CN117864153A - 车辆的横向加速度的补偿方法、雷达、设备及存储介质 - Google Patents

Abstract

本发明实施例公开了一种车辆的横向加速度的补偿方法。具体包括：计算第一至第四横向加速度中的至少两个；以及基于所述第一至第四横向加速度中的至少两个，确定所述车辆的最终的横向加速度；其中，所述第一横向加速度基于自学习的方式而得到，所述第二横向加速度基于横向加速度传感器采集的横向加速度和所述横向加速度传感器的温度而得到，所述第三横向加速度基于所述车辆的轮速和路面附着系数而得到，所述第四横向加速度基于所述车辆的转向角和轮速而得到。通过本发明实施例的方法，可以提高横向加速度的精度。

Description

车辆的横向加速度的补偿方法、雷达、设备及存储介质

技术领域

本发明涉及车辆横向加速度的补偿技术，尤其涉及一种车辆的横向加速度的补偿方法、雷达、设备及存储介质。

背景技术

在车辆中，可以通过加速度传感器来测量车辆的横向加速度，但是加速度传感器测量的横向加速度可能存在误差，需要对其进行补偿。

发明内容

本发明实施例提供了一种车辆的横向加速度的补偿方法、雷达、设备及存储介质，能够提高横向加速度的精度。

本发明实施例的一种车辆的横向加速度的补偿方法，包括：计算第一至第四横向加速度中的至少两个；以及基于所述第一至第四横向加速度中的至少两个，确定所述车辆的最终的横向加速度；其中，所述第一横向加速度基于自学习的方式而得到，所述第二横向加速度基于横向加速度传感器采集的横向加速度和所述横向加速度传感器的温度而得到，所述第三横向加速度基于所述车辆的轮速和路面附着系数而得到，所述第四横向加速度基于所述车辆的转向角和轮速而得到。

其中，所述方法还包括：基于车辆的行驶状态，确定是否激活横向加速度补偿功能；以及当所述横向加速度补偿功能被激活时，执行所述计算第一至第四横向加速度中的至少两个的步骤。

其中，所述车辆的行驶状态由路面附着系数、轮速、前轴左右轮速差和转向角来定义，且当所述路面附着系数、轮速、前轴左右轮速差和转向角均在各自的预设范围内时，激活所述横向加速度补偿功能。

其中，所述计算第一横向加速度的步骤包括：当所述车辆进入预定的行驶工况时，采集所述横向加速度传感器的多个值，并将所述多个值的平均值作为第一横向加速度；其中，所述预定的行驶工况包括：所述车辆的行驶里程大于里程阈值、所述车辆的车速大于车速阈值、且所述车辆处于直线行驶中。

其中，所述计算第二横向加速度的步骤包括：采用标定的方式，预先确定所述横向加速度传感器的采集值和温度，与所述第二横向加速度的转换关系；以及基于所述转换关系，计算所述第二横向加速度。

其中，所述计算第三横向加速度的步骤包括：获取所述车辆的轮速和路面附着系数；以及将所述轮速和路面附着系数输入预先训练好的神经网络模型，以计算所述第三横向加速度。

其中，所述计算第四横向加速度的步骤包括：获取所述车辆的轮速和转向角；基于所述轮速和转向角，利用所述车辆的运动学公式和卡尔曼滤波器，估算出所述第四横向加速度的初值；基于所述第四横向加速度的初值，利用MPC模型，计算所述第四横向加速度的中值；当所述第四横向加速度的中值与所述横向加速度传感器的采集值在预定的阈值范围内时，将所述第四横向加速度的中值作为所述第四横向加速度输出。

本发明实施例的一种雷达，包括：多个加速度补偿模块，分别用于计算第一至第四横向加速度；以及融合模块，用于基于所述第一至第四横向加速度中的至少两个，确定所述车辆的最终的横向加速度；其中，所述第一横向加速度基于自学习的方式而得到，所述第二横向加速度基于横向加速度传感器采集的横向加速度和所述横向加速度传感器的温度而得到，所述第三横向加速度值基于所述车辆的轮速和路面附着系数而得到，所述第四横向加速度基于所述车辆的转向角和轮速而得到。

