CN112810619A - 基于雷达的辅助驾驶系统前方目标车辆识别方法 - Google Patents
基于雷达的辅助驾驶系统前方目标车辆识别方法 Download PDFInfo
- Publication number
- CN112810619A CN112810619A CN202011506247.2A CN202011506247A CN112810619A CN 112810619 A CN112810619 A CN 112810619A CN 202011506247 A CN202011506247 A CN 202011506247A CN 112810619 A CN112810619 A CN 112810619A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target vehicle
- target
- radar
- calculating
- 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.)
- Pending
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
- 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
-
- 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
- B60W40/06—Road conditions
- B60W40/072—Curvature of the road
-
- 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
- B60W40/112—Roll movement
-
- 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
- B60W40/12—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 parameters of the vehicle itself, e.g. tyre models
- B60W40/13—Load or weight
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
- B60W40/12—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 parameters of the vehicle itself, e.g. tyre models
- B60W40/13—Load or weight
- B60W2040/1315—Location of the centre of gravity
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
- B60W2050/0052—Filtering, filters
-
- 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
- B60W2520/06—Direction of travel
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/12—Lateral 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
- B60W2520/14—Yaw
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了基于雷达的辅助驾驶系统前方目标车辆识别方法，包括以下步骤：本车状态估计；目标车状态估计；计算目标车相对本车预期行驶轨迹中线的横向偏移量。本发明通过卡尔曼滤波估计车辆状态和本车预期道路行驶轨迹的目标识别方法，从环境感知层面提升整个辅助驾驶系统的可靠性；整个目标车辆识别过程简单高效，参与的环节单元少，对光照条件和天气状况的适应性强；充分利用雷达观测到的信息比如目标的距离和方位角，估计目标车辆的状态包括横纵向速度和横摆角速度，可以有效减少对绿化带树木、道路交通标志等路旁静止物体的误报，从而使辅助驾驶功能的正常运行。
