摘要
对路面环境进行检测评估是智能汽车道路环境感知系统的重要组成功能。当前，在行车荷载和自然环境的共同作用下，路面服役性能逐渐下降，路面上随机出现的坑槽破损会降低汽车行驶的平顺性和安全性，造成车体剧烈振荡，严重影响驾乘人员的乘车舒适性。而近年来智能汽车的车载环境感知系统大多集中于对路面上车辆、行人、车道线、信号灯等的检测，对路面本身的状态关注较少。针对这种现状，本文将研究对象设定为现阶段关注度较少但对车辆行驶平顺性影响较大的路面坑槽，重点围绕车辆前方路面坑槽区域的分割、测距和车辆通过坑槽路面时的减振方法展开了研究。 针对现有路面坑槽区域图像分割方法分割效率低、泛化性能差、资源占用高等问题，以深度高分辨率网络 HRNet 为基础网络模型，通过在该网络的特征提取层增加卷积注意力模块和残差层数优化对其进行了精度和速度的改进。通过实地采集和网络搜索获取了大量路面坑槽图像建立了坑槽数据集，并完成了模型训练与对比试验。试验结果表明，改进模型对坑槽的分割效果相对基础模型有所提升，在测试集上像素准确率达到96.3%，模型推理速度达到 42.95FPS，且与同类语义分割模型相比具有更高的分割精度和速度。 针对路面坑槽无固定形态且通过相机测距时易受俯仰角变化影响的问题，提出了相机俯仰角修正的逆透视变换测距法和坑槽纵向长度估计方法。通过对图像中道路消失点位置的检测估算出相机俯仰角，再对图像进行俯仰角修正的逆透视变换生成路面鸟瞰图，根据鸟瞰图中像素坐标系与世界坐标系的线性关系以及坑槽区域的像素坐标获得坑槽与相机之间的纵向距离和坑槽纵向长度，试验结果显示该方法具有较好的测量精度。 基于坑槽检测信息对无处躲避或来不及躲避的坑槽进行悬架预瞄减振控制方法的研究。建立了仿真路面输入模型和三自由度1/4车辆半主动悬架模型以及天棚阻尼控制器。为实现对路面坑槽的悬架预瞄控制，设计出以路面坑槽信息和车速信息为输入以天棚阻尼控制器阻尼变化最大值为输出的模糊控制器，通过调整天棚阻尼控制器的阻尼变化范围来改善车辆通过坑槽路面时的平顺性，形成预瞄天棚控制策略。 对悬架预瞄天棚控制策略进行仿真验证，在不同大小坑槽和不同车速工况下与普通天棚控制的半主动悬架以及被动悬架进行性能对比。仿真结果表明，本文所设计的预瞄天棚控制器具有对不同大小坑槽、不同车速工况的泛化性，在车辆通过坑槽路面时相比普通天棚控制可在保证操纵稳定性的基础上使平顺性指标有8~36%的改善。此外，在不同车辆载重和不同坑槽深度条件下悬架预瞄控制器均表现出稳定的平顺性改善效果，有助于提升车内人员的乘车舒适性。
NETL