CN117104237B - 一种用于自动驾驶车辆的主动防滑控制方法以及系统 - Google Patents

Abstract

本发明公开了一种用于自动驾驶车辆的主动防滑控制方法，所述自动驾驶车辆搭载有能自主加载和卸载防滑组件的防滑装置，所述主动防滑控制方法包括以下步骤：获取车辆行驶信息；将路面图像输入至路面分类模型和天气识别模型中，以输出路面类型和天气类型；根据车辆运动数据计算车辆的轮胎滑移率；当识别为非安全路面时，则生成防滑告警，反之则继续监测车辆行驶信息；当识别结果为安全路面且当前天气为非恶劣天气时，则消除防滑告警；基于识别结果进行防滑装置的加载或卸载。本发明还提供了一种主动防滑控制系统。本发明提供的主动防滑控制方法可根据当前车辆的行驶环境，自适应地判断是否需要进行防滑组件的加载或卸载，从而保证车辆的行驶安全。

Description

一种用于自动驾驶车辆的主动防滑控制方法以及系统

技术领域

本发明属于自动驾驶防滑控制领域，尤其涉及一种用于自动驾驶车辆的主动防滑控制方法以及系统。

背景技术

目前，全球交通运输业正在如火如荼的向自动驾驶方向发展，应用范围不仅涉及家庭汽车，在矿车、物流车甚至是军用车辆方面都已经逐步展开了应用。驾驶方向转向自动驾驶汽车，这种转变同时伴随着一系列新的挑战。比如障碍识别、周围环境识别等，识别之后基于这些认知进行一系列安全决策。

针对自动驾驶汽车的防滑技术并没有什么切实有效的实施方案，在雨雪天气，道路湿滑的情况，自动驾驶汽车还需要靠人手工装配防滑链。自动驾驶汽车主导的是“无人”，但防滑链却还需要人去加载、卸载。那么自动驾驶车辆便失去了其研发初衷。一种行之有效的关于自动驾驶车辆的防滑方案问世迫切。

专利文献CN115923800A公开了一种纯电动汽车驱动防滑控制方法、装置及车辆，其方法包括如下步骤：整车上电后，当车辆处于驱动模式、车轮轮速处于正常范围内、前后轮速差值的绝对值大于轮速差值预设阈值且车辆转弯时，根据方向盘转角和整车车速确定影响因子；计算影响因子和驱动扭矩的乘积；计算影响因子和驱动扭矩的乘积、基础扭矩和滑动控制调节扭矩的最小值，并将最小值作为最终驱动扭矩；优化了基础扭矩对驱动扭矩的调节，使得对驱动扭矩的调节更准确，避免了在低附路面车轮持续加速打滑问题，提高了车辆的安全性。该防滑方法针对车辆本身输出扭矩进行调整，但针对更加恶劣的环境下效果并不佳。

专利文献CN 202310723416A公开了一种车辆驱动防滑控制方法及装置，该方法包括：当目标车辆处于可行驶状态时，检测V-TCS功能是否开启；当所述V-TCS功能开启时，预测所述目标车辆在前方预设距离处的路面上是否会出现打滑；当预测出所述目标车辆在前方预设距离处的路面上会出现打滑时，计算用于驱动防滑控制的限制扭矩；根据所述限制扭矩进行所述目标车辆的驱动防滑控制。该方法通过预测前方路段的打滑概率，提前设定车辆的限制扭矩，但车辆本身的扭矩力并不能应对滑动阻力更大的湿滑路面。

发明内容

本发明的主要目的是提供一种用于自动驾驶车辆的主动防滑控制方法以及系统，该主动防滑控制方法可根据当前车辆的行驶环境，自适应地判断是否需要进行防滑组件的加载或卸载，从而保证车辆的行驶安全。

为了实现本发明的第一个目的，提供了一种用于自动驾驶车辆的主动防滑控制方法，所述自动驾驶车辆搭载有可自主加载和卸载防滑组件的防滑装置，所述主动防滑控制方法包括以下步骤：

