System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种主动安全的电动汽车轨迹跟踪控制方法技术_技高网

一种主动安全的电动汽车轨迹跟踪控制方法技术

技术编号:41368004 阅读:9 留言:0更新日期:2024-05-20 10:15
本发明专利技术涉及汽车驾驶控制技术领域,具体涉及一种主动安全的电动汽车轨迹跟踪控制方法,轨迹跟踪控制步骤为:S1、车辆在山区农村道路行进时,驾驶员自主进行驾驶行进,车辆通过定位模块对车辆行进的路线进行记录存储,通过记录模块,对当前驾驶员的驾驶习惯与行为进行记录,加以存储;S2、在二次驾驶后,驾驶员将车记录的路线进行设定。本申请通过驾驶员预先对在未知的山区道路驾驶,车辆对当前驾驶的道路与驾驶习惯进行记录存储,在下次驾驶时,去按照记录的道路路线进行轨迹跟踪,防止了山区与农村的道路情况多变化,卫星导航难以及时的将道路情况做出修正更新的情况,让汽车在主动行进中,减少安全隐患,实时警示着驾驶员。

【技术实现步骤摘要】

本专利技术属于汽车驾驶控制,具体为一种主动安全的电动汽车轨迹跟踪控制方法


技术介绍

1、汽车轨迹跟踪是指通过一系列的控制系统和技术,使汽车能够精确地按照预设的路径或轨迹行驶,这种技术在自动驾驶、无人驾驶和高级驾驶辅助系统等领域具有广泛的应用前景,汽车轨迹跟踪的关键在于实时获取车辆的位置、速度和方向等信息,并与预设轨迹进行比对和计算,控制系统根据这些信息生成相应的控制指令,通过调整车辆的转向、加速和制动等动作,使车辆能够紧密地跟随预设轨迹,而当车辆行驶在山区与农村的路面时,由于山区与农村的道路情况多变化,并存在有多数的没有记录的小路,卫星导航难以及时的将道路情况做出修正更新,驾驶员在继续按照汽车轨迹跟踪行进时,存在着车道路况的变化,从而导致汽车主动行进中,存在安全隐患,行进时存在着绕路的情况,导致行进路程增加,非常不便,对此,我们提出了一种主动安全的电动汽车轨迹跟踪控制方法。


技术实现思路

1、针对现有技术的不足,本专利技术提供了一种主动安全的电动汽车轨迹跟踪控制方法,以解决以上技术问题。

2、为实现上述目的,本专利技术提供如下技术方案:一种主动安全的电动汽车轨迹跟踪控制方法,轨迹跟踪控制步骤为:

3、s1、车辆在山区农村道路行进时,驾驶员自主进行驾驶行进,车辆通过定位模块对车辆行进的路线进行记录存储,通过记录模块,对当前驾驶员的驾驶习惯与行为进行记录,加以存储;

4、s2、在二次驾驶后,驾驶员将车记录的路线进行设定,按照路线行进;

5、s3、车辆行进时,通过传感设备对两侧的车道线或行进物体进行探测;

6、s4、在传感设备监测到车辆压线情况后,反馈至车辆座椅处,车辆座椅内设置有震动模块,通过震动模块对驾驶员进行震动警示,驾驶员做出辅助调整,将车辆行进至车道线内;

7、s5、在车辆行驶至泥路时,传感设备对车辆周围物体进行探测,车辆通过存储的驾驶习惯来做出预判,对泥路上存在的坑洼,障碍物做出警示,让驾驶员及时做出车辆位置的调整,辅助驾驶。

8、优先地,s1步骤中定位模块用以实时获取车辆的位置信息,确定车辆的位置,将车辆行进的路线上传至导航地图中,定位方式通过卡尔曼滤波算法去对车辆进行定位,通过预测与更新的方式,对不同传感器的数据进行融合,去得到车辆的位置。

9、优先地,卡尔曼滤波算法包括状态预测公式与状态更新公式,状态预测公式为:

10、m(k|k-1)=φm(k-1|k-1)+o(k-1)

11、其中m(k|k-1)为当前时刻的预测值,φ为状态转移矩阵,m(k-1|k-1)为上一时刻的最优估计值,o(k-1)为噪声过程的控制矩阵;

12、状态更新公式为:

