CN117698736A - 坡道估计方法、系统、电子设备及可读存储介质 - Google Patents
坡道估计方法、系统、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN117698736A CN117698736A CN202311737374.7A CN202311737374A CN117698736A CN 117698736 A CN117698736 A CN 117698736A CN 202311737374 A CN202311737374 A CN 202311737374A CN 117698736 A CN117698736 A CN 117698736A
- Authority
- CN
- China
- Prior art keywords
- state
- vehicle
- gradient value
- value
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000001133 acceleration Effects 0.000 claims abstract description 80
- 230000003068 static effect Effects 0.000 claims abstract description 30
- 238000001914 filtration Methods 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000012935 Averaging Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 15
- 238000005259 measurement Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000009499 grossing Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 230000001174 ascending effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000036461 convulsion Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 201000003152 motion sickness Diseases 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Landscapes
- Gyroscopes (AREA)
Abstract
本申请公开了一种坡道估计方法、系统、电子设备及可读存储介质,所述方法包括:获取加速度计所采集的数据、陀螺仪所采集的数据以及速度传感器所采集的数据;根据所述速度传感器所采集的数据,计算车辆的第一加速度;根据所述第一加速度以及所述加速度计采集的数据,确定第一坡度值;根据多个车辆状态确定所述车辆的行车状态,每个所述车辆状态包括静止状态与非静止状态;根据所述车辆的所述行车状态确定目标滤波系数。根据所述目标滤波系数对第一坡度值进行滤波得到第二坡度值,设置第一状态对应的滤波系数小于第二状态对应的滤波系数,使得到的第二坡度值较为光滑,结合陀螺仪采集的数据得到更平滑的目标坡度值,提高了用户的乘车体验感。
Description
技术领域
本申请涉及车辆控制技术领域,更具体地,涉及一种坡道估计方法、系统、电子设备及可读存储介质。
背景技术
目前,随着自动驾驶技术的发展,坡道估计值是自动控车的关键参数,但车辆在起步、制动等场景,加速度计因为惯性作用导致采集的数据波动较大,进而使计算出的坡道估计值出现抖动,车辆自动控车时因坡度值抖动而发生顿挫,从而给人不适感。
发明内容
本申请提出了一种坡道估计方法、系统、电子设备及可读存储介质。
第一方面,本申请实施例提供了一种坡道估计方法,所述方法包括:获取加速度计所采集的数据、陀螺仪所采集的数据以及速度传感器所采集的数据;根据所述速度传感器所采集的数据,计算车辆的第一加速度;根据所述第一加速度以及所述加速度计采集的数据,确定第一坡度值;根据多个车辆状态确定所述车辆的行车状态,每个所述车辆状态包括静止状态与非静止状态,所述行车状态包括第一状态或第二状态,处于所述第一状态的车辆的相邻车辆状态不同,处于所述第二状态的车辆的相邻车辆状态相同;根据所述车辆的所述行车状态确定目标滤波系数,所述第一状态对应的滤波系数小于所述第二状态对应的滤波系数;根据所述目标滤波系数对第一坡度值进行滤波得到第二坡度值,根据所述第二坡度值、所述陀螺仪所采集的数据和当前车辆状态确定目标坡度值。
可选的,对于一种可能的实施方式,所述根据所述第二坡度值、所述陀螺仪所采集的数据和所述车辆状态确定目标坡度值,包括:获取车辆处于静止状态下加速度计采集的第一数据与陀螺仪采集的第二数据;若所述第一数据大于第一阈值且所述第二数据大于第二阈值,则确定预设数值作为目标坡度值;若所述第一数据小于或等于第一阈值且所述第二数据大于第二阈值,则确定所述第二坡度值作为目标坡度值;若所述第一数据小于或等于第一阈值且所述第二数据小于或等于第二阈值,根据所述第二坡度值、所述陀螺仪所采集的数据和所述车辆状态确定目标坡度值。
可选的,对于一种可能的实施方式,所述陀螺仪采集的数据包括角速度信息与零偏误差,所述根据所述第二坡度值、所述陀螺仪所采集的数据和所述车辆状态确定目标坡度值,包括:判断所述车辆状态是否为非静止状态;若所述车辆状态为非静止状态,根据所述陀螺仪采集的角速度信息与零偏误差,确定车辆在行驶方向上的偏移角度;根据所述第二坡度值与所述偏移角度确定目标坡度值。
可选的,对于一种可能的实施方式,所述根据所述第二坡度值与所述偏移角度确定目标坡度值,包括:若所述第一加速度的绝对值小于第三阈值,且所述第二坡度值与历史第二坡度值中的极差值小于第四阈值,则确定所述第二坡度值作为目标坡度值;否则根据所述第二坡度值与所述偏移角度确定目标坡度值。
可选的,对于一种可能的实施方式,若车辆处于静止状态,对所述陀螺仪连续采集的角速度信息进行求均值,更新零偏误差。
可选的,对于一种可能的实施方式,所述根据所述第二坡度值与所述偏移角度确定目标坡度值,包括:根据所述第二坡度值与所述偏移角度确定第三坡度值;对所述第三坡度值进行滤波处理,得到目标坡度值。
可选的,对于一种可能的实施方式,所述第一状态包括起步状态或制动状态,处于所述起步状态的车辆的车辆状态为非静止状态且历史车辆状态为静止状态,处于所述制动状态的车辆的车辆状态为静止状态且历史车辆状态为非静止状态。