获取车辆行驶信息，其包括当前所在道路的路面图像，当前天气以及车辆运动数据；

将路面图像输入至预构建的路面分类模型中，以输出当前的路面类型，所述路面类型包括非安全路面和安全路面；

将路面图像输入至预构建的路面分类模型和天气识别模型中，以输出路面类型和天气类型，所述路面类型包括非安全路面和安全路面，所述天气类型包括非恶劣天气和恶劣天气；

根据车辆运动数据，以计算车辆与路面之间的轮胎滑移率；

当轮胎滑移率大于等于安全阈值或/和路面类型识别结果为非安全路面时，则生成防滑告警，反之则继续监测车辆行驶信息；

当车辆滑移率小于安全阈值，同时路面类型识别结果为安全路面且当前天气为非恶劣天气时，则消除已生成的防滑告警，并继续监测车辆行驶信息；

当所述防滑装置收到防滑告警时，主动加载防滑组件以实现车辆防滑；

当所述防滑装置的防滑告警消除时，主动卸载防滑组件以保证车辆正常行驶。

本发明通过采集路面图像数据以及天气图像数据，然后基于事先训练好的路面湿滑状况识别模型以及天气类别识别模型，实时识别出路面是否存在湿滑情况以及易造成湿滑路面情况出现相关天气的识别，并结合计算所得轮胎滑移率，经过逻辑判断湿滑路面识别与轮胎滑移率计算结果，基于湿滑路面识别结果、天气类别识别结果、轮胎滑移率计算结果进行综合逻辑判断是否主动进行防滑装置的卸载控制。

具体的，所述路面分类模型的构建如下：

获取各种天气下的路面图像，根据路面湿滑度对路面图像进行标签标注，将路面图像和路面湿滑度组成第一数据集；

构建用于评估路面安全的第一神经网络，包括特征提取模块，数据映射块以及评估模块，所述特征提取模块用于提取输入路面图像的路面湿滑特征，所述数据映射模块用于将路面湿滑特征进行数据映射，以获得对应的湿滑度，所述评估模块根据输入湿滑度与阈值进行评估，以输出对应的评估结果，所述评估结果包括安全路面和非安全路面；

利用第一数据集对第一神经网络进行训练，以获得用于评估路面安全的路面分类模型。

具体的，天气识别模型的构建过程如下：

获取不同天气下的路面图像，并以恶劣天气和非恶劣天气对路面图像进行标签标注，将路面图像和标签组成第二数据集，所述恶劣天气包括路面存在积雪的风雪天气，路面存在积水或泥泞的阴雨天气以及路面存在结冰面的低温结冰天气；

构建用于识别天气类型的第二神经网络，包括第二特征提取模块，天气预报获取模块以及判断模块，所述第二特征提取模块用于提取输入路面图像中的图像特征，所述天气预报获取模块用于获取当前区域的环境温度和天气预报，所述判断模块根据获取的图像特征与环境温度生成对应的预测结果，并基于天气预报中的天气类型与预测结果进行比对，以输出判断结果；