13、m(k|k)=m(k|k-1)+k(k)[z(k)-g(k|k-1)]

14、其中m(k|k)为当前时刻的最优估计值,z(k)为当前时刻的观测值,g为观测矩阵,z为观测向量,k(k)为卡尔曼增益。

15、优先地,s1步骤中存储方式通过网络云存储的方式进行数据的存储,网络云通过用户注册登录进入,调出内部存储的数据,记录模块记录步骤为:

16、a1、在车辆行进过程中,通过车辆的仪表盘与传感器来对车辆的行驶数据进行收集;

17、a2、对收集的数据进行预处理,将预处理后的数据进行特征的提取,特征为车辆行驶的变化情况;

18、a3、构建出驾驶习惯识别模型,采用聚类算法进行计算;

19、a4、采用数据集对模型进行训练优化,将模型进行应用,来识别出驾驶员的驾驶习惯;

20、a1步骤中收集的数据包括有车辆的行驶速度、车辆的转向角度、车辆的刹车情况,车辆的行进路线的曲折情况;

21、a3步骤中聚类算法公式为:

22、(s_i=\f{1}{|s_i|}\sum_{x_i\in s_i}x_i)

23、上述公式为簇的中心点计算公式;

24、(d(x_i s_i)=\sq{(x_i s_i)^2})

25、上述公式为数据点到簇中心的距离;

26、(s_i={x_i|d(x_i s_i)\leq d(x_i c_j)\forall j\neq k})

27、上述公式为数据点归属簇的更新;

28、其中3组公式字母表示为:(s_i)表示第k个簇的中心点,(s_i)表示第k个簇中的数据点集合,(x_i)表示第i个数据点,(d(x_is_i))表示数据点(x_i)到簇中心点(s_i)的距离。

29、优先地,s2步骤中驾驶员通过登录网络云的账号来设定车辆行进路线,寻找到记录存储的路线调出,车辆按照调出路线进行行进。

30、优先地,s3步骤中传感设备包括雷达传感器与摄像头,雷达传感器用以发射与接收无线电波来探测车辆周围存在的障碍物与车辆情况,摄像头用以捕捉车辆与路面情况。

31、优先地,s4步骤中传感设备通过摄像头进行检测,在车辆行进过程中,摄像头实时采集周围车道线,通过对采集的图像进行边缘检测出车道线,来提取判断出车辆是否位于车道内,边缘检测通过sobel算法进行判断;当判断出车辆存在压线的情况下,车辆进行及时反馈,传递出电信号至震动模块内,震动模块通过数字信号进行输入,通过二进制表示,根据接收得到的数字信号产生震动,去让座椅产生震动,警示驾驶员。

32、优先地,sobel算法公式为:

33、g=[f(x,y)+2f(x,y)+f(x,y)]-[f(x,y)+2f(x,y)+f(x,y)]

34、其中f(x,y)表示为图像中像素x,y的灰度值;

35、将公式使用3*3的卷积核与图像进行卷积计算,计算像素点的梯度幅度与方向,计算公式为:

36、p=sq(px^2+py^2)

37、k=ar(py/px)

38、其中p表示为梯度幅度值,k表示为梯度方向,px与py为经横向及纵向边缘检测的图像。

39、优先地,s5步骤中传感设备通过摄像头对路面情况进行监测,在车辆行进前,预先调出记录模块存储的驾驶习惯,通过分析来获得当前道路的车辆驾驶情况,在经过坑洼路面前,根据获取的车辆驾驶情况来做出警示。

40、优先地,分析方法通过根据时间内经过的道路所做出的行为进行比对,当车辆行驶至坑洼道路时,按照驾驶习惯进行调整。

41、与现有技术相比,本专利技术的有益效果如下:

42、本申请通过驾驶员预先对在未知的山区道路驾驶,车辆对当前驾驶的道路与驾驶习惯进行记录存储,在下次驾驶时,去按照记录的道路路线进行轨迹跟踪,防止了山区与农村的道路情况多变化,卫星导航难以及时的将道路情况做出修正更新的情况,让汽车在主动行进中,减少安全隐患,实时警示着驾驶员。

本文档来自技高网...

