多信息融合路面谱实时测试系统和测试方法技术方案

一种多信息融合的路面谱实时测试系统和测试方法，路面信息初步提取模块获取前方路面的点云信息，对点云进行融合处理后得到前方障碍物信息、路面边缘及宽度信息、车道线和标志牌等特殊图像信息以及路面不平度信息；位姿信息融合模块将位姿信息融合获得系统的位姿信息，使用得到的系统位姿信息对得到的初步路面信息进行修正；路面信息细化模块，对经过使用位姿信息进行修正后的初步路面信息进行细化，得到更为详细的路面不平度信息，并建立功率谱分析模型、时间序列分析模型、分型分析模型、小波分析模型、路面三维模型，并将能按照国际路面不平度等级标准进行划分的路面，按照国际路面不平度等级标准进行分级。

【技术实现步骤摘要】
多信息融合路面谱实时测试系统和测试方法
本专利技术涉及一种车载路面不平度识别系统及方法，具体涉及一种多信息融合路面谱实时测试系统与测试方法。
技术介绍
车辆在行驶过程中会受到路面不平度的影响而颠簸起伏，引起车轮或车身的垂向振动，直接影响整车的平顺性和驾驶员的舒适性，并且由于车轮垂直在和和接地面积不稳定，也会影响车轮的地面附着力，进而对车辆的制动性和操纵稳定性有很大影响；电子空气悬架(ECAS)、制动防抱死系统(ABS)、电子稳定性系统(ESC)等系统也会针对路面不平度的变化调整控制模式或参数，提高其在不平路面的适应性。现有的路面谱的测试系统一般基于双目相机与惯性测量单元融合或使用激光测距传感器和惯性测量单元融合或单独的使用惯性测量单元等，一般为单传感器或双传感器融合测量，所得到的路面不平度基本满足使用要求，但随着智能驾驶、无人驾驶技术的发展，需要车辆能够获得实时在线、更加可靠、更加准确的路面信息并做出相应的调整以保证车辆的安全、稳定、高效。因此，一种能够获得更加准确、实时的路面信息的多信息融合路面谱实时测试系统与方法，是提升车辆安全稳定性和整车电控系统适应性的关键。
技术实现思路
针对上述技术问题，本专利技术提供了一种能够更加精确、实时获取路面不平度信息的系统和测试方法。本专利技术采用的技术方案为：一种基于多信息融合路面谱实时测试系统，应用在一车辆中，包括路面信息初步提取模块、位姿信息融合模块、路面信息细化模块；所述路面信息初步提取模块包括激光雷达001和双目相机003，用于获取车辆前方路面的双目图像和点云，通过双目图像和点云进行融合得到前方路面的障碍物信息、路面边缘及宽度信息、车道线和标志牌等特殊指导图像的信息以及路面不平度信息；所述位姿信息融合模块，所用的传感器包括通过RTK实时定位系统006、惯性测量单元005、双目相机003、激光雷达001，RTK实时定位系统006、惯性测量单元005、双目相机003、激光雷达001的位姿信息融合获得系统位姿信息，使用的得到的系统位姿信息对得到的初步路面信息进行修正；所述路面信息信息细化模块，所用传感器有激光测距传感器004和惯性测量单元005，通过激光传感器004和惯性测量单元005对经过使用位姿信息进行修正后的初步路面信息进行细化，建立更为详细的路面谱。相机标定模块，用于对所述双目相机003进行标定以获取吸纳及标定参数并发送给所述图像处理模块；所述相机标定参数包括两个相机间的基线距离、镜头焦距、旋转矩阵、平移向量、镜头畸变系数和光心偏移位置。所述图像处理模块用于将所述双目图像进行三维重建并对可通行的点云进行提取具体包括：利用预设较正方法和所获取的相机标定参数对所接收的双目图像进行校正，得到矫正后的双目图像；利用预设匹配方法对矫正后的双目图像进行立体匹配，得到双目图像的图像像素点之间的对应关系；基于所述双目图像像素点之间的对应关系以及相机标定参数，计算经理提匹配后的双目图像在相应坐标系中的三位坐标；其中双目图像的相应坐标系十一该图像对应相机的光心为原点，Z轴垂直城乡平面向外，X轴沿成像平面水平向右，Y轴沿成像平面竖直向下的坐标系；将所及孙的双目图像的三维坐标进行坐标转换，是的相机坐标系下的三维坐标点云转换为车体坐标系下的点云；其中，车体坐标系是以车辆后轴中心为原点，X轴向前，Y轴向左，Z轴垂直向上的坐标系；将车体坐标系的X轴中小于预设距离法制的三维点云在X-Y平面内划分未预定规格的栅格，将所述栅格内Z向高度最大值与最小值之差不大于预设阈值的栅格内的点云进行提取，得到可通行点云。