CN117864169A - 一种基于坑洞识别的行驶决策***及方法 - Google Patents
一种基于坑洞识别的行驶决策***及方法 Download PDFInfo
- Publication number
- CN117864169A CN117864169A CN202410179449.2A CN202410179449A CN117864169A CN 117864169 A CN117864169 A CN 117864169A CN 202410179449 A CN202410179449 A CN 202410179449A CN 117864169 A CN117864169 A CN 117864169A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- pit
- driving
- pothole
- acquiring
- 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 21
- 238000009472 formulation Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 8
- 239000000203 mixture Substances 0.000 claims description 8
- 238000013459 approach Methods 0.000 claims description 7
- 239000000725 suspension Substances 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
- B60W2530/201—Dimensions of vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/35—Road bumpiness, e.g. potholes
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
公开了一种基于坑洞识别的行驶决策***及方法,所述方法包括:获取道路图像,并且检测道路图像中是否存在坑洞;获取的道路图像中存在坑洞时,获取坑洞的边界线;以及获取初始行驶路线,并且判断初始行驶路线与坑洞的边界线是否存在交点;其中,初始行驶路线与坑洞的边界线不存在交点时,继续行驶;初始行驶路线与坑洞的边界线存在交点时,获取坑洞的三维数据,并且根据所述三维数据制定行驶策略。
Description
技术领域
本申请涉及自动驾驶技术领域,具体涉及一种基于坑洞识别的行驶决策***及方法。
背景技术
近年来,随着汽车智能化的不断发展以及市场需求的不断扩大,自动驾驶技术的价值日益凸显,越来越多的科研人员致力于自动驾驶技术的研究。
路面如果存在坑洼情况,而驾驶员未能识别或者未及时做出相应处理,不仅会影响乘坐舒适性,还会造成车辆的机械结构损伤以及油耗增加,甚至还会导致交通事故。根据坑洼事实报告,在美国33,000起交通事故中,大约三分之一的死亡事故与道路状况不佳有关。因此检测前方道路坑洼情况并有效进行避让是自动驾驶技术中有待解决的问题之一。
目前,坑洼路面情况基本还是靠人眼识别,车载设备并不能对坑洞进行有效识别并作出适当的行驶决策。
申请内容
针对现有技术存在的不足,本申请的目的在于提供一种基于坑洞识别的行驶决策***及方法。
根据本发明的一方面,提供一种基于坑洞识别的行驶决策方法,包括:获取道路图像,并且检测道路图像中是否存在坑洞;获取的道路图像中存在坑洞时,获取坑洞的边界线;以及获取初始行驶路线,并且判断初始行驶路线与坑洞的边界线是否存在交点;其中,初始行驶路线与坑洞的边界线不存在交点时,继续行驶;初始行驶路线与坑洞的边界线存在交点时,获取坑洞的三维数据,并且根据所述三维数据制定行驶策略。
