一种高精度的车速计算方法与流程

本发明及车辆技术领域，特别涉及一种高精度的车速计算方法。

背景技术：

辅助驾驶(adas，advanceddrivingassistantsystem)和自动驾驶系统的车辆控制演算法都需要建立在精确的车速计算与加速度两侧基础上，方能够在各种行车情景下达到精准的车辆行为控制。例如，自动跟车功能(acc，adaptivecruisecontrol)，若车速或加速度在量测或计算上存在误差，则会直接反应在本车与前车之鉴的距离控制上，由于距离控制的不精确甚至会造成碰撞，引起严重的交通事故。

目前，在量产车型中最常用于车速计算的参数为轮速感测器所量测的轮胎速度以及加速度计(accelerometer)所量测的加速度。主流的做法有将非驱动的轮速进行优化处理或者以轮速和加速度两种参数所计算的车速进行叠加(如专利tw106125538中所描述)，但无论是对轮速进行优化还是将轮速和加速度进行叠加，这两种方法都没有考虑到轮胎半径和加速度的测量值可能存在的误差。由于车辆在行驶过程中，轮胎不可避免会与地面产生摩擦，这就使得轮胎半径必然是逐渐变小的，若一致以轮胎的出厂半径计算轮速，势必就会引起一定误差。此外，加速度的测量在上坡、下坡、急加速或急减速等情况下，也会受惯性影响而产生偏差。而使用未经优化的轮胎半径以及加速度量测值来估算车速，估算结果是不准确的，参考价值较低。

为了解决现有车速估算方法存在的缺陷，本申请提供了一种高精度的车速计算方法，以对量产车型的轮胎半径以及加速度量测值进行修正，使得车速的计算精度得到提升。

技术实现要素：

为了克服上述缺陷，本发明提供了一种高精度的车速计算方法，其特征在于，包括：

计算当前时刻的轮胎滑移率，并判断滑移率是否小于阈值，若是，则继续对轮胎半径和加速度进行修正；否则，停止修正过程；

针对当前时刻的轮胎角加速度、加速度量测值、加速度偏移量以及轮胎半径，建立关系式；

根据关系式，建立系统预估模型；

根据关系式，建立量测系统模型；

将系统预估模型和量测系统模型代入卡尔曼滤波器预估模型中，以获取当前时刻的轮胎半径修正值以及加速度偏移量修正值；

依据当前时刻的轮胎半径修正值及加速度偏移量修正值，计算当前时刻的车速。

进一步的，所述计算轮胎的滑移率步骤包括：

获取车辆当前时刻的轮胎线速度；

获取车辆当前时刻的中心点移动速度；

获取轮胎线速度与中心点移动速度之间的差值；

若当前时刻的车辆是处于加速状态，则以轮胎线速度与中心点移动速度之间的差值作为分子，以轮胎线速度作为分母，获取两者的比值，将比值作为滑移率；

若当前时刻的车辆处于减速状态，则以轮胎线速度与中心点移动速度之间的差值作为分子，以中心点移动速度作为分母，获取两者的比值，将该比值作为滑移率。

进一步的，所述获取车辆当前时刻的轮胎线速度步骤，包括：

获取当前时刻的轮胎角速度；

获取轮胎出厂半径；

以当前时刻的轮胎角速度与轮胎出厂半径的乘积作为当前时刻的轮胎线速度。

进一步的，当滑移率大于等于阈值且停止修正过程之后，还包括：

基于上一时刻的轮胎半径修正值以及加速度偏移量修正值，计算出当前时刻的车速。

进一步的，在所述针对当前时刻的轮胎角加速度、加速度量测值、加速度偏移量以及轮胎半径，建立关系式步骤中，所述关系式如下：

其中，所述为轮胎角加速度，所述ak(i)为加速度量测值，所述ε(i)为加速度偏移量，所述r为轮胎半径。

进一步的，在所述针对当前时刻的轮胎角加速度、加速度量测值、加速度偏移量以及轮胎半径，建立关系式步骤之后，在所述根据关系式，建立系统预估模型步骤之前，还包括公式改写步骤：

