一种汽车路面自适应的车辆控制方法及设备与流程

1.本发明涉及一种汽车路面自适应的车辆控制方法及设备。


背景技术：

2.颠簸对于乘客有明显的危害：突然出现的颠簸路面，会降低乘员对于自动驾驶的信心，严重影响乘坐体验；颠簸程度较大的路面，会出现乘员的极度不适，甚至心跳加速、心悸、晕车症状。
3.城区和城郊道路是高级别自动驾驶涵盖的行驶场景，但是现有解决方案无法有效识别城市道路的颠簸路面，导致车辆驾乘舒适性降低，甚至威胁自动驾驶汽车的安全性。


技术实现要素：

4.本发明的目的是提供一种汽车路面自适应的车辆控制方法及设备。
5.一种汽车路面自适应的车辆控制方法，包括：基于多传感器融合的道路识别采集方式，构建颠簸路面指纹数据库；通过多传感器实时采集前方道路的数据，将前方待识别道路的数据与所述颠簸路面指纹数据库进行比对，以确定前方道路的颠簸程度；基于前方道路的颠簸程度，对应调整车辆的悬架的刚度和阻尼参数，以提升车辆上的乘客的舒适度；采集调整悬架的刚度和阻尼参数后的车辆在行驶的道路上的车辆的动力学响应数据，基于动力学响应数据确定道路的不舒适度等级；基于道路的不舒适度等级，确定车辆的纵向推荐车速，将车辆的当前车速调整到所述纵向推荐车速。
6.进一步的，上述方法中，基于多传感器融合的道路识别采集方式，构建颠簸路面指纹数据库，包括：通过车辆的双目摄像头、4d毫米波成像雷达、惯导系统，对不平整特征的前方道路区域进行采集，得到车辆的各种前方道路区域的图像数据、点云数据、车辆动态响应数据及当前经纬度信息；当车辆行驶到各种前方道路的路面时，对应标定车辆上的乘客的舒适等级；基于车辆的各种前方道路区域的图像数据、点云数据、车辆动态响应数据及当前经纬度信息和对应标定的车辆上的乘客的舒适等级，形成各种前方道路区域的颠簸路面指纹数据库。
7.进一步的，上述方法中，通过多传感器实时采集前方道路的数据，将前方待识别道路的数据与所述颠簸路面指纹数据库进行比对，以确定前方道路的颠簸程度；基于前方道路的颠簸程度，对应调整车辆的悬架的刚度和阻尼参数，以提升车辆上的乘客的舒适度，包括：通过多传感器实时采集前方道路的数据，并将前方道路的数据规整为预定的数据格式段；
利用无监督学习算法稀疏自动编码结构，从所示数据格式段提取路面颠簸程度的特征，将提取到的路面颠簸程度的特征与所述颠簸路面指纹数据库进行比对，以确定前方道路的颠簸程度；将前方道路的颠簸程度输入给底盘域控制器或悬架控制器，底盘域控制器或悬架控制器通过预设置的前方道路的颠簸程度与悬架舒适性参数的标定程序，利用模糊逻辑pid控制，对应调整车辆的悬架的刚度和阻尼参数，以提升车辆上的乘客的舒适度。
8.进一步的，上述方法中，采集调整悬架的刚度和阻尼参数后的车辆在行驶的道路上的车辆的动力学响应数据，基于动力学响应数据确定道路的不舒适度等级，包括：采集调整悬架的刚度和阻尼参数后的车辆在行驶的道路上的车辆的动力学响应数据，包括：车辆的纵向、横向、垂向速度、加速度、变加速度和车辆姿态角；基于车辆的纵向、横向、垂向速度、加速度、变加速度和车辆姿态角，确定道路的不舒适度等级。
9.进一步的，上述方法中，基于车辆的纵向、横向、垂向速度、加速度、变加速度和车辆姿态角，确定道路的不舒适度等级，包括：基于预设时间段内的车辆的纵向、横向、垂向速度、加速度、变加速度和车辆姿态角的均值，确定道路的不舒适度等级。
10.进一步的，上述方法中，基于道路的不舒适度等级，确定车辆的纵向推荐车速，将车辆的当前车速调整到所述纵向推荐车速，包括：基于预设时间内接收到的道路的不舒适度等级，并基于线性模型预测控制，确定车辆的纵向推荐车速，将车辆的当前车速调整到所述纵向推荐车速。
11.进一步的，上述方法中，基于道路的不舒适度等级，确定车辆的纵向推荐车速，包括：若道路的颠簸路段通过时间少于预设时间，则基于道路的不舒适度等级，确定车辆的纵向推荐车速。
12.进一步的，上述方法中，确定车辆的纵向推荐车速，包括：得到的纵向推荐车速在安全性指标车速的范围内；且车辆按照纵向推荐车速行驶后，车辆的不舒适度等级至少降低到预设不舒适度等级，且每次车速调整带来的舒适性提升不少于预设2个不舒适度等级。
