CN103761889A - 一种防追尾碰撞的前方车辆有效目标确定方法 - Google Patents

Abstract

本发明公开了一种防追尾碰撞的前方车辆有效目标确定方法，首先根据获取的周边车辆和自车的相对运动信息和绝对运动信息，初选出本车道内除自车外的周边车辆，然后计算出周边车辆与自车的相对距离、周边车辆与自车车体坐标系纵轴方向的夹角，并与初选出的本车道内周边车辆信息进行验证匹配，剔除不可靠目标，得到本车道内所有的可靠车辆，最后根据最小纵向距离原则确定有效目标。本发明方法可以有效地解决雷达虚假目标过多的问题，同时提高雷达对目标搜索的可靠性，对环境的适应性也更强。

Description

一种防追尾碰撞的前方车辆有效目标确定方法

技术领域

本发明属于汽车主动安全测量及控制领域，涉及一种防追尾碰撞的前方车辆有效目标确定方法。

背景技术

随着社会经济的发展，伴随着车辆保有量的迅速增长，道路交通安全问题日益突出，并已成为全球性难题。全世界每年因交通事故都会造成大量的人员伤亡和财产损失，世界各国都在努力降低交通事故的发生。统计资料表明，车辆的追尾碰撞事故是高速公路上最主要的事故形态，环境感知是追尾碰撞预警的关键技术之一。在环境感知中，毫米波雷达的使用最为常用，性能也最为优良，但所测信息噪声较大，无法有效区分旁车道干扰目标，且会受恶劣天气影响和周围车辆、障碍物的电磁波干扰，特别在高速路上，隔离带和路两边的金属极大的限制了雷达性能。近年来，国外很多学者对基于全球定位系统与车车通信（GPS-V2V）的防追尾碰撞技术进行了研究，该所获取的信息较为全面、准确，并且不受天气、周围障碍物、旁车道干扰目标等影响。但是无论是雷达还是GPS-V2V，都不可避免存在因传感器误差或者由于环境适应的原因引起的测量信息产生无法确定的变化甚至错误，影响测试结果的可靠性。

在我国，随着汽车工业蓬勃发展和汽车保有量迅速增长，道路交通事故频繁发生，由此导致的人员伤亡和财产损失数目惊人，给国家的人民生命财产和国民经济造成了巨大的损失。因此，如何采取合理的手段与措施，减少交通事故的发生成为一个亟待解决的问题，这不仅是政府和人民普遍关注的社会问题，同时也是科学技术进步所面临的重要课题之一。近年来，尽管采用越来越多的被动安全技术减轻了事故的伤害程度，但引发交通事故产生的根本原因仍未得到有效解决。在《中国汽车工业中长期科技发展战略研究》（2004-2020年）中，也提出了“我国汽车被动安全技术的发展相对较快，以电子技术为基础的大量主动安全技术还没有开展或只是刚刚起步，这将是我国今后安全技术发展工作中需要重视的问题”。基于这样的考虑，智能交通系统ITS(IntelligentTransportSystem)应运而生。其中的先进汽车控制与安全系统AVCSS(AdvancedVehicleControlandSafetySystem)是智能交通系统中以车辆为研究对象的子系统，提高汽车主动安全性是该系统要实现的目标。

国内外在有效目标提取方面进行了一些研究。主要包括使用一定范围限制准则来进行目标的同车道识别，通过临界车间距离来判断两车相对运动的危险程度；或者在目标识别的基础上使用Kalman滤波方法进行目标信息提取。这些方法在一定程度上可以选取有效目标，但是所选目标的有效性和真实性都需要进一步考虑，以便有效排除干扰目标或虚假目标的影响，以提高目标选取的稳定性和准确性。

发明内容

技术问题：本发明提供一种可以有效地解决雷达虚假目标过多的问题，同时提高雷达对目标搜索的可靠性，对环境适应性也更强的防追尾碰撞的前方车辆有效目标确定方法。

发明内容：本发明的防追尾碰撞的前方车辆有效目标确定方法，首先根据获取的周边车辆和自车的相对运动信息和绝对运动信息，初选出本车道内除自车外的周边车辆，然后计算出周边车辆与自车的相对距离、周边车辆与自车车体坐标系纵轴方向的夹角，并与初选出的本车道内周边车辆信息进行验证匹配，剔除不可靠目标，得到本车道内所有的可靠车辆，最后根据最小纵向距离原则确定有效目标；

