阅读说明：本技术 路面状态判定方法以及路面状态判定装置 (Road surface state determination method and road surface state determination device ) 是由 林拓真 森淳弘 于 2017-12-07 设计创作，主要内容包括：在本发明中,在基于搭载于车辆的照相机获取的信息而对路面状态进行判定时,预测本车辆的行进路径,对预测出的行进路径的路面状态进行判定。(In the present invention, when determining the road surface state based on the information acquired by the camera mounted on the vehicle, the travel path of the vehicle is predicted, and the road surface state of the predicted travel path is determined.)

路面状态判定方法以及路面状态判定装置

技术领域

本发明涉及判定路面的状态的路面状态判定方法。

背景技术

专利文献1中公开了如下技术，即，基于利用能够对紫外线图像、

红外线图像、温度分布图像进行拍摄的照相机获取的信息而判定路面的状态。

专利文献1：日本特开2007-232652号公报

发明内容

然而，在车辆搭载专利文献1所记载的照相机、且利用推定出的路面摩擦系数进行车辆控制的情况下，即使仅掌握前方的路面摩擦系数的分布，也难以适当地使用。具体而言，在车辆前方分布有低μ路和高μ路的情况下，根据确保车辆的安全性的观点，需要判断为低μ路而进行控制。但是，存在如下问题，即，在车辆实际行驶的区域、更具体而言为车辆的车轮接地的区域的路面摩擦系数为高μ路的情况下，判断为低μ路而进行控制，从而无法确保充分的行驶性能。

本发明的目的在于提供能够根据车辆前方的路面摩擦系数而高精度地推定出最适合于车辆的行驶的路面摩擦系数的路面状态判定方法以及路面状态判定装置。

为了达成上述目的，在本发明中，在基于搭载于车辆的照相机获取的信息而对路面状态进行判定时，预测本车辆的行进路径，对预测出的行进路径的路面状态进行判定。

发明的效果

因而，能够高精度地判定本车辆所需的路面的状态。

附图说明

图1是实施例1的车辆的系统图。

图2是表示实施例1的车辆的驱动力分配控制的控制流程的流程图。

图3是实施例1的车辆的驱动力分配控制的控制对应图。

图4是表示实施例1的路面状态判定处理的流程图。

图5是表示实施例1的车辆前方的拍摄图像的判定区域的图。

图6是用于对实施例1的预测路径进行计算的模型图。

图7是表示实施例1的路面状态和路面μ的关系的图。

图8是表示实施例2的路面状态判定处理的流程图。

图9是表示实施例2的车辆前方的拍摄图像中的本车辆的预测路径和路面状态判定线的交点所属的判定区域的图。

标号的说明

1 发动机

2 自动变速器

3 传动器

5 照相机

10 制动器控制器

20 控制器

CS 一体型传感器

具体实施方式

[实施例1]

图1是实施例1的车辆的系统图。实施例1的车辆是基于后轮驱动的四轮驱动车辆。车辆具有发动机1、自动变速器2以及传动器(transfer)3。自动变速器2对发动机1的转速进行变速，将从发动机1输出的扭矩的一部分或全部从后驱动轴RDS输出。从后驱动轴RDS输出的扭矩经由左后轮驱动轴DRL以及右后轮驱动轴DRR而传递至后轮RL、RR(下面，有时还简记作后轮)。另外，传动器3将从发动机1输出的扭矩的一部分从前驱动轴FDS输出。从前驱动轴FDS输出的扭矩经由左前轮驱动轴DFL以及右前轮驱动轴DFR而传递至前轮FL、FR(下面，有时还简记作前轮)。

车辆具有对各车轮FL、FR、RL、RR的旋转状态进行检测的车轮速度传感器SS(FL、FR、RL、RR)、以及对车辆的前后加速度Gx、横向加速度Gy、偏航率Yaw进行检测的一体型传感器CS。制动器控制器10接收车轮速度传感器SS的传感器信号，对车轮速度Vw、车身速度Vx进行运算，并且从一体型传感器CS接收各种传感器信号(Gx、Gy、Yaw)。

