部安全态势;
根据目标车辆在每个干扰因素的每个分布区域的局部安全态势对每个干扰因素进行综合安全态势分析;
根据每个干扰因素的综合安全态势确定每个干扰因素在目标车辆行驶路径上的安全态势表征参数;
获取目标车辆行驶路径上的环境特征,基于目标车辆行驶路径上的安全态势表征参数和目标车辆行驶路径上的环境特征确定对于每个干扰因素的关键安全性评价指标;
获取每个干扰因素的描述参数和该干扰因素与目标车辆之间的距离参数;
根据目标车辆处于安全隐患边缘的参数临界值确定每个干扰因素的每个关键安全性评价指标的评价权重值;
基于每个干扰因素的每个关键安全性评价指标的评价权重值通过每个干扰因素的描述参数和该干扰因素与目标车辆之间的距离参数评估出每个干扰因素与目标车辆之间的汇聚态势迫近程度;
获取每个干扰因素的实体属性,根据每个干扰因素的实体属性和该干扰因素与目标车辆之间的汇聚态势迫近程度确定每个干扰因素相对于目标车辆的安全隐患类型;
根据每个干扰因素相对于目标车辆的安全隐患类型评估出每个干扰因素对于目标车辆的潜在安全隐患。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
图1为本发明所提供的一种基于域控制器的车辆智能辅助驾驶系统的结构示意图;
图2为本发明所提供的一种基于域控制器的车辆智能辅助驾驶系统中获取模块的结构示意图;
图3为本发明所提供的一种基于域控制器的车辆智能辅助驾驶系统中检测模块的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
一种基于域控制器的车辆智能辅助驾驶系统,如图1所示,该系统包括:
获取模块101,用于获取目标车辆前方的道路交通信息;
检测模块102,用于检测目标车辆的当前行驶状态以及状态参数;
确定模块103,用于将目标车辆的当前行驶状态以及状态参数与目标车辆前方的道路交通信息由域控制器反馈至服务器并确定预警类型;
生成模块104,用于基于预警类型生成相应的控制指令,将控制指令反馈至域控制器;
控制模块105,用于通过域控制器根据控制指令对目标车辆的制动组件和警示组件进行智能控制以实现智能辅助驾驶。
在本实施例中,道路交通信息表示为目标车辆的左右两侧和前方道路上的影响行驶因素的交汇信息;
在本实施例中,当前行驶状态表示为目标车辆的当前时刻在行驶维度上的状态,例如:停置状态或者移动状态;
在本实施例中,状态参数表示为在行驶状态下的各项数据的参数,例如:时速为60km/h;
在本实施例中,预警类型表示为对于目标车辆进行功能预警的类型,例如:前向碰撞预警、前向行人碰撞预警、车道偏离预警、碰撞缓解预警、虚拟保险杠预警和左右盲区监测预警等;
在本实施例中,控制指令表示为针对预警类型相应的控制指令,例如:报警指令、减速指令、方向校正指令等;
在本实施例中,制动组件表示为目标车辆用于制动的汽车组件,例如:油门、刹车和离合等;
在本实施例中,警示组件表示为目标车辆用于发出警示的汽车组件,例如:蜂鸣器、喇叭、指示灯等。
上述技术方案的工作原理为:首先通过获取模块获取目标车辆前方的道路交通信息;其次使用检测模块检测目标车辆的当前行驶状态以及状态参数;然后通过确定模块将目标车辆的当前行驶状态以及状态参数与目标车辆前方的道路交通信息由域控制器反馈至服务器并确定预警类型;然后使用生成模块基于预警类型生成相应的控制指令,将控制指令反馈至域控制器;最后基于控制模块通过域控制器根据控制指令对目标车辆的制动组件和警示组件进行智能控制以实现智能辅助驾驶。
上述技术方案的有益效果为:通过域控制器将目标车辆的行驶参数和路径道路交通信息上传至服务器进行快速决策以确定预警类型进而对目标车辆进行智能驾驶辅助可以通过远程服务器快速稳定地实现控制决策下发操作从而通过域控制器快速响应控制指令对目标车辆进行辅助控制,克服了车机版本不同导致的控制稳定性差的问题,提高了安全性和实用性以及用户的体验感,解决了现有技术中由于各个车企的车机系统版本不同,在版本落后的车机系统中会出现无法及时稳定地进行车辆智能驾驶辅助导致出现交通事故,降低了安全性和用户的体验感的问题。
在一个实施例中,如图2所示,所述获取模块101,包括:
