CN110007316A - 一种基于激光雷达路面信息识别的主动转向避障***及方法 - Google Patents
一种基于激光雷达路面信息识别的主动转向避障***及方法 Download PDFInfo
- Publication number
- CN110007316A CN110007316A CN201910302713.6A CN201910302713A CN110007316A CN 110007316 A CN110007316 A CN 110007316A CN 201910302713 A CN201910302713 A CN 201910302713A CN 110007316 A CN110007316 A CN 110007316A
- Authority
- CN
- China
- Prior art keywords
- road surface
- module
- information
- laser radar
- steering wheel
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种基于激光雷达路面信息识别的主动转向避障***,包括:路面信息采集模块,其用于采集前方路面信息;信息处理模块,其电联所述路面信息采集模块,用于接收所述前方路面信息后进行数据处理得到前方路面高程值;车速采集模块,其用于采集车速信息;方向盘转角采集模块,其用于采集方向盘转角信息;电子控制模块,其同时电联所述信息处理模块、所述车速采集模块和所述方向盘转角采集模块,用于接收所述高程值、所述车速信息和所述方向盘转角信息并判断是否发送预警信号和转向信号;预警模块,其电联所述电子控制模块,用于接收所述预警信号;主动转向模块,其电联所述电子控制模块,用于接收所述转向信号。
Description
技术领域
本发明涉及主动转向避障,具体涉及一种基于激光雷达路面信息识别的主动转向避障***及方法。
背景技术
近年来,随着智能辅助驾驶领域的持续发展,着眼于驾驶员驾驶体验、驾驶安全等方面的研究也不断深入,其中主动转向避障是很多学者研究的内容。在人-车-路闭环***中,驾驶员通过车辆尤其是方向盘感受来自路面的信息。其中,不平路面会造成行驶中的颠簸,导致车辆产生垂向振动,是影响驾驶员驾驶体验和车辆平顺性与操纵性的重要因素。因此,为了更好地操纵车辆,提高驾驶员的驾驶体验,有必要对车辆行驶方向的不平路面进行有效检测和规避。
国内外现有的***大多基于加速度传感器、电子控制悬架***等对路面的凹坑和凸起做出反应和调整,但这种装置具有一定的滞后性,只能在车辆行驶过不平路面一段时间后才会工作,而此时驾驶员已经感受到路面起伏带来的振动。还有一种方法是基于单目或双目摄像头对前方路面进行识别检测,进而将信号发送给控制器以采取相关措施。这种方法虽然可以预先检测到路面起伏,但是在夜晚等天气情况下的识别效果较差,且数据采集速度和精度不是很高,不具备全天候的工作能力。
因此,既能提前获取前方路面不平度信息,又能快速、准确、全天候工作的识别与避障***,对提升车辆平顺性、操纵性以及驾驶员的驾驶体验至关重要。
发明内容
本发明设计开发了一种基于激光雷达路面信息识别的主动转向避障***,本发明针对乡镇非柏油路等较差工况,目的是在保证安全性的前提下,基于雷达检测到的路面信息,提前提醒驾驶员或采取主动转向措施以避开不平路段,从而减少颠簸,提高舒适性。
本发明设计开发了一种基于激光雷达路面信息识别的主动转向避障方法,本发明的发明目的是通过激光雷达直接获取前方路面的点云数据,不依赖于车辆附带的加速度传感器及主动悬架等机构,同时不受限于光线、夜晚等客观因素,解决了转向避障滞后和受使用工况限制的问题,同时可保证数据采集速度与精度的问题。
本发明提供的技术方案为:
一种基于激光雷达路面信息识别的主动转向避障***,包括:
路面信息采集模块,其用于采集前方路面信息;
信息处理模块,其电联所述路面信息采集模块,用于接收所述前方路面信息后进行数据处理得到前方路面高程值;
车速采集模块,其用于采集车速信息;
方向盘转角采集模块,其用于采集方向盘转角信息;
电子控制模块,其同时电联所述信息处理模块、所述车速采集模块和所述方向盘转角模块,用于接收所述高程值、所述车速信息和所述方向盘转角信息并判断是否发送预警信号和转向信号;
预警模块,其电联所述电子控制模块,用于接收所述预警信号;
主动转向模块,其电联所述电子控制模块,用于接收所述转向信号。
优选的是,所述路面信息采集模块为激光雷达,其固定安装在车辆的前方大灯中间位置处;
所述信息处理模块包括了RFbeam RSP1型雷达信号处理器及计算模块;