Description
技术领域
本发明涉及车辆辅助驾驶技术领域，具体是涉及基于雷达的辅助驾驶系统 前方目标车辆识别方法。
背景技术
随着经济的发展和人们生活水平的提高，汽车保有量与日俱增。有效增 加汽车驾驶的舒适性和安全性被认为是未来汽车行业发展的趋势。高级驾驶 辅助系统(AdvancedDriving Assistant System,ADAS)是一个主动安全功 能集成控制系统，利用雷达、摄像头等传感器采集汽车周边环境数据，进行 静态、动态物体的识别、跟踪，驾驶辅助系统对数据进行分析从而做出行为 决策，使驾驶者或自动驾驶车辆觉察可能发生的危险，必要情况下直接控制 车辆以避免碰撞，可有效提升驾驶安全性、舒适性。
一般认为，广义上的高级驾驶辅助系统包括导航与实时交通，电子警察， 车联网，自适应巡航，车道偏离预警，车道保持，前向碰撞预警，自动紧急 制动，夜视，自适应灯光控制，行人保护，自动泊车，盲点监测，驾驶员疲 劳监测等主要功能模块。从上述定义得知，汽车的环境感知能力尤其是目标 检测与跟踪能力对其实现高级驾驶辅助功能(特别是自适应巡航、前向碰撞 预警、自动紧急制动等)尤为关键重要。在已有的研究和应用中，最常见的 目标识别技术包括两种：基于视觉系统的目标识别技术，通过对摄像头所拍 摄的图像进行分析，进而确定前方车辆行驶的轨迹和位置，通过图像算法得 到两车的相对位置和速度；基于雷达系统的目标识别方法通过雷达接收波的 特征确定周围车辆的相对速度、相对位置等关键状态参数，进一步对状态参 数进行限定筛选出辅助驾驶功能需要的目标并进行识别跟踪。
基于视觉系统的目标识别方法可以通过图像特征提取对摄像头观测到的 物体进行匹配分类从而检测筛选出驾驶辅助功能需要的特定类型的目标(大 部分场景下是本车道内的车辆和行人)。这种方法存在一定的缺点，它容易受 到光照条件和天气状况的影响，而且测量距离较短，在车速较高时候不能满 足功能要求。目前基于毫米波雷达的目标识别技术在正常情况下能够独立、 连续观测汽车的距离和方位角，并且可以同时对多个目标车辆进行连续跟踪， 不断的跟新目标位置和方位信息，为辅助驾驶系统决策规划提供数据支持。 但是在诸如直道入弯道、弯道行驶、弯道入直道等复杂工况下，限于雷达自 身的目标检测原理，车辆会因为驾驶辅助系统识别不到前方目标而突然加速 严重威胁车辆的安全性。另一方面，单纯的基于雷达的目标识别技术无法区 分目标的属性特征，经常将道路两旁的树木、交通标志牌、建筑等误报为车 道内的车辆或者行人，严重影响驾驶舒适性并大大降低道路车流量。
辅助驾驶系统的性能很大程度上取决于目标识别的准确度，传统的纯粹 基于毫米波雷达的目标判别方法虽然可以实现一般工况下的准确目标识别， 但是实际道路情况复杂多变，错误的目标识别不仅会严重影响辅助驾驶系统 相关功能的实现，还可能给车辆驾驶安全带来严重威胁。
因此，需要提供一种基于雷达的辅助驾驶系统前方目标车辆识别方法， 解决上述问题。
发明内容
针对现有技术存在的不足，本发明实施例的目的在于提供一种基于雷达 的辅助驾驶系统前方目标车辆识别方法。
为实现上述目的，本发明提供如下技术方案：基于雷达的辅助驾驶系统 前方目标车辆识别方法，包括以下步骤：
步骤一、本车状态估计：从本车车身控制器读取特定的车身状态参数值， 建立三自由度汽车模型，输入本车运动状态参数，再从所述三自由度汽车模 型输出的汽车状态参数值中挑选出需要的横摆角速度和质心侧偏角，最后将 所述横摆角速度和质心侧偏角进行卡尔曼滤波，计算得到横摆角速度和质心 侧偏角的估计值并估计本车当前位置的瞬时曲率；
步骤二、目标车状态估计：利用雷达测量到目标车的运动信息数据，将 目标车的所述运动信息数据进行本车运动补偿；然后，通过建立目标状态估 计滤波器利用卡尔曼滤波估计目标车的运动状态信息，根据目标车的运动状 态信息计算得到目标车当前的道路曲率，利用目标车辆纵向速度vyi和横向速 度vxi，按照公式ψ＝arctan(vyi/vxi)计算目标车辆的航向角；
