CN113460064B - 一种前方目标车辆的识别方法、装置及电动汽车 - Google Patents

一种前方目标车辆的识别方法、装置及电动汽车 Download PDF

Info

Publication number
CN113460064B
CN113460064B CN202010240925.9A CN202010240925A CN113460064B CN 113460064 B CN113460064 B CN 113460064B CN 202010240925 A CN202010240925 A CN 202010240925A CN 113460064 B CN113460064 B CN 113460064B
Authority
CN
China
Prior art keywords
vehicle
sampling period
state information
acquired
target
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
CN202010240925.9A
Other languages
English (en)
Other versions
CN113460064A (zh
Inventor
魏守洋
王雪莹
张友焕
尹颖
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.)
Beijing Electric Vehicle Co Ltd
Original Assignee
Beijing Electric Vehicle Co Ltd
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 Beijing Electric Vehicle Co Ltd filed Critical Beijing Electric Vehicle Co Ltd
Priority to CN202010240925.9A priority Critical patent/CN113460064B/zh
Publication of CN113460064A publication Critical patent/CN113460064A/zh
Application granted granted Critical
Publication of CN113460064B publication Critical patent/CN113460064B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Electromagnetism (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种前方目标车辆的识别方法、装置及电动汽车，涉及电动汽车技术领域。该前方目标车辆的识别方法包括：获取雷达按照预设采样周期采集到的本车前方的各个物体的状态信息；根据第一采样周期和第二采样周期采集到的各个物体的状态信息，识别出与本车在相同车道内的目标物体，并设置所述目标物体在所述第二采样周期内的跟踪标志位为有效；将连续N个采样周期内的跟踪标志位均有效的目标物体作为候选车辆，并根据滑动窗口内所述候选车辆的有效的跟踪标志位的比例是否大于预设门限，从所述候选车辆中确定出有效车辆；从所述有效车辆中选择出与本车距离最近的车辆，作为目标车辆进行跟踪。本发明的方案实现了对前方目标车辆的有效识别和跟踪。

