CN114463964A - 一种车辆aeb弯道障碍物筛选方法 - Google Patents

一种车辆aeb弯道障碍物筛选方法 Download PDF

Info

Publication number
CN114463964A
CN114463964A CN202011236467.8A CN202011236467A CN114463964A CN 114463964 A CN114463964 A CN 114463964A CN 202011236467 A CN202011236467 A CN 202011236467A CN 114463964 A CN114463964 A CN 114463964A
Authority
CN
China
Prior art keywords
vehicle
collision
obstacle
time
obstacles
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
Application number
CN202011236467.8A
Other languages
English (en)
Inventor
刘腾腾
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202011236467.8A priority Critical patent/CN114463964A/zh
Publication of CN114463964A publication Critical patent/CN114463964A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明公开一种车辆AEB弯道障碍物筛选方法，包括以下步骤：S1、对障碍物进行初步筛选；S2、预测车辆行驶轨迹；S3、对S1筛选后的障碍物做轨迹预测；S4、结合S2和S3在时间和空间上计算最大碰撞风险障碍物；S5、计算S4中筛选的最大风险障碍物的碰撞参数。本发明通过安装在车辆上的障碍物感知设备得到车辆周围的障碍物的属性和相对本车的运动状态，通过车身CAN得到车辆实时运动状态，对自车和障碍物做轨迹预测，提供最大风险碰撞障碍的TTC等参数给后端做控制决策，减少车辆大曲率拐弯时AEB不能准确判断碰撞风险导致的误刹车或不刹车。

