本發(fā)明涉及載具控制，尤其涉及一種適用于移動載具的多源感知智能控制系統(tǒng)及方法。

背景技術：

1、隨著城市交通的日益復雜，尤其是在城市路況較差的地區(qū)，傳統(tǒng)的兩輪載具面臨著較大的行駛安全與舒適性挑戰(zhàn)。道路缺陷，如坑洼、裂縫、雜物等，常常造成兩輪載具的穩(wěn)定性下降，增加了駕駛風險，甚至可能導致交通事故。盡管現(xiàn)有的兩輪載具已具備一定的懸掛系統(tǒng)和動力控制功能，但這些傳統(tǒng)系統(tǒng)大多依賴靜態(tài)的感知與控制方式，缺乏對動態(tài)路況、駕駛員狀態(tài)和車輛運動的實時感知和智能調(diào)節(jié)。因此，在復雜的交通環(huán)境中，現(xiàn)有的兩輪載具控制系統(tǒng)無法快速、精準地適應不同的道路狀況，無法有效避免道路缺陷引起的安全隱患。

2、本發(fā)明提出了一種適用于移動載具的多源感知智能控制系統(tǒng)，旨在通過多源感知與邊緣計算的協(xié)同工作，實時識別道路缺陷并優(yōu)化車輛的懸掛系統(tǒng)與動力控制，從而提升兩輪載具在復雜路況下的行駛穩(wěn)定性與安全性。

技術實現(xiàn)思路

1、針對現(xiàn)有技術存在的不足，本發(fā)明的目的在于提供一種適用于移動載具的多源感知智能控制系統(tǒng)及方法，用于提升兩輪載具在復雜路況下的行駛穩(wěn)定性與安全性。

2、為實現(xiàn)上述目的，本發(fā)明提供了如下技術方案：一種適用于移動載具的多源感知智能控制系統(tǒng)，包括：

3、硬件感知模塊，包括：

4、多光譜傳感單元，用于實時采集位于兩輪載具前方一預設距離處的多源光譜數(shù)據(jù)，所述多源光譜數(shù)據(jù)包括激光雷達點云、可見光圖像和紅外圖像；

5、后向感知單元，用于實時采集所述兩輪載具后方的交通狀態(tài)數(shù)據(jù)；

6、狀態(tài)感知單元，用于實時采集車身運動參數(shù)和駕駛員狀態(tài)數(shù)據(jù)，所述多源光譜數(shù)據(jù)、所述交通狀態(tài)數(shù)據(jù)、所述駕駛員狀態(tài)數(shù)據(jù)和所述車身運動參數(shù)組成多源傳感器數(shù)據(jù)；

7、邊緣計算模塊，連接所述硬件感知模塊，包括：

8、時空對齊單元，用于對各所述多源傳感器數(shù)據(jù)進行時間同步與空間坐標統(tǒng)一化處理，以生成時空對齊數(shù)據(jù)；

9、缺陷識別單元，用于對所述激光雷達點云進行dbscan聚類分割，并結(jié)合所述可見光圖像的surf特征匹配與所述紅外圖像溫度的梯度分析，識別得到道路缺陷類型；

10、安全預測單元，連接所述時空對齊單元和所述缺陷識別單元，用于預先構(gòu)建缺陷接觸預測模型，并將所述道路缺陷類型、所述時空對齊數(shù)據(jù)輸入所述缺陷接觸預測模型中，以生成動態(tài)接觸安全系數(shù)；

11、參數(shù)優(yōu)化單元，連接所述安全預測單元，用于采用lstm網(wǎng)絡模型結(jié)合所述駕駛員狀態(tài)數(shù)據(jù)優(yōu)化所述動態(tài)接觸安全系數(shù)；

12、控制執(zhí)行模塊，連接所述邊緣計算模塊，包括：

13、懸掛調(diào)節(jié)單元，用于根據(jù)優(yōu)化過后的所述動態(tài)接觸安全系數(shù)實時調(diào)整所述兩輪載具上的磁流變阻尼器阻尼比與空氣彈簧剛度；