Description

一种前方目标车辆的识别方法、装置及电动汽车
技术领域
本发明属于电动汽车技术领域，尤其是涉及一种前方目标车辆的识别方法、装置及电动汽车。
背景技术
自动驾驶车辆可通过前向毫米波雷达实现对前方物体的监测。车辆在实际行驶过程中，毫米波雷达探测到的目标既包含同车道前方有效目标车辆，也包括旁车道车辆及路边的护栏、树木、路灯等干扰目标，因此为实现对前方目标车辆的稳定且有效的识别和跟踪，需设计毫米波雷达目标跟踪方法。
发明内容
本发明实施例的目的在于提供一种前方目标车辆的识别方法、装置及电动汽车，从而解决现有技术中有效识别和跟踪前方目标车辆的问题。
为了实现上述目的，本发明提供了一种前方目标车辆的识别方法，应用于车辆的智能驾驶系统控制器，包括：
获取雷达按照预设采样周期采集到的本车前方的各个物体的状态信息，所述状态信息包括：物体相对于本车的横向相对距离、纵向相对距离、横向相对速度纵向相对速度和方位角，其中，纵向是本车行驶方向，横向为与纵向垂直的方向；
根据第一采样周期和第二采样周期采集到的各个物体的状态信息，识别出与本车在相同车道内的目标物体，并设置所述目标物体在所述第二采样周期内的跟踪标志位为有效，其中，所述第一采样周期和第二采样周期为相邻采样周期；
将连续N个采样周期内的跟踪标志位均有效的目标物体作为候选车辆，并根据滑动窗口内所述候选车辆的有效的跟踪标志位的比例是否大于预设门限，从所述候选车辆中确定出有效车辆，其中，所述滑动窗口为包括有当前采样周期在内的连续M个周期；
从所述有效车辆中选择出与本车距离最近的车辆，作为目标车辆进行跟踪。
可选地，根据第一采样周期和第二采样周期采集到的各个物体的状态信息，识别出与本车在相同车道内的目标物体，并设置所述目标物体在所述第二采样周期内的跟踪标志位为有效的步骤包括：
将第n个采样周期采集到的所述横向相对距离处于第一预设距离范围内的物体，确定为与本车在相同车道内的目标物体；
根据第n个采样周期采集到的状态信息，计算得到第n+1个采样周期的预测状态信息；
获取第n+1个采样周期的预测状态信息与第n+1个采样周期采集到的状态信息的比较结果，在所述比较结果小于或等于判定阈值使，设置所述目标物体在所述第n+1个采样周期内的跟踪标志位为有效。
可选地，在根据第一采样周期和第二采样周期采集到的各个物体的状态信息，识别出与本车在相同车道内的目标物体之前，所述方法还包括：
根据所述雷达采集到的所述物体相对于本车的方位角和横向相对速度，获取所述物体相对于本车是否处于弯道行驶的判断结果；
在所述判断结果为所述物体处于所述弯道行驶时，对所述物体的状态信息进行弯道补偿，获得更新后的状态信息。
可选地，根据所述雷达采集到的所述物体相对于本车的方位角和横向相对速度，获取所述物体相对于本车是否处于弯道行驶的判断结果的步骤，包括：
以一个采样周期获得所述物体相对于本车的方位角和横向相对速度作为一个状态点的坐标，对多个连续采样周期获得多个状态点进行拟合，得到所述物体进出弯道的回归方程，所述回归方程包括有多个拟合系数；
对所述回归方程进行拟合优度检验，计算得到对应的全相关系数；以及，基于所述回归方程的拟合系数，设置拟合优度的附加判定条件；
在所述物体的连续n个采样周期的状态点均使得所述全相关系数和所述附加判定条件满足对应门限时，判定所述物体相对于本车处于弯道行驶的状态。
可选地，根据所述物体的状态信息进行弯道补偿，获得更新后的状态信息的步骤，包括：
将所述物体和本车所处路段的曲率视为相同，以所述物体在弯道上与本车形成的圆心角为基准，利用基准圆心角准则，对所述物体的位置进行补偿。
本发明提供了一种前方目标车辆的识别装置，应用于车辆的智能驾驶系统控制器，包括：
获取模块，用于获取雷达按照预设采样周期采集到的本车前方的各个物体的状态信息，所述状态信息包括：物体相对于本车的横向相对距离、纵向相对距离、横向相对速度、纵向相对速度和方位角，其中，纵向是本车行驶方向，横向为与纵向垂直的方向；
第一识别模块，用于根据第一采样周期和第二采样周期采集到的各个物体的状态信息，识别出与本车在相同车道内的目标物体，并设置所述目标物体在所述第二采样周期内的跟踪标志位为有效，其中，所述第一采样周期和第二采样周期为相邻采样周期；
