【技术实现步骤摘要】
本专利技术涉及自动驾驶矿车，特别涉及一种基于行为模式与环境信息的自动驾驶矿车传感器校准方法。
技术介绍
1、自动驾驶车辆依靠激光雷达、摄像头和毫米波雷达等传感器感知周围环境。传感器标定是自动驾驶感知系统的必要环节，也是后续感知融合的先决条件，其目的是将多个传感器变换到统一的时空坐标系。传感器在安装之后都需要通过标定，以保证传感器符合设计指标，保证测量值的准确性。此外，在车辆行驶过程中，这些传感器可能会受到天气、尘土和震动等因素影响，导致传感器位置产生偏离，因此有必要每隔一定的时间对传感器进行校准。
2、在生产作业环境中，频繁的传感器校准不仅会增加无人驾驶作业成本，还会造成作业中断与生产率降低；而校准间隔周期过长又会增加感知系统故障概率，影响无人驾驶效率甚至造成安全风险，进而增加额外的维护成本。
3、现有的经验校准法、预测校准法和监控校准法要么存在着准确性差，要么监控信息收集困难、成本过高等不足，在生产实际中推广应用存在一定的困难。为解决上述问题，本文提出了基于矿车行为模式与环境信息集成的自动驾驶传感器校准决策方法。作业过程中只需采集矿车行为模式与环境信息，并通过支持向量机分类法识别传感器位置移动状态，就可获得传感器校准方案。
技术实现思路
1、本专利技术的目的克服现有技术存在的不足，为实现以上目的，采用一种基于行为模式与环境信息的自动驾驶矿车传感器校准方法，以解决上述
技术介绍
中提出的问题。
2、一种基于行为模式与环境信息的自动驾驶矿车传感器校准方
3、步骤s1、获取矿车行为模式和环境信息，并构建二元状态向量；
4、步骤s2、通过车载计算平台采集矿车功率，得到矿车行为模式信息的样本集；以及
5、步骤s3、通过对传感器位移情况进行分析，建立环境信息的样本集；
6、步骤s4、再基于得到的行为模式和环境信息进行传感器校准决策，并输出决策方案。
7、作为本专利技术的进一步的方案：所述步骤s1中的具体步骤包括：
8、实时采集自动驾驶矿车作业过程中的矿车行为模式与环境信息；
9、再基于支持向量机的分类方法识别采集到的矿车行为模式与环境信息，构建二元状态向量表示，公式为：
10、yi＝[ai bi]；
11、式中，ai表示矿车行为模式信息，bi表示作业环境信息。
12、作为本专利技术的进一步的方案：所述步骤s2中的具体步骤包括：
13、通过车载计算平台采集矿车功率得到矿车行为模式，并区分正常和异常的行为模式；
14、选取行驶过程中总功率te、平均功率pme、功率方根幅值pr、功率均方幅值pms，以及功率标准差ps，并组成行为模式识别的特征向量v＝[te、pme、pr、pms、ps]t；
15、通过对正常位移传感器和剧烈位移传感器进行分析，建立矿车行驶过程的行为模式信息样本集，得到特征向量集合为：
16、δ＝[biai]，i＝1，2，3，…，n；
17、式中，vi为第i个矿车行驶的特征向量；ai为第i个矿车行驶的分类标记，-1和1分别表示传感器正常工作和异常工作；
18、根据待区分的矿车v′，构建分类函数，公式为：
19、
20、
21、
22、式中，λi为优化乘子,t*为分类阈值,λi和t*通过最优化问题求解；k(vi,v′)为径向基核函数；
23、设最优解λi*＝[λ1*,λ2*,λ3*,..,λn*]n，选取λi的一个正分量，0<λi<c，c为惩罚因子，分类阈值
24、通过计算g(v′)识别行为模式，并对ai赋值。
25、作为本专利技术的进一步的方案：所述步骤s3中的具体步骤包括：
26、选取环境信息的平均值xm、标准差xsd和偏度xs，作为识别的特征向量v＝[xm，xsd，xs]t；
27、通过对传感器正常位移和剧烈位移进行分析，建立环境信息的样本集，特征向量集合，公式为：
28、δ＝[vibi]，i＝1，2，3，…，n；
29、式中，vi为第i个特征向量；bi为第i个分类标记，-1和1分别表示环境信息正常和异常；
30、对于待区分的矿车v′，构建分类函数，公式为：
31、
32、
33、
34、式中,λi为优化乘子,t*为分类阈值,λi和t*可以通过构造最优化问题求解；k(vi,v′)为径向基核函数；
35、设最优解λi*＝[λ1*,λ2*,λ3*,..,λn*]n，选取λi的一个正分量，0<λi<c，c为惩罚因子，则分类阈值
36、计算g(v′)正负识别行为模式，并对传感器状态位bi赋值，公式为：
37、
38、作为本专利技术的进一步的方案：所述步骤s4中的具体步骤包括：
39、将构建得到的二元状态向量乘以一个元素均为1的列向量算子，得到：
40、ti＝yi·e＝[ai bi][1 1]t＝ai+bi；
41、根据得到的ti结合行为模式信息和环境信息，反馈矿车传感器位移情况，并得到传感器校准决策，公式为：
42、
43、得到至少三类情况：
44、当行为模式正常，且环境信息异常时；
45、当行为模式异常，且环境信息正常时；
46、当行为模式异常，且环境信息异常时；
47、在当前三类情况下，若矿车继续作业，则有质量损失的风险，对传感器校准。
48、与现有技术相比，本专利技术存在以下技术效果：
49、采用上述的技术方案，通过基于行为模式信息和环境信息的互补特性，利用svm分类识别方法作为数据分析方法，对获取的矿车行为模式信息和作业环境信息进行综合判断，然后集成分析两种信息的判断结果，最后识别出矿车自动驾驶过程中的传感器位移状态，并给出传感器校准方案。
本文档来自技高网...【技术保护点】
1.一种基于行为模式与环境信息的自动驾驶矿车传感器校准方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于行为模式与环境信息的自动驾驶矿车传感器校准方法，其特征在于，所述步骤S1中的具体步骤包括：
3.根据权利要求2所述一种基于行为模式与环境信息的自动驾驶矿车传感器校准方法，其特征在于，所述步骤S2中的具体步骤包括：
4.根据权利要求3所述一种基于行为模式与环境信息的自动驾驶矿车传感器校准方法，其特征在于，所述步骤S3中的具体步骤包括：
5.根据权利要求4所述一种基于行为模式与环境信息的自动驾驶矿车传感器校准方法，其特征在于，所述步骤S4中的具体步骤包括：
【技术特征摘要】
1.一种基于行为模式与环境信息的自动驾驶矿车传感器校准方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于行为模式与环境信息的自动驾驶矿车传感器校准方法，其特征在于，所述步骤s1中的具体步骤包括：
3.根据权利要求2所述一种基于行为模式与环境信息的自动驾驶矿车传感器校准方法，...
【专利技术属性】
技术研发人员：何申中，潘伟，王杨，陈成，张俊，
申请(专利权)人：安徽海博智能科技有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。