将建立的关系式改写成矩阵型公式，所述矩阵型公式如下：

其中，所述为轮胎角加速度，所述ak(i)为加速度量测值，所述ε(i)为加速度偏移量，所述r为轮胎半径。

进一步的，所述根据关系式，建立系统预估模型步骤，包括：

以作为系统预估模型中的预估变量x，设定

基于矩阵型公式，按照预估模型的标准式，建立系统预估模型，具体如下：

其中，所述为i时刻的x，所述则为i-1时刻的x，所述为预测系统杂讯。

进一步的，所述根据关系式，建立量测系统模型步骤，包括：

以作为量测系统模型中的量测值z，设定

基于矩阵型公式，按照量测模型的标准式，建立量测系统模型，具体如下：

其中，所述v(i)为量测系统杂讯。

进一步的，所述预估模型的标准式如下：

x(i)＝a·x(i-1)+b·u(i)+n(i)，

其中，所述x(i)为i时刻x的状态，所述x(i-1)为i-1时刻的x状态，所述a和b均为系统参数，所述u(·)为i时刻输入的系统变量，所述n(·)为系统杂讯；

所述量测模型的标准式如下：

z(i)＝h·x(i)+v(·)，

其中，所述z(i)为i时刻的量测值，所述x(i)为i时刻x的状态，所述h为系统参数，所述v(i)为系统杂讯。

进一步的，所述依据当前时刻的轮胎半径修正值及加速度偏移量修正值，计算当前时刻的车速步骤，包括：

将当前时刻的加速度量测值与加速度偏移量修正值进行求和计算，并将和值作为当前时刻的加速度修正值；

将当前时刻的加速度修正值与取样周期相乘，并将乘积值与上一时刻的车速相加，所得和值即为当前时刻的车速。

与现有技术相比，本发明的有益效果是如下：

本发明提供了一种高精度的车速计算方法，在该车速计算方法中，通过对同一时刻的轮胎角加速度、加速度量测值、加速度偏移量以及轮胎半径建立关系式，并将关系式改写成矩阵型公式，然后建立系统预估模型和量测系统模型，并将系统预估模型和量测系统模型代入至卡尔曼滤波器预估模型中，得到轮胎半径修正值以及加速度偏移量修正值。得到的轮胎半径修正值以及加速度偏移量修正值与当前时刻的轮胎真实半径和真实加速度偏移量具有高度吻合性，使得基于轮胎半径修正值以及加速度偏移量修正值计算得到的车速与当前时刻的真实车速基本匹配，误差小，精度高。这对辅助驾驶和自动驾驶系统而言，具有更高的参考价值，利于提高驾驶的安全性，以降低交通事故的发生概率，具有非常高的使用价值。

附图说明

图1为实施例1中高精度的车速计算方法。

图2为实施例1中由gps获取的加速度量测值、加速度修正值以及未修正的加速度量测值的曲线对比图。

图3为实施例1中由gps获取的当前时刻的车速、修正后的当前车速以及未修正的当前车速之间的曲线比较图。

附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的；相同或相似的标号对应相同或相似的部件；附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制。

具体实施方式

下面对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征更易被本领域技术人员理解，从而对本发明的保护范围作出更为清楚的界定。

实施例1

如图1-图3所示，本实施例提供了一种高精度的车速计算方法，该方法的实施基于安装在汽车上的轮速感测器以及设置在汽车上的加速度计。所述轮速感测器用于获取轮胎的转动角速度(由轮胎的转动角速度可以计算出轮胎线速度)；而所述加速度计则是用于检测车辆的加速度值，以获取到车辆的加速度量测值。