第二识别模块，用于将连续N个采样周期内的跟踪标志位均有效的目标物体作为候选车辆，并根据滑动窗口内所述候选车辆的有效的跟踪标志位的比例是否大于预设门限，从所述候选车辆中确定出有效车辆，其中，所述滑动窗口为包括有当前采样周期在内的连续M个周期；
选择模块，用于从所述有效车辆中选择出与本车距离最近的车辆，作为目标车辆进行跟踪。
可选地，在根据第一采样周期和第二采样周期采集到的各个物体的状态信息，识别出与本车在相同车道内的目标物体之前，所述装置还包括：
判断模块，用于根据所述雷达采集到的所述物体相对于本车的方位角和横向相对速度，获取所述物体相对于本车是否处于弯道行驶的判断结果；
更新模块，用于在所述判断结果为所述物体处于所述弯道行驶时，对所述物体的状态信息进行弯道补偿，获得更新后的状态信息。
可选地，所述更新模块具体用于：
将所述物体和本车所处路段的曲率视为相同，以所述物体在弯道上与本车形成的圆心角为基准，利用基准圆心角准则，对所述物体的位置进行补偿。
本发明提供了一种电动汽车，包括智能驾驶系统控制器和雷达，还包括如上所述的前方目标车辆的识别装置。
本发明还提供了一种电动汽车，包括智能驾驶系统控制器和雷达，还包括存储在所述智能驾驶系统控制器和所述雷达上并可在所述智能驾驶系统控制器和所述雷达上运行的计算机程序，所述计算机程序被所述智能驾驶系统控制器和所述雷达执行时实现如上所述的前方目标车辆的识别方法中的步骤。
本发明的上述技术方案至少具有如下有益效果：
上述方案中，方目标车辆的识别方法，应用于车辆的智能驾驶系统控制器，包括：获取雷达按照预设采样周期采集到的本车前方的各个物体的状态信息，所述状态信息包括：物体相对于本车的横向相对距离、纵向相对距离、横向相对速度、纵向相对速度和方位角，其中，纵向是本车行驶方向，横向为与纵向垂直的方向；根据第一采样周期和第二采样周期采集到的各个物体的状态信息，识别出与本车在相同车道内的目标物体，并设置所述目标物体在所述第二采样周期内的跟踪标志位为有效，其中，所述第一采样周期和第二采样周期为相邻采样周期；将连续N个采样周期内的跟踪标志位均有效的目标物体作为候选车辆，并根据滑动窗口内所述候选车辆的有效的跟踪标志位的比例是否大于预设门限，从所述候选车辆中确定出有效车辆，其中，所述滑动窗口为包括有当前采样周期在内的连续M个周期；从所述有效车辆中选择出与本车距离最近的车辆，作为目标车辆进行跟踪。本发明的方案实现了对前方目标车辆稳定且有效的识别和跟踪。
附图说明
图1为本发明实施例的前方目标车辆的识别方法的流程图；
图2为本发明实施例的前方目标车辆的识别方法的雷达监测区域示意图；
图3为本发明实施例的前方目标车辆的识别方法的滑动窗口检测示意图；
图4位本发明实施例的前方目标车辆的识别方法的弯道补偿示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
本发明实施例针对现有技术中前目标方车辆有效识别和跟踪的问题，提供了一种前方目标车辆的识别方法、装置及电动汽车。
如图1所示，本发明的一实施例提供了一种方法，前方目标车辆的识别方法，应用于车辆的智能驾驶系统控制器，包括：
步骤S11，获取雷达按照预设采样周期采集到的本车前方的各个物体的状态信息，所述状态信息包括：物体相对于本车的横向相对距离、纵向相对距离、横向相对速度、纵向相对速度和方位角，其中，纵向是本车行驶方向，横向为与纵向垂直的方向；
步骤S12，根据第一采样周期和第二采样周期采集到的各个物体的状态信息，识别出与本车在相同车道内的目标物体，并设置所述目标物体在所述第二采样周期内的跟踪标志位为有效，其中，所述第一采样周期和第二采样周期为相邻采样周期；
步骤S13，将连续N个采样周期内的跟踪标志位均有效的目标物体作为候选车辆，并根据滑动窗口内所述候选车辆的有效的跟踪标志位的比例是否大于预设门限，从所述候选车辆中确定出有效车辆，其中，所述滑动窗口为包括有当前采样周期在内的连续M个周期；
步骤S14，从所述有效车辆中选择出与本车距离最近的车辆，作为目标车辆进行跟踪。
本发明的该实施例中，所述雷达为车辆前向的毫米波雷达。自动驾驶车辆可通过前向毫米波雷达实现对前方目标的监测。车辆在实际行驶过程中，毫米波雷达探测到的目标既包含同车道前方有效目标车辆，也包括旁车道车辆及路边的护栏、树木、路灯等干扰目标，因此为实现对前方目标车辆的稳定、有效识别和跟踪，需设计毫米波雷达目标跟踪方法。