14、動力預緊單元，用于在所述兩輪載具與道路缺陷接觸前生成動力預緊指令，以調(diào)整所述兩輪載具的動力輸出；

15、人機交互單元，用于根據(jù)優(yōu)化過后的所述動態(tài)接觸安全系數(shù)生成ar-hud投影動態(tài)安全走廊及轉(zhuǎn)向提示，車把觸覺反饋裝置根據(jù)優(yōu)化過后的所述動態(tài)接觸安全系數(shù)聯(lián)動生成相應的振動編碼。

16、進一步地，所述多光譜傳感單元包括可見光攝像頭、紅外熱成像儀及mems激光雷達；

17、所述后向感知單元包括廣角攝像頭與毫米波雷達，所述廣角攝像頭與所述毫米波雷達用于協(xié)同探測所述兩輪載具后方的所述交通狀態(tài)數(shù)據(jù)；

18、所述狀態(tài)感知單元包括六軸imu、輪速傳感器及載重傳感器；

19、所述車身運動參數(shù)包括當前車速、輪胎摩擦系數(shù)、車輪半徑、載重質(zhì)量、質(zhì)心高度、軸距、車架彈性模量。

20、進一步地，所述缺陷接觸預測模型的公式配置為：

21、

22、其中，sdc(v，μ，r，m，h，d，e，δ，t)表示上述動態(tài)接觸安全系數(shù)，v，μ，r，m，h，d，e，δ，t分別表示所述當前車速、所述輪胎摩擦系數(shù)、所述車輪半徑、所述載重質(zhì)量、所述質(zhì)心高度、所述軸距、所述車架彈性模量、所述道路缺陷類型和所述交通狀態(tài)數(shù)據(jù)。

23、進一步地，所述缺陷識別單元還根據(jù)所述激光雷達點云、所述可見光圖像和所述紅外圖像溫度得到道路缺陷坐標；

24、所述適用于移動載具的多源感知智能控制系統(tǒng)還包括協(xié)同通信模塊，連接所述邊緣計算模塊，包括：

25、預警單元，用于將識別到的所述道路缺陷類型廣播發(fā)送至周邊車輛；

26、群體決策單元，用于根據(jù)所述道路缺陷類型、所述道路缺陷坐標以及其余全載具位置生成多車協(xié)同避障路徑；

27、云端交互單元，用于實現(xiàn)本地的所述道路缺陷類型、所述道路缺陷坐標與云端缺陷特征庫中數(shù)據(jù)的聯(lián)邦學習更新。

28、進一步地，所述缺陷識別單元包括：

29、聚類子單元，用于對所述激光雷達點云數(shù)據(jù)進行密度基聚類分割，識別道路表面上的潛在缺陷區(qū)域；

30、特征匹配子單元，用于提取所述可見光圖像中所述潛在缺陷區(qū)域的加速穩(wěn)健特征與預設的缺陷模板庫進行surf特征匹配得到特征匹配度，當所述特征匹配度高于預設的匹配閾值時確定缺陷在所述可見光圖像中的位置；

31、紅外分析子單元，用于分析所述紅外圖像中的溫度梯度，以識別熱源或溫度差異引起的缺陷區(qū)域，并與所述激光雷達點云和所述可見光圖像的數(shù)據(jù)結(jié)合，確認所述道路缺陷類型；

32、計算子單元，連接所述聚類子單元、所述特征匹配子單元和所述紅外分析子單元，用于結(jié)合所述激光雷達點云、所述可見光圖像和所述紅外圖像的溫度信息，計算并確定所述道路缺陷的空間坐標，得到所述道路缺陷坐標。