可选地,制定行驶策略的方法包括;获取坑洞的三维数据以及车辆数据;根据坑洞的三维数据以及车辆数据获取坑洞影响模型;根据坑洞影响模型计算坑洞对车辆的影响程度;其中,当影响程度小于或者等于预设值时,则以初始行驶路线行驶;如果影响程度大于预设值,则重新规划路线。
可选地,车辆数据包括车速、车辆两侧轮胎内缘间距、车轮宽度、最小离地间隙、纵向通过角、接近角、离去角、悬架参数、驾驶员姿态,其中以驾驶员姿态的变化来衡量坑洞对车辆的影响程度。
可选地,重新规划路线的方法包括:预设或穷举或根据机器学习算法设置方向盘转角与通过坑洞车速,并且根据方向盘转角与通过坑洞车速获取车辆行驶路径;判断以不同的车辆行驶路径通过坑洞时,对车辆的影响程度;获取影响程度最小值,并且获得影响程度最小值对应的方向盘转角与通过坑洞车速;判断以影响程度最小值对应的方向盘转角与通过坑洞车速行驶是否会对车辆两侧以及后方的车辆造成影响,如无影响,根据影响程度最小值对应的方向盘转角与通过坑洞车速进行减速绕行;若有影响,则减速行驶。
可选地,以计算出的方向盘转角和通过车速行驶会对车辆两侧以及后方的车辆造成影响时,取方向盘转角为零,根据车辆数据与路面坑洞信息,利用坑洞影响模型,计算通过坑洞的车速,并且根据通过坑洞的车速确定刹车强度。
根据本发明的另一方面,提供一种基于坑洞识别的行驶决策***,包括:图像获取模块,用于获取道路图像;图像识别模块,用于检测道路图像中是否存在坑洞,并且获取的道路图像中存在坑洞时,获取坑洞的边界线;车辆数据获取模块,获取初始行驶路线;行驶策略制定模块,判断初始行驶路线与坑洞的边界线是否存在交点;其中,初始行驶路线与坑洞的边界线不存在交点时,继续行驶;初始行驶路线与坑洞的边界线存在交点时,获取坑洞的三维数据,并且根据所述三维数据制定行驶策略。
可选地,行驶策略制定模块执行以下步骤制定行驶策略:获取坑洞的三维数据以及车辆数据;利用坑洞的三维数据以及车辆数据;根据坑洞影响模型计算坑洞对车辆的影响程度;其中,当影响程度小于或者等于预设值时,则以初始路线继续行驶;如果影响程度大于预设值,则重新规划路线。
可选地,车辆数据包括车速、车辆两侧轮胎内缘间距、车轮宽度、最小离地间隙、纵向通过角、接近角、离去角、悬架参数、驾驶员姿态,其中以驾驶员姿态变化来衡量坑洞对车辆的影响程度。
可选地,行驶策略制定模块执行以下步骤重新规划路线:预设或穷举或根据机器学习算法设置方向盘转角与通过坑洞车速,并且根据方向盘转角与通过坑洞车速获取车辆行驶路径;判断以不同的车辆行驶路径通过坑洞时,对车辆的影响程度;获取影响程度最小值,并且获得影响程度最小值对应的方向盘转角与通过坑洞车速;判断以影响程度最小值对应的方向盘转角与通过坑洞车速行驶是否会对车辆两侧以及后方的车辆造成影响,如无影响,根据影响程度最小值对应的方向盘转角与通过坑洞车速进行减速绕行;若有影响,则减速行驶。
可选地,以计算出的方向盘转角和通过车速行驶会对车辆两侧以及后方的车辆造成影响时,取方向盘转角为零,根据车辆数据与路面坑洞信息,利用坑洞影响模型,计算通过坑洞的车速,并且根据通过坑洞的车速确定刹车强度。
与现有技术相比,本申请的有益效果是:
本申请的行驶决策***及方法通过机器学习算法与大模型,针对驾乘舒适性,判断车辆进行继续行驶、减速还是避让操作,做出方向盘转角与刹车油门的控制策略,减小坑洼路面对驾乘舒适性的影响或对车辆的损伤。
附图说明
图1示出根据本申请实施例提供的基于坑洞识别的行驶决策***的结构示意图;
图2示出了一实施例中坑洞的三维模型的示意图。
具体实施方式
下面将结合本申请实施例中的附图,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。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动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。
