CN101320089B - 用于估计车辆的车辆动力的系统和方法 - Google Patents

用于估计车辆的车辆动力的系统和方法 Download PDF

Info

Publication number
CN101320089B
CN101320089B CN2008101082709A CN200810108270A CN101320089B CN 101320089 B CN101320089 B CN 101320089B CN 2008101082709 A CN2008101082709 A CN 2008101082709A CN 200810108270 A CN200810108270 A CN 200810108270A CN 101320089 B CN101320089 B CN 101320089B
Authority
CN
China
Prior art keywords
vehicle
sensor
object
system
signal
Prior art date
Application number
CN2008101082709A
Other languages
English (en)
Other versions
CN101320089A (zh
Inventor
S·曾
Original Assignee
通用汽车环球科技运作公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority to US11/758180 priority Critical
Priority to US11/758,180 priority patent/US8855848B2/en
Application filed by 通用汽车环球科技运作公司 filed Critical 通用汽车环球科技运作公司
Publication of CN101320089A publication Critical patent/CN101320089A/zh
Application granted granted Critical
Publication of CN101320089B publication Critical patent/CN101320089B/zh

Links

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W40/00Estimation 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
    • B60W40/10Estimation 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
    • B60W40/107Longitudinal acceleration
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W40/00Estimation 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
    • B60W40/10Estimation 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
    • B60W40/105Speed
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S13/00Systems 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
    • G01S13/02Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50Systems of measurement based on relative movement of target
    • G01S13/58Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/60Velocity 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
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S13/00Systems 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
    • G01S13/86Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/865Combination of radar systems with lidar systems
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S13/00Systems 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
    • G01S13/86Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867Combination of radar systems with cameras
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W50/00Details 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
    • B60W2050/0001Details of the control system
    • B60W2050/0019Control system elements or transfer functions
    • B60W2050/0028Mathematical models, e.g. for simulation
    • B60W2050/0031Mathematical model of the vehicle
    • B60W2050/0033Single-track, 2D vehicle model, i.e. two-wheel bicycle model
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W2420/00Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/52Radar, Lidar
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S13/00Systems 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
    • G01S13/88Radar or analogous systems specially adapted for specific applications
    • G01S13/93Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/932Radar 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

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

用于估计车辆的车辆动力的系统和方法

技术领域

[0001] 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

[0002] 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。

[0003] 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。

[0004] 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。

[0005] 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

[0006] 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。

[0007] 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

[0008] 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;

[0009] 图2是示出来自静态雷达轨迹的车辆自运动的平面图;

[0010] 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

[0011] 图4是车辆坐标系的平面图。

具体实施方式

[0012] 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。

[0013] 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。

[0014] 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。

[0015] 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的车辆沈的平面图,该雷达传感器追踪静态物体30,比如树。雷达传感器观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:

[0016] υχ = -(χ' -χ) / Δ T (1)

[0017] Uy = -(y' -γ)/ΔΤ (2)

[0018]

Figure CN101320089BD00051

[0019] 其中量(x,y)和(x' , y')分别是在时间t和t+Δ t处静止物体30的位置,并且υ χ,υ y和r分别是车辆沈的纵向速度、横向速度和偏航角速度。

[0020] 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:

[0021] a :前轮轴与车辆重心(CG)的距离;

[0022] b :后轮轴与车辆CG的距离;

[0023] m :车辆质量;[0024] Iz :沿着ζ轴的车辆惯性质量;

[0025] δ :前车轮角度;

[0026] 1 :车辆偏航角速度

[0027] u :车辆纵向速度;和

[0028] υ :车辆横向速度。

[0029] 雷达输出是在时间t的物体列表Ioi I i = 1,. . .,K}。第i个物体Oi的测量包含距离P、距离变化率力和方位角》9。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χ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。

[0030]

Figure CN101320089BD00061

[0031] 车辆动力可以由状态矢量ζ表示,该矢量的分量包括:

[0032] δ ax :对纵向加速度测量的校正;

[0033] 车辆纵向速度;

[0034] δ r :对偏航角速度测量的校正;

[0035] uy:车辆横向速度;和

[0036] {(Xi, Yi) |i = 1, ... ,K}:静止物体位置的列表。

[0037] 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\。、校正的纵向速度Ux。、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〜。和速度ux。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。

[0038] 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:

[0039]

Figure CN101320089BD00062

[0040] ux(t+l) = ux(t) + AT(axo(t)+5ax(t)) + AT ε (6)

[0041] δ ax(t+l) = δ ax (t) + ε (7)

[0042] 其中ε是具有高斯分布的零均值白随机过程。

[0043] 给定来自第i个物体的

Figure CN101320089BD00063

的测量,观察方程式可以被写作为:

[0044]

Figure CN101320089BD00064

[0045]

