CN108674412B - 一种采用传感器融合的车辆主动避撞方法 - Google Patents

一种采用传感器融合的车辆主动避撞方法 Download PDF

Info

Publication number
CN108674412B
CN108674412B CN201810301856.0A CN201810301856A CN108674412B CN 108674412 B CN108674412 B CN 108674412B CN 201810301856 A CN201810301856 A CN 201810301856A CN 108674412 B CN108674412 B CN 108674412B
Authority
CN
China
Prior art keywords
vehicle
information
obstacle
collision avoidance
running
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.)
Active
Application number
CN201810301856.0A
Other languages
English (en)
Other versions
CN108674412A (zh
Inventor
袁朝春
翁烁丰
何友国
孙晓强
张厚忠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NANJING HONGKAI POWER SYSTEM TECHNOLOGY Co.,Ltd.
Original Assignee
Jiangsu University
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
Application filed by Jiangsu University filed Critical Jiangsu University
Priority to CN201810301856.0A priority Critical patent/CN108674412B/zh
Publication of CN108674412A publication Critical patent/CN108674412A/zh
Application granted granted Critical
Publication of CN108674412B publication Critical patent/CN108674412B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • B60W2552/30—Road curve radius
    • 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
    • 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
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/18—Braking system
    • B60W2710/182—Brake pressure, e.g. of fluid or between pad and disc

Abstract

本发明公开了一种采用传感器融合的车辆主动避撞方法，包括1：获取车辆自身行驶信息与环境信息；2：结合车辆本身行驶信息与车道线信息对前方障碍物进行分类，筛选出预期行驶路径上的障碍物；3：对步骤2中得到的障碍物信息进行选择，得到对当前车辆行驶具有威胁的障碍物信息；4：利用线性回归预测结合传感器信息对车辆前方障碍物信息进行加权处理；5：综合步骤4与车辆行驶状态信息计算出车车辆所需制动压力；步骤6：重复步骤1‑5，直到车速为0或关闭系统。本发明利用线性回归估计与传感器测量信息加权处理、TTC安全距离模型与期望制动加速度双裕度模型能够消除车身发生俯仰时丢失目标障碍物的弊端，以及更好适应不同速度工况下的主动避撞。