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申请的技术领域的技术人员通常理解的含义相同。本文中在本申请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,不是旨在于限制本申请。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。
本申请一较佳实施方式提供一种基于坑洞识别的行驶决策***,图1示出根据本申请实施例提供的基于坑洞识别的行驶决策***的结构示意图,如图1所示,所述***10包括图像获取模块110、图像识别模块120、车辆数据获得模块130,点云数据获取模块140、点云数据处理模块150、行驶策略制定模块160以及执行器170。
图像获取模块110用于获取道路图像,图像获取模块110包括但不限于摄像头,设置于行驶车辆的车身上。图像识别模块120用于对图像获取模块110获取的道路图像进行识别,识别道路图像中是否存在坑洞。其中,获取的道路图像中不存在坑洞时,图像获取模块110继续获取道路图像;获取的道路图像中存在坑洞时,图像识别模块120同时获得坑洞的二维边界,并且传输给行驶策略制定模块160。图像识别模块120例如为经由大量坑洼路面图像数据集训练好的图像识别模型,图像获取模块110的道路图像输入图像识别模型进行检测,初步识别路面坑洞,得出坑洞平面二维边界。
车辆数据获得模块130获取当前行驶车辆的初始行驶轨迹、车速(v)、车辆两侧轮胎内缘间距(b)、车轮宽度(w)、最小离地间隙(h)、纵向通过角(β)、接近角(γ1)、离去角(γ2)、悬架K&C值(k,c)、驾驶员H点坐标(x,y,z)等。
点云数据获取模块140用于获取当前道路的点云数据,点云数据获取模块140包括但不限于激光雷达,设置于行驶车辆的车身上。点云数据处理模块150用于对点云数据获取模块140获取的点云数据进行处理,获得坑洞的三维数据。
进一步地,点云数据处理模块150首先对点云数据进行预处理,通过高斯滤波、中值滤波等操作,去除噪声和异常点,再通过统计学分析、距离阈值等操作,去除噪声和孤立点,对点云进行降采样或升采样,减少数据量和提高精度,去除离散点,剔除地平面的点云数据。使用K-Means聚类算法、DBSCAN聚类算法等操作,将同一坑洞上的所有点划分到同一簇中,记录其中点云坐标P1(x1,y1,z1)、P2(x2,y2,z2)、…、Pn(xn,yn,zn),进行曲面拟合得到每个坑洼区域的三维曲面函数P(x,y,z),根据同一环形圈雷达线束检测高度跃变进行坑洼冗余判断。融合图像识别模块120得出的二维边界,组合形成坑洞的三维模型,得出坑洞的形状、大小、深度数据。图2示出了一实施例中坑洞的三维模型的示意图。
行驶策略制定模块160接收图像识别模块120获取的坑洞的二维边界,以及车辆数据获得模块130获取的初始行驶轨迹,并且判断初始行驶路线与坑洞的二维边界线是否存在交点,其中,初始行驶路线与坑洞的边界线不存在交点时,车辆以初始行驶路线继续行驶;初始行驶路线与坑洞的边界线存在交点时,获取点云数据处理模块150的坑洞的三维数据,并且根据三维数据制定行驶策略。其中,坑洞的三维数据包括坑洞的形状、大小、深度等数据。
进一步地,行驶策略制定模块160执行以下步骤制定行驶策略;
获取坑洞的三维数据以及车辆数据;
根据坑洞的三维数据以及车辆数据获取坑洞对车辆的影响程度;
其中,当影响程度小于或者等于预设值时,则以初始行驶路线行驶;如果影响程度大于预设值,则重新规划路线。
具体地,车辆数据例如包括车速(v)、车辆两侧轮胎内缘间距(b)、车轮宽度(w)、最小离地间隙(h)、纵向通过角(β)、接近角(γ1)、离去角(γ2)、悬架K&C值(k,c)、驾驶员H点坐标(x,y,z)等数据。根据车速(v)、车辆两侧轮胎内缘间距(b)、车轮宽度(w)、最小离地间隙(h)、纵向通过角(β)、接近角(γ1)、离去角(γ2)、悬架K&C值(k,c)和坑洞数据P,以驾驶员H点坐标(x,y,z)变化来衡量坑洞对车辆的影响程度(φ),建立坑洞影响大模型,记车辆通过坑洞前一刻为t0,通过坑洞后的时刻为t1,初始H点坐标为(0,0,0)。
