多场景车辆坡道估计方法及模块

技术领域

本发明涉及汽车领域，特别是涉及一种多场景车辆坡道估计方法及模块。

背景技术

随着智能驾驶系统技术的日趋成熟，越来越多的购车者选择装配相关功能。智能驾驶系统技术由单一场景发展到复杂场景，最终目标是实现全场景的无人驾驶能力。而实际道路坡度复杂多变，道路坡度的计算结果对车辆控制速度稳定性影响明显。因此，道路坡度估计一直是车辆控制领域的重要研究课题。

在现有坡度估计方法中，通常使用轮速传感器计算出实际纵向加速度，纵向加速度传感器得出带有坡度信息的纵向加速度，再把计算的实际纵向加速度与带有坡度信息的纵向加速度做差得出实际道路的坡度。然而，通过轮速计算的纵向加速度需多次过滤，延迟高，直接计算出来的坡度值无法适应复杂多变的道路场景，所以就需要一种低延迟且适应多种道路的坡度估计方法。

发明内容

在发明内容部分中引入了一系列简化形式的概念,该简化形式的概念均为本领域现有技术简化，这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。

本发明要解决的技术问题是提供一种适用于多场景且无需纵向加速度多次过滤的车辆坡道估计方法。

以及，一种适用于多场景且无需纵向加速度多次过滤的车辆坡道估计模块。

为解决上述技术问题，本发明提供一种多场景车辆坡道估计方法，包括：

S1，获得前后轴轮速差、车速和加加速度值；

S2，根据当前时刻加速度传感器测量值a

S3，计算当前时刻加速度偏差值和车速的偏差得到当前时刻速度偏差值；

S4，利用当前时刻速度偏差值计算出初步坡度；

S5，根据当前场景对初步坡度进行过滤处理；

其中，重力在坡道加速度初值a

可选择的，所述的多场景车辆坡道估计方法，步骤S1中的加加速度值通过对车速微分两次得到。

可选择的，所述的多场景车辆坡道估计方法，当前时刻加速度传感器测量值a

可选择的，所述的多场景车辆坡道估计方法，将前时刻速度偏差值a

可选择的，所述的多场景车辆坡道估计方法，实施步骤S5包括：

若四轮速低于静止门槛值判断车辆静止标志位；

若车辆静止标志位为激活时，则可直接取加速度传感器测量值计算坡度；

若车辆静止标志位为未激活时，则标定滤波系数；

第一步，如果车速低于10kph，则需要根据车速标定较高程度过滤系数，车速越低过滤程度越重，过滤系数范围为0.9～0.99；

第二步，如果车速大于10kph，通过加加速度判断车辆是否有大的车速波动；

第三步，如果加加速度绝对值小于1m/s^3，车速波动稳定，标定较低程度过滤系数，过滤系数范围为0.7～0.85；

第四步，如果加加速度绝对值大于2.5m/s^3，则标定高程度过滤系数，过滤系数范围为0.99～0.999。

第五步，通过前后轴轮速差判断车辆是否在进行转向；

第六步，如果加加速度绝对值大于1m/s^3且正在转向，则标定较高程度过滤系数，过滤系数范围为0.95～0.98；

第七步，如果加加速度绝对值在1m/s^3到2.5m/s^3之间，车速存在一定的波动，则标定适当高程度过滤系数，过滤系数范围为0.9～0.95；

第八步，根据识别的场景，使用不同过滤系数对坡度值进行一阶滤波。

为解决上述技术问题，本发明提供一种多场景车辆坡道估计模块，包括：

输入单元，其根据轮速计算自车车速、加加速度值、前后轴轮速差并判断车辆是否静止；

坡度计算单元，根据当前时刻加速度传感器测量值a

计算当前时刻加速度偏差值和车速的偏差得到当前时刻速度偏差值，利用当前时刻速度偏差值计算出初步的坡度；

多场景识别滤波单元，根据当前场景对初步坡度进行过滤处理；

其中，重力在坡道加速度初值a

