CN101320089A - 用于车辆动力估计的雷达、激光雷达和摄像机增强的方法 - Google Patents
用于车辆动力估计的雷达、激光雷达和摄像机增强的方法 Download PDFInfo
- Publication number
- CN101320089A CN101320089A CNA2008101082709A CN200810108270A CN101320089A CN 101320089 A CN101320089 A CN 101320089A CN A2008101082709 A CNA2008101082709 A CN A2008101082709A CN 200810108270 A CN200810108270 A CN 200810108270A CN 101320089 A CN101320089 A CN 101320089A
- Authority
- CN
- China
- Prior art keywords
- sensor
- vehicle
- signal
- acceleration
- transverse
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000002787 reinforcement Effects 0.000 title 1
- 238000012937 correction Methods 0.000 claims abstract description 19
- 230000001133 acceleration Effects 0.000 claims description 33
- 238000001514 detection method Methods 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 13
- 230000008878 coupling Effects 0.000 claims description 10
- 238000010168 coupling process Methods 0.000 claims description 10
- 238000005859 coupling reaction Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 3
- 238000004377 microelectronic Methods 0.000 claims description 2
- 238000005728 strengthening Methods 0.000 abstract 1
- 239000011159 matrix material Substances 0.000 description 16
- 238000013519 translation Methods 0.000 description 5
- 241000208340 Araliaceae Species 0.000 description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 description 3
- 235000008434 ginseng Nutrition 0.000 description 3
- 238000005309 stochastic process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005295 random walk Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000010606 normalization 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/107—Longitudinal acceleration
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
- G01S13/60—Velocity or trajectory determination systems; Sense-of-movement determination systems wherein the transmitter and receiver are mounted on the moving object, e.g. for determining ground speed, drift angle, ground track
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/865—Combination of radar systems with lidar systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/867—Combination of radar systems with cameras
-
- 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
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0031—Mathematical model of the vehicle
- B60W2050/0033—Single-track, 2D vehicle model, i.e. two-wheel bicycle model
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
- G01S2013/932—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles using own vehicle data, e.g. ground speed, steering wheel direction
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
用于车辆动力估计的雷达、激光雷达和摄像机增强的方法。一种使用静态物体来估计包括车辆位置和速度的车辆动力的系统。该系统包括物体传感器,该物体传感器提供静态物体的物体信号。该系统还包括车载传感器,该车载传感器提供表示车辆运动的信号。该系统还包括关联性处理器,该关联性处理器接收物体信号,并且通过多个数据帧提供物体追踪。该系统还包括纵向状态估计处理器,该纵向状态估计处理器接收物体信号和传感器信号,并且提供车辆速度在正向的校正。该系统还包括横向状态估计处理器,该横向状态估计处理器接收物体信号和传感器信号,并且提供车辆速度在横向的校正。
Description
技术领域
本发明总的涉及一种用于确定车辆动力的系统和方法,并且更特别地涉及一种利用雷达、激光雷达和/或摄像机信号的用于确定车辆速度和位置的系统和方法。
背景技术
车辆中的各种驾驶员辅助系统和自动驾驶操作,比如电子稳定性控制(ECS)、自适应巡航控制(ACC)、道路保持(LK)、道路改变(LC)等,要求开发高度健壮和精确的模块来估计各种车辆动力。这些模块对于提供车辆位置和速度的知识以按照想要的状态控制车辆是必要的。
当前,基于微型电子机械系统(MEMS)的惯性测量单元(IMU)和轮转速传感器用于提供车辆速度。但是,轮转速传感器的性能在轮滑转动状况期间下降,比如在驾驶员执行转弯和转向操作时。因此,用于IMU的推算定位策略在这些时候用于产生车辆的车速和位置。因为MEMS IMU通常具有比昂贵陀螺系统更大的误差,因此位置和速度的误差可快速增长。因此,仅仅当前的汽车级MEMS IMU通常不适合长时间的推算定位。
在本领域中已经提出了将GPS和低成本MEMS IMU集成以解决IMU的非零偏置和漂移问题。但是,这些系统几乎没有解决GPS信号不总是可用的问题,比如在车辆处于没有足够数量的卫星可以被追踪以确定车辆的位置和速度的“城市峡谷”中时。
将来用于车辆的先进驾驶员辅助系统(ADS)将包括各种物体检测传感器,比如长距离雷达和激光雷达传感器和超声停车辅助传感器。此外,当前正在开发用于车道偏离警告的基于摄像机的系统。因此,对利用自这些设备的数据来估计车辆自运动(self-motion)有增加的兴趣。例如,一个系统提出了使用车载的校准摄像机来估计自运动并检测在道路上运动的物体。另一个提出的系统使用单个摄像机来基于光流来计算车辆的自运动。另外的工作包括在城市环境中将立体视觉用于自我姿势估计问题。但是,这些方法的每一个单独在混乱的场景中都不够可靠。此外,这些系统几乎都没有明确对系统集成的本质需求,系统集成对于将来商业开发该技术来说是必须的。
发明内容
根据本发明的教导,公开了一种使用静态物体来估计包括车辆位置和速度的车辆动力的系统和方法。该系统包括比如雷达、激光雷达或摄像机的物体传感器,该物体传感器提供静态物体的物体信号。该系统还包括车载传感器,该车载传感器提供表示车辆运动的信号,比如方向盘角度、偏航角速度、纵向速度、纵向加速度和横向加速度。该系统还包括关联性处理器,该关联性处理器接收物体信号,并且通过多个数据帧提供物体追踪。该系统还包括纵向状态估计处理器,该纵向状态估计处理器接收物体信号和传感器信号,并且提供车辆速度在正向的校正。该系统还包括横向状态估计处理器,该横向状态估计处理器接收物体信号和传感器信号,并且提供车辆速度在横向的校正。
从随后的描述和所附权利要求并参考附图,本发明的其它特征将变得清楚。
附图说明
图1是根据本发明的实施例的用于使用物体传感器来确定车辆状态估计的系统的方框;
图2是示出来自静态雷达轨迹的车辆自运动的平面图;
图3是识别用于车辆操纵的参数的自行车模型的图示;并且
图4是车辆坐标系的平面图。
具体实施方式
涉及用于使用雷达、激光雷达和/或摄像机信号来估计车辆动力的系统和方法的本发明的实施例的随后讨论本质上仅仅是示例的,并且不是要限制本发明或其应用或用途。
