一种基于多传感器融合的弯道主动避撞控制五分时时彩方法与流程

文档序号:18711320发布日期:2019-09-18 01:15
一种基于多传感器融合的弯道主动避撞控制五分时时彩方法与流程

本发明属于汽车技术领域,具体涉及一种基于多传感器融合的弯道主动避撞控制五分时时彩方法。



背景技术:

目前,由于汽车保有量的不断提升,人们对汽车安全也愈加重视,汽车安全主要分为主动安全和被动安全两大部分,随着计算机技术的不断发展,主动安全技术不断突破创新。主动避撞功能是汽车主动安全的一个不可或缺的部分,其主要原理是利用传感器获取前方行驶道路障碍物信息,并判别其对自车行驶是否存在影响,从而主动介入整车制动功能实现主动避撞。常见的传感器有激光雷达、毫米波雷达、视觉视觉传感器,但目前大多主动避撞控制都是基于单一传感器并且只针对直道进行控制,虽然可以取得一定成效,但是在弯道处存在障碍物时无法准确获取弯道内障碍物位置信息,无法做出正确控制,存在潜在的危险,适应性不佳。



技术实现要素:

为解决上述技术问题,本发明提供了一种基于多传感器融合的弯道主动避撞控制五分时时彩方法,可在弯道情况下判别障碍物是否对自车行驶有潜在影响并进行主动避撞控制。

本发明采用如下技术方案:

一种基于多传感器融合的弯道主动避撞控制五分时时彩方法,包括:

S1、通过车载视觉传感器获取障碍物相对自车的横向距离、纵向距离信息,同时实时追踪车道线并得到车道中心线位置,识别前方道路弯道离去角;通过毫米波雷达获取障碍物相对自车的横向距离、纵向距离以及相对速度信息;

S2、根据前方道路的弯道离去角,计算车道中线相对汽车中轴线的横向距离,确定前方弯道的车道中心线的坐标范围;

S3、根据获取的障碍物相对汽车中轴线的坐标,判断障碍物是否在前方弯道的车道线的坐标范围内,筛选出位于车道内的有效障碍物目标;

S4、对传感器获取的有效障碍物目标与自车的相对距离进行数据修正,获得修正后实际目标相对距离;

S5、根据毫米波雷达获取障碍物与自车的相对速度以及修正后实际目标相对距离,计算自车与障碍物的碰撞时间;

S6、将碰撞时间与预先设置的预警时间阈值和紧急制动阈值进行比较,若碰撞时间小于预警时间阈值,则预警系统发出预警提示;若碰撞时间小于紧急制动阈值,则控制系统对自车作出紧急制动处理。

优选的,所述步骤S2中,视觉传感器沿车道中心线至自车车头每隔n米的纵向距离采集一次标识点ai,并获取前方车道中心线上各标识点ai与自车中轴线的弯道离去角βi;

由此标识点ai到车头纵向距离为ni,可得标识点ai到自车中轴线的距离为:

Dislane_xi=(ni)×tanβi

;因此,车道中心线相对自车的坐标范围为(Dislane_xi,ni)。

优选的,步骤S3中,获取的障碍物相对自车的坐标为(Disobj_x,Disobj_y);

预设传感器的横向距离误差阈值为εi,确定弯道目标横向过滤范围Cxi为:

Cxi=[(Dislane_xi-εi),(Dislane_xi+εi)]

;视觉传感器获取自车左前轮至左侧车道线的距离为l1,自车右前轮至右侧车道线的距离为l2,根据预先存储的车宽为l0,计算车道宽Llane为:

Llane=l0+l1+l2

;计算的弯道偏离权值ωi为:

,则确定弯道目标纵向过滤范围Cyi为:

Cyi=[(ni-ωi),(ni+ωi)];

Disobj_x∈Cxi,

Disobj_y∈Cyi

,则判断为障碍物位于前方弯道车道线范围内。

优选的,步骤S4中,障碍物目标相对自车的实际距离为Drelative,包括直道距离Drelative_1和弯道距离Drelative_2;

直道距离Drelative_1为:

Drelative_1=nj j∈[0,10]

;相邻标识点ai之间的距离为:

,则弯道距离Drelative_2为:

;则实际距离Drelative为:

优选的,步骤S5中,通过毫米波雷达获取自车与障碍物的相对速度Vrelative,根据步骤S4计算得出的实际距离Drelative,按照下式计算碰撞时间TTC为:

