CN111532274B - 基于多传感器数据融合的智能车辆换道辅助系统及方法 - Google Patents
基于多传感器数据融合的智能车辆换道辅助系统及方法 Download PDFInfo
- Publication number
- CN111532274B CN111532274B CN202010127272.3A CN202010127272A CN111532274B CN 111532274 B CN111532274 B CN 111532274B CN 202010127272 A CN202010127272 A CN 202010127272A CN 111532274 B CN111532274 B CN 111532274B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target
- millimeter wave
- lane
- wave radar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000008859 change Effects 0.000 title claims abstract description 41
- 230000004927 fusion Effects 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000001914 filtration Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 10
- 238000005315 distribution function Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000007499 fusion processing Methods 0.000 claims description 8
- 230000003321 amplification Effects 0.000 claims description 7
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 7
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 238000003786 synthesis reaction Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 2
- 230000009916 joint effect Effects 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 19
- 238000012544 monitoring process Methods 0.000 abstract description 14
- 230000010354 integration Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 241001061260 Emmelichthys struhsakeri Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/408—Radar; Laser, e.g. lidar
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提出了一种基于多传感器数据融合的智能车辆换道辅助系统及方法，通过安装在汽车四个角的不同频率赫兹数的毫米波雷达传感器进行换道监测，在汽车左前方和左后方分别安装77GHz毫米波雷达传感器，右前方和右后方分别安装24GHz毫米波雷达传感器。汽车前方和后方分别安装的不同频率的毫米波雷达传感器的检测范围会存在一定重合区域和非重合区域。首先对各传感器进行周围车辆目标初选，然后依据卡尔曼滤波原理对周围车辆目标进行有效性检验，最后依据不同频率毫米波雷达传感器的感知范围优势，对重合区域采用D‑S证据理论对其进行决策级信号整合。本发明充分融合各传感器检测优点特性，全面地对汽车周边环境进行检测，及时判断换道是否处于危险状态。
Description
技术领域
本发明属于汽车智能安全驾驶辅助领域，特别是关于一种多传感器数据融合的周边驾驶环境监测的汽车智能换道辅助方法。
背景技术