其中,影响程度(φ)与车辆数据的关系,具体如下式:
Φ=f(x,y,z)
根据坑洞影响大模型计算出该坑洞对车辆的影响程度,若影响程度(φ)未超出预设值(φ0),即φ≤φ0,则以初始行驶路线行驶,若影响程度(φ)超出预设值(φ0),即φ>φ0,则重新规划路线。
进一步地,重新规划路线的方法包括:
预设或穷举或根据机器学习算法设置方向盘转角(ω)与通过坑洞车速(v1),并且根据方向盘转角(ω)与通过坑洞车速(v1)获取车辆行驶路径;
判断以不同的车辆行驶路径通过坑洞时,对车辆的影响程度;
获取影响程度最小值min(φ),并且获得影响程度最小值对应的方向盘转角(ω)与通过坑洞车速(v1);
判断以影响程度最小值对应的方向盘转角(ω)与通过坑洞车速(v1)行驶是否会对车辆两侧以及后方的车辆造成影响,如无影响,根据影响程度最小值对应的方向盘转角(ω)与通过坑洞车速(v1)进行减速绕行;若有影响,则减速行驶。
具体地,预设或穷举或根据机器学习算法,判断以不同的车辆行驶路径通过坑洞时,对车辆的影响程度,取影响程度最小值min(φ),并且获得影响程度最小值对应的方向盘转角(ω)与通过坑洞车速(v1)。进一步地,获取车辆两侧雷达数据,判断两侧及侧后方是否有车辆,变道是否会对其他车辆有影响,若是,则取方向盘转角为零(ω=0),根据车辆与路面坑洞信息,利用坑洞影响大模型,计算通过坑洞的车速(v1),确定合适刹车强度,发送给执行器进行减速行驶。
本申请还提供一种基于坑洞识别的行驶决策方法,所述方法包括:
获取道路图像,并且检测道路图像中是否存在坑洞;
获取的道路图像中存在坑洞时,获取坑洞的边界线;以及
获取初始行驶路线,并且判断初始行驶路线与坑洞的边界线是否存在交点;
其中,初始行驶路线与坑洞的边界线不存在交点时,继续行驶;
初始行驶路线与坑洞的边界线存在交点时,获取坑洞的三维数据,并且根据所述三维数据制定行驶策略。
制定行驶策略的方法包括;
获取坑洞的三维数据以及车辆数据;
根据坑洞的三维数据以及车辆数据获取坑洞对车辆的影响程度;
其中,当影响程度小于或者等于预设值时,则以初始行驶路线行驶;如果影响程度大于预设值,则重新规划路线。
重新规划路线的方法包括:
预设或穷举或根据机器学习算法设置方向盘转角(ω)与通过坑洞车速(v1),并且根据方向盘转角(ω)与通过坑洞车速(v1)获取车辆行驶路径;
判断以不同的车辆行驶路径通过坑洞时,对车辆的影响程度;
获取影响程度最小值min(φ),并且获得影响程度最小值对应的方向盘转角(ω)与通过坑洞车速(v1);
判断以影响程度最小值对应的方向盘转角(ω)与通过坑洞车速(v1)行驶是否会对车辆两侧以及后方的车辆造成影响,如无影响,根据影响程度最小值对应的方向盘转角(ω)与通过坑洞车速(v1)进行减速绕行;若有影响,则减速行驶。
进一步地,判断两侧及侧后方是否有车辆,变道是否会对其他车辆有影响,若是,则取方向盘转角(ω=0),根据车辆与路面坑洞信息,利用坑洞影响大模型,计算通过坑洞的车速(v1),确定合适刹车强度。
上述说明是针对本申请较佳可行实施例的详细说明,但实施例并非用以限定本申请的专利申请范围,凡本申请所提示的技术精神下所完成的同等变化或修饰变更,均应属于本申请所涵盖专利范围。
Claims (10)
1.一种基于坑洞识别的行驶决策方法,包括:
获取道路图像,并且检测道路图像中是否存在坑洞;
获取的道路图像中存在坑洞时,获取坑洞的边界线;以及
获取初始行驶路线,并且判断初始行驶路线与坑洞的边界线是否存在交点;
其中,初始行驶路线与坑洞的边界线不存在交点时,继续行驶;
初始行驶路线与坑洞的边界线存在交点时,获取坑洞的三维数据,并且根据所述三维数据制定行驶策略。
2.根据权利要求1所述的基于坑洞识别的行驶决策方法,其中,制定行驶策略的方法包括;
获取坑洞的三维数据以及车辆数据;
根据坑洞的三维数据以及车辆数据获取坑洞影响模型;
根据坑洞影响模型计算坑洞对车辆的影响程度;
