CN114291074B - 一种车辆侧翻预警方法、装置及存储介质 - Google Patents

Abstract

本发明提供一种车辆侧翻预警方法、装置及存储介质，包括：获取车辆的当前定位信息及当前行驶道路的预瞄路径，并根据当前定位信息获取全局路径；根据预瞄路径和全局路径进行拟合预测，得到预测路径；将车辆的当前定位、预测路径和预瞄路径进行拟合得到车辆预行路径；根据车辆的当前行驶参数及车辆预行路径，预测车辆行驶到预行路径各个点上时的车辆状态数据，若车辆状态数据是否达到车辆侧翻状态阈值，则触发车辆侧翻风险预警。本发明通过将预瞄路径与全局定位进行拟合，预测得到前方被遮挡的弯道路径，延长了车辆预行路径距离，为车辆侧翻预警提供更长的路径依据，能够更早避免侧翻事故。

Description

一种车辆侧翻预警方法、装置及存储介质

技术领域

本发明涉及汽车主动安全技术领域，特别涉及一种车辆侧翻预警方法、装置及存储介质。

背景技术

随着汽车技术的发展，汽车几已成为每户人家必备的交通工具，但由于汽车数量增长快速，近年来交通事故频传，大部分交通事故皆肇因于驾驶人未注意路况。

车辆侧翻是车辆在经过弯道或有障碍物绊倒时出现的一种事故。当前方有弯道时，若驾驶人不注意减速慢行，极有可能因来不及转弯而冲出弯道或快速转弯造成车辆翻覆。侧翻事故的破坏性大，带来严重的人员伤亡和财产损失。发展侧翻预警技术，在早期发现潜在的侧翻风险，是避免或减少车辆侧翻事故的有效办法。

现有技术中，车辆侧翻预测通常是利用车辆传感器获取车辆当前的车速、转向盘转角等参数，根据车速、转向盘转角灯参数对车辆进行侧翻预测，因此，车辆侧翻状态预测只在短时间内有效，无法预测长时间的侧翻状态，若发生侧翻事故，驾驶员反应时间较短，无法及时避免侧翻事故。

发明内容

基于此，本发明的目的是提供一种车辆侧翻预警方法，解决背景技术中无法预测长时间的侧翻状态，若发生侧翻事故，驾驶员反应时间较短，无法及时避免侧翻事故的问题。

本申请提供一种车辆侧翻预警方法，方法包括：

获取车辆的当前定位信息及当前行驶道路的预瞄路径，并根据当前定位信息获取全局路径；

根据预瞄路径和全局路径进行拟合预测，得到预测路径；

将车辆的当前定位、预测路径和预瞄路径进行拟合得到车辆预行路径；

根据车辆的当前行驶参数及车辆预行路径，预测车辆行驶到预行路径各个点上时的车辆状态数据，车辆状态数据包括车辆侧向加速度、车身侧倾角及载荷转移率；

判断车辆状态数据是否达到车辆侧翻状态阈值；

若是，则触发车辆侧翻风险预警。

综上，本发明上述实施例当中的车辆侧翻预警方法，通过将车辆预瞄路径与全局路径进行拟合，预测得到车辆行驶前方视觉未探测的路径，将预测路径和预瞄路径结合，以结合路径中车辆当前定位之后的路径确定为车辆预行路径，因此将车辆预计行驶道路提前至前方更长距离，为车辆侧翻预警提供长距离依据，通过判断预行路径下车辆是否达到侧翻状态阈值，实现了长时间的车辆侧翻状态预测，能够更早避免侧翻事故，解决了背景技术中无法预测长时间的侧翻状态阈值，驾驶员反应时间较短，无法及时避免侧翻事故的问题。