本发明一可选的实施例中，步骤S12，根据第一采样周期和第二采样周期采集到的各个物体的状态信息，识别出与本车在相同车道内的目标物体，并设置所述目标物体在所述第二采样周期内的跟踪标志位为有效的步骤包括：
将第n个采样周期采集到的所述横向相对距离处于第一预设距离范围内的物体，确定为与本车在相同车道内的目标物体；
根据公式计算得到第n+1个采样周期的预测状态信息，其中，Tr为所述每个采样周期的周期时长，dxrn、dyrn、vxrn以及vyrn分别为第n个采样周期采集到的所述纵向相对距离、所述横向相对距离、所述纵向相对速度以及所述横向相对速度，d′xr(n+1)、d′yr(n+1)、v′xr(n+1)以及v′yr(n+1)分别为第n+1个采样周期的预测所述纵向相对距离、所述横向相对距离、所述纵向相对速度以及所述横向相对速度；
获取第n+1个采样周期的预测状态信息与第n+1个采样周期采集到的状态信息的比较结果，在所述比较结果满足公式时，设置所述目标物体在所述第n+1个采样周期内的跟踪标志位为有效，其中，dxr(n+1)、dyr(n+1)、vxr(n+1)以及vyr(n+1)分别为第n+1个采样周期的所述雷达采集到的所述纵向相对距离、所述横向相对距离、所述纵向相对速度以及所述横向相对速度，Kdx、Kdy、Kvx以及Kvy分别为所述纵向相对距离、所述横向相对距离、所述纵向相对速度以及所述横向相对速度对应的判定阈值。
本发明的该实施例中，如图2所示，根据我国车道宽度标准，将雷达的有效检测区域设置为本车前方ar为80m，左右侧br为4.5m的区域，其中车道宽度设为将第n个采样周期采集到的所述横向相对距离dyrn处于第一预设距离范围内的物体，确定为与本车在相同车道内的目标物体，对目标物体进行保留并进入后续识别和跟踪方法，其中，所述第一预设范围为[-1.5 1.5]m。
需要说明的是，当第n个采样周期雷达采集到物体的横向相对距离dyrn处于(-4.5-1.5)m，或(1.5 4.5)m范围内时，且vxrn≤0，说明雷达检测到的是路边或旁车道内静止或与主车相向运动的目标，因此予以滤除。
为了确保识别目标物体的历史一致性，根据上一个采样周期目标物体的状态预测计算当前周期目标物体的状态，计算式为：
对目标物体的预测状态与雷达测量的实际状态按照下式进行比较：
如果式(2)成立，则将该目标物体视为跟踪目标，在算法代码中将其跟踪标志设置为有效，可选记为“1”。
步骤S13，将连续N个采样周期内的跟踪标志位均有效的目标物体作为候选车辆，并根据滑动窗口内所述候选车辆的有效的跟踪标志位的比例是否大于预设门限，从所述候选车辆中确定出有效车辆的步骤包括：
可选连续三个周期内的跟踪标志位均为“1”的目标车辆视为可能真实存在的环境车辆，并将其作为候选车辆，对候选车辆按照滑动窗口检测方法做进一步判定，如图3所示，其中滑动窗口包括当前N个采样周期在内的共M个周期，图中n和m为雷达采样周期序号，下方为跟踪标志位的值。采样窗口长度设为s，那么在当前采样周期m时刻，统计采样窗口内该目标车辆的跟踪标志位为“1”的个数q，如果则认为该目标车辆为有效车辆；如果检测到有效目标/>则该目标车辆退回候选车辆状态。经实车实验推荐选取s为10，Kw为0.7，即雷达采集连续10个周期的车辆信息，如果连续7个周期目标标志位均有效，则视为有效车辆。
本发明一可选的实施例中，在根据第一采样周期和第二采样周期采集到的各个物体的状态信息，识别出与本车在相同车道内的目标物体之前，所述方法还包括：
根据所述雷达采集到的所述物体相对于本车的方位角和横向相对速度，获取所述物体相对于本车是否处于弯道行驶的判断结果；
在所述判断结果为所述物体处于所述弯道行驶时，对所述物体的状态信息进行弯道补偿，获得更新后的状态信息。
具体地，根据所述雷达采集到的所述物体相对于本车的方位角和横向相对速度，获取所述物体相对于本车是否处于弯道行驶的判断结果的步骤，包括：
以一个采样周期获得所述物体相对于本车的方位角和横向相对速度作为一个状态点的坐标，对多个连续采样周期获得多个状态点进行拟合，得到所述物体进出弯道的回归方程，所述回归方程包括有多个拟合系数；
对所述回归方程进行拟合优度检验，计算得到对应的全相关系数；以及，基于所述回归方程的拟合系数，设置拟合优度的附加判定条件；