制动器控制器10基于接收到的传感器信号以及运算所得的信息而执行抑制车轮的锁止趋势的防抱死制动控制(下面记作ABS)、使车辆的动作实现稳定化的车辆动力学控制(下面记作VDC)、基于从附图外的自动驾驶控制器接收到的制动要求的自动制动控制等，对附图外的制动器状态进行控制。

控制器20具有：发动机控制部，其对发动机1的运转状态进行控制；变速控制部，其对自动变速器2的变速状态进行控制；以及驱动力分配控制部，其对传动器3的驱动力分配状态进行控制。发动机控制部根据节流开度、燃料喷射量、火花塞点火定时等而对发动机1的转速、扭矩进行控制。变速控制部基于车速VSP以及加速器踏板开度APO而确定最佳的变速挡，通过自动变速器2内的液压控制而变换为选择的变速挡。驱动力分配控制部基于车辆的行驶状态而对分配给前轮的驱动力以及分配给后轮的驱动力进行运算，对从传动器3传递至前轮侧的扭矩进行控制。

车辆具有能够对车辆前方的紫外线图像、红外线图像、温度分布图像进行拍摄的照相机5。利用照相机5拍摄的图像输入至控制器20内。在控制器20内具有路面状态判定部。实施例1的路面状态判定装置由照相机5以及控制器20内的路面状态判定部构成。路面状态判定部在包含紫外线和红外线在内的光照射至要判定状态的路面的状态下，利用对该路面进行拍摄所得的紫外线图像、红外线图像、温度分布图像而判定该路面的状态。路面的状态是指路面上的雪、水、冰的状态、以及它们的分布。在紫外线照射至物质时容易发生散射，特别是在雪的表面处紫外线的大部分发生散射。因此，能够根据路面上的与紫外线相关的特征量的值而检测到路面上的雪的状态，如果对整个车辆前方进行检测，则能够检测到路面上的雪的分布。另外，红外线容易被水吸收，因此能够根据路面上的红外线的特征量的值而检测到路面上的水的状态，如果对整个车辆前方进行检测，则能够检测到路面上的水的分布。另外，路面上的冰的状态与路面温度具有相关关系。因而，根据图像对紫外线、红外线的特征量的值进行计算，根据路面的温度分布图像对路面的状态进行判定。在实施例1的情况下，将干燥路面判定为DRY，将湿润路面判定为WET，将积雪路面判定为SNOW，将结冰路面判定为ICE。

制动器控制器10和控制器20经由CAN通信线而连接。控制器20从制动器控制器10接收车轮速度传感器SS的脉冲信号、车轮速度Vw、车身速度Vx、前后加速度Gx、横向加速度Gy、偏航率Yaw等数据。制动器控制器10从控制器20接收发动机扭矩信息、变速挡、驱动力分配状态等数据。

图2是表示实施例1的车辆的驱动力分配控制的控制流程的流程图。

在步骤S1中，基于加速器踏板开度对驾驶者的请求扭矩进行计算。此外，在执行VDC、自动驾驶控制的情况下，作为请求扭矩而对由上述控制请求的扭矩进行计算。

在步骤S2中，通过路面状态判定处理而读入路面摩擦系数(下面，记作路面μ)。此外，后文中对路面状态判定处理进行详细叙述。

在步骤S3中，基于请求扭矩、路面μ以及图3所示的控制对应图而实施驱动力分配控制。

图3是实施例1的车辆的驱动力分配控制的控制对应图。横轴取路面摩擦系数，纵轴取前驱动轴FDS以及后驱动轴RDS的合计扭矩。图3中的阈值L1表示能够由后轮传递至路面的扭矩的最大值，阈值L2表示能够从前轮和后轮这两者传递至路面的扭矩的最大值。图3中的比阈值L1靠下方的区域S1是通过后轮驱动而行驶的区域。阈值L1具有如下特性，即，如果路面μ较小，则L1的值较小，如果路面μ较大，则L1的值较大。图3中的比阈值L1靠上方、且比阈值L2靠下方的区域S2是通过四轮驱动而行驶的区域。在从发动机1输出的扭矩中，驱动力分配控制部将L1分配给后轮，将剩余的扭矩分配给前轮。