如下面将详细讨论的,本发明提出了使用低成本MEMS IMU和其它车载动力传感器的集成系统,以便通过使用支持传感器,比如雷达、激光雷达、视觉系统或其组合来实时校正车辆动力估计。这将允许改进现有传感器的性能或更小且更便宜的传感器的相同性能。
图1是根据本发明的实施例的系统10的框图,该系统10提供车辆状态估计,比如车辆位置和速度。系统10包括一个或多个物体传感器12,比如雷达、激光雷达、视觉系统、摄像机等,这些传感器在车辆上可用于提供追踪车辆外部物体的信号。来自传感器12的信号被发送到关联性处理器14,该关联性处理器匹配来自连续视图信号的地图或图像,以追踪物体。来自关联性处理器14的轨迹被发送到估计正向车辆速度的纵向状态估计处理器16和估计横向车辆速度以作为偏航角速度和侧滑角度的横向速度状态处理器18。处理器16和18还接收来自车载传感器20的信号,比如方向盘角度传感器、偏航角速度传感器、纵向速度传感器、纵向加速度传感器、横向加速度传感器等,所有这些对于本领域技术人员都已知为如上所述的各种车辆稳定性控制和驾驶员辅助系统的一部分。
物体传感器12从静态物体的测量中确定车辆的自运动。图2是包括雷达传感器28的车辆26的平面图,该雷达传感器追踪静态物体30,比如树。雷达传感器28被安装在车辆框架的重心(CG)并且沿着车辆行使方向定向。根据雷达信号,车辆速度可以计算为:
υx=-(x′-x)/ΔT (1)
υy=-(y′-y)/ΔT (2)
r=-(θ′-θ)/ΔT (3)
其中量(x,y)和(x′,y′)分别是在时间t和t+Δt处静止物体30的位置,并且υx,υy和r分别是车辆26的纵向速度、横向速度和偏航角速度。
上面所引用的距离计算可以使用车辆32的自行车模型来扩展,如图3所示,以提供在关联性处理器14中的位置追踪。距离传感器34被安装在车辆上的位置(x°,y°,θ°)处,并且指向正面方向。对于自行车模型的符号可以按如下给出:
a:前轮轴与车辆重心(CG)的距离;
b:后轮轴与车辆CG的距离;
m:车辆质量;
Iz:沿着z轴的车辆惯性质量;
δ:前车轮角度;
l:车辆偏航角速度
u:车辆纵向速度;和
υ:车辆横向速度。
雷达输出是在时间t的物体列表{oi|i=1,...,K}。第i个物体oi的测量包含距离ρ、距离变化率和方位角θ。通常长距离雷达的视野比较窄,例如15°,因此每个检测的物体在x轴中位于车辆之前。以下的方程式
(4)可用于确定物体是否是静止的。
车辆动力可以由状态矢量z表示,该矢量的分量包括:
δax:对纵向加速度测量的校正;
υx:车辆纵向速度;
δr:对偏航角速度测量的校正;
υy:车辆横向速度;和
{(xi,yi)|i=1,...,K}:静止物体位置的列表。
纵向状态估计处理器16从传感器接收纵向位置、纵向速度、纵向加速度和车辆速度信号,并且使用卡尔曼滤波和自回归噪声模型来提供校正的纵向加速度axo、校正的纵向速度υxo、和车辆的轮滑转动。传感器20,比如加速度计和轮传感器,给出车辆的纵向加速度axo和速度υxo的测量。估计处理器16可以接收来自雷达输入的车辆的纵向位置和纵向速度和来自车载传感器20的纵向加速度和车辆速度。
处理器16将加速度校正当作随机行走过程。车辆的纵向系统可以被写作为:
υx(t+1)=υx(t)+ΔT(axo(t)+δax(t))+ΔT∈ (6)
δax(t+1)=δax(t)+∈ (7)
其中∈是具有高斯分布的零均值白随机过程。
给定来自第i个物体的 的测量,观察方程式可以被写作为:
picosθi=xi+v1 (8)
υxo=υx+v3 (10)
其中量v1,v2和v3是被建模成高斯白随机过程的观察噪声。
如果随后条件满足的话,则处理器16中的卡尔曼滤波过程用于确定校正的纵向加速度ax+δax、校正的纵向速度υx、和轮滑转动。
|υx-υxo|>T (11)
其中T是阈值。
横向状态估计处理器18从传感器接收物体方位角、物体横向偏移、方向盘角度、偏航角速度和横向加速度信号,并且使用卡尔曼滤波和自回归噪声模型来提供车辆的偏航角速度校正、横向加速度校正和横向速度信号。车载传感器20,比如加速度计和偏航角速度传感器,给出车辆的横向加速度ayo和偏航角速度ro的测量。方向盘角度传感器给出方向盘角度δf。偏航角速度的校正被建模成随机行走。通过令L=a+b是轴距,并且cf和cr是前后轮胎的转弯刚度系数,横向受控体模型(plant model)被写作为:
yi(t+1)=yi(t)-ΔT((ro+δr(t))xi+υy(t))-ΔTxi∈1-ΔT∈2 (12)
其中∈1和∈2是两个白高斯随机过程。
给定了来自第i个物体的的测量,观察方程式可以写作为:
pisinθi=yi+v1 (15)
ayo=υx(ro+δr)+v2 (16)
其中量v1和v2是被建模成高斯白随机过程的观察噪声。这里v1是由测量引入的误差,并且v2是由倾斜的道路或传感器测量引入的误差。
横向估计处理器18中的卡尔曼滤波器用于确定校正的偏航角速度(ro+δr)、校正的横向加速度(ay+δay)、和横向速度υy。
在现有技术中使用的多数距离传感器用标识符报告物体,该标识符在不同的时间帧上保持相同。这个信息用于匹配来自连续帧的物体地图。数学上,可以假设传感器给出在时间t的物体地图{oi(t),li(t)|i=1,..,Kt}和在时间t′的地图{oj(t′),lj(t′)|j=1,...,Kt′},其中1表示物体标识符。因此,连续地图的匹配可以定义为:
{(oi(t),o′j(t′))|li(t)=lj(t′),1≤i≤Kt,1≤j ≤kt′} (17)
在一个实施例中,单目摄像机可以用作为物体传感器。该摄像机通过追踪地上的某些场景元素来恢复在地面上导航的车辆的运动。在单目序列中,单应性变换存在于相同平面上元素的两个视图之间。即是,对于两个图像之间的一组点对应xi,x′j,假设点是共面的,存在如下定义的单应矩阵F:
x′j=Fxi (18)
在时间t的世界坐标被如此定义使得平面x-o-y与地面一致,如图4所示。用图形平面和对称轴分别与平面o′x′y′和z′-axis,相一致的摄像机来固定摄像机坐标系统o′x′y′z′。通过令摄像机的两个视图的投影矩阵分别为P=K[I|0]和P′=K[Rc],单应矩阵F可以被给定为:
F=K(R-cnT/d)K-1 (19)
其中K是内参矩阵,R是摄像机旋转矩阵,c是摄像机中心坐标并且π=(nT,d)T是平面方程式(nTX+d=0),其都在世界坐标系统中。
在图4中,令P表示t时的投影矩阵为P=KR[I|-c],其中c=(x,y,-d)t并且R是摄像机的外参矩阵。地平面被表示为 其中n0=(0,0,1)T。对于下一个帧t′的视图,车辆在地平面上平移Δc=(Δx,Δy,0)T并旋转Δθ。旋转矩阵可被写作为:
接着,时间t′的投影矩阵P′可以被写作为P′=KR′[I|-c′],其中R′=RΔR并且c′=c+Δc。
为了应用方程式(19),在时间t,世界坐标系统被移动到摄像机中心。新的投影矩阵变为:
P=K[I|0] (21)
地平面变为(Rn0,d)。因此:
应用RT=R-1和R′=RΔR给出了:
如果校准的摄像机被考虑,即K和R提前已知,则本质矩阵E可以计算为:
利用n=(0,0,1)T,Δc=(Δx,Δy,0)T以及方程式(20),本质矩阵E可以写作为:
通常旋转角度θ对于两个连续视图较小(即sinθ<<1)。因此,方程式(26)可以近似为:
方程式(27)中的本质矩阵E实际上是具有平移Δx/d,Δy/d和旋转θ的二维变换。
给定一组匹配的特征点对{(xi,x′i|i=1,...,N)},自运动估计可以用公式表示为最小二乘估计:
其可以被变换成:
其中如果摄像机的校准矩阵K和R是已知的,则 和
检查方程式(27),两个视图之间的规格化的点彼此与刚性旋转(Δθ)和平移(Δx/d,Δy/d)有关。随后的方法可用于恢复参数。
输入是N对匹配的地面特征点{(xi,x′i)|i=1,...,N}和摄像机的内参和外参参数矩阵K和R。
输出是估计的自运动参数c2=(Δx/d,Δy/d)和
1.对于所有xi和x′i,计算 和
2.计算 和
3.计算:
4.令矩阵C的奇异值成分被写作为C=UWVT。
接着,旋转R2和平移t2可以被求解为:
t2=x′-R2x (32)
哈里斯转弯检测器可用于检测两个连续图像中的特征点。接着,进行图像的校正操作以找到所发现的特征点之间的匹配。当且仅当以下条件满足时,图像I中在(u,υ)的图像点和图像I′中在(u′,υ′)的图像点是匹配的:
在之前循环中估计的运动参数用于引导匹配过程。随后的外露层删除方法用于拒绝地面上或来自动态移动物体(比如道路上的车辆)的场景元素。
输入是像素坐标中的两组场景元素(用内参和外参矩阵规格化),通过 和 表示。
输出是匹配的点对和估计的运动参数。
1.通过使用先前的运动参数: 来预测先前帧中元素的位置。
3.随机挑选不少于四个匹配的不同线的对,并且接着使用上面讨论的方法来导出自运动参数。
4.通过使用来自步骤3的匹配对来验证导出的运动参数。
5.如果多数匹配的点的误差足够小,则离开过程,否则跳转到步骤3。
类似于上面讨论的距离传感器,多个帧上的自运动可以通过追踪估计。受控体模型和观察模型可以被按如下写出。
运动状态通过以下表示:
υx:车辆纵向速度;
υy:车辆横向速度;
δr:偏航角速度测量校正;和
δax:纵向加速度校正。
令υxo,axo,ro,和ayo分别表示测量的纵向速度、纵向加速度、偏航角速度和横向加速度。接着,受控体模型可写作为:
δax(t+1)=δax(t)+∈1 (35)
υx(t+1)=υx(t)+ΔT(δax(t)+axo)+ΔT∈1 (36)
其中∈1,∈2和∈3是零均值高斯白噪声。
令从两个连续视图恢复的运动参数由(Δθo(t),Δxo(t),Δyo(t))表示,其中Δθo是旋转角度并且(Δxo,Δyo)是平移。观察方程式可写作为:
Δxo=υxΔT+v1 (39)
Δyo=υyΔT+v2 (40)
Δθo=(ro+δr)ΔT+v3 (41)
ayo=υx(ro+δr)+v4 (42)
其中v1,v2,v3,和v4是由测量引入的噪声,通常被修改为零均值高斯随机过程。
