买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：武汉科技大学

摘要：本发明属于智能交通系统和自动驾驶技术领域，特别涉及一种基于机器视觉与车辆动力学融合的道路纵向坡度估计方法，包括如下步骤：S1、基于车辆动力学的道路纵向坡度估计：S2、基于机视觉的道路纵向坡度估计；S3、基于机器视觉与卡尔曼滤波融合的道路纵向坡度估计；S4、进行道路纵向坡度估计实车试验验证与分析。本发明将机器视觉坡度估计结果作为动力学估计结果的初始化，实现两种算法的融合处理，增加算法的收敛性，使估计结果更加精确。

主权项：1.一种机器视觉与车辆动力学融合的道路纵向坡度估计方法，其特征在于：包括如下步骤：S1、基于车辆动力学的道路纵向坡度估计：S2、基于机器视觉的道路纵向坡度估计；S3、基于机器视觉与卡尔曼滤波融合的道路纵向坡度估计；S4、进行道路纵向坡度估计实车试验验证与分析；所述步骤S1的具体操作如下：基于车辆纵向动力学模型，建立状态空间方程，并通过无迹卡尔曼滤波算法unscentedKalmanfilter，UKF对道路纵向坡度进行估计，推导出UKF坡度估计模型，在此基础上加入模糊自适应FuzzyAdaptiveFA模块，通过将无迹卡尔曼滤波算法与模糊控制理论结合来解决常规无迹卡尔曼滤波中存在的噪声干扰问题，形成具备纵向坡道估计功能的FAUKF算法，在线估计状态噪声协方差矩阵和观测噪声协方差矩阵，并通过CarSim-Simulink联合仿真，分别针对正弦变化的坡道环境下进行仿真试验，对比分析和统计坡度估计的误差；所述步骤S2的具体操作如下：根据图像透视原理找出道路纵向坡度于车道线坐标点之间的关系，通过单目摄像头获取前方道路图像，并利用LaneNet车道线检测算法提取道路车道线拟合函数，此后通过Hnet车道线拟合函数来求取预瞄点坐标，进而对道路纵向坡度进行较为精确的估计；并基于PreScan平台进行仿真验证；所述步骤S3的具体操作如下：首先分析卡尔曼滤波初始误差对滤波精度带来的影响；其次，针对初始化误差带来的振荡问题，将视觉估计结果作为卡尔曼滤波估计结果的初始化，进行坡度估计滤波融合;最后运用CarSim、PreScan和Simulink进行联合仿真实验；所述步骤S4的具体操作如下：选择特定实际路段，基于车载CAN总线、单目相机进行数据和图像的采集，对道路纵向坡度估计算法进行实车试验验证。

全文数据：

权利要求：

百度查询： 武汉科技大学 一种基于机器视觉与车辆动力学融合的道路纵向坡度估计方法