第二方面,本申请实施例还提供了一种坡道估计装置,所述装置包括:第一获取单元,所述获取单元用于获取加速度计所采集的数据、陀螺仪所采集的数据以及速度传感器所采集的数据;第二获取单元,所述第二获取单元用于根据所述速度传感器所采集的数据,计算车辆的第一加速度;第三获取单元,所述第三获取单元用于根据所述第一加速度以及所述加速度计采集的数据,确定第一坡度值;第一计算单元,所述第一计算单元用于根据多个车辆状态确定所述车辆的行车状态,每个所述车辆状态包括静止状态与非静止状态,所述行车状态包括第一状态或第二状态,处于所述第一状态的车辆的相邻车辆状态不同,处于所述第二状态的车辆的相邻车辆状态相同;第二计算单元,所述第二计算单元用于根据所述车辆的所述行车状态确定目标滤波系数,所述第一状态对应的滤波系数小于所述第二状态对应的滤波系数;第三计算单元,所述第三计算单元用于根据所述第二坡度值、所述陀螺仪所采集的数据和所述车辆状态确定目标坡度值。
第三方面,本申请实施例还提供了一种电子设备,包括:一个或多个处理器;存储器;一个或多个应用程序,其中,所述一个或多个应用程序被存储在所述存储器中,所述一个或多个应用程序被配置为由所述一个或多个处理器执行,所述一个或多个应用程序配置用于执行第一方面所述的方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行第一方面所述的方法。
本申请实施例提供的坡道估计方法、系统、电子设备及可读存储介质,首先获取加速度计所采集的数据、陀螺仪所采集的数据以及速度传感器所采集的数据;根据所述速度传感器所采集的数据,计算车辆的第一加速度;根据所述第一加速度以及所述加速度计采集的数据,确定第一坡度值。然后根据多个车辆状态确定所述车辆的行车状态,每个所述车辆状态包括静止状态与非静止状态,所述行车状态包括第一状态或第二状态,处于所述第一状态的车辆的相邻车辆状态不同,处于所述第二状态的车辆的相邻车辆状态相同;最后根据所述目标滤波系数对第一坡度值进行滤波得到第二坡度值,根据所述第二坡度值、所述陀螺仪所采集的数据和当前车辆状态确定目标坡度值。因为原始的测量数据可能受到噪声、干扰或不稳定因素的影响,导致得到的第一坡度值出现抖动或错误,为此需要对第一坡度值进行平滑处理,去除噪声和不必要的波动。而处于所述第一状态的车辆的车辆状态与历史车辆状态不同,也就是说,第一状态可以包括由静止状态切换为非静止状态对应的起步状态,也可以包括由非静止状态切换为静止状态对应的制动状态。从而,车辆在第一状态下,加速度计会因为惯性作用导致采集的数据波动较大,进而使计算出的坡度值出现多次抖动,导致车辆自动控车时因坡度值抖动而发生顿挫,给用户带来较差的体验感。自动控车对起步状态或制动状态的坡度值的抖动较为敏感,为此第一状态时采用较小滤波系数的滤波器对坡度值进行平滑滤波;而车辆在第二状态下的抖动较少,采用较大滤波系数的滤波器对坡度值进行平滑滤波。其中,较小的滤波系数对输入信号的变化更加敏感,更能保留信号的细节和快速变化部分;而较大的滤波系数可以有效地滤除高频噪声和快速变化的信号成分,使输出信号更趋于稳定。因此本申请不仅在第一状态或第二状态都可以对第一坡度值进行滤波,还设定第一状态对应的滤波系数小于第二状态对应的滤波系数,使得起步状态或制动状态的坡道值经过滤波后变得较为光滑,从而避免造成车辆因坡道值抖动而出现顿挫,提高了用户的乘车体验感。另一方面,由于加速度计在外部振动或加速度变化的情况下可能会产生误差,而陀螺仪在动态运动的情况下能够提供更准确的测量结果。本申请实施例根据所述第二坡度值、所述陀螺仪所采集的数据和当前车辆状态确定得到比第二坡度值更平滑的目标坡度值。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本申请实施例提供的坡道估计方法的方法流程图;
图2示出了本申请又一实施例提供的的坡道估计方法的方法流程图;
图3示出了本申请再一实施例提供的坡道估计方法的方法流程图;
图4示出了本申请另一实施例提供的坡道估计方法的方法流程图;
图5示出了本申请还一实施例提供的坡道估计方法的方法流程图;
图6示出了本申请还一实施例提供的坡道估计方法的方法流程图;
图7示出了本申请实施例提供的对第一坡度值进行滤波的示意图;
图8示出了本申请实施例提供的坡道估计方法得到的坡度估计值示意图;
图9示出了本申请实施例提供的坡道估计装置的结构框图;
图10示出了本申请实施例提供的电子设备的结构框图;
图11示出了本申请实施例提供的计算机可读存储介质的结构框图;
图12示出了本申请实施例提供的计算机程序产品的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中附图,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。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
目前,随着自动驾驶技术的发展,坡道估计值是自动控车的关键参数,坡道估计值估计偏小会造成上坡时间长、下坡刹车不及时的情况。上坡时坡道估计值估计偏大会造成上坡加速度偏大,容易引发安全事故,下坡时坡道估计值估计偏大会造成下坡停顿的情况。车辆在起步、制动等场景下,加速度计因为惯性作用导致采集的数据波动较大,进而使计算出的坡道估计值出现抖动,车辆自动控车时因坡度值抖动而发生顿挫,其中,顿挫指短时间内速度波动较大,例如,在短时间内先加速,然后减速,再加速等;车辆顿挫会给人不舒服的感觉,严重情况下会使乘客出现晕车的现象。
因此,本申请实施例中,提供了一种坡道估计方法、系统、电子设备及可读存储介质,用于解决或部分解决上述问题。
请参阅图1,图1示出了本申请实施例提供的一种坡道估计方法,所述方法具体包括步骤S110至步骤S160。
步骤S110:获取加速度计所采集的数据、陀螺仪所采集的数据以及速度传感器所采集的数据。
需要说明的是,所述加速度计、所述陀螺仪及所述速度传感器均安装在车辆上。加速度计采集的数据可以表示车辆在至少一个方向上的加速度值,所述陀螺仪采集的数据可以表示车辆在至少一个方向上的偏转角速度,所述速度传感器采集的数据可以用于检测车辆在某个方向上的行驶速度。
步骤S120:根据所述速度传感器所采集的数据,计算车辆的第一加速度。
需要说明的是,所述车辆可以为自动驾驶车,根据安装在自动驾驶车上的速度传感器采集的数据,计算车辆的第一加速度。
所述车辆也可以为具有自动驾驶功能的多模式车,该多模式车可以实现自动驾驶,也可以实现非自动驾驶,根据安装在多模式车上的速度传感器采集的数据,计算车辆的第一加速度。
需要说明的是,所述速度传感器用于检测所述车辆的行驶速度,所述速度传感器可以为轮速传感器、定位信号接收器或挡风玻璃式速度传感器,本实施例不作具体限定。
其中,轮速传感器安装在车轮轴承附近,利用磁场或光电传感器来感知车轮旋转次数,并根据旋转次数和车轮半径计算出车速。
其中,定位信号接收器利用全球定位系统(Global Positioning System,GPS)接收卫星信号,并通过计算车辆位置的变化来确定车速。
其中,挡风玻璃式速度传感器通过测量车辆前方空气流动的压力变化来计算车速。
示例性的,继续以前面介绍的速度传感器为轮速传感器为例,通过安装在车轮上的轮速传感器采集车辆四轮的轮速脉冲信号,用获取的车辆脉冲信号估计车辆的轮速。