利用第二数据集对第二神经网络进行训练，以获得用于判断天气是否为恶劣天气的天气识别模型。

具体的，所述天气预报中的天气类型包括晴天，雨天，风雪天。

具体的，所述判断模块的具体判断过程如下：

当图像特征中出现白色雪状物时，且同时环境温度低于0摄氏度，则初步判断当前天气为风雪天气；

当图像特征中出现路面反光区域，且同时环境温度高于等于0摄氏度，则初步判断当前天气为阴雨天气；

当图像特征中出现路面反光区域，且同时环境温度低于0摄氏度，则初步判断当前天气为低温结冰天气；

当图像特征中无白色雪状物或反光区域，则初步判断当前天气为其他天气；

将初步判断结果与天气预报中的天气类型进行文本相似度匹配，若相似度匹配结果大于阈值，则以初步判断结果作为最终结果进行输出；

若相似度匹配结果小于阈值，则获取一定时间段内连续的初步判断结果，并以出现次数最多的天气类型作为最终结果进行输出。

具体的，所述轮胎滑移率基于车辆的轮胎角速度与车辆本体速度计算获得，其表达表达式如下：

轮胎滑移率=（车辆本体速度-轮胎角速度*轮胎半径）/车辆本体速度。

具体的，述轮胎角速度通过布置在轮毂上转速传感器采集获得。

具体的，所述车辆本体速度通过车载激光雷达里程计数据计算获得。

具体的，所述防滑装置包括与位于轮毂一侧且同轴转动的快拆支架，设置在快拆支架上的防滑组件以及驱动组件，所述防滑组件包括沿快拆支架辐射方向布置的防滑加载链路和设置在辐射末端的防滑板，以及无线信号接收端，所述驱动组件包括控制防滑加载链路出链或收链动作的驱动电机，电机控制模块以及为驱动电机提供电能的动力储存模块；

当无线信号接收接到防滑告警时，生成加载指令至电机控制模块以驱动防滑加载链路完成收链动作，从而使得防滑板与轮胎表面贴合加载；

当无线信号接接收到防滑告警消除时，生成卸载指令至电机控制模块以驱动防滑加载链路完成出链动作，从而使得防滑板与轮胎表面分离卸载。

具体的，所述防滑板与路面接触一侧设有防滑链或防滑钉中的一种。

为了实现本发明的第二目的，提供了一种主动防滑控制系统，基于上述的用于自动驾驶车辆的主动防滑控制方法实现，该系统包括行驶信息采集模块、计算控制模块、无线通信模块以及防滑模块；

所述行驶信息采集模块，用于获取当前车辆所在道路的路面图像，以及车辆的行驶速度和车轮角速度；

所述计算控制模块，用于根据获取的路面图像，车辆的行驶速度和车轮角速度，以及当前天气，生成对应的防滑指令；

所述无线通信模块，用于车辆的网络通信以获取当前天气，以及输出防滑指令至防滑模块；

所述防滑模块，根据接收的防滑指令，完成防滑装置的加载和卸载工作。

本发明通过设置好的计算控制模块分析当前车辆的行驶情况，生成对应的防滑指令，并利用无线模块传输至防滑装置端，继而向电机发出控制指令，控制加载在车辆轮胎外侧的防滑装置完成自动防滑装置的加载，从而实现车辆行驶过程中自适应的防滑操作，以解决传统防滑设备无法应对突发恶劣天气的行驶环境。

与现有技术相比，本发明的有益效果：

根据车辆驾驶过程多个方面因素，控制车载防滑装置的加载卸载工作，从而保证车辆的行驶安全，同时也可提高用户的驾驶体验。

附图说明

图1为本实施例提供的用于自动驾驶车辆的主动防滑控制方法的流程图；

图2为本实施例提供的路面分类模型的构建流程图；

图3为本实施例提供的天气识别模型的构建流程图；

图4为本实施例提供的轮胎滑移率计算的流程图；

图5为本实施例提供的主动卸载的逻辑图；

图6为本实施例提供的主动防滑控制系统的结构示意图；

图7为本实施例提供的防滑装置的结构示意图；

图中，S601、快接模块；S602、防滑加载链路；S603、电机控制模块；S604、电机模块；S605、无线信号接收端；S606、防滑板；S607、动力储能模块。

具体实施方式

本实施为解决无人驾驶车辆在遇到雨雪天气、路面湿滑的情况下车辆主动安全防滑的问题，提出了用于自动驾驶车辆的主动防滑控制方法，包括以下步骤：如图1所示，建立湿滑路面图像数据集, 驾驶已经标定过内外参的车载传感器采集车在雨雪、结冰、泥泞、路面，摩擦系数小于正常驾驶所需量值等情况下湿滑路面进行多帧图片数据采集，结合轮胎滑移率、路面摩擦系数进行湿滑路面标注，最终形成可训练及测试的湿滑路面数据集。

如图2所示，构建用于评估路面安全的神经网络，包括特征提取模块，数据映射块以及评估模块，所述特征提取模块用于提取输入路面图像的路面湿滑特征，所述数据映射模块用于将路面湿滑特征进行数据映射，以获得对应的湿滑度，所述评估模块根据输入湿滑度与阈值进行评估，以输出对应的评估结果，所述评估结果包括安全路面和非安全路面。

