基于路径规划的速度约束方法、可读存储介质及计算机技术

本发明专利技术提供一种基于路径规划的速度约束方法、可读存储介质及计算机，该方法包括：获取车辆行驶方向的前方路面的图像信息；建立路面类型识别网络，将前方路面的图像信息输入至路面类型识别网络进行路面类型识别，并将识别出的路面类型与典型路面类型进行匹配，以确定前方路面的路面附着系数；提取前方路面的图像信息中的车道线信息，通过多项式拟合和车道线信息确定车道线曲线方程，并通过车道线曲线方程计算出曲率半径；根据路面附着系数和曲率半径确定车辆的低附弯道工况安全行驶临界车速；根据低附弯道工况安全行驶临界车速和目标车速计算出车辆的约束速度。本发明专利技术可提高车辆自动驾驶状态下通过低附弯道工况的行驶安全性。驾驶状态下通过低附弯道工况的行驶安全性。驾驶状态下通过低附弯道工况的行驶安全性。

【技术实现步骤摘要】
基于路径规划的速度约束方法、可读存储介质及计算机


[0001]本专利技术涉及自动驾驶
，特别涉及一种基于路径规划的速度约束方法、可读存储介质及计算机。

技术介绍

[0002]随着汽车工业的快速发展以及智能化水平的不断提高，高阶智能驾驶技术越来越多的应用到量产车型，未来车辆将实现无人驾驶也已成为行业共识。无人驾驶汽车、辅助驾驶智能汽车机器接管阶段由自动驾驶系统负责感知周围环境、规划行驶路径并控制车辆安全行驶，自动驾驶系统的驾驶安全尤为重要。
[0003]当车辆行驶在湿滑、冰雪等附着系数较低的路面时，车辆容易出现侧滑、甩尾等危险情况，弯道行驶时情况尤甚。区别于驾驶员驾驶车辆，智能驾驶车辆当前的自动驾驶系统普遍不识别低附弯道工况，对于该危险工况并无预见性；在该工况下行车安全性主要由车辆稳定性程序(ESP)等主动安全模块保证，但当ESP触发以保护行车安全时，车辆已接近安全临界状态，存在一定的安全风险，因此提高智能汽车在低附弯道这一典型危险工况下的行驶安全极为重要。

技术实现思路

[0004]基于此，本专利技术的目的是提供一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于路径规划的速度约束方法，其特征在于，包括：步骤一：获取车辆行驶方向的前方路面的图像信息；步骤二：建立路面类型识别网络，将所述前方路面的图像信息输入至所述路面类型识别网络进行路面类型识别，并将识别出的路面类型与典型路面类型进行匹配，以确定所述前方路面的路面附着系数；步骤三：提取所述前方路面的图像信息中的车道线信息，通过多项式拟合和所述车道线信息确定车道线曲线方程，并通过所述车道线曲线方程计算出曲率半径；步骤四：根据所述路面附着系数和所述曲率半径确定所述车辆的低附弯道工况安全行驶临界车速；步骤五：根据所述低附弯道工况安全行驶临界车速和目标车速计算出所述车辆的约束速度。2.根据权利要求1所述的基于路径规划的速度约束方法，其特征在于，所述步骤二包括：分别建立路面图像数据集、图像路面区域提取模型以及路面类型识别模型；将所述前方路面的图像信息输入至所述图像路面区域提取模型，以得到包含路面区域的图像；将所述包含路面区域的图像输入至所述路面类型识别模型进行识别，并根据识别完成后的图像和不同类型路面附着系数范围确定所述前方路面的路面附着系数。3.根据权利要求2所述的基于路径规划的速度约束方法，其特征在于，分别建立路面图像数据集、图像路面区域提取模型以及路面类型识别模型的步骤包括：将待识别的路面类型定义为若干个道路类型，并分别获取各所述道路类型的道路图像；对各所述道路类型的道路图像进行路面范围标注以得到灰度标签图集，并将所述灰度标签图集作为所述路面图像数据集；采用编码器
‑
解码器结构的语义分割网络建立所述图像路面区域提取模型，并将所述路面图像数据集输入至所述图像路面区域提取模型进行训练，将各所述道路类型的道路图像输入至训练后的图像路面区域提取模型进行提取，以得到包含图像路面区域的数据集；利用卷积神经网络建立路面类型识别模型，将所述包含图像路面区域的数据集输入至所述路面类型识别模型中进行训练，以得到路面类型识别网络。4.根据权利要求1所述的基于路径规划的速度约束方法，其特征在于，所述步骤三包括：对所述前方路面的图像信息进行预处理，并以图像坐标系为参考坐标，提取预处理后的图像信息中的车道线像素，以获取对应的车道线二值图像；将所述车道线二值图像划分为左侧图像和右...

【专利技术属性】
技术研发人员：孙俊，胡一明，曾德全，吴名芝，颜检，王旭华，张周平，涂培培，田玥，杨光程，
申请(专利权)人：南昌智能新能源汽车研究院，
类型：发明
国别省市：