[0046] Uxo= υχ+ν3 (10)

[0047] 其中量Vl,V2和V3是被建模成高斯白随机过程的观察噪声。

[0048] 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〜+ δ〜、校正的纵向速度u χ、和轮滑转动。

[0049] | ux-ux。| > T (11)

[0050] 其中T是阈值。

[0051] 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ay。和偏航角速度r。的测量。方向盘角度传感器给出方向盘角度Sf。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。 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:

[0052]

Figure CN101320089BD00071

[0055] 其中£1和ε 2是两个白高斯随机过程。

[0056] 给定了来自第i个物体的Oi -(A·,户的测量,观察方程式可以写作为:

[0057]

Figure CN101320089BD00072

[0059] 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。

[0060] 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(r。+ δ r)、校正的横向加速度(ay+ δ ay)、和横向速度υ y。

[0061] 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{^(0,1(011 = 1,. ..,Kt}和在时间t'的地图{0j(t' ),ij(t' ) Ij =l,...,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:

Figure CN101320089BD00073

[0063] 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,Xi',假设点是共面的,存在如下定义的单应矩阵F :

[0064] Xi' =Fxi (18)

[0065] 其中χ表示同构图像坐标(u,υ,m)T,其表示在("i^ii"!的图像像素。

V/« m J

[0066] 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' χ' y'和ζ' -axis,相一致的摄像机来固定摄像机坐标系统ο' χ' y' ζ'。通过令摄像机的两个视图的投影矩阵分别为P = Κ[Ι|0]和P'= K [Re],单应矩阵F可以被给定为:

[0067] F = K (R-cnT/d) Γ1 (19)

[0068] 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。

[0069] 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,-(Dt并且 R是摄像机的外参矩阵。地平面被表示为

Figure CN101320089BD00081

,其中n0= (0,0,1)τ0对于下一个中贞 t'的视图,车辆在地平面上平移Ac= (Δχ,Δ¥,0)τ并旋转Δ θ。旋转矩阵可被写作为:

[0070]

Figure CN101320089BD00082

[0071] 接着,时间t'的投影矩阵P'可以被写作为P' =KR' [Il-C'],其中R'= RAR 并且 c' = c+Ac。

[0072]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

[0073]

[0074]

Figure CN101320089BD00083

[0075]地平面变为(fov d)。因此:

[0076]

Figure CN101320089BD00084

[0077] 应用Rt = IT1和R' =RAR给出了

[0078]

Figure CN101320089BD00085

[0079]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

[0080]

Figure CN101320089BD00086

[0081]利用η = (0,0,1)τ,Ac = (Δχ, Ay,0)T以及方程式^)),本质矩阵E可以写作 为:

[0082]

Figure CN101320089BD00087

[0083] 通常旋转角度θ对于两个连续视图较小(即sine << 1)。因此,方程式(¾) 可以近似为:

[0084]

Figure CN101320089BD00088

[0085] 方程式(27)中的本质矩阵E实际上是具有平移Δχ/d,Ay/d和旋转θ的二维变换。

[0086] 给定一组匹配的特征点对{(Xi,Xi' |i = 1,...,N)},自运动估计可以用公式表示为最小二乘估计:[0087]

Figure CN101320089BD00091

[0088] 其可以被变换成:

[0089]

Figure CN101320089BD00092

[0090] 其中如果摄像机的校准矩阵K和

Figure CN101320089BD00093

[0091] 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(A e)和平移 (Ax/d, Ay/d)有关。随后的方法可用于恢复參数。

[0092] 输入是N对匹配的地面特征点Kxi,x/ )|i = 1,•••,N}和摄像机的内參和外 參參数矩阵に和尺。

[0093] 输出是估计的自运动參数

Figure CN101320089BD00094

[0094] 1.对于所有 Xi 和 Xi ‘,计算ネ=KBxmi!, = KRx\.

[0095] 2.计算

Figure CN101320089BD00095

[0096] 3.计算:

[0097]

Figure CN101320089BD00096

[0098] 4.令矩阵C的奇异值成分被写作为C = UWV\

[0099] 接着,旋转も和平移ち可以被求解为:

[0101]

Figure CN101320089BD00097

[0102] 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1中在(U,u)的 图像点和图像1'中在01',u')的图像点是匹配的:

Figure CN101320089BD00098

[0105] 在之前循环中估计的运动參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。

[0106] 输入是像素坐标中的两组场景元素(用内參和外參矩阵规格化),通过

Figure CN101320089BD00099

表示。

[0107] 输出是匹配的点对和估计的运动參数。

[0108] 1.通过使用先前的运动參数

Figure CN101320089BD000910

来预测先前巾贞中元素的位置。

[0109] 2.使用校正方法来匹配预测点集合

Figure CN101320089BD000911

[0110] 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。

[0111] 4.通过使用来自步骤3的匹配对来验证导出的运动参数。

[0112] 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。

[0113] 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。

[0114] 运动状态通过以下表示:

