CN109747643A - 一种智能车辆感知系统的信息融合方法 - Google Patents

Abstract

本发明涉及一种智能车辆感知系统的信息融合方法，具体为一套智能车辆感知系统的信息融合控制方法，车辆感知系统包括安装于车头正前方的毫米波雷达，安装在毫米波雷达正上方的视觉传感器，前向安装的若干个超声波雷达，车辆左右侧安装的单线激光雷达。具体控制融合方法为首先判断超声波传感器是否探测到障碍物，有则不再处理毫米波和视觉传感器的信息，无则再处理毫米波和视觉传感器的信息；毫米波和视觉传感器若探测到相同障碍物，通过处理器融合处理上述两传感器信息，只有一个传感器探测到障碍物则只输出对应探测器的信息。本发明具有处理速度快，节省系统资源，可靠的有益效果，能够用于实现车道保持或无人驾驶等智能行车功能的开发与应用。

Description

一种智能车辆感知系统的信息融合方法

技术领域

本发明涉及一种智能车辆感知系统的信息融合方法，属于智能车辆领域。

背景技术

包括车道保持辅助、自适应巡航等在内的智能辅助驾驶，以及即将出现的自动驾驶或无人驾驶能够极大的方便人们出行，减少拥堵以及事故的发生，给人类生产生活带来极大便利。要想实现智能驾驶，需要通过传感器探测车辆周围环境，常采用的传感器包括视觉传感器、超声波传感器、毫米波雷达传感器和激光雷达传感器。智能辅助驾驶对环境感应的灵敏度和障碍物判断的速度要求非常的高，无人驾驶或自动驾驶的要求则更高，而目前，能够达到要求的车辆环境感知方案成本非常的高，较低成本的方案又难以达到智能驾驶对环境感知能力的要求，强行采用容易导致事故的发生，这些都对智能驾驶的发展和推广造成了一定的制约。

例如Google的智能车采用了64线激光雷达实现360度检测，再配合视觉传感器实现对周围环境的感知，64线激光雷达传感器成本高，导致这种方案短期内难以实现量产。公布号为CN205836663U的中国专利文件公开了一种低成本车辆周身感知系统，该方法基于毫米波雷达和超声波雷达实现车辆周围环境感知，但是由于毫米波对障碍物的感知无具体的方位信息和障碍物的尺寸信息，同时虚警和漏警较多，无法保障智能车辆的安全运行，难以实现车辆的自动驾驶或无人驾驶。公布号为CN205498864U的中国专利文件公开了一种低成本的信息融合系统，但是该方案只考虑车辆前向的障碍物，无法对车辆左右的障碍物进行精准定位，故无法进行自动驾驶的开发。

发明内容

本发明的目的是提供一种智能车辆感知系统的信息融合方法，用以解决现有车辆环境感知系统成本高或感知能力低，无法进行智能驾驶开发的问题。

为实现上述目的，本发明的方案包括：

本发明的一种智能车辆感知系统的信息融合方法，包括如下步骤：

1)处理器判断前向超声波雷达是否检测到障碍物信息；

2)若检测到，则直接输出所述超声波雷达检测到的障碍物信息；若未检测到，则再判断、处理和输出毫米波雷达传感器和/或视觉传感器检测到的障碍物信息。

进一步的，步骤2)中，判断、处理和输出过程包括：若所述毫米波雷达传感器和视觉传感器都检测到障碍物信息，则进一步判断是否为同一障碍物，若是同一障碍物，则融合处理对应障碍物信息并输出对应障碍物信息；若不是同一障碍物，则直接分别输出对应障碍物的信息；

