[发明专利]一种车辆智能驾驶控制方法

说明书

本发明涉及汽车行车安全领域，特别涉及一种车辆智能驾驶控制方法，包括：车辆行驶过程中，利用激光雷达获取前方道路环境的反射点信息；根据所述反射点信息确定道路边界；根据所述反射点信息或道路边界确定车道线；根据所述道路边界和车道线拟合车道中心线，获得车道中心线的曲率；根据所述车道中心线的曲率计算使车辆沿所述车道中心线行驶所需调整的方向盘转角。通过激光雷达采集数据并计算前方道路的曲率，再用曲率来控制车辆横向运动，其具有可靠性高、能够提高驾车舒适性的优点，特别适合高速公路的全自动驾驶，还可以增强现有的自适应巡航系统。

技术领域

本发明涉及汽车行车安全领域，特别涉及一种车辆智能驾驶控制方法。

背景技术

传统的自适应巡航只能控制车速，而无法控制方向。目前，带LKA(Lane KeepingAssistance,车道保持辅助功能)的车辆都是采用摄像头检测车道线实现的，采用摄像头检测车道线存在很多缺点，比如摄像头对光线比较敏感，在低照度、光亮度快速变化时、车道线磨损情况下都无法检测。即便是能检测到，LKA需要频繁地调整方向来确保不跨越车道线，导致舒适性较差，且只能在短时间内实现放手驾驶。

目前有不少计算前方道路曲率的方法，一种是以计算机视觉的方式识别出车道线，然后拟合车道线，再用平面曲线的方法求出曲率，这种方法高度依赖车道线，在开通时间超过5年的高速公路上，车道线痕迹已经很不明显，车道线不完整。再有就是计算机视觉对光线异常敏感，夜晚、阴雨雪雾天都无法正确识别出车道线，道路积水积雪情况下也无法识别出车道线。加之视觉系统的有效距离特别短，通常130万像素的摄像头，要达到误差低于5％的效果，其有效距离只有大约50-60米，然而一般弯道半径远超过60米，这导致不能正确识别车道线。并且视觉系统是纯平面2D的，无法识别出道路的高度变化，对距离的估算精度很低，这是视觉系统的物理局限，通过任何方式都无法提高视觉系统对距离估算的精度。可见，计算机视觉系统的可靠性非常低，实用性差。另一种是利用自车的摄像头或激光雷达提取前车的转弯特征来计算道路曲率，这种方法精度很低，且必须有前车才能获得曲率数据。

鉴于现有技术中计算道路曲率来控制汽车驾驶的方法所存在的缺陷，有必要提供一种不受光线影响、可靠性高的汽车控制方法。

发明内容

针对现有技术的上述问题，本发明的目的在于提供一种车辆智能驾驶控制方法，通过激光雷达采集数据并计算前方道路的曲率，再用曲率来控制车辆横向运动，其具有可靠性高、能够提高驾车舒适性的优点。

本发明提供一种车辆智能驾驶控制方法，所述方法包括：

车辆行驶过程中，利用激光雷达获取前方道路环境的反射点信息；

根据所述反射点信息确定道路边界；

根据所述反射点信息或道路边界确定车道线；

根据所述道路边界和车道线拟合车道中心线，获得车道中心线的曲率；

根据所述车道中心线的曲率计算使车辆沿所述车道中心线行驶所需调整的方向盘转角。

优选地，所述利用激光雷达获取前方道路环境的反射点信息包括：

利用设置在车辆上的激光雷达向车辆前方发射探测信号；

接收由车辆前方道路环境对探测信号的回波信号；

分析所述回波信号，得到反射点信息，所述反射点信息包括反射点的坐标和反射强度值。

优选地，所述根据所述反射点信息确定道路边界包括：

判断反射点是否位于道路边界；

将位于道路边界的反射点进行聚合，根据聚合后的图像拟合出道路边界。

优选地，所述判断反射点是否位于道路边界包括：