CN109910877B - Aebs智能识别障碍物的方法 - Google Patents
Aebs智能识别障碍物的方法 Download PDFInfo
- Publication number
- CN109910877B CN109910877B CN201910105538.1A CN201910105538A CN109910877B CN 109910877 B CN109910877 B CN 109910877B CN 201910105538 A CN201910105538 A CN 201910105538A CN 109910877 B CN109910877 B CN 109910877B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- obstacle
- speed
- factor
- current
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- FXNSVEQMUYPYJS-UHFFFAOYSA-N 4-(2-aminoethyl)benzenesulfonamide Chemical compound NCCC1=CC=C(S(N)(=O)=O)C=C1 FXNSVEQMUYPYJS-UHFFFAOYSA-N 0.000 title claims abstract 15
- 238000007563 acoustic spectroscopy Methods 0.000 title description 2
- 230000004888 barrier function Effects 0.000 claims abstract description 16
- 230000006870 function Effects 0.000 claims description 37
- 230000035484 reaction time Effects 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 10
- 230000003068 static effect Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 230000010355 oscillation Effects 0.000 claims description 8
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims description 6
- 230000035939 shock Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000003814 drug Substances 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 2
- 230000003534 oscillatory effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种AEBS智能识别障碍物的方法，该方法包括：利用AEBS上的感应器，在当前两帧的时间点上，分别测量距离自身车辆最近的障碍物的距离，得到距离自身车辆最近的障碍物对应的距离差；根据得到的距离自身车辆最近的障碍物的距离差，计算得到当前车辆与障碍物的相对车速；根据当前车辆对应的自身车辆系统，获取所述当前车辆行驶的绝对车速；将计算得到的所述相对车速与所述当前车辆的绝对车速进行比对，并根据所述相对车速与绝对车速的比对结果，判断出当前车辆距离最近的障碍物的状态；进而根据障碍物的状态采用与障碍物的状态相匹配的制动策略，提高AEBS自动制动的可靠性、安全性以及用户的驾乘体验感。
Description
技术领域
本发明涉及车辆辅助驾驶技术领域，特别涉及一种AEBS智能识别障碍物的方法。
背景技术