进一步的，获取车辆当前定位的步骤包括：

获取车辆定位和当前行驶道路的历史路径；

根据历史路径和预瞄路径，修正车辆定位为车辆当前定位。

进一步的，修正车辆定位为车辆当前定位的步骤包括：

根据历史路径和预瞄路径，确定历史路径和预瞄路径之间的交点，将交点与车辆定位进行拟合比对，得到车辆当前定位。

进一步的，获取预瞄路径的步骤包括：

获取车辆行驶前方的道路图像；

根据预训练的深度学习算法模型提取道路图像的车道线数据；

将车道线数据与预训练的车道模型进行拟合，得到预瞄路径。

进一步的，预测车辆行驶到预行路径各个点上时的车辆状态数据的步骤包括：

根据预行路径，得到车辆行驶到预行路径时的理想侧向加速度；

根据理想侧向加速度，得到达到理想侧向加速度所需的理想转向盘转角；

获取车辆行驶到预行路径时的实际侧向加速度，计算实际侧向加速度与理想侧向加速度之间的误差；

根据误差，修正理想转向盘转角，得到最优转向盘转角；

将最优转向盘转角输入至预训练得到的侧翻动力学模型中，得到侧向加速度、车身侧倾角及载荷转移率。

进一步的，侧翻动力学模型包括：

获取车辆侧向加速度、车身侧倾角和转向盘转角；

将车辆侧向加速度、车身侧倾角和转向盘转角输入至车辆三自由度非线性动力学模型中，得到车辆状态数据；

当车辆状态数据达到侧翻状态阈值时，获取车辆结构参数实际测量值，将非线性动力学模型中的车辆结构参数调整为实际测量值，车辆结构参数包括车辆簧载质量、质心高度、质心前后位置。

进一步的，方法还包括：

获取车辆当前转向盘转角及转向速率；

将当前转向盘转角及当前转向速率输入至侧翻动力学模型中，得到当前车辆状态数据。

进一步的，方法还包括，

通过S-函数对预行路径下的车辆状态数据和当前车辆状态数据进行融合；

若融合后的车辆状态数据达到侧翻状态阈值，则触发侧翻风险预警。

本发明还提出一种车辆侧翻预警装置，装置包括，

路径信息获取模块，用于获取车辆的当前定位信息及当前行驶道路的预瞄路径，并根据当前定位信息获取全局路径；

预测路径信息获取模块，用于根据预瞄路径和全局路径进行拟合预测，得到预测路径；

预行路径确定模块，用于将车辆的当前定位、预测路径和预瞄路径进行拟合得到车辆预行路径；

车辆状态计算模块，用于根据车辆的当前行驶参数及车辆预行路径，预测车辆行驶到预行路径各个点上时的车辆状态数据，车辆状态数据包括车辆侧向加速度、车身侧倾角及载荷转移率；

判断模块，用于判断车辆状态数据是否达到车辆侧翻状态阈值；

第一执行单元，用于当车辆状态数据达到车辆侧翻状态阈值时，触发车辆侧翻风险预警。

本发明还提出一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述任一的车辆侧翻预警方法。

附图说明

图1为本发明实施例一中的车辆侧翻预警方法流程图；

图2为本发明实施例二中的车辆侧翻预警方法流程图；

图3为本发明实施例三中的车辆侧翻预警装置框图；

图4为本发明预测示意图；

图5为本发明预瞄-跟随模型示意图；

图6为本发明车辆侧翻动力学模型第一示意图；

图7为本发明车辆侧翻动力学模型第二示意图。

如下具体实施方式将结合上述附图进一步说明本发明。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。

需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

本发明实施例中的车辆侧翻预警方法，通过获取前方较长距离内的，以实现长时间的侧翻风险预测，具体的，获取车辆前方预瞄路径信息结合全局路径和车辆当前定，通过曲线拟合等方法，得到前方未知预测，即将有限的预瞄可视距离提前至前方预测，再输入至驾驶员预瞄-跟随模型，根据侧翻动力学判断是否侧翻风险，从而在应用阶段实现更早时期、更长时间侧翻风险的预测。