智能车系统是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统，是典型的、多学科的、综合性的高科技和高新技术的结合体，其中换道驾驶由于需要快速变更车道而存在较大风险。如果驾驶人员在换道时对于周围车辆的位置以及相对速度预估不足，则极有可能导致驾驶员误判，错误更换车道，进而可能引起不必要的交通事故，造成财产损失或人员伤亡。因此智能驾驶辅助系统(ADAS)应运而生，其能够准确测量汽车两侧后视镜盲区内危险车辆，并且相应地对汽车后方一定距离范围内车辆进行监控。
目前，国内外大量研究学者主要对换道过程中自车与后视镜盲区车辆以及一定距离(60米以内)目标车道后方车辆的相对运动关系进行了充分的换道可行性分析。如丰田、路虎以及宝马车系的盲点监测系统，亦或奥迪车系的自动驾驶系统，其技术已经做得相对成熟可靠。但是以上各系统对于目标车道远距离(60米以上)前方减速慢行的危险车辆以及目标车道远距离(60米以上)后方加速快行的危险车辆基本无任何监测能力。驾驶人员在高速公路如遇到以上两种情况，而驾驶人员本人又毫无准确判断，在此情况下强行超车换道，尤其是双方车辆均处于快速行驶状态时，极易造成严重的交通事故。而且以往的换道辅助系统为保证硬件冗余，常采用双24GHz毫米波雷达作为传感器输入设备，对双同型号雷达进行数据融合，往往同型号雷达测量误差以及测量局限性情况一致，对其进行数据融合往往同样得不到更精确的结果，因此换道辅助系统存在些许弊端。
发明内容
针对以上提出的现有换道辅助系统的弊端，为克服上述不足，本发明基于汽车前后77GHz和24GHz毫米波雷达传感器，采用相应的数据处理和数据融合手段，充分发挥不同频率传感器的优势，对目标车道远距离(60米以上)危险车辆进行了监控预警；同时对不同频率雷达之间的监控重合区域进行了决策级的数据融合处理，得到了更为精确的监控预警结果，更加准确全面地提高了换道辅助系统的安全性，更大程度上降低了发生交通事故的可能性。
为实现上述技术目的，本发明的技术方案是：一种基于智能车辆多传感器的数据融合换道辅助方法，它包括以下步骤：1)改变现有换道辅助系统的传感器以及布局方案，所述智能换道辅助系统包括数据采集单元、信号放大单元、独立数据处理单元、数据融合控制单元和警示预警单元；2)所述数据采集单元同时采集车辆远距离(0-120米)左侧前方和左侧后方目标车道及本车道车辆的行驶数据，以及近距离(60米内)右侧前方和右侧后方车辆行驶数据，并将数据信号放大后通过CAN总线传给独立数据处理单元；3)所述独立数据处理单元分别对采集到的数据进行预处理，进行目标车辆初选和目标有效性检验，首先大体判断出是否为危险车辆；4)数据融合控制单元接受独立数据处理单元的信号，对监控重合区域进行决策级数据融合处理，非重合区域进行独立判断，生成预警控制指令传给警示预警单元；5)警示预警单元根据接收到的信号进行相应的声光以及转向干预预警。
上述数据采集单元所述传感器为两个77GHz的毫米波雷达传感器和两个24GHz毫米波雷达传感器。
上述传感器的安装位置及安装布局为：在汽车左前方和左后方分别安装的是可探测距离远但探测区域较窄的77GHz毫米波雷达传感器，在汽车右前方和右后方分别安装的是可探测距离较近但探测区域较宽的24GHz毫米波雷达传感器。
上述所述目标车道主要为本车的左边车道，因为国家规定高速路上应为左侧超车，故主要检测左侧车道车辆信息。
一种智能车辆多传感器数据融合换道辅助方法，是通过上述系统实现的，具体步骤如下：
S1：通过左前方和左后方77GHz传感器将本车道以及目标车道前后120米范围内环境信息进行采集，通过右前方和右后方24GHz传感器将车辆前后方环境信息进行采集；
S2：分别对采集到的汽车前方以及后方四个传感器数据进行独立预处理，实现车辆目标的初选；
S3：对四个毫米波雷达传感器初选出的车辆目标分别独立进行基于卡尔曼滤波的目标有效性检验；
S4：对于汽车前方或后方检测非重合区域进行独立判断，判断出目标车道前方远距离内是否有减速慢行车辆以及后方远距离内是否有加速快行车辆；
S5：采用D-S证据理论分别对汽车前方以及后方两传感器监测重合区域，即产生的经过目标有效性检验的两条独立证据进行数据融合，最大程度上保证检测的可靠性；
S6：将数据融合控制单元处理后的结果输送给警示预警单元；
S7：警示预警单元根据判断结果进行声音、闪光以及转向反向干预预警。
上述步骤S1中传感器采集的环境信息包括：每个目标车辆与本车的相对速度vr、相对距离xr以及相对角度
等。
上述步骤S2中对传感器数据进行独立预处理主要方法包括滤除空信号目标、滤除静止目标和滤除虚假目标。
上述步骤S3中对目标进行有效性检验主要方法如下：
由于毫米波雷达探测的不确定性，以及检测方法存在误差等原因，应进一步对目标进行有效性检验，在此采用卡尔曼滤波预测方法对车辆目标进行有效性检验。在此使用高阶的三阶卡尔曼滤波方法对周期内有效车辆目标信息进行预测，假设状态