可选择的，所述的多场景车辆坡道估计模块，输入单元通过对车速微分两次得到加加速度值。

可选择的，所述的多场景车辆坡道估计模块，重力在坡道加速度初值a

可选择的，所述的多场景车辆坡道估计模块，当前时刻加速度传感器测量值a

可选择的，所述的多场景车辆坡道估计模块，将前时刻速度偏差值a

可选择的，所述的多场景车辆坡道估计模块，多场景识别滤波单元根据当前场景对初步坡度进行过滤处理包括；

若四轮速低于静止门槛值判断车辆静止标志位；

若车辆静止标志位为激活时，则可直接取加速度传感器测量值计算坡度；

若车辆静止标志位为未激活时，则标定滤波系数；

第一步，如果车速低于10kph，过滤系数范围为0.9～0.99；

第二步，如果车速大于10kph，通过加加速度判断车辆是否有大的车速波动；

第三步，如果加加速度绝对值小于1m/s^3，过滤系数范围为0.7～0.85；

第四步，如果加加速度绝对值大于2.5m/s^3，过滤系数范围为0.99～0.999。

第五步，通过前后轴轮速差判断车辆是否在进行转向；

第六步，如果加加速度绝对值大于1m/s^3且正在转向，过滤系数范围为0.95～0.98；

第七步，如果加加速度绝对值在1m/s^3到2.5m/s^3之间，则标定适当高程度过滤系数，过滤系数范围为0.9～0.95；

第八步，根据识别的场景，使用不同过滤系数对坡度值进行一阶滤波。

汽车坡度i计算通常用垂向位移ΔY与纵向位移ΔX的比表示，也可转换为重力在坡道分加速度a

其中垂直于坡面的加速度a

故由公式(1)、(2)可得公式(3)。

由公式(3)知，只需求得重力在坡道分加速度就可计算出坡度。传统的计算方法是通过车辆加速度传感器测得的加速度与通过轮速计算的加速度相减过滤获得，但是通过轮速计算加速度会经过多次过滤，得出的坡度值产生较大延迟。本发明根据车辆加速度传感器发出的加速度值积分所得速度与通过轮速计算的车速相减进行反馈校正，所得差值即为由重力在坡道分加速度，再经过多场景过滤获得坡度值。

多场景坡度识别和滤波，多场景坡度计算是通过一阶过滤、卡尔曼滤波或切比雪夫滤波等过滤方法，针对不同场景，标定不同过滤系数。考虑不同的场景可以保证精确性的前提下最大限度减小坡度获得值的延迟时间，场景有高速、低速，加速减速，匀速，转弯等工况。本发明针对坡度计算延迟高，精度无法适应多场景等问题，通过对传感器加速度、车速计算得到坡度加速度，识别多场景选择过滤系数，能避免多次过滤纵向加速度，降低坡度计算延迟时间。

附图说明

本发明附图旨在示出根据本发明的特定示例性实施例中所使用的方法、结构和/或材料的一般特性，对说明书中的描述进行补充。然而，本发明附图是未按比例绘制的示意图，因而可能未能够准确反映任何所给出的实施例的精确结构或性能特点，本发明附图不应当被解释为限定或限制由根据本发明的示例性实施例所涵盖的数值或属性的范围。下面结合附图与具体实施方式对本发明作进一步详细的说明：

图1是发明多场景车辆坡道估计模块架构示意图。

具体实施方式

以下通过特定的具体实施例说明本发明的实施方式，本领域技术人员可由本说明书所公开的内容充分地了解本发明的其他优点与技术效果。本发明还可以通过不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点加以应用，在没有背离发明总的设计思路下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。本发明下述示例性实施例可以多种不同的形式来实施，并且不应当被解释为只限于这里所阐述的具体实施例。应当理解的是，提供这些实施例是为了使得本发明的公开彻底且完整，并且将这些示例性具体实施例的技术方案充分传达给本领域技术人员。

