[发明专利]一种基于智能轮胎触觉感知的智能驾驶汽车控制系统

权利要求书

1.一种基于智能轮胎触觉感知的智能驾驶汽车控制系统，其特征在于：包括感知系统（1）、控制系统（2）、执行系统（3）、电子线路（4）以及无线数据传输装置（5），所述感知系统（1）由智能轮胎、视觉感知系统以及雷达设备组成，智能车辆在行驶时，所述感知系统（1）不同的传感器实时采集周围环境信息，其中所述智能轮胎位于四个轮胎内部，用于感知路面状态，与所述智能驾驶汽车控制系统通过无线数据传输装置（5）连接；所述视觉感知系统位于车身顶部，用于实时采集周围环境图像和道路交通信息，所述雷达设备用于实时感知三维环境地图并进行障碍物测距和测速，所述智能轮胎、视觉感知系统以及雷达设备通过所述电子线路（4）与控制系统连接；所述控制系统（2）位于车辆电子控制单元内，用于对车辆进行控制和决策；

其中，所述智能轮胎用于对路面的触觉感知，为车辆提供实时的三维路面信息感知，包括：

不同位置下的多个应变传感器采集路面信号；

对所述路面信号进行预处理，包括：

对所述路面信号进行主成分分析，消除由于轮胎振动造成的信号的噪声和漂移；

对进行主成分分析后获得的路面信号进行滤波以及小波变换处理，将所述路面信号转换到时域和频域上进行多尺度细化分析；

对所述预处理后的信号进行传感器位置标记，生成深度学习网络所需的输入量；

对所述深度学习网络实施的深度网络学习进行有监督训练获得当前的路面参数，所述路面参数包括路面种类、摩擦因数和/或路面坡度，所述对所述深度学习网络实施的深度网络学习进行有监督训练获得当前的路面参数包括：进行轮胎台架试验和实车测试，对轮胎进行受力实验，多个应变传感器实时采集不同受力状态下的轮胎内壁不同位置下的应变数据，对所述深度学习网络实施的深度网络学习进行有监督训练；

通过对比不同位置的应变传感器的峰值信号时域差值，结合多个应变传感器的空间分布，利用深度学习算法获得当前的车辆的运动状态，所述车辆的运动状态包括车辆的转速、车速和/或滑移率；

通过对比多个应变传感器采集信号在时间域上峰值变化，结合深度学习算法，感知当前的轮胎胎压状态；

进行报警：若多个应变传感器的峰值信号的平均峰值随时间增加而增大，认为所述轮胎当前处于胎压增大的状态，当多个应变传感器的峰值信号的平均峰值大于阈值时，向整车控制单元发出胎压过大警报；若多个应变传感器的峰值信号的平均峰值随时间增加而减小，认为当前处于胎压减小的状态，当多个应变传感器的峰值信号的平均峰值小于阈值时，向整车控制单元发出胎压过小警报；

进行控制和调整：响应于所述智能轮胎感知到当前路面为冰面时，整车控制单元及时做出反应，包括降低车速和/或调整制动系统油压；响应于所述智能轮胎获取到当前路面摩擦因数，将所述当前路面摩擦因数反馈到整车控制单元，对动力学控制进行优化和调整；

其中，所述视觉感知系统包括车载摄像头，所述车载摄像头包括6个摄像头，分别为两个前置双目摄像头、左右两个侧边摄像头以及两个后置双目摄像头，用于进行全方位的环境感知，车辆在行驶时，车载摄像头实时监测周围道路情况，将图像实时发送至计算机视觉单元，利用图像进行车辆定位和物体识别；

其中，所述利用图像进行车辆定位的方法为利用视觉SLAM算法对车辆当前位置进行定位，包括：通过车载摄像头读取周围环境数据；利用视觉里程计估计前后两个时刻间的相对运动；在后端利用滤波器和图像优化算法处理所述视觉里程计估计得出的累计误差；构建三维地图并通过回环检测消除空间累积误差，从而对车辆当前位置进行定位；

所述利用图像进行物体识别的方法包括：利用卷积神经网络对图像中的物体进行识别；设定图像候选框后，利用卷积神经网络提取所述图像的特征向量；利用SVM算法识别所述图像中的物体，所述物体包括车辆、行人和/或障碍物；将识别到的交通环境内的事物发送至传感器融合单元内；

其中，所述雷达设备中包含雷达和激光雷达，其中所述激光雷达用于高精地图绘制，所述激光雷达包括扫描部件、光学部件以及感光部件，所述激光雷达匀速转动的同时实时向周围发送激光，同时所述扫描部件与所述光学部件不断收集反射点距离与所述反射点发生的时间和水平角度，所述感光部件不断检测返回光的强度，生成周围环境的云图并合成形成3D地图；所述雷达用于通过调频连续波对行人、车辆进行距离和速度的估计，所述雷达发射频率变化的高频连续波并接受反射信号，通过对频率差值进行傅里叶变换，分析所得频谱的频率和相位角，从而对行人和车辆进行测距和测速，所述雷达设备将对环境感知得到的数据发送至传感器融合单元。