其中xn,j,vn,j,
分别代表第n个周期内测量到的有效车辆目标的纵向相对距离、相对速度和相对加速度。下一周期的目标车辆状态预测，如下所示：
上式中，T为毫米波雷达扫描周期，取值为0.04s，x(n+1)|n、v(n+1)|n、
分别代表第n+1周期内目标车辆预测值的纵向相对距离、相对速度和相对加速度。对第n+1周期的初选车辆目标信息与上式所得到第n个周期的有效车辆目标信息预测值进行比较验证，比较准则如下：
|xn+1-x(n+1)|n|≤|Δx|
|vn+1-v(n+1)|n|≤|Δv|
上式中，xn+1、vn+1、
分别代表第n+1个周期内两车的纵向相对距离、相对速度和相对加速度的采集值；Δx、Δv、
分别代表比较准则的允许最大误差。在本发明中设定误差为：
对于第n+1周期的初选车辆目标，如果符合上式，则认为初选车辆目标与第n周期的有效车辆目标一致，对此进行目标车辆信息更新，即这两个周期的有效车辆目标如果一致为危险车辆的话，则划分为危险车辆，如果一致为非危险车辆的话，则划分为非危险车辆。如不满足上式，则需对进行目标不一致性处理，对于监控重合区域目标，使用D-S证据理论进行数据融合处理决断是否为危险车辆；对于非重合区域目标，默认假定车辆目标有效，最大限度上保证安全，即如果非重合区域第n个周期和第n+1个周期判断的结果一个是危险车辆，另一个是非危险车辆的话，则认定为危险车辆。
进一步的，步骤S5中的融合过程是采用如下步骤进行的：
a、目标合成：把重合区域两个独立不同频率传感器的观测结果合成为一个总的输出结果(ID)；D-S证据理论会对来自两个独立传感器的证据源导出基本的概率分配函数，进而D-S证据理论中的Dempster组合规则可以计算这两个证据共同作用产生的反映融合信息的新的基本概率分配函数，根据这一概率分配函数，来合成一个总的输出结果，即是否确定有危险车辆目标；
b、目标推断：本发明根据一定可信度在逻辑上会产生一定置信度的目标车辆报告，来获得传感器的观测结果并进行推断，将传感器观测结果扩展成目标车辆报告；根据D-S证据理论产生的概率分配函数，会形成一定置信度的目标车辆报告，即是否危险车辆真实存在，进而推断出是否确实是危险车辆；
c、目标更新：两种不同频率传感器本身一般都存在随机误差，所以，两个在时间上独立的同频率传感器产生的一组报告比其中任一传感器产生的报告都更可靠。因此，在推理和两个不同频率传感器合成之前，先组合(更新)各自频率传感器的观测数据；即对于第n+1周期的初选车辆目标，如果符合设定误差，则认为初选车辆目标与第n周期的有效车辆目标一致，对此进行目标车辆信息更新。
作为更进一步的，步骤S7中变换道路时智能提供变道信息是通过相应的声、光或转向干预预警提醒驾驶人员，根据车辆间的相对距离xr和相对速度vr判定车辆是否处于危险状态，如处于安全状态则显示绿色的灯，蜂鸣器不报警；如处于警示状态，则变化为闪烁的黄灯，蜂鸣器两秒响一次；如为危险状态，则转化成红灯状态，蜂鸣器每秒钟响一次；驾驶员如没及时看到或者听到换道辅助的提示信息，进而进行强行变道，则除进行声音或者闪光报警之外，还通过接入转向助力模块的转向接口反馈单元对转向进行相应扭矩干预，及时提醒驾驶人员此时不要做出换道行为。
本发明由于采用以上双层保障技术方案，具有以下突出优点：1)本发明由于采用24GHz和77GHz频率毫米波雷达传感器组合，成功对目标车道远距离前方减速慢行的车辆以及目标车道远距离后方加速快行的车辆进行了监测。解决了现有换道辅助系统的不足，提高了换道的安全性。2)本发明采用两种不同频率传感器进行采集信息，因此采集到的信息更全面，容错性更强，解决了采用冗余同型号的雷达传感器测量误差以及测量局限性一致的问题。3)采用首先对数据进行独立处理，其次进行决策级数据融合的双层保障方案，分别对监控重合区域和非重合区域进行处理，既保障了数据判断的准确性，又保证了决策的及时性。4)在警示预警模块中引入了转向反馈接口，有效避免了驾驶人员分心忽视声音或者闪光信号的提醒，及时通过方向盘触感反馈给驾驶员。本发明弥补了现有换道辅助系统的不足，提高了智能驾驶辅助系统的安全性。
附图说明
本发明共有附图5幅：
图1为汽车上毫米波雷达安装位置及监测区域图；
图2为本发明数据融合换道辅助系统工作流程图；
图3为本发明数据融合换道辅助系统模块示意图；
图4为本发明数据融合换道辅助系统信号放大模块电路图；
图5为本发明数据融合换道辅助系统警示预警模块电路图。
具体实施方式
下面通过实例，并结合附图，对本发明的技术方案做进一步的具体说明。