33、進一步地，所述坐標計算子單元計算得到所述道路缺陷坐標的過程包括：

34、首先根據(jù)所述激光雷達點云數(shù)據(jù)的深度信息，確定道路缺陷區(qū)域的大致位置和空間關系；

35、然后通過surf特征匹配，進一步驗證缺陷在所述可見光圖像中的位置，并修正點云數(shù)據(jù)中的位置偏差；

36、進而根據(jù)所述紅外圖像溫度的梯度分析結(jié)果，結(jié)合所述激光雷達點云和所述可見光圖像，采用融合算法優(yōu)化缺陷坐標的計算精度，最終確定所述道路缺陷坐標。

37、進一步地，所述缺陷識別單元還包括實時補償子單元，連接所述計算子單元，用于獲取imu角速度、路面類型和環(huán)境能見度，并根據(jù)所述imu角速度、所述路面類型和所述環(huán)境能見度綜合計算得到坐標補償系數(shù)，根據(jù)所述坐標補償系數(shù)對所述道路缺陷坐標進行補償，得到動態(tài)補償過后的所述道路缺陷坐標。

38、進一步地，動態(tài)補償過后的所述道路缺陷坐標的計算公式配置為：

39、

40、cdc＝cdef+α·δc；

41、cdc，min≤cdc≤cdc，max；

42、其中，α表示所述坐標補償系數(shù)，ω表示所述imu角速度，l表示所述路面類型，v表示所述環(huán)境能見度，γ1，γ2，γ3分別表示預設的第一調(diào)整系數(shù)、第二調(diào)整系數(shù)和第三調(diào)整系數(shù)，用于將所述imu角速度、所述路面類型和所述環(huán)境能見度統(tǒng)一量綱；cdc表示動態(tài)補償過后的所述道路缺陷坐標，cdef表示原始的所述道路缺陷坐標，δc表示所述道路缺陷坐標的偏差量，cdc，min和cdc，max分別表示預設的坐標下限值和坐標上限值。

43、進一步地，所述參數(shù)優(yōu)化單元包括：

44、構(gòu)建子單元，用于構(gòu)建三類輸入數(shù)據(jù)，包括基礎數(shù)據(jù)、所述駕駛員狀態(tài)數(shù)據(jù)和環(huán)境干擾數(shù)據(jù)，所述基礎數(shù)據(jù)包括原始的所述動態(tài)接觸安全系數(shù)、所述實時車速、橫向加速度、所述載重質(zhì)量、所述質(zhì)心高度、所述摩擦系數(shù)，所述駕駛員狀態(tài)數(shù)據(jù)包括心率、眼瞼閉合度、手把握力、疲勞等級，所述環(huán)境干擾數(shù)據(jù)包括路面類型編碼、光照等級、天氣代碼；

45、融合子單元，連接所述構(gòu)建子單元，用于將所述基礎數(shù)據(jù)、所述所述駕駛員狀態(tài)數(shù)據(jù)和所述環(huán)境干擾數(shù)據(jù)輸入雙層lstm網(wǎng)絡，以提取得到多個時序特征向量，并采用注意力機制對各所述時序特征向量加權融合得到融合結(jié)果；

46、修正子單元，連接所述融合子單元，用于根據(jù)所述融合結(jié)果生成系數(shù)修正量，將所述系數(shù)修正量與原始的所述動態(tài)接觸安全系數(shù)疊加，得到優(yōu)化過后的所述動態(tài)接觸安全系數(shù)。

47、一種適用于移動載具的多源感知智能控制方法，應用于上述的適用于移動載具的多源感知智能控制系統(tǒng)，包括：

48、步驟s1，多光譜傳感單元實時采集位于兩輪載具前方一預設距離處的多源光譜數(shù)據(jù)，所述多源光譜數(shù)據(jù)包括激光雷達點云、可見光圖像和紅外圖像；后向感知單元實時采集所述兩輪載具后方的交通狀態(tài)數(shù)據(jù)；狀態(tài)感知單元實時采集車身運動參數(shù)和駕駛員狀態(tài)數(shù)據(jù)，所述多源光譜數(shù)據(jù)、所述交通狀態(tài)數(shù)據(jù)、所述駕駛員狀態(tài)數(shù)據(jù)和所述車身運動參數(shù)組成多源傳感器數(shù)據(jù)；