所述车速采集模块包括AEPES 11026型轮速传感器;
所述方向盘转角采集模块为Autonics EP50S8型角度编码器;以及
所述主动转向模块为MLDS3630-C型转向驱动器和Nanotec-PD4型转向电机。
优选的是,所述激光雷达与所述信息处理模块通过CAN总线相连;
所述信息处理模块与所述电子控制模块通过CAN总线相连;
所述电子控制模块与所述信息处理模块通过CAN总线相连,并且与所述方向盘转角采集模块、所述车速采集模块通过电线相连;
所述电子控制模块与所述预警模块通过电线连接;以及
所述电子控制模块与所述主动转向模块通过CAN总线相连。
优选的是,所述高程值计算过程为:
hi=hset-xo×sinαp-di×sin(αp+αd+αo);
式中,hset为所述激光雷达安装高度,xo为雷达中心至车辆质心的水平距离,αp为汽车行驶时车身的俯仰角,αd为雷达安装的俯仰角偏差,αo为雷达光线相对于其自身的角度,di为雷达距路面扫描点的直线距离。
一种基于激光雷达路面信息识别的主动转向避障方法,包括如下步骤:
步骤一、采集前方路面信息、当前车速和当前方向盘转角;
步骤二、对所述前方路面信息进行坐标转换和坐标中零点修正的预处理,提取出可用点云数据,通过分析得出前方路面高程值;
步骤三、根据所述前方路面高程值、当前车速和当前方向盘转角进行分析处理得到下一时刻方向盘转角;
步骤四、当下一时刻方向盘转角大于当前方向盘转角,电子控制模块向预警模块发送预警信号,并且向主动转向模块发送转向信号,车辆预警后主动执行转向。
优选的是,在所述步骤二中,所述坐标转换包括:
在激光雷达扫描的极坐标系下,极坐标原点为激光雷达,t时刻的数据点集合为
Pointt=<pointi|pointi=(ρi,θi),1≤i≤γ>;
式中,pointi为扫描激光中第i条扫描线,θi为测量角度,ρi为对应测量角度下返回的距离测量值,γ为设定的测量角度范围;
t时刻在直角坐标系下的表示为
式中,xi为扫描点在直角坐标系下的横坐标,yi为扫描点在直角坐标系下的纵坐标,μ为激光扫描的角分辨率。
优选的是,在所述步骤二中,对所述坐标中零点修正包括:
选择相邻六个点的平均值作为替代零点位置的测量值进行修正,修正公式为
式中,Xi-3,Xi-2,Xi-1为该零点的前三个时刻的测量点坐标,Xi+3,Xi+2,Xi+1为该零点的后三个时刻的测量点坐标。
优选的是,在所述步骤二中,所述高程值计算过程为:
hi=hset-xo×sinαp-di×sin(αp+αd+αo);
式中,hset为所述激光雷达安装高度,xo为雷达中心至车辆质心的水平距离,αp为汽车行驶时车身的俯仰角,αd为雷达安装的俯仰角偏差,αo为雷达光线相对于其自身的角度,di为雷达距路面扫描点的直线距离。
优选的是,在所述步骤二中,对所述高程值进行修正,修正后的高程值为:
Hi=kj×hi(j=1,2,3);式中,kj为修正系数。
优选的是,在所述步骤三中,基于BP神经网络分析处理得到下一时刻方向盘转角,包括如下步骤:
步骤1、按照采样周期,通过信息处理模块得到的高程值和车速采集模块得到的车速信号;
步骤2、确定三层BP神经网络的输入层神经元向量O={O1,O2},其中,O1为高程值,O2为当前车速;
步骤3、所述输入层向量映射到隐藏层,隐藏层的神经元为n个;
其中,所述隐藏层节点个数n满足:其中,o为输入层节点个数,p为输出层节点个数,q为调节常数,取值范围为1~10;
步骤4、得到输出层向量P={P1}。
本发明与现有技术相比较所具有的有益效果:本发明基于激光雷达直接获取前方路面的点云数据,不依赖于车辆附带的加速度传感器及主动悬架等机构,同时不受限于光线、夜晚等客观因素,解决了转向避障滞后和受使用工况限制的问题,同时可保证数据采集速度与精度;该***和方法实时采集车辆前方行驶路面的不平度信息,同基于加速度传感器、电子控制悬架***等分析振动信号来感知路面不平度的方法相比,可提前掌握前方路况,为悬架等机构的调整提供充足时间,并通过主动转向绕过不平路面从而减少车辆颠簸,减轻驾驶员疲劳,提高乘坐舒适性。
附图说明
图1为本发明提供的基于激光雷达路面信息识别的主动转向避障***的结构示意图。
图2为本发明提供的各模块之间的电路连接图。
图3为本发明提供的激光雷达在车辆上的扫描方式示意图。
图4为本发明提供的激光雷达在车辆上的安装位置示意图。
图5为本发明提供的激光雷达与路面的几何关系示意图。
图6为本发明提供的基于激光雷达路面信息识别的主动转向避障方法的流程示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