第一检测子模块1011,用于检测目标车辆车体前部安装的单目摄像头、双目摄像头、毫米波雷达和超声波雷达的功能是否异常;
激活子模块1012,用于在检测无异常后,激活单目摄像头、双目摄像头、毫米波雷达和超声波雷达各自的启动程序;
第一获取子模块1013,用于获取单目摄像头、双目摄像头、毫米波雷达和超声波雷达各自的采集图像;
第二获取子模块1014,用于将单目摄像头、双目摄像头、毫米波雷达和超声波雷达各自的采集图像进行整合,根据整合结果获取目标车辆前方的道路交通信息。
在本实施例中,启动程序表示以为单目摄像头、双目摄像头、毫米波雷达和超声波雷达各自的在目标车辆车机系统中的启动程序;
在本实施例中,整合表示为将目标车辆的不同视角的采集图像整合为一幅完整的图像。
在本实施例中,通过使用深度神经网络对毫米波雷达和双目镜头、单目镜头的信号进行特征提取,然后将提取的特征进行融合,最后使用识别模型对融合后的特征进行分类和识别来实现更准确的障碍物识别,能够准确地识别出前方障碍物的形状、大小、颜色等信息、不需要大量的计算资源,能够高效地处理大量数据。对传感器安装位置的要求较低,对环境条件的依赖较小,因此具有很好的鲁棒性。
在本实施例中,通过图像处理技术对双目镜头捕捉的图像进行分析,来识别出前方障碍物形状、大小、颜色等信息,通常采用以下步骤:
预处理:对图像进行预处理,包括去噪、增强、分割等操作,将图像中的前景和背景分离出来。
特征提取:从预处理后的图像中提取出特征,包括边缘、角点、纹理等特征,以便进行后续识别。
目标检测:采用目标检测算法对图像中的目标进行检测,包括物体检测、人脸检测等。
特征匹配:将左右两个视场中的目标特征进行匹配,得到视差信息,以便进行三维重建。
三维重建:根据视差信息,将左右两个视场中的图像进行配准,得到三维点云数据,进而进行障碍物形状、大小、颜色等信息的识别。
上述技术方案的有益效果为:可以全面地获取到目标车辆所在行驶路径以及目标车辆周围的环境图像从而快速地获取道路交通信息,提高了实用性和工作效率。
在一个实施例中,如图3所示,所述检测模块102,包括:
第二检测子模块1021,用于检测目标车辆的制动组件是否处于工作状态,获取检测结果;
判断子模块1022,用于若检测结果为制动组件处于工作状态,判断目标车辆的当前行驶状态为移动状态,若检测结果为制动组件未处于工作状态,判断目标车辆的当前行驶状态为停置状态;
调取子模块1023,用于当判断目标车辆的当前行驶状态为移动状态时,从目标车辆的仪表盘调取目标车辆的移速状态参数。
在本实施例中,工作状态表示为目标车辆的主动组件处于使目标车辆正在行驶的运行状态;
在本实施例中,移速状态参数表示为目标车辆的在移动状态中的速度参数。
上述技术方案的有益效果为:通过对制动组件进行检测可以快速直观地评估出目标车辆处于行驶状态还是停置状态,提高了评估效率和评估精度,进一步地,通过从目标车辆的仪表盘调取目标车辆的移速状态参数可以精准地确定目标车辆的移速参数,提高了数据获取效率和获取精度,保证了数据的有效性和参考价值。
在一个实施例中,所述确定模块,包括:
反馈子模块,用于将目标车辆的当前行驶状态以及状态参数与目标车辆前方的道路交通信息由域控制器反馈至服务器;
第一确定子模块,用于通过服务器根据交通信息确定目标车辆行驶路径上的干扰因素;
评估子模块,用于根据根据目标车辆的当前行驶状态以及状态参数评估出每个干扰因素对于目标车辆的潜在安全隐患;
第二确定子模块,用于根据每个干扰因素对于目标车辆的潜在安全隐患确定预警类型。
在本实施例中,干扰因素可以为:人、障碍物、红绿灯、行驶路径上其他车辆等;
在本实施例中,潜在安全隐患表示为目标车辆在当前行驶状态及其状态参数下可能发生的潜在安全事故隐患,例如:与前方车辆发生碰撞、撞击行人和偏离车道与其他车道车辆发生碰撞等;
上述技术方案的有益效果为:可以根据潜在安全隐患直观有说服力地评估出预警类型,保证预警效果和预警精度,进一步地提高了用户的安全性和体验感。
在一个实施例中,所述预警类型包括:前向碰撞预警、前向行人碰撞预警、车道偏离预警、碰撞缓解预警、虚拟保险杠预警和左右盲区监测预警。
在一个实施例中,所述生成模块,包括:
第三确定子模块,用于确定预警类型对应的相关控制组件以及组件状态参数;
