用于使铰接式车辆组合体倒车的方法技术

本公开涉及一种用于使铰接式车辆组合体(1)沿着道路(RS)的道路曲率(R)倒车的方法，包括：获得(S1)表示相对于铰接式车辆组合体的向后视图的图像数据，其特征在于，该方法进一步包括：检测(S2)所述图像数据中的道路的道路边缘(RE

【技术实现步骤摘要】
【国外来华专利技术】用于使铰接式车辆组合体倒车的方法


[0001]本专利技术涉及一种用于使铰接式车辆组合体倒车的方法。本专利技术还涉及一种用于铰接式车辆组合体的控制单元和/或一种铰接式车辆组合体。
[0002]本专利技术可以应用于重型车辆，例如卡车、公共汽车和建筑设备。尽管将针对重型铰接式车辆组合体来描述本专利技术，但本专利技术不限于这种特定车辆，还可以用在其它车辆中，例如乘用轿车、轮式装载机、挖掘机和反铲装载机。

技术介绍

[0003]驾驶员辅助系统经常用于现代车辆(包括卡车)中，用于辅助驾驶员执行某些驾驶操作。例如，众所周知的是使用巡航控制系统、遵循所印刷的车道标记的车道保持辅助系统以及用于倒车的驾驶辅助系统。
[0004]对于例如卡车，尤其对于卡车和挂车组合体(铰接式车辆组合体)，倒车对驾驶员来说可能是一项具有挑战性的任务。为此，例如已知在倒车期间通过使用例如面向后的相机来支持驾驶员。当沿着行驶路径使铰接式车辆组合体倒车和转向时，可以通过使用所显示的相机图像来支持驾驶员。
[0005]作为另一个示例，还已知提供了更高级的系统，其中驾驶员不需要例如在倒车期间使铰接式车辆组合体转向。这样的系统可以使用GNSS(全球导航卫星系统)定位数据作为用于使铰接式车辆组合体沿着行驶路径倒车的输入。
[0006]然而，已经发现在某些情况下无法使用GNSS定位数据，因为存在具有无线电盲区的区域。例如，在终点区域和/或森林道路上，铰接式车辆组合体可能无法可靠地接收到GNSS定位数据。
[0007]因此，鉴于上述情况，努力开发更先进的用于使铰接式车辆组合体倒车的方法。