实施例一

请参阅图1，所示为本发明第一实施例中的车辆侧翻预警方法流程图，该方法包括步骤S101至步骤S105：

S101、获取车辆预瞄路径及车辆当前定位，根据车辆当前定位获取全局路径。

通过车辆配置的摄像头获取车辆当前行驶道路的前方图像，摄像头的图像中具有深度信息，通过深度学习算法解析图像信息，即从中获取前方道路的道路曲率信息得到预瞄路径。

利用车辆配置的GPS或北斗导航(取10m左右)，以车辆当前定位为中心，获取车辆行驶道路的GPS全局路径。

S102、将预瞄路径与全局路径进行拟合预测，得到预测路径。

如图4所示，图示有历史路径、车辆当前定位、预瞄路径以及车辆摄像头未预瞄的预测路径。

将预瞄路径分解成多段路径数据，并逐段与全局路径进行曲线拟合，得到车辆前方被遮挡或摄像头未获取到的预测路径。

历史路径的获取包括：

如图4所示，当车辆在t时刻时位于弯道前的某一位置，经过△t时间后车辆移动至道路前方的另一位置，t至(t+△t)时间内移动的路径为历史路径。

S103、将车辆当前定位、预瞄路径、预测路径进行拟合，得到车辆预行路径。

以车辆当前定位为起点，结合预测路径和预瞄路径进行曲线拟合，得到一条接近实际道路的预行路径，车辆将在该预行路径上行驶。

S104、根据车辆当前行驶参数和车辆预行路径，得到车辆行驶到预行路径上各点的车辆状态数据。

S105、若车辆状态数据达到侧翻状态阈值，则车辆触发侧翻风险预警。

根据前方预行路径和当前时刻的汽车行驶参数，决策出车辆的最优侧向加速度，使汽车在经过预瞄时间之后的行驶轨迹能够与预行路径的横向位移偏差达到最小；同时，考虑到驾驶员的反应滞后、车辆侧向动力学特性的非线性，采用侧向加速度误差反馈的方式对驾驶员模型决策出的转向盘转角进行修正，得到一个最优的转向盘转角。

根据侧翻动力学原理，以最优转向盘转角为输入，获取车辆在经过预行路径时的车辆侧向加速度、车身侧倾角及载荷转移率等侧翻指标。

车辆侧向加速度、车身侧倾角及载荷转移率等表征车辆侧翻的风险，当侧向加速度和车身侧倾角达到设定阈值时则表征达到侧翻状态阈值，在一些可选实施例中侧向加速度阈值为1.1g，车身侧倾角阈值为70°。当车辆载荷转移率处于临界状态时，即绝对值为1，则表征达到侧翻状态阈值。

判断侧翻指标，侧向加速度、车身侧倾角、载荷转移率是否达到侧翻状态阈值，若是，则触发侧翻风险预警，警示驾驶员安全驾驶或控制车辆驾驶状态，及时避免侧翻事故；

若否，则返回执行步骤S101-S105，重新获取新的预测路径信息，再判断车辆是否存在侧翻风险。

综上，本发明上述实施例当中的车辆侧翻预警方法，通过将车辆预瞄路径与全局路径进行拟合，预测得到车辆行驶前方视觉未探测的路径，将车辆当前定位结合预测路径和预瞄路径拟合得到车辆预行路径，因此将车辆预计行驶道路提前至前方更长距离，为车辆侧翻预警提供更长距离依据，通过判断预行路径下车辆是否达到侧翻状态阈值，实现了长时间的车辆侧翻状态预测，能够更早避免侧翻事故，解决了背景技术中无法预测长时间的侧翻状态阈值，驾驶员反应时间较短，无法及时避免侧翻事故的问题。

实施例二

请查阅图2，所示为本发明第二实施例中的车辆侧翻预警方法流程图，该方法包括步骤S201至步骤S211。

S201、获取车辆预瞄路径及车辆当前定位，根据车辆当前定位获取全局路径。

获取预瞄路径的步骤如下：

1)建立车道模型：弯道模型是对道路形状的假设，常用的模型有抛物线(二阶)模型，车道一般由直线、圆弧和缓和曲线构成，缓和曲线通常是不同曲率的圆弧或直线的连接过渡，其曲率均匀变化，螺旋曲线是缓和曲线常用形式。

与弧长(路长)的关系：C＝C₀+C₁*L，C₀为起始点曲率，C₁为曲率变化率。C₀，C₁都为0时，道路为直线；；C₁为0时，C₀不为0，道路为圆弧；C₁不为0时，道路为缓和曲线。

在相机可视范围内，若车道的变化方向较小，则道路可用圆弧近似表示：

道路的坐标可以由弧长和曲率一般表示为：

y＝L

x＝0.5*C*L^2

若相机与车道的横向偏移量为d，与车道的夹角为a，则车道模型为

y＝L

x＝d+a*L+0.5*C*L^2

2)利用车辆***配置的视觉传感器，例如前置摄像头，获取得到车辆行驶前方的道路图像。经深度学习算法(如卷积神经网络)，处理后得到道路的特征图像，提取特征图像中的车道线像素点，将每一套属于分道线的像素点从前景像素点集中提取出来，作为拟合车道线模型的依据。

