本申請涉及智能駕駛，尤其涉及一種坡度辨識方法、裝置、車輛及計算機可讀存儲介質(zhì)。

背景技術：

1、在汽車的行駛過程中，道路坡度對車輛的能耗、行駛穩(wěn)定性以及安全性都存在顯著的影響。具體而言，上坡時車輛需要消耗更多的能量以克服重力作用，下坡時則需要通過制動或者能量回收系統(tǒng)以減少能耗，同時，坡度變化會直接影響車輛的行駛穩(wěn)定性。因此，準確的坡度信息對于提高車輛的能量管理效率和駕駛安全性至關重要。

2、目前，常用的坡度辨識方式依賴于車輛上裝備的各類傳感器，通過這些傳感器實時檢測車輛的加速度和車身速度，并基于傳感器檢測到的加速度和速度，確定車輛當前所在道路的坡度。然而，由于傳感器在不同的駕駛場景下采集到的數(shù)據(jù)存在不同程度的誤差和噪聲，從而導致基于傳感器數(shù)據(jù)求得道路坡度的方式，存在坡度辨識準確度較低的問題。

3、因此，如何提高坡度辨識的準確性，是目前亟需解決的一個問題。

技術實現(xiàn)思路

1、本申請的主要目的在于提供一種坡度辨識方法、裝置、車輛及計算機可讀存儲介質(zhì)，旨在提高坡度辨識的準確性。

2、為實現(xiàn)上述目的，本申請?zhí)峁┮环N坡度辨識方法，所述坡度辨識方法包括：

3、基于擴展卡爾曼濾波模型確定目標車輛在第一時刻的第一預測結果向量，其中，所述第一預測結果向量表征所述目標車輛的預測行駛速度、預測加速度和所在道路的預測坡度；

4、獲取所述目標車輛在第二時刻的檢測行駛速度和檢測加速度，并基于所述檢測行駛速度和所述檢測加速度構建觀測向量，其中，所述第一時刻和所述第二時刻為相鄰的坡度辨識時刻，且所述第一時刻早于所述第二時刻；

5、將所述第一預測結果向量和所述觀測向量輸入至所述擴展卡爾曼濾波模型，得到所述目標車輛在所述第二時刻所在道路的目標坡度。

6、在一實施例中，所述基于擴展卡爾曼濾波模型確定目標車輛在第一時刻的第一預測結果向量的步驟，包括：

7、確定目標車輛從第一時刻到第二時刻的狀態(tài)轉(zhuǎn)移矩陣，其中，所述狀態(tài)轉(zhuǎn)移矩陣表征所述目標車輛從所述第一時刻到所述第二時刻的狀態(tài)演化規(guī)律；

8、基于擴展卡爾曼濾波模型、預設的初始狀態(tài)向量和所述狀態(tài)轉(zhuǎn)移矩陣進行先驗計算，得到目標車輛在第一時刻的第一預測結果向量。

9、在一實施例中，所述確定目標車輛從第一時刻到第二時刻的狀態(tài)轉(zhuǎn)移矩陣的步驟，包括：

10、基于預設的車輛運動學公式和噪聲向量構建狀態(tài)量方程，其中，所述車輛運動學公式表征車輛的行駛速度、加速度和所在道路的坡度之間的關系，所述狀態(tài)量方程表征所述目標車輛的狀態(tài)估計值的更新方式；

11、從所述狀態(tài)量方程中提取所述目標車輛從第一時刻到第二時刻的狀態(tài)轉(zhuǎn)移矩陣。

12、在一實施例中，所述將所述第一預測結果向量和所述觀測向量輸入至所述擴展卡爾曼濾波模型，得到所述目標車輛在所述第二時刻所在道路的目標坡度的步驟，包括：

13、將所述第一預測結果向量和所述觀測向量輸入至所述擴展卡爾曼濾波模型，以將所述第一預測結果向量與所述狀態(tài)轉(zhuǎn)移矩陣相乘，得到所述目標車輛在所述第二時刻的第二預測結果向量；

14、基于所述擴展卡爾曼濾波模型、所述第二預測結果向量和所述觀測向量進行后驗計算，得到目標車輛在所述第二時刻所在道路的目標坡度。

15、在一實施例中，所述基于所述擴展卡爾曼濾波模型、所述第二預測結果向量和所述觀測向量進行后驗計算，得到目標車輛在所述第二時刻所在道路的目標坡度的步驟，包括：

16、基于所述第二預測結果向量和所述觀測向量確定觀測矩陣，其中，所述觀測矩陣表征所述第二預測結果向量和所述觀測向量之間的映射關系；

17、基于所述狀態(tài)轉(zhuǎn)移矩陣、所述觀測矩陣、預設的過程噪聲協(xié)方差矩陣和預設的測量噪聲協(xié)方差矩陣，確定卡爾曼增益；

18、基于所述擴展卡爾曼濾波模型、所述第二預測結果向量、所述觀測向量、所述觀測矩陣和所述卡爾曼增益進行后驗計算，得到所述目標車輛在所述第二時刻所在道路的目標坡度。

19、在一實施例中，所述獲取所述目標車輛在第二時刻的檢測行駛速度和檢測加速度的步驟，包括：

20、獲取目標車輛的前軸軸速信號、電機轉(zhuǎn)速和傳動比；

21、基于所述前軸軸速信號確定第一速度，并基于所述電機轉(zhuǎn)速和所述傳動比確定第二速度；

22、對所述第一速度和所述第二速度進行加權求和，得到所述目標車輛的檢測行駛速度。

23、此外，為實現(xiàn)上述目的，本申請還提供一種坡度辨識裝置，所述坡度辨識裝置包括：

24、確定模塊，用于基于擴展卡爾曼濾波模型確定目標車輛在第一時刻的第一預測結果向量，其中，所述第一預測結果向量表征所述目標車輛的預測行駛速度、預測加速度和所在道路的預測坡度；