因此,卡尔曼滤波器可用于确定状态变量。
前面的讨论仅仅公开和描述了本发明的示例实施例。本领域的技术人员将容易从这样的讨论和附图以及权利要求中认识到各种变化、修改和变型可以在这里做出而不会偏离随后权利要求中限定的本发明的精神和范围。
Claims (20)
1.一种估计车辆中的车辆动力的系统,所述系统包括:
物体检测传感器,用于检测相对于车辆运动的静态物体,所述物体传感器提供物体检测信号来追踪物体;
多个车载传感器,提供表示车辆运动的传感器信号;
响应于所述物体信号的关联性处理器,所述关联性处理器匹配连续视图的物体信号以追踪该物体,并且提供物体追踪信号;
响应于物体追踪信号和传感器信号的纵向状态估计处理器,并且提供相对于车辆运动在正向上的车辆速度的估计;和
响应于物体追踪信号和传感器信号的横向状态估计处理器,所述横向状态估计处理器估计相对于车辆运动在横向上的车辆速度。
2.根据权利要求1的系统,其中从由雷达设备、激光雷达设备、摄像机和视觉系统组成的组中选择物体检测传感器。
3.根据权利要求1的系统,其中物体检测传感器是长距离雷达传感器。
4.根据权利要求3的系统,其中长距离雷达传感器安装在车辆重心。
5.根据权利要求1的系统,其中物体检测传感器通过应用自行车模型来检测物体的位置。
6.根据权利要求1的系统,其中从由方向盘角度传感器、偏航角速度传感器、纵向速度传感器、纵向加速度传感器和横向加速度传感器组成的组中选择车载传感器。
7.根据权利要求1的系统,其中纵向状态估计处理器和横向状态估计处理器应用卡尔曼滤波器来确定车辆的纵向和横向速度。
8.根据权利要求7的系统,其中纵向状态估计处理器接收车辆纵向位置、车辆纵向速度、车辆纵向加速度和车辆速度的物体和传感器信号,并且使用卡尔曼滤波器和自回归噪声模型来提供校正的纵向加速度、校正的车辆速度和轮滑转动信号。
9.根据权利要求7的系统,其中横向状态估计处理器接收物体的方位角和横向偏移以及车辆的方向盘角度、偏航角速度和横向加速度的物体和传感器信号,并且使用卡尔曼滤波器和自回归噪声模型来提供车辆的偏航角速度校正、横向加速度校正和横向速度。
10.根据权利要求1的系统,其中物体检测传感器是单目摄像机。
11.根据权利要求1的系统,其中所述系统是基于微型电子机械系统的惯性测量单元的一部分。
12.一种用于确定车辆速度的系统,所述系统包括:
物体检测传感器,用于检测相对于车辆运动的静态物体;和
响应于物体检测信号的处理器,所述处理器追踪所述物体并且利用用于确定车辆相对于静态物体的纵向和横向速度的模型,所述处理器利用卡尔曼滤波。
13.根据权利要求12的系统,其中从由雷达设备、激光雷达设备、摄像机和视觉系统组成的组中选择物体检测传感器。
14.根据权利要求12的系统,其中物体检测传感器通过应用自行车模型来检测物体的位置。
15.根据权利要求12的系统,还包括车载传感器,用于提供表示车辆运动的信号,所述处理器响应于来自车载传感器的信号以确定车辆的纵向和横向速度。
16.一种估计车辆的车辆动力的方法,所述方法包括:
检测相对于车辆运动的静态物体并提供物体检测信号;
使用车载传感器来测量各种车辆状态并提供传感器信号;
使用物体信号和传感器信号来提供车辆的校正的纵向加速度和车辆速度;和
使用物体检测信号和传感器信号来提供车辆的校正的横向加速度和偏航角速度。
17.根据权利要求16的方法,其中检测静态物体包括使用雷达设备、激光雷达设备和/或摄像机设备。
18.根据权利要求16的方法,其中使用车载传感器来测量各种车辆状态包括:使用方向盘角度传感器、偏航角速度传感器、纵向速度传感器、纵向加速度传感器和横向加速度传感器。
19.根据权利要求16的方法,其中提供校正的纵向加速度和车辆速度包括:接收识别车辆纵向位置、车辆纵向速度、车辆纵向加速度和车辆速度的物体信号和传感器信号,并是使用卡尔曼滤波器和自回归噪声模型来提供校正的纵向加速度、车辆速度和轮滑转动。
20.根据权利要求16的方法,其中提供校正的横向加速度和偏航角速度包括:使用识别物体方位角和物体横向偏移的物体信号和识别方向盘角度、偏航角速度和横向加速度的传感器信号,并且使用卡尔曼滤波器和自回归噪声模型来提供横向加速度校正、横向速度校正和偏航角速度。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/758,180 US8855848B2 (en) | 2007-06-05 | 2007-06-05 | Radar, lidar and camera enhanced methods for vehicle dynamics estimation |
US11/758180 | 2007-06-05 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101320089A true CN101320089A (zh) | 2008-12-10 |
CN101320089B CN101320089B (zh) | 2011-09-21 |
Family
ID=40157523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008101082709A Active CN101320089B (zh) | 2007-06-05 | 2008-06-05 | 用于估计车辆的车辆动力的系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US8855848B2 (zh) |
CN (1) | CN101320089B (zh) |
DE (1) | DE102008026397B4 (zh) |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288957A (zh) * | 2010-05-26 | 2011-12-21 | 三菱电机株式会社 | 角速度推测装置以及角速度推测方法 |
CN102754139A (zh) * | 2010-03-17 | 2012-10-24 | 歌乐株式会社 | 车辆姿态角算出装置及使用了该装置的车道偏离警报系统 |
CN102959354A (zh) * | 2009-12-22 | 2013-03-06 | 韦尔豪泽Nr公司 | 用于利用LiDAR数据来分析树冠层的方法和装置 |
CN103287436A (zh) * | 2012-03-02 | 2013-09-11 | 现代摩比斯株式会社 | 车辆传感器的偏移量校正系统及其方法 |
US8606539B2 (en) | 2010-05-26 | 2013-12-10 | Mitsubishi Electric Corporation | Road configuration estimation apparatus, computer program, and road configuration estimation method |
CN103492903A (zh) * | 2011-03-01 | 2014-01-01 | 丰田自动车株式会社 | 状态推定装置 |
CN104040369A (zh) * | 2012-01-05 | 2014-09-10 | 罗伯特·博世有限公司 | 用于在车辆中不依赖于车轮的速度测量的方法和设备 |
CN104094177A (zh) * | 2012-01-30 | 2014-10-08 | 谷歌公司 | 基于感知不确定性的车辆控制 |
CN104108391A (zh) * | 2013-04-17 | 2014-10-22 | 福特全球技术公司 | 控制具有车辙补偿的车辆的驾驶动力学的方法和装置 |
CN104136298A (zh) * | 2012-02-28 | 2014-11-05 | 大陆汽车有限责任公司 | 测定车辆的速度和/或位置的方法和装置 |
CN104407337A (zh) * | 2014-11-14 | 2015-03-11 | 中国船舶重工集团公司第七0九研究所 | 面向转弯机动目标的数据滤波方法及系统 |
CN104781829A (zh) * | 2012-08-29 | 2015-07-15 | 罗伯特·博世有限公司 | 用于识别车辆在车道上的位置的方法和设备 |
CN105678689A (zh) * | 2015-12-31 | 2016-06-15 | 百度在线网络技术(北京)有限公司 | 高精地图数据配准关系确定方法及装置 |
CN106019270A (zh) * | 2015-03-31 | 2016-10-12 | 松下知识产权经营株式会社 | 车辆移动估计装置和车辆移动估计方法 |
US20160299234A1 (en) * | 2015-04-07 | 2016-10-13 | GM Global Technology Operations LLC | Fail operational vehicle speed estimation through data fusion of 6-dof imu, gps, and radar |
CN108445456A (zh) * | 2017-02-16 | 2018-08-24 | 通用汽车环球科技运作有限责任公司 | 光达-雷达相对位姿的校准 |
CN108983247A (zh) * | 2017-05-31 | 2018-12-11 | 本田技研工业株式会社 | 物体目标识别系统、物体目标识别方法及存储介质 |
CN109196376A (zh) * | 2016-05-06 | 2019-01-11 | 株式会社电装 | 推断装置 |
CN109476309A (zh) * | 2015-12-21 | 2019-03-15 | 英特尔公司 | 高级驾驶辅助系统中的动态传感器范围 |
CN109884618A (zh) * | 2014-02-20 | 2019-06-14 | 御眼视觉技术有限公司 | 车辆的导航系统、包括导航系统的车辆和导航车辆的方法 |