在所述物体的连续n个采样周期的状态点均使得所述全相关系数和所述附加判定条件满足对应门限时，判定所述物体相对于本车处于弯道行驶的状态。
本发明的该实施例中，当物体进入弯道而主车仍处于直道中，或者物体驶出弯道而主车仍行驶在弯道中时，物体相对于本车的方位角及横向速度满足以下方程：
式中，系数z0，z1和z2的物理意义为：
式中，dr为所述物体与本车的相对距离、RT为所述物体所在车道的道路半径、vx为本车纵向速度以及RH为本车所在车道的道路半径。
使用最小二乘法，获取n个连续采样周期的所述物体的状态点(θr(i)，vyr(i))，并以方程(3)进行拟合，得到拟合系数以及/>并确定所述物体的弯道行驶回归方程：
对所述回归方程(7)采用相关系数法进行拟合优度检验，其对应的全相关系数表达式为：
其中，通过所述回归方程(7)计算，θri为n个连续周期内所述雷达采集到的第i个方位角，/>为θri的平均值。可选n＝20，确定95％置信度的判断条件为：
rθ>r0.05,17＝0.456 (9)
另外，结合式(4)-(6)，增加所述回归方程(7)具有高拟合优度的判断条件为：
式中，cv为所述附加判断条件的对应门限，其值越小，所述附加判定条件越严格，当所述雷达采集到n个连续周期的物体的状态点(θr(i)，vyr(i))满足式(9)和式(10)时，判定所述物体相对于本车处于弯道行驶的状态。
进一步地，根据所述物体的状态信息进行弯道补偿，获得更新后的状态信息的步骤，包括：
将所述物体和本车所处路段的曲率视为相同，以所述物体在弯道上与本车形成的圆心角为基准，利用基准圆心角准则，对所述物体的位置进行补偿。
本发明的该实施例中，当本车和所述物体处于弯道行驶过程中，需要对所述物体的纵向和横向相对距离进行补偿，以消除道路曲率的影响，避免将弯道外侧车道的车辆误认为同车道目标。弯道目标位置补偿算法基于基准圆心角准则，即假设两车所处路段曲率相等，以所述物体在弯道上与本车形成的圆心角为基准对相应目标的位置进行补偿，如图4所示。
在忽略本车的质心侧偏角及内外侧转向轮转角的差异，且转向轮转角较小时，确定主车的原始转向R0半径为：
确定本车的原始转向半径R0，其中，Lb为本车的轴距，δ为本车的车辆转角。
根据车辆在前轮角阶跃输入下的稳态响应，确定本车在一定速度下的实际转向半径R为：
其中，K为本车的稳定性因素，vx为本车纵向速度。
图4中，本车行驶在车道C上，旁边车道前方车辆出现在位置D，其与本车的车道圆心角的计算公式为：
其中，为所述车道圆心角的二分之一，L为本车的所述雷达的安装位置与后轴的纵向水平距离。
与旁车道D点处所述物体对应同一圆心角的本车道轴线位于E点，该点和本车横向距离df的计算式为：
获取D点处所述物体与本车的横向距离，记为drsinθr，确定df与drsinθr的比较结果，其中，dr为所述物体与本车的相对距离，θr为所述物体相对于本车的方位角；
在drsinθr-df＝0时，确定所述物体正行驶于所述车道圆心角对应的本车轴线的行驶路线，即为图4中的弧AC。；
在drsinθr-df>0时，确定所述物体正行驶于所述车道圆心角对应的本车轴线的右侧行驶路线；
在drsinθr-df<0时，确定所述物体正行驶于所述车道圆心角对应的本车轴线的左侧行驶路线。
进一步地，可以对所述物体的位置进行补偿，确定所述物体相对于本车的横向相对距离的计算式为：
即为图4中的线段ED。
所述物体相对于本车的纵向相对距离的计算式为：
即为图4中的线段DG。
根据我国车道宽度标准，将雷达的有效检测区域设置为本车前方ar为80m，左右侧br为4.5m的区域，其中车道宽度为所以当/>时，确定所述物体正行驶于本车的旁车道；当/>时，确定所述物体正行驶于本车车道；当dxr≤ar时，所述物体处于雷达纵向有效检测区域内，从而获得更新后的所述物体的状态信息。
本发明的一实施例提供一种前方目标车辆的识别装置，应用于车辆的智能驾驶系统控制器，包括：
获取模块，用于获取雷达按照预设采样周期采集到的本车前方的各个物体的状态信息，所述状态信息包括：物体相对于本车的横向相对距离、纵向相对距离、横向相对速度、纵向相对速度和方位角，其中，纵向是本车行驶方向，横向为与纵向垂直的方向；