图3中的比阈值L2靠上方的区域S3是通过四轮驱动而行驶且对发动机1请求降低扭矩的区域。区域S3表示如下情况，即，在从发动机1输出的扭矩中，即使将L1分配给后轮、且将L2与L1之差分配给前轮，也从发动机1输出过度的扭矩。在该情况下，驱动力分配控制部对发动机1进行与从发动机扭矩减去L2所得的扭矩相应的降低扭矩的请求。由此，通过与路面状态相应的最佳的驱动力分配而实现稳定的行驶状态。

图4是表示实施例1的路面状态判定处理的流程图。

在步骤S21中，根据由照相机5拍摄的图像而实施每个判定区域的路面状态判定。图5是表示实施例1的车辆前方的拍摄图像中的判定区域的图。针对拍摄图像而设定将车辆前方图像分割得到的判定区域。利用路面状态判定部将判定区域内的路面状态判定为DRY、WET、SNOW、ICE中的任一种。

在步骤S22中，对本车辆的预测路径进行计算。图6是用于对实施例1的预测路径进行计算的模型图。当对预测路径进行计算时，基于阿克曼原理进行计算。如果将前轮轮距设为Tf、后轮轮距设为Tr、轴距设为L、转弯内轮前轮的转向角设为β、转弯外轮的前轮的转向角设为α、转弯中心至转弯内轮前轮的半径设为R1、转弯中心至转弯外轮前轮的半径设为R、转弯中心至转弯内轮后轮的长度设为R2，则表示转弯内轮轨迹的R以及表示转弯外轮轨迹的R1由下面的关系式表达。图5中的虚线表示转弯内外轮前轮的预测行进路径。此外，可以根据方向盘的转向操纵角和车辆各指标而对转向角α、β进行计算。

R＝{(L/sinα)+(L²+((L/tanβ)+Tf)²)^1/2}/2

R1＝(R2²+L²)^1/2＝((Rcosα―Tr)²+L²)^1/2

在步骤S23中，在预测行进路径上的网格(grid)的路面状态(DRY，WET，SNOW，ICE)中，提取出最容易打滑的路面状态。

在步骤S24中，根据提取出的路面状态和图7所示的表而对路面μ进行推定。图7是表示路面状态与路面μ的关系的图。在DRY时，路面μ设定为1.0，在WET时，路面μ设定为0.7，在SNOW时，路面μ设定为0.3，在ICE时，路面μ设定为0.1。此外，上述路面μ的值也可以通过实验等而设定为其他值，并未特别限定。

接下来，对路面状态判定处理的作用进行说明。在根据照相机5拍摄的图像而判定车辆前方的路面状态的情况下，能想到在车辆前方分布有低μ路和高μ路的场面。例如，在降雪后的第二天清晨行驶的情况下，在交通量较大的道路(下面，记作主干道路)的中央区域，雪融化而变为高μ，另一方面，在与主干道路交叉的交通量较小的道路(下面，记作非主干道路)残留有雪，因此大多变为低μ。另外，在从主干道路向非主干道路进行左转或右转时，从脱离主干道路的中央区域的区域通过，但如果在该区域残留有雪，则此处变为低μ。

这样，在车辆前方存在路面μ不同的区域时，即使在假设车辆从雪较少的主干道路的中央区域通行的情况下，根据确保车辆的安全性的观点，如果判断为低μ而进行控制，则也无法获得足够的驱动力。另外，在仅根据主干道路的中央区域的路面μ进行判断而输出较大的驱动力的情况下，如果车辆向非主干道路右转或左转而向低μ的方向行驶，则难以利用过度的驱动力确保车辆的稳定性。因此，在实施例1中，对本车辆的行进路径进行预测，判定预测出的行进路径的路面状态，由此能够实现适当的路面μ、以及与此相应的驱动力分配控制。