本发明实施例的一种计算机设备，包括：理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器被配置为执行所述可执行指令以实施本发明实施例的方法。

本发明实施例的一种计算机可读存储介质，其上存储有计算机程序，该计算机程序包括可执行指令，当该可执行指令被处理器执行时，实施根据本发明实施例的方法。

本发明实施例的有益效果：

本发明实施例，采用多种方式(或多角度)计算多个横向加速度值，并综合多个横向加速度值确定车辆最终的横向加速度值，因此能够提高横向加速度的精度。

附图说明

本发明的其他细节及优点将通过下文提供的详细描述而变得显而易见。应理解的是，下列附图仅仅是示意性的，因而不能视为对本发明的限制，下文将参照附图来进行详细描述，其中：

图1是本发明的车辆的横向加速度的补偿方法的一实施例的流程示意图；

图2是本发明的车辆的横向加速度的补偿方法的另一实施例的流程示意图；

图3是图1中步骤S12中计算第一横向加速度的实施例的流程示意图；

图4A是图1中步骤S12中计算第二横向加速度的实施例的流程示意图；

图4B是本发明实施例的试验台架的实施例的结构示意图；

图5是图1中步骤S12中计算第三横向加速度的实施例的流程示意图；

图6是图1中步骤S12中计算第四横向加速度的实施例的流程示意图；以及

图7是本发明实施例的雷达的实施例的结构示意图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本发明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以解释本发明，并不用于限定本发明。

在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。而且，术语“第一”、“第二”等适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术语在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。

本发明实施例的车辆的横向加速度的补偿方法，可以应用于车辆的雷达产品中，例如毫米波雷达、激光雷达等等，以支持自适应巡航(ACC)等功能。另外，本发明实施例的补偿方法也可以应用于车辆中的其他电子设备中，以计算车辆的横向加速度。在本实施例中，雷达或其他电子设备不直接使用从车辆中的横向加速度传感器获取的横向加速度值，而是通过多种方式，从多种角度，重新计算出多个横向加速度值，然后融合这些横向加速度值，以得到最终的具有高精度的横向加速度。其中，融合的横向加速度值的个数可以根据车辆的当前工况、应用对精度的要求等因素而合理设定。

具体而言，本实施例可以基于自学习的方式来补偿横向加速度。可以考虑温度对横向加速度传感器的影响来补偿横向加速度值。可以基于车辆的轮速和路面附着系数，利用神经网络模型的方式，来补偿横向加速度。以及可以基于车辆的转向角和轮速，利用车辆运动学公式、卡尔曼滤波和MPC(Model Predictive Control，模型预测控制)模型，来补偿横向加速度。通过这些多种方式、多种角度的补偿，可以使得最终得到的横向加速度具有更高的精度。

下面结合附图，对本发明实施例的方案进行详细说明。

如图1所示，是本发明的车辆的横向加速度的补偿方法的实施例的流程示意图。该方法流程包括：

步骤S12：计算第一至第四横向加速度中的至少两个。以及

步骤S14：基于第一至第四横向加速度中的至少两个，确定车辆的最终的横向加速度值。

其中，在步骤S12之前，可以先判断是否激活横向加速度补偿功能，在该功能激活时，才执行步骤S12和S14所示的方法流程。

具体地，如图2所示，在步骤S10中，获取车辆的行驶状态。其中，车辆的行驶状态可以由路面附着系数、轮速、前轴左右轮速差和转向角等参数来定义。其中，路面附着系数可以基于预先搭建的基于路面-轮胎的车辆动力学模型来计算得到，例如将实时轮速和转向角输入该车辆动力学模型，即可以计算得到路面附着系数。其中，轮速和转向角等信号可以通过车辆中的相应传感器采集得到。

