车辆控制方法、装置、计算机装置及存储介质与流程

本公开涉及驾驶控制系统技术，尤其涉及一种车辆控制方法、装置、计算机装置及存储介质。

背景技术：

1、随着车辆智能化水平的不断提升，车辆对行驶地形的自动识别能力已成为影响动力分配、底盘调节、驾驶安全与舒适性的关键技术。

2、地形识别方案通常包括两类：一类基于视觉传感器（如摄像头），通过采集前方路面图像并进行纹理识别来判断地形类型；另一类基于底盘动力学传感器（如轮速、加速度、悬架高度等），通过监测车辆动态响应来间接推断地形。然而，视觉识别方案易受光照、降雨、降雪、雾霾等环境因素影响，在恶劣天气或泥水遮挡场景下识别稳定性差；底盘动力学识别方案则存在响应滞后问题，且对多变越野场景的识别能力有限。

3、综上，地形识别方案存在地形识别准确率偏低及响应速度慢的问题，无法满足全地形条件下车辆自适应控制的实际需求。

技术实现思路

1、为克服相关技术中存在的问题，本公开提供一种车辆控制方法、装置、计算机装置及存储介质。解决了地形识别准确率偏低及响应速度慢的问题，实现了图像特征与动力学特征的深度融合与优势互补，显著提升了地形识别的准确率与响应速度，为整车控制策略的自适应调节提供了可靠依据。

2、根据本公开实施例的第一方面，提供一种车辆控制方法，包括：

3、通过至少一个车载传感器，获取车辆在不同越野地形下的前视广角图像数据和底盘动力学数据；

4、对所述前视广角图像数据和所述底盘动力学数据进行特征提取；

5、通过融合识别模型对提取得到的特征进行识别，获取地形识别结果；

6、根据所述地形识别结果，生成控制策略。

7、进一步的，所述对所述前视广角图像数据和所述底盘动力学数据进行特征提取的步骤包括：

8、对所述前视广角图像数据进行特征提取，获取图像特征；

9、对所述底盘动力学数据进行特征提取，获取动力学特征；

10、将所述图像特征与所述动力学特征在时间维度上进行对齐。

11、进一步的，所述融合识别模型包括：

12、视觉识别子模型、动力学识别子模型和融合输出子模型，

13、所述通过融合识别模型对提取得到的特征进行识别，获取地形识别结果的步骤包括：

14、通过所述视觉识别子模型对时间对齐后的所述图像特征进行识别，获取视觉地形识别结果；

15、通过所述动力学识别子模型对时间对齐后的所述动力学特征进行识别，获取动力学地形识别结果；

16、通过所述融合输出子模型，对所述视觉地形识别结果与所述动力学地形识别结果进行融合，输出最终的所述地形识别结果。

17、进一步的，所述对所述前视广角图像数据进行特征提取，获取图像特征的步骤包括：

18、提取所述前视广角图像数据中的地形纹理特征作为所述图像特征。

19、进一步的，所述对所述底盘动力学数据进行特征提取，获取动力学特征的步骤包括：

20、通过滑动窗口统计提取所述底盘动力学数据的均值、方差、峰值和频谱特征，作为所述动力学特征。

21、进一步的，所述底盘动力学数据至少包括以下所列数据中的任一或任意多种：

22、四轮轮速、车速、四轮轮边制动力、制动力矩、四轮驱动扭矩、前后轴扭矩、档位、惯性测量单元（imu）信号、空簧高度、前轮转向角及角速度、后轮转角、防抱死制动系统（abs）激活状态、牵引力控制系统（tcs）激活状态、车辆动态控制系统（vdc）激活状态、环境温度。

23、进一步的，通过域控制器经由车载控制器局域网络灵活数据速率（canfd）总线和/或网关路由传输所述前视广角图像数据和/或所述底盘动力学数据。

24、进一步的，所述方法还包括：

25、通过时序卷积神经网络模型与注意力机制，捕捉提取得到的所述特征在时间维度上的序列变化特征，并基于所述序列变化特征对所述地形识别结果进行修正。

26、进一步的，所述方法还包括：

27、根据损失函数训练所述融合识别模型，所述损失函数为交叉熵损失。

28、进一步的，所述根据所述地形识别结果，生成控制策略的步骤包括：

29、根据所述地形识别结果，自动匹配整车控制参数和/或进行驾驶模式映射，所述整车控制参数包括以下参数中的至少一种：

30、发动机扭矩分配、变速箱换挡逻辑、电池保电策略、差速锁控制、空簧高度、连续阻尼控制系统（cdc）阻尼、电子稳定性控制系统（esc）介入策略、vdc介入策略、tcs控制策略、前后转控制策略；

31、生成所述控制策略，在所述控制策略中包含所述整车控制参数和/或所述驾驶模式。

32、进一步的，所述方法还包括：

33、收集所述地形识别结果与实际驾驶行为数据，结合半监督学习策略，对所述融合识别模型进行更新。

34、根据本公开的实施例的第二方面，提供了一种车辆控制装置，包括：

35、数据采集模块，用于通过至少一个车载传感器，获取车辆在不同越野地形下的前视广角图像数据和底盘动力学数据；

36、特征提取模块，用于对所述前视广角图像数据和所述底盘动力学数据进行特征提取；

37、特征融合模块，用于通过融合识别模型对提取得到的特征进行识别，获取地形识别结果；

38、自动控制模块，用于根据所述地形识别结果，生成控制策略。

39、进一步的，所述装置还包括：

40、卷积修正模块，用于通过时序卷积神经网络模型与注意力机制，捕捉提取得到的所述特征在时间维度上的序列变化特征，并基于所述序列变化特征对所述地形识别结果进行修正。

41、根据本公开的实施例的第三方面，提供了一种计算机装置，包括：

42、处理器；

43、用于存储处理器可执行指令的存储器；

44、其中，所述处理器被配置为执行本公开的实施例所提供的车辆控制方法。

45、根据本公开的实施例的第四方面，提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由计算机的处理器执行时，使得计算机能够执行本公开的实施例所提供的车辆控制方法。

46、本公开的实施例提供的技术方案可以包括以下有益效果：通过至少一个车载传感器，获取车辆在不同越野地形下的前视广角图像数据和底盘动力学数据，然后对所述前视广角图像数据和所述底盘动力学数据进行特征提取，再通过融合识别模型对提取得到的特征进行识别，获取地形识别结果，最后根据所述地形识别结果，生成控制策略。通过获取前视广角图像数据与底盘动力学数据并进行特征提取，利用融合识别模型对提取的特征进行深度融合以获取地形识别结果，再根据地形识别结果生成控制策略，有效解决了地形识别方案中视觉识别易受环境影响、底盘信号识别响应滞后且场景适应性差的技术问题，实现了图像特征与动力学特征的深度融合与优势互补，显著提升了地形识别的准确率与响应速度，为整车控制策略的自适应调节提供了可靠依据。

47、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。