Description

一种车辆AEB弯道障碍物筛选方法
技术领域
本发明涉及车辆安全运行技术领域，具体涉及一种车辆AEB弯道障碍物筛选方法。
背景技术
在车辆紧急制动系统中，AEB紧急制动系统在直道路或小曲率弯道上容易检测识别到危险碰撞障碍物并采取紧急制动。但是在曲率较大的弯道或者路口拐弯场景，特别是在没有车道线感知或地图情况下，因驾驶员行驶曲率未知，路口交通复杂，根据横纵向相对速度或者用前后轮轨迹曲线筛选障碍，容易误筛选或漏选，从而导致AEB误刹车或不刹车。为了增加AEB的适用场合，减少因车辆拐弯造成的碰撞，合适AEB弯道障碍筛选的方法非常重要。
发明内容
本发明的目的在于提供一种车辆AEB弯道障碍物筛选方法，解决了安装AEB系统的车辆在大曲率行使过程中不能正确预知车辆行驶轨迹和筛选决策车辆潜在危险碰撞障碍物导致的AEB系统在弯道或交叉路口转弯失效的问题。
为了达到上述目的，本发明采用的技术方案是：一种车辆AEB弯道障碍物筛选方法，包括以下步骤：
S1、对感知的障碍物进行初步筛选
障碍物感知传感器对车辆前后方及两侧的障碍物进行检测；
所述障碍物感知传感器包括安装在车辆顶部和周围的激光雷达，毫米波雷达和摄像头；
对所述传感器得到的障碍物进行初步筛选，将筛选后的障碍信息存储在数组中；
S2、预测车辆行使轨迹
通过车辆CAN获取车辆运动信息；
通过车辆运动信息当前车辆速度和方向盘转向状态以及车辆模型预测未来一段时间车运动轨迹；
S3、对S1筛选后的障碍物做轨迹预测
通过障碍物当前运动状态预测未来一段时间障碍物运动轨迹；
S4、结合S2和S3在时间和空间上计算最大碰撞风险障碍物
计算未来一段时间，在运动时间和空间上跟车辆有重叠的障碍物；
获取最小碰撞时间以及碰撞时刻车辆和该碰撞障碍物的运动信息；
S5、计算S4中筛选的最大碰撞风险障碍物的碰撞参数
计算碰撞时间，碰撞距离和碰撞速度。
优选的，如权利要求1所述的一种车辆AEB弯道障碍物筛选方法，其特征在于：在S1中，筛选掉所有在本车坐标系下，纵向和侧向速度都不接近本车的障碍物。
优选的，如权利要求1所述的一种车辆AEB弯道障碍物筛选方法，其特征在于：在S2中，设定车辆轨迹预测时间周期P，设定驾驶员匀速打转向时间周期N，根据车辆当前状态车速v和等效前轮转角速度dδ，前轮转角δ运动车辆运动学模型：
Figure BSA0000224083490000021
计算车辆未来P个时刻车辆后轴中心在当前车辆坐标系下的坐标
Figure BSA0000224083490000022
存储在P×3维矩阵中。
优选的，如权利要求1所述的一种车辆AEB弯道障碍物筛选方法，其特征在于：在S4中，以车辆当前坐标为参考坐标系；
在第k个预测时刻，通过车辆的航线角
Figure BSA0000224083490000025
和车辆后轴中心纵向x和横向y位置以及车辆的几何参数计算车辆的左前右前左后右后四个边缘角点位置坐标；
K时刻的障碍物在车辆四个边缘点设定的四边形区域内即认为K时刻发生碰撞，车辆四个边缘角点坐标([XA YA]，[XB YB]，[XC YC]，[XD YD])与车辆后轴中心位置(x，y)及车头航向φ关系如下：
XA＝x+(Lf+L)*cos(φ)-Lk/2*sin(φ)；
YA＝y+(Lf+L)*sin(φ)+Lk/2*cos(φ)；
XB＝x+(Lf+L)*cos(φ)+Lk/2*sin(φ)；
YB＝y+(Lf+L)*sin(φ)-Lk/2*cos(φ)；
XC＝x-Lr*cos(φ)+Lk/2*sin(φ)；
YC＝y-Lr*sin(φ)-Lk/2*cos(φ)；
XD＝x-Lr*cos(φ)-Lk/2*sin(φ)；
YD＝y-Lr*sin(φ)+Lk/2*cos(φ)。
优选的，如权利要求1所述的一种车辆AEB弯道障碍物筛选方法，其特征在于：碰撞时间TTC计算：
TTC＝kc×T
碰撞距离TTD计算；
Figure BSA0000224083490000023
碰撞速度vc计算：
Figure BSA0000224083490000024
其中，碰撞时刻kc，时间周期T，碰撞自车的航向角
Figure BSA0000224083490000026
碰撞障碍物速度[vcx vcy]。
计算未来一段时间，在运动时间和空间上跟车辆有重叠的障碍物，取最小碰撞时间以及碰撞时刻车辆和该碰撞障碍物的运动信息。
附图说明
图1为本发明用到的车辆坐标系示意图；
图2为三自由度车辆运动学模型示意图；