如图1所示,本发明提供了一种基于激光雷达路面信息识别的主动转向避障***,路面信息采集模块,用于采集前方路面信息,并将其发送给信息处理模块;信息处理模块用于接收点云信息并进行坐标转换、零点修正等预处理,提取出可用点云数据,计算出路面高程值,并将其发送给电子控制模块;车速采集模块用于采集当前车速信号并将其发送给电子控制模块;方向盘转角采集模块用于采集当前方向盘转角信号并将其发送给电子控制模块;电子控制模块用于接收前方道路路面高程值、当前车速信号、方向盘转角信号,并通过内置的逻辑控制算法对以上信号进行分析处理,进而得出下一时刻方向盘的应转角度β,将其与当前实际角度α比较,若β>α,则将预警信号发送给预警模块,将转向指令信号发送给主动转向模块。
在另一种实施例中,路面信息采集模块为用于采集前方路面信息的激光雷达,激光雷达可以扫描到前方一百米内的路面信息,同时本实施例在充分考虑了安装位置对信息采集的影响后,本实施例将激光雷达水平安装于车辆的大灯高度,位于两大灯中间位置,在车辆行驶过程中,实时对前方路面进行纵向扫描,获取路面的凸起或凹坑信息,并将其发送给信息处理模块。
在另一种实施例中,预警模块用于接收电子控制模块发来的预警信号,进而发出预警,使驾驶员提前做好心理准备。
在另一种实施例中,主动转向模块用于接收电子控制模块发来的转向指令,进而通过转向驱动器对转向电机的控制实现车辆的主动转向避障。
如图2所示,激光雷达与信息处理模块之间通过CAN线进行通讯,信息处理模块融合了瑞士RFbeam RSP1型雷达信号处理器及计算模块,其具有迅速处理点云信息的功能;信息处理模块与电子控制模块通过CAN线连接,通过报文进行数据传输;车速采集模块通过电线与电子控制模块相连,车速采集模块由AEPES 11026型轮速传感器和内置的计算模块组成,通过轮速传感器来测量轮速,进而算出车速;方向盘转角采集模块通过电线与电子控制模块相连,方向盘转角采集模块采用Autonics EP50S8型角度编码器;电子控制模块为自主设计的集成电路,其封装在整车控制器中,内部刷写了主动避障控制算法,具有快速处理信号和决策功能;预警模块与电子控制模块通过电线连接,预警模块为一个独立的声音输出装置,接收到电子控制模块的高电平信号后发出提示音;主动转向模块与电子控制模块通过CAN线连接,两者通过转向驱动器的CAN报文进行信息传输,主动转向模块采用了MLDS3630-C型转向驱动器及德国Nanotec-PD4型转向电机;以上各模块,除预警模块外,均有独立的外接电源供电。
如图3所示,在车辆行驶过程中,实时对前方路面进行纵向扫描,获取路面的凸起或凹坑信息。
如图4所示,本发明中使用LUX4L型四线激光雷达,安装于两大灯中间,与大灯同高,保证能清晰扫描前方的路面信息。
如图6所示,本发明提供的基于激光雷达路面信息识别的主动转向避障方法,其方法如下所述(以左转为例):
步骤1:获取车辆前方路面信息;
步骤2:对路面信息进行坐标转换、零点修正等预处理提取出可用点云数据,通过分析得出前方路面高程值H;
步骤3:采集当前车速信号v和方向盘转角信号α。
步骤4:将前方路面高程值H、当前车速信号v、方向盘转角信号α发送给整车控制器,通过内置的逻辑控制算法对以上三个信号进行分析处理,进而得出下一时刻方向盘的应转角度β,并将其与当前实际角度α比较;
步骤5:若β>α,则继续执行下述步骤,否则返回步骤1;
步骤6:向预警模块发送预警信号,向主动转向模块发送转向指令;
步骤7:车辆预警后主动执行转向指令,避开不平路段。
在另一种实施例中,还包括:对所述激光雷达采集的数据进行预处理,第一步就是要完成坐标转换,在极坐标系下,将已知的一组扫描点表示为(ρi,θi),极坐标原点处为激光雷达,则t时刻的数据点集合可以表示为:
Pointt=<pointi|pointi=(ρi,θi),1≤i≤γ>;
式中,pointi为一组扫描激光中第i条扫描线,θi为测量角度,ρi为对应测量角度下返回的距离测量值,γ为设定的测量角度范围,则t时刻在直角坐标系下的表示为:
式中,xi为扫描点在直角坐标系下的横坐标,yi为扫描点在直角坐标系下的纵坐标,μ为激光扫描的角分辨率。
在另一种实施例中,还需完成对零点现象的修正,本发明中,根据路面的物理连续性来对零点进行剔除,为保证修正较高的准确性及计算的快速性,选择相邻六个点的平均值作为替代零点位置的测量值,以此进行修正;
公式如下所示:
式中,Xi-3,Xi-2,Xi-1为该零点的前三个时刻的测量点坐标,Xi+3,Xi+2,Xi+1为该零点的后三个时刻的测量点坐标。