13.进一步的，上述方法中，基于道路的不舒适度等级，确定车辆的纵向推荐车速，包括：根据如下公式，确定车辆的纵向推荐车速： ，控制约束量，控制增益约束量；式中，u（）表示不舒适度等级，
△
u（）表示不舒适度等级变化量；p和q表示两个系数标定矩阵；j（）表示为目标车速优化函数；t表示时间，k表示时间增量；z表示代价函数变量，n
p
表示预测时域，ε（）表示车辆状态量，u
min
表示不舒适度等级下限，u
max
表示不舒适度等级上限，
△umin
表示不舒适度等级变化量下限，
△umax
表示不舒适度等级变化量上限，表
示代价函数变量平方之和，表示代价函数变量二阶导数平方之和，表示车速最优结果即车辆的纵向推荐车速。
14.根据本发明的另一方面，还提供一种汽车路面自适应的车辆控制设备，包括：道路指纹数据库模块，用于基于多传感器融合的道路识别采集方式，构建颠簸路面指纹数据库；主动悬架控制模块，用于通过多传感器实时采集前方道路的数据，将前方待识别道路的数据与所述颠簸路面指纹数据库进行比对，以确定前方道路的颠簸程度；基于前方道路的颠簸程度，对应调整车辆的悬架的刚度和阻尼参数，以提升车辆上的乘客的舒适度；道路不平度识别模块，用于采集调整悬架的刚度和阻尼参数后的车辆在行驶的道路上的车辆的动力学响应数据，基于动力学响应数据确定道路的不舒适度等级；智能车速控制模块，用于基于道路的不舒适度等级，确定车辆的纵向推荐车速，将车辆的当前车速调整到所述纵向推荐车速。
15.根据本发明的另一方面，还提供一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现上述任一项所述的方法。
16.根据本发明的另一方面，还提供一种用于在网络设备端信息处理的设备，该设备包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该设备执行权利上述任一项所述的方法。
17.本发明提供了融合视觉和雷达点云识别、车辆动力学响应的路面颠簸识别技术，建立不平度路面的道路数据库，基于神经网络技术建立颠簸路面识别模型，为车辆主动悬架控制提供输入；结合车辆动力学响应特性，制定颠簸路面的自适应车速控制策略，提升驾乘舒适性和安全性。
18.本发明通过对图像、点云识别和动力学响应判别的方法进行耦合，可弥补各自的缺点，极大地提升道路颠簸程度的预测精度，为车辆的控制提供精准输入信息。
附图说明
19.图1是本发明一实施例的汽车路面自适应的车辆控制方法的原理图；图2是本发明一实施例的典型颠簸路面类型示意图；图3是本发明一实施例的低成本数据采集感知设备的示意图；图4是本发明一实施例的数据采集app界面图5是本发明一实施例的主动悬架控制的示意图；图6是本发明一实施例的道路不平度识别模块的示意图；图7是本发明一实施例的线性mpc框架的示意图；图8是本发明一实施例的垂向加速度响应的示意图；图9是本发明一实施例的车辆速度响应的示意图。
具体实施方式
20.下面结合附图对本发明作进一步详细描述。
21.在本技术一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个
处理器 (cpu)、输入/输出接口、网络接口和内存。
22.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (ram) 和/或非易失性内存等形式，如只读存储器 (rom) 或闪存(flash ram)。内存是计算机可读介质的示例。
23.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (pram)、静态随机存取存储器 (sram)、动态随机存取存储器 (dram)、其他类型的随机存取存储器 (ram)、只读存储器 (rom)、电可擦除可编程只读存储器 (eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器 (cd-rom)、数字多功能光盘 (dvd) 或其他光学存储、 磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