步骤三、计算目标车相对本车预期行驶轨迹中线的横向偏移量：计算目 标车相对于本车进行了路径角修正后的未来预期行驶轨迹中心线的横向偏移， 判断前方目标车当前时刻是否处于本车道内还是相邻车道内：若横向偏移大 于或等于半车道宽，则该前方目标不在本车道内，若横向偏移量小于半车道 宽而且距离本车最近，则该目标即为辅助驾驶系统中有效目标。
作为本发明进一步的方案，在步骤一中，从本车车身控制器读取特定的 所述车身状态参数值为读取本车的前轮转角值和电机扭矩值。
作为本发明进一步的方案，在步骤二中，利用本车雷达测量到目标车的 所述运动信息数据包括目标车的相对速度、相对距离和方位角。
作为本发明进一步的方案，在步骤二中，所述本车运动补偿的步骤为： 将本车的运动补偿分解为旋转补偿和平移补偿，先进行旋转补偿然后平移补 偿。
作为本发明进一步的方案，具体执行步骤为，将雷达在k时刻观测的数 据转换到k+1时刻本车坐标系中，在k时刻目标车在本车坐标系中的坐标为 (xk，yk)，本车的纵向速度为vy，横向速度为vx，横摆角速度为ω，在一个采样 周期T内转过的角度为φ＝ωT，对本车运动分别进行旋转补偿和平移补偿， 在一个周期内，旋转补偿以后的坐标为(xk’＝xcosφ+ysinφ，yk’-xsinφ+ycosφ)，接着进行平移补偿，将目标车辆 的坐标转换为(xk+1＝xk’-vxT，yk+1＝yk’-vyT)。在步骤二中，利用所述目标状态 估计滤波器卡尔曼滤波的步骤为：将进行了本车运动补偿后的目标车辆坐标 和纵横向速度作为输入值输入到所述目标状态估计滤波器中，经过计算得出 所述目标状态估计滤波器目标车辆坐标和纵横向速度估计值，在得到目标车 辆的纵横向速度估计值后，计算目标车辆航向角。
作为本发明进一步的方案，所述的计算目标车辆航向角的具体步骤为， 利用目标车辆纵向速度vyi和横向速度vxi，按照公式ψ＝arctan(vyi/vxi)计算。
作为本发明进一步的方案，在步骤三中，包括以下步骤：
道路曲率参数计算，由所述本车状态估计步骤可以得到本车当前时刻的 横摆角速度和纵向速度，按照公式c(xi)＝φi/vxi计算得到本车在Xi位置处 的道路曲率，其中φi表示横摆角速度，vxi表示纵向速度，取不同时刻的φi和vxi即可得到相应时刻的c(xi)，然后确定本车所在车道的道路曲率模型参 数；
路径角补偿，在确定本车未来预期行驶轨迹时，需要进行适当的修正，将 原来的预期行驶轨迹旋转η，η即为本车当前时刻的路径角；
目标车辆横向偏移量计算，目标车辆当前时刻的横向坐标与本车未来预 期行驶轨迹中心线的横向坐标差值即为目标车辆横向偏移量。
作为本发明进一步的方案，道路曲率参数计算具体为，道路模型采用回 旋曲线模型，模型的数学公式为c(x)＝c0+C1*x，参数c0和C1计算出道路特 征。
作为本发明进一步的方案，所述雷达为采用汽车驾驶辅助系统前方目标 识别的毫米波雷达。
综上所述，本发明实施例与现有技术相比具有以下有益效果：
本发明提出基于车载雷达测量目标车辆信息，通过卡尔曼滤波估计车辆 状态和本车预期道路行驶轨迹的辅助驾驶系统前方目标车辆识别方法，从环 境感知层面提升整个辅助驾驶系统的可靠性；整个目标车辆识别过程简单高 效，参与的环节单元少，对光照条件和天气状况的适应性强；充分利用雷达 观测到的信息比如目标的距离和方位角，估计目标车辆的状态包括横纵向速 度和横摆角速度，可以有效减少对绿化带树木、道路交通标志等路旁静止物 体的误报，从而使辅助驾驶功能正常运行；通过汽车横摆角速度和纵向速度 比值得到道路曲率的估计，更高效准确；以横向偏移量是否小于半车道宽判 断目标车辆是否与本车在下一时刻仍然处于同一车道，进而判断目标车辆是 否下一时刻辅助驾驶系统需要准确识别的目标，这大大简化了道路场景，使 之可以适应各种复杂多变的实际路况。
为更清楚地阐述本发明的结构特征和功效，下面结合附图与具体实施例 来对本发明进行详细说明。
附图说明
图1为发明实施例中基于雷达的辅助驾驶系统前方目标车辆识别方法的 流程示意图；
图2为发明实施例中本车状态估计过程示意图；
图3为发明实施例中目标车状态估计过程示意图；
图4为发明实施例中目标车相对本车预期行驶轨迹中线的横向偏移量的 计算方法示意图；
图5为发明实施例中道路曲线率参数计算得到目标车横向偏移量计算过 程示意图。
具体实施方式
下面结合附图和具体实施例对本发明的技术方案做进一步的说明。