其中,WheelEdgeFL表示车辆左前轮轮速脉冲信号值,WheelEdgeFLpre表示左前轮前一个计算周期的轮速脉冲信号值;WheelEdgeFR表示车辆右前轮轮速脉冲信号值,WheelEdgeFRpre表示右前轮前一个计算周期的轮速脉冲信号值;WheelEdgeRL表示车辆左后轮轮速脉冲信号值,WheelEdgeRLpre表示左后轮前一个计算周期的轮速脉冲信号值;WheelEdgeRR表示车辆右后轮轮速脉冲信号值,WheelEdgeRRpre表示右后轮前一个计算周期的轮速脉冲信号值;其中,轮速脉冲信号值指轮速传感器的脉冲累计计数;Edge_Coef表示两个轮速脉冲信号值之间对应的车轮行驶过的距离;dt为计算周期,单位为s,WheelSpd_0表示车辆轮速,单位为km/h,车辆轮速也表示车辆的行驶速度。可选的,dt=0.02s。
对N个周期的WheelSpd_0求均值,得到WheelSpd,可选的,N取15。
用得到的车辆轮速WheelSpd估计车辆在行驶方向上的加速度:AccLong_0=(WheelSpd-WheelSpdpre)/(dt*3.6)其中,WheelSpd的单位为m/s;WheelSpdpre为前一个计算周期的车辆轮速;AccLong_0为车辆在行驶方向上的加速度,单位为m/s2。
对N个周期的AccLong_0求均值,得到AccLong,作为车辆的第一加速度,可选的,N取15。
步骤S130:根据所述第一加速度以及所述加速度计采集的数据,确定第一坡度值。
其中,所述加速度计用于直接测量车辆在行驶方向上的加速度,所述加速度计可以为单轴加速度计、双轴加速度计或三轴加速度计。也就是说,加速度计采集的数据中可以包括车辆在行驶方向上的加速度。
示例性的,加速度计为单轴加速度计,所述单轴加速度计只能测量车辆在行驶方向上的加速度。
示例性的,加速度计为双轴加速度计,所述双轴加速度计能够同时测量物体在两个方向上的加速度变化,其中一个方向为行驶方向。
示例性的,加速度计为三轴加速度计,所述三轴加速度计能够同时测量物体在三个方向上的加速度变化,其中一个方向为行驶方向。
需要说明的是,加速度计的选择根据实际需求而定,本实施例中不作具体限定。
在一可选实施例中,继续以前面介绍的根据速度传感器采集的数据,得到的车辆的第一加速度AccLong为例,加速度计为三轴加速度计,三轴加速度计采集的信息包括Ax、Ay以及Az,其中,Ax为x轴的加速度,Ay为y轴的加速度,Az为z轴的加速度,Ax、Ay以及Az的单位可以均为m/s2。用三轴加速度计采集的信息和第一加速度AccLong,确定车辆的第一坡度值其中,Ax表示加速度计采集的行驶方向上的加速度。
步骤S140:根据多个车辆状态确定所述车辆的行车状态,每个所述车辆状态包括静止状态与非静止状态,所述行车状态包括第一状态或第二状态,处于所述第一状态的车辆的相邻车辆状态不同,处于所述第二状态的车辆的相邻车辆状态相同。
可以理解的是,前述各步骤中计算第一加速度以及确定第一坡度值,可以是在一段时间段内对车辆的数据进行采集以及计算得到的,例如该时间段可以为一个周期。其中,周期为一个固定时间段,示例性的,周期的时长为0.1s。
所述车辆状态表示车辆的状态,包括静止状态与非静止状态。
其中,静止状态可以为车辆速度小于或等于速度阈值时的状态,示例性的,轮速传感器检测到当前周期的行驶速度WheelSpd≤0.01km/h,则判定车辆为静止状态,反之则判定车辆为非静止状态。
例如,轮速传感器检测到当前周期的行驶速度为零,则表示当前周期的车辆状态为静止状态,反之则表示当前周期的车辆状态为非静止状态。
可选的,还可以在连续多个周期通过轮速传感器检测到行驶速度WheelSpd≤0.01km/h的情况下,才判定车辆为静止状态。一可选实施例中,当轮速传感器检测到一个周期内的行驶速度WheelSpd≤0.01km/h且维持3个周期以上,则判定车辆为静止状态,反之则判定车辆为非静止状态。从而,增加了判断车辆状态的准确度。
其中,历史车辆状态表示当前周期的上一个周期的车辆状态,若车辆当前周期的车辆状态与上一周期的车辆状态不同,则表示车辆的相邻车辆状态不同,即为当前周期的行车状态为第一状态,若车辆当前周期的车辆状态为非静止状态且历史车辆状态为静止状态,则当前周期的行车状态为起步状态。若车辆当前周期的车辆状态为静止状态且历史车辆状态为非静止状态,则当前周期的行车状态为制动状态。换言之,第一状态包括起步状态与制动状态。若车辆当前周期的车辆状态与上一周期的车辆状态相同,则表示车辆的相邻车辆状态相同,即为当前周期的行车状态为第二状态。
需要说明的是,所述制动状态用于表征车辆由非静止状态切换为静止状态的过程,示例性的,轮速传感器检测到当前周期的行驶速度WheelSpd≤0.01km/h,则判定车辆为静止状态,反之则判定车辆为非静止状态。则制动状态用于表征上一个周期的车辆的行驶速度WheelSpd>0.01km/h,且当前周期车辆的行驶速度WheelSpd≤0.01km/h。
示例性的,轮速传感器检测到当前周期的行驶速度WheelSpd≤0km/h,则判定车辆为静止状态,反之则判定车辆为非静止状态。则制动状态用于表征上一个周期的车辆的行驶速度WheelSpd>0km/h,且当前周期车辆的行驶速度WheelSpd≤0km/h。
步骤S150:根据所述车辆的所述行车状态确定目标滤波系数,所述第一状态对应的滤波系数小于所述第二状态对应的滤波系数。
由于汽车在第一状态下,加速度计因为惯性作用导致采集的数据波动较大,进而使计算出的坡度值出现抖动,导致车辆自动控车时因坡度值抖动而发生顿挫,给用户带来较差的体验感。为此可以通过下面步骤对第一坡度值进行平滑滤波处理,汽车起步或制动场景下得到的坡度值因为惯性作用发生抖动,而且自动控车对起步状态或制动状态的坡度值的抖动较为敏感,采用较小滤波系数的滤波器对坡度值进行平滑滤波,对输入信号的变化更加敏感,更能保留信号的细节和快速变化部分。而车辆在第二状态下的抖动较少,采用较大滤波系数的滤波器对坡度值进行平滑滤波,具有较好的平滑效果,可以有效地滤除高频噪声和快速变化的信号成分,使输出信号更趋于稳定。
优选的,第二状态包括加速状态、减速状态、匀速状态;其中,处于所述加速状态的车辆的车辆状态与历史车辆状态相同,且加速度的方向与车辆的行驶方向相同;处于所述减速状态的车辆的车辆状态与历史车辆状态相同,且加速度的方向与车辆的行驶方向相反;处于所述匀速状态的车辆的车辆状态与历史车辆状态相同,且加速度近似为零;需要说明的是,车辆静止不动的状态属于速度为0的匀速状态。
在一可选实施例中,根据所述车辆的所述行车状态确定目标滤波系数,行车状态包括静止行车状态、起步状态、加速状态、减速状态、制动状态,如图7所示,图7示出了不同行车状态对应的不同的目标滤波系数,静止行车状态对应的一阶滤波系数coef_1为0.05,起步状态对应的一阶滤波系数coef_2为0.001,加速状态对应的一阶滤波系数coef_3为0.02,减速状态对应的一阶滤波系数coef_4为0.02,制动状态对应的一阶滤波系数coef_5为0.001。若判定车辆的行车状态为起步状态,则确定目标滤波系数为0.001;若判定车辆的行车状态为加速状态,则确定目标滤波系数为0.02。