优选的,步骤S6中,将碰撞时间与预先设置的预警时间阈值和紧急制动阈值进行比较的同时,还将障碍物目标相对自车的实际距离Drelative与安全距离Dsafe以及紧急制动距离进行比较,若Drelative小于Dsafe,则预警系统发出预警提示;若Drelative小于紧急制动距离,则控制系统对自车作出紧急制动处理。

优选的,通过传感器获取自车速度为V0,自车在当前道路上最大减速度为a,则安全距离Dsafe为:

优选的,步骤S1中,采用相同帧率的雷达传感器和视觉传感器,保证目标数据信息的时间同步性;以毫米波雷达传感器为主,将毫米波雷达获取的目标距离信息建立成基于自车行驶方向的雷达数据坐标系,将视觉传感器获取的目标信息转换到雷达传感器对应的数据坐标系中,保证目标数据信息的空间同步性。

优选的,根据毫米波雷达和视觉传感器获取的信息,进行障碍物的同一性认定;

其中,毫米波雷达获取的障碍物坐标为(Disr_x,Disr_y),视觉传感器获取的障碍物坐标为(Disc_x,Disc_y);

以毫米波雷达数据为基准,预设毫米波雷达数据的横坐标误差阈值为εx、纵坐标误差阈值为εy,

|Disr_x-Disc_x|≤εx,

|Disr_y-Disc_y|≤εy,

则判断为同一障碍物。

优选的,障碍物同一性认定后取获到的两个障碍物的距离坐标均值作为最终障碍物的距离坐标,即:

本发明的有益效果:

(1)本发明将毫米波雷达和视觉传感器的优势互补,融合障碍物坐标和车道线坐标,准确探测弯道本车道内的障碍物,较传统避撞五分时时彩方法更为先进、安全;

(2)本发明根据弯道特点修正传感器探测的目标相对距离,模型数据更加精准,可靠性高;

(3)本发明采用双裕度融合环境感知系统,多传感器数据融合使得数据更加准确,同时可在雨雾、黑暗环境下工作,环境适应性强,稳定性高;

(4)本发明的装置硬件结构简单,集成度高,避撞五分时时彩方法稳定有效,通过介入整车制动系统实现环境感知、控制决策、执行处理的闭环控制。

附图说明

附图用来提供对本发明的优选的理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:

图1为本发明的传感器的探测范围示意图;

图2为本发明毫米波雷达和视觉传感器数据坐标融合的示意图;

图3为本发明车载视觉传感器弯道离去角检测示意图;

图4为本发明障碍物目标过滤范围示意图;

图5为本发明障碍物目标相对自车的实际弯道距离的修正示意图。

具体实施方式

下面结合附图描述本发明的具体实施方式。

本发明提出了一种基于多传感器融合的弯道主动避撞控制五分时时彩方法,利用车载视觉传感器和毫米波雷达做双裕度保障,车载视觉传感器用于探测道路障碍物和车道线的偏离角,毫米波雷达做前方障碍物探测,通过融合算法判断轨迹内的障碍物信息,结合自车车速、运动状态信息计算与弯道内障碍物的碰撞时间(以下简称TTC),根据不同要求给出相应主动控制策略,提高了汽车的主动安全性能。同时本发明无需驾驶员进行操作,执行过程智能高效,稳定性高。

为实现上述功能,本发明提出如下解决方案:

基于多传感器融合的弯道主动避撞控制装置包括车载视觉传感器、77GHz毫米波雷达、控制器(ECU)、声光报警系统、制动执行机构。

车载视觉传感器主要负责获取前方道路障碍物位置信息、车道线检测并给出弯道曲率信息;77GHz毫米波雷达主要负责探测前方道路障碍物位置信息;控制器用于融合视觉传感器和毫米波雷达的坐标信息并确定障碍物位置及运动信息,结合视觉传感器提供的弯道离去角信息定位弯道障碍物信息,通过内部决策规划计算后给出控制指令;声光报警系统负责接收控制器指令,发出声光报警,提示驾驶员规范行车;制动执行机构负责接收控制器指令,给出相应执行控制。

下面将结合具体实施例及附图对本发明专利做进一步的详细描述。

步骤一:环境感知传感器信息获取

如图1所示为传感器的探测范围示意图,图中:1为车载视觉传感器;2为77GHz毫米波雷达;车载视觉传感器探测范围为S1,检测距离为d1≈50m,毫米波雷达探测范围为S2,检测距离为d2≈200m,S3为毫米波雷达和视觉传感器探测重叠范围,同时也是可进行目标数据融合的范围。

通过车载视觉传感器获取障碍物相对自车的横向距离、纵向距离信息,同时识别前方道路弯道离去角;通过77GHz毫米波雷达获取障碍物相对自车的横向距离、纵向距离以及相对速度信息。