接着，在步骤S11中，判断车辆是否处于预定的行驶状态内。若是，则激活横向加速度补偿功能，例如将横向加速度补偿标志位置位。若否，则不激活横向加速度补偿功能，继续监视车辆的行驶状态。其中，车辆处于预定的行驶状态例如可以是路面附着系数、轮速、前轴左右轮速差和转向角均在各自预设的范围内。例如，如表一所示，A、B、C和D均表示特定的范围，可以基于经验，人工设定。当附着系数、轮速、前轴左右轮速差和转向角分别在范围A1、B1、C1和D1内时，则激活补偿功能。其中，在本实施例中，通过设置附着系数、轮速、前轴左右轮速差和转向角的范围，可以使得在一些非正常行驶的状态下(例如，车辆处于极限测试中)能够不激活加速度补偿功能，而在正常行驶的状态下能够激活加速度补偿功能。其中，可以采用决策树模型来判断车辆是否处于预定的行驶状态内。

表一：

编号	附着系数	轮速	轮速差	转向角	激活标志
						1	A1	B1	C1	D1	激活
2	A2	B2	C2	D2	不激活
						…	…	…	…	…	…

其中，在步骤S12中，第一横向加速度可以是基于自学习的方式而计算得到。具体而言，如图3所示，是计算第一横向加速度的方法的实施例的流程示意图。在图3中，在步骤S30中，获取车辆的行驶工况。在步骤S32中，当车辆进入预定的行驶工况时，采集横向加速度传感器的多个值。以及，在步骤S34中，计算采集的多个值的平均值，以作为第一横向加速度。其中，预定的行驶工况例如可以是指：车辆的行驶里程大于里程阈值、车辆的车速大于车速阈值、且车辆处于直线行驶中。其中，里程阈值和车速阈值的大小可以预先设定。本实施例，在车辆处于特定的行驶工况下，利用横向加速度传感器自身来补偿横向加速度，因此是自学习的方式。

其中，在步骤S12，第二横向加速度值的计算主要考虑了温度对横向加速度传感器的精度的影响。具体地，如图4A所示，是计算第二横向加速度值的方法的实施例的流程示意图。如图4A所示，在步骤S40中，采用标定(试验)的方式，预先确定出横向加速度传感器的采集值和温度，与第二横向加速度的转换关系。接着，在步骤S42中，基于预先确定出的转换关系，计算出第二横向加速度值。

具体地，首先进行横向加速度传感器温度试验，试验台架可以参考图4B所示。在图4B中，1为台架安装固定平台，2为环境仓，3、4为左右轮毂电机，5为转动轴，6为差速器齿轮箱与加速度传感器集成模块。在标定时，左右轮毂电机3和4模拟车轮旋转，差速器齿轮箱可以模拟转弯工况左右轮速差，环境仓2可以模拟不同的外界温度，加速度传感器包括车用加速度传感器以及高精度加速度传感器。在标定过程中，将记录不同温度下，规定工况中两个加速度传感器的差值，以作为加速度传感器补偿值(补偿值＝高精度加速度传感器值-车用加速度传感器值)，从而得到对应加速度值在不同温度下的补偿值关系，并拟合出对应多项式关系，公式如下：

Latoffset2＝f(LatAcc)+f(Temp)+Ca；

式中，Latoffset2为补偿后的横向加速度，LatAcc为车用传感器采集的横向加速度，Temp为传感器温度，Ca为加速度补偿常数。

另外，传感器温度若无法直接采集得到，可通过外界温度计算所得，即考虑到加速度实际安装状态以及车速的影响，可通过试验数据获得传感器温度与室温关系式，如下：

Temp＝f(t)+f(Vehspd)+Ct；

式中，t为外界温度，Vehspd为车速，Ct为温度常数。

其中，在步骤S12，第三横向加速度值的计算是以轮速和附着系数为基础，通过神经网络模型计算而得。具体地，如图5所示，是计算第三横向加速度值的方法的实施例的流程示意图。在图5中，在步骤S50中，获取车辆的轮速和路面附着系数。其中，轮速可以从轮速传感器获得，路面附着系数可以基于前述的基于路面-轮胎的车辆动力学模型而获得。在步骤S52中，将轮速和路面附着系数输入预先训练好的神经网络模型(如，BP神经网络模型)，以计算第三横向加速度。其中，BP神经网络的训练数据可以来源于整车试验，且该网络模型可以持续进行优化，例如基于第三横向加速度值与融合后的最终的横向加速度值之间的差值来持续优化，以提高精度。

