安全领航方法、装置、车辆、存储介质及产品与流程

本技术涉及智能领航，特别涉及一种安全领航方法、装置、车辆、存储介质及产品。

背景技术：

1、随着汽车智能驾驶技术的发展，l3级或者接近l3级别智能驾驶功能逐渐成为了c级以上乘用车轿车的标配或者选配功能。其中重点功能以智能领航(简称noa或ngp)为代表，智能领航功能可以解放驾驶员双手双脚，在高速公路或者城市道路之中按照导航起点-终点规划路线自动驾驶，并具备局部自主换道、路径规划、车速规划等能力。

2、相关技术中，大多采用车端动力学模型识别附着系数的方案，然而车端动力学模型识别算法基于的前提是必须车辆已经行驶至附着系数变化的路段之后，由于整车运动特性已经发生了改变，才能够识别出来附着系数发生了变化，而后再去调节相关算法特性，但这属于“后知后觉”，没有体现出智能化对整个过程的加持。

3、然而，相关技术中的智能领航功能目前较少考虑路面附着系数的影响，或是考虑到了路面附着系数的影响但是实际利用时具有一定的延迟性，灵活性和智能水平较低，在车辆的行驶场景较为复杂或行驶条件较差的情况下无法保证车辆的行驶安全，亟待解决。

技术实现思路

1、本技术提供一种安全领航方法、装置、车辆、存储介质及产品，以解决相关技术中的智能领航功能目前较少考虑路面附着系数的影响，或是考虑到了路面附着系数的影响但是实际利用时具有一定的延迟性，灵活性和智能水平较低，在车辆的行驶场景较为复杂或行驶条件较差的情况下无法保证车辆的行驶安全等问题。

2、本技术第一方面实施例提供一种车辆的安全领航方法，包括以下步骤：在车辆处于领航模式的情况下，获取车端基于道路图像识别的第一路面附着系数和云端基于v2x交互信息识别的第二路面附着系数；根据所述第一路面附着系数及车端置信度与第二路面附着系数及云端置信度进行融合，得到第三路面附着系数；校验所述第三路面附着系数，得到校验结果，并在所述校验结果为不一致的情况下，根据所述车辆的当前行驶路段的动力学附着系数控制所述车辆按照目标领航动作进行安全领航，否则根据所述第三路面附着系数控制所述车辆按照目标领航动作进行安全领航。

3、通过上述技术手段，本技术实施例可以基于车端与云端路面附着系数识别融合的技术方案，同时考虑车端动力学模型识别结果对其进行反馈校验，完成车辆的安全智能领航。由此，实现了利用多方信息源提前识别路面附着系数，将路面附着系数识别结果应用于智能领航算法控制之中，能够提升整车智能化、安全化水平，做到智能驾驶算法自适应适配行驶路段附着变化情况，以便更好地匹配当前行驶路面环境，确保车辆的行驶安全。

4、可选地，在本技术的一个实施例中，所述根据所述车辆当前行驶路段的动力学附着系数控制所述车辆按照目标领航动作进行安全领航，否则根据所述第三路面附着系数控制所述车辆按照目标领航动作进行安全领航，包括：确定所述动力学附着系数或所述第三路面附着系数的所处区间；根据所述所处区间匹配所述目标领航动作的目标车速、目标车距和目标车道、换道轨迹、纵向加速度、纵向减速度、横向加速度、横向减速度中的至少之一。

5、通过上述技术手段，本技术实施例可以为不同的路面附着系数匹配不同的目标领航动作，在路面附着系数不同的情况下，分别对车辆的目标车速、目标车距和目标车道、换道轨迹、纵向加速度、纵向减速度、横向加速度、横向减速度进行不同的控制，适用于不同的行驶场景，满足车辆领航过程中不同的领航需求。

6、可选地，在本技术的一个实施例中，所述校验所述第三路面附着系数，得到校验结果，包括：采集所述车辆的实际车速和当前轮速；根据所述实际车速和所述当前轮速计算所述车辆的轮加速度以及滑移率；根据所述轮加速度以及所述滑移率识别出所述当前行驶路段的动力学附着系数；对比所述动力学附着系数和所述第三路面附着系数，得到所述校验结果。

7、通过上述技术手段，本技术实施例可以利用动力学路面附着系数对第三路面附着系数进行验证，根据车辆的实际车速、当前轮速和得到的轮加速度以及滑移率识别车前行驶路面的实际路面附着系数即动力学附着系数，由此保障后续安全领航依赖的路面附着系数信息的可靠性和准确性。

8、可选地，在本技术的一个实施例中，在所述校验结果为不一致的情况下，还包括：利用所述道路图像重新训练并更新所述云端的图像识别算法，以利用更新后的图像识别算法识别并更新所述第一路面附着系数。