一种高精度的车速计算方法，包括如下步骤：

101、计算当前时刻的轮胎滑移率，并判断滑移率是否小于阈值，若是，则继续对轮胎半径和加速度进行修正；否则，停止修正过程。

在具体实施过程中，需要先获取车辆当前时刻的轮胎线速度vtire，然后再获取车辆当前时刻的中心点移动速度vcg(即车速)。随后获取轮胎线速度与中心点移动速度之间的差值(vtire-vcg)。然后根据当前时刻车辆是处于加速状态还是减速状态，来判断具体使用哪种计算方法来获取车辆的滑移率。一般来讲，若当前时刻的车辆是处于加速状态，则以轮胎线速度与中心点移动速度之间的差值作为分子，以轮胎线速度作为分母，获取两者的比值，将该比值作为滑移率。也就是说，当车辆处于加速度状态时，s(滑移率)＝(vtire-vcg)/vtire。而如果当前时刻的车辆处于减速状态，则以轮胎线速度与中心点移动速度之间的差值作为分子，以中心点移动速度作为分母，获取两者的比值，将该比值作为滑移率。也就是说，如果当前时刻的车辆处于减速状态时，则s(滑移率)＝(vtire-vcg)/vcg。

本技术方案中，为了获取车辆当前时刻的轮胎线速度，一般需要首选获取到当前时刻的轮胎角速度，轮胎角速度通过轮速感测器来获取。然后获取轮胎出厂半径，轮胎出厂半径通常由厂家直接提供。最后，再以当前时刻的轮胎角速度与轮胎出厂半径的乘积作为当前时刻的轮胎线速度。有时候，esc(车身稳定控制系统)会直接把四个轮胎的角速度传输至can(控制器局域网络、controllerareanetwork)上，由相关的计算模块通过四个轮的角速度以及出厂轮胎半径参数，计算出平均轮胎线速度；当然，esc也可以直接将轮胎的角速度转换成轮胎线速度，在传输至can上，在此不做唯一性限制。

本技术方案主要是针对量产车的车速估计，由于量产车上通常还没有安装gps系统，所以无法通过gps系统直接获取到车速。此时，为了计算出车辆的滑移率，对后续修正做出准确判断，就需要我们根据轮胎线速度以及车辆加速度来推算出当前时刻的车速，这里所说的车辆加速度是由加速度车辆所得。具体的，依据轮胎线速度以及车辆加速度来估算车速的计算公式如下：

其中，vcg(i)为i时刻的车速，而vcg(i-1)为i-1时刻的车速，所述vrr、vlr、vrf、vlf分别为四个轮胎的轮胎线速度，所述krr、klr、krf、klf为各轮胎的权重值，所述a(i)为i时刻的加速度，所述t为取样周期，所述kacc为加速度权重值，所述ks＝krr+klr+krf+klf+kacc。基于上述估算出的车速以及推算出的的轮胎线速度，就可以完成对滑移率的计算。

作为优选的，当滑移率大于等于阈值且停止修正过程之后，还可以调用上一时刻的轮胎半径修正值以及加速度偏移量修正值，并基于上一时刻的轮胎半径修正值以及加速度偏移量修正值，计算出当前时刻的车速。本实施例中，滑移率的阈值通常设为3％-8％之间，优选5％。也就是说，当上述所计算出的滑移率s小于阈值，则继续对加速度以及轮胎半径进行修正，若滑移率s大于或等于阈值时，则会暂停对加速度的修正，并使用上一时刻的轮胎半径修正值以及加速度偏移量修正值来对车速进行估算。根据多次试验观察，一般用路环境轮胎不会处于长时间打滑，加速度还是有很多机会得到修正，而且这个算法的修正主要是为了消除坡度对加速度量测的误差，在打滑瞬间车辆所处的坡度与上一个时刻相比通常不会有太大变化；即使在停止对加速度修正的这段时间里，车辆行驶的坡度有变化，这样的计算结果依然比完全不修正来得准确。

102、针对当前时刻的轮胎角加速度、加速度量测值、加速度偏移量以及轮胎半径，建立关系式。

在建立关系式的过程中，需要先对轮胎角加速度、加速度量测值、加速度偏移量以及轮胎半径之间的关系做初步分析。其中，考虑到车速计算的来源主要有有两个，一个是轮胎线速度，另一个则是车辆中心的加速度。所以为了使车速估算精确，就必须分别对这两个来源参数进行算法上的优化。已知的现象是加速度的量测会受到车辆所在的坡度影响，我们要透过系统的预测模型使得加速度更符合使用需求。另一个会影响车速计算的参数是轮胎半径，通常轮胎线速度的量测是先由角速度ωtire而来，轮胎线速度vtire＝ωtire·r，由此可见r的误差也会影响轮胎线速度。其中，ε(i)＝ak(i)-a(i)，所述ε(i)为加速度偏移量(测量值与真实值之间存在的误差)，所述ak(i)为加速度量测值，而a(i)则视为i时刻的真实加速度值，也就是我们想要获取的加速度数值。