步骤S160:根据所述目标滤波系数对第一坡度值进行滤波得到第二坡度值,根据所述第二坡度值、所述陀螺仪所采集的数据和当前车辆状态确定目标坡度值。
其中,通过滤波器对第一坡度值进行滤波得到第二坡度值,所述滤波器可以为低通滤波器、高通滤波器、带通滤波器或带阻滤波器,本实施例在此不做限定,由于加速度计在外部振动或加速度变化的情况下可能会产生误差。而陀螺仪在动态运动的情况下能够提供更准确的测量结果。本申请实施例根据所述第二坡度值、所述陀螺仪所采集的数据和当前车辆状态确定得到比第二坡度值更准确的目标坡度值。
本申请实施例提供的坡道估计方法,首先获取加速度计所采集的数据、陀螺仪所采集的数据以及速度传感器所采集的数据;根据所述速度传感器所采集的数据,计算车辆的第一加速度;根据所述第一加速度以及所述加速度计采集的数据,确定第一坡度值。然后根据多个车辆状态确定所述车辆的行车状态,每个所述车辆状态包括静止状态与非静止状态,所述行车状态包括第一状态或第二状态,处于所述第一状态的车辆的相邻车辆状态不同,处于所述第二状态的车辆的相邻车辆状态相同;最后根据所述目标滤波系数对第一坡度值进行滤波得到第二坡度值,根据所述第二坡度值、所述陀螺仪所采集的数据和当前车辆状态确定目标坡度值。因为原始的测量数据可能受到噪声、干扰或不稳定因素的影响,导致得到的第一坡度值出现抖动或错误,为此需要对第一坡度值进行平滑处理,去除噪声和不必要的波动。而处于所述第一状态的车辆的车辆状态与历史车辆状态不同,也就是说,第一状态可以包括由静止状态切换为非静止状态对应的起步状态,也可以包括由非静止状态切换为静止状态对应的制动状态。从而,车辆在第一状态下,加速度计会因为惯性作用导致采集的数据波动较大,进而使计算出的坡度值出现多次抖动,导致车辆自动控车时因坡度值抖动而发生顿挫,给用户带来较差的体验感。自动控车对起步状态或制动状态的坡度值的抖动较为敏感,为此第一状态时采用较小滤波系数的滤波器对坡度值进行平滑滤波;而车辆在第二状态下的抖动较少,采用较大滤波系数的滤波器对坡度值进行平滑滤波。其中,较小的滤波系数对输入信号的变化更加敏感,更能保留信号的细节和快速变化部分;而较大的滤波系数可以有效地滤除高频噪声和快速变化的信号成分,使输出信号更趋于稳定。因此本申请不仅在第一状态或第二状态都可以对第一坡度值进行滤波,还设定第一状态对应的滤波系数小于第二状态对应的滤波系数,使得起步状态或制动状态的坡道值经过滤波后变得较为光滑,从而避免造成车辆因坡道值抖动而出现顿挫,提高了用户的乘车体验感。另一方面,由于加速度计在外部振动或加速度变化的情况下可能会产生误差,而陀螺仪在动态运动的情况下能够提供更准确的测量结果。本申请实施例根据所述第二坡度值、所述陀螺仪所采集的数据和当前车辆状态确定得到比第二坡度值更平滑的目标坡度值。
请参阅图2,图2示出了本申请实施例提供的一种坡道估计方法,所述方法具体包括步骤S210至步骤S290。
步骤S210:获取加速度计所采集的数据、陀螺仪所采集的数据以及速度传感器所采集的数据。
步骤S220:根据所述速度传感器所采集的数据,计算车辆的第一加速度。
步骤S230:根据所述第一加速度以及所述加速度计采集的数据,确定第一坡度值。
步骤S240:根据多个车辆状态确定所述车辆的行车状态,每个所述车辆状态包括静止状态与非静止状态,所述行车状态包括第一状态或第二状态,处于所述第一状态的车辆的相邻车辆状态不同,处于所述第二状态的车辆的相邻车辆状态相同。
步骤S250:根据所述车辆的所述行车状态确定目标滤波系数,所述第一状态对应的滤波系数小于所述第二状态对应的滤波系数。
其中,步骤S210至步骤S250在前述实施例中已经详细介绍,此处不再赘述。
步骤S260:获取车辆处于静止状态下加速度计采集的第一数据与陀螺仪采集的第二数据。
需要说明的是,车辆处于静止状态下,加速度计采集的数据为第一数据,陀螺仪采集的数据为第二数据。
示例性的,在一段时间内连续获取车辆处于静止状态下加速度计采集的第一数据与陀螺仪采集的第二数据;具体的,获取惯性测量单元(Inertialmeasurementunit,IMU)的加速度计采集的Ax、Ay以及Az和陀螺仪采集的Wx、Wy以及Wz信息,其中第一数据为Ax、Ay以及Az,第二数据为Wx、Wy以及Wz。Ax为x轴的加速度,单位为m/s2;Ay为y轴的加速度,单位为m/s2;Az为z轴的加速度,单位为m/s2;Wx为绕x轴的角速度,单位为rad/s;Wy为绕y轴的角速度,单位为rad/s;Wz为绕z轴的角速度,单位为rad/s。
步骤S270:若所述第一数据大于第一阈值,则确定预设数值作为目标坡度值。
具体的,所述预设数值包括第一预设数值或第二预设数值,若所述第一数据大于第一阈值且所述第二数据大于第二阈值,则确定第一预设数值作为目标坡度值,所述第一预设数值用于表征加速度计与陀螺仪均存在故障。
需要说明的是,第一阈值为加速度计的检测参考值,如果第一数据超过第一阈值则表示该加速度计存在故障,反之则表示该加速度计没有故障。第二阈值为陀螺仪的测量参考值,如果第二数据超过第二阈值则表示该陀螺仪存在故障,反之则表示该陀螺仪没有故障。
其中,第一数据可能包含多个参数信息,例如Ax、Ay以及Az,第一数据中的至少一个参数大于第一阈值,则表示第一数据大于第一阈值。同理,第二数据可能包含多个参数信息,例如Wx、Wy以及Wz,第二数据中的至少一个参数大于第二阈值,则表示第二数据大于第二阈值。
示例性的,在2s内连续获取车辆处于静止状态下加速度计采集的第一数据与陀螺仪采集的第二数据;第一数据大于第一阈值且第二数据大于第二阈值,则确定第一预设数值作为目标坡度值,表示加速度计与陀螺仪均存在故障。
优选的,第一阈值为10m/s2,第二阈值为0.1rad/s
步骤S280:若所述第一数据小于或等于第一阈值且所述第二数据大于第二阈值,则确定所述第二坡度值作为目标坡度值。
示例性的,在2s内连续获取车辆处于静止状态下加速度计采集的第一数据与陀螺仪采集的第二数据;第一数据小于或等于第一阈值且第二数据大于第二阈值,则表示加速度计没有故障,且陀螺仪存在故障,确定所述第二坡度值作为目标坡度值,即将根据加速度计得到的第二坡度值作为目标坡度值,在陀螺仪存在故障的情况下,本申请仍然能够输出一个次优坡度值。
步骤S290:若所述第一数据小于或等于第一阈值且所述第二数据小于或等于第二阈值,根据所述第二坡度值、所述陀螺仪所采集的数据和所述车辆状态确定目标坡度值。
其中,第一数据小于或等于第一阈值且第二数据大于第二阈值,则表示加速度计与陀螺仪皆正常,根据所述第二坡度值、所述陀螺仪所采集的数据和所述车辆状态确定目标坡度值,具体内容请参阅前述实施例。
需要说明的是,本实施例只是给出了一种示例,步骤S260相对于步骤S220至步骤S250的先后顺序不作限定。