其中，在步骤S12，第四横向加速度值是以转向角、车速为基础，结合车辆运动学公式、卡尔曼滤波以及MPC模型而计算得到的。具体地，如图6所示，是计算第四横向加速度值的方法的实施例的流程示意图。如图6所示，在步骤S60中，获取所述车辆的轮速和转向角，例如可以由相关的传感器采集轮速和转向角信号。在步骤S62中，基于轮速和转向角，利用车辆运动学公式和卡尔曼滤波器，估算出第四横向加速度的初值。其中，可以将轮速和转向角代入车辆运动学公式，以计算横向加速度值，然后将计算得到的值利用卡尔曼滤波器进行滤波处理，以得到横向加速度的初值。接着，在步骤S64中，在初值的基础上，利用MPC模型，计算第四横向加速度值的中值。然后，在步骤S66中，判断第四横向加速度的中值与横向加速度传感器采集的加速度之间的差值是否在预定的阈值范围内，若在，则将第四横向加速度的中值作为所述第四横向加速度输出。若不在预定的阈值范围内，则基于第四横向加速度的中值与横向加速度传感器采集的加速度之间的差值来优化MPC模型，并且不输出第四横向加速度。

其中，在步骤S14中，可以基于加权融合的方式来融合第一到第四横向加速度，例如，可以设定第一至第四横向加速度的权重系数分别为：W1、W2、W3、W4，其中权重系数满足W1+W2+W3+W4＝1。其中第一至第四横向加速度对应的权重系数可根据设计需求以及应用场景调整数值大小，例如在一些场景中，可能只存在第二和第三横向加速度，则可以调整W2和W3。融合后的横向加速度值Latoffset_merge满足下式：Latoffset_merge＝LatOffset1*W1+LatOffset2*W2+LatOffset3*W3+LatOffset4*W4。LatOffset1～4分别表示第一至第四横向加速度。

另外，在得到融合后的横向加速度之后，可以对横向加速度进一步执行限幅处理，即融合后的横向加速度若大于预设的最大横向加速度，则将其限定为最大横向加速度；若小于预设的最小横向加速度，则将其限制为最小横向加速度。

如图7所示，是本发明的雷达的实施例的结构示意图，该雷达7包括：第一至第四加速度补偿模块70～73，分别用于计算第一至第四横向加速度值；以及加速度融合模块74，用于基于第一至第四横向加速度值中的至少两个，确定车辆的最终的横向加速度。其中，所述第一横向加速度基于自学习的方式而得到，所述第二横向加速度基于横向加速度传感器采集的横向加速度值和所述横向加速度传感器的温度而得到，所述第三横向加速度基于所述车辆的轮速和路面附着系数而得到，所述第四横向加速度基于所述车辆的转向角和轮速而得到。

另外，本发明实施例还提供了一种计算机设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器被配置为执行所述可执行指令以实施本发明实施例的方法。

另外，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序包括可执行指令，当该可执行指令被处理器执行时，实施本发明实施例的方法。

以上存储介质、装置或设备实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本申请存储介质、设备或方法实施例中未披露的技术细节，请参照本申请方法实施例的描述来理解。

上述处理器可以为专用集成电路(Application Specific Integrated Circuit，ASIC)、数字信号处理器(Digital Signal Processor，DSP)、数字信号处理装置(DigitalSignal Processing Device，DSPD)、可编程逻辑装置(Programmable Logic Device，PLD)、现场可编程门阵列(Field Programma-ble Gate Array，FPGA)、中央处理器(CentralProcessing Unit，CPU)、控制器、微控制器、微处理器等中的至少一种。可以理解地，实现上述处理器功能的电子器件还可以为其它，本申请实施例不作具体限定。

上述计算机存储介质/存储器可以是只读存储器(Read Only Memory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory，FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory，CD-ROM)等存储器；也可以是包括上述存储器之一或任意组合的各种终端，如移动电话、计算机、平板设备、个人数字助理等。

应指出的是，以上描述仅为示例，而不是对本发明的限制。在本发明的其他实施例中，该方法可具有更多、更少或不同的步骤，且各步骤之间的顺序、包含和功能等关系可以与所描述和图示的不同。例如，通常多个步骤可以合并为单个步骤，单个步骤也可以拆分为多个步骤。对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，对各步骤的先后变化也在本发明的保护范围之内。