3)拟合车道线模型，拟合方法如最小二乘法，根据检测到的车道线像素点来确定弯道数字模型的最优参数，最终通过拟合得到预瞄路径。

获取车辆的当前定位：

如图4所示，通过GPS获取车辆定位信息，确定历史路径和预瞄路径之间的道路交点，将该道路交点与全局路径、车辆定位信息进行曲线拟合，从而修正车辆定位为车辆当前定位，修正后的车辆当前定位能够更精确的定位车辆位置。

获取全局路径：

利用车辆配置的GPS或北斗导航(取10m左右)，以车辆当前定位为中心，获取车辆行驶道路的GPS全局路径，全局路径包括车辆行驶道路前后方一定距离的道路信息。如图示4所示，全局路径中包括：历史路径、车辆当前定位、预瞄路径以及车辆摄像头未预瞄区域的预测路径信息。

S202、将预瞄路径与全局路径进行拟合预测，得到预测路径。

根据获取的预瞄路径与全局路径进行比对，将预瞄路径代入全局路径中，并将车辆行驶前方被遮挡的路径确定为预测路径。

具体的，将预瞄路径分解成多段路径数据，并逐段与全局路径进行曲线拟合，得到车辆前方被遮挡或摄像头未获取到的预测路径。除曲线拟合方法，也可采用卡尔曼滤波或神经网络逼近等方法得到预测路径。

曲线拟合指用连续曲线近似地刻画或比拟平面上离散点组所表示的坐标之间的函数关系的一种数据处理方法。除曲线拟合方法，也可采用卡尔曼滤波或神经网络逼近等方法得到预测路径。在一些其他可选实施例中，可选择更多样本数据进行曲线拟合，例如将历史路径、车辆当前定位等数据与预瞄路径一起拟合，参考样本数据越多，得到的预测路径误差更小。

如图4所示，当车辆在t时刻时位于弯道前的某一位置，经过△t时间后车辆移动至道路前方的另一位置，其中t至(t+△t)时间内移动的路径为历史路径。可通过车辆传感器获取车辆行驶信息，并从行驶的路径中得到历史路径。将历史路径、车辆定位，与全局路径一起曲线拟合，得到更精确的预测路径。

S203、将车辆当前定位、预瞄路径、预测路径进行拟合，得到车辆预行路径。

以车辆当前定位为起点，结合预测路径和预瞄路径进行曲线拟合，得到一条接近实际道路的预行路径，车辆将在该预行路径上行驶。

S204、建立驾驶员“预瞄-跟随”模型。

如图5所示为驾驶员预瞄-跟随模型，预瞄-跟随模型用于根据前方道路的预期轨迹和当前时刻的汽车行驶参数，通过预瞄策略决策出车辆理想侧向加速度和理想转向盘转角，使汽车在经过一段时间之后的行驶轨迹能够与驾驶员预期轨迹之间的横向位移偏差达到最小；同时，考虑到驾驶员的反应滞后、车辆侧向动力学特性的非线性因素，采用侧向加速度误差反馈的方式对预瞄策略决策出的转向盘转角进行修正，得到一个最优的转向盘转角。其具体计算过程为：

设汽车期望的侧向位移为f(t)，汽车当前实际的侧向位移为y(t)。假设驾驶员的预瞄时间为T，驾驶员对当前转向盘的操作是希望在经过预瞄时间T后，使车辆的实际侧向位移y(t+T)尽可能逼近汽车期望的侧向位移f_e，其中f_e＝f(t+T)。车辆在t时刻的侧向位移为y，侧向速度为v_y，预瞄时间为T的预瞄点与车辆的侧向偏差为fp，则fp≈fe-y(t+T)，假设汽车在当前时刻以一个理想的侧向加速度ay*做匀加速运动，可以在T时刻使车辆到达预期轨迹，则

y(t+T)＝y+v_yT+¹/₂(a_y ^*)T²y(t+T)