构建子模块,用于根据预警类型对应的相关控制组件以及组件状态参数构建预警类型对应的相关控制组件的逻辑控制条目;
触发子模块,用于触发预设处理程序以使其根据预警类型对应的相关控制组件的逻辑控制条目生成相应的控制指令;
反馈子模块,用于将控制指令由预设处理程序反馈至域控制器。
在本实施例中,逻辑控制条目表示为对预警类型对应的相关控制组件进行逻辑控制的程序代码条目。
上述技术方案的有益效果为:可以快速地根据处理程序生成控制指令,进一步地提高了工作效率。
在一个实施例中,所述控制模块,包括:
第四确定子模块,用于根据所述控制指令确定控制类型,控制类型包括:稳态控制和增量或减量控制;
选择子模块,用于根据控制类型在制动组件和警示组件中选择控制组件,同时解析控制指令确定指令内容,根据指令内容确定控制参数;
控制子模块,用于通过域控制器根据控制参数对控制组件进行智能控制以实现智能辅助驾驶。
在本实施例中,稳态控制表示为在不影响目标车辆当前行驶状态下进行辅助控制;
在本实施例中,增量或减量控制表示为对目标车辆的移动速度进行增减的辅助控制。
上述技术方案的有益效果为:可以根据控制类型快速地选择出相应的控制组件,例如:稳态控制选择蜂鸣器和指示灯等控制组件,增量或减量控制选择刹车和油门等控制组件,缩小选择范围,提高了选择效率,可以在第一时间实现对于目标车辆的智能辅助驾驶,大大地降低了安全隐患,提高了用户的安全性和体验感。
在一个实施例中,在确定模块根据目标车辆的当前行驶状态以及状态参数与目标车辆前方的道路交通信息确定预警类型之前,所述系统还用于:
确定每个预警类型的限制条件,根据限制条件获取每个预警类型的第一参数触发阈值;
获取每个预警类型对应控制组件的响应频率,根据响应频率和控制组件的控制参数构建该控制组件的控制优化函数;
利用每个预警类型对应控制组件的控制优化函数对该预警类型的第一参数触发阈值进行优化计算,获取第二参数触发阈值;
确定每个预警类型的第二参数触发阈值和车辆状态参数以及道路交通信息的映射参数,根据映射参数确定每个预警类型的状态参数触发值和道路交通信息触发数据。
在本实施例中,限制条件表示为每个预警类型无法触发的外界限制条件;
在本实施例中,第一参数触发阈值表示为每个预警类型的触发参数参考值,例如:主动刹车预警的触发参数参考值为车辆距离与前方物体或者后方物体小于等于30cm。
上述技术方案的有益效果为:通过确定每个预警类型的状态参数触发值和道路交通信息触发数据可以使得服务器可以直观地根据实时的交通参数和车辆状态信息来确定预警类型,进一步地提高了预警类型评估的效率和精度,提高了整体的实用性和稳定性。
在一个实施例中,评估子模块根据根据目标车辆的当前行驶状态以及状态参数评估出每个干扰因素对于目标车辆的潜在安全隐患,包括:
根据目标车辆的当前行驶状态以及状态参数确定目标车辆处于安全隐患边缘的参数临界值;
确定每个干扰因素在目标车辆行驶路径上的空间位置分布,根据空间位置分布确定该干扰因素对于目标车辆的状态约束条件;
根据目标车辆处于安全隐患边缘的参数临界值和每个干扰因素对于目标车辆的状态约束条件确定目标车辆在每个干扰因素的每个分布区域的局部安全态势;
根据目标车辆在每个干扰因素的每个分布区域的局部安全态势对每个干扰因素进行综合安全态势分析;
根据每个干扰因素的综合安全态势确定每个干扰因素在目标车辆行驶路径上的安全态势表征参数;
获取目标车辆行驶路径上的环境特征,基于目标车辆行驶路径上的安全态势表征参数和目标车辆行驶路径上的环境特征确定对于每个干扰因素的关键安全性评价指标;
获取每个干扰因素的描述参数和该干扰因素与目标车辆之间的距离参数;
根据目标车辆处于安全隐患边缘的参数临界值确定每个干扰因素的每个关键安全性评价指标的评价权重值;
基于每个干扰因素的每个关键安全性评价指标的评价权重值通过每个干扰因素的描述参数和该干扰因素与目标车辆之间的距离参数评估出每个干扰因素与目标车辆之间的汇聚态势迫近程度;
获取每个干扰因素的实体属性,根据每个干扰因素的实体属性和该干扰因素与目标车辆之间的汇聚态势迫近程度确定每个干扰因素相对于目标车辆的安全隐患类型;
根据每个干扰因素相对于目标车辆的安全隐患类型评估出每个干扰因素对于目标车辆的潜在安全隐患。