具体步骤为：

1）接收自车和周边车辆的相对运动信息和绝对运动信息，相对运动信息包括目标与自车的相对速度v_k、相对距离d_k，目标与自车车体坐标系纵轴方向的夹角α_k，绝对运动信息包括自车的绝对位置坐标x₀，y₀和绝对速度v₀，周边车辆的绝对位置坐标x_l，y_l，其中k为获取相对运动信息时的目标序号，k=1，2，3...i，i为获取相对运动信息时能够接收到的最大目标数，l表示获取绝对运动信息时的周边车辆序号，l=1，2，3，4...j，j为获取绝对运动信息时自车能够接收到的最大周边车辆数量；

2）初选出本车道内除自车外的周边车辆，具体流程为：

首先，根据下式确定本车道的初选目标：

sin(α_k)·d_k≤2米

根据下式确定静止目标，然后将静止目标从初选目标中剔除：

将满足以下任一条件的目标确定为无效目标，然后将无效目标从初选目标中剔除：

目标信号连续出现的次数小于5次；

|α_k(n+1)-α_k(n)|≥3(°)；

|d_k(n+1)-d_k(n)|≥5米；

|v_k(n+1)-v_k(n)|≥5米/秒；

其中n代表获取相对运动信息时的采样点序号，n=1，2，3，4...；

3）根据下式计算出周边车辆与自车的相对距离d'_l：

${d^{\′}}_l=\sqrt{{(x_l-x_0)}^2+{(y_l-y_0)}^2}$

同时根据下式计算出周边车辆与自车车体坐标系纵轴方向的夹角α'_l：

${{\mathrm{\α}}^{\′}}_l=\arctan \left(\frac{|x_l-x_0|}{|y_l-y_0|}\right)$

4）按照如下方法进行验证匹配，剔除不可靠目标，得到本车道内所有的可靠车辆：

将各周边车辆与自车的相对距离d'_l，同步骤2）中初选出的各周边车辆与自车的相对距离d_k逐一进行对比，

将各周边车辆与自车车体坐标系纵轴方向的夹角α'_l，同步骤2）中初选出的各周边车辆与自车车体坐标系纵轴方向的夹角α_k逐一进行对比；

若存在一组 $\left\{\begin{array}{c}{d}_k\\ {\mathrm{\α}}_k\end{array}\right.,$ 满足下式：

$\left\{\begin{array}{c}{d^{\′}}_l=d_k+\mathrm{\Δ}{d^{\′}}_l\\ {{\mathrm{\α}}^{\′}}_l={\mathrm{\α}}_k+\mathrm{\Δ}{{\mathrm{\α}}^{\′}}_l\end{array}\right.$

则判定该组 $\left\{\begin{array}{c}{d_l}^{\′}\\ {{\mathrm{\α}}_l}^{\′}\end{array}\right.$ 对应的周边车辆是本车道内的可靠车辆，其中Δd'_l为计算周边车辆与自车的相对距离时的微小误差，Δα'_l为计算周边车辆与自车车体坐标系纵轴方向的夹角时的微小误差；

5）根据下式分别计算本车道内各可靠车辆与自车的纵向距离s：

s＝cos(α'_l)·d'_l，

然后将与自车的纵向距离最小的可靠车辆确定为有效目标。

有益效果：本发明与现有技术相比，具有以下优点：

本发明方法基于毫米波雷达和V2V（vehicletovehicle，车车通信）技术，相比传统只有单类型雷达的方法，本发明充分利用雷达覆盖面广，适应性好的特点的同时加入了V2V模块，该模块可以接收来自周边一定范围内的所有车辆信息，可以最大限度地提高了本方法确定周边危险目标的精度。本发明具有精度高、可靠性好、实时性好、适应性好等优点。

本发明采用了多种传感器数据相互验证匹配的方式，相比传统只有单类型传感器的方法，本方法确保在个别传感器失灵的情况下，仍能够保证车辆运行时的自车安全，极大避免了因传感器检测误差或者故障而影响目标确定的准确性。

本发明将毫米波雷达和V2V结合起来，相比传统只有单类型传感器的方法，雷达能够保证在复杂环境下可以工作，V2V模块弥补了毫米波雷达本身可能出现的虚假目标过多的问题，两者相互配合，最大限度地提高了本方法的精度。