CN110412563A (zh) * | 2019-07-29 | 2019-11-05 | 哈尔滨工业大学 | 一种基于多传感器融合的辅助列车车皮挂接的便携式测距仪及其工作方法 |
CN111133398A (zh) * | 2017-09-22 | 2020-05-08 | 伟摩有限责任公司 | 使用雷达技术检测自动驾驶车辆的运动 |
CN111400931A (zh) * | 2020-04-09 | 2020-07-10 | 北京理工大学 | 一种车辆横摆角速度的确定方法及系统 |
CN111879957A (zh) * | 2019-11-13 | 2020-11-03 | 重庆金康新能源汽车有限公司 | 基于模糊逻辑和增强机器学习的车辆动力学测定 |
WO2020244467A1 (zh) * | 2019-06-06 | 2020-12-10 | 华为技术有限公司 | 一种运动状态估计方法及装置 |
CN112955715A (zh) * | 2018-10-31 | 2021-06-11 | 雷诺股份公司 | 用于确定机动车辆的移动向量的方法、用于确定车辆的速度的方法和相关车辆 |
CN113147738A (zh) * | 2021-02-26 | 2021-07-23 | 重庆智行者信息科技有限公司 | 一种自动泊车定位方法和装置 |
CN113223326A (zh) * | 2021-04-28 | 2021-08-06 | 上海电科智能系统股份有限公司 | 基于路侧的多车多控多源低速辅助停车系统 |
CN113257037A (zh) * | 2020-02-10 | 2021-08-13 | 通用汽车环球科技运作有限责任公司 | 基于交叉口场景的传感器融合来确定车辆碰撞可能性 |
CN113470342A (zh) * | 2020-03-30 | 2021-10-01 | 华为技术有限公司 | 一种自运动估计的方法及装置 |
WO2022037370A1 (zh) * | 2020-08-18 | 2022-02-24 | 华为技术有限公司 | 一种运动估计方法及装置 |
US11429114B2 (en) * | 2020-02-14 | 2022-08-30 | Deere & Company | Implement control of vehicle and implement combination |
CN115950441A (zh) * | 2023-03-08 | 2023-04-11 | 智道网联科技(北京)有限公司 | 自动驾驶车辆的融合定位方法、装置及电子设备 |
Families Citing this family (76)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8095309B2 (en) * | 2007-06-05 | 2012-01-10 | GM Global Technology Operations LLC | GPS assisted vehicular longitudinal velocity determination |
ATE500570T1 (de) * | 2007-08-22 | 2011-03-15 | Honda Res Inst Europe Gmbh | Schätzung der ordnungsgemässen bewegung von objekten mithilfe optischer fluss-, kinematik- und tiefeninformationen |
US8180513B2 (en) * | 2008-05-05 | 2012-05-15 | Southwest Research Institute | Autonomous ground vehicle control system for high-speed and safe operation |
US20100053151A1 (en) * | 2008-09-02 | 2010-03-04 | Samsung Electronics Co., Ltd | In-line mediation for manipulating three-dimensional content on a display device |
US8718897B2 (en) * | 2010-03-29 | 2014-05-06 | Wrightspeed, Inc. | Vehicle dynamics control in electric drive vehicles |
DE102010003850A1 (de) | 2010-04-12 | 2011-10-13 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Nachführung einer Position einer Objektmarkierung |
US8447519B2 (en) * | 2010-11-10 | 2013-05-21 | GM Global Technology Operations LLC | Method of augmenting GPS or GPS/sensor vehicle positioning using additional in-vehicle vision sensors |
US9147260B2 (en) * | 2010-12-20 | 2015-09-29 | International Business Machines Corporation | Detection and tracking of moving objects |
CN102184408B (zh) * | 2011-04-11 | 2012-12-26 | 西安电子科技大学 | 基于自回归模型的雷达高分辨距离像目标识别方法 |
KR101074638B1 (ko) * | 2011-05-04 | 2011-10-18 | 한국항공우주연구원 | 조향 모델을 이용한 주행차선 판단방법 |
US9139203B2 (en) * | 2011-11-04 | 2015-09-22 | GM Global Technology Operations LLC | Lane tracking system |
US8957807B2 (en) * | 2011-12-14 | 2015-02-17 | Ford Global Technologies, Llc | Internal multi-axis G sensing used to align an automotive forward radar to the vehicle's thrust axis |
US9423498B1 (en) * | 2012-09-25 | 2016-08-23 | Google Inc. | Use of motion data in the processing of automotive radar image processing |
KR101405583B1 (ko) * | 2012-10-30 | 2014-06-10 | 현대자동차주식회사 | 차량 속도 추정 장치 및 방법 |
DE102013205245A1 (de) | 2013-03-25 | 2014-09-25 | Continental Teves Ag & Co. Ohg | Fahrzeugreferenzgeschwindigkeitsbestimmungsverfahren und Fahrzeugsteuergerät mit einem solchen Verfahren |
US9251587B2 (en) * | 2013-04-05 | 2016-02-02 | Caterpillar Inc. | Motion estimation utilizing range detection-enhanced visual odometry |
WO2015037173A1 (ja) * | 2013-09-12 | 2015-03-19 | パナソニック株式会社 | レーダ装置、車両及び移動体速度検出方法 |
GB2523095B (en) | 2014-02-12 | 2018-01-31 | Jaguar Land Rover Ltd | Apparatus and method for use in a vehicle |
US10024955B2 (en) | 2014-03-28 | 2018-07-17 | GM Global Technology Operations LLC | System and method for determining of and compensating for misalignment of a sensor |
DE102014111126A1 (de) * | 2014-08-05 | 2016-02-11 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Erzeugen einer Umgebungskarte eines Umgebungsbereichs eines Kraftfahrzeugs, Fahrerassistenzsystem sowie Kraftfahrzeug |
US10339389B2 (en) * | 2014-09-03 | 2019-07-02 | Sharp Laboratories Of America, Inc. | Methods and systems for vision-based motion estimation |
US9199643B1 (en) | 2014-09-25 | 2015-12-01 | GM Global Technology Operations LLC | Sensor odometry and application in crash avoidance vehicle |