24.如图1所示，本发明涉及一种汽车路面自适应的车辆控制方法，所述方法包括：步骤s1，基于多传感器融合的道路识别采集方式，构建颠簸路面指纹数据库；在此，如图1所示，步骤s1可以通过模块1，低成本多传感器感知融合的道路识别与颠簸道路数据库（道路指纹数据库）模块来实现；优选的，如图3所示，步骤s1的多传感器可以包括如下低成本感知传感器：前视双目摄像头、4d毫米波成像雷达、惯导系统（imu/gnss），步骤s2，通过多传感器实时采集前方道路的数据，将前方待识别道路的数据与所述颠簸路面指纹数据库进行比对，以确定前方道路的颠簸程度；基于前方道路的颠簸程度，对应调整车辆的悬架的刚度和阻尼参数，以提升车辆上的乘客的舒适度；在此，如图1所示，步骤s2可以通过模块2，基于预瞄道路信息的主动悬架控制模块来实现；可以将车辆实时采集的前方道路数据与颠簸路面指纹数据库中信息进行比对结构，以确定前方道路的颠簸程度；基于前方道路的颠簸程度，将前方道路的颠簸程度实时传递给底盘域控制器，通过已标定的控制算法，实现对主动悬架刚度和阻尼的自适应调整，进而达到舒适性的提高；步骤s3，采集调整悬架的刚度和阻尼参数后的车辆在行驶的道路上的车辆的动力学响应数据，基于动力学响应数据确定道路的不舒适度等级；在此，如图1所示，步骤s3可以通过模块3，基于车辆动力学时域响应的不平度路面等级的道路精准识别模块来实现；步骤s4，基于道路的不舒适度等级，确定车辆的纵向推荐车速，将车辆的当前车速调整到所述纵向推荐车速。
25.在此，如图1所示，步骤s4可以基于路面不平度的智能车速控制模块来实现。
26.自动驾驶汽车在高速情况下，路面状况良好，由颠簸造成的车辆和乘员的冲击情况较少。面向高级别的自动驾驶解决方案，尤其在城市道路，乡镇道路，以及园区中，不可避免会出现颠簸的路面。
27.如图2所示，造成车辆颠簸的路面有多种类型，首先是单个减速带或连续减速带路
面，减速带材质一般为橡胶或铸铁，黑黄相间。还有路面坑槽，一般指水损坏，路面老化，施工工艺落后，车辆超载超限运输等原因引起的路面骨料局部脱落而产生的坑洼，是沥青路面易发多发的常见病害，影响行车安全性、舒适性。开裂路面，主要考虑中裂缝和大裂缝。中裂缝宽度为15~25mm,裂缝边缘有中等碎裂，并有少量支缝，裂缝两侧有少量错台，会引起车辆明显跳动。大裂缝：裂缝宽度大于25mm，裂缝边缘有严重碎裂，并有较多支缝，裂缝两侧有较大错台，会引起车辆剧烈跳动。小裂缝和微裂缝会引起车辆轻微跳动，对车辆行驶的平稳性影响不大。还有波浪型的起伏路面，以及非铺装的路面。
28.通过前视摄像头和4d毫米波成像雷达，图像和雷达点云数据识别颠簸路面类型，结合车速控制策略，优点是能够提前预测路面状态变化，在驶过颠簸路面前能进行合适的悬架参数调整和车速控制，减少颠簸路面对于舒适性的影响。缺点是识别性能依赖于光照条件，且识别路面的类型有限，需要依赖足够多的采集样本量进行图形识别训练。若样本量足够大，对于黑黄相间的减速带路面和坑槽路面类型较容易识别。裂缝较大的中裂缝和大裂缝的开裂路面类型能有效识别。对于图像特征边界模糊的路面，如波浪形的高低起伏路面识别准确率不高。对于非铺装路面的识别，也需要较多的样本量才能精确识别。仅识别路面类型还不足以支持进行舒适性车速控制，还需要路面颠簸程度的判别等级，但该数据难以通过图像进行识别。4d毫米波成像雷达点云数据则对于结构特征变化明显的路面能做较为精准的识别，而且相较于激光雷达成本极低。
29.通过车辆动力学响应判别方法识别路面颠簸，优点：可以充分利用车辆的传感器，基于悬架行程和车身姿态判别颠簸路面状态。缺点：无法判别当前为何种路面，无法提前预测路面的变化，对短颠簸路面不能及时做出减速反应，适用于长颠簸路面。
30.针对车辆行驶通过颠簸路面，提升驾驶舒适性可以有两个技术途径：第一个途径，可以改变悬架系统参数，这个方法需要结合预瞄距离和主动悬架系统；汽车悬架系统大多由前后减震器及其附属部件组成，其主要功能是：隔离、消化、缓冲来自路面的颠簸、震动，保障驾驶员和乘客的舒适安全；保持轮胎和地面的接触，保证轮胎向地面的动力输出；为转向等操控提供支撑；第二个途径，可以根据道路颠簸等级改变车速，达到舒适性提升的目的。