本申请实施例提供的坡道估计方法,本申请首先通过获取车辆处于静止状态下加速度计采集的第一数据与陀螺仪采集的第二数据,然后通过比较第一数据与第一阈值的大小关系、第二数据与第二阈值的大小关系,来判断加速度计、陀螺仪的故障情况,最后根据加速度计、陀螺仪的故障情况指导确定目标坡度值。本申请通过判断加速度计、陀螺仪的故障情况,如果二者都存在故障则输出第一预设数值的错误提示信息,如果只有加速度计存在故障则输出第二预设数值的错误提示信息,如果只有陀螺仪存在故障,则将根据加速度计得到的第二坡度值作为目标坡度值,确保在部分传感器出错时,仍能够得到次优的坡道估计值,如果二者都没有故障,则根据所述第二坡度值、所述陀螺仪所采集的数据和所述车辆状态确定目标坡度值。一方面,本申请达到了监测加速度计、陀螺仪的质量的目的,如果存在故障可以根据提示信号及时更换。另一方面,本申请输出目标坡度值或次优的目标坡度值是在惯性测量单元正常的情况下得到,不会将存在故障的加速度计或陀螺仪采集的数据计算得到的坡度值作为目标坡度值,从整个行车过程来看,如果加速度计与陀螺仪都存在故障,则不输出不准确的坡度值,如果输出了坡度值则表示加速度计是正常工作的,该输出的坡度值的准确度较高。由此可见,本申请通过对加速度计、陀螺仪的监测提高了坡道估计的准确度。
请参阅图3,图3示出了本申请实施例提供的一种坡道估计方法,所述方法具体包括步骤S310至步骤S390。
步骤S310:获取加速度计所采集的数据、陀螺仪所采集的数据以及速度传感器所采集的数据。
步骤S320:根据所述速度传感器所采集的数据,计算车辆的第一加速度。
步骤S330:根据所述第一加速度以及所述加速度计采集的数据,确定第一坡度值。
步骤S340:根据多个车辆状态确定所述车辆的行车状态,每个所述车辆状态包括静止状态与非静止状态,所述行车状态包括第一状态或第二状态,处于所述第一状态的车辆的相邻车辆状态不同,处于所述第二状态的车辆的相邻车辆状态相同。
步骤S350:根据所述车辆的所述行车状态确定目标滤波系数,所述第一状态对应的滤波系数小于所述第二状态对应的滤波系数。
其中,步骤S310至步骤S350在前述实施例中已经详细介绍,此处不再赘述。
步骤S360:判断所述车辆状态是否为非静止状态。
其中,通过行驶速度判断车辆是否处于非静止状态的方式,具体内容请参阅前实施例中的介绍。
步骤S370:若所述车辆状态为非静止状态,根据所述陀螺仪采集的角速度信息与零偏误差,确定车辆在行驶方向上的偏移角度。
需要说明的是,所述陀螺仪采集的数据包括角速度信息与零偏误差。
其中,零偏误差是指在静止状态下,陀螺仪输出的角速度存在一个固定偏差。这种偏差会导致陀螺仪在测量角速度时产生误差,即使没有旋转或运动也会有一个持续存在的输出。零偏误差的初始值可以为预先设定的值,零偏误差也可以根据实际测量得到,示例性的,初始Wy零偏误差为-0.04rad/s。
在一可选实施例中,陀螺仪采集的信息包括Wx、Wy以及Wz,Wx为绕x轴的角速度,Wy为绕y轴的角速度,Wz为绕z轴的角速度,单位均可以为rad/s。x轴为车辆的横向方向,y轴为车辆的行驶方向。根据安装在车辆上的陀螺仪采集的Wy信息与零偏误差,确定车辆在行驶方向上的偏移角度的具体公式为;初始积分量dSlop=0,零偏误差bias=bias_init,bias_init为初始零偏误差。若车辆处于非静止状态,对Wy进行积分得到dSlop=(Wy-bias)*dt,积分量dSlop即为陀螺仪的偏移角度。
步骤380:若车辆处于静止状态,对所述陀螺仪连续采集的角速度信息进行求均值,更新零偏误差。
在静止状态下,由于环境噪声、电子噪声、机械振动等因素,导致零偏误差可能会随着时间、温度的变化而发生改变。因此,定期的更新零偏误差可以提高陀螺仪测量的准确性。
为此,本申请实施例中,判断所述车辆是否处于非静止状态后;优选的,若车辆处于静止状态,对所述陀螺仪连续采集的角速度信息进行求均值,更新零偏误差。
若车辆在当前周期的车辆状态为处于静止状态,对所述陀螺仪连续采集的角速度信息进行求均值,更新零偏误差其中,n表示连续周期的个数,示例性的,n=50。
优选的,若车辆连续m个周期内处于静止状态,且m小于周期阈值,则判定该车辆为暂停状态;若车辆连续f个周期内处于静止状态,且f大于或等于周期阈值,则判定该车辆为长停状态;若车辆为长停状态,对所述陀螺仪连续采集的角速度信息进行求均值,更新零偏误差。
示例性的,周期阈值为200,检测到车辆连续处于静止状态的周期数为300,则表明该车辆处于长停状态,则对所述陀螺仪在50个周期内连续采集的角速度信息进行求均值,更新零偏误差。
示例性的,周期阈值为200,检测到车辆连续处于静止状态的周期数为150,则表明该车辆处于暂停状态,则零偏误差保持不变。
一种可选实施例中,车辆在行车的过程中,没有静止状态,此时陀螺仪的零偏误差为预先设置的初始零偏误差,根据安装在车辆上的陀螺仪采集的角速度信息与初始零偏误差,确定车辆在行驶方向上的偏移角度。
一种可选实施例中,车辆在行车的过程中,存在长停状态,对所述陀螺仪连续采集的角速度信息进行求均值,更新零偏误差。当车辆再次启动时,根据安装在车辆上的陀螺仪采集的角速度信息与更新后的零偏误差,确定车辆在行驶方向上的偏移角度。
步骤S390:根据所述第二坡度值与所述偏移角度确定目标坡度值。
继续以前面介绍的偏移角度dSlop为例,设置坡道初始值Slop=EstSlop_1;EstSlop_1为第二坡度值,计算车辆的第三坡道值Slop=Slop+dSlop,作为目标坡度值。
加速度计虽然可以直接测量车辆的加速度,但是加速度计无法直接区分物体的静态加速度和动态加速度,因此在外部振动或加速度变化的情况下可能会产生误差。而陀螺仪可以区分物体的旋转和静止状态,在动态运动的情况下,陀螺仪能够提供更准确的测量结果。
为此,本申请实施例提供的坡道估计方法,首先根据加速度计得到第二坡度值;然后判断所述车辆是否处于非静止状态;若车辆处于非静止状态,根据安装在车辆上的陀螺仪采集的角速度信息与零偏误差,确定车辆在行驶方向上的偏移角度;最后根据所述第二坡度值与所述偏移角度确定目标坡度值。图8示出了本申请实施例提供加速度计与陀螺仪结合的坡度估计值示意图,其中横坐标表示时间,纵坐标表示坡度值(坡面上升高度和水平距离之比),其中第一数值为通过加速度计获取的坡度值,第二数值表示加速度计结合陀螺仪计算得到的坡度值,从图中可以看出,通过加速度计得出的坡度值抖动较多,加速度计结合陀螺仪计算得到的坡度值更加平滑。
本申请在加速度计测量加速度的前提下,得到具有较多抖动的第二坡度值,车辆为非静止状态下,通过对陀螺仪实时监测到的角速度进行积分得到偏移角度,用偏移角度消除或部分消除第二坡度值的抖动,从而达到平滑坡度值的效果,本申请将加速度计与陀螺仪结合起来,使得坡度估计值更加光滑,自动控车更加平顺,提升了用户的体验感。
请参阅图4,图4示出了本申请实施例提供的一种坡道估计方法,所述方法具体包括步骤S410至步骤S4100。
步骤S410:获取加速度计所采集的数据、陀螺仪所采集的数据以及速度传感器所采集的数据。