US9449397B2 (en) * | 2014-10-15 | 2016-09-20 | Caterpillar Inc. | Real-time visual odometry system for determining motion of a machine with a range detection unit |
CN104477169B (zh) * | 2014-11-20 | 2018-04-13 | 郑州宇通客车股份有限公司 | 一种车辆转向角速度检测方法 |
JP6425130B2 (ja) * | 2014-12-18 | 2018-11-21 | パナソニックIpマネジメント株式会社 | レーダ装置及びレーダ状態推定方法 |
DE102015200395B4 (de) | 2015-01-14 | 2019-10-10 | Volkswagen Aktiengesellschaft | Verfahren und Vorrichtung zur Darstellung einer Fahrzeuginformation |
US9903945B2 (en) * | 2015-02-04 | 2018-02-27 | GM Global Technology Operations LLC | Vehicle motion estimation enhancement with radar data |
US9886801B2 (en) * | 2015-02-04 | 2018-02-06 | GM Global Technology Operations LLC | Vehicle sensor compensation |
US10247816B1 (en) * | 2015-07-06 | 2019-04-02 | Apple Inc. | Apparatus and method to measure slip and velocity |
US11100673B2 (en) | 2015-09-24 | 2021-08-24 | Apple Inc. | Systems and methods for localization using surface imaging |
WO2017053415A1 (en) | 2015-09-24 | 2017-03-30 | Quovard Management Llc | Systems and methods for surface monitoring |
WO2017057041A1 (ja) | 2015-09-30 | 2017-04-06 | ソニー株式会社 | 信号処理装置、信号処理方法、およびプログラム |
CN105416290B (zh) * | 2015-11-30 | 2017-11-14 | 奇瑞汽车股份有限公司 | 检测车距的方法和装置 |
DE102016001101A1 (de) * | 2016-02-02 | 2017-08-03 | Audi Ag | Verfahren zur Erkennung und Identifikation eines Fahrmanövers eines Verkehrsteilnehmers und Kraftfahrzeug |
US10088553B2 (en) * | 2016-03-14 | 2018-10-02 | GM Global Technology Operations LLC | Method of automatic sensor pose estimation |
WO2017168588A1 (ja) * | 2016-03-29 | 2017-10-05 | パイオニア株式会社 | 測定装置、測定方法、及び、プログラム |
JP6707627B2 (ja) * | 2016-03-30 | 2020-06-10 | パイオニア株式会社 | 測定装置、測定方法、及び、プログラム |
US10557942B2 (en) * | 2016-06-07 | 2020-02-11 | DSCG Solutions, Inc. | Estimation of motion using LIDAR |
US11016499B2 (en) * | 2016-07-29 | 2021-05-25 | Pioneer Corporation | Measurement device, measurement method and program |
US10408937B2 (en) * | 2016-09-20 | 2019-09-10 | Ford Global Technologies, Llc | Metal bridge detection systems and methods |
US11092690B1 (en) * | 2016-09-22 | 2021-08-17 | Apple Inc. | Predicting lidar data using machine learning |
JP2018055539A (ja) * | 2016-09-30 | 2018-04-05 | パナソニックIpマネジメント株式会社 | 移動体の状態算出装置、状態算出方法、プログラムおよびそれを記録した記録媒体 |
DE102016223107A1 (de) | 2016-11-23 | 2018-05-24 | Volkswagen Aktiengesellschaft | System und Verfahren zur Schätzung der Eigenbewegung eines Fahrzeuges |
CN110235026A (zh) * | 2017-01-26 | 2019-09-13 | 御眼视觉技术有限公司 | 基于对齐的图像和激光雷达信息的车辆导航 |
US10583832B2 (en) | 2017-05-02 | 2020-03-10 | Cnh Industrial America Llc | Obstacle detection system for a work vehicle |
DE102017211402A1 (de) * | 2017-07-04 | 2019-01-10 | Zf Friedrichshafen Ag | Vorrichtung und Verfahren zum Bestimmen der Fahrdynamik eines Straßenfahrzeugs |
DE102017214022A1 (de) * | 2017-08-11 | 2019-02-14 | Audi Ag | Verfahren zur Ermittlung von die Eigenbewegung eines Kraftfahrzeugs beschreibenden Egodaten und Kraftfahrzeug |
JP7132703B2 (ja) * | 2017-09-12 | 2022-09-07 | 日立Astemo株式会社 | 車両運動状態推定装置、車両運動状態推定システム、車両運動制御装置および車両運動状態推定方法 |
US10890919B2 (en) | 2017-09-22 | 2021-01-12 | Waymo Llc | Calculating velocity of an autonomous vehicle using radar technology |
US10514456B2 (en) | 2017-11-29 | 2019-12-24 | Qualcomm Incorporated | Radar aided visual inertial odometry outlier removal |
WO2019150483A1 (ja) * | 2018-01-31 | 2019-08-08 | パイオニア株式会社 | 速度算出装置、速度算出方法、及び、プログラム |
EP3758983A4 (en) * | 2018-02-26 | 2021-08-11 | Fedex Corporate Services, Inc. | SYSTEMS AND METHODS FOR IMPROVED COLLISION PREVENTION IN LOGISTIC GROUND SUPPORT EQUIPMENT USING MULTI-SENSOR DETECTION FUSION |
CN108828621A (zh) * | 2018-04-20 | 2018-11-16 | 武汉理工大学 | 基于三维激光雷达的障碍检测和路面分割算法 |
US10634777B2 (en) | 2018-05-30 | 2020-04-28 | Ford Global Technologies, Llc | Radar odometry for vehicle |
EP3575829B1 (en) * | 2018-05-30 | 2020-11-18 | Axis AB | A method of determining a transformation matrix |
US11214967B1 (en) | 2018-11-08 | 2022-01-04 | Scepaniak IP Holdings, LLC | Roof rock spreader |
US11613041B1 (en) | 2018-11-08 | 2023-03-28 | Scepaniak IP Holdings, LLC | Coping nailer |
TWI680898B (zh) * | 2018-11-23 | 2020-01-01 | 財團法人車輛研究測試中心 | 近距離障礙物之光達偵測裝置及其方法 |
US10852746B2 (en) * | 2018-12-12 | 2020-12-01 | Waymo Llc | Detecting general road weather conditions |