目前，各机动车辆上大部分都配置了AEBS，用于达到避免与其他车辆或者行人或者其他物体等产生碰撞的目的，或者减轻与其碰撞所可能导致的后果。其中，AEBS即Autonomous Emergency Braking System，自动紧急制动系统，是一个自主自动的道路车辆安全系统，通过感应器来监测前面车辆以及检测和目标车辆之间的相对速度和距离，同时也对车辆前后方的障碍物进行探测，经过一系列的内部程序运算，计算即将发生的情况。通常情况下，AEBS先进行报警，在驾驶员没有进行主动刹车的危险情况下，将刹车信号传递给AEBS控制系统，进行自动刹车，通过紧急制动可以自动避免碰撞或减轻其影响。在利用AEBS进行车辆制动时，当遇到危险需要急刹车的紧急情况下，若驾驶员未来得及反应启动减速，则该AEBS系统通常会自动对车辆进行直接制动，即控制车辆产生自动减速。因此，利用AEBS系统进行障碍物的智能识别则显得尤其重要。
发明内容
本发明提供一种AEBS智能识别障碍物的方法，用以利用AEBS智能识别车辆前方的障碍物为静止障碍物还是移动障碍物，进而根据障碍物的状态采用不同的制动策略。
本发明提供了一种AEBS智能识别障碍物的方法，所述AEBS智能识别障碍物的方法包括：
利用AEBS上的感应器，在当前两帧的时间点上，分别测量距离自身车辆最近的障碍物的距离，得到距离自身车辆最近的障碍物对应的距离差；
根据得到的距离自身车辆最近的障碍物的距离差，计算得到当前车辆与障碍物的相对车速；
根据当前车辆对应的自身车辆系统，获取所述当前车辆行驶的绝对车速；
将计算得到的所述相对车速与所述当前车辆的绝对车速进行比对，并根据所述相对车速与绝对车速的比对结果，判断出当前车辆距离最近的障碍物的状态。
进一步地，所述根据所述相对车速与绝对车速的比对结果，判断出当前车辆对应的前方障碍物的状态，包括：
若所述相对车速等于绝对车速的预设值，则判断出当前车辆对应的前方障碍物为：静止状态或者横向移动状态；
若所述相对车速不等于绝对车速的预设值，则判断出当前车辆对应的前方障碍物为移动状态。
进一步地，所述AEBS智能识别障碍物的方法还包括：
根据当前车辆距离最近的障碍物的状态，采用与所述距离最近的障碍物状态相匹配的不同的车辆制动策略。
进一步地，所述根据当前车辆距离最近的障碍物的状态，采用与所述距离最近的障碍物状态相匹配的不同的车辆制动策略，包括：
在当前这一帧对应的时间点上，利用AEBS上的感应器测量距离自身车辆最近的障碍物的距离，得到基准取值码c1；
判断所述基准取值码c1是否小于预设安全阈值N；
若c1小于N，则根据预设制动距离对比表，启动制动指令，执行车辆的制动操作；
若c1大于或者等于N，则继续执行车辆的监测操作。
进一步地，所述预设制动距离对比表包括：
在不同的车辆行驶速度下，针对不同的距离预先设置的不同的TTC或制动距离值；其中，所述TTC或制动距离的取值包括预设范围内的任一数值。
进一步地，所述设置不同的TTC或制动距离值，包括：
计算第p个人的反应时间函数Tp：
对于随时间的推移衰减或者增加的情况，通过调查各项因素数据，拟合出各项因素随时间变化的衰减或者增长函数，并将拟合得到的上述衰减或者增长函数代入反应时间函数Tp1，得到函数Tp1(t-ti)：
其中：Tp1(t-ti)代表因素随着时间变化的衰减或增长后的反应时间，ti代表第i项因素发生的起始时间，tj代表第j项因素发生的起始时间，t为当前时刻，Bi(t-ti)为第i项因素随着时间变化的衰减或增长函数，Bj(t-tj)为第j项因素随着时间变化的衰减或增长函数；
对函数Tp1关于t求其最大值Tp1(t-ti)max和最小值Tp1(t-ti)min，并研究随着时间的推移该因素发生震荡的情况；
将该因素随着时间变化的衰减或增长，与该因素随时间变化发生震荡进行综合后，与当前汽车速度相乘并加上制动距离最终得到TTC或制动距离的取值的预设范围为：
[V*(Tp1(t-ti)min+Tp2(t-ti)min)+S，V*(Tp1(t-ti)max+Tp2(t-ti)max)+S]
其中，V为当前速度，S为制动距离。
进一步地，所述若c1大于或者等于N，则继续执行车辆的监测操作，包括：
若c1大于或者等于N，则在第二帧对应的时间点上，利用AEBS上的感应器测量距离自身车辆最近的障碍物的距离，得到基准取值码c2；
若c2大于或者等于c1，则继续执行车辆的监测操作；
若c2小于c1，则计算c2与c1的差值，并在所述第二帧对应的时间点上，计算该车辆与距离最近的障碍物的相对车速，并将所述相对车速与该车辆的绝对车速进行比较。
进一步地，所述将所述相对车速与该车辆的绝对车速进行比较，包括：
在所述第二帧对应的时间点上，根据当前车辆对应的自身车辆系统，采集所述当前车辆行驶的绝对车速；
将计算得到的所述相对车速与绝对车速进行比对；
如果相对车速等绝对车速的预设值，则所述障碍物为静止或横向移动状态，反之，则所述障碍物为移动状态。