步骤S420:根据所述速度传感器所采集的数据,计算车辆的第一加速度。
步骤S430:根据所述第一加速度以及所述加速度计采集的数据,确定第一坡度值。
步骤S440:根据多个车辆状态确定所述车辆的行车状态,每个所述车辆状态包括静止状态与非静止状态,所述行车状态包括第一状态或第二状态,处于所述第一状态的车辆的相邻车辆状态不同,处于所述第二状态的车辆的相邻车辆状态相同。
步骤S450:根据所述车辆的所述行车状态确定目标滤波系数,所述第一状态对应的滤波系数小于所述第二状态对应的滤波系数。
步骤S460:判断所述车辆状态是否为非静止状态。
步骤S470:若所述车辆状态为非静止状态,根据所述陀螺仪采集的角速度信息与零偏误差,确定车辆在行驶方向上的偏移角度。
步骤480:若车辆处于静止状态,对所述陀螺仪连续采集的角速度信息进行求均值,更新零偏误差。
其中,步骤S410至步骤S470在前述实施例中已经详细介绍,此处不再赘述。
步骤S490:若所述第一加速度的绝对值小于第三阈值,且所述第二坡度值与历史第二坡度值中的极差值小于第四阈值,则确定所述第二坡度值作为目标坡度值。
其中,所述第一加速度为根据速度传感器监测的数据计算得到的车辆的实际加速度值,所述极差表示数据集中最大值和最小值之间的距离。
其中,第三阈值表示第一加速度的参考加速度,示例性的,第三阈值为0.2m/s2,第一加速度的绝对值小于第三阈值表示第一加速度较小,可能为起步状态、制动状态,第四阈值表示极差的参考极差,示例性的,第四阈值为0.015,第二坡度值与历史第二坡度值中的极差值小于第四阈值,表示在当前时间段内获得的第二坡度值波动量较小。
若所述第一加速度的绝对值小于第三阈值,且所述第二坡度值与历史第二坡度值中的极差值小于第四阈值,可以表示在起步状态第二坡度值波动量较小,也可以表示在制动状态第二坡度值波动量较小,则确定所述第二坡度值作为目标坡度值,停止陀螺仪进行积分求偏移角度,减少不必要的计算量。
步骤S4100:否则根据所述第二坡度值与所述偏移角度确定目标坡度值。
其中,步骤S4100在前述实施例中已经详细介绍,此处不再赘述。
本申请实施例提供的坡道估计方法,通过对车辆的非静止状态做进一步的区分,如果所述第一加速度的绝对值小于第三阈值,且所述第二坡度值与历史第二坡度值中的极差值小于第四阈值,表示在起步状态第二坡度值波动量较小,也可以表示在制动状态第二坡度值波动量较小,则不对陀螺仪进行积分求偏移角度,将所述第二坡度值作为目标坡度值,既避免了陀螺仪长时间积分带来的误差累积,又提升了计算速度。
优选的,根据所述第二坡度值与所述偏移角度确定第三坡度值;对所述第三坡度值进行滤波处理,得到目标坡度值。
其中,通过滤波器对第三坡度值进行滤波处理,得到目标坡度值。滤波器的详细介绍请参阅前述实施例。本申请对第三坡度值进行滤波处理得到更加平滑的目标坡度值。示例性的,通过一阶低通滤波器对第三坡度值进行滤波处理,得到目标坡度值,滤波系数为0.02。
请参阅图5,图5示出了本申请实施例提供的一种坡道估计方法,所述方法具体包括步骤S510至步骤S570。
步骤S510:根据车辆实际行驶的第一加速度以及安装在车辆上的加速度计采集的数据,确定第二坡度值。
需要说明的是,根据车辆实际行驶的第一加速度以及安装在车辆上的加速度计采集的数据确定第一坡度值,对第一坡度值进行滤波得到第二坡度值,详细内容请参阅前述实施例;示例性的,第二坡度值为EstSlop_1。
步骤S520:基于当前周期的行驶速度确定车辆状态,根据所述车辆状态与上一个周期的历史车辆状态确定所述车辆当前周期的行车状态。
步骤S530:若行车状态为暂停状态,坡道初始值为第二坡度值,初始积分量为0,计算车辆的第三坡道值为第二坡度值与初始积分量求和。
需要说明的是,第二状态包括暂停状态或长停状态,若车辆连续m个周期内处于静止状态,且m小于周期阈值,则判定该车辆为暂停状态;若车辆连续f个周期内处于静止状态,且f大于或等于周期阈值,则判定该车辆为长停状态。
示例性的,若行车状态为暂停状态,坡道初始值Slop=EstSlop_1,初始积分量dSlop=0,计算车辆的第三坡道值Slop=Slop+dSlop。
步骤S540:若行车状态为长停状态,坡道初始值为第二坡度值,初始积分量为0,计算车辆的第三坡道值为第二坡度值与初始积分量求和,且更新Wy的零偏误差。
示例性的,若行车状态为长停状态,坡道初始值Slop=EstSlop_1,初始积分量dSlop=0,计算车辆的第三坡道值Slop=Slop+dSlop,且更新Wy的零偏误差。
步骤S550:若行车状态为非匀速运动状态,坡道初始值为第二坡度值,对Wy进行积分得到偏移角度,计算车辆的第三坡道值为第二坡度值与偏移角度求和。
需要说明的是,第二状态包括匀速状态或非匀速状态,处于匀速状态的车辆的车辆状态为非静止状态且行驶速度不变,处于非匀速状态的车辆的车辆状态为非静止状态且行驶速度发生变化。
示例性的,若行车状态为非匀速运动状态,坡道初始值Slop=EstSlop_1,对Wy进行积分得到dSlop=(Wy-bias)*dt,得到陀螺仪的偏移角度。计算车辆的第三坡道值Slop=Slop+dSlop。
步骤S560:若行车状态为匀速状态,更新坡道初始值为第二坡度值,对Wy进行积分得到偏移角度,计算车辆的第三坡道值为第二坡度值与偏移角度求和。
示例性的,若行车状态为匀速状态,更新坡道初始值Slop=EstSlop_1,对Wy进行积分得到dSlop=(Wy-bias)*dt,得到陀螺仪的偏移角度。计算车辆的第三坡道值Slop=Slop+dSlop。
步骤S570:对所述第三坡度值进行滤波得到目标坡度值。
请参阅图6,图6示出了本申请实施例提供的一种坡道估计方法,所述方法具体包括步骤S610至步骤S670。
步骤S610:在一段时间内连续获取惯性测量单元信息,惯性测量单元信息包括车辆处于静止状态下加速度计采集的第一数据与陀螺仪采集的第二数据。
其中,第一数据为Ax、Ay以及Az,第二数据为Wx、Wy以及Wz,详细内容请参阅前述实施例。
步骤S620:获取安装在车辆上的速度传感器采集的数据。
步骤S630:根据所述速度传感器采集的数据计算出车辆的行驶速度。
步骤S640:根据所述车辆的行驶速度计算第一加速度。
步骤S650:根据获取的第一数据与第一加速度确定第二坡度值。
具体的,将第一数据中的Ax信息作为第二加速度,根据所述第一加速度以及安装在车辆上的加速度计采集的第二加速度,确定第一坡度值,对第一坡度值进行滤波得到第二坡度值,详细内容请参阅前述实施例。
步骤S660:根据所述第二坡度值、第二数据与行驶速度确定第五坡度值。
具体的,根据行驶速度判断车辆状态,根据车辆状态与上一个周期的历史车辆状态确定车辆当前周期的行车状态,详细内容请参阅前述实施例。根据第二数据中的Wy、所述第二坡度值以及所述行车状态确定的第五坡度值,第五坡度值为第二坡度值结合陀螺仪的角速度计算得到的坡度值。
步骤S670:对所述第五坡度值进行滤波得到目标坡度值。