Description

一种采用传感器融合的车辆主动避撞方法
技术领域
本发明涉及一种汽车动态紧急纵向避撞的建模方法，属于行驶安全技术领域。
背景技术
随着汽车保有量的快速增长，道路交通安全问题已经成为各国政府和社会关注的重要问题。美国国家高速公路安全委员会(NHTSA)的调研表明，在道路交通致死事故中，因驾驶员过失造成的约占90％，而因车辆故障造成的仅占约3％。发展先进的车辆主动安全系统是现代道路交通的迫切需求。车辆主动安全系统中的重要环节是车辆的主动避撞方法的研究与开发。现有的主动避撞方法在车辆过弯转向过程中容易出现误报现象，且容易在车身发生俯仰时丢失目标障碍物导致主动避撞方法失效。
发明内容
本发明了一种基于传感器融合的车辆主动避撞方法，能够合理反应当前车辆所受的威胁程度，避免车辆行驶过程中由于转向和车辆姿态变化而带来的误制动或制动判断失效。具体方案如下：
一种采用传感器融合的车辆主动避撞方法，包括如下步骤：
步骤1：获取车辆自身行驶信息与环境信息；
步骤2：结合车辆本身行驶信息与车道线信息对前方障碍物进行分类，筛选出预期行驶路径上的障碍物；
步骤3：对步骤2中得到的障碍物信息进行选择，得到对当前车辆行驶具有威胁的障碍物信息；
步骤4：利用线性回归预测结合传感器信息对车辆前方障碍物信息进行加权处理；
步骤5：综合步骤4与车辆行驶状态信息计算出车车辆所需制动压力；
步骤6：重复步骤1-5，直到车速为0或者关闭系统。
进一步，步骤1中环境信息：雷达获取的车辆行驶前方障碍物信息，包括前方障碍物的距离、角度、速度信息，摄像头获取的信息，包括车辆行驶前方一定纵向距离位置的车道线与车辆中心位置的横向距离以及车道线曲率情况；
车辆自身行驶信息：利用车速传感器测量车速，利用方向盘转角传感器测量转角信息，并从车辆CAN总线读取车辆行驶速度、车辆方向盘偏转角度；
进一步，步骤2中对前方障碍物信息进行分类的具体方法为：
首先，根据前方车道线曲率信息判断当前车辆行驶道路的曲率、判断车辆前方道路环境特征，在小曲率及直行车道条件下，车辆将根据当前车身宽度以及雷达最远探测距离划分出预期行驶路径并将该路径上的目标(雷达探测到的物体)划分为敏感障碍物信息；在大曲率的道路条件下行驶时，将根据车辆方向盘转角计算当前车辆前轮转角，并根据阿克曼转角筛选出前方预期行驶路径上的障碍物信息，并将预期行驶路径上的障碍物信息划分为敏感障碍物信息；
进一步，步骤3中对车辆最具威胁障碍物指所有敏感障碍物信息中距离当前车辆距离最近的障碍物；
进一步，步骤4中利用线性回归预测结合传感器信息对车辆前方障碍物信息进行加权处理的具体方法为：
利用记录的前i次获取前方障碍物的时间与障碍物信息进行线性回归分析，得到当前时间对于车辆前方障碍物信息的估计，将估计值与系统测量值进行加权处理。
Figure BDA0001620001260000021
Figure BDA0001620001260000022
Figure BDA0001620001260000023
Y*＝A*X+B
Y＝C*Y*+D*Y
其中Xi为系统前i次获取雷达障碍物信息时对应的时间，Yi代表相应时间的前方障碍物信息，A、B为线性回归系数，C、D为加权系数，Y*为障碍物信息估计值，Y为障碍物信息测量值，Y为车辆前方障碍物信息处理结果,X为当前时间；
进一步，步骤5中计算车辆所需制动压力的具体方法为：
利用双裕度模型进行计算,包括：TTC(即碰撞时间)安全距离模型以及期望制动减速度安全距离模型进行计算。
其中TTC安全距离模型制动压力级别计算方法为：
Figure BDA0001620001260000024
Figure BDA0001620001260000025
其中，TTC为车辆即碰撞时间，Vvehicle为车辆当前速度，Vobstacle为障碍物运动速度，t0，t1，t2，t3为即碰撞时间制动压力分类边界值，分别为2s，1.2s，0.8s，0.5s，Sobstacle为前方障碍物与车辆距离，Lt为即碰撞时间制动压力级别。
期望制动减速度安全距离模型制动压力计算的方法为：
Figure BDA0001620001260000031
其中，Vvehicle为车辆当前速度，Vobstacle为障碍物运动速度，a0,a1,a2,a3为期望减速度制动压力分类边界值，分别为3.7m/s2，4.5m/s2，5.2m/s2，5.7m/s2，μroad为当前路面最大附着力系数，g为重力加速度值，Ssafe为预留安全距离，La为期望减速度制动压力级别。