US10940851B2 (en) | 2018-12-12 | 2021-03-09 | Waymo Llc | Determining wheel slippage on self driving vehicle |
FR3094798B1 (fr) | 2019-04-02 | 2021-03-05 | Renault | procédé de détermination d’une vitesse d’un véhicule automobile |
US11556000B1 (en) | 2019-08-22 | 2023-01-17 | Red Creamery Llc | Distally-actuated scanning mirror |
CN110780670B (zh) * | 2019-09-19 | 2023-03-21 | 上海机器人产业技术研究院有限公司 | 基于模糊控制算法的机器人避障控制方法 |
DE102019127022A1 (de) * | 2019-10-08 | 2021-04-08 | Valeo Schalter Und Sensoren Gmbh | Bestimmen einer Gierrate eines Kraftfahrzeugs |
US11548504B2 (en) | 2019-12-20 | 2023-01-10 | Hl Klemove Corp. | Driver assistance system and control method thereof |
US11531115B2 (en) | 2020-02-12 | 2022-12-20 | Caterpillar Global Mining Llc | System and method for detecting tracking problems |
CN113359147B (zh) * | 2020-03-06 | 2023-08-18 | 宇通客车股份有限公司 | 一种车辆及目标物运动状态的判断方法和装置 |
KR20210154446A (ko) * | 2020-06-12 | 2021-12-21 | 삼성전자주식회사 | 복소수 기반 어텐션 네트워크 연산 방법 및 장치 |
DE102020119498A1 (de) | 2020-07-23 | 2022-01-27 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Schätzen einer Eigenbewegung eines Fahrzeugs anhand von Messungen eines Lidar-Sensors sowie Recheneinrichtung |
US11702085B2 (en) | 2020-11-09 | 2023-07-18 | Fca Us Llc | Vehicle center of gravity height detection and vehicle mass detection using light detection and ranging point cloud data |
DE102021202603A1 (de) | 2021-03-17 | 2022-09-22 | Psa Automobiles Sa | Computerimplementiertes Verfahren zur Bestimmung einer Querbeschleunigung eines Kraftfahrzeugs, Computerprogrammprodukt, Fahrassistenzsystem sowie Kraftfahrzeug |
DE102021202641A1 (de) | 2021-03-18 | 2022-09-22 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zur Bestimmung eines Bewegungszustands eines starren Körpers |
EP4202790A1 (de) * | 2021-12-21 | 2023-06-28 | dSPACE GmbH | Verfahren und system zur klassifikation von verkehrssituationen sowie trainingsverfahren |
US20230219561A1 (en) * | 2022-01-05 | 2023-07-13 | Motional Ad Llc | Vehicle state estimation augmenting sensor data for vehicle control and autonomous driving |
CN116184430B (zh) * | 2023-02-21 | 2023-09-29 | 合肥泰瑞数创科技有限公司 | 一种激光雷达、可见光相机、惯性测量单元融合的位姿估计算法 |
CN117036505B (zh) * | 2023-08-23 | 2024-03-29 | 长和有盈电子科技(深圳)有限公司 | 车载摄像头在线标定方法及系统 |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2659920A1 (fr) * | 1990-03-22 | 1991-09-27 | Nissan Motor | Appareil de controle de la force de freinage d'un vehicule. |
JPH05185801A (ja) * | 1992-01-10 | 1993-07-27 | Nissan Motor Co Ltd | 車両の挙動制御装置 |
US5648905A (en) * | 1993-12-07 | 1997-07-15 | Mazda Motor Corporation | Traveling control system for motor vehicle |
US5979581A (en) * | 1996-11-07 | 1999-11-09 | The Regents Of The University Of California | Lateral vehicle control apparatus and method for automated highway systems and intelligent cruise control |
JPH10267685A (ja) * | 1997-03-21 | 1998-10-09 | Unisia Jecs Corp | 車両の横滑り角推定方法 |
JP3266827B2 (ja) * | 1997-06-25 | 2002-03-18 | 本田技研工業株式会社 | 車両の物体検知装置 |
DE19928915A1 (de) * | 1999-06-24 | 2001-01-11 | Bosch Gmbh Robert | Verfahren zur Sichtweitenbestimmung |
DE10131198A1 (de) * | 2001-06-28 | 2003-01-16 | Bosch Gmbh Robert | Verfahren und Vorrichtung zur Beeinflussung wenigstens eines Parameters eines Fahrzeugs |
JP2003146199A (ja) * | 2001-11-15 | 2003-05-21 | Honda Motor Co Ltd | 車両状態量の推定方法 |
US6671595B2 (en) * | 2002-01-08 | 2003-12-30 | Ford Global Technologies, Llc | Vehicle side slip angle estimation using dynamic blending and considering vehicle attitude information |
DE10345802A1 (de) * | 2003-09-30 | 2005-04-14 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Fahrspurerkennung für ein Fahrzeug |
DE10235414A1 (de) * | 2002-08-02 | 2004-02-12 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Ermittlung des Bevorstehens einer unausweichbaren Kollision |
DE10251949A1 (de) * | 2002-11-08 | 2004-05-19 | Robert Bosch Gmbh | Fahrdynamikregelung mit Bildsensorsystem |
JP4433887B2 (ja) * | 2003-07-01 | 2010-03-17 | 日産自動車株式会社 | 車両用外界認識装置 |
US7197388B2 (en) * | 2003-11-06 | 2007-03-27 | Ford Global Technologies, Llc | Roll stability control system for an automotive vehicle using an external environmental sensing system |