假设车辆在坡面上行驶使，加速度获取的车辆加速度值已经收到了坡面的影响，那么此时为了修正加速度，我们就需要通过轮胎线速度的微分来获取加速度，藉此作为另一个加速度来源的参考。把由轮胎线速度微分所得到的加速度记作atire(i)，由物理公式可知轮胎线性加速度atire(i)与轮胎角加速度的关系为然后，我们假设在车辆模型中，轮胎线加速度atire(i)等于车辆中心加速度a(i)，并带入加速度偏移量ε(i)，就可得如下关联公式：

进而推导出如下所建立的关系式：

其中，所述为轮胎角加速度，所述ak(i)为加速度量测值，所述ε(i)为加速度偏移量，所述r为轮胎半径。

为了便于后续建立系统预估模型和量测系统模型，以便成功代入卡尔曼滤波器预估模型中，还需要将上述建立的关系式进一步改写成矩阵型公式，所述矩阵型公式具体如下：

其中，在矩阵型公式中，所述为轮胎角加速度，所述ak(i)为加速度量测值，所述ε(i)为加速度偏移量，所述r为轮胎半径。

103、根据关系式，建立系统预估模型。

在建立系统预估模型的过程中，首先需要确立预估变量。本实施例中，以作为系统预估模型中的预估变量x，即设定然后，再基于矩阵型公式，并按照预估模型的标准式，建立系统预估模型，所述系统预估模型具体如下：

其中，在系统预估模型中，所述为i时刻的x，所述则为i-1时刻的x，所述为预测系统杂讯。

本技术方案中，所说的预估模型的标准式如下所示：

x(i)＝a·x(i-1)+b·u(i)+n(i)，

其中，在预估模型的标准式中，所述x(i)为i时刻x的状态，所述x(i-1)为i-1时刻的x状态，所述a和b均为系统参数，所述u(i)为i时刻输入的系统变量(本技术的方案中，u＝0)，所述n(i)为系统杂讯。

104、根据关系式，建立量测系统模型。

在建立量测系统模型的过程中，首先需要确定量测值。本实施例中，以作为量测系统模型中的量测值z，设定然后，再基于矩阵型公式，按照量测模型的标准式，建立量测系统模型，具体如下：

其中，在量测系统模型中，所述v(i)为量测系统杂讯。

本技术方案中，所说的量测模型的标准式如下所示：

z(i)＝h·x(i)+v(i)，

其中，所述z(i)为i时刻的量测值，所述x(i)为i时刻x的状态，所述h为系统参数(h＝[ak(i)-1])，所述v(i)为系统杂讯。

105、将系统预估模型和量测系统模型代入卡尔曼滤波器预估模型中，以获取当前时刻的轮胎半径修正值以及加速度偏移量修正值。

具体的，将步骤103和步骤104中建立的系统预估模型和量测系统模型带入至卡尔曼滤波器预估模型中。由于卡尔曼滤波器预估模型已经形成了固定的算法模式，也已被广泛使用，所以在此不做赘述。然后由系统预估模型中的预测系统杂讯以及量测系统模型中的量测系统杂讯v(i)来计算出卡尔曼滤波器预估模型中的参数q和r，具体计算方式套用统计学中的协方差公式即可，在此不做详述。最后通过常规的演算法计算每个时刻的预估变量x。也就是说，每个时刻的轮胎半径r与加速度偏移量ε都会被估算出来，即可得到每一时刻的轮胎半径修正值和加速度偏移量修正值。