附图说明

图1为本发明所提方法的流程框图；

图2为自车与目标车辆道路位置关系示意图；

图3为V2V数据与雷达数据匹配选择算法流程图。

具体实施方式

下面通过实施例对本发明方法作进一步具体说明。

本发明实施例利用毫米波雷达、GPS（GlobalPositioningSystem，全球定位系统）、V2V（vehicletovehicle，车车通信）所获取的信息进行前方车辆有效目标确定，通过对雷达所获取的数据进行分析处理，初选出本车道内除自车外的其他车辆目标的信息，同时根据GPS和V2V获取的周边车辆和自车的位置坐标及速度，计算出周边车辆与自车的相对距离、周边车辆与自车车体坐标系纵轴方向的夹角，并与初选出的本车道内其他车辆信息进行验证匹配，以剔除根据雷达数据进行初选时可能出现的不可靠目标，进一步确定本车道内所有车辆状态，再根据最小纵向距离原则确定有效目标。

本实施例使用的雷达是ESR毫米波雷达，德尔福ESR毫米波雷达是一种调频连续波式毫米波雷达系统。该雷达采样频率为20赫兹，最多可跟踪64个目标。该雷达主要有两个测量范围，分别为中距离测试与远距离测试。其中中距离测试的测试角度为±45度，测试距离为60米；而远距离测试的测试角度为±10度，测试距离则为174米，ESR毫米波雷达不仅具有优秀的多目标区分能力，还能够提供准确的目标相对距离、相对速度和相对角度数据，同时该雷达封装性好、性能稳定，具有很强的抗恶劣环境和抗振动性能，能够适应恶劣自然天气的变化和复杂的交通环境。

本发明的思路是：假设自车与周边车辆均安装有GPS（Global PositioningSystem，全球定位系统）、V2V（vehicle to vehicle，车车通信），并且各车辆之间V2V通讯无任何问题的前提下，利用毫米波雷达、GPS、V2V所获取的信息进行前方车辆有效目标确定，通过对雷达所获取的数据进行分析，初选出本车道内除自车外的其他车辆目标的信息，同时根据GPS和V2V获取的周边车辆和自车的位置坐标及速度，计算出周边车辆与自车的相对距离、周边车辆与自车车体坐标系纵轴方向的夹角，并与初选出的本车道内其他车辆信息进行验证匹配，以剔除根据雷达数据进行初选时可能出现的不可靠目标，进一步确定本车道内所有可靠车辆，再根据最小纵向距离原则确定有效目标；

具体步骤为：

1）接收毫米波雷达、GPS、V2V来自周边车辆的数据信息。数据包括毫米波雷达接收的目标（雷达接收的目标包括除自车外的周边车辆、静止的障碍物、行人等）与自车的相对速度v_k，相对距离d_k，以及与车体坐标系纵轴方向的夹角α_k，其中k为雷达接收到的第k个目标，k=1，2，3...i，i为雷达能够接收到的最大目标数；GPS获取的自车的绝对位置坐标x₀，y₀和绝对速度v₀；V2V获取的周边车辆的绝对位置坐标x_l，y_l，其中l表示周边的第l辆车辆，l=1，2，3，4...j，j为自车通过V2V能够接收到的最大周边车辆的数量。

2）对上述数据进行分析处理，根据雷达数据初选出本车道内的目标车辆。首先，车辆行驶中，最容易与自车发生前撞危险的就是同车道的前方车辆，所以，对雷达进行目标判断就是要挑选出同车道内的前方目标，首先需要设定目标判断的范围，假设参数w就是目标与自车的相对横向距离，如图2所示。若目标与自车处于同一车道，则需要满足w≤|w₀|，w₀为区分本车道目标与其他车道中目标的横向距离阈值，综合考虑了w₀的挑选依据，并且结合了我国的道路技术规范，选择w₀＝2米；而根据自车接收到的数据，由图2中的几何关系，可以知道w＝sin(α_k)·d_k，因此，初步挑选雷达目标数据时首先选择满足条件：

sin(α_k)·d_k≤2(米)

