【技术实现步骤摘要】
一种基于道路水层深度估计的驾驶决策的系统
[0001]本专利技术属于智能网联车辆、自动驾驶
,尤其涉及一种基于道路水层深度估计的驾驶决策的系统。
技术介绍
[0002]道路积水所产生的水层、水坑被称为马路上的“隐形杀手”,车辆若以较高的车速通过水层时会产生“滑水现象”。即车轮因较高的转速与水层产生极大的作用力,导致车轮无法与地面直接接触,使得车辆无法获得足够的地面制动力,最终极易造成车辆失控的严重后果。因此,驾驶员在驾驶过程中能否对行驶路径上的水层信息获得即时感知,是能否保证本车安全行驶的关键。例如高速道路由于强降雨、道路排水不畅等原因产生一定深度的积水层,由于后车驾驶员未能及时发现道路水层、错误估计水层深度,极易造成后车发生滑水现象,酿成严重的交通事故。
[0003]除了影响本车驾驶安全性外,本车驶过水层时所产生的水层飞溅会对周边交通参与者产生不同程度的消极影响。例如本车因错误估计前方水层深度,选择以较快速度驶过水层,导致大规模飞溅液体落到侧后方车辆的挡风玻璃上;这将很大程度上影响旁车的操纵控制。因此,前方车辆经过水层时所产生的水层飞溅特征是对前方水层深度、大小范围的直接反映,这对本车的决策控制具有重要的借鉴意义。
[0004]近年来,随着自动驾驶技术的发展,各类自动驾驶技术如自适应巡航(ACC,Adaptive Cruise Control)、车道保持辅助、自动紧急刹车(AEB,Autonomous Emergency Braking)等先进驾驶辅助系统(ADAS,Advanced Driv ...
【技术保护点】
【技术特征摘要】
1.一种基于道路水层深度估计的驾驶决策的系统,其特征在于,包括感知模块、前车实际响应计算模块、前车参数及输入估计模块、水层介质属性判别模块、水层飞溅特征参数识别模块、前方水层判断及水层深度预测模块和本车自动驾驶决策模块等。所述感知模块,获取道路交通信息、本车状态信息、前车状态信息、前方水层飞溅信息。其中,道路交通信息包括路面附着系数、车道宽度、车道数量、道路坡度、车道曲率、车道标志线、障碍物、交通指示牌、交通信号灯状态、行人信息、交通流信息和天气状态;本车状态信息包括本车参数δ、本车相对于地面的车身六自由度运动状态Y_ego和操纵输入;前车状态信息包括前车相对于本车的车身六自由度运动状态Y_relative、车辆外形参数、车牌信息、刹车指示灯状态、转向指示灯状态、轮胎滚动印记、喇叭警示音、轮胎路面噪声、动力传动系统噪声;前方水层飞溅信息包括飞溅液体颜色、飞溅液体反射率、飞溅液体折射率、液体飞溅轨迹、液体飞溅方向、液体飞溅时间、飞溅液体落地声音。其中,车身六自由度动力学状态包括车辆车身刚体的六个运动自由度的线速度、角速度、线加速度、角加速度、位置及姿态角;操纵输入包括转向、制动、驱动、指示灯和警示喇叭的操作。所述前车实际响应计算模块,基于感知模块输出的本车状态信息及前车状态信息,依据车辆相对运动合成原理,将本车相对于地面的车身六自由度运动状态Y_ego、前车相对于本车的车身六自由度运动状态Y_relative进行叠加,得到此时在当前路况下前车相对于路面的车身六自由度运动状态Y_real。所述前车参数及输入估计模块,包括前车参数估计子模块和前车操纵干扰输入估计子模块。其中,前车参数估计子模块,基于感知模块输出的前车状态信息中的车辆外形参数、车牌信息、轮胎滚动印记、轮胎路面噪声,并结合车辆型别数据库确定前车车辆型别,从而估计前车车辆参数γ。前车操纵干扰输入子模块,基于前车实际响应计算模块输出的前车相对路面的车身六自由度运动状态Y_real、前车参数估计子模块输出的前车车辆参数γ,通过车辆动力学模型估计前车输入I,包括操纵输入和干扰输入。