参见图1～图5所述，基于雷达的辅助驾驶系统前方目标车辆识别方法， 包括以下步骤：
基于雷达的辅助驾驶系统前方目标车辆识别方法，包括以下步骤：
步骤一、本车状态估计：从本车车身控制器读取特定的车身状态参数值 δ，所述车身状态参数值为读取本车的前轮转角值和电机扭矩值，建立三自 由度汽车模型，输入本车运动状态参数(前轮转角值δ)，再从所述三自由度 汽车模型输出的汽车状态参数值中挑选出需要的横摆角速度ω和质心侧偏角 β，最后将所述横摆角速度和质心侧偏角进行扩展卡尔曼滤波，计算得到横 摆角速度和质心侧偏角的估计值并估计本车当前位置的瞬时曲率；
步骤二、目标车状态估计：利用雷达测量到目标车的运动信息数据，所 述运动信息数据包括目标车的相对速度、相对距离和方位角，将目标车的所 述运动信息数据进行本车运动补偿；然后，通过建立目标状态估计滤波器利 用卡尔曼滤波估计目标车的运动状态信息，根据目标车的运动状态信息计算 得到目标车当前的道路曲率，利用目标车辆纵向速度vyi和横向速度vxi，按照 公式ψ＝arctan(vyi/vxi)计算目标车辆的航向角；
步骤三、计算目标车相对本车预期行驶轨迹中线的横向偏移量：计算目 标车相对于本车进行了路径角修正后的未来预期行驶轨迹中心线的横向偏移， 判断前方目标车当前时刻是否处于本车道内还是相邻车道内：若横向偏移大 于或等于半车道宽，则该前方目标不在本车道内，若横向偏移量小于半车道 宽而且距离本车最近，则该目标即为辅助驾驶系统中有效目标。
在步骤二中，所述本车运动补偿的步骤为：将本车的运动补偿分解为旋 转补偿和平移补偿，先进行旋转补偿然后平移补偿。
作为本发明进一步的方案，具体执行步骤为，将雷达在k时刻观测的数 据转换到k+1时刻本车坐标系中，在k时刻目标车在本车坐标系中的坐标为 (xk，yk)，本车的纵向速度为vy，横向速度为vx，横摆角速度为ω，在一个采样 周期T内转过的角度为φ＝ωT，对本车运动分别进行旋转补偿和平移补偿， 在一个周期内，旋转补偿以后的坐标为 (xk’＝xcosφ+ysinφ，yk’＝-xsinφ+ycosφ)，接着进行平移补偿，将目标车辆 的坐标转换为(xk+1＝xk’-vxT，yk+1＝yk’-vyT)。将进行了本车运动补偿后的目标 车辆坐标和纵横向速度作为输入值输入到所述目标状态估计滤波器中，经过 计算得出所述目标状态估计滤波器目标车辆坐标和纵横向速度估计值，在得 到目标车辆的纵横向速度估计值后，计算目标车辆航向角。
所述的计算目标车辆航向角的具体步骤为，利用目标车辆纵向速度vyi和 横向速度vxi，按照公式ψ＝arctan(vyi/vxi)计算。
在步骤三中，包括以下步骤：
道路曲率参数计算，由所述本车状态估计步骤可以得到本车当前时刻的 横摆角速度和纵向速度，按照公式c(xi)＝φi/vxi计算得到本车在xi位置处 的道路曲率，其中φi表示横摆角速度，vxi表示纵向速度，取不同时刻的φi和vxi即可得到相应时刻的c(xi)，然后确定本车所在车道的道路曲率模型参 数；
路径角补偿，在确定本车未来预期行驶轨迹时，需要进行适当的修正，将 原来的预期行驶轨迹旋转η，η即为本车当前时刻的路径角；
目标车辆横向偏移量计算，目标车辆当前时刻的横向坐标与本车未来预 期行驶轨迹中心线的横向坐标差值即为目标车辆横向偏移量。
道路曲率参数计算具体为，道路模型采用回旋曲线模型，模型的数学公 式为c(x)＝c0+c1*x，参数c0和C1计算出道路特征。在较短的预瞄范围内将 一般道路简化为回旋曲线，道路模型公式为c(x)＝c0+c1*x，其中，c0表示 本车当前位置弯道曲率，C1表示曲率系数，即曲率随目标到本车的距离的变 化系数，x表示目标到本车的距离。在辅助驾驶系统的一个决策周期内取一系 列相隔同样时间间隔的时刻，计算不同时刻下不同位置本车车辆的c(xi)，基 于最小二乘法对曲线进行拟合，确定回旋曲线道路模型中的模型参数c0和C1。
所述雷达为采用汽车驾驶辅助系统前方目标识别的毫米波雷达。
具体实施例方法参考步骤可为：
首先，建立汽车三自由度运动模型来估计本车的运动状态，包括横摆角 速度和质心侧偏角。由本车的横摆角速度和速度可以得到本车当前位置的瞬 时曲率。