【技术保护点】

1.一种主动安全的电动汽车轨迹跟踪控制方法,其特征在于,轨迹跟踪控制步骤为:

2.根据权利要求1所述的主动安全的电动汽车轨迹跟踪控制方法,其特征在于:S1步骤中定位模块用以实时获取车辆的位置信息,确定车辆的位置,将车辆行进的路线上传至导航地图中,定位方式通过卡尔曼滤波算法去对车辆进行定位,通过预测与更新的方式,对不同传感器的数据进行融合,去得到车辆的位置。

3.根据权利要求2所述的主动安全的电动汽车轨迹跟踪控制方法,其特征在于,卡尔曼滤波算法包括状态预测公式与状态更新公式,状态预测公式为:

4.根据权利要求1所述的主动安全的电动汽车轨迹跟踪控制方法,其特征在于:S1步骤中存储方式通过网络云存储的方式进行数据的存储,网络云通过用户注册登录进入,调出内部存储的数据,记录模块记录步骤为:

5.根据权利要求1所述的主动安全的电动汽车轨迹跟踪控制方法,其特征在于:S2步骤中驾驶员通过登录网络云的账号来设定车辆行进路线,寻找到记录存储的路线调出,车辆按照调出路线进行行进。

6.根据权利要求1所述的主动安全的电动汽车轨迹跟踪控制方法,其特征在于:S3步骤中传感设备包括雷达传感器与摄像头,雷达传感器用以发射与接收无线电波来探测车辆周围存在的障碍物与车辆情况,摄像头用以捕捉车辆与路面情况。

7.根据权利要求1所述的主动安全的电动汽车轨迹跟踪控制方法,其特征在于:S4步骤中传感设备通过摄像头进行检测,在车辆行进过程中,摄像头实时采集周围车道线,通过对采集的图像进行边缘检测出车道线,来提取判断出车辆是否位于车道内,边缘检测通过Sobel算法进行判断;当判断出车辆存在压线的情况下,车辆进行及时反馈,传递出电信号至震动模块内,震动模块通过数字信号进行输入,通过二进制表示,根据接收得到的数字信号产生震动,去让座椅产生震动,警示驾驶员。

8.根据权利要求7所述的主动安全的电动汽车轨迹跟踪控制方法,其特征在于,Sobel算法公式为:

9.根据权利要求1所述的主动安全的电动汽车轨迹跟踪控制方法,其特征在于:S5步骤中传感设备通过摄像头对路面情况进行监测,在车辆行进前,预先调出记录模块存储的驾驶习惯,通过分析来获得当前道路的车辆驾驶情况,在经过坑洼路面前,根据获取的车辆驾驶情况来做出警示。

10.根据权利要求9所述的主动安全的电动汽车轨迹跟踪控制方法,其特征在于:分析方法通过根据时间内经过的道路所做出的行为进行比对,当车辆行驶至坑洼道路时,按照驾驶习惯进行调整。

...

【技术特征摘要】

1.一种主动安全的电动汽车轨迹跟踪控制方法,其特征在于,轨迹跟踪控制步骤为:

2.根据权利要求1所述的主动安全的电动汽车轨迹跟踪控制方法,其特征在于:s1步骤中定位模块用以实时获取车辆的位置信息,确定车辆的位置,将车辆行进的路线上传至导航地图中,定位方式通过卡尔曼滤波算法去对车辆进行定位,通过预测与更新的方式,对不同传感器的数据进行融合,去得到车辆的位置。

3.根据权利要求2所述的主动安全的电动汽车轨迹跟踪控制方法,其特征在于,卡尔曼滤波算法包括状态预测公式与状态更新公式,状态预测公式为:

4.根据权利要求1所述的主动安全的电动汽车轨迹跟踪控制方法,其特征在于:s1步骤中存储方式通过网络云存储的方式进行数据的存储,网络云通过用户注册登录进入,调出内部存储的数据,记录模块记录步骤为:

5.根据权利要求1所述的主动安全的电动汽车轨迹跟踪控制方法,其特征在于:s2步骤中驾驶员通过登录网络云的账号来设定车辆行进路线,寻找到记录存储的路线调出,车辆按照调出路线进行行进。

6.根据权利要求1所述的主动安全的电动汽车轨迹跟踪控制方法,其特征在于:s3步骤中传感设备包括雷达传感器与摄像头,雷达传感器用以发射与接收无线电波来探测...

【专利技术属性】
技术研发人员:邹俊逸蒋益民
申请(专利权)人:武汉科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1