CN104290753B - 一种前方车辆运动状态追踪预测装置及其预测方法 - Google Patents
一种前方车辆运动状态追踪预测装置及其预测方法 Download PDFInfo
- Publication number
- CN104290753B CN104290753B CN201410513257.7A CN201410513257A CN104290753B CN 104290753 B CN104290753 B CN 104290753B CN 201410513257 A CN201410513257 A CN 201410513257A CN 104290753 B CN104290753 B CN 104290753B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- front vehicles
- lane
- current time
- distance
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- WHGYBXFWUBPSRW-FOUAGVGXSA-N beta-cyclodextrin Chemical compound OC[C@H]([C@H]([C@@H]([C@H]1O)O)O[C@H]2O[C@@H]([C@@H](O[C@H]3O[C@H](CO)[C@H]([C@@H]([C@H]3O)O)O[C@H]3O[C@H](CO)[C@H]([C@@H]([C@H]3O)O)O[C@H]3O[C@H](CO)[C@H]([C@@H]([C@H]3O)O)O[C@H]3O[C@H](CO)[C@H]([C@@H]([C@H]3O)O)O3)[C@H](O)[C@H]2O)CO)O[C@@H]1O[C@H]1[C@H](O)[C@@H](O)[C@@H]3O[C@@H]1CO WHGYBXFWUBPSRW-FOUAGVGXSA-N 0.000 claims description 6
- 230000014509 gene expression Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 2
- 229910017435 S2 In Inorganic materials 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 10
- 241000593989 Scardinius erythrophthalmus Species 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 1
- 238000004026 adhesive bonding Methods 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
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
- B60W30/14—Adaptive cruise control
- B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
- B60W30/165—Automatically following the path of a preceding lead vehicle, e.g. "electronic tow-bar"
-
- 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
- B60W40/02—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 ambient conditions
-
- 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
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/801—Lateral distance
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/804—Relative longitudinal speed
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于汽车主动安全技术领域,特别涉及一种前方车辆运动状态追踪预测装置及其预测方法。该前方车辆运动状态追踪预测装置,包括:车辆、ARM9处理器、固定在车辆前挡风玻璃外侧中央的摄像头、用于检测车辆与车辆所在车道的车道线的位置关系的车道线传感器、用于采集车辆行驶速度数据的车速传感器、以及用于向车辆前方发射信号的毫米波雷达;所述摄像头的镜头朝向车辆前方,所述车道线传感器固定在车辆前挡风玻璃外侧中央,所述毫米波雷达固定在车辆进气格栅外侧;所述ARM9处理器的信号输入端分别电连接车速传感器的信号输出端、车道线传感器的信号输出端、摄像头的信号输出端、毫米波雷达的信号输出端。
Description
技术领域
本发明属于汽车主动安全技术领域,特别涉及一种前方车辆运动状态追踪预测装置及其预测方法。
背景技术
ACC(Adaptive Cruise Control)自适应巡航系统已经在汽车上得到广泛的应用,其基本原理是通过车载雷达实时探测本车正前方离本车最近车辆的车速和与本车的距离,从而在设定的阈值范围内保持和前车的相对位置关系。目前典型的ACC自适应巡航系统只有在直线路段,且前方车辆直线行驶或者小范围内摆动时才会良好工作,当前方车辆突然变换车道时,ACC自适应巡航系统会误将原目标车辆前方的车辆作为跟随对象,此时由于跟随对象距离本车较远,ACC自适应巡航系统会对车辆进行加速操作。
同时,在实际行车过程中,在ACC自适应巡航系统保持对前车良好的跟踪状态下,突然出现从本车道相邻车道的车辆进入本车道,且进入位置位于本车和ACC自适应巡航系统跟随车辆之间时,ACC自适应巡航系统同样会将跟随目标从本车道前方原目标车辆变成新进入的车辆,此时由于新进入的车辆和本车距离较近,ACC自适应巡航系统会自动急剧减速,从而导致ACC系统工作出现紊乱,造成一系列的安全隐患。
发明内容
本发明的目的在于提出一种前方车辆运动状态追踪预测装置及其预测方法,本发明具有投资少、适合规模化推广、智能化、自动化、无需操作且可靠性高的特点。
为实现上述技术目的,本发明采用如下技术方案予以实现。
技术方案一:
