【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及車輛行駛速度，特別涉及一種基于不同場景多模型組合的車輛行駛速度估計方法。
技術(shù)介紹
1、車速是表征車輛運行狀態(tài)的指標(biāo)之一，對于無人駕駛汽車而言，掌握周邊相關(guān)車輛車速分布類型和特征是自車行為決策的前提條件，從而能為道路行駛提供安全保證。
2、目前車速估計的方法主要有兩類：一類是目標(biāo)車輛向外部提供的全球定位系統(tǒng)(gps)的數(shù)據(jù)。但是常規(guī)gps精度低，定位信號受環(huán)境因素影響大，常出現(xiàn)信號丟失的情況，可靠性與穩(wěn)定性難以滿足要求。另一類是基于各類外部傳感器的車速估計，包括基于激光雷達(dá)點云的車速估計與基于攝影頭圖像的車速估計，但是存在測量精度低、更新周期長以及時延不可控的問題。
3、由于各類系統(tǒng)本身的復(fù)雜性、運行環(huán)境的不穩(wěn)定性、不完全的知識和數(shù)據(jù)孤島等原因，系統(tǒng)常存在許多不確定性問題，單一模型不能很好解決。以基于攝影頭圖像的車速估計方法為例，由于攝像頭的安裝角度問題，在車流密度較大時，車載攝影頭視頻畫面容易出現(xiàn)車輛遮擋情況，傳輸存在延遲時，基于攝影頭圖像的車速估計就不能進(jìn)行準(zhǔn)確的車速估計，容易導(dǎo)致目標(biāo)在跟蹤過程中出現(xiàn)id—switch問題。因此，單一方法的目標(biāo)車輛車速估計方法存在不可避免的不確定性。在信息科學(xué)領(lǐng)域，信息融合技術(shù)是一種較優(yōu)的解決途徑。由于單一的車速估計方法所用信息不完全相同，為了提高車速估計準(zhǔn)確性，可以利用多模型組合方法，將不同的車速估計信息綜合在一起，從而達(dá)到改進(jìn)車速估計精度效果的目的。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的目的克服現(xiàn)有技術(shù)存在的
2、一種基于不同場景多模型組合的車輛行駛速度估計方法，包括以下步驟：
3、步驟s1、對目標(biāo)車輛基于不同方式下的多場景多模型組合，構(gòu)建若干種車速估算模型；
4、步驟s2、選取構(gòu)建的若干種車速估算模型作為組合車速估計模型的子模型，再基于最小二乘加權(quán)融合對子模型進(jìn)行融合；
5、步驟s3、基于不同場景下的車速估計的影響組成因素和特性變化，并根據(jù)獲取的歷史數(shù)據(jù)將不同場景劃分為多個細(xì)分場景；
6、步驟s4、在不同場景之間，利用各子模型權(quán)值變化對組合車速估計模型進(jìn)行調(diào)整，得到最終組合車速估計模型，并輸出目標(biāo)車輛的車速估計結(jié)果。
7、作為本專利技術(shù)進(jìn)一步的技術(shù)方案：所述步驟s1中的具體步驟包括：
8、對同一目標(biāo)車輛采用多種車速估算模型，在最大信息利用的基礎(chǔ)上，根據(jù)組合計算理論構(gòu)建若干種車速估算模型，所述車速估算模型包括基于gps的車速估算模型、基于激光雷達(dá)的車速估算模型，以及基于圖像幀差的車速估算模型。
9、作為本專利技術(shù)進(jìn)一步的技術(shù)方案：所述步驟s2中的具體步驟包括：
10、選取車速估計效果較好的若干種模型作為組合車速估計模型的子模型，然后通過最小二乘加權(quán)融合進(jìn)行多模型組合車速估計。
11、作為本專利技術(shù)進(jìn)一步的技術(shù)方案：所述步驟s3中的具體步驟包括：
12、基于不同場景下的車速估計影響因素組成和特性變化，根據(jù)獲取的歷史數(shù)據(jù)與專家經(jīng)驗，再以先驗知識的形式，將目標(biāo)車輛的運行場景劃分為多個細(xì)分場景；
13、通過目標(biāo)車輛的運行場景劃分，對組合車速估計模型的相關(guān)參數(shù)，依據(jù)場景特性變化進(jìn)行自動調(diào)整。
14、作為本專利技術(shù)進(jìn)一步的技術(shù)方案：所述步驟s4中的具體步驟包括：
15、在不同場景之間，利用各子模型權(quán)值變化來進(jìn)行組合車速評估模型的調(diào)整，以使得每一場景的車速評估模型更接近該場景的實際車速；
16、其中，子模型權(quán)值調(diào)整和場景的劃分是根據(jù)先驗知識和車速評估誤差混合決定。
17、作為本專利技術(shù)進(jìn)一步的技術(shù)方案：根據(jù)車載攝像頭所采集的圖像，通過幀差法來估計目標(biāo)車輛速度，在車載攝像頭采集圖像中確定50m*50m的感興趣區(qū)域；