9、通过上述技术手段，本技术实施例可以利用道路图像重新训练并更新云端的图像识别算法，基于车端动力学模型的附着系数识别校验反馈过程，一旦发现车端摄像头与云端v2x信息结果有误，可以将信息反馈给服务器做算法更新迭代，更好地提升算法识别准确度，有助于本技术更好地识别第一路面附着系数。

10、可选地，在本技术的一个实施例中，融合处理公式为：

11、z＝max[(a*x+b*y),1]

12、其中，x表示车端附着系数识别结果，a表示车端置信度，y表示云端附着系数识别结果，b表示云端置信度，z表示融合后的识别结果，其取值范围是0-1。

13、本技术第二方面实施例提供一种车辆的安全领航装置，包括：获取模块，用于在车辆处于领航模式的情况下，获取车端基于道路图像识别的第一路面附着系数和云端基于v2x交互信息识别的第二路面附着系数；融合模块，用于根据所述第一路面附着系数及车端置信度与第二路面附着系数及云端置信度进行融合，得到第三路面附着系数；领航模块，用于校验所述第三路面附着系数，得到校验结果，并在所述校验结果为不一致的情况下，根据所述车辆的当前行驶路段的动力学附着系数控制所述车辆按照目标领航动作进行安全领航，否则根据所述第三路面附着系数控制所述车辆按照目标领航动作进行安全领航。

14、通过上述技术手段，本技术实施例可以基于车端与云端路面附着系数识别融合的技术方案，同时考虑车端动力学模型识别结果对其进行反馈校验，完成车辆的安全智能领航。由此，实现了利用多方信息源提前识别路面附着系数，将路面附着系数识别结果应用于智能领航算法控制之中，能够提升整车智能化、安全化水平，做到智能驾驶算法自适应适配行驶路段附着变化情况，以便更好地匹配当前行驶路面环境，确保车辆的行驶安全。

15、可选地，在本技术的一个实施例中，所述领航模块，包括：确定单元，用于确定所述动力学附着系数或所述第三路面附着系数的所处区间；匹配单元，用于根据所述所处区间匹配所述目标领航动作的目标车速、目标车距和目标车道、换道轨迹、纵向加速度、纵向减速度、横向加速度、横向减速度中的至少之一。

16、通过上述技术手段，本技术实施例可以为不同的路面附着系数匹配不同的目标领航动作，在路面附着系数不同的情况下，分别对车辆的目标车速、目标车距和目标车道、换道轨迹、纵向加速度、纵向减速度、横向加速度、横向减速度进行不同的控制，适用于不同的行驶场景，满足车辆领航过程中不同的领航需求。

17、可选地，在本技术的一个实施例中，所述领航模块，包括：采集单元，用于采集所述车辆的实际车速和当前轮速；计算单元，用于根据所述实际车速和所述当前轮速计算所述车辆的轮加速度以及滑移率；识别单元，用于根据所述轮加速度以及所述滑移率识别出所述当前行驶路段的动力学附着系数；对比单元，用于对比所述动力学附着系数和所述第三路面附着系数，得到所述校验结果。

18、通过上述技术手段，本技术实施例可以利用动力学路面附着系数对第三路面附着系数进行验证，根据车辆的实际车速、当前轮速和得到的轮加速度以及滑移率识别车前行驶路面的实际路面附着系数即动力学附着系数，由此保障后续安全领航依赖的路面附着系数信息的可靠性和准确性。

19、可选地，在本技术的一个实施例中，还包括：更新模块，用于在所述校验结果为不一致的情况下，利用所述道路图像重新训练并更新所述云端的图像识别算法，以利用更新后的图像识别算法识别并更新所述第一路面附着系数。

20、通过上述技术手段，本技术实施例可以利用道路图像重新训练并更新云端的图像识别算法，基于车端动力学模型的附着系数识别校验反馈过程，一旦发现车端摄像头与云端v2x信息结果有误，可以将信息反馈给服务器做算法更新迭代，更好地提升算法识别准确度，有助于本技术更好地识别第一路面附着系数。

21、可选地，在本技术的一个实施例中，融合处理公式为：

22、z＝max[(a*x+b*y),1]

23、其中，x表示车端附着系数识别结果，a表示车端置信度，y表示云端附着系数识别结果，b表示云端置信度，z表示融合后的识别结果，其取值范围是0-1。

24、本技术第三方面实施例提供一种车辆，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的车辆的安全领航方法。

25、本技术第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的车辆的安全领航方法。

26、本技术第五方面实施例提供一种计算机程序产品，所述计算机程序被执行时，以用于实现如上的车辆的安全领航方法。

27、本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。

28、附图说明

29、本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

30、图1为本技术一个实施例的车辆的安全领航系统的结构示意图；

31、图2为根据本技术实施例提供的一种车辆的安全领航方法的流程图；

32、图3为本技术一个实施例的车辆的安全领航方法的流程图；

33、图4为根据本技术实施例的车辆的安全领航装置的结构示意图；

34、图5为根据本技术实施例的车辆的结构示意图。