所述水层飞溅特征参数识别模块,基于感知模块输出的液体飞溅轨迹、液体飞溅方向和液体飞溅时间,识别前方水层飞溅运动的特征参数α。所述水层介质属性判别模块,基于感知模块输出的飞溅液体颜色、飞溅液体反射率、飞溅液体折射率和飞溅液体落地声音,并利用液体判别方法,识别前方车辆遭遇水层的液体类型,进而得到遭遇水层液体的固有属性β。所述前方水层判断及水层深度预测模块,基于前车实际响应计算模块输出的前车相对于路面的车身六自由度运动状态Y_real、前车参数及操纵输入估计模块输出的前车车辆参数和前车操纵输入及干扰输入、水层飞溅特征参数识别模块输出的前方水层飞溅运动的特征参数α、水层介质性质判别模块输出的前方车辆遭遇水层液体的固有属性β,首先利用图像识别技术判断前方水层的尺寸及位置POS,再利用深度预测方法预测水层深度d。其中,前方水层的尺寸包括水层的长度L、宽度W。所述本车自动驾驶决策模块,首先基于感知模块输出的道路交通信息info_traffic,采用本车自动驾驶算法计算出未考虑前方水层几何尺寸及位置、水层深度d和水层属性β的初始的本车决策控制策略strategy_ini=[Vx;Vy;Yawrate;Futurepath;Susmode],其中决策控制策略包括本车未来一段时间内的纵向速度Vx、横向速度Vy、横摆角速度Yawrate、未来行驶轨迹Futurepath和悬架控制模式Susmode。下一步,基于感知模块输出的本车状态信
息和道路交通信息info_traffic、水层介质属性判别模块输出的水层属性β、前方水层判断及水层深度预测模块输出的水层尺寸及几何位置POS和水层深度d,向驾驶员输出危险等级预警的同时,利用修正策略输出本车决策控制策略修正量Δstrategy_scp=[ΔVx_scp;ΔVy_scp;ΔYawrate_scp;ΔFuturePath_scp;ΔSusMode_scp]。最后,根据修正量Δstrategy_scp对初始的本车决策控制策略strategy_ini进行修正,控制本车未来运动状态,包括本车未来的运动轨迹、线速度、线加速度、角速度、角加速度、悬架控制模式。2.如权利要求1所述基于道路水层深度估计的驾驶决策的系统,其特征在于,所述前车操纵干扰输入子模块中的估计策略,包括纵
‑
横
‑
垂三向联合估计或纵
‑
横
‑
垂三向解耦估计。纵
‑
横
‑
垂三向联合估计,具体为:基于车辆六自由度动力学模型,根据前车相对于路面的车身六自由度运动状态Y_real及道路交通信息中的道路坡度,估计前车的驱动、制动及转向的操纵输入以及干扰输入。纵
‑
横
‑
垂三向解耦估计,具体为:根据Y_real中的纵向动力学状态及道路交通信息中的纵向道路坡度,利用车辆纵向动力学模型估计前车的制动操纵输入input_brk、驱动操纵输入input_drv,干扰输入的纵向分力Fxe;根据Y_real中的横向动力学状态及道路交通信息中的横向道路坡度,利用车辆横向动力学模型估计前车的转向操纵输入input_str、干扰输入的侧向分力Fye及干扰输入的横摆分力矩Mze;接下来从Y_real中减去由input_brk、input_drv、input_str、Fxe、Fye及Mze所引起的车身六自由度运动响应Y_horizonal,将差值Y_real
‑