其中,当影响程度小于或者等于预设值时,则以初始行驶路线行驶;如果影响程度大于预设值,则重新规划路线。
3.根据权利要求2所述的基于坑洞识别的行驶决策方法,其中,车辆数据包括车速、车辆两侧轮胎内缘间距、车轮宽度、最小离地间隙、纵向通过角、接近角、离去角、悬架参数、驾驶员姿态,其中以驾驶员姿态变化来衡量坑洞对车辆的影响程度。
4.根据权利要求2所述的基于坑洞识别的行驶决策方法,其中,重新规划路线的方法包括:
预设或穷举或根据机器学习算法设置方向盘转角与通过坑洞车速,并且根据方向盘转角与通过坑洞车速获取车辆行驶路径;
判断以不同的车辆行驶路径通过坑洞时,对车辆的影响程度;
获取影响程度最小值,并且获得影响程度最小值对应的方向盘转角与通过坑洞车速;
判断以影响程度最小值对应的方向盘转角与通过坑洞车速行驶是否会对车辆两侧以及后方的车辆造成影响,如无影响,根据影响程度最小值对应的方向盘转角与通过坑洞车速进行减速绕行;若有影响,则减速行驶。
5.根据权利要求4所述的基于坑洞识别的行驶决策方法,其中,以计算出的方向盘转角和通过车速行驶会对车辆两侧以及后方的车辆造成影响时,取方向盘转角为零,根据车辆数据与路面坑洞信息,利用坑洞影响模型,计算通过坑洞的车速,并且根据通过坑洞的车速确定刹车强度。
6.一种基于坑洞识别的行驶决策***,包括:
图像获取模块,用于获取道路图像;
图像识别模块,用于检测道路图像中是否存在坑洞,并且获取的道路图像中存在坑洞时,获取坑洞的边界线;
车辆数据获取模块,获取初始行驶路线;
行驶策略制定模块,判断初始行驶路线与坑洞的边界线是否存在交点;
其中,初始行驶路线与坑洞的边界线不存在交点时,继续行驶;
初始行驶路线与坑洞的边界线存在交点时,获取坑洞的三维数据,并且根据所述三维数据制定行驶策略。
7.根据权利要求6所述的基于坑洞识别的行驶决策***,其中,行驶策略制定模块执行以下步骤制定行驶策略:
获取坑洞的三维数据以及车辆数据;
根据坑洞的三维数据以及车辆数据获取坑洞影响模型;
根据坑洞影响模型计算坑洞对车辆的影响程度;
其中,当影响程度小于或者等于预设值时,则以初始行驶路线行驶;如果影响程度大于预设值,则重新规划路线。
8.根据权利要求7所述的基于坑洞识别的行驶决策***,其中,车辆数据包括车速、车辆两侧轮胎内缘间距、车轮宽度、最小离地间隙、纵向通过角、接近角、离去角、悬架参数、驾驶员姿态,其中以驾驶员姿态变化来衡量坑洞对车辆的影响程度。
9.根据权利要求7所述的基于坑洞识别的行驶决策***,其中,行驶策略制定模块执行以下步骤重新规划路线:
预设或穷举或根据机器学习算法设置方向盘转角与通过坑洞车速,并且根据方向盘转角与通过坑洞车速获取车辆行驶路径;
判断以不同的车辆行驶路径通过坑洞时,对车辆的影响程度;
获取影响程度最小值,并且获得影响程度最小值对应的方向盘转角与通过坑洞车速;
判断以影响程度最小值对应的方向盘转角与通过坑洞车速行驶是否会对车辆两侧以及后方的车辆造成影响,如无影响,根据影响程度最小值对应的方向盘转角与通过坑洞车速进行减速绕行;若有影响,则减速行驶。
10.根据权利要求9所述的基于坑洞识别的行驶决策***,其中,以计算出的方向盘转角和通过车速行驶会对车辆两侧以及后方的车辆造成影响时,取方向盘转角为零,根据车辆数据与路面坑洞信息,利用坑洞影响模型,计算通过坑洞的车速,并且根据通过坑洞的车速确定刹车强度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410179449.2A CN117864169A (zh) | 2024-02-18 | 2024-02-18 | 一种基于坑洞识别的行驶决策***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410179449.2A CN117864169A (zh) | 2024-02-18 | 2024-02-18 | 一种基于坑洞识别的行驶决策***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117864169A true CN117864169A (zh) | 2024-04-12 |