第一识别模块，用于根据第一采样周期和第二采样周期采集到的各个物体的状态信息，识别出与本车在相同车道内的目标物体，并设置所述目标物体在所述第二采样周期内的跟踪标志位为有效，其中，所述第一采样周期和第二采样周期为相邻采样周期；
第二识别模块，用于将连续N个采样周期内的跟踪标志位均有效的目标物体作为候选车辆，并根据滑动窗口内所述候选车辆的有效的跟踪标志位的比例是否大于预设门限，从所述候选车辆中确定出有效车辆，其中，所述滑动窗口为包括当前N个连续采样周期在内的连续M个周期；
选择模块，用于从所述有效车辆中选择出与本车距离最近的车辆，作为目标车辆进行跟踪。
进一步地，所述第一识别模块具体用于：
将第n个采样周期采集到的所述横向相对距离处于第一预设距离范围内的物体，确定为与本车在相同车道内的目标物体；
根据公式计算得到第n+1个采样周期的预测状态信息，其中，Tr为所述每个采样周期的周期时长，dxrn、dyrn、vxrn以及vyrn分别为第n个采样周期采集到的所述纵向相对距离、所述横向相对距离、所述纵向相对速度以及所述横向相对速度，d′xr(n+1)、d′yr(n+1)、v′xr(n+1)以及v′yr(n+1)分别为第n+1个采样周期的预测所述纵向相对距离、所述横向相对距离、所述纵向相对速度以及所述横向相对速度；
获取第n+1个周期的预测状态信息与第n+1个采样周期采集到的状态信息的比较结果，在所述比较结果满足公式时，设置所述目标物体在所述第n+1个采样周期内的跟踪标志位为有效，其中，dxr(n+1)、dyr(n+1)、vxr(n+1)以及vyr(n+1)分别为第n+1个周期的所述雷达采集到的所述纵向相对距离、所述横向相对距离、所述纵向相对速度以及所述横向相对速度，Kdx、Kdy、Kvx以及Kvy分别为所述纵向相对距离、所述横向相对距离、所述纵向相对速度以及所述横向相对速度对应的所述判定阈值。
可选地，在根据第一采样周期和第二采样周期采集到的各个物体的状态信息，识别出与本车在相同车道内的目标物体之前，所述装置还包括：
判断模块，用于根据所述雷达采集到的所述物体相对于本车的方位角和横向相对速度，获取所述物体相对于本车是否处于弯道行驶的判断结果；
更新模块，用于在所述判断结果为所述物体处于所述弯道行驶时，对所述物体的状态信息进行弯道补偿，获得更新后的状态信息。
所述判断模块具体用于：
以一个采样周期获得所述物体相对于本车的方位角和横向相对速度作为一个状态点的坐标，对多个连续采样周期获得多个状态点进行拟合，得到所述物体进出弯道的回归方程，所述回归方程包括有多个拟合系数；
对所述回归方程进行拟合优度检验，计算得到对应的全相关系数；以及，基于所述回归方程的拟合系数，设置拟合优度的附加判定条件；
在所述物体的连续n个采样周期的状态点均使得所述全相关系数和所述附加判定条件满足对应门限时，判定所述物体相对于本车处于弯道行驶的状态。
更进一步地，所述更新模块具体用于：
将所述物体和本车所处路段的曲率视为相同，以所述物体在弯道上与本车形成的圆心角为基准，利用基准圆心角准则，对所述物体的位置进行补偿。
本发明的该实施例中，所述前方目标车辆的装置包括同车道目标的识别与跟踪目标车辆进出弯道判断以及弯道工况目标位置补偿，可实现在直道和弯道工况下对前方目标车辆的稳定、有效监测和跟踪。
本发明的一实施例提供一种电动汽车，包括智能驾驶系统控制器和雷达，还包括如上所述的前方目标车辆的识别装置。
本发明实施例还提供一种电动汽车，包括智能驾驶系统控制器和雷达，还包括存储在所述智能驾驶系统控制器和所述雷达上并可在所述智能驾驶系统控制器和所述雷达上运行的计算机程序，所述计算机程序被所述智能驾驶系统控制器和所述雷达执行时实现如上所述的前方目标车辆的识别方法中的步骤。
本发明的该实施例中，所述电动汽车利用毫米波雷达采集物体的当前测量信息对未来状态进行预测计算，并通过预测信息与测量信息进行比较，结合滑动窗口检测法对物体进行跟踪以确定监测目标的有效性，识别目标车辆进行跟踪；利用物体测量数据拟合得到进出弯道回归方程，并采用相关系数法对物体进出弯作判断；在弯道中对物体的横纵向距离作补偿，以消除道路曲率的影响，避免将弯道外侧车道的车辆误认为本车道需要跟踪的前方目标车辆。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (9)