考虑到y(t+T)＝f(t+T)，则

设在恒定车速下，汽车的侧向加速度对转向盘转角的稳态增益为Gay，达到理想侧向加速度ay*应该施加的理想转向盘转角。

驾驶员的神经反应滞后用传递函数exp(-tds)表示，其中td为神经反应滞后时间，s为拉普拉斯算子。驾驶员的动作反应滞后用传递函数1/(1+ths)表示，其中th为动作反应滞后时间。考虑到驾驶员的反应滞后，车辆侧向动力学特性的非线性，以及汽车复杂的行驶工况，采用侧向加速度误差反馈的方式对驾驶员模型决策出的转向盘转角进行修正，以得到最优的转向盘转角。

Δδ＝(a_y*-a_y)P/(1+t_hs)

S205、将预行路径和当前车辆行驶参数输入驾驶员“预瞄-跟随”模型中，得到最优转向盘转角。

将步骤S203获取的预行路径和当前车辆行驶参数输入驾驶员“预瞄-跟随”模型中，计算得到理想侧向加速度和最优转向盘转角。

S206、建立车辆侧翻动力学模型。

如图6-图7，所示为车辆侧翻动力学模型第一和第二示意图，考虑转向时的轮胎载荷转移率、轮胎的非线性特性及轮胎力耦合特性，建立包含车辆横摆运动、侧向运动及车身侧倾运动的三自由度非线性动力学模型。

横摆运动：

侧向运动：

侧倾运动：

车轮载荷：

载荷转移率：LTR＝(F_z1-F_z2)/(F_z1+F_z2)

其中，I_z为横摆转动惯量，I_x为车身侧倾转动惯量，为横摆角加速度，l₁和l₂分别为质心至前轴和后轴距离，δ为车轮转角；F_zi(i＝1,2,3,4)为轮胎垂向载荷；F_yi(i＝1,2,3,4)为四个轮胎侧向力，与F_zi有关，由非线性轮胎模型计算得到；m、m_s分别为整车质量及簧载质量；h为簧载质量质心至侧倾轴线距离；a_y为侧向加速度，θ、/>和/>分别为车身侧倾角、侧倾角速度及侧倾角加速度；g为重力加速度，k_θ为悬架侧倾角刚度，c_θ为车身侧倾角阻尼；L为轴距，T_w为轮距。

车辆侧向加速度、车身侧倾角及载荷转移率等表征车辆侧翻的风险，当侧向加速度和车身侧倾角达到设定阈值时则表征达到侧翻状态阈值，在一些可选实施例中侧向加速度阈值为1.1g，车身侧倾角阈值为70°。当车辆载荷转移率处于临界状态时，即绝对值为1，则表征达到侧翻状态阈值。

S207、结合实验测试数据对车辆结构参数进行参数辨识和修正，提高侧翻动力学模型精度。

为提高侧翻预测的准确性，以车辆侧向加速度、车身侧倾角、载荷转移率为目标，以簧载质量、质心高度、质心前后位置等车辆结构参数为对象，分析上述目标对车辆结构参数的灵敏度，当车辆达到侧翻状态阈值时，记录车辆结构参数实际测量值，修正侧翻动力学模型中的车辆结构参数为实际测量值，提高建模精度，为下一步的侧翻状态阈值精确预测奠定基础。

S208、将预行路径下获取的最优转向盘转角输入侧翻动力学模型中，得到车辆在预行路径上的车辆状态数据。

根据步骤S205得到的预行路径下驾驶员的最优转向盘转向角，以及通过IMU测量侧向加速度，输入至侧翻动力学模型中，实现侧向加速度、车身侧倾角、载荷转移率等车辆状态数据，根据车辆状态数据可判断车辆在预行路径上是否有侧翻风险。

S209、获取车辆当前的转向盘转角及转向速率，输入侧翻动力学模型中，得到当前的车辆状态数据。

通过车辆的转向盘转向角传感器获取车辆当前的转向盘转角和转向速率，输入步骤S207的侧翻动力学模型中，计算短时间内，车辆的侧向加速度和车身侧倾角，载荷转移率等车辆状态数据，根据车辆状态数据可判断车辆当前是否有侧翻风险。

