基于双目立体相机的悬架阻尼器的工作模式调整方法和系统技术方案

本发明专利技术公开了一种基于双目立体相机的悬架阻尼器的工作模式调整方法和系统，所述方法包括：采集目标区域内的原始图像，并根据所述原始图像生成深度图像；基于所述原始图像和所述深度图像，利用预存的深度学习模型得到路面状况信息；基于所述路面状态信息生成状态调整指令，以便底盘控制系统根据所述状态调整指令调整悬架阻尼器的工作模式。这样，该方法通过获取的图像信息生成路面状况信息，并基于路面状况信息自动生成用于调整悬架阻尼器的工作模式的指令，进而根据指令自动调整悬架的工作模式，以便在车辆行驶状态调整时融合相机传感器的感知信息，从而提高车辆的安全性和舒适性。性。性。

【技术实现步骤摘要】
基于双目立体相机的悬架阻尼器的工作模式调整方法和系统


[0001]本专利技术涉及智能驾驶
，具体涉及一种基于双目立体相机的悬架阻尼器的工作模式调整方法和系统。

技术介绍

[0002]随着智能驾驶的需求越来越高，准确的获取驾驶场景中的多样信息，也显得越来越重要。双目传感器系统作为同时能获取场景空间和图像信息的多用途和低成本传感器，在智能驾驶系统的作用也显得越发重要。同时，传统车辆底盘也发展出智能底盘这一形态，方便对车身进行智能控制。
[0003]因此，提供一种基于双目立体相机的悬架阻尼器的工作模式调整方法和系统，以便在车辆行驶状态调整时融合相机传感器的感知信息，从而提高车辆的安全性和舒适性，就成为本领域技术人员亟待解决的问题。