如以上说明，在实施例1中，能够实现下述作用效果。

(1)控制器20在基于搭载于车辆的照相机5获取的信息而判定路面状态时，对本车辆的行进路径进行预测(步骤S22)，判定预测出的行进路径的路面状态(步骤S23)。

换言之，路面状态判定装置具有：对本车辆的行进路径进行预测的步骤S22(预测部)；以及基于搭载于车辆的照相机5获取的信息而判定预测出的行进路径的路面状态的步骤S23(判定部)。

因而，能够判定本车辆所需的路面的状态。

(2)控制器20将利用照相机5获取的车辆前方图像分割为判定区域，判定该判定区域的路面状态(步骤S21)，基于预测出的行进路径所通过的判定区域的路面状态而判定路面状态。

因而，始终能够在车辆的行进方向的路面状态的基础上还掌握非行进方向的路面状态，即使在行进路径变更的情况下，也能够立即掌握变更后的路面状态。

[实施例2]

下面，对实施例2进行说明。基本结构与实施例1相同，因此仅对不同点进行说明。在实施例1中，在推定路面状态时，首先，与预测出的行进路径无关，在判定了所有车辆前方的拍摄图像的路面状态之后，提取出本车辆的预测路径所通过的路面状态。与此相对，在实施例2中，对本车辆的预测路径进行计算，确定本车辆的预测路径和与当前的本车辆位置相比以规定距离设定于前方的路面状态判定线的交点处的判定区域。而且，提取出该交点所属的判定区域的路面状态，基于提取出的路面状态而推定路面μ，在这一点上有所不同。

图8是表示实施例2的路面状态判定处理的流程图。

在步骤S31中，对本车辆的预测路径进行计算。该计算与实施例1的步骤S22相同，因此省略其说明。

在步骤S32中，提取出本车辆的预测路径和路面状态判定线的交点所属的判定区域的路面状态。此外，路面状态判定线设定为相对于当前的本车辆的位置例如在前方相距10m，如果是驱动力分配控制能够应对的距离，则也可以是其他距离，并未特别限定。

图9是表示实施例2的车辆前方的拍摄图像中的本车辆的预测路径和路面状态判定线的交点所属的判定区域的图。本车辆此后通过的判定区域的路面状态判定为DRY、WET、SNOW、ICE的任一种。

在步骤S33中，根据提取出的路面状态和图7所示的表而推定路面μ。关于推定内容，与实施例1相同，因此省略。

即，在实施例1中，判定车辆前方的拍摄图像中的全部的路面状态，因此用于判定的运算负荷较大。与此相对，在实施例2中，仅判定相当于本车辆的预测路径的判定区域的路面状态，利用该路面状态而推定路面μ，因此能够减轻运算负荷。

如以上说明，在实施例2中，能够实现下述作用效果。

(3)在利用照相机5获取的车辆前方图像中，控制器20提取出预测出的行进路径通过的判定区域，判定该判定区域的路面状态。

因而，能够减轻判定路面状态时的运算负荷，能够实现快速的路面μ的推定。

[其他实施例]

以上基于实施例对本发明进行了说明，但具体结构也可以是其他结构。在实施例1中，示出了应用于基于后轮驱动的四轮驱动车辆的例子，但也可以应用于基于前轮驱动的四轮驱动车辆。

另外，在实施例1中，对进行驱动力分配控制时使用的路面μ进行推定，但也可以使用自动驾驶控制、ABS、VDC之类的控制中推定出的路面μ。

另外，在实施例中，基于阿克曼原理而对预测行进路径进行计算，但在导航系统中设定了目的地的情况下，也可以从导航系统接收预测行进路径信息。

另外，在实施例中，根据能够对紫外线图像、红外线图像、温度分布图像进行拍摄的照相机5的图像而判定路面状态，但并不局限于此，也可以利用激光、毫米波等各种雷达而判定路面状态。

另外，在实施例2中，判定各车轮的预测路径和路面状态判定线的交点处的判定区域的路面状态，但并不局限于包含交点的判定区域，也可以对包含左右前轮的中点以及与路面状态判定线的交点的判定区域的路面状态进行判定并采用其中最小的路面μ。