进一步地，所述将计算得到的所述相对车速与所述当前车辆的绝对车速进行比对，包括：
增加判断数据，多次采集并执行连续不断的、快速的相对车速与绝对车速的比对，以使得比对数据更加丰富以及比对结果更加准确。
进一步地，所述根据当前车辆距离最近的障碍物的状态，采用与所述距离最近的障碍物状态相匹配的不同的车辆制动策略，包括：
针对静止障碍物采用专用的紧急制动策略，确保在一定的标准范围内避免车辆与障碍物的碰撞；针对移动障碍物采用预设的其他制动策略，以便在保障避免碰撞的前提下，最大可能的提高驾乘体验感和舒适性。
本发明一种AEBS智能识别障碍物的方法可以达到如下有益效果：
利用AEBS上的感应器，在当前两帧的时间点上，分别测量距离自身车辆最近的障碍物的距离，得到距离自身车辆最近的障碍物对应的距离差；根据得到的距离自身车辆最近的障碍物的距离差，计算得到当前车辆与障碍物的相对车速；根据当前车辆对应的自身车辆系统，获取所述当前车辆行驶的绝对车速；将计算得到的所述相对车速与所述当前车辆的绝对车速进行比对，并根据所述相对车速与绝对车速的比对结果，判断出当前车辆距离最近的障碍物的状态；进而根据障碍物的状态采用与障碍物的状态相匹配的制动策略，提高AEBS自动制动的可靠性、安全性以及用户的驾乘体验感。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所指出的内容来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明AEBS智能识别障碍物的方法的一种实施方式的流程示意图；
图2是本发明AEBS智能识别障碍物的方法的另一种实施方式的流程示意图；
图3是本发明AEBS智能识别障碍物的方法中根据障碍物的状态采用该障碍物状态相匹配的车辆制动策略的一种实施方式的流程示意图；
图4是本发明AEBS智能识别障碍物的方法中采用车辆制动策略的另一种实施方式的流程示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明提供了一种AEBS智能识别障碍物的方法，用以利用AEBS智能识别车辆前方的障碍物为静止障碍物还是移动障碍物，进而根据障碍物的状态采用与障碍物的状态相匹配的制动策略，提高AEBS自动制动的可靠性、安全性以及用户的驾乘体验感。本发明实施例中所描述的车辆包括一切可以安装并正常运行AEBS的机动车辆，且AEBS的自动制动系统与车辆正常运行的机动系统相互隔离，这样一来，即使车辆正常运行的机动系统出现故障，该车辆上安装的AEBS自动制动系统仍然能够正常工作，进一步提高了车辆的安全性。
图1是本发明AEBS智能识别障碍物的方法的一种实施方式的流程示意图，如图1所示，本发明AEBS智能识别障碍物的方法在一个实施例中，可以实施为如下描述的步骤S10-S40：
步骤S10、利用AEBS上的感应器，在当前两帧的时间点上，分别测量距离自身车辆最近的障碍物的距离，得到距离自身车辆最近的障碍物对应的距离差；
本发明实施例中，AEBS上设置有测距仪、测速仪等感应器，用于实时监测车辆的运行情况，并采集包括车辆的车速、距离车辆自身最近的障碍物的距离等参数，利用AEBS上设置的感应器，分别在当前两个帧的时间点上，测量距离自身车辆最近的同一个障碍物的距离c1和c2，得到距离自身车辆最近的障碍物对应的距离差，即(c1-c2)。
步骤S20、根据得到的距离自身车辆最近的障碍物的距离差，计算得到当前车辆与障碍物的相对车速；
根据得到的上述距离自身车辆最近的障碍物的距离差(c1-c2)，计算得到当前车辆的相对车速Δv为：
Δv＝(c1-c2)/Δt；
其中，Δt为测量障碍物距离对应的两个帧之间的时间间隔。
步骤S30、根据当前车辆对应的自身车辆系统，获取所述当前车辆行驶的绝对车速；
步骤S40、将计算得到的所述相对车速与所述当前车辆的绝对车速进行比对，并根据所述相对车速与绝对车速的比对结果，判断出当前车辆距离最近的障碍物的状态。
根据当前车辆对应的自身车辆系统，获取该车辆在测量障碍物距离对应的两个帧的时间点上行驶时所采用的绝对速度v；将计算得到的该车辆对应的上述相对速度Δv与对应的绝对车速v进行比对，根据所述相对速度Δv与绝对车速v的比对结果，即可判断出距离当前车辆最近的障碍物的状态为移动状态还是静止状态；其中，本发明实施例中，利用图1所述的步骤S10-S40判断出的障碍物的状态中，静止状态包括绝对静止和相对横向移动，可以进一步根据该障碍物在上述测量对应的当前两帧的时间点上，同时获取自身车辆与该障碍物之间相对方向，若根据相对速度Δv与绝对车速v的比对结果判断出该障碍物为静止状态的同时，再判断该自身车辆与障碍物之间的相对方向是否发生变化，根据二者相对方向的是否发生变化，则即可判断出该障碍物是绝对静止还是相对自身车辆进行横向移动。