预处理工作已经将极坐标转化为直角坐标,得到路面各个扫描点距离激光雷达的水平距离与纵向距离,但是逻辑算法中的实际运算,需要以各个扫描点的路面高程值作为输入。
如图5所示,αp为汽车行驶时车身的俯仰角,αd为雷达安装的俯仰角偏差,αo为雷达光线相对于其自身的角度,di为雷达距路面扫描点的直线距离。则雷达发射的激光光束相对于前进方向的倾角αi为:
αi=αp+αd+αo;
本发明利用的雷达扫描范围为0°~90°,扫描的第一个测量点取雷达垂直正下方路面,并以1.0°的扫描间隔进行扫描;由图5中所示的几何关系,可以计算出路面各个扫描点的水平距离xi和路面高程值hi,其中路面高程以开始扫描的第一个点对应的路面高度h0为基准,则有如下公式:
式中,雷达与路面的垂直距离h0取决于其安装位置高度hset和车身的俯仰角αp,xo为雷达中心至车辆质心的水平距离,在这里忽略车体左右摇摆和振动产生的影响,则有:
h0=hset-xo×sinαp;
将其代入上式即可得出路面高程值:
hi=hset-xo×sinαp-di×sin(αp+αd+αo);
在另一种实施例中,考虑到不同驾驶员对路面颠簸的接受程度不同,本实施例中引入修正系数k,对于接受能力较差的驾驶员,取k1=1.2;对于接受能力正常的驾驶员,取k2=1.0;对于接受能力较强的驾驶员,取k3=0.8;由此可得修正后的路面高程值Hi:
Hi=kj×hi(j=1,2,3);式中,kj为修正系数。
在另一种实施例中,为更好地适应不同驾驶员的驾驶习惯,本发明采用了MATLAB中的神经网络工具箱,利用BP神经网络模型对驾驶员在不同车速vi、不同路面高程值Hi的情况下的实际方向盘转角αi进行训练,可以得到较理想的、符合该驾驶员驾驶习惯的神经网络模型;该模型具体流程如下:
步骤1:计算隐藏层节点数n;
隐藏层节点数用经验公式确定:式中,o为输入层节点个数,p为输出层节点个数,q为调节常数,取值范围为1~10;
步骤2:计算隐藏层输出N;
根据输入变量,输入层和隐藏层的连接权重Wij、隐藏层和阈值aj,计算隐藏层输出N:
式中,n为隐藏层节点数,o为输入层节点数,f为激活函数,取激活函数:
步骤3:计算输出层输出Ok;
根据隐藏层输出N、连接权重Wij和阈值bk,计算输出层输出Ok:
式中,m表示输出层节点数;
步骤4:计算模型误差;
根据网络辨识输出Ok和期望输出yk,计算网络辨识误差E:
步骤5:权重更新;
根据网络辨识误差E,更新网络连接权重Wij和Wjk:
式中为学习率,
δjk=(yk-Ok)·Ok·(1-Ok);
步骤6:阈值更新;
根据网络辨识误差E,更新网络节点的阈值aj、bk:
步骤7:通过判断网络辨识误差是否满足要求,从而确定迭代是否结束,不满足结束条件则重新返回步骤2,在MATLAB工作空间中,利用函数gensim(),对神经网络生成模块化描述,从而在Simulink中进行仿真,输入车速vi、路面高程值Hi,BP神经网络模型即可输出较符合该驾驶员驾驶习惯的方向盘转角βi。
在本实施例中,试验驾驶员分别在不同路段以不同的车速驾驶汽车,进行数据随机采集,采集的样本总数15组,具体数据如表1所示;选取其中73.3%作为训练样本集,剩余26.7%作为验证样本集。
表1训练样本集参数
车速(km/h) | 路面高程值(m) | 驾驶员方向盘转角(°) |
10 | 0.053 | 65.324 |
15 | 0.048 | 60.897 |
20 | -0.031 | 54.128 |
25 | 0.036 | 49.654 |
30 | -0.047 | 45.351 |
35 | 0.062 | 42.376 |
40 | 0.056 | 39.337 |
45 | -0.071 | 34.625 |
50 | -0.066 | 30.614 |
55 | 0.069 | 28.731 |
60 | 0.058 | 24.212 |
表2验证样本集参数
本方法可广泛、方便地应用于私家车等驾驶员与车辆一一对应的情况,记录并训练一次样本数据即可。在训练结束后,该模型可根据当前车速v及路面高程值H输出较符合的方向盘转角β。
进而在主动转向避障环节,将β与当前方向盘实际转角α比较,若β>α,则预警后执行主动转向,以保证在驾驶员未及时对不平路面做出反应时,***可使车辆尽可能避开颠簸路段,提高舒适性。
上述各步骤可通过前述的各模块来实现,在此不再赘述。并且在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (10)
1.一种基于激光雷达路面信息识别的主动转向避障***,其特征在于,包括:
路面信息采集模块,其用于采集前方路面信息;