技术实现思路

[0008]本专利技术的一个目的是提供一种改进的用于使铰接式车辆组合体沿着道路的道路曲率倒车的方法、一种改进的用于铰接式车辆组合体的控制单元和/或包括控制单元的铰接式车辆组合体。
[0009]根据本专利技术的第一方面，所述目的通过根据权利要求1的方法来实现。根据本专利技术的第二方面，所述目的通过根据权利要求12的控制单元来实现。根据第三方面，所述目的通过根据权利要求22的铰接式车辆组合体来实现。
[0010]根据第一方面，所述目的通过一种用于使铰接式车辆组合体沿着道路的道路曲率倒车的方法来实现。所述方法包括：
[0011]获得表示相对于所述铰接式车辆组合体的向后视图的图像数据；
[0012]检测所述图像数据中的所述道路的道路边缘；
[0013]确定所检测到的各个道路边缘的多个纵向位置和横向位置；
[0014]基于所确定的横向位置和纵向位置来计算所述道路的道路曲率；
[0015]计算用于保持在所述道路上的车辆路径曲率；以及
[0016]通过将铰接式车辆组合体自动转向以遵循所计算的车辆路径曲率从而遵循所述道路曲率来使所述铰接式车辆组合体倒车，其中，通过使用图像分析算法来检测所述道路边缘，该图像分析算法是基于多个不同道路类型的多种预定义类型的道路边缘。
[0017]通过提供本文中公开的方法，实现了铰接式车辆组合体的改进的倒车，其中，所述铰接式车辆组合体在倒车时遵循道路的道路曲率而不偏离道路，或至少基本上不偏离道路。更具体地，已经认识到，在某些情况下，传统的倒车辅助系统可能无法可靠地确定和/或获得关于道路的道路曲率的信息。例如，如果车辆位于森林道路上或在被高建筑物包围的道路上，则可能无法接收到GNSS定位数据。此外，在某些情况下，向后监测(projecting)的感知传感器也可能难以有效地识别铰接式车辆组合体后方的道路的道路边缘。因此，通过使用本文中公开的图像分析算法，可以有效地识别不同类型道路的不同类型的道路边缘。例如，森林道路可能包括砾石、泥土、草、土壤、碎屑等，因此可能难以识别森林道路的道路边缘。作为另一个示例，柏油道路例如可能被冰、雪和/或碎片覆盖，因此也可能难以识别此类道路的道路边缘。通过使用基于多个不同道路类型的多种预定义类型的道路边缘的图像分析算法，可以有效地识别倒车期间的道路边缘。
[0018]可选地，所述图像分析算法可以是神经网络算法。仍然可选地，所述多个不同道路类型的多种预定义类型的道路边缘可以通过使用神经网络训练算法来获得，其中，该神经网络训练算法已经基于不同道路类型的图像数据进行了训练，其中，所述不同道路类型的道路边缘至少最初已被手动标注。因此，该神经网络训练算法本身可以学习如何识别道路边缘，而且已经发现对道路边缘进行手动标注是有利的，以进一步改进该方法的道路边缘检测。例如，某些道路(例如不同的森林道路)的道路边缘对于神经网络训练算法来说可能难以识别，在这种情况下，让人类手动标注道路边缘可能是有益的，在神经网络训练算法已经开始获得多个不同道路类型的不同类型的道路边缘之后也是如此。
[0019]可选地，所述图像分析算法可以基于霍夫变换。已经发现霍夫变换是上述神经网络算法的一个很好的替代方案。
[0020]可选地，可以通过对所获得的图像数据使用距离测量校准算法来进一步确定所述横向位置和纵向位置。仍然可选地，该距离测量校准算法可以包括图像中的配准像素位置，其中，该图像表示相对于所述铰接式车辆组合体的向后视图的对应视图，并且其中，这些像素位置与到车辆组合体后方的对象的相应已知的横向距离和纵向距离相关联。通过使用距离测量校准算法，可以在倒车期间提供离所识别的道路边缘的更准确的纵向距离和横向距离。因此，可以进一步改善道路曲率遵循(road curvature following)，从而降低在倒车期间偏离道路的风险。
[0021]可选地，该距离测量校准算法可以包括前视点(look ahead point)的一个或多个配准像素位置，该前视点位于车辆组合体后方在纵向方向上的预定义距离处，其中，所述方法进一步包括：
[0022]通过使用所获得的图像数据，确定指示所述前视点相对于所计算的道路曲率的横向位移的值，并且其中，通过将铰接式车辆组合体自动转向以遵循所计算的车辆路径曲率从而遵循所述道路曲率来使所述铰接式车辆组合体倒车是通过使用所确定的指示所述横向位移的值而进一步执行的。已经发现，基于预定义的前视点和指示前视点相对于所计算
的道路曲率的横向位移的值来提供自动转向命令是有利的。因此，可以响应于指示前视点的横向位移的值来提供转向命令。此外，通过使用上述方式，可以提供用于遵循道路的便利的计算过程，其需要减少的计算工作量。因此，可以提供更成本有效的方法，从而需要较少复杂的计算资源。此外，这也可意味着更快的处理，降低了例如时间滞后的风险。