制动压力可以由Lt与La综合得到：
P＝max(Lt,La)*KP
其中，P为期望制动压力，KP为期望制动压力系数，为300kPa，La为期望减速度制动压力级别，Lt为即碰撞时间制动压力级别。
本发明的有益效果：
(1)结合传感器采集的信息对前方障碍物进行分类处理，在避免车辆发生符合驾驶员期望的主动偏转时由于车身偏转而导致的误报警；
(2)利用线性回归估计与传感器测量信息加权处理可以消除运动过程中车身发生俯仰时丢失目标障碍物而导致的主动避撞失效；
(3)采用TTC安全距离模型与期望制动加速度双裕度模型可以更好适应不同速度工况下的主动避撞。
附图说明
图1是本发明的方法流程图；
图2是典型工况1示意图；
图3是典型工况2示意图；
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。
本发明提供一种基于传感器融合法的车辆主动避撞方法，如图1所示，包括以下几个步骤：步骤1：获取车辆自身行驶信息与环境信息。
CCD工业相机可以安装在车辆前挡风玻璃中间位置，根据相机采集的图像得到车道线曲率信息，将车辆前方的车道线曲率传输给电子控制单元ECU；毫米波雷达安装在车辆前保险杠处，用于获取车辆前方障碍物信息；利用车辆CAN总线获取车辆当前行驶状态信息，所述车辆行驶状态信息包括车辆行驶速度与方向盘转角信号。
步骤2：结合车辆本身行驶信息与车道线信息对前方障碍物进行分类，筛选出预期行驶路径上的障碍物；
以下面两种典型工况举例说明：
(1)如图2所示工况1，车辆前方为直道或小曲率情况时，将前方距离车身左面和右面各半车身的宽度Dvehicle、前方雷达探测距离长度Sradar内的矩形虚线框范围内的障碍物筛选为期望行驶路径上的障碍物；
(2)如图3所示工况2，车辆前方为大曲率情况时，利用阿克曼转角对当前车辆转弯半径进行建模，得到以R1与R2为半径的扇环形区域，筛选区域中的障碍物为期望行驶路径上的障碍物；
步骤3：对步骤2中得到的障碍物信息进行选择，筛选与车辆最近的障碍物作为最具威胁障碍物，并记录其与当前车辆的距离、角度、速度信息；
步骤4：利用线性回归预测结合传感器信息对车辆前方障碍物信息进行加权处理，具体过程如下：
对前i次前方障碍物信息进行线性回归分析，得到当前时间对于车辆前方障碍物信息的估计，将估计值与系统测量值进行加权处理。
Figure BDA0001620001260000041
Figure BDA0001620001260000042
Figure BDA0001620001260000043
Y*＝A*X+B
Y＝C*Y*+D*Y
其中Xi为系统前i次获取雷达障碍物信息时对应的系统时间，Yi代表相应时间的前方障碍物信息，A、B为线性回归系数，C、D为加权系数，Y*为障碍物信息估计值，Y为障碍物信息测量值，Y为车辆前方障碍物信息处理结果。
步骤5:计算车辆所需制动压力大小，并传输给ECU控制单元对车辆制动压力进行控制。
利用双裕度模型进行计算，包括：TTC(即碰撞时间)安全距离模型以及期望制动减速度安全距离模型进行计算。
其中TTC安全距离模型制动压力级别计算方法为：
Figure BDA0001620001260000052
其中，TTC为车辆即碰撞时间，Vvehicle为车辆当前速度，Vobstacle为障碍物运动速度，t0,t1,t2,t3为即碰撞时间制动压力分类边界值，Sobstacle为前方障碍物与车辆距离,Lt为即碰撞时间制动压力级别。
期望制动减速度安全距离模型制动压力计算的方法为：
Figure BDA0001620001260000053
Figure BDA0001620001260000054
其中，Vvehicle为车辆当前速度，Vobstacle为障碍物运动速度，a0,a1,a2,a3为期望减速度制动压力分类边界值，μroad为当前路面最大附着力系数，g为重力加速度值，Ssafe为预留安全距离，La为期望减速度制动压力级别。
制动压力可以由Lt与La综合得到：
P＝max(Lt,La)*KP
其中，P为期望制动压力，KP为期望制动压力系数，La为期望减速度制动压力级别，Lt为即碰撞时间制动压力级别。
步骤6：重复步骤1-5。
上述仅为本发明技术方案和具体实施例的解释，并不用于限定本发明的保护范围，在不违背本发明实质内容和原则的前提下，所作任何修改、润饰等都在保护范围之内。