在本实施例中,目标车辆处于安全隐患边缘的参数临界值表示为目标车辆处于安全隐患的速度或方向的参数临界值;
在本实施例中,空间位置分布表示为每个干扰因素在目标车辆行驶路径上的动态或者静态位置分布情况;
在本实施例中,状态约束条件表示为每个干扰因素对目标车辆的行进状态的约束条件;
在本实施例中,局部安全态势表示目标车辆在每个干扰因素的每个分布区域的行驶安全的发展态势;
在本实施例中,安全态势表征参数表示为每个干扰因素在目标车辆行驶路径上的安全发展态势的表现特征的描述参数;
在本实施例中,环境特征表示为目标车辆行驶路径上的路面特征和路况特征等;
在本实施例中,关键安全性评价指标表示为每个干扰因素用于评估安全隐患的关键性参考评价指标;
在本实施例中,描述参数表示为每个干扰因素的体积和重量等描述参数;
在本实施例中,汇聚态势迫近程度表示为每个干扰因素与目标车辆之间的交汇聚集形势的逼近程度;
在本实施例中,实体属性表示为每个干扰因素的具体类型属性,例如:汽车、人、栏杆等;
在本实施例中,安全隐患类型表示为每个干扰因素可以对目标车辆带来的安全隐患的具体类型,例如:碰撞安全隐患、侧翻安全隐患等。
上述技术方案的有益效果为:可以根据每个干扰因素在目标车辆行驶路径的实时发展态势来精确地确定每个干扰因素对应的安全隐患类型,使得最终评估结果更加精确和客观。
在一个实施例中,所述系统还用于根据障碍物的位置、目标车辆的速度和加速度信息,判断是否存在潜在的危险,并采取相应的刹车措施,具体为:
获取障碍物信息:通过传感器或其他设备获取障碍物的位置、速度、加速度等信息。
判断危险情况:根据获取的障碍物信息,判断是否存在潜在的危险情况,例如与前方车辆距离过近、速度过快等。
计算刹车距离:根据车辆的自身速度、道路情况等因素,计算出需要的刹车距离。
采取刹车措施:根据计算出的刹车距离,采取相应的刹车措施,例如踩刹车踏板、使用制动器等。
避免碰撞:在采取刹车措施后,需要持续监测障碍物的位置、速度和加速度等信息,以确保能够避免碰撞。
上述技术方案的有益效果为:可以根据障碍物位置、速度和加速度等信息,判断是否存在潜在的危险,并采取相应的刹车措施,确保车辆行驶的安全性。
在本实施例中,采取相应的刹车措施具体为利用气路控制技术对刹车系统进行快速响应和精确控制,通常采用以下步骤:
传感器检测:使用传感器检测车辆的速度、加速度、踏板位置等信息,以便对刹车系统进行精确控制。
控制算法:采用控制算法对传感器检测到的信息进行计算和处理,得到所需的控制参数,例如制动压力、制动时间等。
执行器控制:利用执行器对制动系统进行控制,例如控制制动压力的电磁阀、控制制动时间的计时器等,从而实现对刹车系统的精确控制。
系统监控:对整个刹车系统进行监控,确保系统正常运行,并在出现异常情况时进行及时处理和报警。
上述技术方案的有益效果为:可以利用气路控制技术对刹车系统进行快速响应和精确控制,提高车辆的制动性能和安全性。
本领域技术人员应当理解的是,本发明中的第一、第二指的是不同应用阶段而已。
本领域技术用户员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (8)
1.一种基于域控制器的车辆智能辅助驾驶系统,其特征在于,该系统包括:
获取模块,用于获取目标车辆前方的道路交通信息;
检测模块,用于检测目标车辆的当前行驶状态以及状态参数;
确定模块,用于将目标车辆的当前行驶状态以及状态参数与目标车辆前方的道路交通信息由域控制器反馈至服务器并确定预警类型;
生成模块,用于基于预警类型生成相应的控制指令,将控制指令反馈至域控制器;
控制模块,用于通过域控制器根据控制指令对目标车辆的制动组件和警示组件进行智能控制以实现智能辅助驾驶;
在确定模块根据目标车辆的当前行驶状态以及状态参数与目标车辆前方的道路交通信息确定预警类型之前,所述系统还用于:
确定每个预警类型的限制条件,根据限制条件获取每个预警类型的第一参数触发阈值;
获取每个预警类型对应控制组件的响应频率,根据响应频率和控制组件的控制参数构建该控制组件的控制优化函数;
利用每个预警类型对应控制组件的控制优化函数对该预警类型的第一参数触发阈值进行优化计算,获取第二参数触发阈值;