图3为车辆坐标系下预测本车轨迹和车辆边界角点示意图。
具体实施方式
下面结合附图对本发明进行详细的说明：
本发明提供一种车辆AEB弯道障碍物筛选方法，包括以下步骤：
S1、对感知的障碍物进行初步筛选
障碍物感知传感器，包含激光雷达、毫米波雷达和前视摄像头对车辆前后方及两侧的障碍物进行检测和障碍物融合，得到多个障碍物ID，障碍物在本车坐标系下的位置坐标(x，y)、方向角
Figure BSA0000224083490000031
和横纵向速度(vx，vy)，本车坐标系如图1；
根据障碍物类型筛选保留车辆前后左右标定距离内的障碍物，并且障碍物满足以下任意一种：在本车左侧相对向右运动、本车右侧相对向左运动、本车前方相对向后运动的障碍物、本车后方相对向前运动；
将初步筛选后的障碍信息存储在数组中。
S2、预测车辆行使轨迹
通过车辆CAN获取车辆运动信息，包括车辆速度和方向盘转角；
通过车辆当前车辆速度和方向盘转向状态预测未来P个时刻车辆运动轨迹；假设司机保持匀速打转向N个时刻，等效前轮转角δ，每个时刻δ计算：
δ(k+1)＝δ(k)+dδ
N个时刻后，δ保持恒定。
运用三自由度车辆运动学模型预测未来P个时刻车辆状态，车辆运动学模型状态方程：
Figure BSA0000224083490000032
其中x车辆后轴中心在预测当前时刻车辆坐标系下的纵向坐标，y车辆后轴中心在预测当前时刻车辆坐标系下的横向向坐标，
Figure BSA0000224083490000033
车辆航向角，L车辆前后轴距，v车辆实时纵向速度，车辆模型使用参数如图2；
Figure BSA0000224083490000034
后保持恒定方向角；
存储成P行3列的车辆轨迹矩阵。
S3、对S1筛选后的障碍物做轨迹预测
通过障碍物当前运动状态预测未来一段时间障碍物运动轨迹；
x(k)＝x(0)+k·vx
y(k)＝y(0)+k·vy
其中x(k)、y(k)是预测第k时刻的障碍物坐标，x(0)、y(0)是当前障碍物在本车坐标系下坐标，vx、vy障碍物在本车坐标下的纵向和横向速度。
S4、结合S2和S3在时间和空间上计算最大碰撞风险障碍物
计算未来一段时间，在运动时间和空间上跟车辆有重叠的障碍物，获取最小碰撞时间以及碰撞时刻车辆和该碰撞障碍物的运动信息；
在预测的第k个时刻，根据车辆后轴中心在K时刻的状态
Figure BSA0000224083490000041
计算车辆前左、前右、后左、后右的边缘角点坐标([XA YA]，[XB YB]，[XC YC]，[XD YD])，车辆预测轨迹及边界角点示意图如图3：
XA＝x+(Lf+L)*cos(φ)-Lk/2*sin(φ)；
YA＝y+(Lf+L)*sin(φ)+Lk/2*cos(φ)；
XB＝x+(Lf+L)*cos(φ)+Lk/2*sin(φ)；
YB＝y+(Lf+L)*sin(φ)-Lk/2*cos(φ)；
XC＝x-Lr*cos(φ)+Lk/2*sin(φ)；
YC＝y-Lr*sin(φ)-Lk/2*cos(φ)；
XD＝x-Lr*cos(φ)-Lk/2*sin(φ)；
YD＝y-Lr*sin(φ)+Lk/2*cos(φ)。
S5、计算S4中筛选的最大碰撞风险障碍物的碰撞参数
计算碰撞时间：根据同一预测时刻，障碍物最近点是否和本车四个边缘角点构成的四方形区域有重叠，判断是否走在k时刻碰撞。四方形区域区域跟据障碍物类型附加不同大小的阈值。取碰撞时刻kc最小的障碍物做为最危险障碍物：
TTC＝kc×T
其中，TTC是碰撞时间，本车行驶到到碰撞点需要的时间，kc是所有障碍物中跟车辆碰撞的最小的预测时刻，T是预测周期；
计算碰撞距离：
Figure BSA0000224083490000042
其中，TTD是碰撞距离，即本车到碰撞点需要行走的距离。vk是车辆在每个预测点的速度。
计算碰撞速度vc，当前时刻车的纵向速度与障碍物在碰撞时刻点本车坐标系下的纵向速度之差：
Figure BSA0000224083490000043
其中，vcx碰撞障碍碰撞时刻在当前车辆坐标系下的纵向速度，vcy碰撞障碍碰撞时刻在当前车辆坐标系下的横向向速度，
Figure BSA0000224083490000051
碰撞时刻车辆在当前时刻车辆坐标系下的方向角。
本发明车辆轨迹预测不限于S2中的提到的车辆运动学模型，使用车辆动力学模型或其他的车辆模型数学表达式，同样在本发明保护范围之内。
本发明不限于S2中预测轨迹使用的车速，车速用恒加速度等其他数学模型表达式，同样在本发明保护范围之内。