本发明主要提出了一种基于77GHz和24GHz雷达传感器数据融合的智能车辆换道辅助方法。该方法主要通过在汽车左前方、左后方安装77GHz毫米波雷达传感器以及右前方、右后方安装24GHz毫米波雷达传感器来进行检测。77GHz毫米波雷达传感器有效检测距离长，最高可达120m，但是其检测区域角度较窄，为30度左右；而24GHz毫米波雷达传感器有效检测距离短，仅为60m，但是其检测区域角度较宽，为130度左右。毫米波雷达安装位置及可监测区域如图1所示。不同频率的毫米波雷达传感器的检测范围会存在一定重合区域(图1中黄色重要区域)和非重合区域，首先对各传感器进行周围车辆目标初选，然后依据卡尔曼滤波原理对周围车辆目标进行有效性检验。最后依据不同频率毫米波雷达传感器的感知范围优势，对重合区域采用D-S证据理论进行决策级信号整合。充分融合各传感器检测优点特性，全面地对汽车周边环境进行检测，及时判断换道是否处于危险状态，并通过相应的声、光以及转向干预警示驾驶人员，其信号采集检测处理流程如图2所示。通过此种传感器布置方案可有效监控远距离危险车辆信息(图1中蓝色线框内区域)，并且将不同频率传感器采集的信息进行数据融合，有效避免了同型号冗余传感器之间进行数据融合的弊端。
一种智能车辆多传感器数据融合换道辅助系统，主要包括以下模块：用于实时采集信息的不同频率毫米波雷达模块、将双通道雷达信号进行放大的放大器模块、对放大后信号进行目标验证以及数据融合处理的雷达信号处理器模块以及警示预警模块。系统模块图如图3所示，不同频率的毫米波雷达模块同时采集车辆远距离(0-120米)左侧前方和左侧后方目标车道及本车道车辆的行驶数据，以及近距离(60米内)右侧前方和右侧后方车辆行驶数据，将数据信号送给双通道放大器模块进行放大；之后数据通过CAN总线传给处理器模块，先后对数据进行目标车辆初选、目标有效性检验以及数据融合；处理器模块生成预警控制指令传给警示预警模块，警示预警模块根据接收到的信号进行相应的声光以及转向干预预警。
一种智能车辆多传感器数据融合换道辅助方法，是通过上述系统实现的，具体步骤如下：
S1：在汽车左前方和左后方分别安装可探测距离远但探测区域较窄的77GHz毫米波雷达传感器，在汽车右前方和右后方分别安装可探测距离较近但探测区域较宽的24GHz毫米波雷达传感器；通过左前方和左后方77GHz传感器将本车道以及目标车道前后120米范围内环境信息进行采集，通过右前方和右后方24GHz传感器将车辆前后方环境信息进行采集，传感器采集的环境信息包括：每个目标车辆与本车的相对速度vr、相对距离xr以及相对角度
等；
S2：对采集到的汽车前方以及后方四个传感器数据输入放大器进行放大，放大器原理图如图4所示。两路传感器信号分别为IF LC I和IF LC Q，选择LMP7716MM/NOPB芯片对信号进行放大，采用3.3V供电电压，配合外围的电容电阻器件，完成对传感器信号的放大。同时两级放大结构拥有着更高的外部增益，拥有更好的信噪比和更高的带宽。
S3：随后分别对数据进行独立预处理，实现车辆目标的初选，具体实施步骤如下：
a、滤除空信号目标：毫米波雷达由于其本身数据输出为64通道，因此可跟踪64个车辆目标，由于大部分情况下并无探测目标出现，所以一定存在大量检测出的空通道，经雷达信号放大器放大后输出的数据为默认最小值，即相对速度vr＝0m/s，相对距离xr＝0m，相对角度
因此当某个输出满足以上条件时，即可判定为是空信号，从而滤除空信号；
b、滤除静止目标：不同频率毫米波雷达的监控环境中一定会出现例如防护栏、树木或路边行人等接近静止的目标，换道辅助时最主要危险的是动态快速行进目标，因此应将静止目标滤除。而静止目标的相对角度和相对距离同正常动态目标基本无任何区别，但静止目标的绝对速度应该为0m/s。因此设目标与本车之间连线与本车速度方向之间的夹角为α，则静止目标相对于本车的相对速度应接近自车车速，应该满足以下等式：
vr cos α＝-v
即静止目标相对于本车车速与自车绝对速度相加的绝对值理论上应该等于0，但考虑到路边行人等低速行进物也认为是静止目标进行滤除，同时考虑到测量误差的存在，设置误差最小值为1m/s，满足以下条件的为静止目标，进行滤除：
|vr cos α+v|≤1(m/s)
c、滤除虚假目标：
虚假目标指的是那些并无客观对应的目标或者检测到的目标出现时间极短，并无实际意义，或是由于毫米波雷达偶然受干扰而出现的连贯性差、数据跳跃波动较大的目标，此类为虚假目标。可通过以下不等式予以滤除：
|αr(n+1)-αr(n)|≥2°
|xr(n+1)-xr(n)|≥4m
|vr(n+1)-vr(n)|≥4m/s
其中，n为毫米波雷达采样点序号(雷达在不同时间点对同一目标的运动状态描述)，n＝(1,2,3,4,5...)；