确定每个预警类型的第二参数触发阈值和车辆状态参数以及道路交通信息的映射参数,根据映射参数确定每个预警类型的状态参数触发值和道路交通信息触发数据。
2.根据权利要求1所述基于域控制器的车辆智能辅助驾驶系统,其特征在于,所述获取模块,包括:
第一检测子模块,用于检测目标车辆车体前部安装的单目摄像头、双目摄像头、毫米波雷达和超声波雷达的功能是否异常;
激活子模块,用于在检测无异常后,激活单目摄像头、双目摄像头、毫米波雷达和超声波雷达各自的启动程序;
第一获取子模块,用于获取单目摄像头、双目摄像头、毫米波雷达和超声波雷达各自的采集图像;
第二获取子模块,用于将单目摄像头、双目摄像头、毫米波雷达和超声波雷达各自的采集图像进行整合,根据整合结果获取目标车辆前方的道路交通信息。
3.根据权利要求1所述基于域控制器的车辆智能辅助驾驶系统,其特征在于,所述检测模块,包括:
第二检测子模块,用于检测目标车辆的制动组件是否处于工作状态,获取检测结果;
判断子模块,用于若检测结果为制动组件处于工作状态,判断目标车辆的当前行驶状态为移动状态,若检测结果为制动组件未处于工作状态,判断目标车辆的当前行驶状态为停置状态;
调取子模块,用于当判断目标车辆的当前行驶状态为移动状态时,从目标车辆的仪表盘调取目标车辆的移速状态参数。
4.根据权利要求1所述基于域控制器的车辆智能辅助驾驶系统,其特征在于,所述确定模块,包括:
反馈子模块,用于将目标车辆的当前行驶状态以及状态参数与目标车辆前方的道路交通信息由域控制器反馈至服务器;
第一确定子模块,用于通过服务器根据交通信息确定目标车辆行驶路径上的干扰因素;
评估子模块,用于根据目标车辆的当前行驶状态以及状态参数评估出每个干扰因素对于目标车辆的潜在安全隐患;
第二确定子模块,用于根据每个干扰因素对于目标车辆的潜在安全隐患确定预警类型。
5.根据权利要求4所述基于域控制器的车辆智能辅助驾驶系统,其特征在于,所述预警类型包括:前向碰撞预警、前向行人碰撞预警、车道偏离预警、
碰撞缓解预警、虚拟保险杠预警和左右盲区监测预警。
6.根据权利要求1所述基于域控制器的车辆智能辅助驾驶系统,其特征在于,所述生成模块,包括:
第三确定子模块,用于确定预警类型对应的相关控制组件以及组件状态参数;
构建子模块,用于根据预警类型对应的相关控制组件以及组件状态参数构建预警类型对应的相关控制组件的逻辑控制条目;
触发子模块,用于触发预设处理程序以使其根据预警类型对应的相关控制组件的逻辑控制条目生成相应的控制指令;
反馈子模块,用于将控制指令由预设处理程序反馈至域控制器。
7.根据权利要求1所述基于域控制器的车辆智能辅助驾驶系统,其特征在于,所述控制模块,包括:
第四确定子模块,用于根据所述控制指令确定控制类型,控制类型包括:稳态控制和增量或减量控制;
选择子模块,用于根据控制类型在制动组件和警示组件中选择控制组件,同时解析控制指令确定指令内容,根据指令内容确定控制参数;
控制子模块,用于通过域控制器根据控制参数对控制组件进行智能控制以实现智能辅助驾驶。
8.根据权利要求4所述基于域控制器的车辆智能辅助驾驶系统,其特征在于,评估子模块根据目标车辆的当前行驶状态以及状态参数评估出每个干扰因素对于目标车辆的潜在安全隐患,包括:
根据目标车辆的当前行驶状态以及状态参数确定目标车辆处于安全隐患边缘的参数临界值;
确定每个干扰因素在目标车辆行驶路径上的空间位置分布,根据空间位置分布确定该干扰因素对于目标车辆的状态约束条件;
根据目标车辆处于安全隐患边缘的参数临界值和每个干扰因素对于目标车辆的状态约束条件确定目标车辆在每个干扰因素的每个分布区域的局部安全态势;
根据目标车辆在每个干扰因素的每个分布区域的局部安全态势对每个干扰因素进行综合安全态势分析;
根据每个干扰因素的综合安全态势确定每个干扰因素在目标车辆行驶路径上的安全态势表征参数;
获取目标车辆行驶路径上的环境特征,基于目标车辆行驶路径上的安全态势表征参数和目标车辆行驶路径上的环境特征确定对于每个干扰因素的关键安全性评价指标;
获取每个干扰因素的描述参数和该干扰因素与目标车辆之间的距离参数;
根据目标车辆处于安全隐患边缘的参数临界值确定每个干扰因素的每个关键安全性评价指标的评价权重值;