车道线信息的识别通过双目相机003进行实现，双目相机003获取图像，通过对感兴趣区域内的图像进行处理，通过提取出的车道线边界点可以拟合出车道线模型，达到车道线信息识别的目的。该系统在单边部分车道线缺失的情况下仍能准确识别车道线信息。该识别系统基于道路图像的识别，采用双目相机采集道路图像。车道线信息的识别分五步：图像灰度化，节约了存储空间，并同时提高了处理速度；图像的平滑和滤波，消除图像噪声，突出感兴趣的特征；图像的二值化，灰度图转换为黑白图，方面目标信息的提取；车道线的边缘提取，通过边缘检测将感兴趣的部分轮廓提取出来；车道标识线的识别，采用链表跟踪的特征点提取方法，然后将特征点坐标转换到世界坐标系下，道路模型采用直线与三次抛物线型缓和曲线，采用最小二乘法对特征点进行拟合，最终得到车道线模型。路面等级的识别是基于车辆振动模型通过惯性测量单元005进行实现，针对于油气悬架参数可变的车辆。路面等级识别基于学习向量量化(LVQ)神经网络，涉及训练神经网络。首先建立被测车辆的振动模型，然后选取若干组悬架参数，每组包含悬架惰性气体初始压力、初始体积及阻尼孔直径。车辆行驶速度在5-40km/h中选取八个，然后建立八个不同路面等级的路面激励的时域仿真模型。然后通过每组悬架参数在不同行驶速度、不同路面等级下的仿真得到悬架参数与车身垂直加速度的对应关系，将这些样本点带入神经网络进行训练。再将由惯性测量单元获取的实时加速度信号输入至训练后的神经网络，便可输出路面等级。本专利技术的有益效果：本专利技术能得到更为详细的路面不平度信息，并建立功率谱分析模型、时间序列分析模型、分型分析模型、小波分析模型、路面三维模型，并将能按照国际路面不平度等级标准进行划分的路面按照国际路面不平度等级标准进行分级。附图说明图1为本专利技术所涉及的各种传感器的安装位置示意图。图2为本专利技术多传感器融合路面谱实时测试方法与系统的结构示意图。图3为本专利技术障碍物信息检测系统流程图。图4为本专利技术道路模型的选择算法示意图。图5为本专利技术车道线模型识别系统流程图。图6为本专利技术惯性测量单元路面等级识别示意图。图7为本专利技术多传感器数据融合目标识别框图。具体实施方式请参阅图1所示，一种基于多信息融合路面谱实时测试系统，应用在一车辆中，包括路面信息初步提取模块、位姿信息融合模块、路面信息信息细化模块；所述路面信息初步提取模块由激光雷达001、毫米波雷达002和双目相机003构成，激光雷达001安装在车辆上方，高度为2.1米；毫米波雷达002安装在车辆前端中心位置；双目相机003安装在车辆前端挡风玻璃下面；激光雷达001、毫米波雷达002和双目相机003用于获取车辆前方路面的双目图像和点云，通过双目图像和点云进行融合得到前方路面的障碍物信息、路面边缘及宽度信息、车道线和标志牌等特殊指导图像的信息以及路面不平度信息；所述位姿信息融合模块由RTK实时定位系统、惯性测量单元005、双目相机003和激光雷达001构成，RTK实时定位系统具有前天线006a和后天线006b，前天线006a安装在车辆驾驶室顶部，后天线006b安装在车辆后部的顶部，前天线006a用于定向，后天线006b用于定位，惯性测量单元005安装在车辆惯性参考系质心位置处，RTK实时定位系统、惯性测量单元005、双目相机003和激光雷达001的位姿信息融合获得系统位姿信息，使用得到的系统位姿信息对得到的初步路面信息进行修正；所述路面信息信息细化模块由激光测距传感器和惯性测量单元005构成，激光测距传感器包括第一激光测距传感器004a和第二激光测距传感器004b；惯性测量单元005安装在车辆惯性参考系质心位置处，第一本文档来自技高网...