S4：对四个毫米波雷达传感器初选出的车辆目标分别独立进行基于卡尔曼滤波的目标有效性检验，使用高阶的三阶卡尔曼滤波方法对周期内有效车辆目标信息进行预测，假设状态
其中xn,j,vn,j,
分别代表第n个周期内测量到的有效车辆目标的纵向相对距离、相对速度和相对加速度。下一周期的目标车辆状态预测，如下所示：
上式中，T为毫米波雷达扫描周期，取值为0.04s，x(n+1)|n、v(n+1)|n、
分别代表第n+1周期内目标车辆预测值的纵向相对距离、相对速度和相对加速度。对第n+1周期的初选车辆目标信息与上式所得到第n个周期的有效车辆目标信息预测值进行比较验证，比较准则如下：
|xn+1-x(n+1)|n|≤|Δx|
|vn+1-v(n+1)|n|≤|Δv|
上式中，xn+1、vn+1、
分别代表第n+1个周期内两车的纵向相对距离、相对速度和相对加速度的采集值；Δx、Δv、
分别代表比较准则的允许最大误差。在本发明中设定误差为：
对于第n+1周期的初选车辆目标，如果符合上式，则认为初选车辆目标与第n周期的有效车辆目标一致，对此进行目标车辆信息更新；如不满足上式，则需对进行目标不一致性处理。对于监控重合区域目标，使用D-S证据理论进行数据融合处理决断，对于非重合区域目标，默认假定车辆目标有效，最大限度上保证安全。
S5：对于汽车前方或后方检测非重合区域进行独立判断，判断出目标车道前方远距离内是否有减速慢行车辆以及后方远距离内是否有加速快行车辆；独立数据处理单元通过检测雷达传感器数据，判断车辆速度，然后对速度求导，求解加速度，来判定是否有减速或加速车辆；
S6：采用D-S证据理论分别对汽车前方以及后方两传感器监测重合区域，即产生的经过目标有效性检验的两条独立证据进行数据融合，最大程度上保证检测的可靠性；
a、目标合成：把重合区域两个独立不同频率传感器的观测结果合成为一个总的输出结果(ID)；
b、目标推断：本发明根据一定可信度在逻辑上会产生一定置信度的目标车辆报告，来获得传感器的观测结果并进行推断，将传感器观测结果扩展成目标车辆报告；
c、目标更新：两种不同频率传感器本身一般都存在随机误差，所以，在时间上充分独立地来自同一频率传感器的一组连续报告比任何单一报告可靠。因此，在推理和两个不同频率传感器合成之前，先组合(更新)各自频率传感器的观测数据。
S7：将数据融合控制单元处理后的结果输送给警示预警单元；
S8：警示预警单元根据判断结果进行声音、闪光以及转向反向干预预警。警示预警原理图如图5所示，LED_BUSY管脚的显示芯片是否为忙碌(上电期间)，LED_DETECT接口外接两个指示灯，与此同时DETECT_SIGNAL端输出根据危险程度高低判断的不同的蜂鸣器响频频率，DETECT_OUT输出信号与DETECT_SIGNAL类似，根据情况的紧急程度不同输出不同的频率，并且为防止转向接口接地环路或者噪声注入，使用了隔离数字输出，保证输出信号的稳定性。根据相对距离xr和相对速度vr的大小判定是否为危险状态，如处于安全状态则显示绿色的灯，蜂鸣器不报警；如处于警示状态，则变化为闪烁的黄灯，蜂鸣器两秒响一次；如为危险状态，则转化成红灯状态，蜂鸣器每秒钟响一次；驾驶员如没及时看到或者听到换道辅助的提示信息，进而进行强行变道，则除进行声音或者闪光报警之外，还通过接入转向助力模块的转向接口反馈单元通过频率对转向进行相应扭矩干预，及时提醒驾驶人员此时不要做出换道行为。
智能车辆多传感器数据融合换道辅助系统是应用在高速公路上防止汽车变道时发生碰撞的智能预警系统，该智能预警系统，可以通过不同频率的毫米波雷达实现对汽车前、后方远、近距离危险车辆的监测，对汽车换道提供准确的变道信息和变道危险提示。换道辅助系统多传感器数据融合就是将两组不同频率雷达传感器所获取的汽车前后方远近距离的环境信息，如远后方目标行驶车辆与本车辆的相对速度，相对距离以及方向角等数据，通过数据采集、数据处理，以及数据融合等方式，对环境中目标车辆信息进行分析判断，从而准确的给出变换道路的危险程度，为驾驶人员作出换道行为提供有效的依据以及及时换道危险提醒。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案机器发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (6)
1.基于智能车辆多传感器数据融合换道辅助系统的换道辅助方法，所述智能车辆多传感器数据融合换道辅助系统包括：用于实时采集本车辆前后环境信息的不同频率的雷达、信号放大单元、对所采集环境信息进行预处理并判断前后目标车辆是危险车辆或非危险车辆的数据处理单元、将不同频率雷达数据进行数据融合的数据融合控制单元、能够及时对远距离危险车辆及近距离危险车辆进行预警和危险换道转向扭矩反馈的警示预警单元；不同频率的雷达信号采集区域包括非重合区域和重合区域；所述不同频率的雷达为77GHz毫米波雷达传感器和24GHz毫米波雷达传感器；所述的77GHz毫米波雷达传感器为两个，安装在汽车左前方和左后方位置；24GHz毫米波雷达传感器为两个，安装在汽车右前方和右后方位置；其特征在于，具体步骤如下：