并基于上述的湿滑路面数据集对神经网络进行训练，以获得用于评估路面安全的路面分类模型。

通过车辆的视觉传感器实时检测道路情况，并通过加载的路面分类模型，将实时检测数据读取并进行识别，得到路面是否存在湿滑情况的识别结果。

此外，本实施例的第一神经网络采用Resnet50或VGG16的图像分类算法进行构建。

本实施例采用图像分类算法构建对应的天气识别模型，并利用度量学习MS-Loss提高识别准确率。

如图3所示，获取恶劣天气下的路面图像，并以恶劣天气和非恶劣天气对路面图像进行标签标注，将路面图像和标签组成第二数据集，该恶劣天气包括路面存在积雪的风雪天气，路面存在积水或泥泞的阴雨天气以及路面存在结冰面的低温结冰天气；

构建用于识别天气类型的第二神经网络，包括第二特征提取模块，天气预报获取模块以及判断模块，所述第二特征提取模块用于提取输入路面图像中的图像特征，所述天气预报获取模块用于获取当前区域的环境温度和天气预报，所述判断模块根据获取的图像特征与环境温度生成对应的预测结果，并基于天气预报中的天气类型与预测结果进行比对，以输出判断结果；

利用第二数据集对第二神经网络进行训练，以获得用于判断天气是否为恶劣天气的天气识别模型。

在本实施例中，其具体的过程如下：

选择不同地理地域省份的路面摄像头视频，选取其中雨天湿滑路，雨天泥泞路、雪天积雪路，雪天结冰路和晴天的图片，作为训练集与测试集。

基于DenseNet121图像分类算法构建对应的神经网络，对输入的路面图像进行三类天气类型分类识别，ResNet主要包含5种深度的网络结构，这5种结构大致可以分为两类：一种是BasicBlock，主要用在ResNet-18、ResNet-34这些浅层网络上；第二种就是Bottleneck，主要用在RseNet-50、101和152甚至更深层的网络结构，从而获取图像中的图像特征。

根据路面图像中获取的图像特征，进行后续的逻辑判断：

当路面区域检测出白色雪状时，且环境温度低于0摄氏度，则初步判断为风雪天气；

当路面区域出现反光且车辆行驶溅起水花判断路面积水，同时根据当前区域的环境温度进一步判断：

如果初步判断路面积水且温度低于0摄氏度，则初步判断为低温结冰天气，如果初步判断路面积水且温度高于等于0摄氏度，则初步判断为阴雨天气；

当路面区域未出现白色雪状物或反光区域，则初步判断为其他天气。

为了避免识别误差，引入当前区域天气预报校准过程，考虑局部降雨、降雪或路面上存在较深水坑和反光异物导致模型识别当前路段为恶劣天气，使得防滑装置未能尽快卸载，导致防滑部分与路面过度接触损坏而无法后续使用的问题。

通过将初步判断结果与车联网获取的天气预报中天气类型进行文本相似度匹配，若相似度匹配结果大于阈值则确认当前区域的天气类型与初步判断结果一致。

若相似度匹配结果小于阈值，则获取一定时间段内连续的初步判断结果，并以出现次数最多的天气类型作为最终结果输出，该过程也适用于车联网异常情况下无法获取最新天气预报的情况下，从而保证车辆的行驶安全。

如图4所示，采集各轮轮速以及激光雷达里程计数据并计算轮胎滑移率, 利用车身轮胎轮速计的数据，以及激光雷达里程计数据所计算车辆本体速度,通过车辆计算控制模块进行计算得到车辆轮胎滑移率，其中滑移率计算方法是：（车速-轮胎角速度*轮胎半径）/车速，轮胎角速度可以由轮速计测算，依据滑移率判断车辆是否存在打滑现象，以解决传统扭矩判断车辆打滑的误差问题，避免误加载防滑设备的情况。