其次，基于毫米波雷达测量到目标车的距离和方位角数据，建立目标车 状态估计卡尔曼滤波器，估计目标车的侧向和纵向速度以及横摆角速度。根 据目标的横摆角速度和车速计算得到目标当前的道路曲率。然后，根据一定 的道路模型就可以确定本车未来的道路形状，并加以一定的修正，进而得到 下一时间段内本车预期行驶轨迹。
最后，计算得到本车预期行驶轨迹中心线与各个目标汽车的横向偏移。 如果横向偏移小于半车道宽，而且距离本车最近，则该目标即为辅助驾驶系 统中有效目标。
以上结合具体实施例描述了本发明的技术原理，仅是本发明的优选实施方 式。本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技 术方案均属于本发明的保护范围。本领域的技术人员不需要付出创造性的劳 动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护 范围之内。
Claims (10)
1.基于雷达的辅助驾驶系统前方目标车辆识别方法，其特征在于，包括以下步骤：
步骤一、本车状态估计：从本车车身控制器读取特定的车身状态参数值，建立三自由度汽车模型，输入本车运动状态参数，再从所述三自由度汽车模型输出的汽车状态参数值中挑选出需要的横摆角速度和质心侧偏角，最后将所述横摆角速度和质心侧偏角进行卡尔曼滤波，计算得到横摆角速度和质心侧偏角的估计值并估计本车当前位置的瞬时曲率；
步骤二、目标车状态估计：利用雷达测量到目标车的运动信息数据，将目标车的所述运动信息数据进行本车运动补偿；然后，通过建立目标状态估计滤波器利用卡尔曼滤波估计目标车的运动状态信息，根据目标车的运动状态信息计算得到目标车当前的道路曲率，利用目标车辆纵向速度vyi和横向速度vxi，按照公式ψ＝arctan(vyi/vxi)计算目标车辆的航向角；
步骤三、计算目标车相对本车预期行驶轨迹中线的横向偏移量：计算目标车相对于本车进行了路径角修正后的未来预期行驶轨迹中心线的横向偏移，判断前方目标车当前时刻是否处于本车道内还是相邻车道内：若横向偏移大于或等于半车道宽，则该前方目标不在本车道内，若横向偏移量小于半车道宽而且距离本车最近，则该目标即为辅助驾驶系统中有效目标。
2.根据权利要求1所述的基于雷达的辅助驾驶系统前方目标车辆识别方法，其特征在于，在步骤一中，从本车车身控制器读取特定的所述车身状态参数值为读取本车的前轮转角值和电机扭矩值。
3.根据权利要求1所述的基于雷达的辅助驾驶系统前方目标车辆识别方法，其特征在于，在步骤二中，利用本车雷达测量到目标车的所述运动信息数据包括目标车的相对速度、相对距离和方位角。
4.根据权利要求1所述的基于雷达的辅助驾驶系统前方目标车辆识别方法，其特征在于，在步骤二中，所述本车运动补偿的步骤为：将本车的运动补偿分解为旋转补偿和平移补偿，先进行旋转补偿然后平移补偿。
5.根据权利要求4所述的基于雷达的辅助驾驶系统前方目标车辆识别方法，其特征在于，具体执行步骤为，将雷达在k时刻观测的数据转换到k+1时刻本车坐标系中，在k时刻目标车在本车坐标系中的坐标为(xk，yk)，本车的纵向速度为vy，横向速度为vx，横摆角速度为ω，在一个采样周期T内转过的角度为φ＝ωT，对本车运动分别进行旋转补偿和平移补偿，在一个周期内，旋转补偿以后的坐标为(xk’＝xcosφ+ysinφ，yk’-xsinφ+ycosφ)，接着进行平移补偿，将目标车辆的坐标转换为(xk+1＝xk’-vxT，yk+1＝yk’-vyT)。
6.根据权利要求1所述的基于雷达的辅助驾驶系统前方目标车辆识别方法，其特征在于，在步骤二中，利用所述目标状态估计滤波器卡尔曼滤波的步骤为：将进行了本车运动补偿后的目标车辆坐标和纵横向速度作为输入值输入到所述目标状态估计滤波器中，经过计算得出所述目标状态估计滤波器目标车辆坐标和纵横向速度估计值，在得到目标车辆的纵横向速度估计值后，计算目标车辆航向角。
7.根据权利要求6所述的基于雷达的辅助驾驶系统前方目标车辆识别方法，其特征在于，所述的计算目标车辆航向角的具体步骤为，利用目标车辆纵向速度vyi和横向速度vxi，按照公式ψ＝arctan(vyi/vxi)计算。
8.根据权利要求1所述的基于雷达的辅助驾驶系统前方目标车辆识别方法，其特征在于，在步骤三中，包括以下步骤：