本发明实施例中，根据所述相对车速Δv与绝对车速v的比对结果，判断出当前车辆距离最近的障碍物的状态时，若所述相对车速等于绝对车速的预设值，即Δv＝n*v，则判断出当前车辆对应的前方障碍物为：静止状态或者横向移动状态；其中，n为正整数。进一步地，再判断当前车辆与前方障碍物之间的相对方向是否发生变化，若二者的相对方向发生变化，则判断出当前车辆对应的前方障碍物为横向移动状态；若二者的相对方向没有发生变化，则判断出当前车辆对应的前方障碍物为静止状态。若所述相对车速不等于绝对车速，即Δv≠n*v，则判断出当前车辆对应的前方障碍物为移动状态。
进一步地，如图2所示，图2是本发明AEBS智能识别障碍物的方法的另一种实施方式的流程示意图；基于图1所述实施例，当判断出距离当前车辆最近的障碍物的状态后，本发明AEBS智能识别障碍物的方法在图1所述的步骤S40之后，还可以实施如下描述的步骤S50：
步骤S50、根据当前车辆距离最近的障碍物的状态，采用与所述距离最近的障碍物状态相匹配的不同的车辆制动策略。
本发明实施例中，根据障碍物的不同状态，采用与障碍物状态相匹配的车辆制动策略。
进一步地，如图3所示，图3是本发明AEBS智能识别障碍物的方法中根据障碍物的状态采用该障碍物状态相匹配的车辆制动策略的一种实施方式的流程示意图；基于图1、图2所述实施例的描述，图2所述实施例中，步骤S50还可以实施为图3描述的步骤S51-S53：
步骤S51、在当前这一帧对应的时间点上，利用AEBS上的感应器测量距离自身车辆最近的障碍物的距离，得到基准取值码c1；
本发明实施例中，利用AEBS上设置的测距仪、测速仪等感应器，实时监测车辆的运行情况，并采集包括车辆的车速、距离车辆自身最近的障碍物的距离等参数，根据测量结果，得到对应的基准取值码c1。
步骤S52、判断所述基准取值码c1是否小于预设安全阈值N；若c1小于N，则执行步骤S53；若c1大于或者等于N，则返回执行步骤S51；
步骤S53、根据预设制动距离对比表，启动制动指令，执行车辆的制动操作；
根据得到的基准取值码c1，判断c1是否小于预先设置的安全阈值N。该安全阈值N为预先根据车型配置的安全距离，不同车型可能对应不同取值的预设安全阈值N。若c1小于安全阈值N，则根据预先配置的制动距离对比表，启动对应的制动指令，执行车辆的自动制动操作。若c1大于或者等于对应的安全阈值N，则继续执行车辆的监测操作。
本发明实施例中，所述预先配置的制动距离对比表为：预先根据海量的实验数据和经验值进行设置的制动距离与对应的制动策略对比表，该预设制动数据表中包含了：在不同的车辆行驶速度下，针对不同的相对距离所分别设置的不同的TTC或制动距离值，从而对应的不同的制动策略。其中，在一个实施例中，在预设车速和相对距离下，所述TTC或制动距离值也可以对应一个取值范围，比如TTC的取值在0.5～2.5之间，制动距离值在0.5～100之间。
进一步地，在本发明一应用场景中，所述TTC或制动距离的取值，可以通过以下计算方法确定。
要确定TTC或制动距离的取值预设范围，首先要分析此距离包括反应距离和实际制动距离，对于实际制动距离来说，一旦确定前提条件即为既定事实，所以，应根据反应距离来确定最终的制动距离。最能影响反应距离的因素是驾驶员的自身状况(比如患病，饮酒，吸毒，疲劳驾驶，正常驾驶、心情等)，并且各项因素之间也会存在相应的联系，另外，还存在一些不确定因素的影响(比如地面坑洼不平等)。
计算第p个人的反应时间Tp：
其中：Tp为第p个人的反应时间，
为第i项因素，n为第i项因素一共有n种，Ad(ki,kj)为第i项因素与第j项因素的关联程度，Qj为第i项因素与第j项因素的关联程度对第i项因素所造成的影响，Qi代表第i项因素对第p个人所造成的影响，σ为不确定因素，t为当前时刻。
对第i种情况，根据交通部所给出的数据进行分析，最终可以拟合出一个关于反应时间与第i种情况的表达式。但是随着时间的变化，第i种情况也会随之发生变化，可能会随着时间的推移发生衰减、增加、震荡等情况。因此，反应距离的范围应选取在这些情况下的最大值和最小值之间，从而确定TTC或制动距离取值的预设范围。