31.本发明提供了融合视觉和雷达点云识别、车辆动力学响应的路面颠簸识别技术，建立不平度路面的道路数据库，基于神经网络技术建立颠簸路面识别模型，为车辆主动悬架控制提供输入；结合车辆动力学响应特性，制定颠簸路面的自适应车速控制策略，提升驾乘舒适性和安全性。
32.本发明通过对图像、点云识别和动力学响应判别的方法进行耦合，可弥补各自的缺点，极大地提升道路颠簸程度的预测精度，为车辆的控制提供精准输入信息。
33.本发明的汽车路面自适应的车辆控制方法一实施例中，步骤s1，基于多传感器融合的道路识别采集方式，构建颠簸路面指纹数据库，包括：步骤s11，基于加装双目摄像头、4d毫米波成像雷达、惯导系统的车辆对不平整特征的前方道路区域进行采集，得到车辆的各种前方道路区域的图像数据、点云数据、车辆动态响应数据及当前经纬度信息；在此，道路原始数据采集中，基于加装双目摄像头、4d毫米波成像雷达、惯导系统的车辆对不平整特征的道路区域的采集，包括车辆前方一定路段区域的图像数据、点云数
据，以及车辆动态响应数据（车速、加速度等），并上传当前经纬度信息至数据库；若智能驾驶系统有高精度地图则在高精度地图模块中存储相关道路定位信息；步骤s12，当车辆行驶到各种前方道路的路面时，对应标定车辆上的乘客的舒适等级；在此，当车辆行驶到前方路段的颠簸道路的路面时，以相对稳定的合理车速通过该路段，同时记录测评人员的乘坐感受，例如，可以按照5个等级评价：舒适等级1为极度不舒适，测评人员100%不可接受；舒适等级2为不舒适，测评人员70%不可接受；舒适等级3为及格，测评人员40%不可接受；舒适等级4为舒适，测评人员20%不可接受；舒适等级5为十分舒适，测评人员1%不可接受；步骤s13，基于车辆的各种前方道路区域的图像数据、点云数据、车辆动态响应数据及当前经纬度信息和对应标定的车辆上的乘客的舒适等级，形成各种前方道路区域的颠簸路面指纹数据库。
34.在此，可以基于图像和高分辨率点云数据，结合行驶车速和评价分数，利用支持向量机（svm）算法对颠簸路面进行分类，形成颠簸路面指纹数据库。随着越来越多的道路数据不断被采集，数据库会更加丰富，对于道路的识别也会更加准确。
35.同时，可以设计道路数据库数据剔除模块，通过对低质量数据的定期剔除，提高整体数据库质量。但要保证颠簸路面指纹数据库中的道路数据累积片段不少于1万个。
36.本实施例通过加装两类感知设备的汽车进行特定区域（颠簸路面较多区域）不少于1万公里的图像和雷达点云数据采集，构建基础数据集，可以基于视觉slam（simultaneous localization and mapping）和点云slam技术，对道路特征进行提取，构建典型颠簸路面指纹数据库，包括：减速带的原始感知数据，柏油路面风化腐蚀或人为造成的路面残缺或皲裂的原始感知数据，水泥路面风化腐蚀或人为造成的路面残缺或皲裂的原始感知数据。并按照主观感受评价的5个等级对道路情况进行分类，分类算法利用支持向量机。
37.本发明的汽车路面自适应的车辆控制方法一实施例中，步骤s2，通过多传感器实时采集前方道路的数据，将前方待识别道路的数据与所述颠簸路面指纹数据库进行比对，以确定前方道路的颠簸程度；基于前方道路的颠簸程度，对应调整车辆的悬架的刚度和阻尼参数，以提升车辆上的乘客的舒适度，包括：步骤s21，通过多传感器实时采集前方道路的数据，并将前方道路的数据规整为预定的数据格式段；正常，可以通过双目摄像头和4d毫米波成像雷达，识别车辆前方至少10米外的道路数据，经过数据处理模块，将数据规整为预定的数据格式段；步骤s22，利用无监督学习算法稀疏自动编码结构，从所示数据格式段提取路面颠簸程度的特征，将提取到的路面颠簸程度的特征与所述颠簸路面指纹数据库进行比对，以确定前方道路的颠簸程度；在此，利用无监督学习算法稀疏自动编码结构提取不同路面颠簸程度的特征，降低计算量，提升识别准确率。然后将提取到的特征与道路指纹数据库中的数据进行比对，以确定前方道路的颠簸程度等级（1、2、3、4、5），并通过车载hmi系统显示在中控屏或者仪表盘上，供驾驶员或乘客提前获知前方道路信息，提高心理舒适性的预期；