1.一种前方目标车辆的识别方法，其特征在于，应用于车辆的智能驾驶系统控制器，包括：
获取雷达按照预设采样周期采集到的本车前方的各个物体的状态信息，所述状态信息包括：物体相对于本车的横向相对距离、纵向相对距离、横向相对速度、纵向相对速度和方位角，其中，纵向是本车行驶方向，横向为与纵向垂直的方向；
根据第一采样周期和第二采样周期采集到的各个物体的状态信息，识别出与本车在相同车道内的目标物体，并设置所述目标物体在所述第二采样周期内的跟踪标志位为有效，其中，所述第一采样周期和第二采样周期为相邻采样周期；
将连续N个采样周期内的跟踪标志位均有效的目标物体作为候选车辆，并根据滑动窗口内所述候选车辆的有效的跟踪标志位的比例是否大于预设门限，从所述候选车辆中确定出有效车辆，其中，所述滑动窗口为包括有当前采样周期在内的连续M个周期；
从所述有效车辆中选择出与本车距离最近的车辆，作为目标车辆进行跟踪；
根据第一采样周期和第二采样周期采集到的各个物体的状态信息，识别出与本车在相同车道内的目标物体，并设置所述目标物体在所述第二采样周期内的跟踪标志位为有效的步骤包括：
将第n个采样周期采集到的所述横向相对距离处于第一预设距离范围内的物体，确定为与本车在相同车道内的目标物体；
根据第n个采样周期采集到的状态信息，计算得到第n+1个采样周期的预测状态信息；
获取第n+1个采样周期的预测状态信息与第n+1个采样周期采集到的状态信息的比较结果，在所述比较结果小于或等于判定阈值时，设置所述目标物体在所述第n+1个采样周期内的跟踪标志位为有效。
2.根据权利要求1所述的前方目标车辆的识别方法，其特征在于，在根据第一采样周期和第二采样周期采集到的各个物体的状态信息，识别出与本车在相同车道内的目标物体之前，所述方法还包括：
根据所述雷达采集到的所述物体相对于本车的方位角和横向相对速度，获取所述物体相对于本车是否处于弯道行驶的判断结果；
在所述判断结果为所述物体处于所述弯道行驶时，对所述物体的状态信息进行弯道补偿，获得更新后的状态信息。
3.根据权利要求2所述的前方目标车辆的识别方法，其特征在于，根据所述雷达采集到的所述物体相对于本车的方位角和横向相对速度，获取所述物体相对于本车是否处于弯道行驶的判断结果的步骤，包括：
以一个采样周期获得所述物体相对于本车的方位角和横向相对速度作为一个状态点的坐标，对多个连续采样周期获得多个状态点进行拟合，得到所述物体进出弯道的回归方程，所述回归方程包括有多个拟合系数；
对所述回归方程进行拟合优度检验，计算得到对应的全相关系数；以及，基于所述回归方程的拟合系数，设置拟合优度的附加判定条件；
在所述物体的连续n个采样周期的状态点均使得所述全相关系数和所述附加判定条件满足对应门限时，判定所述物体相对于本车处于弯道行驶的状态。
4.根据权利要求2所述的前方目标车辆的识别方法，其特征在于，根据所述物体的状态信息进行弯道补偿，获得更新后的状态信息的步骤，包括：
将所述物体和本车所处路段的曲率视为相同，以所述物体在弯道上与本车形成的圆心角为基准，利用基准圆心角准则，对所述物体的位置进行补偿。
5.一种前方目标车辆的识别装置，其特征在于，应用于车辆的智能驾驶系统控制器，包括：
获取模块，用于获取雷达按照预设采样周期采集到的本车前方的各个物体的状态信息，所述状态信息包括：物体相对于本车的横向相对距离、纵向相对距离、横向相对速度、纵向相对速度和方位角，其中，纵向是本车行驶方向，横向为与纵向垂直的方向；
第一识别模块，用于根据第一采样周期和第二采样周期采集到的各个物体的状态信息，识别出与本车在相同车道内的目标物体，并设置所述目标物体在所述第二采样周期内的跟踪标志位为有效，其中，所述第一采样周期和第二采样周期为相邻采样周期；
第二识别模块，用于将连续N个采样周期内的跟踪标志位均有效的目标物体作为候选车辆，并根据滑动窗口内所述候选车辆的有效的跟踪标志位的比例是否大于预设门限，从所述候选车辆中确定出有效车辆，其中，所述滑动窗口为包括有当前采样周期在内的连续M个周期；
选择模块，用于从所述有效车辆中选择出与本车距离最近的车辆，作为目标车辆进行跟踪；
所述第一识别模块具体用于：
将第n个采样周期采集到的所述横向相对距离处于第一预设距离范围内的物体，确定为与本车在相同车道内的目标物体；
根据第n个采样周期采集到的状态信息，计算得到第n+1个采样周期的预测状态信息；
获取第n+1个采样周期的预测状态信息与第n+1个采样周期采集到的状态信息的比较结果，在所述比较结果小于或等于判定阈值时，设置所述目标物体在所述第n+1个采样周期内的跟踪标志位为有效。
6.根据权利要求5所述的前方目标车辆的识别装置，其特征在于，在根据第一采样周期和第二采样周期采集到的各个物体的状态信息，识别出与本车在相同车道内的目标物体之前，所述装置还包括：
判断模块，用于根据所述雷达采集到的所述物体相对于本车的方位角和横向相对速度，获取所述物体相对于本车是否处于弯道行驶的判断结果；
更新模块，用于在所述判断结果为所述物体处于所述弯道行驶时，对所述物体的状态信息进行弯道补偿，获得更新后的状态信息。
7.根据权利要求6所述的前方目标车辆的识别装置，其特征在于，所述更新模块具体用于：
将所述物体和本车所处路段的曲率视为相同，以所述物体在弯道上与本车形成的圆心角为基准，利用基准圆心角准则，对所述物体的位置进行补偿。
8.一种电动汽车，包括智能驾驶系统控制器和雷达，其特征在于，还包括如权利要求5至7中任一项所述的前方目标车辆的识别装置。
9.一种电动汽车，包括智能驾驶系统控制器和雷达，其特征在于，还包括存储在所述智能驾驶系统控制器和所述雷达上并可在所述智能驾驶系统控制器和所述雷达上运行的计算机程序，所述计算机程序被所述智能驾驶系统控制器和所述雷达执行时实现如权利要求1至4中任一项所述的前方目标车辆的识别方法中的步骤。
CN202010240925.9A 2020-03-31 2020-03-31 一种前方目标车辆的识别方法、装置及电动汽车 Active CN113460064B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010240925.9A CN113460064B (zh) 2020-03-31 2020-03-31 一种前方目标车辆的识别方法、装置及电动汽车