请参阅图9,图9示出了本申请实施例提供的一种坡道估计装置900的结构框图,该装置900包括:第一获取单元910、第二获取单元920、第三获取单元930、第一计算单元940、第二计算单元950、第三计算单元960。
其中,所述获取单元910用于获取加速度计所采集的数据、陀螺仪所采集的数据以及速度传感器所采集的数据。
所述第二获取单元920用于根据所述速度传感器所采集的数据,计算车辆的第一加速度。
所述第三获取单元930用于根据所述第一加速度以及所述加速度计采集的数据,确定第一坡度值。
所述第一计算单元940用于根据多个车辆状态确定所述车辆的行车状态,每个所述车辆状态包括静止状态与非静止状态,所述行车状态包括第一状态或第二状态,处于所述第一状态的车辆的相邻车辆状态不同,处于所述第二状态的车辆的相邻车辆状态相同。
所述第二计算单元950用于根据所述车辆的所述行车状态确定目标滤波系数,所述第一状态对应的滤波系数小于所述第二状态对应的滤波系数。
所述第三计算单元960用于根据所述目标滤波系数对第一坡度值进行滤波得到第二坡度值,根据所述第二坡度值、所述陀螺仪所采集的数据和当前车辆状态确定目标坡度值。
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。
请参阅图10,图10示出了本申请实施例提供的一种电子设备1000的结构框图。该电子设备1000可以是一种车机系统,该车机系统可以设置于车辆中。本申请中的电子设备1000可以包括一个或多个如下部件:处理器1011、存储器1012以及一个或多个应用程序,其中处理器1011电连接于存储器1012,一个或多个程序配置用于执行如前述测试方法各实施例所描述的方法。
处理器1011可以包括一个或者多个处理核。处理器1011利用各种接口和线路连接整个电子设备1000内的各个部分,通过运行或执行存储在存储器1012内的指令、程序、代码集或指令集,以及调用存储在存储器1012内的数据,执行电子设备1000的各种功能和处理数据。可选地,处理器1011可以采用数字信号处理(DigitalSignalProcessing,DSP)、现场可编程门阵列(Field-ProgrammableGateArray,FPGA)、可编程逻辑阵列(ProgrammableLogicArray,PLA)中的至少一种硬件形式来实现。处理器1011可集成中央处理器(CentralProcessingUnit,CPU)、图像处理器(GraphicsProcessingUnit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和计算机程序等;GPU用于负责显示内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器1011中,单独通过一块通信芯片进行实现。具体可以通过一个或多个处理器1011执行如前述实施例所描述的方法。
对于一些实施方式,存储器1012可以包括随机存储器(RandomAccessMemory,RAM),也可以包括只读存储器(Read-OnlyMemory)。存储器1012可用于存储指令、程序、代码、代码集或指令集。存储器1012可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令、用于实现下述各个方法实施例的指令等。存储数据区还可以存储电子设备1000在使用中所创建的数据等。
请参阅图11,其示出了本申请实施例提供的一种计算机可读存储介质的结构框图。该计算机可读介质1100中存储有程序代码,所述程序代码可被处理器调用执行上述方法实施例中所描述的方法。
计算机可读存储介质1100可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地,计算机可读存储介质1100包括非易失性计算机可读介质(non-transitorycomputer-readablestoragemedium)。计算机可读存储介质1100具有执行上述方法中的任何方法步骤的程序代码1110的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码1110可以例如以适当形式进行压缩。
请参考图12,其示出了本申请实施例提供的一种计算机程序产品1200的结构框图。该计算机程序产品1200中包括计算机程序/指令1210,该计算机程序/指令1210被处理器执行时实现上述方法的步骤。
最后应说明的是: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,并不驱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)
1.一种坡道估计方法,其特征在于,所述方法包括:
获取加速度计所采集的数据、陀螺仪所采集的数据以及速度传感器所采集的数据;
根据所述速度传感器所采集的数据,计算车辆的第一加速度;
根据所述第一加速度以及所述加速度计采集的数据,确定第一坡度值;
根据多个车辆状态确定所述车辆的行车状态,每个所述车辆状态包括静止状态与非静止状态,所述行车状态包括第一状态或第二状态,处于所述第一状态的车辆的相邻车辆状态不同,处于所述第二状态的车辆的相邻车辆状态相同;
根据所述车辆的所述行车状态确定目标滤波系数,所述第一状态对应的滤波系数小于所述第二状态对应的滤波系数;
根据所述目标滤波系数对第一坡度值进行滤波得到第二坡度值,根据所述第二坡度值、所述陀螺仪所采集的数据和当前车辆状态确定目标坡度值。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第二坡度值、所述陀螺仪所采集的数据和所述车辆状态确定目标坡度值,包括:
获取车辆处于静止状态下加速度计采集的第一数据与陀螺仪采集的第二数据;
若所述第一数据大于第一阈值,则确定预设数值作为目标坡度值;
若所述第一数据小于或等于第一阈值且所述第二数据大于第二阈值,则确定所述第二坡度值作为目标坡度值;
若所述第一数据小于或等于第一阈值且所述第二数据小于或等于第二阈值,根据所述第二坡度值、所述陀螺仪所采集的数据和所述车辆状态确定目标坡度值。
3.根据权利要求1所述的方法,其特征在于,所述陀螺仪采集的数据包括角速度信息与零偏误差,所述根据所述第二坡度值、所述陀螺仪所采集的数据和所述车辆状态确定目标坡度值,包括:
判断所述车辆状态是否为非静止状态;
若所述车辆状态为非静止状态,根据所述陀螺仪采集的角速度信息与零偏误差,确定车辆在行驶方向上的偏移角度;
根据所述第二坡度值与所述偏移角度确定目标坡度值。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第二坡度值与所述偏移角度确定目标坡度值,包括:
若所述第一加速度的绝对值小于第三阈值,且所述第二坡度值与历史第二坡度值中的极差值小于第四阈值,则确定所述第二坡度值作为目标坡度值;
否则根据所述第二坡度值与所述偏移角度确定目标坡度值。
5.根据权利要求3所述的方法,其特征在于,还包括:
若车辆处于静止状态,对所述陀螺仪连续采集的角速度信息进行求均值,更新零偏误差。