对于随着时间的推移衰减和增加的情况，通过调查各项因素数据(如调查吸毒者随着吸毒后随着时间的推移，反应灵敏度的变化)，从中拟合出各项因素随着时间变化的衰减或增长函数。首先抛除随时间变化函数发生震荡的因素，然后将这些衰减或增长函数代回到反应时间函数Tp中去，得到：
其中，Tp1(t-ti)代表因素随着时间变化的衰减或增长后的反应时间，ti代表第i项因素发生的起始时间，tj代表第j项因素发生的起始时间，t为当前时刻，Bi(t-ti)为第i项因素随着时间变化的衰减或增长函数，Bj(t-tj)为第j项因素随着时间变化的衰减或增长函数，[l，m]之间的数据是刨除随时间变化函数发生震荡的因素以外的，随时间变化衰减或增长的所有因素的集合。
对这项函数Tp1(t-ti)，关于t求其最大值Tp1(t-ti)max和最小值Tp1(t-ti)min，然后研究随着时间的推移该因素发生震荡的情况。
对于随着时间的推移该因素发生震荡的情况，我们可以对调查的数据进行拟合后，利用贝塞尔函数为基的广义傅里叶级数进行展开，最终展开成基波和一系列高次谐波的正弦函数，由于分析的是取值的预设范围，所以应选取这些波形里幅值最大项和最小项的作为研究目标。如下：
其中，Tp2(t-ti)代表所有因素随着时间变化的发生震荡后的反应时间，Fi max为第i项因素的震荡进行贝塞尔函数为基的广义傅里叶级数进行展开后的系数最大值，Fj max为第j项因素的震荡进行贝塞尔函数为基的广义傅里叶级数进行展开后的系数最大值，Di(t-ti)为第i项因素随时间变化的震荡函数，Dj(t-tj)为第j项因素随时间变化的震荡函数，J(t-ti)为第i项因素进行广义傅里叶级数进行展开后的基也就是第i项的贝塞尔函数，J(t-tj)第j项因素进行广义傅里叶级数进行展开后的基也就是第j项的贝塞尔函数，Fi min为第i项因素的震荡进行贝塞尔函数为基的广义傅里叶级数进行展开后的系数最小值，Fj min为第j项因素的震荡进行贝塞尔函数为基的广义傅里叶级数进行展开后的系数最小值，Tp2(t-ti)max为所有因素随着时间变化的发生震荡后的反应时间的最大值，Tp2(t-ti)min为所有因素随着时间变化的发生震荡后的反应时间的最小值。
将该因素随着时间变化的衰减或增长，与该因素随时间变化发生震荡进行综合，并有作保险考虑后，与当前汽车的行驶速度相乘并加上制动距离最终得到TTC或制动距离取值的预设范围为：
[V*(Tp1(t-ti)min+Tp2(t-ti)min)+S，V*(Tp1(t-ti)max+Tp2(t-ti)max)+S]
其中，V为当前速度，S为制动距离。
进一步地，如图4所示，在图3所述实施例中，若c1大于或者等于N，则继续执行车辆的监测操作，还可以实施为图4所述的步骤S11-S13：
步骤S11、若c1大于或者等于N，则在第二帧对应的时间点上，利用AEBS上的感应器测量距离自身车辆最近的障碍物的距离，得到基准取值码c2；
步骤S12、判断c2是否大于或者等于c1；若所述基准取值码c2大于或者等于c1，则继续执行车辆的监测操作，即执行如图3所述的“步骤S51、在当前这一帧对应的时间点上，利用AEBS上的感应器测量距离自身车辆最近的障碍物的距离，得到基准取值码c1”；若所述基准取值码c2小于c1，则执行步骤S13；
步骤S13、计算c2与c1的差值，并在所述第二帧对应的时间点上，计算该车辆与距离最近的障碍物的相对车速，并将所述相对车速与该车辆的绝对车速进行比较。
本发明实施例中，为了提高AEBS中感应器的测距精度，引入车辆行驶的绝对距离复核校对感应器的测距精度，进而通过对复核校对值的策略筛选，达到减少误码率、有效降低误制动率的有益效果。
在本发明实施例中，针对基准取值码c1大于或者等于预设安全阈值N的情况，在第二帧对应的时间点上，利用AEBS上的感应器测量距离自身车辆最近的障碍物的距离，得到基准取值码c2，通过判断基准取值码c2是否小于c1，来执行对应操作。若所述基准取值码c2大于或者等于c1，则返回执行图1所述的步骤S10，即返回执行车辆制动的测距操作。
若所述基准取值码c2小于c1，则计算c2与c1的差值，并在所述第二帧对应的时间点上，计算该车辆与距离最近的障碍物的相对车速，并将所述相对车速与该车辆的绝对车速进行比较。