技术实现思路

[0004]为此，本专利技术实施例提供一种基于双目立体相机的悬架阻尼器的工作模式调整方法和系统，以便在车辆行驶状态调整时融合相机传感器的感知信息，从而提高车辆的安全性和舒适性。
[0005]为了实现上述目的，本专利技术实施例提供如下技术方案：一种基于双目立体相机的悬架阻尼器的工作模式调整方法，所述方法包括：采集目标区域内的原始图像，并根据所述原始图像生成深度图像；基于所述原始图像和所述深度图像，利用预存的深度学习模型得到路面状况信息；基于所述路面状况信息生成状态调整指令，以便底盘控制系统根据所述状态调整指令调整悬架阻尼器的工作模式。
[0006]进一步地，基于所述路面状况信息生成状态调整指令，之前还包括：利用预存的深度学习语义分割模型对目标区域进行分割，以得到不同类别的路面状态，并分别添加类别标签。
[0007]进一步地，利用预存的深度学习模型得到路面状况信息，基于所述路面状况信息生成状态调整指令，具体包括：通过所述深度图像重建所述目标区域的三维信息；根据所述三维信息检测车辆行驶轨迹内的地面障碍物和/或限高装置，以输出高度限制检测结果；判定所述高度限制检测结果为无法通过，则生成调高悬架指令和预警指令。
[0008]进一步地，所述深度学习模型包括深度学习分类网络，输出高度限制检测结果之后还包括：判定所述高度限制检测结果为可以通过，则利用预存的深度学习分类网络对路面
材质进行分类；根据材质分类信息通过查表得到路面附着系数，并以所述路面材质和所述路面附着系数作为所述路面状况信息；基于所述路面状况信息判定所述目标区域的地面材质为硬质路面，则生成的行驶模式调整指令。
[0009]进一步地，基于所述路面状况信息判定所述目标区域的地面材质为非硬质路面，则检测所述目标区域的不平度，并生成不平度等级；根据所述目标区域的不平度等级生成舒适模式调整指令、运动模式调整指令或行驶模式调整指令。
[0010]进一步地，检测所述目标区域的不平度，并生成不平度等级，具体包括：通过所述深度图像，计算所述目标区域的道路表面轮廓的高度信息；基于所述高度信息，利用以下公式得到所述不平度等级：其中：n为空间频率；为参考空间频率；为参考空间频率下的路面功率谱密度；W为频率指数。
[0011]本专利技术还提供一种基于双目立体相机的悬架阻尼器的工作模式调整系统，其特征在于，所述系统包括：图像获取单元，采集目标区域内的原始图像，并根据所述原始图像生成深度图像；路面状况信息获取单元，用于基于所述原始图像和所述深度图像，利用预存的深度学习模型得到路面状况信息；指令生成单元，用于基于所述路面状况信息生成状态调整指令，以便底盘控制系统根据所述状态调整指令调整悬架阻尼器的工作模式。
[0012]进一步地，所述系统还包括：类别标签生成单元，用于利用预存的深度学习语义分割模型对目标区域进行分割，以得到不同类别的路面状态，并分别添加类别标签。
[0013]本专利技术还提供一种智能终端，所述智能终端包括：数据采集装置、处理器和存储器；所述数据采集装置用于采集数据；所述存储器用于存储一个或多个程序指令；所述处理器，用于执行一个或多个程序指令，用以执行如上所述的方法。
[0014]本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于执行如上所述的方法。
[0015]本专利技术所提供的基于双目立体相机的悬架阻尼器的工作模式调整方法，通过采集目标区域内的原始图像，并根据所述原始图像生成深度图像；基于所述原始图像和所述深度图像，利用预存的深度学习模型得到路面状况信息；基于所述路面状况信息生成状态调整指令，以便底盘控制系统根据所述状态调整指令调整悬架阻尼器的工作模式。这样，该方
法通过获取的图像信息生成路面状况信息，并基于路面状况信息自动生成用于调整悬架阻尼器的工作模式的指令，进而根据指令自动调整悬架的工作模式，以便在车辆行驶状态调整时融合相机传感器的感知信息，从而提高车辆的安全性和舒适性。
附图说明
[0016]为了更清楚地说明本专利技术的实施方式或现有技术中的技术方案，下面将对实施方式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示例性的，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，还可以根据提供的附图引伸获得其它的实施附图。
[0017]本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本专利技术可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本专利技术所能产生的功效及所能达成的目的下，均应仍落在本专利技术所揭示的
技术实现思路
得能涵盖的范围内。
[0018]图1为本专利技术所提供的基于双目立体相机的悬架阻尼器的工作模式调整方法一种具体实施方式的流程图；图2为一个实施例中的原始图像；图3为图2所示实施例中的深度图像；图4为本专利技术所提供方法的搭载设备；图5为本专利技术所提供的基于双目立体相机的悬架阻尼器的工作模式调整方法另一种具体实施方式的流程图；图6为本专利技术所提供方法的一个具体使用场景下的流程图；图7为本专利技术所提供的基于深度学习的立体匹配系统一种具体实施方式的结构框图。
具体实施方式
[0019]以下由特定的具体实施例说明本专利技术的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本专利技术的其他优点及功效，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0020]为了解决自动驾驶、辅助驾驶车辆行驶体验较差的问题，本专利技术提供一种基于双目立体相机的悬架阻尼器的工作模式调整方法，其融合相机传感器感知信息，通过智能底盘调控系统，以提高驾驶行驶体验。
[0021]在一种具体实施方式中，如图1所示，本专利技术所提供的基于双目立体相机的悬架阻尼器的工作模式调整方法包括以下步骤：S101：采集目标区域内的原始图像，并根据所述原始图像生成深度图像；双目立体相机能够输出如图2所示的二维彩色图像（即原始图像）和如图3所示的深度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双目立体相机的悬架阻尼器的工作模式调整方法，其特征在于，所述方法包括：采集目标区域内的原始图像，并根据所述原始图像生成深度图像；基于所述原始图像和所述深度图像，利用预存的深度学习模型得到路面状况信息；基于所述路面状况信息生成状态调整指令，以便底盘控制系统根据所述状态调整指令调整悬架阻尼器的工作模式。2.根据权利要求1所述的悬架阻尼器的工作模式调整方法，其特征在于，基于所述路面状况信息生成状态调整指令，之前还包括：利用预存的深度学习语义分割模型对目标区域进行分割，以得到不同类别的路面状态，并分别添加类别标签。3.根据权利要求2所述的悬架阻尼器的工作模式调整方法，其特征在于，利用预存的深度学习模型得到路面状况信息，基于所述路面状况信息生成状态调整指令，具体包括：通过所述深度图像重建所述目标区域的三维信息；根据所述三维信息检测车辆行驶轨迹内的地面障碍物和/或限高装置，以输出高度限制检测结果；判定所述高度限制检测结果为无法通过，则生成调高悬架指令和预警指令。4.根据权利要求3所述的悬架阻尼器的工作模式调整方法，其特征在于，所述深度学习模型包括深度学习分类网络，输出高度限制检测结果之后还包括：判定所述高度限制检测结果为可以通过，则利用预存的深度学习分类网络对路面材质进行分类；根据材质分类信息通过查表得到路面附着系数，并以所述路面材质和所述路面附着系数作为所述路面状况信息；基于所述路面状况信息判定所述目标区域的地面材质为硬质路面，则生成的行驶模式调整指令。5.根据权利要求4所述的悬架阻尼器的工作模式调整方法，其特征在于，基于所述路面状况信息判定所述目标区域的地面材质为非硬质路面，则检测所述目标区域的不平度，并生成不平度...

【专利技术属性】
技术研发人员：杨超，王欣亮，苏文秀，李林可，裴姗姗，姚纯纯，肖志鹏，
申请(专利权)人：北京中科慧眼科技有限公司，
类型：发明
国别省市：