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010240925.9A CN113460064B (zh) 2020-03-31 2020-03-31 一种前方目标车辆的识别方法、装置及电动汽车

Publications (2)

Publication Number Publication Date
CN113460064A CN113460064A (zh) 2021-10-01
CN113460064B true CN113460064B (zh) 2024-01-23

Family

ID=77865320

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010240925.9A Active CN113460064B (zh) 2020-03-31 2020-03-31 一种前方目标车辆的识别方法、装置及电动汽车

Country Status (1)

Country Link
CN (1) CN113460064B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114475586B (zh) * 2022-01-19 2023-11-17 上汽通用五菱汽车股份有限公司 行人目标筛选方法、装置、电子设备及可读存储介质
CN115017467B (zh) * 2022-08-08 2022-11-15 北京主线科技有限公司 一种跟车目标的补偿方法、装置及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106874886A (zh) * 2017-03-10 2017-06-20 南京沃杨机械科技有限公司 用于农机无人驾驶的多传感器融合的农田环境感知方法
CN108733042A (zh) * 2017-04-19 2018-11-02 上海汽车集团股份有限公司 自动驾驶车辆的目标跟踪方法及装置
CN109572672A (zh) * 2017-09-28 2019-04-05 丰田自动车株式会社 车辆驾驶辅助装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6432482B2 (ja) * 2015-10-14 2018-12-05 株式会社デンソー 車両制御装置、車両制御方法
JP7018277B2 (ja) * 2017-09-14 2022-02-10 株式会社デンソー 物体検出装置、物体検出方法及び車両制御システム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106874886A (zh) * 2017-03-10 2017-06-20 南京沃杨机械科技有限公司 用于农机无人驾驶的多传感器融合的农田环境感知方法
CN108733042A (zh) * 2017-04-19 2018-11-02 上海汽车集团股份有限公司 自动驾驶车辆的目标跟踪方法及装置
CN109572672A (zh) * 2017-09-28 2019-04-05 丰田自动车株式会社 车辆驾驶辅助装置

Also Published As

Publication number Publication date
CN113460064A (zh) 2021-10-01

Similar Documents

Publication Publication Date Title
CN108437986B (zh) 车辆驾驶辅助系统及辅助方法
US9117098B2 (en) On-board traffic density estimator
US10780884B2 (en) Vehicle cruise control apparatus and vehicle cruise control method
CN111144432B (zh) 在传感器融合系统中消除模糊检测的方法
CN107004368B (zh) 车辆的行驶控制装置以及行驶控制方法
CN113460064B (zh) 一种前方目标车辆的识别方法、装置及电动汽车
CN110481526B (zh) 一种智能汽车传感器盲区行人检测及主动避撞方法
CN105121246A (zh) 用于超车辅助的方法和装置
KR102467223B1 (ko) 차선을 변경하는 차량에 근거한 자율 주행 제어 방법 및 장치
CN102096803A (zh) 基于机器视觉的行人安全状态识别系统
CN105916749B (zh) 用于运行车辆的方法
US20190147257A1 (en) Method for detecting traffic signs
CN107415951A (zh) 一种基于本车运动状态和环境信息的道路曲率估计方法
CN109878530B (zh) 识别车辆侧向行驶工况的方法和系统
CN112810619A (zh) 基于雷达的辅助驾驶系统前方目标车辆识别方法
CN103192785A (zh) 车辆四周立体空间全监控系统
CN108569289A (zh) 一种车载雷达及其逼近探测和目标判别方法
CN108021861A (zh) 一种基于机器视觉的智能车右转弯目标检测方法
CN114735018A (zh) 一种基于单雷达的前方最危险目标车辆的筛选判断方法
CN110940982B (zh) 一种车辆前方目标识别方法以及相应的设备
CN112455439B (zh) 基无人驾驶车辆环境认知及决策控制方法、系统及车辆
CN110940981B (zh) 一种用于判断车辆前方目标的位置是否处于本车道内的方法
CN103770783B (zh) 进入弯路预测装置和方法及利用该装置和方法的智能定速巡航系统
KR101417409B1 (ko) 주차장통로 사고예방 시스템 및 방법
CN106405539A (zh) 车辆雷达系统以及用于去除一非感兴趣目标的方法

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