当轮胎滑移率大于安全阈值或/和路面类型识别结果为非安全路面时，则生成防滑告警，反之则继续监测车辆行驶信息。

如图5所示，当车辆滑移率小于安全阈值，路面类型识别结果为安全路面且当前天气为非恶劣天气时，则消除防滑告警，并继续监测车辆行驶信息。

即采集各类天气图像数据集并进行标注，基于天气图像数据集利用图像分类深度学习算法进行训练生成可靠的天气类别识别模型。基于视觉传感器实时获取天气图像数据并进行雨雪等易造成路面湿滑情况极端天气的识别。当未检测出湿滑路面，同时未检测出轮胎滑移且未检测出雨雪等易造成路面湿滑情况的极端天气三个必要条件同时满足时，进行防滑装置的自动卸载控制，从而保证车辆在完全安全的环境下才会自主卸除防滑装置。

本实施例还提供了一种主动防滑控制系统，基于上述实施例提供的主动防滑控制方法实现，如图6所示，包括行驶信息采集模块、计算控制模块、无线通信模块以及防滑模块。

其中，行驶信息采集模块用于获取当前车辆所在道路的路面图像，以及车辆的行驶速度和车轮角速度。

计算控制模块用于根据获取的路面图像，车辆的行驶速度和车轮角速度，以及当前天气，生成对应的防滑指令。

无线通信模块用于车辆的网络通信以获取当前天气，以及输出防滑指令至防滑模块。

防滑模块根据接收的防滑指令，完成防滑装置的加载和卸载工作。

通过该系统的辅助驾驶以解决车辆防滑策略的选择，即使面对经验不多的新手驾驶员也可以保证其驾驶安全，根据当前行驶信息进行防滑装置的自适应加载和卸载，从而无需大量驾驶经验也可应对车辆的防滑问题。

如图7所示，为防滑装置的结构示意图，包括快拆支架S601，防滑加载链路S602，电机控制模块S603，驱动电机S604，无线信号接收端S605，防滑板S606，动力储能模块S607组成。快拆支架S601可实现防滑装置与轮胎的快装快拆，S605无线信号接收端S605接收控制信号之后完成驱动电机的运动控制，驱动电机S604通过防滑加载链路S602实现防滑板S606在轮胎胎面的加载。整个过程中S607动力储能模块向提供需要供电的模块提供动力。

当无线信号接收接到防滑告警时，生成加载指令至电机控制模块S603以驱动防滑加载链路S602完成收链动作，从而使得防滑板S606与轮胎表面贴合加载；

当无线信号接接收到防滑告警消除时，生成卸载指令至电机控制模块S603以驱动防滑加载链路S602完成出链动作，从而使得防滑板S606与轮胎表面分离卸载。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

以上实施例仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。

Claims (7)

1.一种用于自动驾驶车辆的主动防滑控制方法，其特征在于，所述自动驾驶车辆搭载有能自主加载和卸载防滑组件的防滑装置，所述防滑装置包括与位于轮毂一侧且同轴转动的快拆支架，设置在快拆支架上的防滑组件以及驱动组件，所述防滑组件包括沿快拆支架辐射方向布置的防滑加载链路和设置在辐射末端的防滑板，以及无线信号接收端，所述驱动组件包括控制防滑加载链路出链或收链动作的驱动电机，电机控制模块以及为驱动电机提供电能的动力储存模块；

所述主动防滑控制方法包括以下步骤：

获取车辆行驶信息，其包括当前所在道路的路面图像和车辆运动数据；

将路面图像输入至预构建的路面分类模型和天气识别模型中，以输出路面类型和天气类型，所述路面分类模型的构建过程如下：

获取各种天气下的路面图像，根据路面湿滑度对路面图像进行标签标注，将路面图像和路面湿滑度组成第一数据集；

构建用于评估路面安全的第一神经网络，包括第一特征提取模块，数据映射模块以及评估模块，所述特征提取模块用于提取输入路面图像的路面湿滑特征，所述数据映射模块用于将路面湿滑特征进行数据映射，以获得对应的湿滑度，所述评估模块根据输入湿滑度与阈值进行评估，以输出对应的评估结果，所述评估结果包括安全路面和非安全路面；

