(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210796802.2 (22)申请日 2022.07.06 (71)申请人 江苏大块头智驾科技有限公司 地址 210000 江苏省南京市 建邺区江心洲 贤坤路3号江岛智立方B座二单元1F- 10 (72)发明人 刘华峰　邹燃　陆建峰　 (74)专利代理 机构 南京普睿益思知识产权代理 事务所(普通 合伙) 32475 专利代理师 贾宁 (51)Int.Cl. G01D 21/02(2006.01) G08G 1/01(2006.01) (54)发明名称 一种用于无人驾驶的矿山道路路况智能分 析方法和系统 (57)摘要 本发明公开了一种用于无人驾驶的矿山道 路路况智能分析方法和系统， 包括航姿传感器、 四个轮速传感器、 数据采集器、 数据分析服务器、 定位装置； 所述定位装置用于 车辆的精确位置G， 四个轮速传感器分别用于采集四个输出轮的轮 速信息， 所述航姿传感器、 定位装置和四个轮速 传感器分别连接数据采集器， 所述数据采集器连 接数据分析服务器， 在不增设人员和专用设备的 情况下实现对矿山路况的智能感知和动态预警； 本发明实施成本和运行成本低， 可以依托自动驾 驶系统全天时工作； 本发明可以做到对矿山运输 线路的路况做到早期预警， 可提高自动驾驶车队 的安全性。 权利要求书2页 说明书4页 附图1页 CN 115326131 A 2022.11.11 CN 115326131 A 1.一种用于无人驾驶的矿山道路路况智能分析系统， 其特征在于： 包括航姿传感器、 四 个轮速传感器、 数据采集器、 数据分析服 务器、 定位装置； 所述航姿传感器设置在 自动驾驶矿卡底盘上， 用于采集输入轮的轮速信息、 车辆的垂 直运动距离A、 车体滚转角度信号R、 车体俯仰角度信号P； 所述定位装置用于车辆的精确位置G； 四个轮速传感器分别用于采集四个输出轮的轮速信息； 所述定位装置用于车辆的精确位置G， 四个轮速传感器分别用于采集四个输出轮的轮 速信息， 所述航姿传感器、 定位装置和四个轮速传感器分别连接数据采集器， 所述数据采集 器连接数据分析服 务器。 2.如权利要求1所述的一种用于无人驾驶的矿山道路路况智能分析方法， 其特征在于： 具体包括以下步骤： 步骤a， 采集数据整理： 分别在路面上采集车辆的垂直运动距离A、 车体滚转角度信号R、 车体俯仰角度信号P、 车辆的精确位置G， 并使用精密授 时系统按照时间T精确 地同步， 组成高维的车体运动特征 向量(A,R,P,G,T)； 步骤b， 路面 坑洼类路况 特征提取与分类： 具体包括以下步骤： 步骤如下： 步骤0： 根据空间位置切分待分类的地块并编号。 根据车辆的精确位置G， 确定待分类路 况的地块编号g， 后续特 征提取以此为 提取区域； 步骤1： 截取并累积特定地 块的姿态数据， 形成时序信号； 步骤2： 对时序信号进行 经验模态分解， 分别获得本征模函数分量； 步骤3： 本征模函数分量 生成频谱图， 并输入卷积神经网中分类； 步骤4： 获得 数据训练路况分类卷积神经网； 步骤c， 路况 数据的空间关联： 多个自动驾驶矿卡在不间断地采用步骤b进行数据采集、 特征提取和路况分类， 并对分 类结果关联地块标签和相应时段。 通过对位置和时间对路况识别的决策结果进行基于位置 的聚类和数据融合， 得到路况态 势图呈现给终端用户。 步骤d， 路况态 势图生成： 路况态势图可以结合数据 产生的时间， 生成路况 预警信息 。 3.如权利要求2所述的一种用于无人驾驶的矿山道路路况智能分析方法， 其特征在于： 步骤1的具体方法为： 在切分后的地块在车体运动特征向量g(A,R,P,T)的基础上分别对垂 直运动距离、 滚转角度和俯仰角度变化进 行累积， 获得各类特征分量的时序的信号， 对应关 系如下： 垂直运动距离A对应生成垂直震动信号As； 车体滚转角度生成车身摇摆信号Rs； 车 体俯仰角度生成车身颠簸信号Ps。 4.如权利要求2所述的一种用于无人驾驶的矿山道路路况智能分析方法， 其特征在于： 步骤2的具体方法为获得对As， Rs， Ps进行经验模态分解(EMD)， 获得若干本征模函数分量 IMFs分量和一个余项， 余项是 单调且光滑的原 始信号的趋势项。 5.如权利要求2所述的一种用于无人驾驶的矿山道路路况智能分析方法， 其特征在于：权　利　要　求　书 1/2 页 2 CN 115326131 A 2步骤3的具体方法为提取As,Rs,Ps的前8个IMF分量后转化为二维频谱图Ai,Ri,Pi， 将频谱 图输入到卷积神经网络(CNN)中， 使用卷积神经网络 分别提取特征， 最后将各自特征进 行连 接和融合， 形成路况 特征送入分类 器分类。 6.如权利要求2所述的一种用于无人驾驶的矿山道路路况智能分析方法， 其特征在于： 步骤4的具体方法为由于分类卷积神经网络需要通过数据与标签对进 行训练方能具备分类 能力， 故需要采集各类灾害路面的姿态数据并加以标注， 最后送入卷积神经网络模型进行 分类。权　利　要　求　书 2/2 页 3 CN 115326131 A 3