S210、通过S-函数对所述预行路径时的车辆状态数据和所述当前车辆状态数据进行融合。

S211、若融合后的车辆状态数据达到侧翻状态阈值，则车辆触发侧翻风险预警。

车辆状态数据融合状态的公式如下所示：

T₃＝[1-E(t)]·T₁+E(t)·T₂

其中T₁为当前车辆状态数据，T₂为预行路径车辆状态数据，T₃为前两者融合后的车辆状态数据。

S-函数E(t)，即为***函数(SystemFunction)，由MATLAB编写，S-函数可实现用一种车辆状态数据表征两种状态下的车辆状态数据，具体表达式如下：

a和b为正常数，可根据融合后的轨迹与电子地图的匹配程度对其进行调整。

根据融合后的车辆状态数据，判断侧翻指标，侧向加速度、车身侧倾角、载荷转移率是否达到侧翻状态阈值，若是，则触发侧翻风险预警，警示驾驶员安全驾驶或控制车辆驾驶状态，及时避免侧翻事故；若否，则返回执行步骤S201-S211，重新获取新的预测路径信息，再判断是否存在侧翻风险。

综上，本发明上述实施例当中的车辆侧翻预警方法，通过将车辆预瞄路径与全局路径进行拟合，预测得到车辆行驶前方视觉未探测的路径，将车辆当前定位结合预测路径和预瞄路径拟合得到车辆预行路径，因此将车辆预计行驶道路提前至前方更长距离，为车辆侧翻预警提供更长距离依据，通过判断预行路径下车辆是否达到侧翻状态阈值，实现了长时间的车辆侧翻状态预测，能够更早避免侧翻事故，解决了背景技术中无法预测长时间的侧翻状态阈值，驾驶员反应时间较短，无法及时避免侧翻事故的问题。

实施例三

本发明另一方面还提供一种车辆侧翻预警装置，请参阅图3，所示为车辆侧翻预警装置的示意图，应用于车辆上，所示装置包括：

路径信息获取模块，用于获取车辆的当前定位信息及当前行驶道路的预瞄路径，并根据所述当前定位信息获取全局路径；

预测路径信息获取模块，用于根据所述预瞄路径和所述全局路径进行拟合预测，得到预测路径；

预行路径确定模块，用于将车辆的当前定位、预测路径和预瞄路径进行拟合得到车辆预行路径；

车辆状态获取模块，用于根据车辆的当前行驶参数及车辆预行路径，预测车辆行驶到所述预行路径各个点上时的车辆状态数据，所述车辆状态数据包括车辆侧向加速度、车身侧倾角及载荷转移率；

判断模块，用于判断所述车辆状态数据是否达到车辆侧翻状态阈值；

第一执行单元，用于当所述车辆状态数据达到车辆侧翻状态阈值时，触发车辆侧翻风险预警。

进一步的，在本发明一些可选实施例当中，所述路径信息获取模块还可以包括：

车辆当前定位获取单元，用于获取车辆定位和当前行驶道路的历史路径；

根据所述历史路径和所述预瞄路径，修正所述车辆定位为所述车辆当前定位。

进一步的，在本发明一些可选实施例当中，所述车辆当前定位获取单元还包括：

车辆当前定位修正子单元，用于根据所述历史路径和所述预瞄路径，确定所述历史路径和所述预瞄路径之间的交点，将所述交点与所述车辆定位进行拟合比对，得到所述车辆当前定位。

进一步的，在本发明一些可选实施例当中，所述路径信息获取模块还包括：

预瞄路径获取单元，用于获取车辆行驶前方的道路图像；

根据预训练的深度学习算法模型提取所述道路图像的车道线数据；

将所述车道线数据与预训练的车道模型进行拟合，得到所述预瞄路径。

进一步的，在本发明一些可选实施例当中，所述车辆状态数据计算模块还可以包括：

最优转向盘转角获取单元，用于根据所述预行路径，得到车辆行驶到所述预行路径时的理想侧向加速度；

根据所述理想侧向加速度，得到达到所述理想侧向加速度所需的理想转向盘转角；

获取车辆行驶到所述预行路径时的实际侧向加速度，计算所述实际侧向加速度与所述理想侧向加速度之间的误差；

根据所述误差，修正所述理想转向盘转角，得到所述最优转向盘转角；

车辆状态数据获取单元，用于将所述最优转向盘转角输入至预训练得到的侧翻动力学模型中，得到所述侧向加速度、所述车身侧倾角及所述载荷转移率。

进一步的，在本发明一些可选实施例当中，所述车辆状态数据获取单元还可以包括：

侧翻动力学模型子单元，用于获取车辆侧向加速度、车身侧倾角和转向盘转角；将所述车辆侧向加速度、所述车身侧倾角和所述转向盘转角输入至车辆三自由度非线性动力学模型中，得到所述车辆状态数据；