[0115] υχ:车辆纵向速度;

[0116] uy:车辆横向速度;

[0117] δ r :偏航角速度测量校正;和

[0118] δ〜:纵向加速度校正。

[0119] 令ux。,ax。,r。jn〜。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:

[0120]

[0121]

Figure CN101320089BD00101

[0122]

[0123]

[0124] 其中£l,£2和ε 3是零均值高斯白噪声。

[0125] 令从两个连续视图恢复的运动参数由(Δ θ。α),Δχ。α),Ay0(t))表示,其中 Δ θ。是旋转角度并且(ΔΧ。,ΔΥο)是平移。观察方程式可写作为:

[0126]

[0127

[0128]

[0129]

[0130] 其中Vl,ν2, 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。

[0131] 因此,卡尔曼滤波器可用于确定状态变量。

[0132] 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 (22)

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,所述物体检测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;响应于所述物体检测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检测信号以追踪该物体,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,其中从由在激光雷达设备和摄像机组成的组中选择物体检测传感器。
4.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。
5.根据权利要求4的系统,其中长距离雷达传感器安装在车辆重心。
6.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。
7.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。
8.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。
9.根据权利要求8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检测信号和传感器信号,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。
10.根据权利要求8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检测信号和传感器信号,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。
11.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。
12.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。
13. 一种用于确定车辆速度的系统,所述系统包括:车载传感器,用于提供表示车辆运动的信号;物体检测传感器,用于检测相对于车辆运动的静态物体;和响应于来自车载传感器的信号和来自物体检测传感器的信号的处理器,所述处理器使用来自车载传感器的信号和来自物体检测传感器的信号来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。
14.根据权利要求13的系统,其中从由雷达设备和视觉系统组成的组中选择物体检测传感器。
15.根据权利要求13的系统,其中从由在激光雷达设备和摄像机组成的组中选择物体检测传感器。
16.根据权利要求13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。
17. 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,以追踪物体; 使用车载传感器来测量各种车辆状态并提供传感器信号; 使用物体检测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。
18.根据权利要求17的方法,其中检测静态物体包括使用雷达设备和/或摄像机设备。
19.根据权利要求17的方法,其中检测静态物体包括使用激光雷达设备。
20.根据权利要求17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。
21.根据权利要求17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检测信号和传感器信号, 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。
22.根据权利要求17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检测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校正。
CN2008101082709A 2007-06-05 2008-06-05 用于估计车辆的车辆动力的系统和方法 CN101320089B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US11/758180 2007-06-05
US11/758,180 US8855848B2 (en) 2007-06-05 2007-06-05 Radar, lidar and camera enhanced methods for vehicle dynamics estimation

Publications (2)

Publication Number Publication Date
CN101320089A CN101320089A (zh) 2008-12-10
CN101320089B true CN101320089B (zh) 2011-09-21

Family

ID=40157523

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2008101082709A 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)

Families Citing this family (58)

* Cited by examiner, † Cited by third party
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
AT500570T (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
US8537337B2 (en) * 2009-12-22 2013-09-17 Weyerhaeuser Nr Company Method and apparatus for analyzing tree canopies with LiDAR data
JP5350297B2 (ja) * 2010-03-17 2013-11-27 クラリオン株式会社 車両姿勢角算出装置及びそれを用いた車線逸脱警報システム
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
JP5610847B2 (ja) * 2010-05-26 2014-10-22 三菱電機株式会社 角速度推定装置及びコンピュータプログラム及び角速度推定方法
JP5618744B2 (ja) * 2010-05-26 2014-11-05 三菱電機株式会社 道路形状推定装置及びコンピュータプログラム及び道路形状推定方法
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
CN103492903B (zh) * 2011-03-01 2015-04-01 丰田自动车株式会社 状态推定装置
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
DE102012200139A1 (de) * 2012-01-05 2013-07-11 Robert Bosch Gmbh Verfahren und Vorrichtung zur radunabhängigen Geschwindigkeitsmessung bei einem Fahrzeug
US20130197736A1 (en) * 2012-01-30 2013-08-01 Google Inc. Vehicle control based on perception uncertainty
DE102012203037A1 (de) 2012-02-28 2013-08-29 Continental Automotive Gmbh Verfahren zur Ermittlung der Geschwindigkeit und/oder Position eines Fahrzeuges
KR101962890B1 (ko) * 2012-03-02 2019-08-01 현대모비스 주식회사 차량 센서 오프셋 보정 시스템 및 그 방법
DE102012215322A1 (de) * 2012-08-29 2014-03-06 Robert Bosch Gmbh Verfahren und Vorrichtung zum Erkennen einer Position eines Fahrzeugs auf einer Fahrspur
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
DE102014205127A1 (de) * 2013-04-17 2014-10-23 Ford Global Technologies, Llc Steuerung der Fahrdynamik eines Fahrzeugs mit Spurrillenausgleich
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
CN104407337B (zh) * 2014-11-14 2017-03-29 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
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
US9886801B2 (en) * 2015-02-04 2018-02-06 GM Global Technology Operations LLC Vehicle sensor compensation
US9903945B2 (en) * 2015-02-04 2018-02-27 GM Global Technology Operations LLC Vehicle motion estimation enhancement with radar data
JP6421935B2 (ja) * 2015-03-31 2018-11-14 パナソニックIpマネジメント株式会社 車両移動推定装置および車両移動推定方法
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
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
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
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
WO2017168654A1 (ja) * 2016-03-30 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
JP2019518957A (ja) * 2016-06-07 2019-07-04 ディーエスシージー ソルーションズ,インコーポレイテッド Lidarを使用した運動の推定
EP3493177A1 (en) * 2016-07-29 2019-06-05 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
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
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
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
US20190265714A1 (en) * 2018-02-26 2019-08-29 Fedex Corporate Services, Inc. Systems and methods for enhanced collision avoidance on logistics ground support equipment using multi-sensor detection fusion