Claims (5)

1.一种车辆AEB弯道障碍物筛选方法，其特征在于，包括以下步骤：
S1、对感知的障碍物进行初步筛选
障碍物感知传感器对车辆前后方及两侧的障碍物进行检测；
所述障碍物感知传感器包括安装在车辆顶部和周围的激光雷达，毫米波雷达和摄像头；
对所述传感器得到的障碍物进行初步筛选，将筛选后的障碍信息存储在数组中；
S2、预测车辆行使轨迹
通过车辆CAN获取车辆运动信息；
通过车辆运动信息当前车辆速度和方向盘转向状态以及车辆模型预测未来一段时间车运动轨迹；
S3、对S1筛选后的障碍物做轨迹预测
通过障碍物当前运动状态预测未来一段时间障碍物运动轨迹；
S4、结合S2和S3在时间和空间上计算最大碰撞风险障碍物
计算未来一段时间，在运动时间和空间上跟车辆有重叠的障碍物，获取最小碰撞时间以及碰撞时刻车辆和该碰撞障碍物的运动信息；
S5、计算S4中筛选的最大碰撞风险障碍物的碰撞参数
计算碰撞时间，碰撞距离和碰撞速度。
2.如权利要求1所述的一种车辆AEB弯道障碍物筛选方法，其特征在于：在S1中，筛选去掉所有本车坐标系下，纵向和侧向速度都不接近本车的障碍物。
3.如权利要求1所述的一种车辆AEB弯道障碍物筛选方法，其特征在于：在S2中，设定车辆轨迹预测时间周期数P，设定驾驶员匀速打转向时间周期数N，根据车辆当前状态车速v、等效前轮转角速度dδ、前轮转角δ、车辆运动学状态空间模型：
Figure FSA0000224083480000011
计算车辆未来P个时刻车辆后轴中心在当前车辆坐标系下的坐标
Figure FSA0000224083480000012
存储在P×3维矩阵中。
4.如权利要求1所述的一种车辆AEB弯道障碍物筛选方法，其特征在于：在S4中，以车辆当前坐标为参考坐标系，在第k个预测时刻，通过车辆的航线角
Figure FSA0000224083480000013
和车辆后轴中心纵向x和横向y位置以及车辆的几何参数计算车辆的左前右前左后右后四个边缘角点位置。k时刻的障碍物在车辆四个边缘点设定的四边形区域内即认为发生碰撞。车辆四个边缘角点坐标([XA YA]，[XB YB]，[XC YC]，[XD YD])与车辆后轴中心位置(x，y)及车辆航向φ关系如下：
XA＝x+(Lf+L)*cos(φ)-Lk/2*sin(φ)；
YA＝y+(Lf+L)*sin(φ)+Lk/2*cos(φ)；
XB＝x+(Lf+L)*cos(φ)+Lk/2*sin(φ)；
YB＝y+(Lf+L)*sin(φ)-Lk/2*cos(φ)；
XC＝x-Lr*cos(φ)+Lk/2*sin(φ)；
YC＝y-Lr*sin(φ)-Lk/2*cos(φ)；
XD＝x-Lr*cos(φ)-Lk/2*sin(φ)；
YD＝y-Lr*sin(φ)+Lk/2*cos(φ)。
5.如权利要求1所述的一种车辆AEB弯道障碍物筛选方法，其特征在于：在S5中，计算未来一段时间，在运动时间和空间上跟车辆有重叠的障碍物，获取最小碰撞时间以及碰撞时刻车辆和该碰撞障碍物的运动信息；
碰撞时间TTC计算：
TTC＝Kc×T
碰撞距离TTD计算；
Figure FSA0000224083480000021
碰撞速度Vc计算：
Figure FSA0000224083480000022
其中，碰撞时刻Kc，时间周期T，碰撞自车的航向角
Figure FSA0000224083480000023
碰撞障碍物速度[vcx vcy]。
CN202011236467.8A 2020-11-09 2020-11-09 一种车辆aeb弯道障碍物筛选方法 Pending CN114463964A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011236467.8A CN114463964A (zh) 2020-11-09 2020-11-09 一种车辆aeb弯道障碍物筛选方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011236467.8A CN114463964A (zh) 2020-11-09 2020-11-09 一种车辆aeb弯道障碍物筛选方法

Publications (1)

Publication Number Publication Date
CN114463964A true CN114463964A (zh) 2022-05-10

Family

ID=81404112

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011236467.8A Pending CN114463964A (zh) 2020-11-09 2020-11-09 一种车辆aeb弯道障碍物筛选方法

Country Status (1)

Country Link
CN (1) CN114463964A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006309445A (ja) * 2005-04-27 2006-11-09 Aisin Aw Co Ltd 運転支援装置
DE102009058035A1 (de) * 2009-12-11 2010-08-05 Daimler Ag Verfahren und Vorrichtung zum Betrieb eines Fahrerassistenzsystems eines Fahrzeuges
US20100217483A1 (en) * 2009-02-20 2010-08-26 Fuji Jukogyo Kabushiki Kaisha Vehicular driving support apparatus
CN105835820A (zh) * 2016-04-28 2016-08-10 姜锡华 车载传感器信息筛选方法及应用该方法的车辆避撞系统
CN109557925A (zh) * 2018-12-29 2019-04-02 北京智行者科技有限公司 自动驾驶车辆障碍物避让方法及装置
CN109976159A (zh) * 2019-04-09 2019-07-05 台州学院 基于安全可控域的智能车辆横向控制方法
CN111038500A (zh) * 2019-12-30 2020-04-21 宜宾凯翼汽车有限公司 一种汽车自动紧急制动执行方法和系统
CN111634292A (zh) * 2020-05-18 2020-09-08 北京踏歌智行科技有限公司 一种用于矿区的碰撞预测方法
CN111845737A (zh) * 2020-06-17 2020-10-30 汉腾汽车有限公司 一种智能车辆的弯道目标识别方法及其危险等级判断机制

