【技术实现步骤摘要】
本专利技术属于自动驾驶汽车控制领域，尤其是一种图像和车辆动力学融合的路面附着系数估计方法。
技术介绍
1、实时估计并监测路面附着系数对于车辆紧急避撞控制至关重要，由此可以相应地调整车辆的制动和转向控制，以提高车辆的安全性能。现有的估计方法主要分为两类：一类是基于动力学的估计器估计路面系数，该方法的优点是识别精度较高且成本较低。但是在高速、连续转弯以及路面变化等行驶条件下估计稳定性会受到较大影响，估计结果存在一定滞后性，并且需要进行较为复杂的算法设计和数据处理，实时性也存在一定挑战。另一类是采用先进的传感器直接测量路面附着系数，该方法的优点是能够对前方路面情况进行预测。但是仅能够确定路面类型，无法得到路面附着系数具体数值，并且容易受到外部环境的影响，预测时间较长，实时性较差。
2、目前，动力学和图像融合的估计方法主要是数据级融合，例如公开号cn110765909a使用支持向量机的方法所识别出的路面类型，得到附着系数经验值，利用该值与基于轮胎纵向力的扰动估计器估计的路面附着系数之差构造融合估计器，获得融合估计结果；公开号cn111688707a通过深度神经网络识别出路面类型，进而得到路面附着系数视觉估计值，并构建路面附着系数—轮胎纵向力估计器，获取当前路面附着系数估计值，最终采用模糊推理方法得到融合估计值；公开号cn111845709a将轮胎纵向动力学响应估计出的路面附着系数，对图像和激光雷达得到的路面类型对应的路面附着系数经验值进行修正，得到最终的融合值。但是，以上专利所使用的融合方法均是将道路图像确定的路面附着系数作
技术实现思路
1、本专利技术的目的是为了解决现有融合方法实时性差等问题，提供一种图像和车辆动力学融合的路面附着系数估计方法，充分利用视觉和传感器的信息且能够实现在线融合，提高估计精度和实时性。
2、为实现上述目的，本专利技术采取的技术方案如下：
3、一种图像和车辆动力学融合的路面附着系数估计方法，所述方法为：
4、步骤一：利用道路图像信息获取路面附着系数的上下界；
5、步骤二：建立三自由度车辆动力学模型和dugoff轮胎模型；
6、步骤三：采用滚动时域方法估计路面附着系数。
7、进一步地，所述步骤一具体为：
8、步骤一一：利用rcsd数据集选取不同类型的道路图像，形成训练集和验证集；
9、步骤一二：使用resnet残差神经网络对路面图像同时进行路面类型离线训练和验证，在图像分类的过程中验证集的作用是用于调整训练过程中模型的参数以及模型的能力进行初步评估，从而得到路面分类模型；
10、步骤一三：根据上述路面分类模型，在线识别道路图像；
11、步骤一四：根据在高速和低速下不同路面类型与路面附着系数映射关系，获取当前时刻路面附着系数的上下界。
12、进一步地，所述步骤二具体为：
13、步骤二一：三自由度车辆动力学模型
14、含有纵向、横向、横摆非线性三自由度车辆动力学模型的表达式如下：
15、
16、
17、
18、式中，ax为纵向加速度，m为整车质量，fxij(i＝f,r代表前后；j＝l,r代表左右)为四个车轮的纵向力，δf为前轮转角，fyij(i＝f,r代表前后；j＝l,r代表左右)为四个车轮的侧向力，ay为侧向加速度，是横摆角加速度，是γ的导数；iz为绕z轴的转动惯量，lf为质心到前轴的距离，lr为质心到后轴的距离，bf为前轮轮距，br为后轮轮距。
19、步骤二二：dugoff轮胎模型
20、本专利技术仅对路面附着系数进行估计，由下式可以看出，dugoff轮胎模型中的其他输入参数，包括轮胎受到的垂向力fz、轮胎的刚度cx和cy、滑移率s和侧偏角α，均与路面附着系数μ无关。因此，可以将dugoff模型的轮胎力进行归一化处理，表达式为：
