[发明专利]一种无人驾驶的道路特征参数估计方法

说明书

本发明涉及一种无人驾驶的道路特征参数估计方法，包括：六自由度惯导信息获取；三维激光点云数据获取；激光点云运动补偿；6sigma高程的路面候选点提取；3sigma高差的坡面候选点提取；主成分分析法路面拟合；主成分分析法坡面拟合；1sigma路面点提取；1sigma坡面点提取；对路面点和坡面点反射强度进行特征分解；路沿边界点提取；对路面附着系数进行估计；估计模型对道路曲率进行估计；对路沿进行拟合估计；对坡度进行估计，最终输出一幅富含道路特征参数的栅格地图，以供无人驾驶感知、决策和规划模块使用。与现有技术相比，本发明具有实现鲁棒的路面附着系数估计、路沿曲率连续、道路曲率道路坡度快速估计等优点。

技术领域

本发明涉及无人驾驶特种车辆的参数估计方法，尤其是涉及一种无人驾驶的道路特征参数估计方法。

背景技术

作为有望消除日益增长的交通压力、增强道路交通安全以及节约能源的先进车辆技术，无人驾驶车辆的发展正如火如荼，这也得益于人工智能技术、计算机技术、图像技术、传感器技术等的多方面的发展与交叉融合。无人驾驶核心模块包括环境感知、决策规划、运动控制与线控执行器。借助于多传感器的融合，无人驾驶相比人类驾驶，突出特点在于其“先知先觉先执行”的能力。然而，受限于路面的附着极限，无人驾驶决策规划的路径曲率与加速度和运动控制的方向盘转矩、车轮转矩与制动力都应符合附着约束。附着系数、道路曲率、道路坡度等参数。

因此，如何提供一种道路特征参数(附着系数、道路曲率、道路坡度等参数)等参数方法是本领域技术人员亟待解决的问题。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种无人驾驶的道路特征参数估计方法。

本发明的目的可以通过以下技术方案来实现：

一种无人驾驶的道路特征参数估计方法，包括以下步骤：

1)获取六自由度惯导信息，包括纵向加速度、侧向加速度、垂向加速度、横摆角速度、俯仰角速度和侧倾角速度；

2)获取三维激光点云数据，包括x、y、z轴向位置和反射强度四个维度的信息；

3)通过六自由度惯导信息对x、y、z轴向位置信息进行运动补偿；

4)采用6sigma准则，按照高程提取高程路面候选点；

5)采用3sigma准则，按照高差提取高差坡面候选点；

6)基于高程路面候选点，采用主成分分析法对路面进行平面拟合；

7)根据拟合获得的路面，对路面候选点采用1sigma准则进行路面点提取；

8)基于高差坡面候选点，采用主成分分析法对坡面进行平面拟合；

9)根据拟合获得的坡面，对坡面候选点采用1sigma准则进行坡面点提取；

10)采用期望最大法对路面点和坡面点的激光雷达点云的反射强度进行特征分解；

11)基于高程路面候选点、高差坡面候选点、路面点和坡面点，采用主成分分析法提取路沿边界点；

12)基于概率估计模型对路面附着系数进行估计；

13)基于样条曲线模型对路沿进行拟合估计，采用三次B样条曲线对路沿边界点进行分段拟合，得到曲率连续的路沿曲线；

14)基于支持向量机估计模型对道路曲率进行估计：对路沿曲线进行离散后采用支持向量机进行中心点分类提取，采用三次B样条曲线对中心点进行曲线拟合，利用曲率公式获取道路曲率；

15)基于法向量夹角估计模型对坡度进行估计：获取路面平面和坡面平面的法向量的反正切值，即为坡度值；