进一步地，将所述相对车速与该车辆的绝对车速进行比较，包括：在所述第二帧对应的时间点上，根据当前车辆对应的自身车辆系统，采集所述当前车辆行驶的绝对车速；将计算得到的所述相对车速与绝对车速进行比对；如果相对车速等绝对车速的预定倍数，则所述障碍物为静止或横向移动状态，反之，则所述障碍物为移动状态。
在一个实施例中，为了使比对数据更加丰富以及比对结果更加准确，可以执行连续不断的、快速的相对车速与绝对车速的比对，从而使得判断数据不断增加，达到增加判断数据并使得判断结果更加准确的目的。
进一步地，在一个实施例中，所述根据当前车辆距离最近的障碍物的状态，采用与所述距离最近的障碍物状态相匹配的不同的车辆制动策略，包括：
针对静止障碍物采用专用的紧急制动策略，确保在一定的标准范围内避免车辆与障碍物的碰撞；针对移动障碍物采用预设的其他制动策略，从而使得在保障避免碰撞的前提下，最大可能的提高驾乘体验感和舒适性。
本发明AEBS智能识别障碍物的方法，利用AEBS上的感应器，在当前两帧的时间点上，分别测量距离自身车辆最近的障碍物的距离，得到距离自身车辆最近的障碍物对应的距离差；根据得到的距离自身车辆最近的障碍物的距离差，计算得到当前车辆与障碍物的相对车速；根据当前车辆对应的自身车辆系统，获取所述当前车辆行驶的绝对车速；将计算得到的所述相对车速与所述当前车辆的绝对车速进行比对，并根据所述相对车速与绝对车速的比对结果，判断出当前车辆距离最近的障碍物的状态；进而根据障碍物的状态采用与障碍物的状态相匹配的制动策略，提高AEBS自动制动的可靠性、安全性以及用户的驾乘体验感。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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 (7)
1.一种AEBS智能识别障碍物的方法，其特征在于，所述AEBS智能识别障碍物的方法包括：
利用AEBS上的感应器，在当前两帧的时间点上，分别测量距离自身车辆最近的障碍物的距离，得到距离自身车辆最近的障碍物对应的距离差；
根据得到的距离自身车辆最近的障碍物的距离差，计算得到当前车辆与障碍物的相对车速；
根据当前车辆对应的自身车辆系统，获取所述当前车辆行驶的绝对车速；
将计算得到的所述相对车速与所述当前车辆的绝对车速进行比对，并根据所述相对车速与绝对车速的比对结果，判断出当前车辆距离最近的障碍物的状态；
所述AEBS智能识别障碍物的方法还包括：
根据当前车辆距离最近的障碍物的状态，采用与所述距离最近的障碍物状态相匹配的不同的车辆制动策略；
所述根据当前车辆距离最近的障碍物的状态，采用与所述距离最近的障碍物状态相匹配的不同的车辆制动策略，包括：
在当前这一帧对应的时间点上，利用AEBS上的感应器测量距离自身车辆最近的障碍物的距离，得到基准取值码c1；
判断所述基准取值码c1是否小于预设安全阈值N；
若c1小于N，则根据预设制动距离对比表，启动制动指令，执行车辆的制动操作；
若c1大于或者等于N，则继续执行车辆的监测操作；
所述若c1大于或者等于N，则继续执行车辆的监测操作，包括：
若c1大于或者等于N，则在第二帧对应的时间点上，利用AEBS上的感应器测量距离自身车辆最近的障碍物的距离，得到基准取值码c2；
若c2大于或者等于c1，则继续执行车辆的监测操作；
若c2小于c1，则计算c2与c1的差值，并在所述第二帧对应的时间点上，计算该车辆与距离最近的障碍物的相对车速，并将所述相对车速与该车辆的绝对车速进行比较。
2.如权利要求1所述的AEBS智能识别障碍物的方法，其特征在于，所述根据所述相对车速与绝对车速的比对结果，判断出当前车辆对应的前方障碍物的状态，包括：
若所述相对车速等于绝对车速的预设值，则判断出当前车辆对应的前方障碍物为：静止状态或者横向移动状态；
若所述相对车速不等于绝对车速的预设值，则判断出当前车辆对应的前方障碍物为移动状态。
3.如权利要求1所述的AEBS智能识别障碍物的方法，其特征在于，所述预设制动距离对比表包括：
在不同的车辆行驶速度下，针对不同的距离预先设置的不同的TTC或制动距离值；其中，所述TTC或制动距离的取值包括预设范围内的任一数值。
4.如权利要求3所述的AEBS智能识别障碍物的方法，其特征在于，所述设置不同的TTC或制动距离值，包括：
计算第p个人的反应时间函数Tp：
对于随时间的推移衰减或者增加的情况，通过调查各项因素数据，拟合出各项因素随时间变化的衰减或者增长函数，并将拟合得到的上述衰减或者增长函数代入反应时间函数Tp1，得到函数Tp1(t-ti)：