其中,毫米波雷达获取的障碍物坐标为(Disr_x,Disr_y),视觉传感器获取的障碍物坐标为(Disc_x,Disc_y)。

步骤二:传感器数据融合

1、障碍物同一性认定

采用相同帧率的雷达传感器和视觉传感器,保证目标数据信息的时间同步性。

以毫米波雷达传感器为主,将毫米波雷达获取的目标距离信息建立成基于自车行驶方向的雷达数据坐标系,将视觉传感器获取的目标信息转换到雷达传感器对应的数据坐标系中,保证目标数据信息的空间同步性。

如图2所示,X为横向坐标轴,Y为纵向坐标轴,O为坐标原点,3为置信区间内的障碍物点,4为置信区间边界上的障碍物点,5为置信区间外的点,6为毫米波雷达获取的障碍物目标,C为可置信区间。

以毫米波雷达数据为基准,预设毫米波雷达数据的横坐标误差阈值为εx、纵坐标误差阈值为εy,

|Disr_x-Disc_x|≤εx,

|Disr_y-Disc_y|≤εy,

则判断为同一障碍物。

2、障碍物距离优化

障碍物同一性认定后取获取到的两个障碍物的距离坐标均值作为最终障碍物的距离坐标,即:

则优化后障碍物坐标为(Disobj_x,Disobj_y)。

步骤三:弯道离去角检测及目标信息跟踪

如附图3所示车载视觉传感器获取的弯道离去角,视觉传感器可实时追踪车道线并得到车道中心线位置,图中S1为视觉传感器探测范围;ai为中轴线上标识点;βi为车道离去角。

视觉传感器沿中轴线每隔5米采集一次标识点ai,并确定前方50m内车道中线上对应点与中轴线的偏离角βi。

由此标识点到车头纵向距离为5i,可得车道中线与中轴线距离为:

Dislane_xi=(5i)×tanβi

;因此,车道中心线相对自车的坐标范围为(Dislane_xi,5i)。

步骤四:结合障碍物坐标筛选车道内障碍物

如图4所示,障碍物坐标为(Disobj_x,Disobj_y),车道中心线相对自车的坐标范围为(Dislane_xi,5i),根据两个坐标值比较判断障碍物是否在前方弯道车道线范围内(不考虑直道)。

预设传感器的横向距离误差阈值为εi,确定弯道目标横向过滤范围Cxi为:

Cxi=[(Dislane_xi-εi),(Dislane_xi+εi)]

;视觉传感器获取自车左前轮至左侧车道线的距离为l1,自车右前轮至右侧车道线的距离为l2,根据预先存储的车宽为l0,计算车道宽Llane为:

Llane=l0+l1+l2

;图中β≈θ,则计算的弯道偏离权值ωi为:

,则确定弯道目标纵向过滤范围Cyi为:

Cyi=[(5i-ωi),(5i+ωi)];

Disobj_x∈Cxi,

Disobj_y∈Cyi

,则判断为障碍物位于前方弯道车道线范围内。

步骤五:弯道内相对距离修正

如附图5所示,图中:R为弯道半径,β为车道线离去角,ξ为弯道夹角,drelative为传感器获取的目标相对距离,Drelative为实际距离,Drelative_1为直道部分实际距离,Drelative_2为弯道部分实际距离,Dislane_xi为当前采样点横向距离,Dislane_xi-1为上一采样点横向距离。

实际距离为Drelative,包括直道Drelative_1和弯道Drelative_2两部分,弯道处每个采样点纵向距离为5m,横向距离为Dislane_xi-Dislane_xi-1。

直道距离Drelative_1为:

Drelative_1=5j,j∈[0,10]

;相邻标识点ai之间的距离为:

,则弯道距离Drelative_2为:

;则最终修正后的实际距离Drelative为:

步骤六:主动避撞碰撞时间TTC计算

通过毫米波雷达获取自车与障碍物的相对速度Vrelative,根据步骤S4计算得出的实际距离Drelative,按照下式计算碰撞时间TTC为:

步骤七:根据设定的阈值条件进行主动避撞控制

通过传感器获取自车速度为V0,自车在当前道路上最大减速度为a,则安全距离Dsafe为:

由于入弯速度一般较低,综合考虑碰撞时间和相对距离双阈值条件来做安全处理:

若TTC<2.7s或Drelative<Dsafe,则预警系统发出声光警报,提醒驾驶员安全驾驶;

若TTC<1.3s或Drelative<2m,则控制器发出制动指令,自车减速。

步骤八:重复上述步骤一至步骤七,直至自车行驶环境安全。

以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1