（1）

其次，毫米波雷达接收的数据中含有较多静止的目标和无效的虚假目标，车辆在公路上行驶时存在道路护栏、交通标志、行人、绿化带等障碍物，可能成为雷达探测的目标；在雷达探测过程当中会由于噪声干扰等原因偶尔出现非空的干扰信号，这种无效目标数据出现时间极短、连续性差，没有实际意义，需要进行排除；在满足（1）式的条件下，需要剔除通道中的静止和无效目标；对于静止的目标而言，其绝对车速为0米/秒，而在自车行进方向上的相对于自车的相对速度为cos(α_k)·v_k，取自车前进方向为正，自车绝对车速v₀为正，静止目标相对于自车的相对车速值接近自车车速，因此应该满足cos(α_k)·v_k＝-v₀，即静止目标相对于自车的相对速度与自车绝对速度相加的绝对值理论上等于0米/秒，考虑存在测量误差的原因，设置的最小值为小于2米/秒；而相对距离d_k＞0；所以，可以确定满足以下条件的为静止目标：

（2）

对于无效目标而言，由于没有客观对应的目标或者目标出现的时间极短，没有实际意义，将满足以下任一条件的目标确定为无效目标并将其排除：

当目标信号连续出现的次数小于5次时可以判断为无效目标；

|α_k(n+1)-α_k(n)|≥3(°)

（3）

|d_k(n+1)-d_k(n)|≥5米

（4）

|v_k(n+1)-v_k(n)|≥5米/秒

（5）

n代表雷达的采样点（雷达对同一目标在不同时间点的运动状态的描述）序号，n=(1，2，3，4...)；毫米波雷达的采样频率为20Hz，采样间隔为0.05秒，当每个相邻采样点之间的角度变化超过3度时，则角变化率超过60度/秒，可以判断此类目标为无效目标；同样，当每个相邻采样点之间的距离变化超过5米，则距离变化率达到100米/秒，每个相邻采样点之间速度变化超过5米/秒，则速度变化率达到100米/秒²，均可以判断此类目标为无效目标；在满足（1）式的情况下，分别把雷达目标信息中的满足（2）式或者目标出现次数小于5次或者满足（3）、（4）、（5）式任一条件的目标剔除，可以初步得到本车道内除自车外的周边车辆。

3）计算周边车辆与自车的相对距离，周边车辆与车在车体坐标系纵轴方向的夹角。对V2V传输的数据进行处理，根据V2V模块传递过来的周边车辆的位置坐标信息和GPS获得的自车位置绝对坐标，可以得到自车与周围车的相对距离d'_l，周围车辆与自车在车体坐标系纵轴方向的夹角α'_l，其计算方式如下：

${d^{\′}}_l=\sqrt{{(x_l-x_0)}^2+{(y_l-y_0)}^2}$

（6）

${{\mathrm{\α}}^{\′}}_l=\arctan \left(\frac{|x_l-x_0|}{|y_l-y_0|}\right)$

（7）

4）数据匹配验证，获取本车道内的可靠车辆。将V2V处理的数据与初选的目标信息进行循环匹配，如图3所示，匹配算法如下：两组数据，第一组数据是V2V的数据，经过（4），（5）处理，得到的d'_l和α'_l，l=（1,2,3...j）；第二组数据是将满足（2）式或者目标出现次数小于5次或者满足（3）、（4）、（5）式任一条件的目标剔除后的雷达数据d_k和α_k，k=(1,2,3...i1)，其中i₁是经过初选过后的雷达接收的最大目标数，i₁≤i；取V2V数据中的首组数据 $\left\{\begin{array}{c}{d^{\′}}_1\\ {{\mathrm{\α}}^{\′}}_1\end{array}\right.$ 与雷达数据逐次比较，若雷达数据中存在一组 $\left\{\begin{array}{c}{d}_k\\ {\mathrm{\α}}_k\end{array}\right.,$ 满足

$\left\{\begin{array}{c}{d^{\′}}_l=d_k+\mathrm{\Δ}{d^{\′}}_l\\ {{\mathrm{\α}}^{\′}}_l={\mathrm{\α}}_k+\mathrm{\Δ}{{\mathrm{\α}}^{\′}}_l\end{array}\right.$

（8）

则判定该组 $\left\{\begin{array}{c}{d_l}^{\′}\\ {{\mathrm{\α}}_l}^{\′}\end{array}\right.$ 对应的周边车辆是本车道内的可靠车辆，（Δd'_l和Δα'_l是由于测量、计算等原因产生的微小误差，误差范围为Δd'_l≤1米，Δα'_l≤0.5度）否则，该目标不是本车道内的可靠车辆，排除；取下一组V2V数据重复上述步骤，直至所有V2V数据比较完毕；最后得到本车道内所有可靠车辆。