Family
ID=90594688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410179449.2A Pending CN117864169A (zh) | 2024-02-18 | 2024-02-18 | 一种基于坑洞识别的行驶决策***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117864169A (zh) |
-
2024
- 2024-02-18 CN CN202410179449.2A patent/CN117864169A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10471953B1 (en) | Occupant aware braking system | |
CN108256233B (zh) | 基于驾驶员风格的智能车轨迹规划及跟踪方法和*** | |
US10994744B2 (en) | Travel control apparatus, travel control method, and non-transitory computer-readable storage medium | |
US8818708B2 (en) | Optimum driving path on full windshield display | |
CN106945668A (zh) | 车辆行驶窄道辅助*** | |
CN112896188B (zh) | 一种考虑前车遭遇的自动驾驶决策控制的*** | |
CN110979339B (zh) | 一种基于v2v的前方道路形态重建方法 | |
CN111806433B (zh) | 一种自动驾驶车辆避障方法、装置及设备 | |
CN109131312A (zh) | 一种智能电动汽车acc/esc集成控制***及其方法 | |
CN110723142B (zh) | 一种智能汽车紧急避撞控制方法 | |
CN110861644A (zh) | 驱动力控制装置 | |
CN115520218B (zh) | 自动驾驶车辆四点转弯轨迹规划方法 | |
WO2024146195A1 (zh) | 一种用于电子导向胶轮车的自动驾驶*** | |
CN106864458A (zh) | 一种自动绕障***及方法、智能汽车 | |
CN108569289A (zh) | 一种车载雷达及其逼近探测和目标判别方法 | |
CN115892063A (zh) | 一种无人驾驶商用车路况监控及应对方法 | |
CN113635893A (zh) | 一种基于城市智慧交通的无人驾驶车辆转向的控制方法 | |
CN111114547A (zh) | 一种分布式驱动电动客车自适应巡航弯道控制方法 | |
CN111103882A (zh) | 一种无人驾驶电动汽车的自主跟车控制方法 | |
CN108021861A (zh) | 一种基于机器视觉的智能车右转弯目标检测方法 | |
CN113415283B (zh) | 一种面向有条件自动驾驶的道路行驶风险评估方法 | |
CN115214649A (zh) | 一种用于驾驶控制的自适应预警方法及*** | |
CN113428140A (zh) | 一种无人驾驶的紧急停车控制方法及*** | |
CN117864169A (zh) | 一种基于坑洞识别的行驶决策***及方法 | |
CN113844439B (zh) | 一种用于辅助驾驶的低速辅助制动辅助决策方法、***及计算机可读存储介质 |
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 |