[0023]可选地，通过将车辆组合体自动转向以遵循所计算的车辆路径曲率从而遵循所述道路曲率来使所述车辆组合体倒车可以通过使用用于所述铰接式车辆组合体的预定义的几何车辆模型来执行，其中，该几何车辆模型基于当所述铰接式车辆组合体相对于曲率半径倒车移动时、与所述铰接式车辆组合体相关的几何变量是如何相互关联的，其中，这些几何变量包括关于所述曲率半径的铰接角度变量(phi_ref)和关于所述曲率半径的横向位移变量(y_lateral)中的任一个本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于使铰接式车辆组合体(1)沿着道路(RS)的道路曲率(R)倒车的方法，包括：获得(S1)表示相对于所述铰接式车辆组合体的向后视图的图像数据，其特征在于，所述方法进一步包括：检测(S2)所述图像数据中的所述道路的道路边缘(RE
L
、RE
R
)；确定(S3)所检测到的各个道路边缘的多个纵向位置和横向位置；基于所确定的横向位置和纵向位置来计算(S4)所述道路的道路曲率(R)；计算(S5)用于保持在所述道路(R)上的车辆路径曲率(PC)；以及通过将所述铰接式车辆组合体自动转向以遵循所计算的车辆路径曲率(PC)从而遵循所述道路曲率(R)来使所述铰接式车辆组合体倒车(S6)，其中，通过使用图像分析算法来检测所述道路边缘，所述图像分析算法基于多个不同道路类型的多种预定义类型的道路边缘。2.根据权利要求1所述的方法，其中，所述图像分析算法是神经网络算法。3.根据权利要求2所述的方法，其中，所述多个不同道路类型的多种预定义类型的道路边缘是通过使用神经网络训练算法获得的，其中，所述神经网络训练算法已经基于不同道路类型的图像数据进行训练，其中，所述不同道路类型的道路边缘至少最初已经被手动标注。4.根据权利要求1所述的方法，其中，所述图像分析算法基于霍夫变换。5.根据前述权利要求中的任一项所述的方法，其中，通过对所获得的图像数据使用距离测量校准算法来进一步确定所述横向位置和纵向位置。6.根据权利要求5所述的方法，其中，所述距离测量校准算法包括图像中的配准像素位置，其中，所述图像表示相对于所述铰接式车辆组合体的向后视图的对应视图，并且其中，所述像素位置与到所述车辆组合体后方的对象的相应已知的横向距离和纵向距离相关联。7.根据权利要求5或6中的任一项所述的方法，其中，所述距离测量校准算法包括前视点(L_look_ahead)的一个或多个配准像素位置，所述前视点(L_look_ahead)位于所述车辆组合体后方在纵向方向上的预定义距离(L)处，其中，所述方法进一步包括：通过使用所获得的图像数据，确定指示所述前视点(L_look_ahead)相对于所计算的道路曲率(R)的横向位移(y_lateral、phi_ref)的值，并且其中，通过将所述铰接式车辆组合体自动转向以遵循所计算的车辆路径曲率(PC)从而遵循所述道路曲率(R)来使所述铰接式车辆组合体倒车是通过使用所确定的指示所述横向位移的值而进一步执行的。8.根据前述权利要求中的任一项所述的方法，其中，通过将所述车辆组合体自动转向以遵循所计算的车辆路径曲率(PC)从而遵循所述道路曲率(R)来使所述车辆组合体倒车是通过使用用于所述铰接式车辆组合体的预定义的几何车辆模型来执行的，其中，所述几何车辆模型基于当所述铰接式车辆组合体相对于曲率半径倒车移动时、与所述铰接式车辆组合体相关联的几何变量是如何相互关联的，其中，所述几何变量包括关于所述曲率半径的铰接角度变量(phi_ref)和关于所述曲率半径的横向位移变量(y_lateral)中的任一个。9.根据权利要求7和8所述的方法，其中，所述几何车辆模型包括以下等式中的任一个：(L2*cos(phi_ref)+C)/(sin(phi_ref))＝PR；(L^2+y_lateral^2)/(2*y_lateral)＝PR；其中，PR是车辆路径曲率半径，L2是所述车辆组合体的后挂车轴距长度，C是倒数第二
个挂车联接点距倒数第二个挂车后桥的距离，phi_ref是与所述前视点相对于所述道路曲率(R)的横向位移相对应的挂车铰接角度，L是所述前视点在所述车辆组合体后方在纵向方向上的预定义距离，并且y_lateral是所述前视点相对于所述道路曲率(R)的所述横向位移。10.根据前述权利要求中的任一项所述的方法，其中，所述多个不同道路类型包括碎石道路、森林道路、泥土道路、带有印刷的车道或其它道路标记的终点道路等中的至少一种。11.根据前述权利要求中的任一项所述的方法，其中，通过将所述铰接式车辆组合体自动转向以遵循所计算的车辆路径曲率(PC)从而遵循所述道路曲率(R)来使所述铰接式车辆组合体倒车是通过进一步获得指示所述车辆组合体的当前铰接角度的当前铰接角度值并且响应于所述当前铰接角度值控制所述铰接式车辆组合体的转向来执行的。12.一种用于铰接式车辆组合体的控制单元(100)，所述铰接式车辆组合体...

【专利技术属性】
技术研发人员：丹尼尔，
申请(专利权)人：沃尔沃卡车集团，
类型：发明
国别省市：