基于每个干扰因素的每个关键安全性评价指标的评价权重值通过每个干扰因素的描述参数和该干扰因素与目标车辆之间的距离参数评估出每个干扰因素与目标车辆之间的汇聚态势迫近程度;
获取每个干扰因素的实体属性,根据每个干扰因素的实体属性和该干扰因素与目标车辆之间的汇聚态势迫近程度确定每个干扰因素相对于目标车辆的安全隐患类型;
根据每个干扰因素相对于目标车辆的安全隐患类型评估出每个干扰因素对于目标车辆的潜在安全隐患。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311213526.3A CN116946099B (zh) | 2023-09-20 | 2023-09-20 | 一种基于域控制器的车辆智能辅助驾驶系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311213526.3A CN116946099B (zh) | 2023-09-20 | 2023-09-20 | 一种基于域控制器的车辆智能辅助驾驶系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116946099A CN116946099A (zh) | 2023-10-27 |
CN116946099B true CN116946099B (zh) | 2023-12-12 |
Family
ID=88455016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311213526.3A Active CN116946099B (zh) | 2023-09-20 | 2023-09-20 | 一种基于域控制器的车辆智能辅助驾驶系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116946099B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108447291A (zh) * | 2018-04-03 | 2018-08-24 | 南京锦和佳鑫信息科技有限公司 | 一种智能道路设施系统及控制方法 |
CN108931971A (zh) * | 2018-05-24 | 2018-12-04 | 奇瑞汽车股份有限公司 | 用于无人驾驶的移动终端、车辆、服务器及无人驾驶系统 |
CN111717275A (zh) * | 2020-06-24 | 2020-09-29 | 中国第一汽车股份有限公司 | 一种车辆后轮转向控制系统及控制方法 |
CN113859262A (zh) * | 2021-11-08 | 2021-12-31 | 安徽江淮汽车集团股份有限公司 | 智能车辆预警系统 |
CN115220452A (zh) * | 2022-07-19 | 2022-10-21 | 东风汽车集团股份有限公司 | 一种远程辅助驾驶控制方法及相关设备 |
-
2023
- 2023-09-20 CN CN202311213526.3A patent/CN116946099B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108447291A (zh) * | 2018-04-03 | 2018-08-24 | 南京锦和佳鑫信息科技有限公司 | 一种智能道路设施系统及控制方法 |
CN108931971A (zh) * | 2018-05-24 | 2018-12-04 | 奇瑞汽车股份有限公司 | 用于无人驾驶的移动终端、车辆、服务器及无人驾驶系统 |
CN111717275A (zh) * | 2020-06-24 | 2020-09-29 | 中国第一汽车股份有限公司 | 一种车辆后轮转向控制系统及控制方法 |
CN113859262A (zh) * | 2021-11-08 | 2021-12-31 | 安徽江淮汽车集团股份有限公司 | 智能车辆预警系统 |