Claims (9)

1.一种采用传感器融合的车辆主动避撞方法，其特征在于，包括如下：
步骤1：获取车辆自身行驶信息与环境信息；
步骤2：结合车辆本身行驶信息与车道线信息对前方障碍物进行分类，筛选出预期行驶路径上的障碍物；
步骤3：对步骤2中得到的障碍物信息进行选择，得到对当前车辆行驶具有威胁的障碍物信息；
步骤4：利用线性回归预测结合传感器信息对车辆前方障碍物信息进行加权处理；
步骤5：综合步骤4与车辆行驶状态信息计算出车辆所需制动压力；
步骤6：重复步骤1-5；
所述步骤4中利用线性回归预测结合传感器信息对车辆前方障碍物信息进行加权处理的具体方法为：
利用记录的前i次获取前方障碍物的时间与障碍物信息进行线性回归分析，得到当前时间对于车辆前方障碍物信息的估计，将估计值与系统测量值进行加权处理，表达式如下：
Figure FDA0002216510660000011
Figure FDA0002216510660000012
Figure FDA0002216510660000013
Y*＝A*X+B
Figure FDA0002216510660000014
其中Xi为系统前i次获取雷达障碍物信息时对应的时间，Yi代表相应时间的前方障碍物信息，A、B为线性回归系数，C、D为加权系数，Y*为障碍物信息估计值，
Figure FDA0002216510660000015
为障碍物信息测量值，Y为车辆前方障碍物信息处理结果。
2.根据权力要求1所述的一种采用传感器融合的车辆主动避撞方法，其特征在于，所述步骤1中环境信息的获取：利用雷达获取车辆行驶前方障碍物信息，包括前方障碍物的距离、角度、速度信息；利用摄像头获取的信息，包括车辆行驶前方一定纵向距离位置的车道线与车辆中心位置的横向距离以及车道线曲率情况。
3.根据权力要求1所述的一种采用传感器融合的车辆主动避撞方法，其特征在于，所述步骤1中车辆自身行驶信息的获取：利用车速传感器测量车速信息，利用方向盘转角传感器测量转角信息，并从车辆CAN总线读取车辆行驶速度和车辆方向盘偏转角度。
4.根据权力要求1所述的一种采用传感器融合的车辆主动避撞方法，其特征在于，所述步骤2中对前方障碍物信息进行分类的具体方法为：
根据前方车道线曲率信息判断当前车辆行驶道路的曲率、判断车辆前方道路环境特征；
在小曲率及直行车道条件下，车辆将根据当前车身宽度以及雷达最远探测距离划分出预期行驶路径并将该路径上的目标划分为敏感障碍物信息；
在大曲率的道路条件下行驶时，将根据车辆方向盘转角计算当前车辆前轮转角，并根据阿克曼转角筛选出前方预期行驶路径上的障碍物信息，并将预期行驶路径上的障碍物信息划分为敏感障碍物信息。
5.根据权力要求4所述的一种采用传感器融合的车辆主动避撞方法，其特征在于，所述步骤3中车辆最具威胁障碍物是指：距离当前车辆最近的障碍物。
6.根据权力要求1所述的一种采用传感器融合的车辆主动避撞方法，其特征在于，所述步骤5计算车辆所需制动压力的具体方法为：
利用双裕度模型进行计算，包括TTC安全距离模型以及期望制动减速度安全距离模型进行计算，所述的制动压力由两种模型的计算结果综合得到。
7.根据权力要求6所述的一种采用传感器融合的车辆主动避撞方法，其特征在于，所述TTC安全距离模型制动压力级别计算方法为：
Figure FDA0002216510660000021
Figure FDA0002216510660000022
其中，TTC为车辆即碰撞时间，Vvehicle为车辆当前速度，Vobstacle为障碍物运动速度，t0，t1，t2，t3为即碰撞时间制动压力分类边界值，分别为2s，1.2s，0.8s，0.5s，Sobstacle为前方障碍物与车辆距离，Lt为即碰撞时间制动压力级别。
8.根据权力要求7所述的一种采用传感器融合的车辆主动避撞方法，其特征在于，所述期望制动减速度安全距离模型制动压力计算的方法为：
Figure FDA0002216510660000031
Figure FDA0002216510660000032
其中，Vvehicle为车辆当前速度，Vobstacle为障碍物运动速度，a0,a1,a2,a3为期望减速度制动压力分类边界值，μroad为当前路面最大附着力系数，g为重力加速度值，Ssafe为预留安全距离，La为期望减速度制动压力级别。
9.根据权力要求8所述的一种采用传感器融合的车辆主动避撞方法，其特征在于，所述制动压力由Lt与La综合得到：
P＝max(Lt,La)*KP
其中，P为期望制动压力，KP为期望制动压力系数，La为期望减速度制动压力级别，Lt为即碰撞时间制动压力级别。
CN201810301856.0A 2018-04-04 2018-04-04 一种采用传感器融合的车辆主动避撞方法 Active CN108674412B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810301856.0A CN108674412B (zh) 2018-04-04 2018-04-04 一种采用传感器融合的车辆主动避撞方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810301856.0A CN108674412B (zh) 2018-04-04 2018-04-04 一种采用传感器融合的车辆主动避撞方法

Publications (2)

Publication Number Publication Date
CN108674412A CN108674412A (zh) 2018-10-19
CN108674412B true CN108674412B (zh) 2020-01-24

Family

ID=63800656

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810301856.0A Active CN108674412B (zh) 2018-04-04 2018-04-04 一种采用传感器融合的车辆主动避撞方法

Country Status (1)

