《IEEE Vehicular Technology Magazine》:Drone-to-Vehicle Integration of Data: Design Concept and Application to Vehicle Automation System
编辑推荐:
本文针对车辆环境感知存在盲区及道路参数估计延迟等问题,提出了一种无人机-车辆协同感知平台。研究团队通过搭载激光雷达与相机的无人机实时识别道路坡度、摩擦系数及障碍物信息,并借助Wi-Fi网络将数据集成至车辆控制单元(VCU)。实验表明,该系统可将颠簸通过时的垂直加速度降低20%,车轮滑移控制响应速度提升14.3%,为复杂路况下的自动驾驶提供了新的感知维度。
在现代汽车技术飞速发展的今天,自动驾驶系统依赖摄像头、雷达等车载传感器实现环境感知,但道路起伏、相邻车辆遮挡形成的盲区,以及冰面、陡坡等特殊路况的实时检测仍是行业痛点。更棘手的是,轮胎与路面间的摩擦系数无法直接测量,传统估计算法存在2.5秒以上的延迟——对于以毫秒级精度要求的车辆控制而言,这种延迟可能导致严重后果。
为突破感知瓶颈,由Viktar Beliautsou、Aleksandra Beliautsou等学者组成的研究团队在《IEEE Vehicular Technology Magazine》发表论文,提出将无人机(AAV)作为车辆的“空中之眼”,通过无人机-车辆数据融合平台扩展感知边界。该研究构建了包含无人机导航传感器、环境感知传感器、车辆控制单元(VCU)的完整系统,通过两项关键实验验证其有效性:一是基于无人机扫描的颠簸自适应速度控制,二是低摩擦路面下的牵引力控制。
关键技术方法包括:1)采用Pixhawk 4飞控的无人机搭载激光雷达(测距40m/1mm分辨率)与相机,通过Wi-Fi(WPA2-PSK协议)与车辆通信;2)在车辆端部署dSPACE-Autobox控制系统,实现驱动 force 观测器(DFO)、滑移率限制器(SRL)等分层控制算法;3)通过查找表(LUT)融合激光反射率与图像数据识别路面摩擦系数。
应用一:颠簸检测与自动速度控制
无人机沿预设航线扫描道路剖面,通过高通滤波与阈值逻辑识别障碍物坐标及高度。车辆根据无人机传输的颠簸位置动态调整速度设定值v*,通过低通滤波器Qv(s)平滑速度切换过程。实验显示,车辆在距颠簸0.5米时速度从1 m/s降至0.5 m/s,垂直加速度均方根值降低20%,显著提升乘坐舒适性。
应用二:低摩擦路面牵引力控制
无人机通过相机与激光雷达识别路面反射特性异常区域,结合神经网络分类结果定位低摩擦路段。车辆控制系统根据无人机提供的摩擦系数α动态调整滑移率上限,通过驱动 force 控制器(DFC)与轮速控制器(WSC)协同维持最优滑移率λ=0.1。对比实验表明,基于无人机数据的控制方案(案例3)较传统DFC(案例2)将滑移率标准差从0.023降至0.0197,控制精度提升14.3%,且响应更及时。
研究同时指出系统需应对的挑战:无人机续航(约30分钟)、恶劣天气下的传感器精度、城市复杂环境的导航可靠性,以及多车辆数据分发时的通信安全。然而,该平台已展现出对救援车辆、特殊运输等场景的独特价值——当基础设施受损时,无人机可快速构建临时感知网络。
结论表明,无人机-车辆协同平台不仅弥补了车载传感器的物理局限,更通过前瞻性道路参数获取为车辆控制算法提供了关键时间裕度。未来研究将聚焦于通信延迟优化、多无人机协同调度及极端环境适应性提升,进一步推动该技术在自动驾驶领域的规模化应用。