[发明专利]一种估计乘员晕动状态的系统

说明书

本发明公开了一种估计乘员晕动状态的系统，包括车辆感知模块、乘车环境感知模块、乘员姿态感知模块、乘员头部运动激励估计模块、乘员晕动状态估计模块、乘员晕动状态估计模型修正模块和用户交互反馈模块。车辆感知模块负责车辆运动激励的感知；乘车环境感知模块负责感知车内环境和车外环境；乘员姿态感知模块负责检测车内乘员乘坐姿势；乘员头部运动激励估计模块负责估计乘员头部运动激励；乘员晕动状态估计模块负责估计乘员从上车开始到当前时刻所累积的晕动程度；用户交互反馈模块负责采集乘员的信息并给出乘员当前晕动状态。本发明能准确地估计出乘员从上车开始到当前时刻所累积的晕动程度。

技术领域

本发明属于智能网联汽车领域，尤其涉及一种估计乘员晕动状态的系统。

背景技术

晕动病，也称为运动病，即指人们日常所说的“晕车、晕船、晕机”等。常见于乘坐交通工具时，因不规则的颠簸、摇摆、旋转、加速减速等运动所引起，表现为头晕、恶心、呕吐、上腹不适、面色苍白、出冷汗等。有研究表明，中国是世界上晕动病发生率最高的国家之一，80％的人都曾经历过不同程度的晕动反应。

关于晕动病产生的机理，国内外已经有了一定的相关研究。神经失配假说认为运动感受器(视觉和前庭器官)接收到的运动信息和人对运动感受的经验信息之间的不匹配引发晕动。在神经失配假说的基础上，感官冲突模型将人视为一个控制系统，对神经失配假说进行了细化和量化。主观垂直冲突模型在感知冲突模型的基础上对晕动病产生的机理进一步细化。该模型认为根据人类的经验，重力加速度的大小和方向是不变的，人倾向于通过分辨重力加速度来判断自己当前的姿态。当预计的重力加速度和实际感知到的重力加速度出现冲突时，晕动产生了。

晕动机理模型已经有了较长时间的发展和研究，但是现有的理论模型多为定性模型而非定量模型。感官冲突模型以及衍生的主观垂直冲突模型(SVC模型)虽然对晕动状态进行了量化，但这两个模型以晕动病的发生率(Motion Sickness Incidence，MSI)作为晕动状态的评价指标。而个体之间的晕动易感性存在差异，MSI并不能作为评判个体真实晕动状态的指标。此外，主观垂直冲突模型仅考虑乘员被动运动的情况，忽略了除前庭以外的其他运动感受器，无法描述如视觉刺激对晕动的影响。因此，现有的晕动机理模型在估计乘员晕动状态方面存在很大的局限性。

目前，智能网联汽车已经成为汽车、交通出行产业的热点领域，辅助驾驶、自动驾驶已得到了业界、学界的大力推动。随着高级自动驾驶车辆的到来，驾驶者逐渐转变为乘坐者，这将可能加剧乘员晕车现象，使乘员的晕车问题成为一个亟待解决的难题。能够实时准确地估计乘员的晕动状态，并以此来采取相应的措施减少乘员的晕动就显得尤为重要。目前，尚且没有能全面考虑运动激励、乘员姿态、乘员视觉等多方面因素，以准确估计乘员晕动状态的相关报道。

发明内容

本发明的目的在于针对现有技术的不足，提供一种估计乘员晕动状态的系统。本发明以车辆的运动激励、人的乘车姿态、人的视觉激励、乘车环境等因素作为输入，实时准确地输出乘员当前时刻的晕动状态

本发明的目的是通过以下技术方案来实现的：一种估计乘员晕动状态的系统，包括车辆感知模块、乘车环境感知模块、乘员姿态感知模块、乘员头部运动激励估计模块、乘员晕动状态估计模块、乘员晕动状态估计模型修正模块和用户交互反馈模块。车辆感知模块负责车辆运动激励Mv的感知；乘车环境感知模块负责感知车内环境Iv和车外环境Ov；乘员姿态感知模块负责检测车内乘员乘坐姿势；乘员头部运动激励估计模块负责估计乘员头部运动激励Mh；乘员晕动状态估计模块负责估计乘员从上车开始到当前时刻所累积的晕动程度；用户交互反馈模块负责采集乘员的信息并给出乘员当前晕动状态。

车辆感知模块，负责获取车辆坐标系O-XYZ下车辆运动激励Mv，包括车辆的纵向加速度A_Xv、侧向加速度A_Yv、垂向加速度A_Zv、横摆角速度Yawratev、俯仰角速度Pitchratev、翻转角速度Rollratev。