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006309445A (ja) * 2005-04-27 2006-11-09 Aisin Aw Co Ltd 運転支援装置
US20100217483A1 (en) * 2009-02-20 2010-08-26 Fuji Jukogyo Kabushiki Kaisha Vehicular driving support apparatus
DE102009058035A1 (de) * 2009-12-11 2010-08-05 Daimler Ag Verfahren und Vorrichtung zum Betrieb eines Fahrerassistenzsystems eines Fahrzeuges
CN105835820A (zh) * 2016-04-28 2016-08-10 姜锡华 车载传感器信息筛选方法及应用该方法的车辆避撞系统
CN109557925A (zh) * 2018-12-29 2019-04-02 北京智行者科技有限公司 自动驾驶车辆障碍物避让方法及装置
CN109976159A (zh) * 2019-04-09 2019-07-05 台州学院 基于安全可控域的智能车辆横向控制方法
CN111038500A (zh) * 2019-12-30 2020-04-21 宜宾凯翼汽车有限公司 一种汽车自动紧急制动执行方法和系统
CN111634292A (zh) * 2020-05-18 2020-09-08 北京踏歌智行科技有限公司 一种用于矿区的碰撞预测方法
CN111845737A (zh) * 2020-06-17 2020-10-30 汉腾汽车有限公司 一种智能车辆的弯道目标识别方法及其危险等级判断机制

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王震坡;薛雪;王亚超;: "基于自适应无迹卡尔曼滤波的分布式驱动电动汽车车辆状态参数估计", 北京理工大学学报, no. 07 *

Similar Documents

Publication Publication Date Title
CN106054174B (zh) 使用雷达和摄像机用于横越交通应用的融合方法
CN110239535B (zh) 一种基于多传感器融合的弯道主动避撞控制方法
CN105857306B (zh) 一种用于多种泊车场景的车辆自主泊车路径规划方法
CN110614998B (zh) 一种激进型辅助驾驶弯道避障换道路径规划系统及方法
CN109649384B (zh) 一种泊车辅助方法
CN109849908B (zh) 基于相邻车道风险预测的车道保持辅助系统及控制方法
CN106054191B (zh) 车轮检测和其在物体跟踪以及传感器配准中的应用
CN111806433B (zh) 一种自动驾驶车辆避障方法、装置及设备
CN114302839B (zh) 用于确定机动车辆的避让路径的方法
CN113844445B (zh) 基于预测参考线坐标系的车辆自动紧急制动系统与方法
JP6530131B2 (ja) 位置補正により自動車両を少なくとも半自律的に操縦するための方法、運転者支援システム、及び、自動車両
EP3456596A1 (en) Method and device of predicting a possible collision
CN110723142B (zh) 一种智能汽车紧急避撞控制方法
CN113232648A (zh) 针对弱势道路使用者的汽车避撞系统及其控制方法
CN114407880A (zh) 一种无人驾驶紧急避障路径跟踪方法
CN114132305B (zh) 用于垂直与斜列泊车路径规划方法、系统、存储介质及车辆
CN113276846B (zh) 一种后方十字交通报警系统及方法
CN113341999A (zh) 一种基于优化d*算法的叉车路径规划方法及装置
Pérez-Morales et al. Autonomous parking using a sensor based approach
CN114463964A (zh) 一种车辆aeb弯道障碍物筛选方法
CN114466776A (zh) 车辆控制方法、车辆控制装置和包括该车辆控制装置的车辆控制系统
CN208061025U (zh) 一种基于Dubins路径的无人驾驶车辆避障控制装置
CN113844439B (zh) 一种用于辅助驾驶的低速辅助制动辅助决策方法、系统及计算机可读存储介质
US20240149871A1 (en) Method for avoiding obstacles
CN112731944B (zh) 一种无人驾驶压路机自主避障方法

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
DD01 Delivery of document by public notice

Addressee: Liu Tengteng

Document name: Notice of publication of invention patent application and entry into substantive examination

DD01 Delivery of document by public notice
DD01 Delivery of document by public notice

Addressee: Liu Tengteng

Document name: Notice of First Examination Opinion

DD01 Delivery of document by public notice