第一实施例；

本发明提供一种多场景车辆坡道估计方法，包括：

获得前后轴轮速差、车速和加加速度值；

四轮轮速计算出前后轴轮速差，通过轮速计算出车速，对车速微分两次得到加加速度值(jerk)；

S2，根据当前时刻加速度传感器测量值a

重力在坡道加速度初值a

度值的偏差值，其中t表示离散的时间步长，即公式(5)所示；

a

y(t)＝∫(a

S3，计算当前时刻加速度偏差值和车速的偏差得到当前时刻速度偏差值；

a

计算y(t)与车速v(t)偏差，即得到速度偏差值a

S4，利用当前时刻速度偏差值计算出初步坡度；

把计算的重力在坡道分加速度值a

S5，根据当前场景对初步坡度进行过滤处理，包括；

若四轮速低于静止门槛值判断车辆静止标志位；

若车辆静止标志位为激活时，则可直接取加速度传感器测量值计算坡度；

若车辆静止标志位为未激活时，则标定滤波系数；

第一步，如果车速低于10kph，则需要根据车速标定较高程度过滤系数，车速越低过滤程度越重，过滤系数范围为0.9～0.99；

第二步，如果车速大于10kph，通过加加速度判断车辆是否有大的车速波动；

第三步，如果加加速度绝对值小于1m/s^3，车速波动稳定，标定较低程度过滤系数，过滤系数范围为0.7～0.85；

第四步，如果加加速度绝对值大于2.5m/s^3，则标定高程度过滤系数，过滤系数范围为0.99～0.999。

第五步，通过前后轴轮速差判断车辆是否在进行转向；

第六步，如果加加速度绝对值大于1m/s^3且正在转向，则标定较高程度过滤系数，过滤系数范围为0.95～0.98；

第七步，如果加加速度绝对值在1m/s^3到2.5m/s^3之间，车速存在一定的波动，则标定适当高程度过滤系数，过滤系数范围为0.9～0.95；

第八步，根据识别的场景，使用不同过滤系数对坡度值进行一阶滤波。

第二实施例；

参考图1所示，一种多场景车辆坡道估计模块，包括：

输入单元，其根据轮速计算自车车速、加加速度值、前后轴轮速差并判断车辆是否静止；四轮速低于静止门槛值判断车辆静止标志位；

坡度计算单元，根据当前时刻加速度传感器测量值a

其中，输入单元通过对车速微分两次得到加加速度值，重力在坡道加速度初值a

将前时刻速度偏差值a

多场景识别滤波单元根据当前场景对初步坡度进行过滤处理包括；

若四轮速低于静止门槛值判断车辆静止标志位；

若车辆静止标志位为激活时，则可直接取加速度传感器测量值计算坡度；

若车辆静止标志位为未激活时，则标定滤波系数；

第一步，如果车速低于10kph，过滤系数范围为0.9～0.99；

第二步，如果车速大于10kph，通过加加速度判断车辆是否有大的车速波动；

第三步，如果加加速度绝对值小于1m/s^3，过滤系数范围为0.7～0.85；

第四步，如果加加速度绝对值大于2.5m/s^3，过滤系数范围为0.99～0.999。

第五步，通过前后轴轮速差判断车辆是否在进行转向；

第六步，如果加加速度绝对值大于1m/s^3且正在转向，过滤系数范围为0.95～0.98；

第七步，如果加加速度绝对值在1m/s^3到2.5m/s^3之间，则标定适当高程度过滤系数，过滤系数范围为0.9～0.95；

第八步，根据识别的场景，使用不同过滤系数对坡度值进行一阶滤波。

除非另有定义，否则这里所使用的全部术语(包括技术术语和科学术语)都具有与本发明所属领域的普通技术人员通常理解的意思相同的意思。还将理解的是，除非这里明确定义，否则诸如在通用字典中定义的术语这类术语应当被解释为具有与它们在相关领域语境中的意思相一致的意思，而不以理想的或过于正式的含义加以解释。

以上通过具体实施方式和实施例对本发明进行了详细的说明，但这些并非构成对本发明的限制。在不脱离本发明原理的情况下，本领域的技术人员还可做出许多变形和改进，这些也应视为本发明的保护范围。