49、步驟s2，時空對齊單元對各所述多源傳感器數(shù)據(jù)進行時間同步與空間坐標統(tǒng)一化處理，以生成時空對齊數(shù)據(jù)；缺陷識別單元對所述激光雷達點云進行dbscan聚類分割，并結(jié)合所述可見光圖像的surf特征匹配與所述紅外圖像溫度的梯度分析，識別得到道路缺陷類型；

50、步驟s3，安全預測單元預先構(gòu)建缺陷接觸預測模型，并將所述道路缺陷類型、所述時空對齊數(shù)據(jù)輸入所述缺陷接觸預測模型中，以生成動態(tài)接觸安全系數(shù)；參數(shù)優(yōu)化單元采用lstm網(wǎng)絡模型結(jié)合所述駕駛員狀態(tài)數(shù)據(jù)優(yōu)化所述動態(tài)接觸安全系數(shù)；

51、步驟s4，懸掛調(diào)節(jié)單元根據(jù)優(yōu)化過后的所述動態(tài)接觸安全系數(shù)實時調(diào)整所述兩輪載具上的磁流變阻尼器阻尼比與空氣彈簧剛度；動力預緊單元在所述兩輪載具與道路缺陷接觸前生成動力預緊指令，以調(diào)整所述兩輪載具的動力輸出；

52、步驟s5，人機交互單元根據(jù)優(yōu)化過后的所述動態(tài)接觸安全系數(shù)生成ar-hud投影動態(tài)安全走廊及轉(zhuǎn)向提示，車把觸覺反饋裝置根據(jù)優(yōu)化過后的所述動態(tài)接觸安全系數(shù)聯(lián)動生成相應的振動編碼。

53、本發(fā)明的有益效果：

54、(1)實時精準識別道路缺陷：通過多光譜傳感單元(包括激光雷達、可見光圖像和紅外圖像)實時采集道路信息，結(jié)合先進的缺陷識別算法，能夠精準識別和定位道路缺陷類型，如坑洼、裂縫等，從而為后續(xù)的車輛控制提供高精度的數(shù)據(jù)支持。

55、(2)動態(tài)安全預測與優(yōu)化：邊緣計算模塊通過時空對齊和缺陷接觸預測模型，能夠?qū)崟r分析和預測道路缺陷對車輛行駛的影響，生成動態(tài)接觸安全系數(shù)，并結(jié)合駕駛員狀態(tài)數(shù)據(jù)和車身運動參數(shù)進行優(yōu)化。這一過程有效提高了車輛在復雜路況下的響應速度和精度。

56、(3)提升行駛穩(wěn)定性與舒適性：通過優(yōu)化的動態(tài)接觸安全系數(shù)，懸掛調(diào)節(jié)單元能實時調(diào)整磁流變阻尼器阻尼比和空氣彈簧剛度，以適應不同的路況，從而顯著提升行駛過程中的穩(wěn)定性和舒適性，減少因道路缺陷導致的顛簸和不適感。

57、(4)增強駕駛安全性：通過動力預緊單元，在兩輪載具接觸到道路缺陷前即生成預緊指令，提前調(diào)整動力輸出，避免因突發(fā)缺陷導致的車輛失控或安全事故。此外，人機交互單元通過ar-hud動態(tài)安全走廊和車把觸覺反饋裝置，提供即時的安全提示，進一步提升駕駛員對路面狀況的敏感性和控制感。

58、(5)智能化與自動化控制：本系統(tǒng)實現(xiàn)了多感知數(shù)據(jù)的集成與邊緣計算的智能處理，使得車輛在不同駕駛情境下能根據(jù)實時反饋自動優(yōu)化控制策略，減少了駕駛員的操作負擔，并提高了駕駛體驗。

59、總之，本發(fā)明通過多源傳感器和智能算法的結(jié)合，顯著提高了兩輪載具在復雜道路條件下的應變能力、行駛安全性與舒適性，具有重要的技術創(chuàng)新意義和實際應用價值。