一种基于车道线检测的智能车辆编队系统控制方法技术方案

本发明专利技术公开一种基于车道线检测的智能车辆编队系统控制方法，属于汽车控制技术领域。该方法是通过单目摄像头和双目摄像头分别感知车道线信息和车辆前方障碍物与车距信息，分析实时车队间纵向距离，完成对纵向距离的控制以减少风阻，横向方向通过车道线识别技术，提前获取车道曲率变化信息，最优车道中心线信息，对车辆横向控制与航向角控制。本发明专利技术解决障碍物干扰及车道线突变时可能发生的意外情况，与现有的车辆编队方法相比，提高了编队车辆的横向控制稳定，且应用方法简单可靠，提升了车辆编队的燃油经济性、行驶稳定性及安全性，可以在不增加过多成本前提下完成更多复杂的应用场景。的应用场景。的应用场景。

【技术实现步骤摘要】
一种基于车道线检测的智能车辆编队系统控制方法


[0001]本专利技术涉及汽车控制
，更为具体地说是指一种基于车道线检测的智能车辆编队系统控制方法。

技术介绍

[0002]车道线检测装置获取的是车辆驾驶环境的感知数据，检测一般基于单目摄像头。检测方法主要可以分为传统的图像处理法和基于深度学习法。图像处理法基于边缘特征或者是图像分割，通过对图像的预处理特征提取等方式与卡尔曼滤波等算法相结合完成状态估计，在识别到车道线后，经过处理形成智能车能理解的信息。
[0003]车辆编队指2辆或以上卡车通过车间通信（V2V）进行通讯，以近距离间距编队形式在道路上行驶。车辆编队技术可有效控制车辆之间的距离和车队的行驶状态，减小车队行驶中的风阻，从而降低车辆的燃油消耗，列队跟驰的应用也将大大降低驾驶员的工作强度，提升驾驶安全性，降低商用车运营成本。为应对复杂多变的行车环境，不单单包含良好路面直线行驶路况。车队在实际道路中行驶时，领航车与跟随车行驶时的跟车距离是时变的，实际行驶时领航车的路径常为不确定的任意曲线。频繁的目标遮挡，目标检测的准确度、实时性问题都对最终结果产生剧烈的影响。因此，良好车道检测功能与车队间动力学一致性对车队的安全行驶至关重要。