S1：通过左前方和左后方77GHz传感器对本车辆所在车道以及目标车道前后方环境信息进行采集，通过右前方和右后方24GHz传感器对车辆前后方环境信息进行采集；
S2：分别对采集到的汽车前方以及后方四个传感器数据进行独立预处理，实现车辆目标的初选；
S3：对四个毫米波雷达传感器初选出的车辆目标分别独立进行基于卡尔曼滤波的目标有效性检验；
S4：对于汽车前方或后方检测到的非重合区域进行独立判断，判断出目标车道前方远距离内是否有减速慢行车辆以及后方远距离内是否有加速快行车辆；
S5：采用D-S证据理论分别对汽车前方以及后方两传感器监测到的重合区域，即产生的经过目标有效性检验的两条独立证据进行数据融合；
S6：将步骤S4和S5处理后的结果输送给警示预警单元；
S7：警示预警单元根据判断结果进行声音、闪光以及转向反向干预预警。
2.根据权利要求1所述的换道辅助方法，其特征在于，步骤S1中的环境信息包括：每个目标车辆与本车的相对速度vr、相对距离xr以及相对角度
3.根据权利要求1所述的换道辅助方法，其特征在于，步骤S2中预处理是通过滤除空信号目标、滤除静止目标和滤除虚假目标实现的。
4.根据权利要求1所述的换道辅助方法，其特征在于，步骤S3包括：
步骤S3.1：假设状态
其中xn,j,vn,j,
分别代表第n个周期内测量到的有效车辆目标的纵向相对距离、相对速度和相对加速度；
步骤S3.2：对下一周期的目标车辆状态进行预测，如下所示：
上式中，T为毫米波雷达扫描周期，x(n+1)|n、v(n+1)|n、
分别代表第n+1周期内目标车辆预测值的纵向相对距离、相对速度和相对加速度；
步骤S3.3：对第n+1周期的初选车辆目标信息与上式所得到第n个周期的有效车辆目标信息预测值进行比较验证，比较准则如下：
|xn+1-x(n+1)|n|≤|Δx|
|vn+1-v(n+1)|n|≤|Δv|
上式中，xn+1、vn+1、
分别代表第n+1个周期内两车的纵向相对距离、相对速度和相对加速度的采集值；Δx、Δv、
分别代表比较准则的允许最大误差；
步骤S3.4：对于第n+1周期的初选车辆目标，如果满足式(2)，则认为初选车辆目标与第n周期的有效车辆目标一致，对此目标车辆进行目标车辆信息更新，否则进行目标不一致性处理，对于监控重合区域目标，使用D-S证据理论进行数据融合处理决断是否为危险车辆；对于非重合区域目标，默认假定车辆目标有效，最大限度上保证安全，即如果非重合区域第n个周期和第n+1个周期判断的结果一个是危险车辆，另一个是非危险车辆的话，则认定为危险车辆。
5.根据权利要求1-4任一项所述的换道辅助方法，其特征在于，步骤S5中的融合过程是采用如下步骤进行的：
a、目标合成：D-S证据理论对来自两个独立传感器的证据源导出基本的概率分配函数，进而D-S证据理论中的Dempster组合规则计算这两个证据共同作用产生的反映融合信息的新的基本概率分配函数，根据这一概率分配函数，来合成一个总的输出结果，即是否确定有危险车辆目标；
b、目标推断：根据D-S证据理论产生的概率分配函数，形成一定置信度的目标车辆报告，即是否危险车辆真实存在，进而推断出是否确实是危险车辆；
c、目标更新：两种不同频率传感器本身一般都存在随机误差，所以，两个在时间上独立的同频率传感器产生的一组报告比其中任一传感器产生的报告都更可靠；因此，在推理和两个不同频率传感器合成之前，先组合各自频率传感器的观测数据。
6.根据权利要求1所述的换道辅助方法，其特征在于，步骤S7中变换道路时，智能提供变道信息是通过相应的声、光或转向干预预警提醒驾驶人员的；根据车辆间的相对距离xr和相对速度vr判定车辆是否处于危险状态，如处于安全状态则显示绿色的灯，蜂鸣器不报警；如处于警示状态，则变化为闪烁的黄灯，蜂鸣器两秒响一次；如为危险状态，则转化成红灯状态，蜂鸣器每秒钟响一次；驾驶员如没及时看到或者听到换道辅助的提示信息，进而进行强行变道，则除进行声音或者闪光报警之外，还通过接入转向助力模块的转向接口反馈单元对转向进行相应扭矩干预，及时提醒驾驶人员此时不要做出换道行为。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010127272.3A CN111532274B (zh) | 2020-02-28 | 2020-02-28 | 基于多传感器数据融合的智能车辆换道辅助系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010127272.3A CN111532274B (zh) | 2020-02-28 | 2020-02-28 | 基于多传感器数据融合的智能车辆换道辅助系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111532274A CN111532274A (zh) | 2020-08-14 |
