[发明专利]用于评估车辆行驶表面的方法和设备

说明书

描述了一种用于评估靠近车辆的行驶表面的方法，并且该方法包括由LiDAR传感器生成多个光脉冲，并由LiDAR传感器捕获所述多个光脉冲的返回光数据，其中光脉冲被投射到包括靠近车辆的行驶表面的感兴趣区域中，基于所述多个光脉冲的返回光数据确定多级图像文件，生成经训练的分类模型，并基于多级图像文件和经训练的分类模型将行驶表面分类为多种行驶表面状态中的一种。基于行驶表面的分类来控制车辆的操作。

背景技术

车辆控制系统可受益于与行驶表面条件相关的信息，并且可采用这样的信息作为输入来控制一个或多个系统，诸如制动、转弯和加速。行驶表面的不同条件可影响轮胎和行驶表面之间的摩擦系数。干的行驶表面条件提供高的摩擦系数，而覆雪的行驶条件提供较低的摩擦系数。

光检测和测距（LiDAR）是一种光学遥感技术，它采用光发射器和光传感器来获取周围环境中物体的位置信息。LiDAR系统的操作包括用从光发射器发射的光脉冲照亮周围环境中的物体，使用诸如光电二极管的光传感器来检测由物体散射的光，以及基于散射光确定物体的范围。可以测量光脉冲到光电二极管的传播时间，并且然后可以从测量的时间导出距物体的距离。车辆采用LiDAR系统来检测、定位和监测周围环境中的物体。

期望能够采用来自LiDAR信号的信息来确定行驶表面的当前条件。

发明内容

描述了一种包括光检测和测距（LiDAR）传感器的车辆，其中，LiDAR传感器生成多个光脉冲，这些光脉冲被投射到包括靠近车辆的行驶表面的感兴趣区域中。LiDAR传感器还捕获与所述多个光脉冲相关联的返回光数据。

描述了一种用于评估靠近车辆的行驶表面的方法，该方法包括由LiDAR传感器生成多个光脉冲，并由LiDAR传感器捕获所述多个光脉冲的返回光数据，其中光脉冲被投射到包括靠近车辆的行驶表面的感兴趣区域中，基于所述多个光脉冲的返回光数据确定多级图像文件，生成经训练的分类模型，并基于多级图像文件和经训练的分类模型将行驶表面分类为多种行驶表面状态中的一种。基于行驶表面的分类来控制车辆的操作。

本公开的一个方面包括将行驶表面分类为干行驶表面、湿行驶表面、覆冰表面、包括新雪的覆雪表面或包括泥泞雪的覆雪表面中的一种。

本公开的另一方面包括基于多级图像文件和经训练的分类模型将行驶表面分类为多种行驶表面状态中的一种，包括执行人工神经网络以基于经训练的分类模型来评估多级图像文件，从而将行驶表面分类为多种行驶表面状态中的一种。人工神经网络的一个实施例是卷积神经网络。

本公开的另一方面包括通过确定包括与多个样本行驶表面相关联的多个数据文件的训练数据集来生成经训练的分类模型，为所述多个数据文件中的每一个生成多级图像文件，以及通过基于所述多个数据文件中的每一个和相关联的多个样本行驶表面的多级图像文件来训练人工神经网络分类器来生成经训练的分类模型。

本公开的另一方面包括通过确定与每个样本行驶表面相关联的数据文件来确定包括与所述多个样本行驶表面相关联的所述多个数据文件的训练数据集，其中，所述多个样本行驶表面包括干表面、湿表面、覆冰表面、包括新雪的覆雪表面和包括泥泞雪的覆雪表面。

本公开的另一方面包括通过基于返回光数据生成多级图像文件来为所述多个数据文件中的每一个生成多级图像文件，其中，返回光数据包括与所述多个样本行驶表面相关联的所述多个数据文件中的每一个的返回能量强度、XY位置、高度Z和脉冲ID。

本公开的另一方面包括通过基于所述多个光脉冲的返回光数据确定第一图像，基于返回光数据生成多级图像文件，其中第一图像包括脉冲标识符和所述多个光脉冲的返回光数据在空间域中的相关联的XY坐标位置；基于所述多个光脉冲的返回光数据确定第二图像，其中所述第二图像包括与所述多个光脉冲的返回光数据的空间域中的XY坐标位置相关联的高度Z值；基于所述多个光脉冲的返回光数据确定第三图像，其中所述第三图像包括与所述多个光脉冲的返回光数据在空间域中的XY坐标位置相关联的返回能量强度；以及基于第一图像、第二图像和第三图像生成多级图像文件。