步骤s23，将前方道路的颠簸程度输入给底盘域控制器或悬架控制器，底盘域控制器或悬架控制器通过预设置的前方道路的颠簸程度与悬架舒适性参数的标定程序，利用模糊逻辑pid控制，对应调整车辆的悬架的刚度和阻尼参数，以提升车辆上的乘客的舒适度。
38.在此，主动悬架舒适性参数调整；将前方特定距离的道路信息（颠簸等级程度）输入给底盘域控制器（或悬架控制器），该控制器通过预设置的道路信息与悬架舒适性参数标定程序，利用模糊逻辑pid控制，实现车辆悬架的刚度和阻尼参数的自适应调整，保证车辆行驶至颠簸路面时，乘客的舒适性得到提升。
39.本发明的汽车路面自适应的车辆控制方法一实施例中，步骤s3，采集调整悬架的刚度和阻尼参数后的车辆在行驶的道路上的车辆的动力学响应数据，基于动力学响应数据确定道路的不舒适度等级，包括：步骤s31，采集调整悬架的刚度和阻尼参数后的车辆在行驶的道路上的车辆的动力学响应数据，包括：车辆的纵向、横向、垂向速度、加速度、变加速度（jerk）和车辆姿态角；在此，本步骤采集的数据包括：车辆的纵向、横向、垂向速度、加速度、变加速度（jerk），车辆姿态角包括俯仰角、侧倾角、横摆角等信息。对于鲁棒性差的响应量进行在线辨识与优化，如横向车速。
40.步骤s32，基于车辆的纵向、横向、垂向速度、加速度、变加速度（jerk）和车辆姿态角，确定道路的不舒适度等级。
41.在此，可以综合考虑人体振动耐受表征数据，采用以加权的加速度均方根wrmsa（weighted root-mean-square acceleration）为基础的乘员不舒适度作为等级分类基准，分为10个等级（见表1），考虑到颠簸程度的非均匀性，按照每100ms输出一个不平度等级，每累计1s，计算过去10个周期的不舒适度均值，作为智能车速调节的主要依据。不舒适度等级如下表所示：表1不舒适度等级本实施例可以建立起乘客的路面不舒适度等级-车辆客观指标量（wrmsa），基于标定量，得到对应于路面不舒适度等级，作为下一颠簸路段智能车速控制模块的输入。
42.通过采集车辆通过颠簸路面时的车辆动力学响应数据，建立起描述道路不平度识别算法，用于精准预测道路颠簸程度，并作为自动驾驶车辆车速控制的主要依据。为了提高动力学响应的准确性，在数据采集模块中包含了参数在线辨识算法，可以对于侧向速度、横
摆角速度等鲁棒性较差的动力学响应采集量进行优化。
43.优选的，基于道路的不舒适度等级，确定车辆的纵向推荐车速，包括：若道路的颠簸路段通过时间少于预设时间，则基于道路的不舒适度等级，确定车辆的纵向推荐车速。
44.在此，可以要求颠簸路段通过时间不少于2s，低于2s的颠簸路面，只识别，但不下发至下一颠簸路段智能车速控制模块。
45.本发明的汽车路面自适应的车辆控制方法一实施例中，步骤s4，基于道路的不舒适度等级，确定车辆的纵向推荐车速，将车辆的当前车速调整到所述纵向推荐车速，包括：基于预设时间内接收到的道路的不舒适度等级，并基于线性模型预测控制，确定车辆的纵向推荐车速，将车辆的当前车速调整到所述纵向推荐车速。
46.在此，模块4即颠簸路段智能车速控制模块可以基于上一基于车辆动力学时域响应的不平度路面等级的道路精准识别模块产生的1s内的道路不舒适度等级，并基于线性模型预测控制（mpc，model predictive control），对自动驾驶车辆纵向车速进行控制，实现不舒适度等级的降低。
47.优选的，确定车辆的纵向推荐车速中，模块4即颠簸路段智能车速控制模块可以遵守2大规则：1）得到的纵向推荐车速不与安全性指标车速相矛盾，即得到的纵向推荐车速在安全性指标车速的范围内；2）车辆按照纵向推荐车速行驶后，车辆的不舒适度等级至少降低到中等不舒适度等级，如表1的5级，且每次车速调整带来的舒适性提升不少于2个不舒适度等级。
48.本发明的汽车路面自适应的车辆控制方法一实施例中，基于预设时间内接收到的道路的不舒适度等级，并基于线性模型预测控制，确定车辆的纵向推荐车速，包括：根据如下公式，确定车辆的纵向推荐车速：控制约束量 ，控制增益约束量；式中，u（）表示不舒适度等级，