25、構建模塊，用于獲取所述目標車輛在第二時刻的檢測行駛速度和檢測加速度，并基于所述檢測行駛速度和所述檢測加速度構建觀測向量，其中，所述第一時刻和所述第二時刻為相鄰的坡度辨識時刻，且所述第一時刻早于所述第二時刻；

26、坡度辨識模塊，用于將所述第一預測結果向量和所述觀測向量輸入至所述擴展卡爾曼濾波模型，得到所述目標車輛在所述第二時刻所在道路的目標坡度。

27、此外，為實現(xiàn)上述目的，本申請還提供一種存儲介質(zhì)，所述存儲介質(zhì)為計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有實現(xiàn)坡度辨識方法的程序，所述實現(xiàn)坡度辨識方法的程序被處理器執(zhí)行以實現(xiàn)如上所述坡度辨識方法的步驟。

28、此外，為實現(xiàn)上述目的，本申請還提供一種計算機程序產(chǎn)品，包括計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上述的坡度辨識方法的步驟。

29、本申請?zhí)峁┝艘环N坡度辨識方法，本申請基于擴展卡爾曼濾波模型確定目標車輛在第一時刻的第一預測結果向量，其中，第一預測結果向量表征的是目標車輛的預測行駛速度、預測加速度和目標車輛所在道路的預測坡度，并獲取目標車輛在第二時刻的檢測行駛速度和檢測加速度，并基于檢測行駛速度和檢測加速度構建觀測向量，其中，第一時刻和第二時刻為相鄰的坡度辨識時刻，且第一時刻早于第二時刻，最后將第一預測結果向量和觀測向量輸入至擴展卡爾曼濾波模型，得到目標車輛在第二時刻所在道路的目標坡度。

30、如此，相比于傳統(tǒng)依賴于車輛傳感器檢測到的數(shù)據(jù)直接求得車輛所在道路的坡度，受噪聲影響導致坡度辨識準確度低的方式，本申請通過將目標車輛在上一時刻的預測結果向量和在當前時刻的觀測向量輸入至擴展卡爾曼濾波模型，能夠通過擴展卡爾曼濾波模型內(nèi)置的遞歸更新機制和濾波機制，實現(xiàn)根據(jù)新的觀測數(shù)據(jù)調(diào)整狀態(tài)估計值并有效抑制噪聲，即優(yōu)化目標車輛所在道路的坡度，從而提高坡度辨識結果的準確性。

技術特征：

1.一種坡度辨識方法，其特征在于，所述坡度辨識方法包括：

2.如權利要求1所述的方法，其特征在于，所述基于擴展卡爾曼濾波模型確定目標車輛在第一時刻的第一預測結果向量的步驟，包括：

3.如權利要求2所述的方法，其特征在于，所述確定目標車輛從第一時刻到第二時刻的狀態(tài)轉(zhuǎn)移矩陣的步驟，包括：

4.如權利要求2所述的方法，其特征在于，所述將所述第一預測結果向量和所述觀測向量輸入至所述擴展卡爾曼濾波模型，得到所述目標車輛在所述第二時刻所在道路的目標坡度的步驟，包括：

5.如權利要求4所述的方法，其特征在于，所述基于所述擴展卡爾曼濾波模型、所述第二預測結果向量和所述觀測向量進行后驗計算，得到目標車輛在所述第二時刻所在道路的目標坡度的步驟，包括：

6.如權利要求1至5中任一項所述的方法，其特征在于，所述獲取所述目標車輛在第二時刻的檢測行駛速度和檢測加速度的步驟，包括：

7.一種坡度辨識裝置，其特征在于，所述坡度辨識裝置包括：

8.一種車輛，其特征在于，所述車輛包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序配置為實現(xiàn)如權利要求1至6中任一項所述的坡度辨識方法的步驟。

9.一種存儲介質(zhì)，其特征在于，所述存儲介質(zhì)為計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1至6中任一項所述的坡度辨識方法的步驟。

10.一種計算機程序產(chǎn)品，其特征在于，所述計算機程序產(chǎn)品包括計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1至6中任一項所述的坡度辨識方法的步驟。

技術總結
本申請公開了一種坡度辨識方法、裝置、車輛及計算機可讀存儲介質(zhì)，本申請涉及智能駕駛技術領域，所述坡度辨識方法包括：基于擴展卡爾曼濾波模型確定目標車輛在第一時刻的第一預測結果向量，其中，第一預測結果向量表征目標車輛的預測行駛速度、預測加速度和所在道路的預測坡度；獲取目標車輛在第二時刻的檢測行駛速度和檢測加速度，并基于檢測行駛速度和檢測加速度構建觀測向量，其中，第一時刻和第二時刻為相鄰的坡度辨識時刻，且第一時刻早于第二時刻；將第一預測結果向量和觀測向量輸入至擴展卡爾曼濾波模型，得到目標車輛在第二時刻所在道路的目標坡度。本申請能夠提高坡度辨識的準確性。

技術研發(fā)人員：王榜,瞿波
受保護的技術使用者：浙江吉利控股集團有限公司
技術研發(fā)日：
技術公布日：2024/12/5