5）找出本车道内的有效目标。对于经过上述匹配算法处理后得到的本车道内的所有可靠目标，采用最小纵向距离的原则，设自车与前方最近有效跟车目标之间的纵向距离为s，则满足

s＝cos(α'_l)·d'_l

（9）

循环计算（9）式，使s值最小的 $\left\{\begin{array}{c}{d^{\′}}_l\\ {{\mathrm{\α}}^{\′}}_l\end{array}\right.$ 对应的可靠车辆即可确定为有效目标。

Claims (1)

1.一种防追尾碰撞的前方车辆有效目标确定方法，其特征在于，该方法首先根据获取的周边车辆和自车的相对运动信息和绝对运动信息，初选出本车道内除自车外的周边车辆，然后计算出周边车辆与自车的相对距离、周边车辆与自车车体坐标系纵轴方向的夹角，并与初选出的本车道内周边车辆信息进行验证匹配，剔除不可靠目标，得到本车道内所有的可靠车辆，最后根据最小纵向距离原则确定有效目标；

具体步骤为：

1）接收自车和周边车辆的相对运动信息和绝对运动信息，所述相对运动信息包括目标与自车的相对速度v_k、相对距离d_k，目标与自车车体坐标系纵轴方向的夹角α_k，所述绝对运动信息包括自车的绝对位置坐标x₀，y₀和绝对速度v₀，周边车辆的绝对位置坐标x_l，y_l，其中k为获取相对运动信息时的目标序号，k=1，2，3...i，i为获取相对运动信息时能够接收到的最大目标数，l表示获取绝对运动信息时的周边车辆序号，l=1，2，3，4...j，j为获取绝对运动信息时自车能够接收到的最大周边车辆数量；

2）初选出本车道内除自车外的周边车辆，具体流程为：

首先，根据下式确定本车道的初选目标：

sin(α_k)·d_k≤2米

根据下式确定静止目标，然后将所述静止目标从初选目标中剔除：

将满足以下任一条件的目标确定为无效目标，然后将所述无效目标从初选目标中剔除：

目标信号连续出现的次数小于5次；

|α_k(n+1)-α_k(n)|≥3(°)；

|d_k(n+1)-d_k(n)|≥5米；

|v_k(n+1)-v_k(n)|≥5米/秒；

其中n代表获取相对运动信息时的采样点序号，n=1，2，3，4...；

3）根据下式计算出周边车辆与自车的相对距离d'_l：

${d^{\′}}_l=\sqrt{{(x_l-x_0)}^2+{(y_l-y_0)}^2}$

同时根据下式计算出周边车辆与自车车体坐标系纵轴方向的夹角α'_l：

${{\mathrm{\α}}^{\′}}_l=\arctan \left(\frac{|x_l-x_0|}{|y_l-y_0|}\right)$

4）按照如下方法进行验证匹配，剔除不可靠目标，得到本车道内所有的可靠车辆：

将各周边车辆与自车的相对距离d'_l，同所述步骤2）中初选出的各周边车辆与自车的相对距离d_k逐一进行对比，

将各周边车辆与自车车体坐标系纵轴方向的夹角α'_l，同所述步骤2）中初选出的各周边车辆与自车车体坐标系纵轴方向的夹角α_k逐一进行对比；

若存在一组 $\left\{\begin{array}{c}{d}_k\\ {\mathrm{\α}}_k\end{array}\right.,$ 满足下式：

$\left\{\begin{array}{c}{d^{\′}}_l=d_k+\mathrm{\Δ}{d^{\′}}_l\\ {{\mathrm{\α}}^{\′}}_l={\mathrm{\α}}_k+\mathrm{\Δ}{{\mathrm{\α}}^{\′}}_l\end{array}\right.$

则判定该组 $\left\{\begin{array}{c}{d_l}^{\′}\\ {{\mathrm{\α}}_l}^{\′}\end{array}\right.$ 对应的周边车辆是本车道内的可靠车辆，其中Δd'_l为计算周边车辆与自车的相对距离时的微小误差，Δα'_l为计算周边车辆与自车车体坐标系纵轴方向的夹角时的微小误差；

5）根据下式分别计算本车道内各可靠车辆与自车的纵向距离s：

s＝cos(α'_l)·d'_l，

然后将与自车的纵向距离最小的可靠车辆确定为有效目标。

Images