侧翻动力学模型修正子单元，用于当所述车辆状态数据达到侧翻状态阈值时，获取车辆结构参数实际测量值，将所述非线性动力学模型中的车辆结构参数调整为所述实际测量值，所述车辆结构参数包括车辆簧载质量、质心高度、质心前后位置。

进一步的，在本发明一些可选实施例当中，所述装置还可以包括：

当前车辆状态获取模块，用于获取车辆当前转向盘转角及转向速率；将所述当前转向盘转角及所述当前转向速率输入至所述侧翻动力学模型中，得到当前车辆状态数据。

进一步的，在本发明一些可选实施例当中，所述装置还可以包括：

车辆状态融合模块，用于通过S-函数对所述预行路径下的车辆状态数据和所述当前车辆状态数据进行融合；若融合后的车辆状态数据达到侧翻状态阈值，则触发侧翻风险预警；

判断模块，用于判断融合后的车辆状态数据是否达到侧翻状态阈值，

第一执行单元，用于当融合后的车辆状态数据达到侧翻状态阈值，触发侧翻风险预警。

综上，本发明上述实施例当中的车辆侧翻预警装置，通过将车辆预瞄路径与全局路径进行拟合，预测得到车辆行驶前方视觉未探测的路径，将车辆当前定位结合预测路径和预瞄路径拟合得到车辆预行路径，因此将车辆预计行驶道路提前至前方更长距离，为车辆侧翻预警提供更长距离依据，通过判断预行路径下车辆是否达到侧翻状态阈值，实现了长时间的车辆侧翻状态预测，能够更早避免侧翻事故，解决了背景技术中无法预测长时间的侧翻状态阈值，驾驶员反应时间较短，无法及时避免侧翻事故的问题。

本发明实施例还提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述任一实施例中的车辆侧翻预警方法的步骤。

实施例四

本发明另一方面还提出一种车辆侧翻预警***，所述***包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述实施例中车辆侧翻预警方法。其中，处理器在一些实施例中可以是电子控制单元(ElectronicControlUnit，简称ECU，又称行车电脑)、中央处理器(CentralProcessingUnit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器中存储的程序代码或处理数据，例如执行访问限制程序等。

其中，存储器至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器在一些实施例中可以是车辆的内部存储单元，例如该车辆的硬盘。存储器在另一些实施例中也可以是车辆的外部存储装置，例如车辆上配备的插接式硬盘，智能存储卡(SmartMediaCard,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(FlashCard)等。进一步地，存储器还可以既包括车辆的内部存储单元也包括外部存储装置。存储器不仅可以用于存储安装于车辆的应用软件及各类数据，还可以用于暂时地存储已经输出或者将要输出的数据。

综上，本发明上述实施例当中的车辆侧翻预警***，通过将车辆预瞄路径与全局路径进行拟合，预测得到车辆行驶前方视觉未探测的路径，将车辆当前定位结合预测路径和预瞄路径拟合得到车辆预行路径，因此将车辆预计行驶道路提前至前方更长距离，为车辆侧翻预警提供更长距离依据，通过判断预行路径下车辆是否达到侧翻状态阈值，实现了长时间的车辆侧翻状态预测，能够更早避免侧翻事故，解决了背景技术中无法预测长时间的侧翻状态阈值，驾驶员反应时间较短，无法及时避免侧翻事故的问题。

本领域技术人员可以理解，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。

计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或它们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种车辆侧翻预警方法，其特征在于，所述方法包括：