△
u（）表示不舒适度等级变化量；p和q表示两个系数标定矩阵；j（）表示为目标车速优化函数；t表示时间，k表示时间增量；z表示代价函数变量，n
p
表示预测时域，ε（）表示车辆状态量，u
min
表示不舒适度等级下限，u
max
表示不舒适度等级上限，
△umin
表示不舒适度等级变化量下限，
△umax
表示不舒适度等级变化量上限，表示代价函数变量平方之和，表示代价函数变量二阶导数平方之和，表示车速最优结果即车辆的纵向推荐车速。
49.在此，可以设计线性mpc算法将不舒适度等级作为空间状态变量，增加对该状态变量的性能约束。
50.设计的线性mpc优化函数目标为：，
控制约束量，控制增益约束量。
51.通过以上线性mpc优化算法，得到车辆的实时纵向推荐车速。
52.后续，可以将纵向车速推荐值输入给整车控制器vcu，计算成车辆可执行的控制量，如驱动电机输出扭矩和制动系统油缸压力，实现车辆的车速智能化调整。
53.本发明的一具体的实施例，可以包括以下步骤：为了构建道路指纹库，首先进行不少于1万公里的人工驾驶模式的基础数据采集，数据采集车辆加装双目摄像头（像素不低于500万）、4d毫米波成像雷达、高精度惯导系统（imu/gnss）系统。如果需要，可加装激光雷达作为基础数据库真值系统进行验证工作，但后续迭代过程，不需要使用激光雷达。
54.数据采集所覆盖的颠簸路面数量多和丰富度高，有助于提升后续模型训练的精度，在基础数据库中，1万公里的里程至少要包括500个颠簸路段样本，同一颠簸路段两个方向通过视为两个样本。通过采集到的图像数据和点云数据，基于视觉和点云slam技术，对颠簸道路细节特征进行建模和存储，重点提取图像的色差和点云的高度差，构建典型颠簸路面指纹数据库，采集的样本类型包括减速带、柏油路面风化腐蚀或人为造成的路面残缺或皲裂、水泥路面风化腐蚀或人为造成的路面残缺或皲裂、未铺装路面坑洼路段。此实施例中，共采集有效测试数据样本650个。
55.数据采集系统同时记录车辆的状态响应量和定位信息，如车速、加减速、方向盘转角、经纬度等信息。
56.同时记录下随车驾乘人员的感受，开发专用的道路等级评价app（见图4），利用手机或者平板电脑实现主观感受的便捷评价和记录。对行驶通过的被测路段进行5个等级的评价，其中1-5个等级的样本占比分别为：16%、32%、20%、22%、10%。
57.基于图像和高分辨率点云数据，结合行驶车速和评价等级，利用支持向量机（svm）算法对颠簸路面进行分类，最终形成基础道路指纹数据库。基于此数据库，后续利用虚拟仿真方法实现其他模块和步骤的实施。
58.为了实现基于预瞄道路信息的主动悬架控制（如图5），首先搭建包括主动空气悬架的高精度车辆动力学模型，模型精度要求90%以上。其次开发基于模糊pid的主动悬架控制模型。
59.为了便于在虚拟环境下构建包含颠簸路段的道路，此实施例选用连续减速带工况，单个减速带横截面采样梯形，高度50mm，上边长100mm，下边长300mm，共设置20个减速带，间隔1000mm。
60.通过仿真测试软件，将场景中的摄像头和4d毫米波成像雷达探测的道路模拟数据输入到道路指纹数据库中的道路识别模块，利用无监督学习算法的稀疏自动编码结构提取不同路面平整程度的特征，计算得到当前的道路等级为2，即70%的测评人员不接受。将识别出的道路程度等级2通过仿真软件可视化模块显示在屏幕上。
61.将前方道路信息（颠簸等级程度2）输入给主动悬架控制模块，通过预设置的道路信息与悬架舒适性参数标定程序，利用模糊逻辑pid控制，实现车辆悬架的刚度和阻尼参数的自适应调整，保证车辆行驶至颠簸路面时，乘客的舒适性得到提升。
62.基于以上步骤完成了第一阶段舒适性能的车辆控制。
63.当第一阶段的主动悬架控制完成后，车辆将在驶入颠簸路段前调整好悬架舒适性参数。当车辆驶入颠簸路段时，根据车辆状态响应信息，自主激活基于车辆动力学响应的道路不平度识别模块（见图6）。
64.通过仿真，获得结果后输入到此模块的动力学响应包括：纵横垂三个方向的加速度和jerk、纵向车速、加速和制动踏板行程、横摆角速度、车身姿态角（俯仰、侧倾）等。