US7835854B2 (en) * | 2004-02-20 | 2010-11-16 | Sharp Kabushiki Kaisha | Condition detection and display system, condition detection and display method, control program for condition detection and display system, and storage medium storing the control program |
EP1610152B1 (en) * | 2004-05-28 | 2017-05-03 | Saab Ab | Tracking of a moving object for a self-defence system |
DE102004060402A1 (de) * | 2004-12-14 | 2006-07-13 | Adc Automotive Distance Control Systems Gmbh | Verfahren und Vorrichtung zur Ermittlung einer Fahrzeuggeschwindigkeit |
DE102005003274A1 (de) * | 2005-01-25 | 2006-07-27 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Vermeidung und/oder Minderung der Folgen von Kollisionen beim Ausweichen vor Hindernissen |
DE102006036921A1 (de) * | 2005-08-05 | 2007-04-12 | Continental Teves Ag & Co. Ohg | Verfahren zum Stabilisieren eines Kraftfahrzeugs und Fahrdynamikregelsystem |
GB0516403D0 (en) * | 2005-08-10 | 2005-09-14 | Trw Ltd | Method and apparatus for determining motion of a vehicle |
US7620477B2 (en) * | 2006-07-05 | 2009-11-17 | Battelle Energy Alliance, Llc | Robotic intelligence kernel |
US7885748B2 (en) * | 2006-09-13 | 2011-02-08 | Gm Global Technology Operations, Inc. | Virtual accelerometer |
US8447472B2 (en) * | 2007-01-16 | 2013-05-21 | Ford Global Technologies, Llc | Method and system for impact time and velocity prediction |
US7979207B2 (en) * | 2007-03-19 | 2011-07-12 | Sirf Technology, Inc. | Systems and methods for detecting a vehicle static condition |
-
2007
- 2007-06-05 US US11/758,180 patent/US8855848B2/en active Active
-
2008
- 2008-06-02 DE DE102008026397.4A patent/DE102008026397B4/de active Active
- 2008-06-05 CN CN2008101082709A patent/CN101320089B/zh active Active
Cited By (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102959354A (zh) * | 2009-12-22 | 2013-03-06 | 韦尔豪泽Nr公司 | 用于利用LiDAR数据来分析树冠层的方法和装置 |
CN102959354B (zh) * | 2009-12-22 | 2015-07-15 | 韦尔豪泽Nr公司 | 用于利用LiDAR数据来分析树冠层的方法和装置 |
CN102754139A (zh) * | 2010-03-17 | 2012-10-24 | 歌乐株式会社 | 车辆姿态角算出装置及使用了该装置的车道偏离警报系统 |
CN102754139B (zh) * | 2010-03-17 | 2014-12-31 | 歌乐株式会社 | 车辆姿态角算出装置及使用了该装置的车道偏离警报系统 |
CN102288957A (zh) * | 2010-05-26 | 2011-12-21 | 三菱电机株式会社 | 角速度推测装置以及角速度推测方法 |
CN102288957B (zh) * | 2010-05-26 | 2013-10-16 | 三菱电机株式会社 | 角速度推测装置以及角速度推测方法 |
US8606539B2 (en) | 2010-05-26 | 2013-12-10 | Mitsubishi Electric Corporation | Road configuration estimation apparatus, computer program, and road configuration estimation method |
CN103492903A (zh) * | 2011-03-01 | 2014-01-01 | 丰田自动车株式会社 | 状态推定装置 |
CN103492903B (zh) * | 2011-03-01 | 2015-04-01 | 丰田自动车株式会社 | 状态推定装置 |
CN104040369A (zh) * | 2012-01-05 | 2014-09-10 | 罗伯特·博世有限公司 | 用于在车辆中不依赖于车轮的速度测量的方法和设备 |
CN104040369B (zh) * | 2012-01-05 | 2017-07-11 | 罗伯特·博世有限公司 | 用于在车辆中不依赖于车轮的速度测量的方法和设备 |
CN104094177A (zh) * | 2012-01-30 | 2014-10-08 | 谷歌公司 | 基于感知不确定性的车辆控制 |
CN104136298A (zh) * | 2012-02-28 | 2014-11-05 | 大陆汽车有限责任公司 | 测定车辆的速度和/或位置的方法和装置 |
CN103287436B (zh) * | 2012-03-02 | 2016-08-10 | 现代摩比斯株式会社 | 车辆传感器的偏移量校正系统及其方法 |
CN103287436A (zh) * | 2012-03-02 | 2013-09-11 | 现代摩比斯株式会社 | 车辆传感器的偏移量校正系统及其方法 |
CN104781829B (zh) * | 2012-08-29 | 2018-05-01 | 罗伯特·博世有限公司 | 用于识别车辆在车道上的位置的方法和设备 |
CN104781829A (zh) * | 2012-08-29 | 2015-07-15 | 罗伯特·博世有限公司 | 用于识别车辆在车道上的位置的方法和设备 |
CN104108391B (zh) * | 2013-04-17 | 2018-04-10 | 福特全球技术公司 | 控制具有车辙补偿的车辆的驾驶动力学的方法和装置 |
CN104108391A (zh) * | 2013-04-17 | 2014-10-22 | 福特全球技术公司 | 控制具有车辙补偿的车辆的驾驶动力学的方法和装置 |
CN109884618A (zh) * | 2014-02-20 | 2019-06-14 | 御眼视觉技术有限公司 | 车辆的导航系统、包括导航系统的车辆和导航车辆的方法 |
CN109884618B (zh) * | 2014-02-20 | 2023-05-26 | 御眼视觉技术有限公司 | 车辆的导航系统、包括导航系统的车辆和导航车辆的方法 |
CN104407337A (zh) * | 2014-11-14 | 2015-03-11 | 中国船舶重工集团公司第七0九研究所 | 面向转弯机动目标的数据滤波方法及系统 |
CN106019270A (zh) * | 2015-03-31 | 2016-10-12 | 松下知识产权经营株式会社 | 车辆移动估计装置和车辆移动估计方法 |
US20160299234A1 (en) * | 2015-04-07 | 2016-10-13 | GM Global Technology Operations LLC | Fail operational vehicle speed estimation through data fusion of 6-dof imu, gps, and radar |
CN106053879A (zh) * | 2015-04-07 | 2016-10-26 | 通用汽车环球科技运作有限责任公司 | 通过数据融合的失效操作的车辆速度估计 |
US9645250B2 (en) * | 2015-04-07 | 2017-05-09 | GM Global Technology Operations LLC | Fail operational vehicle speed estimation through data fusion of 6-DOF IMU, GPS, and radar |
CN106053879B (zh) * | 2015-04-07 | 2019-08-20 | 通用汽车环球科技运作有限责任公司 | 通过数据融合的失效操作的车辆速度估计 |
CN109476309A (zh) * | 2015-12-21 | 2019-03-15 | 英特尔公司 | 高级驾驶辅助系统中的动态传感器范围 |