获取车辆的当前定位信息及当前行驶道路的预瞄路径，并根据所述当前定位信息获取全局路径；

根据所述预瞄路径和所述全局路径进行拟合预测，得到预测路径；

将车辆的当前定位、预测路径和预瞄路径进行拟合得到车辆预行路径；

根据车辆的当前行驶参数及车辆预行路径，预测车辆行驶到所述预行路径各个点上时的车辆状态数据，所述车辆状态数据包括车辆侧向加速度、车身侧倾角及载荷转移率；

判断所述车辆状态数据是否达到车辆侧翻状态阈值；

若是，则触发车辆侧翻风险预警。

2.根据权利要求1所述的车辆侧翻预警方法，其特征在于，所述获取车辆当前定位的步骤包括：

获取车辆定位和当前行驶道路的历史路径；

根据所述历史路径和所述预瞄路径，修正所述车辆定位为所述车辆当前定位。

3.根据权利要求2所述的车辆侧翻预警方法，其特征在于，所述修正车辆定位为车辆当前定位的步骤包括：

根据所述历史路径和所述预瞄路径，确定所述历史路径和所述预瞄路径之间的交点，将所述交点与所述车辆定位进行拟合比对，得到所述车辆当前定位。

4.根据权利要求1所述的车辆侧翻预警方法，其特征在于，获取所述预瞄路径的步骤包括：

获取车辆行驶前方的道路图像；

根据预训练的深度学习算法模型提取所述道路图像的车道线数据；

将所述车道线数据与预训练的车道模型进行拟合，得到所述预瞄路径。

5.根据权利要求1所述的车辆侧翻预警方法，其特征在于，所述预测车辆行驶到所述预行路径各个点上时的车辆状态数据的步骤包括：

根据所述预行路径，得到车辆行驶到所述预行路径时的理想侧向加速度；

根据所述理想侧向加速度，得到达到所述理想侧向加速度所需的理想转向盘转角；

获取车辆行驶到所述预行路径时的实际侧向加速度，计算所述实际侧向加速度与所述理想侧向加速度之间的误差；

根据所述误差，修正所述理想转向盘转角，得到最优转向盘转角；

将所述最优转向盘转角输入至预训练得到的侧翻动力学模型中，得到所述侧向加速度、所述车身侧倾角及所述载荷转移率。

6.根据权利要求5所述的车辆侧翻预警方法，其特征在于，所述侧翻动力学模型包括：

获取车辆侧向加速度、车身侧倾角和转向盘转角；

将所述车辆侧向加速度、所述车身侧倾角和所述转向盘转角输入至车辆三自由度非线性动力学模型中，得到所述车辆状态数据；

当所述车辆状态数据达到侧翻状态阈值时，获取车辆结构参数实际测量值，将所述非线性动力学模型中的车辆结构参数调整为所述实际测量值，所述车辆结构参数包括车辆簧载质量、质心高度、质心前后位置。

7.根据权利要求6所述的车辆侧翻预警方法，其特征在于，所述方法还包括：

获取车辆当前转向盘转角及转向速率；

将所述当前转向盘转角及所述当前转向速率输入至所述侧翻动力学模型中，得到当前车辆状态数据。

8.根据权利要求7所述的车辆侧翻预警方法，其特征在于，所述方法还包括，

通过S-函数对所述预行路径下的车辆状态数据和所述当前车辆状态数据进行融合；

若融合后的车辆状态数据达到侧翻状态阈值，则触发侧翻风险预警。

9.一种车辆侧翻预警装置，其特征在于，所述装置包括，

路径信息获取模块，用于获取车辆的当前定位信息及当前行驶道路的预瞄路径，并根据所述当前定位信息获取全局路径；

预测路径信息获取模块，用于根据所述预瞄路径和所述全局路径进行拟合预测，得到预测路径；

预行路径确定模块，用于将车辆的当前定位、预测路径和预瞄路径进行拟合得到车辆预行路径；

车辆状态计算模块，用于根据车辆的当前行驶参数及车辆预行路径，预测车辆行驶到所述预行路径各个点上时的车辆状态数据，所述车辆状态数据包括车辆侧向加速度、车身侧倾角及载荷转移率；

判断模块，用于判断所述车辆状态数据是否达到车辆侧翻状态阈值；

第一执行单元，用于当所述车辆状态数据达到车辆侧翻状态阈值时，触发车辆侧翻风险预警。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-8任一项所述的车辆侧翻预警方法。