车辆行驶平稳性控制方法、装置、设备和存储介质制造方法及图纸

本申请公开了一种车辆行驶平稳性控制方法、装置、设备和存储介质，涉及自动驾驶领域领域。具体实现方案为：获取所述车辆在行驶过程中的前方路况预测信息和当前行驶路况信息；根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息；根据所述策略信息，对所述车辆的悬挂系统进行调整。本申请实施例能够及时做出对车辆的悬挂系统进行调整的策略信息，以使车辆的悬挂系统及时调整到适应前方路况的状态，使车辆平稳行驶，提高乘坐舒适度。提高乘坐舒适度。提高乘坐舒适度。

【技术实现步骤摘要】
车辆行驶平稳性控制方法、装置、设备和存储介质
[0001]本专利技术是2020年03月13日所提出的申请号为202010175377.6、专利技术名称为《车辆行驶平稳性控制方法、装置、设备和存储介质》的专利技术专利申请的分案申请。


[0002]本申请涉及数据处理
，具体涉及自动驾驶技术。

技术介绍

[0003]车辆行驶过程中，车辆平稳行驶对于车辆内乘坐者的舒适度来说，是很重要的因素。
[0004]目前，在车辆平稳行驶控制方面，是通过对车辆行驶速度进行监控来调整车辆的整体高度，例如，如果当前行驶速度过高，就会调低车辆的整体高度，以此来降低风阻。或者通过车载惯性测量单元监测并分析车辆行驶颠簸程度，来调整车辆悬挂系统的阻尼系数，例如，如果当前路段较为颠簸，则调低车辆悬挂系统的阻尼系数。
[0005]然而，采用上述现有技术进行车辆平稳行驶控制时，时常出现调整滞后的现象，导致调整后的舒适度也时常不能满足乘客对于平稳性的要求。