6.根据权利要求3所述的方法,其特征在于,所述根据所述第二坡度值与所述偏移角度确定目标坡度值,包括:
根据所述第二坡度值与所述偏移角度确定第三坡度值;
对所述第三坡度值进行滤波处理,得到目标坡度值。
7.根据权利要求1所述的方法,其特征在于,所述第一状态包括起步状态或制动状态,处于所述起步状态的车辆的车辆状态为非静止状态且历史车辆状态为静止状态,处于所述制动状态的车辆的车辆状态为静止状态且历史车辆状态为非静止状态。
8.一种坡道估计装置,其特征在于,所述装置包括:
第一获取单元,所述获取单元用于获取加速度计所采集的数据、陀螺仪所采集的数据以及速度传感器所采集的数据;
第二获取单元,所述第二获取单元用于根据所述速度传感器所采集的数据,计算车辆的第一加速度;
第三获取单元,所述第三获取单元用于根据所述第一加速度以及所述加速度计采集的数据,确定第一坡度值;
第一计算单元,所述第一计算单元用于根据多个车辆状态确定所述车辆的行车状态,每个所述车辆状态包括静止状态与非静止状态,所述行车状态包括第一状态或第二状态,处于所述第一状态的车辆的相邻车辆状态不同,处于所述第二状态的车辆的相邻车辆状态相同;
第二计算单元,所述第二计算单元用于根据所述车辆的所述行车状态确定目标滤波系数,所述第一状态对应的滤波系数小于所述第二状态对应的滤波系数;
第三计算单元,所述第三计算单元用于根据所述目标滤波系数对第一坡度值进行滤波得到第二坡度值,根据所述第二坡度值、所述陀螺仪所采集的数据和所述车辆状态确定目标坡度值。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中,所述一个或多个应用程序被存储在所述存储器中,所述一个或多个应用程序被配置为由所述一个或多个处理器执行,所述一个或多个应用程序配置用于执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311737374.7A CN117698736A (zh) | 2023-12-15 | 2023-12-15 | 坡道估计方法、系统、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311737374.7A CN117698736A (zh) | 2023-12-15 | 2023-12-15 | 坡道估计方法、系统、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117698736A true CN117698736A (zh) | 2024-03-15 |
Family
ID=90163428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311737374.7A Pending CN117698736A (zh) | 2023-12-15 | 2023-12-15 | 坡道估计方法、系统、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117698736A (zh) |
-
2023
- 2023-12-15 CN CN202311737374.7A patent/CN117698736A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10690695B2 (en) | System and method for detecting driving behavior | |
KR100226365B1 (ko) | 드라이빙 레코더, 차량의 운행해석장치 및 기억매체 | |
WO2014145409A1 (en) | Inference of vehicular trajectory characteristics with personal mobile devices | |
WO2014080507A1 (ja) | 車両状態判定装置、車両状態判定方法及び運転操作診断装置 | |
JP2008542935A (ja) | 車両の運転者の不注意を、運転者の特性に合わせて検出する方法及び制御ユニット | |
CN110217239B (zh) | 一种车辆横摆角速度测量方法及设备 | |
CN105823479B (zh) | 驾驶行为分析方法 | |
CN106494407B (zh) | 判断汽车行驶状态的分析方法及装置 | |
JPH11248734A (ja) | 車体ロール評価値演算装置 | |
CN111103877A (zh) | 移动机器人打滑预警方法、存储介质以及移动机器人 | |
CN108304594A (zh) | 一种基于速度与陀螺仪数据的汽车驾驶稳定性的判定方法 | |
US20110004359A1 (en) | Method and apparatus for determining a signal offset of a pitch rate sensor | |
CN112622876B (zh) | 车辆质心位置确定方法、装置、设备和存储介质 | |
CN109506678B (zh) | 基于微机电系统的惯性测量组合中陀螺仪动态自检方法 | |
US20220017032A1 (en) | Methods and systems of predicting total loss events | |
KR101160630B1 (ko) | 주행 모드 판별법, 상기 주행 모드 판별을 이용한 항법 시스템 및 그 제공방법 | |
CN117698736A (zh) | 坡道估计方法、系统、电子设备及可读存储介质 | |
CN112046491A (zh) | 车轮侧偏刚度的估算方法、装置、车辆及可读存储介质 | |
CN114264486A (zh) | 一种基于低成本传感器的车辆三急检测方法 | |
CN108844535B (zh) | 确定运动状态的方法、装置,确定定位错误的方法、设备 | |
JP2001280995A (ja) | ドリフト除去装置及びドリフト除去方法、移動体の挙動検出センサ。 | |
JP2002131077A (ja) | 移動体の停止判定方法及び停止判定装置ならびに停止判定プログラムを記録した記憶媒体 | |
CN111071258A (zh) | 驾驶行为检测方法、装置、电子设备及可读存储介质 | |
CN113635907A (zh) | 一种驾驶行为的检测方法、装置、电子设备及其存储介质 | |
US20230422148A1 (en) | Communication control terminal, communication control method, and communication control program |
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 |