道路曲率参数计算，由所述本车状态估计步骤可以得到本车当前时刻的横摆角速度和纵向速度，按照公式c(xi)＝φi/vxi计算得到本车在Xi位置处的道路曲率，其中φi表示横摆角速度，Vxi表示纵向速度，取不同时刻的φi和Vxi即可得到相应时刻的c(xi)，然后确定本车所在车道的道路曲率模型参数；
路径角补偿，在确定本车未来预期行驶轨迹时，需要进行适当的修正，将原来的预期行驶轨迹旋转η，η即为本车当前时刻的路径角；
目标车辆横向偏移量计算，目标车辆当前时刻的横向坐标与本车未来预期行驶轨迹中心线的横向坐标差值即为目标车辆横向偏移量。
9.根据权利要求8所述的基于雷达的辅助驾驶系统前方目标车辆识别方法，其特征在于，道路曲率参数计算具体为，道路模型采用回旋曲线模型，模型的数学公式为c(x)＝c0+c1*x，参数c0和c1计算出道路特征。
10.根据权利要求1至9任意一项所述的基于雷达的辅助驾驶系统前方目标车辆识别方法，其特征在于，所述雷达为采用汽车驾驶辅助系统前方目标识别的毫米波雷达。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011506247.2A CN112810619A (zh) | 2020-12-18 | 2020-12-18 | 基于雷达的辅助驾驶系统前方目标车辆识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011506247.2A CN112810619A (zh) | 2020-12-18 | 2020-12-18 | 基于雷达的辅助驾驶系统前方目标车辆识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112810619A true CN112810619A (zh) | 2021-05-18 |
Family
ID=75853501
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011506247.2A Pending CN112810619A (zh) | 2020-12-18 | 2020-12-18 | 基于雷达的辅助驾驶系统前方目标车辆识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112810619A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113734198A (zh) * | 2021-09-03 | 2021-12-03 | 智己汽车科技有限公司 | 一种目标相对航向获取方法及设备 |
| CN114407902A (zh) * | 2022-01-19 | 2022-04-29 | 浙江大学 | 一种基于道路水层深度估计的驾驶决策的系统 |
| CN114877904A (zh) * | 2022-05-07 | 2022-08-09 | 广西睛智汽车技术有限公司 | 一种道路曲率的估计方法、测量装置和计算机设备 |
| CN115782926A (zh) * | 2022-12-29 | 2023-03-14 | 苏州市欧冶半导体有限公司 | 一种基于道路信息的车辆运动预测方法及装置 |
| 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 |
-
2020
- 2020-12-18 CN CN202011506247.2A patent/CN112810619A/zh active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113734198A (zh) * | 2021-09-03 | 2021-12-03 | 智己汽车科技有限公司 | 一种目标相对航向获取方法及设备 |
| CN114407902A (zh) * | 2022-01-19 | 2022-04-29 | 浙江大学 | 一种基于道路水层深度估计的驾驶决策的系统 |
| CN114407902B (zh) * | 2022-01-19 | 2023-11-28 | 浙江大学 | 一种基于道路水层深度估计的驾驶决策的系统 |
