[發明專利]一種用于無人駕駛的礦山道路路況智能分析方法和系統

在審

• 申請號: 202210796802.2
• 申請日: 2022-07-06
• 公開（公告）號: CN115326131A
• 公開（公告）日: 2022-11-11
• 發明（設計）人: 劉華峰;鄒燃;陸建峰
• 申請（專利權）人: 江蘇大塊頭智駕科技有限公司
• 主分類號: G01D21/02
• 分類號: G01D21/02;G08G1/01
• 代理公司: 南京普睿益思知識產權代理事務所(普通合伙) 32475
• 代理人: 賈寧

1.一種用于無人駕駛的礦山道路路況智能分析系統，其特征在于：包括航姿傳感器、四個輪速傳感器、數據采集器、數據分析服務器、定位裝置；

所述航姿傳感器設置在自動駕駛礦卡底盤上，用于采集輸入輪的輪速信息、車輛的垂直運動距離A、車體滾轉角度信號R、車體俯仰角度信號P；

所述定位裝置用于車輛的精確位置G；

四個輪速傳感器分別用于采集四個輸出輪的輪速信息；

所述定位裝置用于車輛的精確位置G，四個輪速傳感器分別用于采集四個輸出輪的輪速信息，所述航姿傳感器、定位裝置和四個輪速傳感器分別連接數據采集器，所述數據采集器連接數據分析服務器。

2.如權利要求1所述的一種用于無人駕駛的礦山道路路況智能分析方法，其特征在于：具體包括以下步驟：

步驟a，采集數據整理：

分別在路面上采集車輛的垂直運動距離A、車體滾轉角度信號R、車體俯仰角度信號P、車輛的精確位置G，并使用精密授時系統按照時間T精確地同步，組成高維的車體運動特征向量(A,R,P,G,T)；

步驟b，路面坑洼類路況特征提取與分類：

具體包括以下步驟：

步驟如下：

步驟0：根據空間位置切分待分類的地塊并編號。根據車輛的精確位置G，確定待分類路況的地塊編號g，后續特征提取以此為提取區域；

步驟1：截取并累積特定地塊的姿態數據，形成時序信號；

步驟2：對時序信號進行經驗模態分解，分別獲得本征模函數分量；

步驟3：本征模函數分量生成頻譜圖，并輸入卷積神經網中分類；

步驟4：獲得數據訓練路況分類卷積神經網；

步驟c，路況數據的空間關聯：

多個自動駕駛礦卡在不間斷地采用步驟b進行數據采集、特征提取和路況分類，并對分類結果關聯地塊標簽和相應時段。通過對位置和時間對路況識別的決策結果進行基于位置的聚類和數據融合，得到路況態勢圖呈現給終端用戶。

步驟d，路況態勢圖生成：

路況態勢圖可以結合數據產生的時間，生成路況預警信息。

3.如權利要求2所述的一種用于無人駕駛的礦山道路路況智能分析方法，其特征在于：步驟1的具體方法為：在切分后的地塊在車體運動特征向量g(A,R,P,T)的基礎上分別對垂直運動距離、滾轉角度和俯仰角度變化進行累積，獲得各類特征分量的時序的信號，對應關系如下：垂直運動距離A對應生成垂直震動信號As；車體滾轉角度生成車身搖擺信號Rs；車體俯仰角度生成車身顛簸信號Ps。

4.如權利要求2所述的一種用于無人駕駛的礦山道路路況智能分析方法，其特征在于：步驟2的具體方法為獲得對As，Rs，Ps進行經驗模態分解(EMD)，獲得若干本征模函數分量IMFs分量和一個余項，余項是單調且光滑的原始信號的趨勢項。

5.如權利要求2所述的一種用于無人駕駛的礦山道路路況智能分析方法，其特征在于：步驟3的具體方法為提取As,Rs,Ps的前8個IMF分量后轉化為二維頻譜圖Ai,Ri,Pi，將頻譜圖輸入到卷積神經網絡(CNN)中，使用卷積神經網絡分別提取特征，最后將各自特征進行連接和融合，形成路況特征送入分類器分類。

6.如權利要求2所述的一種用于無人駕駛的礦山道路路況智能分析方法，其特征在于：步驟4的具體方法為由于分類卷積神經網絡需要通過數據與標簽對進行訓練方能具備分類能力，故需要采集各類災害路面的姿態數據并加以標注，最后送入卷積神經網絡模型進行分類。