进一步的，步骤2)中，判断、处理和输出过程还包括：若所述毫米波雷达传感器和视觉传感器中仅有一个传感器检测到障碍物信息，则直接输出对应障碍物的信息。

进一步的，所述融合处理对应障碍物信息的方法为，使用扩展型卡尔曼滤波对所述毫米波雷达传感器和视觉传感器的信息进行滤波处理，最终输出一个障碍物信息。

进一步的，步骤1)中，处理器还处理和输出车辆侧向探测用的激光雷达传感器的探测信息。

进一步的，所述处理车辆侧向探测用的激光雷达传感器的探测信息的方法包括：首先滤波，然后绘制点云数据栅格地图，最后聚类分析。

进一步的，处理器还通过所述视觉传感器采集和识别道路标线信息，用于车道识别。

进一步的，处理器还判断各传感器是否有故障，当有传感器出现故障时，报警并禁用包括车道保持、无人驾驶在内的智能行车功能。

本发明的有益效果为：

本发明的方案首先通过超声波雷达对车辆前方近距离的范围内进行探测，在发现障碍物的时候不再处理其他前向传感器发回的数据，直接输出超声波雷达探测到的障碍物信息供智能行车系统参考、计算和响应，大大加快了处理速度，节省了系统资源；在超声波雷达传感器无障碍物信息返回时，识别处理视觉传感器和毫米波雷达传感器返回的信息，在上述两传感器探测到相同障碍物时，则融合处理上述两传感器返回的同一障碍物的信息，输出准确的障碍物信息，障碍物信息包括运动轨迹、相对距离、相对速度、相对角度以及障碍物的长宽等，为车辆智能系统提供充足准确的环境感知信息，能够大大提高智能行车的安全性和可靠性。若视觉传感器和毫米波雷达传感器传回不同的环境感知信息，则不再进行信息融合处理，无论哪个传感器传回障碍物信息，都直接输出对应障碍物信息，最大程度不漏掉可能的障碍物的信号，保障基于本发明的环境感知的智能行车的安全性。同时还对侧向基于单线激光雷达传感器的探测，实现了车辆周身除车尾外的三个方向的全面探测覆盖，完成对车身周围环境的高精度感知，能够用于实现智能辅助驾驶及自动驾驶。且本发明的方法所采用的传感器等硬件降低了现有方案的成本，有助于包括无人驾驶在内的智能行车的实现、发展与普及。

附图说明

图1是一种智能车辆的感知系统布置简图；

图2是一种智能车辆的感知系统的探测区域图；

图3是一种智能车辆的感知系统的信息融合方案流程图。

具体实施方式

下面结合附图对本发明做进一步详细的说明。

如图1所示的本发明的一种智能车辆的感知系统布置简图，包括1个毫米波雷达传感器1、1个视觉传感器2、若干个超声波雷达传感器3、2个单线激光雷达传感器4；所述单线激光雷达传感器4的扫描范围为180度，其安装位置可以在车辆两个对应侧面的任意水平方向，纵向安装位置应依据激光雷达的安装要求进行。对于视觉传感器和毫米波雷达的安装位置需要进行精确的测量，一般将视觉传感器和毫米波雷达安装在车头正前方中心位置，目的是保证以车头为中心线左右两侧的角度相同，便于融合运算；若视觉传感器或毫米波雷达无法安装到车头正前方，则根据传感器安装的偏移位置，在融合计算过程中进行偏移运算。超声波雷达在车头前方采用在水平方向上均匀布置的方式，标准为扫描范围能够完全扫描覆盖车头正前方；车辆上设置信息融合系统，所述信息融合系统包括处理器，所述毫米波雷达传感器1、视觉传感器2、超声波雷达传感器3以及单线激光雷达传感器4与所述信息融合系统相连。

为实现对车辆除车尾外车身三个方向的环境探测全覆盖，车辆前方使用前向毫米波雷达传感器，实现对车辆前方的探测覆盖与障碍物检测。车辆前方除了毫米波雷达传感器外还搭配使用视觉传感器，视觉传感器对光照较为敏感，光照较弱的情况下依靠毫米波雷达探测和输出障碍物信息；但是光照正常的情况下，为防止漏警和出现虚警信息，使用视觉传感器对毫米波雷达的检测信息进行校正，同时视觉传感器还能实现车道偏离辅助报警和根据其传给信息融合系统的车道线信息，实现车辆横向控制并协助完成车道保持辅助。视觉传感器和毫米波雷达传感器的弱点在于无法对近距离障碍物(如车辆近距前方靠下或地面上的低矮障碍物)进行探测，为此车头前方安装超声波雷达传感器，用来弥补近距盲区，克服毫米波雷达传感器和视觉传感器无法探测的缺陷。车辆两侧安装低成本的单线激光雷达传感器，所安装的激光雷达能够扫描180度的范围。

如图2本发明的一种车辆感知系统的探测区域图所示，单线激光雷达传感器能够扫描车辆侧向前方区域41和42，视觉传感器和毫米波雷达传感器能够扫描车辆前方区域121，超声波雷达能够扫描车身前方区域31。从该示意图可以看出，本方案能够实现覆盖探测除车尾以外，车身前向和侧向的全部位置。