信息处理模块,其电联所述路面信息采集模块,用于接收所述前方路面信息后进行数据处理得到前方路面高程值;
车速采集模块,其用于采集车速信息;
方向盘转角采集模块,其用于采集方向盘转角信息;
电子控制模块,其同时电联所述信息处理模块、所述车速采集模块和所述方向盘转角模块,用于接收所述高程值、所述车速信息和所述方向盘转角信息并判断是否发送预警信号和转向信号;
预警模块,其电联所述电子控制模块,用于接收所述预警信号;
主动转向模块,其电联所述电子控制模块,用于接收所述转向信号。
2.如权利要求1所述的基于激光雷达路面信息识别的主动转向避障***,其特征在于,所述路面信息采集模块为激光雷达,其固定安装在车辆的前方大灯中间位置处;
所述信息处理模块包括了RFbeam RSP1型雷达信号处理器及计算模块;
所述车速采集模块包括AEPES 11026型轮速传感器;
所述方向盘转角采集模块为Autonics EP50S8型角度编码器;以及
所述主动转向模块为MLDS3630-C型转向驱动器和Nanotec-PD4型转向电机。
3.如权利要求2所述的基于激光雷达路面信息识别的主动转向避障***,其特征在于,所述激光雷达与所述信息处理模块通过CAN总线相连;
所述信息处理模块与所述电子控制模块通过CAN总线相连;
所述电子控制模块与所述信息处理模块通过CAN总线相连,并且与所述方向盘转角采集模块、所述车速采集模块通过电线相连;
所述电子控制模块与所述预警模块通过电线连接;以及
所述电子控制模块与所述主动转向模块通过CAN总线相连。
4.如权利要求2所述的基于激光雷达路面信息识别的主动转向避障***,其特征在于,所述高程值计算过程为:
hi=hset-xo×sinαp-di×sin(αp+αd+αo);
式中,hset为所述激光雷达安装高度,xo为雷达中心至车辆质心的水平距离,αp为汽车行驶时车身的俯仰角,αd为雷达安装的俯仰角偏差,αo为雷达光线相对于其自身的角度,di为雷达距路面扫描点的直线距离。
5.一种基于激光雷达路面信息识别的主动转向避障方法,其特征在于,包括如下步骤:
步骤一、采集前方路面信息、当前车速和当前方向盘转角;
步骤二、对所述前方路面信息进行坐标转换和坐标中零点修正的预处理,提取出可用点云数据,通过分析得出前方路面高程值;
步骤三、根据所述前方路面高程值、当前车速和当前方向盘转角进行分析处理得到下一时刻方向盘转角;
步骤四、当下一时刻方向盘转角大于当前方向盘转角,电子控制模块向预警模块发送预警信号,并且向主动转向模块发送转向信号,车辆预警后主动执行转向。
6.如权利要求5所述的基于激光雷达路面信息识别的主动转向避障方法,其特征在于,在所述步骤二中,所述坐标转换包括:
在激光雷达扫描的极坐标系下,极坐标原点为激光雷达,t时刻的数据点集合为
Pointt=<pointi|pointi=(ρi,θi),1≤i≤γ>;
式中,pointi为扫描激光中第i条扫描线,θi为测量角度,ρi为对应测量角度下返回的距离测量值,γ为设定的测量角度范围;
t时刻在直角坐标系下的表示为
式中,xi为扫描点在直角坐标系下的横坐标,yi为扫描点在直角坐标系下的纵坐标,μ为激光扫描的角分辨率。
7.如权利要求5所述的基于激光雷达路面信息识别的主动转向避障方法,其特征在于,在所述步骤二中,对所述坐标中零点修正包括:
选择相邻六个点的平均值作为替代零点位置的测量值进行修正,修正公式为
式中,Xi-3,Xi-2,Xi-1为该零点的前三个时刻的测量点坐标,Xi+3,Xi+2,Xi+1为该零点的后三个时刻的测量点坐标。
8.如权利要求5所述的基于激光雷达路面信息识别的主动转向避障方法,其特征在于,在所述步骤二中,所述高程值计算过程为:
hi=hset-xo×sinαp-di×sin(αp+αd+αo);
式中,hset为所述激光雷达安装高度,xo为雷达中心至车辆质心的水平距离,αp为汽车行驶时车身的俯仰角,αd为雷达安装的俯仰角偏差,αo为雷达光线相对于其自身的角度,di为雷达距路面扫描点的直线距离。
9.如权利要求8所述的基于激光雷达路面信息识别的主动转向避障方法,其特征在于,在所述步骤二中,对所述高程值进行修正,修正后的高程值为:
Hi=kj×hi(j=1,2,3);式中,kj为修正系数。
10.如权利要求5所述的基于激光雷达路面信息识别的主动转向避障方法,其特征在于,在所述步骤三中,基于BP神经网络分析处理得到下一时刻方向盘转角,包括如下步骤:
步骤1、按照采样周期,通过信息处理模块得到的高程值和车速采集模块得到的车速信号;
步骤2、确定三层BP神经网络的输入层神经元向量O={O1,O2},其中,O1为高程值,O2为当前车速;
步骤3、所述输入层向量映射到隐藏层,隐藏层的神经元为n个;