技术实现思路

[0006]第一方面，本申请实施例提供了一种车辆行驶平稳性控制方法，包括：获取所述车辆在行驶过程中的前方路况预测信息和当前行驶路况信息；根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息；根据所述策略信息，对所述车辆的悬挂系统进行调整。
[0007]本申请实施例通过获取车辆在行驶过程中的前方路况预测信息和当前行驶路况信息，并根据前方路况预测信息和当前行驶路况信息，确定对车辆的悬挂系统进行调整的策略信息，以及根据策略信息，对车辆的悬挂系统进行调整，以达到使车辆平稳行驶的目的。不仅获取了能够指示车辆在行驶过程中的当前行驶路况信息，还获取了对车辆行驶过程中前方路况的预测信息，根据前方路况预测信息能够提前感知前方路况，并结合当前行驶路况信息，及时做出对车辆的悬挂系统进行调整的策略信息，以使车辆的悬挂系统及时调整到适应前方路况的状态，使车辆平稳行驶，提高乘坐舒适度。
[0008]可选的，所述获取所述车辆在行驶过程中的前方路况预测信息，包括：获取所述车辆上的图像采集设备采集的所述车辆周围环境的环境图像；将所述环境图像输入预先训练得到的路况预测模型，得到所述车辆在行驶过程中的前方路况预测信息。
[0009]可选的，所述路况预测模型是采用如下过程对神经网络的训练得到的：获取车辆行驶过程中周围环境的环境样本图像以及所述环境样本图像对应的路况预测标注信息；将所述环境样本图像作为神经网络的输入，将所述路况预测标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练，得到所述路况预测模型。
[0010]本申请实施例通过对神经网络进行训练得到路况预测模型，从而将车辆上的图像
采集设备采集的所述车辆周围环境的环境图像输入路况预测模型，对前方路况进行预测，由于路况预测模型是对神经网络进行训练得到的，因此，路况预测模型能够得到更加丰富的图像语义信息，从而对前方路况进行更准确地预测。
[0011]可选的，所述获取所述车辆的当前行驶路况信息，包括：获取所述车辆上的惯性测量单元采集的所述车辆的姿态信息；根据所述车辆的姿态信息，确定所述车辆的当前行驶路况信息。
[0012]可选的，所述根据所述车辆的姿态信息，确定所述车辆的当前行驶路况信息，包括：根据预设时间段内所述车辆的姿态信息，确定所述姿态信息的变化量；在所述姿态信息的变化量大于预设变化量的情况下，确定当前行驶路况信息为不平稳路段；在所述姿态信息的变化量小于或等于预设变化量的情况下，确定当前行驶路况信息为平稳路段。
[0013]本申请实施例通过根据车辆在一段时间内的姿态信息的变化量，确定车辆当前所处的路况，姿态信息是用于表征车辆的倾角信息，若车辆当前所处路况为不平稳路段，那么倾角信息的变化量也会不稳定，根据此原理可以方便地确定车辆当前的路况信息，另外，姿态信息可以根据车辆上已有的惯性测量单元来获取，不需要增加额外的传感器。
[0014]可选的，所述根据所述车辆的姿态信息，确定所述车辆的当前行驶路况信息，包括：将所述车辆的姿态信息输入预先训练得到的路况检测模型，得到所述车辆的当前行驶路况信息。
[0015]可选的，所述路况检测模型是采用如下过程对神经网络的训练得到的：获取所述车辆行驶过程中的姿态样本数据以及所述姿态样本数据对应的当前行驶路况标注信息；将所述姿态样本数据作为神经网络的输入，将所述当前行驶路况标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练，得到所述路况检测模型。
[0016]本申请实施例通过对神经网络进行训练得到路况检测模型，从而将车辆上的惯性测量单元采集的所述车辆的姿态信息输入路况检测模型，对前方路况进行预测，由于路况检测模型是对神经网络进行训练得到的，相较于直接根据姿态信息的变化量确定当前行驶路况，路况检测模型能够更加准确地检测当前行驶路况。
[0017]可选的，所述根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息，包括：将所述车辆在行驶过程中的前方路况预测信息和当前行驶路况信息输入预先训练得到的策略确定模型，得到对所述车辆的悬挂系统进行调整的策略信息。
[0018]可选的，所述策略确定模型是采用如下过程对神经网络的训练得到：获取训练样本数据以及所述训练样本数据对应的调整策略标注信息，所述训练样本数据包括前方路况样本数据和当前行驶路况样本数据；将所述训练样本数据作为神经网络的输入，将所述调整策略标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练，得到所述策略确定模型。
[0019]可选的，所述根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息，包括：若所述前方路况预测信息指示路面湿滑且所述当前行驶路况信息指示为平稳路段，则确定调低所述车辆的悬挂系统的悬挂高度。
[0020]可选的，所述根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息，包括：若所述前方路况预测信息指示路段颠簸且所述当
前行驶路况信息指示当前路段的颠簸程度越来越大，则确定调低所述悬挂系统的阻尼系数并调高所述车辆的悬挂系统的悬挂高度。
[0021]本申请实施例通过对神经网络进行训练得到策略确定模型，从而将获取的前方路况预测信息和当前行驶路况信息输入策略确定模型，确定对车辆的悬挂系统进行调整的策略信息，由于策略确定模型是对神经网络进行训练得到的，因此，确定的策略信息对车辆进行调整的效果更好。
[0022]可选的，所述方法还包括：获取所述车辆的风阻信息；根据所述前方路况预测信息、当前行驶路况信息和风阻信息，确定对所述车辆的悬挂系统进行调整的策略信息。
[0023]可选的，所述获取所述车辆的风阻信息，包括：获取所述车辆的速度信息和形状结构信息；将所述车辆的速度信息和形状结构信息输入预设的风阻模型，得到所述车辆的风阻信息。
[0024]可选的，所述根据所述前方路况预测信息、当前行驶路况本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆行驶平稳性控制方法，其特征在于，包括：获取所述车辆在行驶过程中的前方路况预测信息和当前行驶路况信息；根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息；根据所述策略信息，对所述车辆的悬挂系统进行调整；所述根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息，包括：将所述车辆在行驶过程中的前方路况预测信息和当前行驶路况信息输入预先训练得到的策略确定模型，得到对所述车辆的悬挂系统进行调整的策略信息；所述策略确定模型是采用如下过程对神经网络的训练得到：获取训练样本数据以及所述训练样本数据对应的调整策略标注信息，所述训练样本数据包括前方路况样本数据和当前行驶路况样本数据；将所述训练样本数据作为神经网络的输入，将所述调整策略标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练，得到所述策略确定模型。2.根据权利要求1所述的方法，其特征在于，所述获取所述车辆在行驶过程中的前方路况预测信息，包括：获取所述车辆上的图像采集设备采集的所述车辆周围环境的环境图像；将所述环境图像输入预先训练得到的路况预测模型，得到所述车辆在行驶过程中的前方路况预测信息。3.根据权利要求2所述的方法，其特征在于，所述路况预测模型是采用如下过程对神经网络的训练得到的：获取车辆行驶过程中周围环境的环境样本图像以及所述环境样本图像对应的路况预测标注信息；将所述环境样本图像作为神经网络的输入，将所述路况预测标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练，得到所述路况预测模型。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述获取所述车辆的当前行驶路况信息，包括：获取所述车辆上的惯性测量单元采集的所述车辆的姿态信息；根据所述车辆的姿态信息，确定所述车辆的当前行驶路况信息。5.根据权利要求4所述的方法，其特征在于，所述根据所述车辆的姿态信息，确定所述车辆的当前行驶路况信息，包括：根据预设时间段内所述车辆的姿态信息，确定所述姿态信息的变化量；在所述姿态信息的变化量大于预设变化量的情况下，确定当前行驶路况信息为不平稳路段；在所述姿态信息的变化量小于或等于预设变化量的情况下，确定当前行驶路况信息为平稳路段。6.根据权利要求4所述的方法，其特征在于，所述根据所述车辆的姿态信息，确定所述车辆的当前行驶路况信息，包括：将所述车辆的姿态信息输入预先训练得到的路况检测模型，得到所述车辆的当前行驶路况信息。
7.根据权利要求6所述的方法，其特征在于，所述路况检测模型是采用如下过程对神经网络的训练得到的：获取所述车辆行驶过程中的姿态样本数据以及所述姿态样本数据对应的当前行驶路况标注信息；将所述姿态样本数据作为神经网络的输入，将所述当前行驶路况标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练，得到所述路况检测模型。8.根据权利要求1
‑
7任一项所述的方法，其特征在于，所述根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息，包括：若所述前方路况预测信息指示路面湿滑且所述当前行驶路况信息指示为平稳路段，则确定调低所述车辆的悬挂系统的悬挂高度。9.根据权利要求1
‑
7任一项所述的方法，其特征在于，所述根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息，包括：若所述前方路况预测信息指示路段颠簸且所述当前行驶路况信息指示当前路段的颠簸程度越来越大，则确定调低所述悬挂系统的阻尼系数并调高所述车辆的悬挂系统的悬...

【专利技术属性】
技术研发人员：王智，谭日成，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：