如图3所示的本发明的一种车辆感知系统的工作方法流程图，包括传感器所得信息的融合方案。

具体实施步骤如下：

首先，信息融合系统读取各传感器信息并进行自检，检测各传感器是否报出故障，若报出故障，通过仪表盘对应指示灯报警，并禁用辅助驾驶或者自动驾驶的功能。

若无故障，则进行环境探测感知以及传感器信息融合与处理，环境感知和信息处理包括两部分，一部分是车辆侧向探测与单线激光雷达传感器的信号处理。另一部分是车辆前向探测以及视觉传感器、毫米波雷达传感器和超声波雷达传感器的信息处理。

1)对于车辆侧向感知与单线激光雷达传感器的信号处理，首选对读入的点云数据进行滤波处理，一般选用中值滤波对点云数据进行处理，然后制作栅格地图，将滤波完成的点云填充到栅格地图，再进行点云的聚类分析，将得到的不同聚类的结果进行特征抽象，然后判断是什么障碍物，并根据障碍物在栅格的位置，确定掌握的具体信息，所述具体信息包括运动轨迹、相对距离、相对速度、相对角度以及障碍物的长宽尺寸等。

2)对于前向探测与感知的方法，由于超声波雷达只能判断近距大概三米以内的障碍物，故首先通过超声波雷达对车辆前方近距离的范围内进行探测，判断是否检测到车辆前方有障碍物，若超声波雷达检测到障碍物，则不再融合与处理毫米波雷达传感器和视觉传感器获取的探测信息，直接输出超声波雷达的探测结果。在超声波雷达传感器无障碍物信息返回时，相应处理器识别处理视觉传感器和毫米波雷达传感器返回的信息，通常情况下经分析发现在上述两传感器探测到相同障碍物时，则使用扩展型卡尔曼滤波对两者信息进行滤波处理，融合输出对应障碍物的信息，供车辆智能系统参考。若视觉传感器传回障碍物信息而毫米波雷达传感器未探测到障碍物信息；或者视觉传感器未探测到障碍物信息而毫米波雷达传感器返回障碍物信息；或者视觉传感器探测到障碍物信息、毫米波雷达传感器探测不同的障碍物信息；或者除了两传感器传回的同一障碍物的信息外，两者还传回了其他障碍物信息，则未被两传感器同时探测到的障碍物不再进行信息融合处理，无论哪个传感器传回的非同时探测到的障碍物信息，都直接输出对应障碍物的信息，将任何可能存在的障碍物的信号传递给车辆。

视觉传感器还同时对前向道路标线等进行识别和采集，将对应信号传递给车辆用于车道保持或偏离辅助。

Claims (8)

1.一种智能车辆感知系统的信息融合方法，其特征在于，包括如下步骤：

1)处理器判断前向超声波雷达是否检测到障碍物信息；

2)若检测到，则直接输出所述超声波雷达检测到的障碍物信息；若未检测到，则再判断、处理和输出毫米波雷达传感器和/或视觉传感器检测到的障碍物信息。

2.根据权利要求1所述的一种智能车辆感知系统的信息融合方法，其特征在于，步骤2)中，判断、处理和输出过程包括：若所述毫米波雷达传感器和视觉传感器都检测到障碍物信息，则进一步判断是否为同一障碍物，若是同一障碍物，则融合处理对应障碍物信息并输出对应障碍物信息；若不是同一障碍物，则直接分别输出对应障碍物的信息。

3.根据权利要求2所述的一种智能车辆感知系统的信息融合方法，其特征在于，步骤2)中，判断、处理和输出过程还包括：若所述毫米波雷达传感器和视觉传感器中仅有一个传感器检测到障碍物信息，则直接输出对应障碍物的信息。

4.根据权利要求2或3所述的一种智能车辆感知系统的信息融合方法，其特征在于，所述融合处理对应障碍物信息的方法为，使用扩展型卡尔曼滤波对所述毫米波雷达传感器和视觉传感器的信息进行滤波处理，最终输出一个障碍物信息。

5.根据权利要求4所述的一种智能车辆感知系统的信息融合方法，其特征在于，步骤1)中，处理器还处理和输出车辆侧向探测用的激光雷达传感器的探测信息。

6.根据权利要求5所述的一种智能车辆感知系统的信息融合方法，其特征在于，所述处理车辆侧向探测用的激光雷达传感器的探测信息的方法包括：首先滤波，然后绘制点云数据栅格地图，最后聚类分析。

7.根据权利要求1所述的一种智能车辆感知系统的信息融合方法，其特征在于，处理器还通过所述视觉传感器采集和识别道路标线信息，用于车道识别。

8.根据权利要求1所述的一种智能车辆感知系统的信息融合方法，其特征在于，处理器还判断各传感器是否有故障，当有传感器出现故障时，报警并禁用包括车道保持、无人驾驶在内的智能行车功能。