其中,所述隐藏层节点个数n满足:其中,o为输入层节点个数,p为输出层节点个数,q为调节常数,取值范围为1~10;
步骤4、得到输出层向量P={P1}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910302713.6A CN110007316A (zh) | 2019-04-16 | 2019-04-16 | 一种基于激光雷达路面信息识别的主动转向避障***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910302713.6A CN110007316A (zh) | 2019-04-16 | 2019-04-16 | 一种基于激光雷达路面信息识别的主动转向避障***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110007316A true CN110007316A (zh) | 2019-07-12 |
Family
ID=67172126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910302713.6A Pending CN110007316A (zh) | 2019-04-16 | 2019-04-16 | 一种基于激光雷达路面信息识别的主动转向避障***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110007316A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110412593A (zh) * | 2019-08-26 | 2019-11-05 | 衡水斑马汽车研发有限公司 | 一种外悬式路谱扫描装置 |
CN110531377A (zh) * | 2019-10-08 | 2019-12-03 | 北京邮电大学 | 雷达***的数据处理方法、装置、电子设备和存储介质 |
CN110749457A (zh) * | 2019-10-31 | 2020-02-04 | 重庆长安汽车股份有限公司 | 智能驾驶汽车对路面坑洼拥包预警方法、***及智能驾驶汽车 |
CN111337898A (zh) * | 2020-02-19 | 2020-06-26 | 北京百度网讯科技有限公司 | 激光点云的处理方法、装置、设备及存储介质 |
CN112748447A (zh) * | 2020-12-23 | 2021-05-04 | 深圳砺剑天眼科技有限公司 | 一种基于激光雷达路面信息识别的避障方法和*** |
CN113093158A (zh) * | 2021-04-06 | 2021-07-09 | 吉林大学 | 一种用于安全监测的智能汽车传感器数据修正方法 |
CN114115236A (zh) * | 2021-10-29 | 2022-03-01 | 中国航空工业集团公司洛阳电光设备研究所 | 一种基于激光雷达的飞机牵引车自动对接导航装置及方法 |
WO2022251995A1 (zh) * | 2021-05-31 | 2022-12-08 | 周宇 | 实时车辆稳定***及其方法 |
CN115503817A (zh) * | 2022-08-30 | 2022-12-23 | 大运汽车股份有限公司 | 通过路面状况进行转向助力模式切换控制***及方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102591332A (zh) * | 2011-01-13 | 2012-07-18 | 同济大学 | 用于无人驾驶汽车局部路径规划的装置及方法 |
WO2014190050A3 (en) * | 2013-05-22 | 2015-01-22 | Jaybridge Robotics, Inc. | Method and system for obstacle detection for vehicles using planar sensor data |
CN105151043A (zh) * | 2015-08-19 | 2015-12-16 | 内蒙古麦酷智能车技术有限公司 | 一种无人驾驶汽车紧急避让的***和方法 |
CN105270259A (zh) * | 2015-11-11 | 2016-01-27 | 吉林大学 | 一种基于电动助力转向***的方向盘主动提醒装置 |