本发明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)或处理器或微控制器执行本发明各个实施方式所述方法的全部或部分步骤。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤。

虽然本发明已以较佳实施例披露如上，但本发明并非限于此。任何本领域技术人员，在不脱离本发明的精神和范围内所作的各种更动与修改，均应纳入本发明的保护范围内，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (10)

1.一种车辆的横向加速度的补偿方法，其特征在于，包括：

计算第一至第四横向加速度中的至少两个；以及

基于所述第一至第四横向加速度中的至少两个，确定所述车辆的最终的横向加速度；

其中，所述第一横向加速度基于自学习的方式而得到，所述第二横向加速度基于横向加速度传感器采集的横向加速度和所述横向加速度传感器的温度而得到，所述第三横向加速度基于所述车辆的轮速和路面附着系数而得到，所述第四横向加速度基于所述车辆的转向角和轮速而得到。

2.如权利要求1所述的车辆的横向加速度的补偿方法，其特征在于，所述方法还包括：

基于车辆的行驶状态，确定是否激活横向加速度补偿功能；以及

当所述横向加速度补偿功能被激活时，执行所述计算第一至第四横向加速度中的至少两个的步骤。

3.如权利要求2所述的车辆的横向加速度的补偿方法，其特征在于，所述车辆的行驶状态由路面附着系数、轮速、前轴左右轮速差和转向角来定义，且当所述路面附着系数、轮速、前轴左右轮速差和转向角均在各自的预设范围内时，激活所述横向加速度补偿功能。

4.如权利要求1～3中任一项所述的车辆的横向加速度的补偿方法，其特征在于，所述计算第一横向加速度的步骤包括：

当所述车辆进入预定的行驶工况时，采集所述横向加速度传感器的多个值，并将所述多个值的平均值作为第一横向加速度；

其中，所述预定的行驶工况包括：所述车辆的行驶里程大于里程阈值、所述车辆的车速大于车速阈值、且所述车辆处于直线行驶中。

5.如权利要求1～3中任一项所述的车辆的横向加速度的补偿方法，其特征在于，所述计算第二横向加速度的步骤包括：

采用标定的方式，预先确定所述横向加速度传感器的采集值和温度与所述第二横向加速度的转换关系；以及

基于所述转换关系，计算所述第二横向加速度。

6.如权利要求1～3中任一项所述的车辆的横向加速度的补偿方法，其特征在于，所述计算第三横向加速度的步骤包括：

获取所述车辆的轮速和路面附着系数；以及

将所述轮速和路面附着系数输入预先训练好的神经网络模型，以计算所述第三横向加速度。

7.如权利要求1～3中任一项所述的车辆的横向加速度的补偿方法，其特征在于，所述计算第四横向加速度的步骤包括：

获取所述车辆的轮速和转向角；

基于所述轮速和转向角，利用所述车辆的运动学公式和卡尔曼滤波器，估算出所述第四横向加速度的初值；

基于所述第四横向加速度的初值，利用MPC模型，计算所述第四横向加速度的中值；

当所述第四横向加速度的中值与所述横向加速度传感器的采集值在预定的阈值范围内时，将所述第四横向加速度的中值作为所述第四横向加速度输出。

8.一种雷达，其特征在于，包括：

多个加速度补偿模块，分别用于计算第一至第四横向加速度；以及

融合模块，用于基于所述第一至第四横向加速度中的至少两个，确定所述车辆的最终的横向加速度；

其中，所述第一横向加速度基于自学习的方式而得到，所述第二横向加速度基于横向加速度传感器采集的横向加速度和所述横向加速度传感器的温度而得到，所述第三横向加速度值基于所述车辆的轮速和路面附着系数而得到，所述第四横向加速度基于所述车辆的转向角和轮速而得到。

9.一种计算机设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器被配置为执行所述可执行指令以实施根据权利要求1至7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，该计算机程序包括可执行指令，当该可执行指令被处理器执行时，实施根据权利要求1至7中任一项所述的方法。