21、
22、
23、
24、
25、其中，μ为路面附着系数，fzij(i＝f,r代表前后；j＝l,r代表左右)为四个车轮的垂向力，cx为轮胎的纵向刚度，cy为轮胎的侧向刚度，sij为四个车轮的滑移率，l为dugoff轮胎模型的一个参数，f(l)为关于l的函数，(i＝f,r代表前后；j＝l,r代表左右)为四个车轮归一化后的的纵向力，(i＝f,r代表前后；j＝l,r代表左右)为四个车轮归一化后的的侧向力，αij为四个车轮的侧偏角。
26、进一步地，所述步骤三具体为：
27、步骤三一：路面附着系数估计模型
28、根据步骤二一和步骤二二的两个表达式，整理成离散化后的非线性差分方程的形式，得到估计器的状态方程与观测方程：
29、
30、
31、
32、式中，xk+1＝[μk,vx,k,vy,k,γk]为k+1时刻估计器的状态量，μk为k时刻的路面附着系数，vx,k为k时刻的纵向速度，vy,k为k时刻的侧向速度，γk为k时刻的横摆角速度，f(xk,uk)为k时刻的状态方程，xk＝[μk,vx,k,vy,k,γk]为k时刻估计器的状态量，uk＝[δf,k]为k时刻估计器的输入量，wk为过程噪声，yk＝[ax,k,ay,k,γk]为k时刻估计器的输出量，ax,k是k时刻的纵向加速度，ay,k是k时刻的侧向加速度，h(xk,uk)为k时刻的输出方程，ek为测量噪声，δt为采样间隔，上述公式下角标k表示k时刻的物理量；wk和ek的方差分别为qk和rk，即e(wk，wkt)＝qk和e(ek，ekt)＝rk。
33、步骤三二：含修正因子的路面附着系数估计模型
34、为了降低侧偏刚度对路面附着系数估计模型的影响，这里利用真实轮胎力与计算结果的差值自适应调整轮胎的侧偏刚度，前后轮胎侧偏刚度的修正因子表达式如下：
35、
36、将修正因子作为一个状态量，对上述估计模型进行重构：估计器的状态方程与观测方程修改为：
37、
38、式中，λf为前轮侧偏刚度的修正因子，λr为后轮侧偏刚度的修正因子，为dugoff轮胎模型计算出的前轮侧向力，fyf为carsim软件中得到真实的前轮侧向力，为dugoff轮胎模型计算出的后轮侧向力，fyr为carsim软件中得到真实的后轮侧向力，xλ,k+1＝[xk+1,λfk+1,λrk+1]t为k+1时刻引入修正因子后的增广状态向量，yλ,k＝[yk,λfk,λrk]t为k时刻引入修正因子后的增广输出量，fλ(·)表示增广状态方程，hλ(·)表示增广输出方程。
39、步骤三三：滚动时域估计方法
40、滚动时域估计方法可以通过求解有限时域的数值优化问题本文档来自技高网...
【技术保护点】
1.一种图像和车辆动力学融合的路面附着系数估计方法，其特征在于：所述方法为：
2.根据权利要求1所述的一种图像和车辆动力学融合的路面附着系数估计方法，其特征在于：所述步骤一具体为：
3.根据权利要求1所述的一种图像和车辆动力学融合的路面附着系数估计方法，其特征在于：所述步骤二具体为：
4.根据权利要求3所述的一种图像和车辆动力学融合的路面附着系数估计方法，其特征在于：所述步骤三具体为：
【技术特征摘要】
1.一种图像和车辆动力学融合的路面附着系数估计方法，其特征在于：所述方法为：
2.根据权利要求1所述的一种图像和车辆动力学融合的路面附着系数估计方法，其特征在于：所述步骤一具体为：
3.根...
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。