18、當(dāng)有車輛進(jìn)入所設(shè)定的感興趣區(qū)域roi時，圖像感知算法輸出帶有id的車輛目標(biāo)檢測框，并持續(xù)保持跟蹤，并自動保存同一跟蹤對象車輛檢測框的中心坐標(biāo)(xt，yt)；
19、在整個跟蹤周期t＝[f1，f2]，被跟蹤對象的位移為：
20、
21、式中，lp為目標(biāo)車輛的位移；f1為目標(biāo)車輛開始跟蹤的幀位置；f2為目標(biāo)車輛結(jié)束跟蹤的幀位置；
22、在世界坐標(biāo)系與圖像坐標(biāo)系這2類坐標(biāo)下，位移長度lw與位移長度lp的關(guān)系式為：
23、
24、式中，d為車載攝像頭與感興趣區(qū)域roi的垂直距離；α為車載攝像頭硬件感知軸與本車行駛方向的角度；fc為攝像頭焦距；
25、其中，fc通過已確認(rèn)感興趣區(qū)域roi在世界坐標(biāo)系下的長度與圖像坐標(biāo)系下的長度關(guān)系求得；
26、得到目標(biāo)車輛平均速度，公式為：
27、
28、式中，v為平均速度；f為車載攝影頭幀率；3.6是將速度m/s轉(zhuǎn)換成km/h系數(shù)。
29、與現(xiàn)有技術(shù)相比，本專利技術(shù)存在以下技術(shù)效果：
30、采用上述的技術(shù)方案，通過采用多模型組合車速估計技術(shù)，結(jié)合多場景適應(yīng)性，顯著提升了車速估計的準(zhǔn)確性和適應(yīng)性。通過同時應(yīng)用多種車速估計模型，不僅充分利用了各模型包含的獨特信息，而且基于組合計算理論，實現(xiàn)了信息的最大化融合，從而獲得了更為精確的計算結(jié)果。此外，針對不同場景下的車速估計，該技術(shù)通過自動調(diào)整車速計算模型的相關(guān)參數(shù)，使得車速評估模型更加貼近實際場景，進(jìn)一步提高了車速估計的準(zhǔn)確性。利用專家先驗知識和車速評估誤差混合決定子模型權(quán)值調(diào)整和場景劃分，確保了車速評估模型在不同場景間的有效切換和調(diào)整。同時，采用動態(tài)鏈接庫調(diào)用等方法，保證了系統(tǒng)的運算速度，為實時車速估計提供了有力支持。這種多模型、多場景的車速估計技術(shù)，為車輛控制、安全預(yù)警等應(yīng)用提供了可靠的數(shù)據(jù)基礎(chǔ)，有效提升了駕駛的安全性和舒適性。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點】
1.一種基于不同場景多模型組合的車輛行駛速度估計方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述一種基于不同場景多模型組合的車輛行駛速度估計方法，其特征在于，所述步驟S1中的具體步驟包括：
3.根據(jù)權(quán)利要求1所述一種基于不同場景多模型組合的車輛行駛速度估計方法，其特征在于，所述步驟S2中的具體步驟包括：
4.根據(jù)權(quán)利要求1所述一種基于不同場景多模型組合的車輛行駛速度估計方法，其特征在于，所述步驟S3中的具體步驟包括：
5.根據(jù)權(quán)利要求1所述一種基于不同場景多模型組合的車輛行駛速度估計方法，其特征在于，所述步驟S4中的具體步驟包括：
6.根據(jù)權(quán)利要求2所述一種基于不同場景多模型組合的車輛行駛速度估計方法，其特征在于，根據(jù)車載攝像頭所采集的圖像，通過幀差法來估計目標(biāo)車輛速度，在車載攝像頭采集圖像中確定50m*50m的感興趣區(qū)域；
【技術(shù)特征摘要】
1.一種基于不同場景多模型組合的車輛行駛速度估計方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述一種基于不同場景多模型組合的車輛行駛速度估計方法，其特征在于，所述步驟s1中的具體步驟包括：
3.根據(jù)權(quán)利要求1所述一種基于不同場景多模型組合的車輛行駛速度估計方法，其特征在于，所述步驟s2中的具體步驟包括：
4.根據(jù)權(quán)利要求1所述一種基于不同場景多模型組合的車...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：潘偉，王楊，陳成，汪易開，
申請(專利權(quán))人：安徽海博智能科技有限責(zé)任公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。