一种基于云端数据共享的路面附着系数估计方法技术

本发明专利技术提供一种基于云端数据共享的路面附着系数估计方法，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。本发明专利技术的数据管理和训练完全在云端进行，降低了对车载计算单元的需求，且一旦训练完成即可匹配所有同一车型，支持在线更新。

An estimation method of road adhesion coefficient based on cloud data sharing

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控制。基于原因的方法对路面识别都具有一定的主动预测性，可以在接触之前识别和估计路面状态，但如果加装传感器过于复杂或成本较高，则会失去其商业推广价值；其次，光学传感器对工作环境要求苛刻，超声波和电磁波等受环境影响大，鲁棒性差，且均存在在线学习对车载计算单元要求高的问题，导致计算不能及时完成，预测准确性受样本影响大。以上不足，有待改进。
技术实现思路
为了克服现有的技术的不足,本专利技术提供一种基于云端数据共享的路面附着系数估计方法。本专利技术技术方案如下所述：一种基于云端数据共享的路面附着系数估计方法，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。进一步地，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。进一步地，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。进一步地，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行比对来判断路面类型；步骤S203：将相似性图像存入统一路面类，并根据图像对应的路面附着系数分成不同附着类；步骤S204：使用同一附着类的不同路面类数据进行分类器训练，得到不同附着类的分类器。进一步地，所述步骤S300包括：步骤S301：车辆结点启动；步骤S302：构建第二云端数据库；步骤S303：第二云端数据库中包括的附着系数与训练好的分类器进行比对。进一步地，构建第二云端数据库的方法与构建第一云端数据库的方法相同。进一步地，在所述步骤S303中，当比对结果的平均误差小于0.1时，进行步骤S304，所述步骤S304为：对分类器进行初始标定。进一步地，在所述步骤S303中，当比对结果的平均误差不小于0.1时，进行步骤S305，所述步骤S305为：将采集的图像和附着系数上传至云端。进一步地，所述步骤S305之后还包括步骤S306，所述步骤S306为：匹配与当前附着系数误差最小的附着系数估计模型。进一步地，所述步骤S306之后还包括步骤S307，所述步骤S307为：从云端下载最匹配的路面附着系数估计模型，然后返回步骤S302。根据上述方案的本专利技术，其有益效果在于：（1）本专利技术使用常见的视觉传感器及云端技术即可完成，对车辆改造少、传感器安装简单、实现方便；（2）本专利技术的数据管理和训练完全在云端进行，降低了对车载计算单元的需求，且一旦训练完成即可匹配所有同一车型，支持在线更新；（3）本专利技术依赖云端进行数据管理和训练，更为方便高效；云端的加入可以将多个车辆结点的数据进行整合，数据获取更高效全面，且数据利用率高；（4）本专利技术更容易适应不同的工况，且方法为主动预测型，在轮胎与路面接触之前就可对路面附着系数进行实时、准确的估计，为主动安全系统和智能驾驶系统的设计提供了很好的基础。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术的流程图一；图2为本专利技术构建第一云端数据库的流程图一；图3为本专利技术构建第一云端数据库的流程图二；图4为本专利技术的训练分类器的流程图；图5为本专利技术的匹配分类器流程图一；图6为本专利技术的匹配分类器流程图二；图7为本专利技术的车辆结点通过视觉传感器获取图像块与实际道路块对应关系结构示意图。具体实施方式为了使本专利技术所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。需要说明的是，当部件被称为“固定于”或“设置于”另一个部件，它可以直接或者间接位于该另一个部件上。当一个部件被称为“连接于”另一个部件，它可以是直接或者间接连接至该另一个部件上。术语“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置为基于附图所示的方位或位置，仅是为了便于描述，不能理解为对本技术方案的限制。术语“第一”、“第二”仅用于便于描本文档来自技高网...

【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