CN115220452A (zh) * | 2022-07-19 | 2022-10-21 | 东风汽车集团股份有限公司 | 一种远程辅助驾驶控制方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116946099A (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107031508B (zh) | 用于车辆的后视系统及其使用方法 | |
CN107031623B (zh) | 一种基于车载盲区相机的道路预警方法 | |
US9454150B2 (en) | Interactive automated driving system | |
CN106537180B (zh) | 用于用针对行人的主动制动的摄影机输入缓解雷达传感器限制的方法 | |
US11113545B2 (en) | Road detection using traffic sign information | |
CN112389466B (zh) | 车辆自动避让方法、装置、设备及存储介质 | |
CN108263279A (zh) | 基于传感器整合的行人检测和行人碰撞避免装置及方法 | |
US20150336579A1 (en) | Drive assist device and method, collision prediction device and method, and alerting device and method | |
Hofmann et al. | Radar and vision data fusion for hybrid adaptive cruise control on highways | |
KR101690352B1 (ko) | 차량 충돌 모니터링 방법 | |
CN108960035A (zh) | 使用场景检测模式在感知场景图中分类对象的方法和系统 | |
CN108944920A (zh) | 在机动车应用程序中生成并使用感知场景图的方法和系统 | |
Milanés et al. | Vision-based active safety system for automatic stopping | |
EP2701093A1 (en) | Sensing system and method for detecting moving objects | |
CN108944919A (zh) | 为机动车辆生成具有聚焦区的感知场景图的方法和系统 | |
CN111516682A (zh) | 一种基于驾驶环境智能测控的机动车管控方法、装置和系统 | |
Chavez-Garcia | Multiple sensor fusion for detection, classification and tracking of moving objects in driving environments | |
CN112172762A (zh) | 一种自动紧急制动决策方法及系统 | |
CN115092131A (zh) | 一种车辆巡航系统及方法 | |
CN114537374A (zh) | 一种基于可行驶区域的车辆前方防碰撞系统 | |
Hofmann et al. | Radar and vision data fusion for hybrid adaptive cruise control on highways | |
CN113432615A (zh) | 基于多传感器融合可驾驶区域的检测方法、系统和车辆 | |
CN116946099B (zh) | 一种基于域控制器的车辆智能辅助驾驶系统 | |
Hofmann et al. | EMS-vision: Application to hybrid adaptive cruise control | |
JP2022550762A (ja) | 衝突認識手段を用いた動力車両の周辺領域内にある離れたターゲット車両を追跡するための方法 |
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 |