| CN111532274B true CN111532274B (zh) | 2021-04-27 |
Family
ID=71969173
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010127272.3A Active CN111532274B (zh) | 2020-02-28 | 2020-02-28 | 基于多传感器数据融合的智能车辆换道辅助系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111532274B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112394726B (zh) * | 2020-10-20 | 2023-08-04 | 自然资源部第一海洋研究所 | 一种基于证据理论的无人船障碍物融合检测方法 |
| CN113093191B (zh) * | 2021-03-31 | 2022-07-05 | 武汉大学 | 一种基于毫米波雷达的道路车辆检测系统 |
| CN113178081B (zh) * | 2021-05-17 | 2022-05-03 | 中移智行网络科技有限公司 | 一种车辆汇入预警方法、装置及电子设备 |
| CN113791410B (zh) * | 2021-08-20 | 2023-10-24 | 北京市公安局公安交通管理局 | 一种基于多传感器信息融合的道路环境综合认知方法 |
| CN113895439B (zh) * | 2021-11-02 | 2022-08-12 | 东南大学 | 一种基于车载多源传感器概率融合的自动驾驶变道行为决策方法 |
| CN114655222A (zh) * | 2022-04-18 | 2022-06-24 | 重庆长安汽车股份有限公司 | 一种目标车辆实时显示的方法及系统 |
| CN115407273B (zh) * | 2022-08-29 | 2024-01-05 | 哈尔滨工业大学（威海） | 一种特定安防区域监控提醒报警装置及方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102303605A (zh) * | 2011-06-30 | 2012-01-04 | 中国汽车技术研究中心 | 基于多传感器信息融合的碰撞及偏离预警装置及预警方法 |
| CN202163431U (zh) * | 2011-06-30 | 2012-03-14 | 中国汽车技术研究中心 | 基于多传感器信息融合的碰撞及偏离预警装置 |
| CN103065501A (zh) * | 2012-12-14 | 2013-04-24 | 清华大学 | 一种汽车换道预警方法及换道预警系统 |
| CN106708040A (zh) * | 2016-12-09 | 2017-05-24 | 重庆长安汽车股份有限公司 | 自动驾驶系统的传感器模块、自动驾驶系统及方法 |
| CN106740838A (zh) * | 2016-12-10 | 2017-05-31 | 江门市蓬江区弘亿电子科技有限公司 | 一种车辆危险预警系统 |
| CN206734295U (zh) * | 2016-12-21 | 2017-12-12 | 驭势科技（北京）有限公司 | 一种用于探测车辆周围目标的探测系统以及其应用 |
| CN107512263A (zh) * | 2017-04-05 | 2017-12-26 | 吉利汽车研究院（宁波）有限公司 | 一种变道盲区危险辅助系统 |
| CN108106629A (zh) * | 2017-12-07 | 2018-06-01 | 风度（常州）汽车研发院有限公司 | 规避追尾的路径引导方法、装置和车辆智能驾驶辅助系统 |
-
2020
- 2020-02-28 CN CN202010127272.3A patent/CN111532274B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102303605A (zh) * | 2011-06-30 | 2012-01-04 | 中国汽车技术研究中心 | 基于多传感器信息融合的碰撞及偏离预警装置及预警方法 |