一种前方车辆运动状态追踪预测装置,包括:车辆、ARM9处理器、固定在车辆前挡风玻璃外侧中央的摄像头、用于检测车辆与车辆所在车道的车道线的位置关系的车道线传感器、用于采集车辆行驶速度数据的车速传感器、以及用于向车辆前方发射信号的毫米波雷达;所述摄像头的镜头朝向车辆前方,所述车道线传感器固定在车辆前挡风玻璃外侧中央,所述毫米波雷达固定在车辆进气格栅外侧;
所述ARM9处理器的信号输入端分别电连接车速传感器的信号输出端、车道线传感器的信号输出端、摄像头的信号输出端、毫米波雷达的信号输出端。
本技术方案的特点和进一步改进在于:
所述车辆上安装有ACC自适应巡航系统,所述ARM9处理器的信号输出端电连接所述ACC自适应巡航系统的信号输入端。
所述车道线传感器采用AWS汽车预警系统中的车道偏离预警传感器。
所述前方车辆运动状态追踪预测装置,其特征在于,还包括第一CAN转RS485协议转换器、第二CAN转RS485协议转换器,所述车辆上设置有车载CAN总线;所述车速传感器依次通过车载CAN总线和第一CAN转RS485协议转换器电连接ARM9处理器,所述毫米波雷达依次通过车载CAN总线和第二CAN转RS485协议转换器电连接ARM9处理器。
技术方案二:
一种前方车辆运动状态追踪预测方法,基于上述一种前方车辆运动状态追踪预测装置,包括以下步骤:
S1:车辆开始运行后,摄像头实时采集自身车辆前方的道路图像,车速传感器实时采集自身车辆的行驶速度,车道线传感器实时获取自身车辆与所在车道的左车道线的距离、以及自身车辆与所在车道的右车道线的距离,毫米波雷达实时获取前方车辆运动状态数据,所述前方车辆运动状态数据包括前方车辆与自身车辆的距离、前方车辆的方位角、自身车辆相对前方车辆的行驶速度;利用ARM9处理器实时接收来自摄像头的道路图像、来自车速传感器的自身车辆的行驶速度、来自车道线传感器的自身车辆与所在车道的左车道线的距离、来自车道线传感器的自身车辆与所在车道的右车道线的距离、以及来自毫米波雷达的前方车辆运动状态数据;
S2:ARM9处理器对实时道路图像进行二值化处理,提取前方车辆的轮廓图像;
S3:ARM9处理器根据前方车辆的轮廓图像,得出前方车辆的宽度,所述前方车辆的宽度为:前方车辆的轮廓图像中下边缘的长度;ARM9处理器根据自身车辆与所在车道的左车道线的距离、自身车辆与所在车道的右车道线的距离、前方车辆运动状态数据、以及自身车辆的行驶速度,判断前方车辆是否处于自身车辆所在车道的相邻车道;如果前方车辆处于自身车辆所在车道的相邻车道,则根据前方车辆的轮廓图像,得出前方车辆的长度;
S4:ARM9处理器根据自身车辆与所在车道的左车道线的距离、自身车辆与所在车道的右车道线的距离、前方车辆运动状态数据、自身车辆的行驶速度、前方车辆的宽度、以及前方车辆的长度,判断前方车辆是否将要进行换道。
本技术方案的特点和进一步改进在于:
在步骤S1之前,在车辆前方树立标杆,通过摄像头采集标杆图像,识别出标杆图像中的标杆位置,对标杆图像中的标杆位置与标杆实际位置进行标定;得出车辆与标杆的横向相对距离、以及车辆与标杆的纵向相对距离;
在步骤S3中,如果前方车辆处于自身车辆所在车道的相邻车道,则根据前方车辆的轮廓图像、以及步骤S1中标杆图像中的标杆位置与标杆实际位置的对应关系,得出前方车辆的长度。
在步骤S2中,当ARM9处理器接收到实时道路图像之后,采用中值滤波方法对实时道路图像进行滤波处理,然后对经滤波处理后的实时道路图像进行二值化处理,提取前方车辆的轮廓图像。
在步骤S1中,当前方车辆位于自身车辆的左前方时,前方车辆的方位角为大于0的角度,当前方车辆位于自身车辆的右前方时,前方车辆的方位角为小于0的角度,当前方车辆位于自身车辆的正前方时,前方车辆的方位角为0;
在步骤S1中,毫米波雷达在获取前方车辆运动状态数据的同时,获取前方车辆所跟随的车辆的运动状态数据,所述前方车辆所跟随的车辆指与前方车辆处于同一车道且位于前方车辆前方的车辆;所述前方车辆所跟随的车辆的运动状态数据包括:前方车辆所跟随的车辆与自身车辆的距离、前方车辆所跟随的车辆的方位角、自身车辆相对前方车辆所跟随的车辆的行驶速度;在毫米波雷达获取前方车辆所跟随的车辆的运动状态数据之后,利用ARM9处理器实时接收来自毫米波雷达的前方车辆所跟随的车辆的运动状态数据;
在步骤S3中,得出当前时刻前方车辆与换道车道线的距离d,得出当前时刻前方车辆与换道车道线的距离的过程为:将当前时刻自身车辆与前方车辆的横向相对距离表示为dx,dx为当前时刻前方车辆的方位角的正弦值与当前时刻两车相对距离的乘积,所述两车相对距离指前方车辆与自身车辆的距离;将当前时刻自身车辆与所在车道的左车道线的距离表示为dL,将当前时刻自身车辆与所在车道的右车道线的距离表示为dR;如果dx>dL,则d=dx–0.5B–0.5w–dL,其中,B表示前方车辆的宽度,w表示自身车辆的宽度;如果–dx>dR,则d=–dx–0.5B–0.5w–dR;如果0<dx≤dL,则d=dL+0.5w–dx–0.5B;如果0<–dx≤dR,则d=dR+0.5w+dx–0.5B;如果0<dx≤dL或0<–dx≤dR,则认为当前时刻前方车辆与自身车辆位于同一车道,如果dx>dL,则认为当前时刻前方车辆位于自身车辆所在车道的左侧相邻车道,如果–dx>dR,则认为当前时刻前方车辆位于自身车辆所在车道的右侧相邻车道;
所述步骤S4具体包括以下子步骤:
得出当前时刻前方车辆的行驶速度vH,vH=V–δv,其中,V表示当前时刻自身车辆的行驶速度,δv表示自身车辆相对前方车辆的行驶速度;得出当前时刻前方车辆的跟车时距tH,tH=δR/vH,如果当前时刻前方车辆与自身车辆位于同一车道,则δR=R-r-L,R表示当前时刻前方车辆所跟随的车辆与自身车辆的距离,r表示当前时刻前方车辆与自身车辆的距离,L表示当前时刻前方车辆的长度;如果当前时刻前方车辆位于自身车辆所在车道的左侧相邻车道或位于自身车辆所在车道的右侧相邻车道,则δR=R×cosβ-r×cosα-L,α表示当前时刻前方车辆的方位角,β表示当前时刻前方车辆所跟随的车辆的方位角;
得出当前时刻前方车辆的横向偏移速度vL,vL=(d1–d2)/t,其中,d1表示上一时刻前方车辆与换道车道线的距离,d2表示当前时刻前方车辆与换道车道线的距离,t表示当前时刻与上一时刻之间的时间差;
得出前方车辆换道行为辨识参数Q,
Q=(2.0–d)×k1+ΔvH×k2+(6-tH)×k3+vL×k4
其中,ΔvH表示当前时刻前方车辆的行驶速度减去上一时刻前方车辆的行驶速度的差,k1、k2、k3和k4分别为设定的大于0的系数,当前时刻前方车辆与换道车道线的距离d的单位为m,ΔvH的单位为m/s,当前时刻前方车辆的跟车时距tH的单位为m,当前时刻前方车辆的横向偏移速度vL的单位为m/s;
在得出前方车辆换道行为辨识参数Q之后,如果Q<10且当前时刻前方车辆与自身车辆位于同一车道,则认为当前时刻前方车辆即将向自身车辆所在车道的相邻车道换道;如果Q<10且当前时刻前方车辆位于自身车辆所在车道的相邻车道,则认为当前时刻前方车辆即将向自身车辆所在车道换道。
在步骤S4中,在所述前方车辆换道行为辨识参数Q的计算公式中,k1=0.1,k2=4.0,k3=8.0,k4=18.0。
当ARM9处理器判断前方车辆即将换道时,ARM9处理器向ACC自适应巡航系统输入前方车辆换道提示信号。
本发明的有益效果为:本发明具有投资少、适合规模化推广、智能化、自动化、无需操作且可靠性高的特点。
附图说明
图1为本发明的器件电路连接示意图;
图2为本发明中前方车辆与换道车道线的几何关系示意图;
图3为本发明中前方车辆的跟车时距的两种情况得示意图;
图4为本发明中由前方车辆换道引起的危险情况1的示意图;
图5为本发明中由前方车辆换道引起的危险情况2的示意图。
具体实施方式
下面结合附图对本发明作进一步说明:
参照图1,为本发明的器件电路连接示意图。本发明的一种前方车辆运动状态追踪预测装置包括车辆,在车辆发动机罩下方空闲处设置有ARM9处理器7、第一CAN转RS485协议转换器和第二CAN转RS485协议转换器,ARM9处理器7、第一CAN转RS485协议转换器和第二CAN转RS485协议转换器封装在金属盒内(金属盒通过细纹螺栓固定在车辆发动机罩下方空闲处,ARM9处理器7、第一CAN转RS485协议转换器和第二CAN转RS485协议转换器通过导线与外界进行信号传输。ARM9处理器7的具体型号为S3C2410。本发明实施例中,前方车辆指位于自身车辆(即本车)前方且与自身车辆距离最短的车辆。
在车辆前挡风玻璃外侧中央固定有摄像头6,摄像头6采用胶粘方式固定在自身车辆的前风挡玻璃正中央下方,摄像头6的镜头水平朝向前方,摄像头6用于采集自身车辆前方的道路图像,其采集到的图像近似矩形。摄像头6采用中星YJS-01USB2.0摄像头,有效像素为600万。结合图1,摄像头6通过USB数据线连接到ARM9处理器7的USB接口,摄像头6用于将采集到的道路图像发送至图像处理器,图像处理器接收到道路图像后,便可进行相应处理。本发明实施例中,摄像头体积小,且安装位置隐蔽,不会对驾驶员视线造成太大干扰。
结合图1,本发明中还设置有车速传感器4,用于采集车辆行驶速度数据。车速传感器4的信号输出端电连接ARM9处理器7的通过I/O接口。具体地说,车速传感器4依次通过车载CAN总线和第一CAN转RS485协议转换器电连接ARM9处理器,车速传感器在采集到自身车辆的行驶速度之后,将其发送至ARM9处理器。本发明实施例中,车速传感器的车速采样精度为0.01km/h。
本发明实施例中,在车辆前挡风玻璃外侧中央还固定有车道线传感器1(采用胶粘方式进行固定),该车道线传感器用于检测车辆与车辆所在车道的车道线的位置关系;车道线传感器1体积较小,不会对驾驶员视野造成干扰。车道线传感器1位于摄像头的上方,结合图1,ARM9处理器7通过I/O接口电连接车道线传感器1的信号输出端,车道线传感器将得出的自身车辆与所在车道的左车道线的距离、以及自身车辆与所在车道的右车道线的距离发送至ARM9处理器。本发明实施例中,车道线传感器1采用AWS汽车预警系统中的车道偏离预警传感器(位于车道偏离预警系统中用于测量车辆与车辆所在车道的车道线的位置关系的传感器)。此车道线传感器测量精度为5cm、测量范围±635cm、输出频率为10Hz。
本发明实施例中,在车辆进气格栅外侧还固定有毫米波雷达2(采用细纹螺栓紧固在车辆进气格栅的外侧),毫米波雷达2用于通过向车辆前方发射信号,来探测前方车辆的运动状态。结合图1,毫米波雷达2的信号输出端电连接ARM9处理器7的信号输入端,具体地说,毫米波雷达依次通过车载CAN总线和第二CAN转RS485协议转换器电连接ARM9处理器,当毫米波雷达采集到前方车辆的运动状态数据之后,将其发送至ARM9处理器。为了保证毫米波雷达能够正常工作,毫米波雷达前没有遮挡物,毫米波雷达的位置位于驾驶员视野盲区,不会对驾驶员造成干扰。本发明实施例中,上述毫米波雷达为ESR毫米波雷达。该毫米波雷达在60m范围内时探测角度为90°,在175m范围内时探测角度为20°,测量精度为0.5m,速度测量精度为0.12m/s,角度精度为0.5°,雷达数据以CAN报文数据形式进行传输。
由于本发明属于车载主动安全领域,因此需要本发明具有良好的实时性。本发明采用的硬件设备中毫米波雷达数据采集频率为20赫兹,车道线传感器的数据采集频率为10赫兹,摄像头采集图像和图像处理速率通过ARM9处理器设置成10赫兹,即一秒钟能对本车前方车辆目标换道可能性进行十次的预测,基本可以达到主动安全系统实时性的要求。
下面具体说明本发明的一种前方车辆运动状态追踪预测装置的工作过程:
在车辆前方树立标杆,通过摄像头采集标杆图像,识别出标杆图像中的标杆位置,对标杆图像中的标杆位置与标杆实际位置进行标定;换算出车辆与标杆的横向相对距离(即摄像头与标杆的横向相对距离)、以及车辆与标杆的纵向相对距离(即摄像头与标杆的纵向相对距离)。具体地说,将车辆停在空阔地带,以车辆前保险杠位置为起点向前方进行距离标记,作出地面标识,在地面标识位置竖立标杆。然后控制摄像头采集车辆前方的标杆图像。对采集到的标杆图像进行分析处理,识别出标杆图像中的标杆位置。由于标杆实际距离已知,通过摄像头标定即可得到标杆的横向图像位置(标杆图像中的标杆的横向位置)与标杆的实际横向距离(车辆与标杆的横向相对距离)的函数关系式f(x),其中,自变量x表示标杆的横向图像位置,f(x)表示车辆与标杆的横向相对距离。同理,通过摄像头标定即可得到标杆的纵向图像位置(标杆图像中的标杆的纵向位置)与标杆的实际纵向距离(车辆与标杆的纵向相对距离)的函数关系式g(y),其中,自变量y表示标杆的纵向图像位置,g(y)表示车辆与标杆的纵向相对距离。
在进行摄像头标定之后,驾驶车辆向前运行。摄像头实时采集自身车辆前方的道路图像,车速传感器实时采集自身车辆的行驶速度,车道线传感器实时获取自身车辆与所在车道的左车道线的距离、以及自身车辆与所在车道的右车道线的距离,毫米波雷达实时获取前方车辆运动状态数据,所述前方车辆运动状态数据包括前方车辆与自身车辆的距离、前方车辆的方位角(前方车辆相对于自身车辆的方位角)、自身车辆相对前方车辆的行驶速度。两车连线与车道方向的夹角,两车连线指前方车辆的方位角指前方车辆后端中央与自身车辆前端中的连线。本发明实施例中,当前方车辆位于自身车辆的左前方时,前方车辆的方位角为大于0的角度,当前方车辆位于自身车辆的右前方时,前方车辆的方位角为小于0的角度,当前方车辆位于自身车辆的正前方时,前方车辆的方位角为0。
利用ARM9处理器实时接收来自摄像头的道路图像、来自车速传感器的自身车辆的行驶速度、来自车道线传感器的自身车辆与所在车道的左车道线的距离、来自车道线传感器的自身车辆与所在车道的右车道线的距离、以及来自毫米波雷达的前方车辆运动状态数据。
本发明实施例中,毫米波雷达在获取前方车辆运动状态数据的同时,获取前方车辆所跟随的车辆的运动状态数据,所述前方车辆所跟随的车辆指与前方车辆处于同一车道且位于前方车辆前方的车辆;所述前方车辆所跟随的车辆的运动状态数据包括:前方车辆所跟随的车辆与自身车辆的距离、前方车辆所跟随的车辆的方位角(前方车辆所跟随的车辆相对于自身车辆的方位角)、自身车辆相对前方车辆所跟随的车辆的行驶速度。前方车辆所跟随的车辆的方位角的含义与前方车辆的方位角的含义类似。在毫米波雷达获取前方车辆所跟随的车辆的运动状态数据之后,利用ARM9处理器实时接收来自毫米波雷达的前方车辆所跟随的车辆的运动状态数据。
ARM9处理器在接收到来自摄像头的道路图像后,对实时道路图像进行预处理,然后提取前方车辆的轮廓图像。具体地说,图像预处理的目的是去除摄像头所采集道路图像中的干扰信息。由于车辆行驶的环境存在差异性,摄像头所采集到的道路图像中经常会出现与目标车辆无关的信息,这些信息对于后续距离计算会产生干扰,因此在图像处理过程中首先对道路图像进行滤波,具体采用中值滤波算法进行。对于图像中的某一个像素点,计算该像素点周围3×3范围内像素点灰度值的平均值,用该平均值作为该点的灰度值。通过使用3×3的中值滤波算法能基本消除摄像头所采集图像中所存在的干扰信息。
在对实时道路图像进行预处理之后,提取道路图像中前方车辆的轮廓图像。此时采用二值化方法对图像进行轮廓提取,具体过程为设定一个灰度阈值,对于图像中的某一个点,如果该点的灰度值大于等于该灰度阈值,则认为该点属于侧后车辆所在范围,将该点的灰度值改为0,反之如果该点的灰度值小于该灰度阈值则认为该点不属于侧后车辆区域,将该点的灰度值改为1。对一帧图像按照此方法运算完成之后,道路图像中的灰度值0部分所组成的图像即为前方车辆的轮廓图像。
在提取前方车辆的轮廓图像之后,ARM9处理器根据前方车辆的轮廓图像,得出前方车辆的宽度,所述前方车辆的宽度为:前方车辆的轮廓图像中下边缘的长度;ARM9处理器根据自身车辆与所在车道的左车道线的距离、自身车辆与所在车道的右车道线的距离、前方车辆运动状态数据、以及自身车辆的行驶速度,判断前方车辆是否处于自身车辆所在车道的相邻车道;如果前方车辆处于自身车辆所在车道的相邻车道,则根据前方车辆的轮廓图像、以及标杆图像中的标杆位置与标杆实际位置的对应关系得出前方车辆的长度。
参照图2,为本发明中前方车辆与换道车道线的几何关系示意图。将当前时刻自身车辆与前方车辆的横向相对距离表示为dx,dx为当前时刻前方车辆的方位角的正弦值与当前时刻两车相对距离的乘积,所述两车相对距离指前方车辆与自身车辆的距离;将当前时刻自身车辆与所在车道的左车道线的距离表示为dL,将当前时刻自身车辆与所在车道的右车道线的距离表示为dR;如果dx>dL,则d=dx–0.5B–0.5w–dL,其中,B表示前方车辆的宽度,w表示自身车辆的宽度;如果–dx>dR,则d=–dx–0.5B–0.5w–dR;如果0<dx≤dL,则d=dL+0.5w–dx–0.5B;如果0<–dx≤dR,则d=dR+0.5w+dx–0.5B;如果0<dx≤dL或0<–dx≤dR,则认为当前时刻前方车辆与自身车辆位于同一车道,如果dx>dL,则认为当前时刻前方车辆位于自身车辆所在车道的左侧相邻车道,如果–dx>dR,则认为当前时刻前方车辆位于自身车辆所在车道的右侧相邻车道。
然后建立前方车辆换道意图预测模型。本发明中前方车辆换道行为预测采用的模型基于模糊推理控制理论。该模型对可以反映目标车辆换道行为的参数进行分析、辨识,识别的结果用统一的表征参数来确定。本发明中采用的反映目标换道行为的参数包括前方车辆与换道车道线的距离、前方车辆的行驶速度、前方车辆的跟车时距、以及前方车辆的横向偏移速度。
具体地,得出当前时刻前方车辆的行驶速度vH,vH=V–δv,其中,V表示当前时刻自身车辆的速度,δv表示当前时刻自身车辆相对前方车辆的行驶速度;在实际应用中用相邻两次计算得出的vH的差来体现对前方车辆换道意图预测模型的贡献。
参照图3,为本发明中前方车辆的跟车时距的两种情况得示意图。当前时刻前方车辆的跟车时距为tH,tH=δR/vH,如果当前时刻前方车辆与自身车辆位于同一车道,则δR=R-r-L,结合图2,R表示当前时刻前方车辆所跟随的车辆与自身车辆的距离,r表示当前时刻前方车辆与自身车辆的距离,L表示当前时刻前方车辆的长度;如果当前时刻前方车辆位于自身车辆所在车道的左侧相邻车道或位于自身车辆所在车道的右侧相邻车道,则δR=R×cosβ-r×cosα-L,α表示当前时刻前方车辆的方位角,β表示当前时刻前方车辆所跟随的车辆的方位角。
得出当前时刻前方车辆的横向偏移速度vL,vL=(d1–d2)/t,其中,d1表示上一时刻前方车辆与换道车道线的距离,d2表示当前时刻前方车辆与换道车道线的距离,t表示当前时刻与上一时刻之间的时间差。
建立以以上述四个参数为影响因素的前方车辆换道意图预测模型:
Q=(2.0–d)×k1+ΔvH×k2+(6-tH)×k3+vL×k4
其中,Q表示前方车辆换道行为辨识参数,ΔvH表示当前时刻前方车辆的行驶速度减去上一时刻前方车辆的行驶速度的差,k1、k2、k3和k4分别为设定的大于0的系数,当前时刻前方车辆与换道车道线的距离d的单位为m,ΔvH的单位为m/s,当前时刻前方车辆的跟车时距tH的单位为m,当前时刻前方车辆的横向偏移速度vL的单位为m/s。当d>2.0m时,将d的取值变为2.0,当tH>6.0s时,将tH的取值更新为6.0。对上述数学模型中的参数权值,在结合实际数据分析基础上并结合专家决策法综合确定,最终对四项权值确定如下:k1=0.1,k2=4.0,k3=8.0,k4=18.0.若反映前方换道行为的参数中,在实际中不存在若干项,可将其权重值取为零。
在根据上述前方车辆换道意图预测模型,得出前方车辆换道行为辨识参数Q之后,根据Q来判断前方车辆的行为,如果Q<10,则认为前方车辆要进行换道;如果10≤Q≤30,则认为前方车辆在对应车道内摆动;当Q>30时,则认为前方车辆在对应车道内保持稳定。
参照图4,为本发明中由前方车辆换道引起的危险情况1的示意图。参照图5为本发明中由前方车辆换道引起的危险情况2的示意图。在得出前方车辆换道行为辨识参数Q之后,如果Q<10且当前时刻前方车辆与自身车辆位于同一车道(对应前方车辆换道引起的危险情况1),则认为当前时刻前方车辆即将向自身车辆所在车道的相邻车道换道,为防止前方车辆换道引起本车所跟随的车辆(指与自身车辆处于同一车道的自身车辆所跟随的车辆)转移至前方车辆前的其他车辆而引起的突然加速,此时ARM9处理器将前方车辆换道提示信号发送至ACC自适应巡航系统,ACC自适应巡航系统就可以根据该前方车辆换道提示信号对车辆的速度进行对应的控制。如果Q<10且当前时刻前方车辆位于自身车辆所在车道的相邻车道(对应前方车辆换道引起的危险情况2),此时说明自身车辆与本车所跟随的车辆之间有其他车辆(本发明中的前方车辆)向自身车辆所在车道换道,这样ACC自适应巡航系统会发生突然制动,为了防止这样的情况发生,此时ARM9处理器将前方车辆换道提示信号发送至ACC自适应巡航系统,ACC自适应巡航系统就可以根据该前方车辆换道提示信号对车辆的速度进行对应的控制。除此之外,在其余情况下,ARM9处理器不向ACC自适应巡航系统发送信号,ACC自适应巡航系统按照正常方式进行工作。
需要说明的是,本发明在判断前方车辆进行换道时,还可以通过其他方式来提醒驾驶员。例如,本发明中设置有红色信号灯,ARM处理器的信号输出端电连接红色信号灯,当Q<10且当前时刻前方车辆与自身车辆位于同一车道时,ARM处理器控制红色信号灯发出红光,提醒驾驶员注意前方车辆的换道行为。当Q<10且当前时刻前方车辆位于自身车辆所在车道的相邻车道时,ARM处理器控制红色信号灯发出红光,提醒驾驶员注意前方车辆的换道行为。
综上所述,本发明采用毫米波雷达、车道线传感器和摄像头来采集前方车辆相对自身车辆的运动状态数据,包括前方车辆距自身车辆的距离、前方车辆的方位角、自身车辆相对前方车辆的相对速度,自身车辆与自身车辆所在车道的车道线的距离、前方车辆的宽度、前方车辆的长度、自身车辆的行驶速度。通过这些采集到的数据,应用一定的几何关系,可以计算出前方车辆的行驶速度、前方车辆和对应车道线的距离、前方车辆的跟车时距以及前方车辆的横向偏移速度。然后将这些变量带入建立的模糊推理控制模型,模型的输出结果为对前方车辆换道意图的预测,当预测自身车辆和自身车辆所跟随的车辆之间旁边车道有车辆会向本车道换道时,以及自身车辆所跟随的车辆突然换道,导致自身车辆跟随目标变换时,为避免自身车辆在ACC自适应巡航系统下突然加减速,本本发明在预测到这些车辆目标时,提前向ACC自适应巡航系统发出提示信息,以提高行驶的安全性和舒适性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种前方车辆运动状态追踪预测方法,应用于前方车辆运动状态追踪预测装置,所述装置包括:车辆、ARM9处理器、固定在车辆前挡风玻璃外侧中央的摄像头、用于检测车辆与车辆所在车道的车道线的位置关系的车道线传感器、用于采集车辆行驶速度数据的车速传感器以及用于向车辆前方发射信号的毫米波雷达;所述摄像头的镜头朝向车辆前方,所述车道线传感器固定在车辆前挡风玻璃外侧中央,所述毫米波雷达固定在车辆进气格栅外侧;所述ARM9处理器的信号输入端分别电连接车速传感器的信号输出端、车道线传感器的信号输出端、摄像头的信号输出端、毫米波雷达的信号输出端;
其特征在于,所述方法包括以下步骤:
S1:车辆开始运行后,摄像头实时采集自身车辆前方的道路图像,车速传感器实时采集自身车辆的行驶速度,车道线传感器实时获取自身车辆与所在车道的左车道线的距离、以及自身车辆与所在车道的右车道线的距离,毫米波雷达实时获取前方车辆运动状态数据,所述前方车辆运动状态数据包括前方车辆与自身车辆的距离、前方车辆的方位角、自身车辆相对前方车辆的行驶速度;利用ARM9处理器实时接收来自摄像头的道路图像、来自车速传感器的自身车辆的行驶速度、来自车道线传感器的自身车辆与所在车道的左车道线的距离、来自车道线传感器的自身车辆与所在车道的右车道线的距离、以及来自毫米波雷达的前方车辆运动状态数据;
S2:ARM9处理器对实时道路图像进行二值化处理,提取前方车辆的轮廓图像;
S3:ARM9处理器根据前方车辆的轮廓图像,得出前方车辆的宽度,所述前方车辆的宽度为:前方车辆的轮廓图像中下边缘的长度;ARM9处理器根据自身车辆与所在车道的左车道线的距离、自身车辆与所在车道的右车道线的距离、前方车辆运动状态数据、以及自身车辆的行驶速度,判断前方车辆是否处于自身车辆所在车道的相邻车道;如果前方车辆处于自身车辆所在车道的相邻车道,则根据前方车辆的轮廓图像,得出前方车辆的长度;
S4:ARM9处理器根据自身车辆与所在车道的左车道线的距离、自身车辆与所在车道的右车道线的距离、前方车辆运动状态数据、自身车辆的行驶速度、前方车辆的宽度、以及前方车辆的长度,判断前方车辆是否将要进行换道。
2.如权利要求1所述的一种前方车辆运动状态追踪预测方法,其特征在于,在步骤S1之前,在车辆前方树立标杆,通过摄像头采集标杆图像,识别出标杆图像中的标杆位置,对标杆图像中的标杆位置与标杆实际位置进行标定;得出车辆与标杆的横向相对距离、以及车辆与标杆的纵向相对距离;
在步骤S3中,如果前方车辆处于自身车辆所在车道的相邻车道,则根据前方车辆的轮廓图像、以及步骤S1中标杆图像中的标杆位置与标杆实际位置的对应关系,得出前方车辆的长度。
3.如权利要求1所述的一种前方车辆运动状态追踪预测方法,其特征在于,在步骤S2中,当ARM9处理器接收到实时道路图像之后,采用中值滤波方法对实时道路图像进行滤波处理,然后对经滤波处理后的实时道路图像进行二值化处理,提取前方车辆的轮廓图像。
4.如权利要求1所述的一种前方车辆运动状态追踪预测方法,其特征在于,在步骤S1中,当前方车辆位于自身车辆的左前方时,前方车辆的方位角为大于0的角度,当前方车辆位于自身车辆的右前方时,前方车辆的方位角为小于0的角度,当前方车辆位于自身车辆的正前方时,前方车辆的方位角为0;
在步骤S1中,毫米波雷达在获取前方车辆运动状态数据的同时,获取前方车辆所跟随的车辆的运动状态数据,所述前方车辆所跟随的车辆指与前方车辆处于同一车道且位于前方车辆前方的车辆;所述前方车辆所跟随的车辆的运动状态数据包括:前方车辆所跟随的车辆与自身车辆的距离、前方车辆所跟随的车辆的方位角、自身车辆相对前方车辆所跟随的车辆的行驶速度;在毫米波雷达获取前方车辆所跟随的车辆的运动状态数据之后,利用ARM9处理器实时接收来自毫米波雷达的前方车辆所跟随的车辆的运动状态数据;
在步骤S3中,得出当前时刻前方车辆与换道车道线的距离d,得出当前时刻前方车辆与换道车道线的距离的过程为:将当前时刻自身车辆与前方车辆的横向相对距离表示为dx,dx为当前时刻前方车辆的方位角的正弦值与当前时刻两车相对距离的乘积,所述两车相对距离指前方车辆与自身车辆的距离;将当前时刻自身车辆与所在车道的左车道线的距离表示为dL,将当前时刻自身车辆与所在车道的右车道线的距离表示为dR;如果dx>dL,则d=dx-0.5B-0.5w-dL,其中,B表示前方车辆的宽度,w表示自身车辆的宽度;如果-dx>dR,则d=-dx-0.5B-0.5w-dR;如果0<dx≤dL,则d=dL+0.5w-dx-0.5B;如果0<-dx≤dR,则d=dR+0.5w+dx-0.5B;如果0<dx≤dL或0<-dx≤dR,则认为当前时刻前方车辆与自身车辆位于同一车道,如果dx>dL,则认为当前时刻前方车辆位于自身车辆所在车道的左侧相邻车道,如果-dx>dR,则认为当前时刻前方车辆位于自身车辆所在车道的右侧相邻车道;
所述步骤S4具体包括以下子步骤:
得出当前时刻前方车辆的行驶速度vH,vH=V-δv,其中,V表示当前时刻自身车辆的行驶速度,δv表示自身车辆相对前方车辆的行驶速度;得出当前时刻前方车辆的跟车时距tH,tH=δR/vH,如果当前时刻前方车辆与自身车辆位于同一车道,则δR=R-r-L,R表示当前时刻前方车辆所跟随的车辆与自身车辆的距离,r表示当前时刻前方车辆与自身车辆的距离,L表示当前时刻前方车辆的长度;如果当前时刻前方车辆位于自身车辆所在车道的左侧相邻车道或位于自身车辆所在车道的右侧相邻车道,则δR=R×cosβ-r×cosα-L,α表示当前时刻前方车辆的方位角,β表示当前时刻前方车辆所跟随的车辆的方位角;
得出当前时刻前方车辆的横向偏移速度vL,vL=(d1-d2)/t,其中,d1表示上一时刻前方车辆与换道车道线的距离,d2表示当前时刻前方车辆与换道车道线的距离,t表示当前时刻与上一时刻之间的时间差;
得出前方车辆换道行为辨识参数Q,
Q=(2.0-d)×k1+ΔvH×k2+(6-tH)×k3+vL×k4
其中,ΔvH表示当前时刻前方车辆的行驶速度减去上一时刻前方车辆的行驶速度的差,k1、k2、k3和k4分别为设定的大于0的系数,当前时刻前方车辆与换道车道线的距离d的单位为m,ΔvH的单位为m/s,当前时刻前方车辆的跟车时距tH的单位为m,当前时刻前方车辆的横向偏移速度vL的单位为m/s;
在得出前方车辆换道行为辨识参数Q之后,如果Q<10且当前时刻前方车辆与自身车辆位于同一车道,则认为当前时刻前方车辆即将向自身车辆所在车道的相邻车道换道;如果Q<10且当前时刻前方车辆位于自身车辆所在车道的相邻车道,则认为当前时刻前方车辆即将向自身车辆所在车道换道。
5.如权利要求4所述的一种前方车辆运动状态追踪预测方法,其特征在于,在步骤S4中,在所述前方车辆换道行为辨识参数Q的计算公式中,k1=0.1,k2=4.0,k3=8.0,k4=18.0。
6.如权利要求4所述的一种前方车辆运动状态追踪预测方法,其特征在于,所述车辆上安装有ACC自适应巡航系统,所述ARM9处理器的信号输出端电连接所述ACC自适应巡航系统的信号输入端;
当ARM9处理器判断前方车辆即将换道时,ARM9处理器向ACC自适应巡航系统输入前方车辆换道提示信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410513257.7A CN104290753B (zh) | 2014-09-29 | 2014-09-29 | 一种前方车辆运动状态追踪预测装置及其预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410513257.7A CN104290753B (zh) | 2014-09-29 | 2014-09-29 | 一种前方车辆运动状态追踪预测装置及其预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104290753A CN104290753A (zh) | 2015-01-21 |
CN104290753B true CN104290753B (zh) | 2017-11-28 |
Family
ID=52310771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410513257.7A Expired - Fee Related CN104290753B (zh) | 2014-09-29 | 2014-09-29 | 一种前方车辆运动状态追踪预测装置及其预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104290753B (zh) |
Families Citing this family (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104608768B (zh) * | 2015-02-13 | 2017-11-03 | 长安大学 | 一种前方目标车辆进入弯道和进行换道的辨别装置及方法 |
CN104960522B (zh) * | 2015-06-18 | 2018-09-21 | 奇瑞汽车股份有限公司 | 自动跟车系统及其控制方法 |
CN104916165B (zh) * | 2015-06-26 | 2018-03-06 | 长安大学 | 一种前车驾驶员不安全驾驶行为检测方法及装置 |
CN105109488B (zh) * | 2015-08-11 | 2017-10-20 | 奇瑞汽车股份有限公司 | 一种智能跟车系统及方法 |
CN105182342B (zh) * | 2015-09-29 | 2018-11-09 | 长安大学 | 一种颠簸路面车辆雷达目标位置的追踪装置及追踪方法 |
CN105313769B (zh) * | 2015-10-14 | 2018-01-12 | 武汉理工大学 | 一种基于毫米波雷达的车载主动预警方法、系统及装置 |
CN106828186B (zh) * | 2015-12-04 | 2019-11-22 | 北京宝沃汽车有限公司 | 电动汽车及其的巡航控制系统和巡航控制方法 |
CN105711586B (zh) * | 2016-01-22 | 2018-04-03 | 江苏大学 | 一种基于前向车辆驾驶人驾驶行为的前向避撞系统及避撞算法 |
JP6243942B2 (ja) * | 2016-03-17 | 2017-12-06 | 株式会社Subaru | 車両の走行制御装置 |
CN105788321B (zh) * | 2016-03-31 | 2022-02-01 | 腾讯科技(深圳)有限公司 | 车辆通信方法、装置及系统 |
CN106209546A (zh) * | 2016-07-20 | 2016-12-07 | 张家港长安大学汽车工程研究院 | 基于双目相机和面阵相机的自动跟车系统 |
CN106184201A (zh) * | 2016-07-22 | 2016-12-07 | 池州学院 | 一种汽车防撞控制系统 |
CN106157697A (zh) * | 2016-08-31 | 2016-11-23 | 东软集团股份有限公司 | 一种制动预警方法和装置 |
CN109643496B (zh) * | 2016-09-21 | 2021-08-20 | 苹果公司 | 车辆控制系统 |
CN106355890B (zh) * | 2016-09-27 | 2019-03-05 | 东软集团股份有限公司 | 一种对目标车辆分类的判断方法及装置 |
CN106379319B (zh) * | 2016-10-13 | 2019-11-19 | 上汽大众汽车有限公司 | 一种汽车辅助驾驶系统及控制方法 |
CN106904121A (zh) * | 2017-02-27 | 2017-06-30 | 北京汽车研究总院有限公司 | 一种对车辆换道行为进行预警的方法及装置 |
JP6530782B2 (ja) * | 2017-06-09 | 2019-06-12 | 株式会社Subaru | 車両制御装置 |
KR102026697B1 (ko) * | 2017-09-21 | 2019-09-30 | 엘지전자 주식회사 | 주행 시스템 및 차량 |
CN107972668B (zh) * | 2017-11-21 | 2020-08-04 | 杭州容大智造科技有限公司 | 一种车辆自动跟踪驾驶方法、装置及一种汽车 |
CN108357502B (zh) * | 2018-01-25 | 2020-04-21 | 浙江吉利汽车研究院有限公司 | 一种三车道目标显示的调节方法及系统 |
CN108663368B (zh) * | 2018-05-11 | 2020-11-27 | 长安大学 | 一种实时监测高速公路路网夜间整体能见度的系统及方法 |
CN108645854B (zh) * | 2018-05-11 | 2020-11-27 | 长安大学 | 一种实时监测高速公路路网整体能见度的系统及方法 |
CN108896062B (zh) * | 2018-05-11 | 2021-09-28 | 长安大学 | 一种利用电子地图实时提醒团雾路段的装置及方法 |
CN108614262A (zh) * | 2018-06-22 | 2018-10-02 | 安徽江淮汽车集团股份有限公司 | 一种车辆前方目标物检测方法及系统 |
CN110648427B (zh) * | 2018-06-26 | 2023-05-09 | 上海蔚兰动力科技有限公司 | 行车辅助系统及行车辅助系统的操作方法 |
CN109472251B (zh) | 2018-12-16 | 2022-04-05 | 华为技术有限公司 | 一种物体碰撞预测方法及装置 |
CN109859526B (zh) * | 2019-01-18 | 2022-04-01 | 长安大学 | 一种超车时前方目标车辆运动姿态实时观测装置及方法 |
CN110015297A (zh) * | 2019-04-02 | 2019-07-16 | 北京海纳川汽车部件股份有限公司 | 自适应巡航控制方法、装置及自动驾驶车辆 |
CN110412556B (zh) * | 2019-07-31 | 2022-09-02 | 吉林大学 | 一种基于超车频次的车辆行驶状态评估方法 |
CN110414486A (zh) * | 2019-08-15 | 2019-11-05 | 利卓创新(北京)科技有限公司 | 一种红外可见光成像识别一体化设备及工作方法 |
CN110633800B (zh) * | 2019-10-18 | 2022-08-02 | 北京邮电大学 | 基于自动驾驶车辆的车道位置确定方法、设备及存储介质 |
CN112800812A (zh) * | 2019-11-13 | 2021-05-14 | 北京地平线机器人技术研发有限公司 | 目标对象变道识别方法和装置、可读存储介质、电子设备 |
CN111137287B (zh) * | 2019-12-26 | 2021-06-08 | 联创汽车电子有限公司 | 车道偏离预警方法和预警系统 |
CN113128264B (zh) * | 2019-12-30 | 2023-07-07 | 杭州海康汽车技术有限公司 | 一种车辆区域确定方法、装置及电子设备 |
CN113221638B (zh) * | 2021-03-31 | 2023-05-26 | 重庆长安汽车股份有限公司 | 一种车辆目标感知方法及系统 |
CN113173162A (zh) * | 2021-04-26 | 2021-07-27 | 安徽域驰智能科技有限公司 | 基于纵向横向同步探测的车辆前方碰撞警示方法 |
CN116834729B (zh) * | 2023-08-28 | 2023-11-17 | 常州星宇车灯股份有限公司 | 车辆辅助驾驶的横纵向联合控制系统及控制方法 |
CN117141513B (zh) * | 2023-08-31 | 2024-04-26 | 宁波市海曙雪利曼电子仪表有限公司 | 一种基于汽车终端的智能监控系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006043150A1 (de) * | 2006-09-14 | 2008-03-27 | Bayerische Motoren Werke Ag | Längsführungsassistent für ein Kraftfahrzeug zur Unterstützung bei Fahrspurwechsel |
DE102006043149A1 (de) * | 2006-09-14 | 2008-03-27 | Bayerische Motoren Werke Ag | Integrierter Quer- und Längsführungsassistent zur Unterstützung des Fahrers beim Fahrspurwechsel |
JP2012066758A (ja) * | 2010-09-27 | 2012-04-05 | Fuji Heavy Ind Ltd | 車両の走行制御装置 |
CN102991504A (zh) * | 2012-12-07 | 2013-03-27 | 长安大学 | 一种对驾驶员换道安全性进行判断并预警的装置及方法 |
CN204124125U (zh) * | 2014-09-29 | 2015-01-28 | 长安大学 | 一种前方车辆运动状态追踪预测装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012219449B4 (de) * | 2012-10-24 | 2019-01-24 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Geschwindigkeits- und/oder Abstandsregelung bei Kraftfahrzeugen |
-
2014
- 2014-09-29 CN CN201410513257.7A patent/CN104290753B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006043150A1 (de) * | 2006-09-14 | 2008-03-27 | Bayerische Motoren Werke Ag | Längsführungsassistent für ein Kraftfahrzeug zur Unterstützung bei Fahrspurwechsel |
DE102006043149A1 (de) * | 2006-09-14 | 2008-03-27 | Bayerische Motoren Werke Ag | Integrierter Quer- und Längsführungsassistent zur Unterstützung des Fahrers beim Fahrspurwechsel |
JP2012066758A (ja) * | 2010-09-27 | 2012-04-05 | Fuji Heavy Ind Ltd | 車両の走行制御装置 |
CN102991504A (zh) * | 2012-12-07 | 2013-03-27 | 长安大学 | 一种对驾驶员换道安全性进行判断并预警的装置及方法 |
CN204124125U (zh) * | 2014-09-29 | 2015-01-28 | 长安大学 | 一种前方车辆运动状态追踪预测装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104290753A (zh) | 2015-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104290753B (zh) | 一种前方车辆运动状态追踪预测装置及其预测方法 | |
CN104260723B (zh) | 一种后方车辆运动状态追踪预测装置及预测方法 | |
CN107346612B (zh) | 一种基于车联网的车辆防碰撞方法和系统 | |
US10444346B2 (en) | Method for migrating radar sensor limitations with video camera input for active braking for pedestrians | |
US9620017B2 (en) | Vehicle merge assistance system and method | |
CN104916165B (zh) | 一种前车驾驶员不安全驾驶行为检测方法及装置 | |
CN107985310B (zh) | 一种自适应巡航方法及系统 | |
CN110775028B (zh) | 一种汽车挡风玻璃遮挡物检测及辅助驾驶系统和方法 | |
CN110816540B (zh) | 交通拥堵的确定方法、装置、系统及车辆 | |
CN105216795A (zh) | 车辆的驾驶辅助装置 | |
CN106448190B (zh) | 高速公路自车周围车流量实时监测预警装置及方法 | |
CN204124125U (zh) | 一种前方车辆运动状态追踪预测装置 | |
CN109080630A (zh) | 一种用于车辆的环境感知系统及其控制方法 | |
CN101131321A (zh) | 一种实时测量安全车距用于汽车防撞预警的方法及装置 | |
CN102288121A (zh) | 一种基于单目视觉的车道偏离距离测量及预警方法 | |
CN110893849B (zh) | 一种自动驾驶车辆避障换道控制方法及装置 | |
CN111907518B (zh) | 一种基于云端大数据分析动态优化aeb制动策略的方法 | |
CN110450777A (zh) | 基于毫米波雷达的多参数输入的车辆预警控制方法及系统 | |
CN108407807B (zh) | 一种商用车的转向避撞系统及其控制方法 | |
CN106428014A (zh) | 一种用于汽车的前车驾驶员不安全驾驶行为检测装置 | |
CN104608768B (zh) | 一种前方目标车辆进入弯道和进行换道的辨别装置及方法 | |
JP7138151B2 (ja) | 車両制御装置、車両制御方法、およびプログラム | |
CN114298142A (zh) | 一种相机和毫米波雷达的多源异构传感器信息融合方法及装置 | |
CN204719988U (zh) | 一种前车驾驶员不安全驾驶行为检测装置 | |
CN111414857A (zh) | 一种基于视觉的多特征融合的前方车辆检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Wang Chang Inventor after: Wang Hui Inventor after: Zhang Yali Inventor after: Fu Rui Inventor after: Guo Yingshi Inventor after: Yuan Wei Inventor before: Wang Chang Inventor before: Fu Rui Inventor before: Guo Yingshi Inventor before: Yuan Wei |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171128 |