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5229944A (en) * 1990-03-22 1993-07-20 Yoshiki Yasuno Braking force control apparatus
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
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
DE10345802A1 (de) * 2003-09-30 2005-04-14 Robert Bosch Gmbh Verfahren und Vorrichtung zur Fahrspurerkennung für ein Fahrzeug
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
JP2007522981A (ja) * 2004-02-20 2007-08-16 シャープ株式会社 状況検出表示システム、状況検出表示方法、状況検出表示システム制御プログラム、および当該プログラムを記録した記録媒体
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
WO2007017476A1 (de) * 2005-08-05 2007-02-15 Continental Teves Ag & Co Ohg Verfahren zxjm stabilisieren eines kraftfahrzeugs aufgrund von bilddaten 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

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
易东云等.多项式信号加自回归噪声模型的参数估计.《电子学报》.1995,第23卷(第6期),
李亮等.汽车动力学控制系统研究进展.《世界科技研究与发展》.2005,第27卷(第1期),
王仁广等.基于自适应卡尔曼滤波算法确定汽车参考车速.《农业机械学报》.2006,第37卷(第4期),

Also Published As

Publication number Publication date
DE102008026397A1 (de) 2009-01-29
CN101320089A (zh) 2008-12-10
US20100017128A1 (en) 2010-01-21
US8855848B2 (en) 2014-10-07
DE102008026397B4 (de) 2017-03-23

Similar Documents

Publication Publication Date Title
Nistér et al. Visual odometry
CN105539586B (zh) 用于自主驾驶的车辆躲避移动障碍物的统一的运动规划
EP2034271B1 (en) Positioning device
CN1306452C (zh) 监视装置和监视方法
US6535114B1 (en) Method and apparatus for environment recognition
Franke et al. Making bertha see
US9140792B2 (en) System and method for sensor based environmental model construction
EP2382118B1 (de) Verfahren zur ermittlung eines einem fahrzeug vorausliegenden strassenprofils einer fahrspur
US9183463B2 (en) Orientation model for a sensor system
CN102649430B (zh) 用于容错车辆侧向控制器的冗余车道感测系统
US7868821B2 (en) Method and apparatus to estimate vehicle position and recognized landmark positions using GPS and camera
US8564657B2 (en) Object motion detection system based on combining 3D warping techniques and a proper object motion detection
EP3008708B1 (en) Vision augmented navigation
CN102222236B (zh) 图像处理系统及位置测量系统
US8233660B2 (en) System and method for object motion detection based on multiple 3D warping and vehicle equipped with such system
US8213706B2 (en) Method and system for real-time visual odometry
US20180023953A1 (en) Extended kalman filter for 3d localization and vision-aided inertial navigation
JP4370869B2 (ja) 地図データ更新方法および地図データ更新装置
DE10354209A1 (de) System und Verfahren zum Verbessern der Fahrzeugfahrer-Fahrunterstützung eines Kraftfahrzeugs
JP2008026282A (ja) 測位装置、ナビゲーションシステム
TW201016507A (en) Road angle estimation system and its method
JP6595182B2 (ja) マッピング、位置特定、及び姿勢補正のためのシステム及び方法
JP6224370B2 (ja) 車両用コントローラ、車両システム
DE102010005293B4 (de) System und Verfahren zur Spurpfadschätzung unter Verwendung einer Sensorvereinigung
CN101346603A (zh) 对象物识别装置

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