其中：Tp1(t-ti)代表因素随着时间变化的衰减或增长后的反应时间，ti代表第i项因素发生的起始时间，tj代表第j项因素发生的起始时间，t为当前时刻，Bi(t-ti)为第i项因素随着时间变化的衰减或增长函数，Bj(t-tj)为第j项因素随着时间变化的衰减或增长函数；
对函数Tp1关于t求其最大值Tp1(t-ti)max和最小值Tp1(t-ti)min，并研究随着时间的推移该因素发生震荡的情况；
将该因素随着时间变化的衰减或增长，与该因素随时间变化发生震荡进行综合后，与当前汽车速度相乘并加上制动距离最终得到TTC或制动距离的取值的预设范围为：
[V*(Tp1(t-ti)min+Tp2(t-ti)min)+S，V*(Tp1(t-ti)max+Tp2(t-ti)max)+S]
其中，V为当前速度，S为制动距离。
5.如权利要求1所述的AEBS智能识别障碍物的方法，其特征在于，所述将所述相对车速与该车辆的绝对车速进行比较，包括：
在所述第二帧对应的时间点上，根据当前车辆对应的自身车辆系统，采集所述当前车辆行驶的绝对车速；
将计算得到的所述相对车速与绝对车速进行比对；
如果相对车速等绝对车速的预设值，则所述障碍物为静止或横向移动状态，反之，则所述障碍物为移动状态。
6.如权利要求1或2所述的AEBS智能识别障碍物的方法，其特征在于，所述将计算得到的所述相对车速与所述当前车辆的绝对车速进行比对，包括：
增加判断数据，多次采集并执行连续不断的、快速的相对车速与绝对车速的比对，以使得比对数据更加丰富以及比对结果更加准确。
7.如权利要求1所述的AEBS智能识别障碍物的方法，其特征在于，所述根据当前车辆距离最近的障碍物的状态，采用与所述距离最近的障碍物状态相匹配的不同的车辆制动策略，包括：
针对静止障碍物采用专用的紧急制动策略，确保在一定车速的标准范围内避免车辆与障碍物的碰撞；针对移动障碍物采用预设的其他制动策略，以便在保障避免碰撞的前提下，最大可能的提高驾乘体验感和舒适性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910105538.1A CN109910877B (zh) | 2019-02-01 | 2019-02-01 | Aebs智能识别障碍物的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910105538.1A CN109910877B (zh) | 2019-02-01 | 2019-02-01 | Aebs智能识别障碍物的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109910877A CN109910877A (zh) | 2019-06-21 |
| CN109910877B true CN109910877B (zh) | 2020-08-07 |
Family
ID=66961332
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910105538.1A Active CN109910877B (zh) | 2019-02-01 | 2019-02-01 | Aebs智能识别障碍物的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109910877B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110765970B (zh) * | 2019-10-31 | 2022-08-09 | 北京地平线机器人技术研发有限公司 | 最近障碍物的确定方法和装置、存储介质、电子设备 |
| CN115123129B (zh) * | 2022-07-01 | 2023-11-07 | 浙江极氪智能科技有限公司 | 行车安全保障方法、装置、设备及存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4811343B2 (ja) * | 2007-05-11 | 2011-11-09 | トヨタ自動車株式会社 | 物体検出装置 |
| CN102627100B (zh) * | 2012-04-16 | 2014-11-05 | 湖南大学 | 一种基于电液控制技术的汽车双制动系统及其制动方法 |