106、依据当前时刻的轮胎半径修正值及加速度偏移量修正值，计算当前时刻的车速。

当得到了当前时刻的轮胎半径修正值及加速度偏移量修正值之后，便可以计算当前时刻的车速了。具体的，将当前时刻的加速度量测值与加速度偏移量修正值进行求和(或求差)计算，即可获得该时刻较为准确的加速度修正值acorrection(i)。将得到的加速度修正值、由加速度计获取的未经修正的加速度量测值以及由gps获取的加速度量测值(视为准确的加速度值)进行对比，如图2所示。由图2可知，由加速度计获取的未经修正的加速度量测值与由gps获取的加速度量测值之间存在较为明显的误差，而加速度修正值与由gps获取的加速度量测值之间则误差非常小，两条曲线具有高度吻合性，这就表明，加速度修正值与由gps获取的加速度量测值几乎是吻合的，得到的加速度修正值是能够代表真实加速度值来估算车速的。

为了进一步获取到当前时刻的车速，还需要将当前时刻的加速度修正值acorrection(i)与取样周期t相乘，并将乘积值与上一时刻的车速相加，所得和值即为当前时刻的车速。具体如车速计算公式一所示。

车速计算公式一：vcg(i)＝vcg(i-1)+acorrection(i)*t

其中，vcg(i)为i时刻的车速，而vcg(i-1)为i-1时刻的车速。

当然，对车速的计算方式并不唯一，也可以选择将轮胎半径修正值r直接带入至车速计算公式二中，以得到较为精确的车速计算值。

车速计算公式二：vtire＝ωtire·r

其中，vtire为轮胎线速度，ωtire为轮胎角速度，而r为轮胎半径修正值。

基于轮胎半径修正值以及加速度修正值得到的车速与未修正的当前车速以及由gps获取的当前时刻的车速进行比较，发现基于轮胎半径修正值以及加速度修正值得到的车速与gps获取的当前时刻的车速吻合度更高，两者之间的误差更小，其参考价值更大，具体如图3所示。

本实施例提供的车速计算方法，通过对轮胎角加速度、加速度测量值、加速度偏移量以及轮胎半径之间的关系进行分析，建立了具体的关系式(在步骤102中有详细描述)。并通过对建立的关系式进行简单改写后形成矩阵型公式(在步骤102中有详细描述)。形成的矩阵型公式不仅能够改写成与预估模型的标准式相符合的格式(即系统预估模型)，也能够改写成与量测模型的标准式相符的格式(即量测系统模型)。而且，最重要的是，形成的系统预估模型和量测系统模型均与卡尔曼滤波器预估模型的特性相吻合，刚好都能够把各变量放在正确的位置，并完成对各参数矩阵的合理设置。这就表明利用卡尔曼滤波器预估模型计算轮胎半径修正值以及加速度偏移量修正值是比较适合。当然，在具体实验过程中，通过采集准确的轮胎半径以及加速度偏移量，来验证卡尔曼滤波器预估模型输出的轮胎半径修正值以及加速度偏移量修正值，发现卡尔曼滤波器预估模型输出的结果的确也是可靠有效的。

值得注意的是，在本技术方案中，卡尔曼滤波器预估模型并不是计算轮胎半径修正值以及加速度偏移量修正值的唯一选择，在实际使用过程中，也可以采用最小平方公式(leastsquaresformula)替代卡尔曼滤波器预估模型来完成计算。由于最小平方公式(leastsquaresformula)也是非常成熟的计算方法，在此不再做具体赘述。

本实施例公开了一种高精度的车速计算方法，在该车速计算方法中，通过对同一时刻的轮胎角加速度、加速度量测值、加速度偏移量以及轮胎半径建立关系式，并将关系式改写成矩阵型公式，然后建立系统预估模型和量测系统模型，并将系统预估模型和量测系统模型代入至卡尔曼滤波器预估模型中，得到轮胎半径修正值以及加速度偏移量修正值。得到的轮胎半径修正值以及加速度偏移量修正值与当前时刻的轮胎真实半径和真实加速度偏移量具有高度吻合性，使得基于轮胎半径修正值以及加速度偏移量修正值计算得到的车速与当前时刻的真实车速基本匹配，误差小，精度高。这对辅助驾驶和自动驾驶系统而言，具有更高的参考价值，利于提高驾驶的安全性，以降低交通事故的发生概率，具有非常高的使用价值。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。