CN105678689A (zh) * | 2015-12-31 | 2016-06-15 | 百度在线网络技术(北京)有限公司 | 高精地图数据配准关系确定方法及装置 |
CN105678689B (zh) * | 2015-12-31 | 2020-01-31 | 百度在线网络技术(北京)有限公司 | 高精地图数据配准关系确定方法及装置 |
CN109196376A (zh) * | 2016-05-06 | 2019-01-11 | 株式会社电装 | 推断装置 |
CN109196376B (zh) * | 2016-05-06 | 2023-06-02 | 株式会社电装 | 推断装置 |
CN108445456A (zh) * | 2017-02-16 | 2018-08-24 | 通用汽车环球科技运作有限责任公司 | 光达-雷达相对位姿的校准 |
CN108983247B (zh) * | 2017-05-31 | 2022-08-23 | 本田技研工业株式会社 | 物体目标识别系统、物体目标识别方法及存储介质 |
CN108983247A (zh) * | 2017-05-31 | 2018-12-11 | 本田技研工业株式会社 | 物体目标识别系统、物体目标识别方法及存储介质 |
CN111133398B (zh) * | 2017-09-22 | 2023-09-26 | 伟摩有限责任公司 | 使用雷达技术检测自动驾驶车辆的运动 |
CN111133398A (zh) * | 2017-09-22 | 2020-05-08 | 伟摩有限责任公司 | 使用雷达技术检测自动驾驶车辆的运动 |
CN112955715A (zh) * | 2018-10-31 | 2021-06-11 | 雷诺股份公司 | 用于确定机动车辆的移动向量的方法、用于确定车辆的速度的方法和相关车辆 |
WO2020244467A1 (zh) * | 2019-06-06 | 2020-12-10 | 华为技术有限公司 | 一种运动状态估计方法及装置 |
CN110412563A (zh) * | 2019-07-29 | 2019-11-05 | 哈尔滨工业大学 | 一种基于多传感器融合的辅助列车车皮挂接的便携式测距仪及其工作方法 |
CN111879957A (zh) * | 2019-11-13 | 2020-11-03 | 重庆金康新能源汽车有限公司 | 基于模糊逻辑和增强机器学习的车辆动力学测定 |
CN113257037B (zh) * | 2020-02-10 | 2023-09-29 | 通用汽车环球科技运作有限责任公司 | 基于交叉口场景的传感器融合来确定车辆碰撞可能性 |
CN113257037A (zh) * | 2020-02-10 | 2021-08-13 | 通用汽车环球科技运作有限责任公司 | 基于交叉口场景的传感器融合来确定车辆碰撞可能性 |
US11429114B2 (en) * | 2020-02-14 | 2022-08-30 | Deere & Company | Implement control of vehicle and implement combination |
WO2021196983A1 (zh) * | 2020-03-30 | 2021-10-07 | 华为技术有限公司 | 一种自运动估计的方法及装置 |
CN113470342A (zh) * | 2020-03-30 | 2021-10-01 | 华为技术有限公司 | 一种自运动估计的方法及装置 |
CN111400931B (zh) * | 2020-04-09 | 2022-09-27 | 北京理工大学 | 一种车辆横摆角速度的确定方法及系统 |
CN111400931A (zh) * | 2020-04-09 | 2020-07-10 | 北京理工大学 | 一种车辆横摆角速度的确定方法及系统 |
WO2022037370A1 (zh) * | 2020-08-18 | 2022-02-24 | 华为技术有限公司 | 一种运动估计方法及装置 |
CN113147738A (zh) * | 2021-02-26 | 2021-07-23 | 重庆智行者信息科技有限公司 | 一种自动泊车定位方法和装置 |
CN113223326A (zh) * | 2021-04-28 | 2021-08-06 | 上海电科智能系统股份有限公司 | 基于路侧的多车多控多源低速辅助停车系统 |
CN115950441A (zh) * | 2023-03-08 | 2023-04-11 | 智道网联科技(北京)有限公司 | 自动驾驶车辆的融合定位方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
US20100017128A1 (en) | 2010-01-21 |
DE102008026397A1 (de) | 2009-01-29 |
CN101320089B (zh) | 2011-09-21 |
DE102008026397B4 (de) | 2017-03-23 |
US8855848B2 (en) | 2014-10-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101320089B (zh) | 用于估计车辆的车辆动力的系统和方法 | |
US11222219B2 (en) | Proximate vehicle localization and identification | |
US10788830B2 (en) | Systems and methods for determining a vehicle position | |
US11377029B2 (en) | Vehicular trailering assist system with trailer state estimation | |
US9645250B2 (en) | Fail operational vehicle speed estimation through data fusion of 6-DOF IMU, GPS, and radar | |
US10406981B2 (en) | Vehicle vision system with curvature estimation | |
US7970529B2 (en) | Vehicle and lane recognizing device | |
US10885791B2 (en) | Vehicle dispatch system, autonomous driving vehicle, and vehicle dispatch method | |
US9162682B2 (en) | Method and device for determining the speed and/or position of a vehicle | |
US20160363647A1 (en) | Vehicle positioning in intersection using visual cues, stationary objects, and gps | |
US9969399B2 (en) | Vehicle and method of controlling the vehicle | |
US20200183002A1 (en) | System and method for fusing surrounding v2v signal and sensing signal of ego vehicle | |
US20190347808A1 (en) | Monocular Visual Odometry: Speed And Yaw Rate Of Vehicle From Rear-View Camera | |
Rawashdeh et al. | Collaborative automated driving: A machine learning-based method to enhance the accuracy of shared information | |
CN112106065A (zh) | 使用车轮旋转的光学跟踪预测被观察车辆的状态和位置 | |
US11715237B2 (en) | Deep learning-based camera calibration | |
JP4899626B2 (ja) | 走行制御装置 | |
JP2005258941A (ja) | 障害物検出装置 | |
Li et al. | Pitch angle estimation using a Vehicle-Mounted monocular camera for range measurement | |
Kim et al. | Performance of AEB system on a slope using an extended kalman filter | |
Park et al. | Vehicle localization using an AVM camera for an automated urban driving | |
EP4113063A1 (en) | Localization of autonomous vehicles using camera, gps, and imu | |
Cario et al. | Predictive time-to-lane-crossing estimation for lane departure warning systems | |
JP2019196941A (ja) | 自車位置推定装置 | |
CN117553811B (zh) | 基于路侧相机与车载gnss/ins的车路协同定位导航方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |