【技术实现步骤摘要】
本专利技术属于智能交通系统和自动驾驶，特别涉及一种基于机器视觉与车辆动力学融合的道路纵向坡度估计方法。
技术介绍
1、纵向坡度识别是智能交通系统和自动驾驶领域，特别是汽车adas(advanceddriver assistance system，高级驾驶辅助系统)的一个重要的研究方向。它主要涉及对道路的纵向坡度进行检测和识别，为自动驾驶、车辆动力学控制和能源管理提供关键信息。目前国内外对于道路坡度估计的方法主要分为两类，其一是基于对车辆加装外部传感器的识别方法，其二是基于车辆纵向动力学或运动学的估计方法。总体来说，目前纵向道路坡度估计的研究中，缺少一种能够在路面情况未知的状况下，解耦车身姿态和道路信息的方法。基于卡尔曼滤波的动力学坡度估计方法对模型精度有较高的要求，且扰动过大时，滤波器容易发散。基于传感器的估计方法对传感器的精度和抗干扰性有较高的要求，因此本专利技术首先针对扰动过大时滤波器容易发散的问题，结合模糊控制理论对噪声进行自适应处理。其次采用机器视觉与动力学融合的方法，来平衡滤波初始化误差带来的影响。
【技术保护点】
1.一种机器视觉与车辆动力学融合的道路纵向坡度估计方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的机器视觉与车辆动力学融合的道路纵向坡度估计方法，其特征在于：所述步骤S1的具体操作如下：
3.根据权利要求1所述的机器视觉与车辆动力学融合的道路纵向坡度估计方法，其特征在于：所述步骤S2的具体操作如下：
4.根据权利要求1所述的机器视觉与车辆动力学融合的道路纵向坡度估计方法，其特征在于：所述步骤S3的具体操作如下：
5.根据权利要求1所述的机器视觉与车辆动力学融合的道路纵向坡度估计方法，其特征在于：所述步骤S4的具
...【技术特征摘要】
1.一种机器视觉与车辆动力学融合的道路纵向坡度估计方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的机器视觉与车辆动力学融合的道路纵向坡度估计方法，其特征在于：所述步骤s1的具体操作如下：
3.根据权利要求1所述的机器视觉与车辆动力学融合的道路纵向坡度估计方法，其特征在于：所述步骤s2的具体操作如下：
4.根据权利要求1所述的机器视觉与车辆动力学融合的道路纵向坡度估计方法，其特征在于：所述步骤s3的具体操作如下：
5.根据权利要求1所述的机器视觉与车辆动力学融合的道路纵向坡度估计方法，其特征在于：所...
【专利技术属性】
技术研发人员：石振，严运兵，岳铭浩，李海玮，张森，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：
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。