[发明专利]一种针对汽车试验场强化道路的路面识别方法

摘要

一种针对汽车试验场强化道路的路面识别方法，采用加速度传感器和角速率陀螺仪采集车身处和各车轮轮轴的运动信息，通过车辆的OBD接口采集车辆总线上的CAN报文数据；将获取的多源数据进行一系列的预处理，得到平稳的时间域数据；算出车身处和各车轮轮轴的姿态信息，同时对CAN报文进行协议解析；利用车速将车辆的振动加速度数据和姿态数据从时间域变换到空间域；对空间域数据进行时域和频域的特征提取；基于提取的时域和频域特征，设计人工神经网络路面分类器，对试验场强化道路进行识别。本发明解决了独立悬架对地形不敏感的困难，弥补了传统单纯使用加速度数据进行路面识别的不足，大幅度提高了试验道路地形和地面的识别准确率和适用范围。

主权项

1.一种针对汽车试验场强化道路的路面识别方法，其特征在于，包括如下步骤：(1)采用加速度传感器和角速率陀螺仪采集车身处和各车轮轮轴的运动信息，通过车辆的OBD接口采集车辆总线上的CAN报文数据；(2)对步骤(1)中获取的多源数据进行一系列的预处理，得到平稳的时间域数据；利用互补滤波方法融合加速度与角速度数据，算出车身处和各车轮轮轴的姿态信息，同时对步骤(1)中的CAN报文进行协议解析，得到车速、档位和制动踏板状态的数据；利用车速将车辆的振动加速度数据和姿态数据从时间域变换到空间域；步骤(2)中进行数据处理包括如下步骤：a、加速度数据趋势项消除：对传感器节点的加速度数据进行趋势项消除，趋势项消除公式为：其中，A_i表示采集到的加速度数据序列的第i个加速度数据，它是包含三个元素的向量，具体表述为A_i＝[Ax_i,Ay_i,Az_i]，Ax_i、Ay_i、Az_i分别表示x、y、z轴加速度，x轴为车辆前进方向，y轴为车辆侧向方向，z轴为垂直于车身的方向；Ψ₀(A_i)表示消除趋势项后的信号；Ψ(A_i)表示采集系统的原始数据；表示对采集到的信号序列根据最小二乘法进行多项式拟合后所得到加速度数据；b、数据过滤：结合踏板状态和档位信息，对采集的数据进行过滤，定义原始数据集合F为F＝[Ax Ay Az D V Tb]，其中Ax、Ay、Az分别为x,y,z轴加速度数据，D为车辆档位信息，V为车速数据，Tb为制动时间；将该集合乘以过滤参考矩阵R，将运算结果与阈值集合T相减，如果相减后的集合FR‑T中任意元素大于0，则将该数据过滤；过滤参考矩阵R和阈值矩阵T如下所示：T＝(VAmax DCmax Brmax Tbmax)矩阵R中的λ为制动系数；矩阵T中的四个元素的阈值设定根据车辆的不同取值会有所变化，VAmax与三轴加速度的相互关系有关，DCmax表示的与车速和档位相关，Brmax和制动效果相关，Tbmax与制动时间相关；c、姿态解算：将加速度传感器与角速率陀螺仪进行互补滤波，互补滤波在频域中进行，得到修正的角速度，运算公式如下：其中，Gout(s)为滤波后的角速度数据，Ga(s)为根据加速度解算姿态角度并对其微分之后得到的角速度，Gt(s)为陀螺仪直接输出的角速度，GH(s)为高通滤波器，GL(s)为低通滤波器，C(s)为全通滤波器；利用上述修正的角速度和单位四元数进行姿态解算，单位四元数的定义如下：其中，i,j,k为矢量，两两之间相互垂直；单位四元数的范数值为1，x,y,z分别表示三轴角速度，所以w,x,y,z初始化值为1,0,0,0；与姿态角的关系为：其中Ψ、θ、分别表示车辆的俯仰角、横滚角和偏航角；利用一阶龙格库塔法更新四元数，四元数值得更新公式如下：其中，下标为1的表示更新之前的四元数值，下标为2的表示当前的角速度，λ表示更新步长，取值为计算间隔的二分之一，即λ＝ΔT/2；计算到新的四元数之后对其进行归一化，然后代入式(3)即可求得车辆姿态；d、时间域数据变换到空间域：对加速度数据的横纵坐标进行运算：si+1＝si+viΔT   (6)其中，si表示i时刻的空间坐标值，单位为m，s0＝0；vi为i时刻的车速，ΔT为采样间隔；式(7)中Ψs(si)为时间域到空间域变换后的纵坐标值；Zi表示车辆z轴的振动加速度，Ψ0(Zi)为式(1)中消除趋势项后的加速度数据Ψ0(Ai)的z轴分量；(3)对步骤(2)中得到的空间域数据进行时域和频域的特征提取；(4)基于步骤(3)所提取的时域和频域特征，设计人工神经网络路面分类器，对试验场强化道路进行识别。