【技术实现步骤摘要】
车辆性能量化检测方法和装置
[0001]本专利技术涉及自动驾驶领域,尤其涉及基无人驾驶车辆性能量化检测方法和装置。
技术介绍
[0002]轨迹生成算法关注常规驾驶场景,在常规驾驶场景下认为操作都不是极限操纵工况。然而,对于在真实环境中的无人驾驶车辆,针对具有挑战性的驾驶场景,合适地设计自动控制以保持车辆的稳定性并成功执行规避动作是很重要的。常规的路径规划可以防止不受控的路径跟踪动态的出现,然而,目前的无人驾驶车辆控制功能,包括路径规划算法,是针对正常操纵工况设计的,虽然能让车辆按照规划路径行驶,但由于未考虑对轮胎附着能力的最大利用,遭遇紧急闪避等现实中的极限操纵工况时,可能会导致车辆闪避失败,现有技术也没有任何针对极限工况量化检测无人驾驶车辆性能的功能。
[0003]自动驾驶制造商正致力于研发一种新的自动驾驶车辆,该车辆在极限工况的情况下,驾驶水平超过驾驶员的平均驾驶水平,能够保持整车安全以及鲁棒性。实际上,自动驾驶车辆的水平一般大大超过一般细心驾驶员的水平,可能达到专业赛车驾驶员的水平。
[0004]因此,本专利技术旨在提供一种定量测定方法和装置,用于与专业赛车驾驶员的水平进行比较,评估自动驾驶车辆的自动控制性能以及复现性。
技术实现思路
[0005]针对现有技术存在的上述问题,本专利技术提供一种无人驾驶车辆性能量化检测方法和装置,可量化无人驾驶车辆在极限工况下发挥的性能并检测该性能是否贴近专业试驾员驾驶时发挥的整车性能,确保无人驾驶车辆在极限工况下的安全性和鲁棒性。
[00 ...
【技术保护点】
【技术特征摘要】
1.一种车辆性能量化检测方法,其特征在于,包括:(a)接收信号数据;(b)基于所述信号数据,确定轮胎路面利用率;(c)基于所述轮胎路面利用率,计算车辆性能加权距离计数;以及(d)基于所述车辆性能加权距离计数,获得车辆性能指数。2.如权利要求1所述的方法,其特征在于,还包括:(e)基于所述信号数据,确定轨迹误差;(f)基于所述轨迹误差,计算归一化平均离差;以及(g)根据所述归一化平均离差,获得车辆复现性指数。3.如权利要求1所述的方法,其特征在于,所述信号数据包括纵向加速度、纵向减速度、车辆右转时的横向加速度、车辆左转时的横向加速度、车辆分别在有人驾驶和无人驾驶情况下行驶一圈所花费的时间、车辆偏航率数据、至路径的车辆横向距离数据。4.如权利要求1至3任意一者所述的方法,其特征在于,所述基于所述信号数据,确定轮胎路面利用率包括:基于所述信号数据,采用如下公式确定轮胎路面利用率;其中,R
tu
表示轮胎路面利用率,a
xmax_acc
表示纵向加速度的最大值,-a
xmax_brk
表示纵向减速度的最大值,a
ymax
表示车辆右转时的横向加速度的最大值,-a
ymax
表示车辆左转时的横向加速度的最大值;“A”表示车辆在路径上行驶时的操作点,a
xA
表示A点的纵向加速度,a
yA
表示A点的横向加速度。5.如权利要求1至3任意一者所述的方法,其特征在于,,所述基于所述车辆性能加权距离计数,获得车辆性能指数包括:基于所述车辆性能加权距离计数,采用如下公式获得车辆性能指数;其中,I
perf
表示车辆性能指数,Y
target
和t
target
分别表示在有人驾驶情况下的车辆性能加权距离计数以及行驶一圈所花费的时间,Y
veh
和t
veh
分别表示在无人驾驶情况下车辆性能加权距离计数以及行驶一圈所花费的时间。6.如权利要求2所述的方法,其其特征在于,所述基于所述轨迹误差,计算归一化平均离差包括:使得E={ε(i,l),i=1,m,l=1,p},E表示测试路径驾驶p圈,在路径曲率的最高值ρ
c
下测量的CTEε的绝对值m*p个点的集;计算p圈中每一点i处的平均值和标准差:
计算平均值和标准差:计算平均值和标准差:计算归一化平均离差:其中,|μ|是μ的绝对值。7.如权利要求6所述的方法,其特征在于,根据所述归一化平均离差,获得车辆复现性指数包括:根据所述归一化平均离差,采用公式获得车辆复现性指数,其中,Disp
_avr
表示归一化平均离差,I
rep
表示车辆复现性指数。8.一种车辆性能量化检测装置,其特征在于,包括:信号接收单元,用于接收信号数据;轮胎路面利用率确定单元,用于基...
【专利技术属性】
技术研发人员:约瑟夫,
申请(专利权)人:长城汽车股份有限公司,
类型:发明
国别省市:
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。