【技术保护点】
1.一种基于多信息融合路面谱实时测试系统，其特征在于：包括路面信息初步提取模块、位姿信息融合模块、路面信息信息细化模块；所述路面信息初步提取模块由激光雷达(001)、毫米波雷达(002)和双目相机(003)构成，激光雷达(001)安装在车辆上方，高度为2.1米；毫米波雷达(002)安装在车辆前端中心位置；双目相机(003)安装在车辆前端挡风玻璃下面；激光雷达(001)、毫米波雷达(002)和双目相机(003)用于获取车辆前方路面的双目图像和点云，通过双目图像和点云进行融合得到前方路面的障碍物信息、路面边缘及宽度信息、车道线和标志牌等特殊指导图像的信息以及路面不平度信息；所述位姿信息融合模块由RTK实时定位系统、惯性测量单元(005)、双目相机(003)和激光雷达(001)构成，RTK实时定位系统具有前天线(006a)和后天线(006b)，前天线(006a)安装在车辆驾驶室顶部，后天线(006b)安装在车辆后部的顶部，前天线(006a)用于定向，后天线(006b)用于定位，惯性测量单元(005)安装在车辆惯性参考系质心位置处，RTK实时定位系统、惯性测量单元(005)、双目相机(003)和激光雷达(001)的位姿信息融合获得系统位姿信息，使用得到的系统位姿信息对得到的初步路面信息进行修正；所述路面信息信息细化模块由激光测距传感器和惯性测量单元(005)构成，激光测距传感器包括第一激光测距传感器(004a)和第二激光测距传感器(004b)；惯性测量单元(005)安装在车辆惯性参考系质心位置处，第一激光测距传感器(004a)安装在车辆前端中心位置，毫米波雷达(002)正下方，第二激光测距传感器(004b)安装在车辆后方中心位置，通过激光测距传感器和惯性测量单元(005)对经过使用位姿信息进行修正后的初步路面信息进行细化，建立更为详细的路面谱；所述的路面信息初步提取模块对双目图像进行处理和激光雷达点云进行处理并对两者信息进行融合。...

【技术特征摘要】
1.一种基于多信息融合路面谱实时测试系统，其特征在于：包括路面信息初步提取模块、位姿信息融合模块、路面信息信息细化模块；所述路面信息初步提取模块由激光雷达(001)、毫米波雷达(002)和双目相机(003)构成，激光雷达(001)安装在车辆上方，高度为2.1米；毫米波雷达(002)安装在车辆前端中心位置；双目相机(003)安装在车辆前端挡风玻璃下面；激光雷达(001)、毫米波雷达(002)和双目相机(003)用于获取车辆前方路面的双目图像和点云，通过双目图像和点云进行融合得到前方路面的障碍物信息、路面边缘及宽度信息、车道线和标志牌等特殊指导图像的信息以及路面不平度信息；所述位姿信息融合模块由RTK实时定位系统、惯性测量单元(005)、双目相机(003)和激光雷达(001)构成，RTK实时定位系统具有前天线(006a)和后天线(006b)，前天线(006a)安装在车辆驾驶室顶部，后天线(006b)安装在车辆后部的顶部，前天线(006a)用于定向，后天线(006b)用于定位，惯性测量单元(005)安装在车辆惯性参考系质心位置处，RTK实时定位系统、惯性测量单元(005)、双目相机(003)和激光雷达(001)的位姿信息融合获得系统位姿信息，使用得到的系统位姿信息对得到的初步路面信息进行修正；所述路面信息信息细化模块由激光测距传感器和惯性测量单元(005)构成，激光测距传感器包括第一激光测距传感器(004a)和第二激光测距传感器...

【专利技术属性】
技术研发人员：王国强，陈春思，马若丁，崔达，李婧锡，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林,22