| CN202163431U (zh) * | 2011-06-30 | 2012-03-14 | 中国汽车技术研究中心 | 基于多传感器信息融合的碰撞及偏离预警装置 |
| CN103065501A (zh) * | 2012-12-14 | 2013-04-24 | 清华大学 | 一种汽车换道预警方法及换道预警系统 |
| CN106708040A (zh) * | 2016-12-09 | 2017-05-24 | 重庆长安汽车股份有限公司 | 自动驾驶系统的传感器模块、自动驾驶系统及方法 |
| CN106740838A (zh) * | 2016-12-10 | 2017-05-31 | 江门市蓬江区弘亿电子科技有限公司 | 一种车辆危险预警系统 |
| CN206734295U (zh) * | 2016-12-21 | 2017-12-12 | 驭势科技（北京）有限公司 | 一种用于探测车辆周围目标的探测系统以及其应用 |
| CN107512263A (zh) * | 2017-04-05 | 2017-12-26 | 吉利汽车研究院（宁波）有限公司 | 一种变道盲区危险辅助系统 |
| CN108106629A (zh) * | 2017-12-07 | 2018-06-01 | 风度（常州）汽车研发院有限公司 | 规避追尾的路径引导方法、装置和车辆智能驾驶辅助系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111532274A (zh) | 2020-08-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111532274B (zh) | 基于多传感器数据融合的智能车辆换道辅助系统及方法 | |
| CN106428001B (zh) | 一种用于车辆的变道预警方法及系统 | |
| CN109949612B (zh) | 基于信息交互的鬼探头事故预警系统 | |
| CN103112451B (zh) | 一种汽车自动避撞系统和方法 | |
| US8718916B2 (en) | Object detecting device, and object detecting method | |
| CN107512263A (zh) | 一种变道盲区危险辅助系统 | |
| CN105480229A (zh) | 一种基于信息融合的智能变道辅助系统及其方法 | |
| CN104290745A (zh) | 车辆用半自动驾驶系统及其方法 | |
| CN106448190B (zh) | 高速公路自车周围车流量实时监测预警装置及方法 | |
| CN102963361A (zh) | 操作车辆安全系统的方法 | |
| CN105334514A (zh) | 一种有轨电车雷达视频复合预警防撞系统及其方法 | |
| CN111252066A (zh) | 紧急制动控制方法、装置、车辆及存储介质 | |
| CN109515435A (zh) | 车辆防撞提醒的方法及装置 | |
| CN106740838A (zh) | 一种车辆危险预警系统 | |
| CN113470433A (zh) | 基于v2i的车辆内轮差区域危险预警方法、系统、车辆及路侧设备 | |
| CN111469835A (zh) | 基于拓扑地图的车辆辅助驾驶系统和方法 | |
| CN107180533A (zh) | 道路预警方法和装置 | |
| CN114155707A (zh) | 一种智能交通安全行驶视觉警示系统和方法 | |
| CN206671554U (zh) | 一种基于多传感器检测的防汽车碰撞多渠道预警系统 | |
| CN205417368U (zh) | 基于its的高速公路行车安全预警器 | |
| CN105270258A (zh) | 一种汽车转向安全辅助系统 | |
| CN110834587A (zh) | 一种基于激光测距的汽车纵向防碰撞系统 | |
| CN113470432A (zh) | 基于v2v的车辆内轮差区域危险预警方法、系统及车辆 | |
| CN111038380A (zh) | 前向碰撞预警方法和系统 | |
| CN117310713B (zh) | 一种基于单传感器的盲区监测装置及监测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |