CN108008412A - 一种多曲度融合行车防撞系统 - Google Patents

Abstract

本发明公开了一种多曲度融合行车防撞系统，包括激光雷达传感器、毫米波雷达传感器、CCD传感器和红外摄像传感器，还包括多曲度融合行车防撞判断方法，所述多曲度融合行车防撞判断方法包括以下步骤：利用激光雷达传感器、毫米波雷达传感器、CCD传感器和红外摄像传感器共同测得目标坐标。本发明的多曲度融合行车防撞系统利用多种类型的传感器对车辆周边目标进行测量，将周边目标信息更加准确地收取，克服单一传感器的缺陷。

Description

一种多曲度融合行车防撞系统

技术领域

本发明属于汽车安全技术领域，具体涉及一种多曲度融合行车防撞系统。

背景技术

随着国家的不断强大，社会的不断进步，国内汽车的数量每天都在大幅攀升。交通拥挤日趋严重，撞车事件频频发生，造成了惨痛的经济损失。

针对这种情况，一种防患于未然的单传感雷达防撞系统研发了出来。市面上出现了各种各样的单传感器防撞雷达，例如超声波雷达、激光雷达、红外传感器、毫米波雷达等。

但是这些雷达都还处在起步阶段，都有一定的局限性，精确性以及稳定性都还不够完善，反应速度也不够快。使用此类单传感器雷达安置于车载上防患于未然，虽然有所帮助，但还是有一定的安全隐患。

因此，需要一种新的行车防撞系统以解决上述问题。

发明内容

为解决现有技术存在的缺陷，提供一种多曲度融合行车防撞系统。

为了实现上述目标，本发明采用如下的技术方案：

一种多曲度融合行车防撞系统，包括激光雷达传感器、毫米波雷达传感器、CCD传感器和红外摄像传感器，还包括多曲度融合行车防撞判断方法，所述多曲度融合行车防撞判断方法包括以下步骤：利用激光雷达传感器、毫米波雷达传感器、CCD传感器和红外摄像传感器共同测得目标坐标：

其中，和分别为激光雷达传感器、毫米波雷达传感器、CCD传感器和红外摄像传感器所测得的目标坐标的权重比例，M₁、M₂、M₃和M₄分别为激光雷达传感器、毫米波雷达传感器、CCD传感器和红外摄像传感器所测得的目标坐标；利用目标坐标计算得到目标与车的车间距离。

更进一步的，所述激光雷达传感器包括第一后激光雷达传感器、第二后激光雷达传感器、第一前激光雷达传感器和第二前激光雷达传感器，所述毫米波雷达传感器包括后毫米波雷达传感器和前毫米波雷达传感器，所述第一后激光雷达传感器和第二后激光雷达传感器分别设置在车尾的两侧，所述后毫米波雷达传感器设置在车尾的中部，所述第一前激光雷达传感器和第二前激光雷达传感器分别设置在车头的两侧，所述CCD传感器和前毫米波雷达传感器均设置在车头的中部，所述红外摄像传感器设置在车顶前部。

更进一步的，所述多曲度融合行车防撞判断方法还包括临界车间距离计算方法：利用下式计算临界车间距离：式中，R为临界车间距离，v为速度，g为加速度，s为司机反映时间，w为车跟地面的摩擦系数。

更进一步的，所述多曲度融合行车防撞判断方法还包括是否相撞判断方法：当测得的车间距离大于临界车间距离，则判断车与目标不会相撞；当测得的车间距离小于临界车间距离，则判断车与目标会相撞。

更进一步的，所述激光雷达传感器包括第一后激光雷达传感器、第二后激光雷达传感器、第一前激光雷达传感器和第二前激光雷达传感器，所述毫米波雷达传感器包括后毫米波雷达传感器和前毫米波雷达传感器，所述第一后激光雷达传感器和第二后激光雷达传感器分别设置在车尾的两侧，所述后毫米波雷达传感器设置在车尾的中部，所述第一前激光雷达传感器和第二前激光雷达传感器分别设置在车头的两侧，所述CCD传感器和前毫米波雷达传感器均设置在车头的中部，所述红外摄像传感器设置在车顶前部。各传感器的位置设置合理，将周边信息更加准确地收取并反馈，大大加强了安全性能，消除了单传感行车防撞系统有缺陷的不利因素。

更进一步的，步骤1中激光雷达传感器和毫米波雷达传感器所测得的目标坐标的转换关系为：激光雷达传感器和毫米波雷达传感器与地面的距离均为d，以激光雷达传感器为坐标原点的坐标系中坐标为M1(x_m，y_m，z_m)，则对应的以毫米波雷达传感器为坐标原点的坐标系中的坐标为M2(x₁，y₁，z₁)，则毫米波雷达传感器坐标系中坐标与激光雷达传感器坐标系中坐标转换关系为：y₁＝y_m，z₁＝z_m，其中，u为车身的宽度。

更进一步的，步骤1中毫米波雷达传感器和红外摄像传感器所测得的目标坐标的转换关系为：红外摄像传感器与地面的距离为s，以红外线摄像传感器为坐标原点的坐标系中有一坐标M3(x₂,y₂,z₂)，转换关系为：x₂＝x₁，y₂＝y₁+(s-d)，z₂＝z₁+l，其中，s为红外摄像传感器与地面的距离，d为毫米波雷达传感器与地面的距离，l为红外线摄像传感器与毫米波雷达传感器在车身方向的距离。

更进一步的，步骤1中所述CCD传感器和前毫米波雷达传感器所测得的目标坐标的转换关系为：所述CCD传感器和毫米波雷达传感器安置于一起，为同一空间坐标，以CCD传感器为坐标原点的坐标系中的坐标为M4(x₃，y₃，z₃)，其中，x₃＝x₁，y₃＝y₁，z₃＝z₁。

更进一步的，步骤1中雾霾天气中，和分别为0.4、0.2、0.1和0.3；阴雨天气中，和分别为0.36、0.36、0.18和0.1；晴天中，和分别为0.25、0.25、0.25和0.25。因各个传感器在不同的天气中差异较大。经环境检测后，分为雾霾、阴雨和晴天气。不同的天气中，各传感器的权重都有所差异。通过层次权重决策分析方法确立各个传感器在不同天气中的权重比。

有益效果：本发明的多曲度融合行车防撞系统利用多种类型的传感器对车辆周边目标进行测量，将周边目标信息更加准确地收取，克服单一传感器的缺陷。

附图说明

图1是分布式信息融合决策图；

图2是系统原理框图；

图3是硬件框图；

图4是传感器安装位置。

具体实施方式

以下结合具体实施例对本发明作具体的介绍。

本发明的多曲度融合行车防撞系统，以下结合附图详细介绍本发明的技术方案：

如图1、图2和图3所示，为实现以上目的，本发明的多曲度融合行车防撞系统，采用多曲度融合行车防撞方法，包括以下步骤：

(1)各个传感器分别单独工作并进行数据处理，

(2)各个传感器经预处理后的信息传输到视频融合环境检测模块，图像配准以及视频融合，

(3)各传感器特征提取后传输至信息融合防碰撞判断模块，

(4)将视频融合环境检测模块融合达到的信息传输至信息融合防碰撞判断模块，

(5)信息融合防碰撞判断模块进行信息融合，并判断是否为安全距离，

(6)将判断结果传递至制动控制模块。

对于汽车行车过程中，各个传感器都可以用于获取车辆周围的障碍物信息，红外摄像即为摄像头的冗余传感器。状态再判断模块的设置，除了能够对自检模块的判定结果进行检查，更主要的作用是充分利用冗余传感器的信息比较和互补来综合判断传感器的状态数据对多曲度融合行车防撞系统的影响。

基于多传感技术的数据融合其实就是每个传感器检测的实测数据局部处理，去掉单位时间内多个传感器共同检测到的冗余数据和矛盾数据，保留并整合能突出被测物体的有用数据，得到被测物体的显著特征，便于系统进行识别和判断。数据融合过程及原理如下：

(1)多个不同的传感器收集得到的数据；

(2)对不同传感器获得的数据进行局部处理；

(3)对不同传感器获得的实测数据进行特征分类，得到能代表检测值的信息；

(4)传感器将得到的被测实体的数据，按照目标实体的分类进行相互关联。

激光雷达在水平面上以逆时针方向扫描，每次扫描后返回181个数据，则以激光雷达为坐标原点的平面坐标系中，返回目标的坐标，可以表示为：

上述公式中d_i是激光雷达返回的目标距离(i＝1,2,3,4.....180),激光雷达扫描时每次递增1度。

以毫米波雷达为坐标原点建立二位平面坐标系。毫米波雷达返回的目标数据依次为角度，距离，速度。设毫米波雷达接受的任意目标则该目标在毫米波雷达坐标系的坐标为(x_j，y_j)

为了实现激光雷达和毫米波雷达坐标间的转换，分别对激光雷达和毫米波雷达的相对空间位置做出测量。由于安装位置都在车前方，毫米波放置于车前正中心位置，激光雷达放置于车辆四角，所以雷达与地面距离d相等。在车的左右即水平方向上两种传感器相差距离为一半车宽。设再以激光雷达为坐标原点的坐标系中有一坐标M(x_m，y_m，z_m),单位为米。则对应在以毫米波为坐标原点的坐标系中的坐标为N(x₁，y₁，z₁)，单位为米，u为车身宽度。则转换关系为：y₁＝y_m，z₁＝z_m。

红外摄像仪安置于前车窗内侧，离地距离设为s，水平方向与激光雷达相等，正前方与毫米波雷达相距l，以红外线摄像传感器为坐标原点的坐标系中有一坐标N(x₂,y₂,z₂)，单位为米。则对应在以毫米波为坐标原点的坐标系中的坐标为M(x_z,y_z,z_z)，单位为米，u为车身宽度。则转换关系为：

X₂＝x_z,y₂＝y_z+(s-d),z₂＝z_z+I

CCD与毫米波雷达安置于一起，则将CCD与毫米波雷达看似为同一空间坐标。

因各个传感器在不同的天气中差异较大。经环境检测后，分为雾霾、阴雨、晴等天气。不同的天气中，各传感器的权重都有所差异。通过层次权重决策分析方法确立各个传感器在不同天气中的权重比。

雾霾天气中，毫米波传感器比激光传感器重要2倍，激光传感器比CCD传感器重要2倍，红外线传感器比CCD传感器重要3倍，四者的权重比为4:2:1:3，归一化之后就为0.4:0.2:0.1:0.3。

阴雨天气中，毫米波传感器比红外线传感器重要2倍，激光传感器比红外线传感器重要2倍，红外线传感器比CCD传感器重要2倍，四者的权重比为4:4:2:1，归一化之后就为0.36:0.36:0.18:0.1。

晴天中，四者重要性相同，权重比为1:1:1:1，归一化之后为0.25:0.25:0.25:0.25。

不同的天气中，各传感器的权重都有所差异。权重比例相加结果均为1：

融合后，所测目标：

其中M_m表示为被测物体融合后的空间坐标，i为各个传感器，为各个传感器的权重比，M_i为各个传感器转化后的空间坐标。

(5)通过多传感器数据融合算法将被测实体各传感器的数据融合，得到该实体的一致性。

如图2所示，各类传感器解码以后，通过ADC模数转换器，将连续变化的模拟信号转换成离散的数字信号，通过DSP将转化的数字信号进行处理。单片机与DSP实现串行通信，进行实时交互通信。CPLD跟据各个传感器的区别和融合算法自行构造逻辑功能，完成融合信息功能。

如图4所示，传感器分别为，1个前方监控用77GHz雷达、2个后侧方监控用24GHz雷达、1个前方成像CCD、分别设置在车辆四角的4个激光雷达，红外摄像仪安置于内侧挡风玻璃上。

信息融合防碰撞判断模块就是将融合的信息与本车的运行状况以及司机的反应状况综合做出判断，计算出“临界车间距离”并将实际测量的车间距离与临界车间距离进行比较。

“临界车间距离”的确定必须考虑各个方面的影响。国际公路委员会对驾驶员的反应时间做了调查，结论得出平均值为0.5～3s。若驾驶员的反应时间是1.5s，那么在汽车的车速为40Km/h时，反应时间内汽车的行驶的距离是16.7m；车速为80Km/h时，行驶的距离将达33.4m。

该信息融合防撞判断模块计算临界车间距离公式为：

R为临界车间距离，v为速度，g为加速度，s为司机反映时间，u为车跟地面的摩擦系数。

自动制动系统的反应时间远比驾驶员少的多，它的反应距离只有0.5m。若司机的反应比较灵敏，或车道状况较好，或本车的制动系统工作良好，则“临界车间距离”可以取较小值；反之，“临界车间距离”则需取大一些的值，以防碰撞的发生。

若实际测量的车间距离大于临界车间距离，制动控制模块不启动；若实际测量的车间距离靠近临界车间距离，则制动控制模块启动，LED灯亮提醒；

若实际测量车间距离接近或略小于临界车间距离，则蜂鸣器报警；若实际测量车间距离小于临界车间距离且自身车辆无减速趋势，则进行紧急制动来达到避免交通事故的目的。

为完善上述单一传感防装系统中的不利因素，本发明采用多个传感器，分别为：1个前方监控用77GHz雷达、2个后侧方监控用24GHz雷达、1个前方成像CCD、2个前方监控用激光雷达放置于77GHZ毫米波雷达两侧、分别设置在车辆四角的4个激光雷达，红外摄像仪安置于前内侧挡风玻璃上。

在所述视频融合中，CCD传感器白天黑夜可靠性差距较大，红外线传感器不分昼夜，但对行人勘测不够精确，毫米波传感器和激光传感器对路标等分辨不出来。由于多个传感器得到的多份信息是冗余的且具有不同的可靠性。本发明采用分布式信息融合体系结构：每个传感器对获得的原始数据先进性局部处理，包括对原始数据的预处理、分类及提取特征信息，并通过各自的决策准则分别做出决策，然后将结果送入融合中心进行融合以获得最终的决策。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明。凡在本发明的原理、精神、方案、原则之内所做的如何修改、等同替换和改进，均属于本发明的保护范围之内。

Claims (8)

1.一种多曲度融合行车防撞系统，其特征在于，包括激光雷达传感器、毫米波雷达传感器、CCD传感器和红外摄像传感器，还包括多曲度融合行车防撞判断方法，所述多曲度融合行车防撞判断方法包括以下步骤：利用激光雷达传感器、毫米波雷达传感器、CCD传感器和红外摄像传感器共同测得目标坐标：

其中， 和分别为激光雷达传感器、毫米波雷达传感器、CCD传感器和红外摄像传感器所测得的目标坐标的权重比例，M₁、M₂、M₃和M₄分别为激光雷达传感器、毫米波雷达传感器、CCD传感器和红外摄像传感器所测得的目标坐标；利用目标坐标计算得到目标与车的车间距离。

2.如权利要求1所述的多曲度融合行车防撞系统，其特征在于，所述激光雷达传感器包括第一后激光雷达传感器、第二后激光雷达传感器、第一前激光雷达传感器和第二前激光雷达传感器，所述毫米波雷达传感器包括后毫米波雷达传感器和前毫米波雷达传感器，所述第一后激光雷达传感器和第二后激光雷达传感器分别设置在车尾的两侧，所述后毫米波雷达传感器设置在车尾的中部，所述第一前激光雷达传感器和第二前激光雷达传感器分别设置在车头的两侧，所述CCD传感器和前毫米波雷达传感器均设置在车头的中部，所述红外摄像传感器设置在车顶前部。

3.如权利要求1所述的多曲度融合行车防撞系统，其特征在于，所述多曲度融合行车防撞判断方法还包括临界车间距离计算方法：利用下式计算临界车间距离：式中，R为临界车间距离，v为速度，g为加速度，s为司机反映时间，w为车跟地面的摩擦系数。

4.如权利要求1所述的多曲度融合行车防撞系统，其特征在于，所述多曲度融合行车防撞判断方法还包括是否相撞判断方法：当测得的车间距离大于临界车间距离，则判断车与目标不会相撞；当测得的车间距离小于临界车间距离，则判断车与目标会相撞。

5.如权利要求2所述的多曲度融合行车防撞系统，其特征在于，步骤1中激光雷达传感器和毫米波雷达传感器所测得的目标坐标的转换关系为：激光雷达传感器和毫米波雷达传感器与地面的距离均为d，以激光雷达传感器为坐标原点的坐标系中坐标为M1(x_m，y_m，z_m)，则对应的以毫米波雷达传感器为坐标原点的坐标系中的坐标为M2(x₁，y₁，z₁)，则毫米波雷达传感器坐标系中坐标与激光雷达传感器坐标系中坐标转换关系为：y₁＝y_m，z₁＝z_m，其中，u为车身的宽度。

6.如权利要求2所述的多曲度融合行车防撞系统，其特征在于，步骤1中毫米波雷达传感器和红外摄像传感器所测得的目标坐标的转换关系为：红外摄像传感器与地面的距离为s，以红外线摄像传感器为坐标原点的坐标系中有一坐标M3(x₂,y₂,z₂)，转换关系为：x₂＝x₁，y₂＝y₁+(s-d)，z₂＝z₁+l，其中，s为红外摄像传感器与地面的距离，d为毫米波雷达传感器与地面的距离，l为红外线摄像传感器与毫米波雷达传感器在车身方向的距离。

7.如权利要求2所述的多曲度融合行车防撞系统，其特征在于，步骤1中所述CCD传感器和前毫米波雷达传感器所测得的目标坐标的转换关系为：所述CCD传感器和毫米波雷达传感器安置于一起，为同一空间坐标，以CCD传感器为坐标原点的坐标系中的坐标为M4(x₃，y₃，z₃)，其中，x₃＝x₁，y₃＝y₁，z₃＝z₁。

8.如权利要求1所述的多曲度融合行车防撞系统，其特征在于，步骤1中雾霾天气中，和分别为0.4、0.2、0.1和0.3；阴雨天气中， 和分别为0.36、0.36、0.18和0.1；晴天中，和分别为0.25、0.25、0.25和0.25。