The invention provides a road surface adhesion coefficient estimation method based on cloud data sharing, which includes: step S100: building the first cloud database, specifically: matching the image block collected by the visual sensor and the adhesion coefficient estimation value based on dynamics to form a data pair, and uploading the data pair to the cloud; step S200: training the classifier, specifically: receiving data in the cloud Step S300: matching classifier, specifically: the second cloud database is built during the actual driving process of the vehicle, and the second cloud database is matched with the trained classifier to obtain the best matching classifier for real-time road adhesion coefficient estimation. The data management and training of the invention are completely carried out in the cloud, reducing the demand for the on-board computing unit, and once the training is completed, all the same models can be matched, and online update is supported.
【技术实现步骤摘要】
一种基于云端数据共享的路面附着系数估计方法
本专利技术涉及一种基于云端数据共享的路面附着系数估计方法。
技术介绍
在车辆行驶过程中,如果道路附着条件较差或突然变化,由于驾驶员对路面的判断不足,极易导致车辆发生碰撞及侧滑。为了减少事故的发生,主动安全系统成为发展的必然趋势,如ABS、ESP等。对于路面的有效识别,可以使系统实时根据路面附着信息改变控制策略,从而提高主动干预的作用,减少事故的发生。因此,路面识别对于保证安全驾驶具有重要的意义。另外,智能汽车在中高速行驶状态下,车辆动力学特性、道路-轮胎附着力特性等力学特性对自动驾驶安全的影响作用越发重要,仅依靠空间信息对制动、转向等执行机构进行决策和控制会引发一系列安全问题,如因雨、冰雪天气情况多发的车辆追尾碰撞、转向制动时的侧滑和侧翻等交通事故。实时且准确地识别出路面附着系数,可以极大改善车辆行驶的安全性,提升智能系统的应用范围。目前,路面附着系数的估计方法主要有两种,一种是基于原因的路面附着系数估计方法,另一种是基于结果的路面附着系数估计方法。第一种方法主要是通过试验采集数据,建立传感器(声、光、温度传感器等)数据与路面附着系数的关系来进行估计;第二种则是根据系统响应和数学模型估计,这类方法又细分为基于动力学的方法、基于滑移率的方法等。现有技术中,基于结果的方法对于路面附着系数估计虽然准确可靠,但是由于动力学建模较为复杂,实时性难以保证;而且基于动力学的方法是需要物体与路面接触才能估计,这样的估计结果即便准确,也难以对一些极限工况产生及时干预和 ...
【技术保护点】
1.一种基于云端数据共享的路面附着系数估计方法,其特征在于,包括:/n步骤S100:构建第一云端数据库,具体为:将视觉传感器采集的图像块和基于动力学的附着系数估计值进行匹配形成数据对,并将数据对上传至云端;/n步骤S200:训练分类器,具体为:云端接收数据对,并对数据对进行整理和训练,产生可用分类器;/n步骤S300:匹配分类器,具体为:车辆在实际行驶过程中构建第二云端数据库,第二云端数据库与训练好的分类器进行匹配,获得最佳匹配分类器用于实时路面附着系数估计。/n
【技术特征摘要】
1.一种基于云端数据共享的路面附着系数估计方法,其特征在于,包括:
步骤S100:构建第一云端数据库,具体为:将视觉传感器采集的图像块和基于动力学的附着系数估计值进行匹配形成数据对,并将数据对上传至云端;
步骤S200:训练分类器,具体为:云端接收数据对,并对数据对进行整理和训练,产生可用分类器;
步骤S300:匹配分类器,具体为:车辆在实际行驶过程中构建第二云端数据库,第二云端数据库与训练好的分类器进行匹配,获得最佳匹配分类器用于实时路面附着系数估计。
2.如权利要求1所述的基于云端数据共享的路面附着系数估计方法,其特征在于,所述步骤S100包括:
步骤S101:云端确定建立训练数据库的需求;
步骤S102:云端与各车辆结点进行交互并向各车辆结点发送数据请求;
步骤S103:安装于各车辆结点上的视觉传感器采集图像块,同时车辆结点行进,根据动力学估计出路面实际附着系数;
步骤S104:通过车辆定位、图像投影变换获取图像块与路面实际附着系数的映射关系;
步骤S105:将匹配的图像块与对应附着系数存入缓存区,并计数;
步骤S106:当数据对数量达到门限数量后,进行压缩并发送至云端。
3.如权利要求2所述的基于云端数据共享的路面附着系数估计方法,其特征在于:在所述步骤S101与所述步骤S102之间还包括步骤S107,所述步骤S107为:各车辆结点接收到数据请求之后,进行系统自检。
4.如权利要求1所述的基于云端数据共享的路面附着系数估计方法,其特征在于,所述步骤S200包括:
步骤S201:云端对数据进行接收并进行解压;
步骤S202:将图像与云端标准路况图像进...
【专利技术属性】
技术研发人员:杨顺,韩威,刘继凯,袁野,刘凯,刘海贞,郑思仪,陈杰,
申请(专利权)人:北京中科原动力科技有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。