| CN114877904A (zh) * | 2022-05-07 | 2022-08-09 | 广西睛智汽车技术有限公司 | 一种道路曲率的估计方法、测量装置和计算机设备 |
| CN115782926A (zh) * | 2022-12-29 | 2023-03-14 | 苏州市欧冶半导体有限公司 | 一种基于道路信息的车辆运动预测方法及装置 |
| CN115782926B (zh) * | 2022-12-29 | 2023-12-22 | 苏州市欧冶半导体有限公司 | 一种基于道路信息的车辆运动预测方法及装置 |
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112810619A (zh) | 基于雷达的辅助驾驶系统前方目标车辆识别方法 | |
| CN105892471B (zh) | 汽车自动驾驶方法和装置 | |
| CN114312844B (zh) | 检测和响应警报 | |
| CN112700470B (zh) | 一种基于交通视频流的目标检测和轨迹提取方法 | |
| US20210326604A1 (en) | System and method for determining vehicle data set familiarity | |
| US11912286B2 (en) | Driving risk identification model calibration method and system | |
| CN111144432B (zh) | 在传感器融合系统中消除模糊检测的方法 | |
| CN109919074B (zh) | 一种基于视觉感知技术的车辆感知方法及装置 | |
| CN104290753A (zh) | 一种前方车辆运动状态追踪预测装置及其预测方法 | |
| JP4556794B2 (ja) | ナビゲーション装置 | |
| JP2003536096A (ja) | 追跡マップジェネレータ | |
| US10839263B2 (en) | System and method for evaluating a trained vehicle data set familiarity of a driver assitance system | |
| WO2019213982A1 (zh) | 基于最小作用量原理的驾驶人操控行为量化方法及装置 | |
| CN106569214A (zh) | 结合导航信息的自适应巡航车载雷达数据处理方法及系统 | |
| CN111016901A (zh) | 基于深度学习的智能驾驶决策方法及系统 | |
| CN110435541A (zh) | 一种基于视觉识别和测距的车辆变道预警方法和系统 | |
| CN111325187A (zh) | 一种车道位置的识别方法及装置 | |
| CN113313182B (zh) | 一种基于雷达和视频融合的目标识别方法及终端 | |
| Kanjee et al. | Vision-based adaptive cruise control using pattern matching | |
| CN113176562A (zh) | 多目标跟踪方法、装置、电子设备及可读存储介质 | |
| CN115471526A (zh) | 基于多源异构信息融合的自动驾驶目标检测与跟踪方法 | |
| US11698452B2 (en) | Target tracking during acceleration events | |
| Lai et al. | Sensor fusion of camera and MMW radar based on machine learning for vehicles | |
| Beresnev et al. | Automated Driving System based on Roadway and Traffic Conditions Monitoring. | |
| US20210124351A1 (en) | Onboard cluster tracking system |
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 |