技术实现思路

[0004]本专利技术提供一种基于车道线检测的智能车辆编队系统控制方法，以解决现有车辆编队在遇到车道线突变或障碍物干扰等意外情况时，难以保持车辆编队行驶稳定性等确定。
[0005]本专利技术采用如下技术方案：一种基于车道线检测的智能车辆编队系统控制方法，包括以下步骤：（1）、通过双目摄像头拍摄的图像获取障碍物、车间距信息，而单目摄像头拍摄的图像获取车道线信息；（2）、对步骤（1）收集到的图像进行灰度化和降噪处理，并采用卡尔曼滤波提取周围车辆像素点信息和车道线像素点信息；（3）、双目摄像头判断车辆是否在安全距离内，若小于，对车辆减速操作；若在安全距离内则车距保持，达到对车辆纵向控制；（4）、实时获取车道线，若未监测到车道线，则报错上位机，进行人为介入；若监测到车道线，则控制车辆在预测车道中央行驶，达到对车辆的横向控制，并通过获取车道线的曲率信息，对车辆航向角进行修正；（5）、完成整车智能控制后，使车队间进行V2V通信交互，完成对车辆编队系统的控制。
[0006]一较佳实施方案中，上述步骤（2）卡尔曼滤波过程的具体过程如下：
a）、对目标的运动模型构建、历史信息预测以及状态估计；b）、通过观测方程产生观测信息，观测方程为：，其中， 为测量结果，为观测矩阵，
ꢀꢀ
为高斯分布的观测噪音；c）、测量更新方程：
ꢀꢀ
，其中，
ꢀꢀ
表示t
‑
1时刻t的后验状态估计值；d）、计算误差增益：
ꢀꢀ
，其中，
ꢀꢀ
表示t
‑
1时刻t的直接测量值，H为观测矩阵，R为测量方程协方差矩阵；e）、计算协方差矩阵：
ꢀꢀ
，过滤掉不可达的图像，去除杂点。
[0007]进一步地，上述步骤a）采用如下公式：
ꢀꢀ
，其中，
ꢀꢀ
为t时刻的状态向量，即为被估计的物理量；
ꢀꢀ
为状态转移矩阵，表示上时刻对当前状态的影响，
ꢀꢀ
为控制输入矩阵，表示外界物理量到的影响状态量；
ꢀꢀ
为控制量，表示外界作用当前状态量的影响的物理量；
ꢀꢀ
是图像上分布的过程噪音。
[0008]进一步地，上述步骤（4）对车辆航向角进行修正的具体过程如下：当车辆距离两侧的车道线过近，超过预先设定的阈值时，通过控制及时调整车辆的方向盘角度，使其实时在规划设定的车道中央行驶。
[0009]由上述对本专利技术的描述可知，和现有技术相比，本专利技术具有如下优点：1、本专利技术针对车辆编队系统运行时，通过单目摄像头和双目摄像头分别感知车道线信息和车辆前方障碍物与车距信息，分析实时车队间纵向距离，完成对纵向距离的控制以减少风阻，横向方向通过车道线识别技术，提前获取车道曲率变化信息，最优车道中心线信息，对车辆横向控制与航向角控制。本专利技术解决障碍物干扰及车道线突变时可能发生的意外情况，与现有的车辆编队方法相比，提高了编队车辆的横向控制稳定，且应用方法简单可靠，提升了车辆编队的燃油经济性、行驶稳定性及安全性，可以在不增加过多成本前提下完成更多复杂的应用场景。
[0010]2、本专利技术采用卡尔曼滤波提取周围车辆像素点信息和车道线像素点信息，过滤掉不可达的图像，去除杂点，提升后续分析判断的精度与运行效率。
附图说明
[0011]图1为本专利技术智能车辆编队系统的示意图。
[0012]图2为本专利技术的流程图。
具体实施方式
[0013]下面参照附图说明本专利技术的具体实施方式。为了全面理解本专利技术，下面描述到许多细节，但对于本领域技术人员来说，无需这些细节也可实现本专利技术。对于公知的组件、方法及过程，以下不再详细描述。
[0014]本实施例提供一种基于车道线检测的智能车辆编队系统控制方法，其中，参照图1，智能车辆编队系统包括一辆领航车和若干辆跟随车，领航车的前保险杠处安装有单目摄像头，用于感知车道线信息；而每辆跟随车的前保险杠处则安装有双目摄像头，用于感知跟
随车与前车的间距信息，前车可以是障碍物、跟随车或者领航车。跟随车与领航车之间、跟随车与跟随车之间均通过V2V通信交互。
[0015]以下描述的横向是指道路线的宽度方向，纵向则是道路线的延伸方向，即车辆的行驶方向。
[0016]参照图2，本专利技术基于车道线检测的智能车辆编队系统控制方法，包括以下步骤：（1）、通过双目摄像头拍摄的图像获取障碍物、车间距信息，而单目摄像头拍摄的图像获取车道线信息。
[0017]（2）、对步骤（1）收集到的图像进行灰度化和降噪处理，并采用卡尔曼滤波提取周围车辆像素点信息和车道线像素点信息。其中，卡尔曼滤波过程的具体过程如下：a）、对目标的运动模型构建、历史信息预测以及状态估计。采用如下公式：
ꢀꢀ
，其中，
ꢀꢀ
为t时刻的状态向量，即为被估计的物理量；
ꢀꢀ
为状态转移矩阵，表示上时刻对当前状态的影响，
ꢀꢀ
为控制输入矩阵，表示外界物理量到的影响状态量；
ꢀꢀ
为控制量，表示外界作用当前状态量的影响的物理量；
ꢀꢀ
是图像上分布的过程噪音。
[0018]b）、通过观测方程产生观测信息，观测方程为：
ꢀꢀ
，其中， 为测量结果， 为观测矩阵， 为高斯分布的观测噪音；c）、测量更新方程：
ꢀꢀ
，其中, 表示t
‑
1时刻t的后验状态估计值；d）、计算误差增益： ，其中，表示t
‑
1时刻t的直接测量值，H为观测矩阵，R为测量方程协方差矩阵；e）、计算协方差矩阵： ，过滤掉不可达的图像，去除杂本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于车道线检测的智能车辆编队系统控制方法，其特征在于，包括以下步骤：（1）、通过双目摄像头拍摄的图像获取障碍物、车间距信息，而单目摄像头拍摄的图像获取车道线信息；（2）、对步骤（1）收集到的图像进行灰度化和降噪处理，并采用卡尔曼滤波提取周围车辆像素点信息和车道线像素点信息；（3）、双目摄像头判断车辆是否在安全距离内，若小于，对车辆减速操作；若在安全距离内则车距保持，达到对车辆纵向控制；（4）、实时获取车道线，若未监测到车道线，则报错上位机，进行人为介入；若监测到车道线，则控制车辆在预测车道中央行驶，达到对车辆的横向控制，并通过获取车道线的曲率信息，对车辆航向角进行修正；（5）、完成整车智能控制后，使车队间进行V2V通信交互，完成对车辆编队系统的控制。2.如权利要求1所述的一种基于车道线检测的智能车辆编队系统控制方法，其特征在于，所述步骤（2）卡尔曼滤波过程的具体过程如下：a）、对目标的运动模型构建、历史信息预测以及状态估计；b）、通过观测方程产生观测信息，观测方程为：，其中...

【专利技术属性】
技术研发人员：蒋金，卢涛，王岱安，黄志伟，康林，
申请(专利权)人：厦门金龙联合汽车工业有限公司，
类型：发明
国别省市：