CN105416298A (zh) * | 2015-11-27 | 2016-03-23 | 吉林大学 | 一种基于线控转向***的路面不平度预警与主动避障装置 |
CN107521411A (zh) * | 2017-07-18 | 2017-12-29 | 吉林大学 | 一种辅助驾驶员的车道级导航增强现实装置 |
CN108216361A (zh) * | 2016-12-21 | 2018-06-29 | 三菱电机株式会社 | 车辆用转向***和车道保持*** |
CN108657189A (zh) * | 2018-06-22 | 2018-10-16 | 南京航空航天大学 | 基于bp神经网络和安全距离移线工况自动驾驶转向***及其控制方法 |
CN109191788A (zh) * | 2018-09-11 | 2019-01-11 | 吉林大学 | 驾驶员疲劳驾驶判断方法、存储介质及电子设备 |
CN109596078A (zh) * | 2019-01-28 | 2019-04-09 | 吉林大学 | 多信息融合路面谱实时测试***和测试方法 |
-
2019
- 2019-04-16 CN CN201910302713.6A patent/CN110007316A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102591332A (zh) * | 2011-01-13 | 2012-07-18 | 同济大学 | 用于无人驾驶汽车局部路径规划的装置及方法 |
WO2014190050A3 (en) * | 2013-05-22 | 2015-01-22 | Jaybridge Robotics, Inc. | Method and system for obstacle detection for vehicles using planar sensor data |
CN105151043A (zh) * | 2015-08-19 | 2015-12-16 | 内蒙古麦酷智能车技术有限公司 | 一种无人驾驶汽车紧急避让的***和方法 |
CN105270259A (zh) * | 2015-11-11 | 2016-01-27 | 吉林大学 | 一种基于电动助力转向***的方向盘主动提醒装置 |
CN105416298A (zh) * | 2015-11-27 | 2016-03-23 | 吉林大学 | 一种基于线控转向***的路面不平度预警与主动避障装置 |
CN108216361A (zh) * | 2016-12-21 | 2018-06-29 | 三菱电机株式会社 | 车辆用转向***和车道保持*** |
CN107521411A (zh) * | 2017-07-18 | 2017-12-29 | 吉林大学 | 一种辅助驾驶员的车道级导航增强现实装置 |
CN108657189A (zh) * | 2018-06-22 | 2018-10-16 | 南京航空航天大学 | 基于bp神经网络和安全距离移线工况自动驾驶转向***及其控制方法 |
CN109191788A (zh) * | 2018-09-11 | 2019-01-11 | 吉林大学 | 驾驶员疲劳驾驶判断方法、存储介质及电子设备 |
CN109596078A (zh) * | 2019-01-28 | 2019-04-09 | 吉林大学 | 多信息融合路面谱实时测试***和测试方法 |
Non-Patent Citations (2)
Title |
---|
舒飞等: "基于神经网络的智能车转向控制***设计与实现", 《第六届中国智能交通年会暨第七届国际节能与新能源汽车创新发展论坛优秀论文集(智能交通)》 * |
陈贵宾等: "车载三维激光雷达外参数的分步自动标定算法", 《中国激光》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110412593A (zh) * | 2019-08-26 | 2019-11-05 | 衡水斑马汽车研发有限公司 | 一种外悬式路谱扫描装置 |
CN110531377A (zh) * | 2019-10-08 | 2019-12-03 | 北京邮电大学 | 雷达***的数据处理方法、装置、电子设备和存储介质 |
CN110531377B (zh) * | 2019-10-08 | 2022-02-25 | 北京邮电大学 | 雷达***的数据处理方法、装置、电子设备和存储介质 |
CN110749457A (zh) * | 2019-10-31 | 2020-02-04 | 重庆长安汽车股份有限公司 | 智能驾驶汽车对路面坑洼拥包预警方法、***及智能驾驶汽车 |