利用第一数据集对第一神经网络进行训练，以获得用于评估路面安全的路面分类模型；

所述天气识别模型的构建过程如下：

获取不同天气下的路面图像，并以恶劣天气和非恶劣天气对路面图像进行标签标注，将路面图像和标签组成第二数据集，所述恶劣天气包括路面存在积雪的风雪天气，路面存在积水或泥泞的阴雨天气以及路面存在结冰面的低温结冰天气；

构建用于识别天气类型的第二神经网络，包括第二特征提取模块，天气预报获取模块以及判断模块，所述第二特征提取模块用于提取输入路面图像中的图像特征，所述天气预报获取模块用于获取当前区域的环境温度和天气预报，所述判断模块根据获取的图像特征与环境温度生成对应的预测结果，并基于天气预报中的天气类型与预测结果进行比对，以输出判断结果；

利用第二数据集对第二神经网络进行训练，以获得用于判断天气是否为恶劣天气的天气识别模型；

根据车辆运动数据，以计算车辆与路面之间的轮胎滑移率；

当轮胎滑移率大于等于安全阈值或/和路面类型识别结果为非安全路面时，则生成防滑告警，反之则继续监测车辆行驶信息；

当车辆滑移率小于安全阈值，同时路面类型识别结果为安全路面且当前天气为非恶劣天气时，则消除防滑告警，并继续监测车辆行驶信息；

当所述防滑装置的无线信号接收端接到防滑告警时，生成加载指令至电机控制模块以驱动防滑加载链路完成收链动作，从而使得防滑板与轮胎表面贴合加载；

当所述防滑装置的无线信号接收端接到防滑告警消除时，生成卸载指令至电机控制模块以驱动防滑加载链路完成出链动作，从而使得防滑板与轮胎表面分离卸载。

2.根据权利要求1所述的用于自动驾驶车辆的主动防滑控制方法，其特征在于，所述判断模块的具体判断过程如下：

当图像特征中出现白色雪状物时，且同时环境温度低于0摄氏度，则初步判断当前天气为风雪天气；

当图像特征中出现路面反光区域，且同时环境温度高于等于0摄氏度，则初步判断当前天气为阴雨天气；

当图像特征中出现路面反光区域，且同时环境温度低于0摄氏度，则初步判断当前天气为路面结冰天气；

当图像特征中无白色雪状物或反光区域，则初步判断当前天气为其他天气；

将初步判断结果与天气预报中的天气类型进行文本相似度匹配，若相似度匹配结果大于阈值，则以初步判断结果作为最终结果进行输出；

若相似度匹配结果小于阈值，则获取一定时间段内连续的初步判断结果，并以出现次数最多的天气类型作为最终结果进行输出。

3.根据权利要求1所述的用于自动驾驶车辆的主动防滑控制方法，其特征在于，所述轮胎滑移率基于车辆的轮胎角速度与车辆本体速度计算获得，其表达表达式如下：

轮胎滑移率=（车辆本体速度-轮胎角速度*轮胎半径）/车辆本体速度。

4.根据权利要求3所述的用于自动驾驶车辆的主动防滑控制方法，其特征在于，所述轮胎角速度通过布置在轮毂上转速传感器采集获得。

5.根据权利要求3所述的用于自动驾驶车辆的主动防滑控制方法，其特征在于，所述车辆本体速度通过车载激光雷达里程计数据计算获得。

6.根据权利要求1所述的用于自动驾驶车辆的主动防滑控制方法，其特征在于，所述防滑板与路面接触一侧设有防滑链或/和防滑钉。

7.一种主动防滑控制系统，其特征在于，基于权利要求1~6任一项所述的用于自动驾驶车辆的主动防滑控制方法实现，包括行驶信息采集模块、计算控制模块、无线通信模块以及防滑模块；

所述行驶信息采集模块，用于获取当前车辆所在道路的路面图像，以及车辆的行驶速度和车轮角速度；

所述计算控制模块，用于根据获取的路面图像，车辆的行驶速度和车轮角速度，以及当前天气，生成对应的防滑指令；

所述无线通信模块，用于车辆的网络通信以获取当前天气，以及输出防滑指令至防滑模块；

所述防滑模块，根据接收的防滑指令，完成防滑装置的加载和卸载工作。