Country Link
CN (1) CN108674412B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109808492B (zh) * 2019-02-15 2020-06-02 辽宁工业大学 一种车载雷达预警装置及预警方法
CN110371136B (zh) * 2019-06-25 2020-10-13 天津大学 一种用于无人驾驶设备避障时速度控制的方法
DE102019213155A1 (de) * 2019-08-30 2021-03-04 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines Fahrzeugs
CN113200042A (zh) * 2020-02-03 2021-08-03 奥迪股份公司 车辆驾驶辅助系统和方法及相应的计算机可读存储介质
CN111231827B (zh) * 2020-02-27 2022-11-18 江苏大学 一种雨雾天气显示车辆前方碰撞风险区域的装置和方法
CN111090286B (zh) * 2020-03-24 2020-12-29 北京三快在线科技有限公司 一种无人车运动状态规划方法及装置
CN113753033A (zh) * 2020-06-03 2021-12-07 上海汽车集团股份有限公司 一种车辆、车辆驾驶任务选择方法及装置
CN111796286B (zh) * 2020-06-24 2023-01-17 中国第一汽车股份有限公司 一种制动等级的评估方法、装置、车辆和存储介质
CN111703420B (zh) * 2020-06-29 2021-10-19 嘉善新石器智牛科技有限公司 一种无人车防碰撞的方法
CN111994073B (zh) * 2020-07-22 2022-04-01 北京交通大学 一种自动紧急制动控制方法
CN111619560B (zh) * 2020-07-29 2020-11-03 北京三快在线科技有限公司 车辆控制方法及装置
CN112078570A (zh) * 2020-08-04 2020-12-15 武汉乐庭软件技术有限公司 一种基于阿克曼转向模型的汽车定位方法
CN113753038B (zh) * 2021-03-16 2023-09-01 京东鲲鹏(江苏)科技有限公司 一种轨迹预测方法、装置、电子设备和存储介质
CN113212429A (zh) * 2021-05-13 2021-08-06 际络科技(上海)有限公司 一种自动驾驶车辆安全控制方法及装置
CN113635895B (zh) * 2021-07-30 2022-08-16 靖江市恒大汽车部件制造有限公司 一种考虑制动力衰减的车辆主动防撞控制方法
CN113895459B (zh) * 2021-11-11 2023-06-16 北京经纬恒润科技股份有限公司 一种障碍物的筛选方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202029843U (zh) * 2011-05-11 2011-11-09 北京星河易达科技有限公司 一种基于微波雷达的车辆主动防碰撞系统
WO2012045323A1 (en) * 2010-10-07 2012-04-12 Connaught Electronics Ltd. Method and driver assistance system for warning a driver of a motor vehicle of the presence of an obstacle in an environment of the motor vehicle
US8793046B2 (en) * 2012-06-01 2014-07-29 Google Inc. Inferring state of traffic signal and other aspects of a vehicle's environment based on surrogate data
US9633565B2 (en) * 2012-11-15 2017-04-25 GM Global Technology Operations LLC Active safety system and method for operating the same
CN103072575B (zh) * 2013-01-18 2016-03-30 浙江吉利汽车研究院有限公司杭州分公司 一种车辆主动防碰撞方法
CN104943689B (zh) * 2015-06-03 2017-05-10 奇瑞汽车股份有限公司 一种汽车主动防撞系统的控制方法

Also Published As

Publication number Publication date
CN108674412A (zh) 2018-10-19

Similar Documents

Publication Publication Date Title
CN108674412B (zh) 一种采用传感器融合的车辆主动避撞方法
US10339391B2 (en) Fusion-based wet road surface detection
Galvani History and future of driver assistance
US11104333B2 (en) Emergency braking system, emergency braking method and semitrailer
US9903945B2 (en) Vehicle motion estimation enhancement with radar data
US9555813B2 (en) Method and system for preventing instability in a vehicle-trailer combination
Yoon et al. Design and evaluation of a unified chassis control system for rollover prevention and vehicle stability improvement on a virtual test track
CN110884490B (zh) 一种车辆侵入判断及辅助行驶的方法、系统、车辆及存储介质
US10759416B1 (en) Independent control of vehicle wheels
US8233663B2 (en) Method for object formation
US10821981B1 (en) Independent control of vehicle wheels
US20210402984A1 (en) Independent control of vehicle wheels
CN110588623B (zh) 一种基于神经网络的大型汽车安全驾驶方法及系统
CN103350698A (zh) 用于运行车辆的方法和设备
US10488172B1 (en) Independent control of vehicle wheels
CN102303606A (zh) 基于本车所需减速度的危险评估方法
CN112896135B (zh) 车辆的控制方法、装置、车辆以及存储介质
Milanés et al. Vision-based active safety system for automatic stopping
US11663860B2 (en) Dynamic and variable learning by determining and using most-trustworthy inputs
Cabrera et al. A new collision warning system for lead vehicles in rear-end collisions
EP2261093A1 (en) Method and system for predictive yaw stability control for automobile
CN112074756A (zh) 用于运行车辆的超声波传感器的方法和设备
CN106585641A (zh) 一种基于多核处理器的智能行车预警系统架构
US20210263518A1 (en) Systems and methods for obstacle proximity detection
CN116118720A (zh) 一种基于车辆工况可变控制策略的aeb-p系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20201214

Address after: 211215 No. 368 zhe Ning Road, zhe Tang Town, Lishui District, Nanjing, Jiangsu

Patentee after: NANJING HONGKAI POWER SYSTEM TECHNOLOGY Co.,Ltd.

Address before: Zhenjiang City, Jiangsu Province, 212013 Jingkou District Road No. 301

Patentee before: JIANGSU University

TR01 Transfer of patent right