CN111337898A (zh) * | 2020-02-19 | 2020-06-26 | 北京百度网讯科技有限公司 | 激光点云的处理方法、装置、设备及存储介质 |
CN112748447A (zh) * | 2020-12-23 | 2021-05-04 | 深圳砺剑天眼科技有限公司 | 一种基于激光雷达路面信息识别的避障方法和*** |
CN113093158A (zh) * | 2021-04-06 | 2021-07-09 | 吉林大学 | 一种用于安全监测的智能汽车传感器数据修正方法 |
CN113093158B (zh) * | 2021-04-06 | 2024-02-27 | 吉林大学 | 一种用于安全监测的智能汽车传感器数据修正方法 |
WO2022251995A1 (zh) * | 2021-05-31 | 2022-12-08 | 周宇 | 实时车辆稳定***及其方法 |
CN114115236A (zh) * | 2021-10-29 | 2022-03-01 | 中国航空工业集团公司洛阳电光设备研究所 | 一种基于激光雷达的飞机牵引车自动对接导航装置及方法 |
CN115503817A (zh) * | 2022-08-30 | 2022-12-23 | 大运汽车股份有限公司 | 通过路面状况进行转向助力模式切换控制***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110007316A (zh) | 一种基于激光雷达路面信息识别的主动转向避障***及方法 | |
CN109866752B (zh) | 基于预测控制的双模式并行车辆轨迹跟踪行驶***的方法 | |
US20230259792A1 (en) | Object Association for Autonomous Vehicles | |
CN105892471B (zh) | 汽车自动驾驶方法和装置 | |
CN111681452B (zh) | 一种基于Frenet坐标系下的无人驾驶汽车动态换道轨迹规划方法 | |
CN106671974B (zh) | 一种用于智能泊车***的车位检测方法 | |
CN103963593B (zh) | 具有道路预视的自适应主动悬架*** | |
CN109556615A (zh) | 基于自动驾驶的多传感器融合认知的驾驶地图生成方法 | |
CN109733395B (zh) | 一种基于可拓优度评价的自动驾驶汽车横向协调控制方法 | |
CN106275066A (zh) | 一种智能车的转向控制方法及装置 | |
CN108536149A (zh) | 一种基于Dubins路径的无人驾驶车辆避障控制装置及控制方法 | |
CN109606368B (zh) | 一种智能汽车可拓车速自适应变化轨迹跟踪控制方法 | |
CN108995654A (zh) | 一种驾驶员状态识别方法及*** | |
CN101644932B (zh) | 行驶支持用设备 | |
CN108732921B (zh) | 一种自动驾驶汽车横向可拓预瞄切换控制方法 | |
CN109733474A (zh) | 一种基于分段仿射分层控制的智能车转向控制***及方法 | |
CN110745140A (zh) | 一种基于连续图像约束位姿估计的车辆换道预警方法 | |
CN112526968B (zh) | 映射真实世界道路条件的自动驾驶虚拟测试平台搭建方法 | |
JP2019191694A (ja) | 進路決定装置 | |
CN109143255A (zh) | 一种铰接轮式装载机姿态预测方法 | |
CN108510737A (zh) | 一种融合风环境的无人驾驶车辆电源实时监控方法及装置 | |
WO2019213982A1 (zh) | 基于最小作用量原理的驾驶人操控行为量化方法及装置 | |
CN110789288A (zh) | 一种主被动可切换的悬架控制***及方法 | |
CN108664043A (zh) | 基于双目视觉的驾驶员特征点测量装置及其控制方法 | |
CN109283843A (zh) | 一种基于多项式与粒子群算法融合的换道轨迹规划方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190712 |
|
RJ01 | Rejection of invention patent application after publication |