65.基于车辆状态响应量设置的阈值，激活道路不平度模块，进行参数在线辨识，对于侧向速度、横摆角速度等鲁棒性较差的动力学响应采集量进行滤波和优化。
66.基于以上获得的车辆状态响应，构建车辆状态响应空间，计算以加权的加速度均方根wrmsa，查表得到当前的不舒适度等级，考虑到颠簸程度的非均匀性，按照每100ms输出一个不平度等级，每累计1s，计算过去10个周期的不舒适度均值，得到第一个不舒适度等级为6，以此数值为主要依据，进行智能车速调节。
67.建立了如图7所示的线性mpc车速控制模型，通过增加道路不平度和不舒适度作为约束，实现车辆速度的自适应调整。此实施例中，驶入连续减速带前的车速为30km/h，经过该模块优化后的车速为15km/h。此车速下的不舒适度等级为3，舒适度提高了3个级别。
68.图7中，v表示车速，dv表示车速变化范围；p和q表示两个系数标定矩阵；t表示采样周期；z表示代价函数变量，n
p 表示预测时域，nc表示控制时域。
69.优化后的车辆的垂向加速度响应和车速响应分别见图8和图9。
70.根据本发明的另一方面，还提供一种汽车路面自适应的车辆控制设备，包括：道路指纹数据库模块，用于基于多传感器融合的道路识别采集方式，构建颠簸路面指纹数据库；主动悬架控制模块，用于通过多传感器实时采集前方道路的数据，将前方待识别道路的数据与所述颠簸路面指纹数据库进行比对，以确定前方道路的颠簸程度；基于前方道路的颠簸程度，对应调整车辆的悬架的刚度和阻尼参数，以提升车辆上的乘客的舒适度；道路不平度识别模块，用于采集调整悬架的刚度和阻尼参数后的车辆在行驶的道路上的车辆的动力学响应数据，基于动力学响应数据确定道路的不舒适度等级；智能车速控制模块，用于基于道路的不舒适度等级，确定车辆的纵向推荐车速，将车辆的当前车速调整到所述纵向推荐车速。
71.根据本发明的另一方面，还提供一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现上述任一项所述的方法。
72.根据本发明的另一方面，还提供一种用于在网络设备端信息处理的设备，该设备包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该设备执行权利上述任一项所述的方法。
73.本发明各设备实施例的详细内容具体可参见各方法实施例的对应部分，在此，不再赘述。
74.显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。
75.需要注意的是，本发明可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路（asic）、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例
中，本发明的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本发明的软件程序（包括相关的数据结构）可以被存储到计算机可读记录介质中，例如，ram存储器，磁或光驱动器或软磁盘及类似设备。另外，本发明的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。
76.另外，本发明的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本发明的方法和/或技术方案。而调用本发明的方法的程序指令，可能被存储在固定的或可移动的记录介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输，和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此，根据本发明的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本发明的多个实施例的方法和/或技术方案。
77.对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。