| US9187091B2 (en) * | 2012-07-30 | 2015-11-17 | Ford Global Technologies, Llc | Collision detection system with a plausibiity module |
| JP5918167B2 (ja) * | 2013-04-09 | 2016-05-18 | アイシン精機株式会社 | 車両挙動制御装置および車両挙動制御システム |
-
2019
- 2019-02-01 CN CN201910105538.1A patent/CN109910877B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109910877A (zh) | 2019-06-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106114422B (zh) | 自主跟车系统及其最小安全车间距的控制方法 | |
| CN106564494B (zh) | 用于控制具有自动驾驶系统的车辆的方法和系统 | |
| CN103863321B (zh) | 碰撞判断设备和防碰撞设备 | |
| CN111791889B (zh) | 用于驾驶机动车的控制系统和控制方法 | |
| US6150932A (en) | Vehicle operator alert process | |
| EP2172919B1 (en) | Vehicle travel track estimator | |
| US8521357B2 (en) | Impaired operation detection method | |
| US20150336579A1 (en) | Drive assist device and method, collision prediction device and method, and alerting device and method | |
| KR101690352B1 (ko) | 차량 충돌 모니터링 방법 | |
| US9975548B2 (en) | Vehicle driving situation determination apparatus and vehicle driving situation determination method | |
| US20160288798A1 (en) | Method for evaluating the behavior of a driver in a vehicle | |
| CN109677348A (zh) | 预碰撞控制装置以及预碰撞控制装置的控制方法 | |
| CN109910877B (zh) | Aebs智能识别障碍物的方法 | |
| CN109515433A (zh) | 车辆控制系统 | |
| CN104071157B (zh) | 车载设备 | |
| US6842684B1 (en) | Methods and apparatus for controlling a brake system | |
| JP4529394B2 (ja) | ドライバの車両運転特性推定装置 | |
| CN107848535B (zh) | 起步控制装置以及起步控制方法 | |
| US9159176B2 (en) | Vehicle identification apparatus and method | |
| US20210300132A1 (en) | Tire state estimation system and method utilizing a physics-based tire model | |
| CN109910876B (zh) | 一种aebs主控制方法 | |
| CN110962591B (zh) | 疲劳驾驶检测方法、装置、计算机设备和存储介质 | |
| US10272915B2 (en) | Driving support apparatus | |
| JP2000315300A (ja) | 車間距離警報装置 | |
| CN113335295A (zh) | 一种疲劳驾驶预警方法及装置 |
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 |