Y_horizonal作为车辆垂向振动模型的输入,估计得到干扰输入的垂向分力Fze、干扰输入的侧倾分力矩Mxe、干扰输入的俯仰分力矩Mye。最终估计的前车操纵输入包括制动操纵输入input_brk、驱动操纵输入input_drv、转向操纵输入input_str;估计的前车干扰输入包括干扰输入的纵向分力Fxe、横向分力Fye、垂向分力Fze、横摆分力矩Mze、侧倾分力矩Mxe及俯仰分力矩Mye。3.如权利要求1所述基于道路水层深度估计的驾驶决策的系统,其特征在于,所述水层飞溅特征参数识别模块中的识别方法,具体为:首先根据过去时间段内感知模块输出的液体飞溅方向、液体飞溅轨迹,并利用计算机视觉识别算法获得前方水层侧波飞溅的横向距离L_side、最大垂向高度H_side、纵向距离X_side,胎面飞溅最大垂向高度H_pickup、纵向距离X_pickup。接下来根据感知模块输出的液体飞溅时间,并基于物理运动定律,推导计算得到侧波速度大小V_side,侧波速度矢量在xz面内的投影与x轴夹角为θ1、在yz平面内的投影与z轴夹角为θ2、在xy平面内与y轴夹角为θ3,胎面飞溅速度大小V_pickup,胎面飞溅速度矢量与地面夹角θ4;得到水层飞溅特征属性α,包括L_side、H_side、X_side、V_side、V_pickup、θ1、θ2、θ3、θ4。4.如权利要求1所述基于道路水层深度估计的驾驶决策的系统,其特征在于,所述水层介质属性判别模块中的液体判别方法,包括基于离线数据库的查表法或基于机器学习的判别方法。基于离线数据库的查表法,具体为:制备不同类别、浓度的道路液体,记录制备的液体在飞溅状态下的基本参数,包括飞溅液体颜色LQ_color、飞溅液体反射率LQ_reflect、飞溅液体折射率LQ_refract、飞溅液体落地声音LQ_sound,并形成液体数据库。接下来根据感知模块输出的飞溅液体颜色LQ_color、飞溅液体反射率LQ_reflect、飞溅液体折射率LQ_
refract及飞溅液体落地声音LQ_sound,对照建立的液体数据库,查询当前前方飞溅液体的属性β,包括液体的类别及对应浓度。基于机器学习的判别方法,具体为:将过去时间段内感知模块获得的飞溅液体颜色、飞溅液体反射率、飞溅液体折射率、飞溅液体落地声音作为机器学习判断模型的输入,输出为前方飞溅液体的属性β,包括液体的类别及对应浓度。5.如权利要求1所述基于道路水层深度估计的驾驶决策的系统,其特征在于,所述前方水层判断及水层深度预测模块中的预测方法,包括基于机理模型的预测法或基于深度神经网络学习的预测方法。基于机理模型的预测方法,具体为,利用前车实际响应计算模块输出的前车六自由度运动状态Y_real、前车参数及输入估计模块输出的前车车辆参数γ及前车输入I、水层介质属性判别模块输出的前方飞溅液体的属性β、水层飞溅特征参数识别模块输出的前方水层飞溅运动的特征参数α及本模块先前判断的前方水层长度L、宽度W及几何位置POS,并根据水层飞溅的动力学模型预测前方水层的深度d:其中,S为前车单侧车轮驶过水层产生飞溅时水层深度计算函数,D为前车两侧车轮同时驶过水层产生飞溅时水层深度计算函数。基于深度神经网络学习的预测方法,具体为:将过去时间段内的前车六自由度运动状态Y_real、前车车辆参数γ、前车输入I、前方飞溅液体的属性β、前方水层飞溅运动的特征参数α、及本模块先前判断的前方水层长度L、宽度W及几何位置POS作为深度神经网络的输入,深度神经网络的预测结果为过去时间段内前方水层深度d。6.如权利要求1所述基于道路水层深度估计的驾驶决策的系统,其特征在于,所述本车自动驾驶决策模块中的...
【专利技术属性】
技术研发人员:李道飞,张家杰,潘豪,肖斌,陈林辉,蒋鑫,
申请(专利权)人:浙江大学,
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。