CN205573939U - 一种基于前向车辆驾驶人驾驶行为的前向避撞系统 - Google Patents
一种基于前向车辆驾驶人驾驶行为的前向避撞系统 Download PDFInfo
- Publication number
- CN205573939U CN205573939U CN201620066187.XU CN201620066187U CN205573939U CN 205573939 U CN205573939 U CN 205573939U CN 201620066187 U CN201620066187 U CN 201620066187U CN 205573939 U CN205573939 U CN 205573939U
- Authority
- CN
- China
- Prior art keywords
- forward direction
- vehicle
- collision avoidance
- direction vehicle
- front truck
- 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.)
- Expired - Fee Related
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本实用新型公开了一种基于前向车辆驾驶人驾驶行为的前向避撞系统,由激光雷达、前车行驶信息采集摄像头和一个视频处理器硬件平台组成。激光雷达采集自车与前向车辆车距、前向车辆速度、前向车辆加速度。前车行驶信息采集摄像头采集前向车辆左转向灯、前向车辆右转向灯、前向车辆刹车灯、前向车辆相邻车道内车辆。通过对前向车辆行驶参数以及前向车辆相邻车道内车辆信息的分析,建立前向车辆驾驶人驾驶行为预测模型,对前向车辆驾驶人驾驶行为进行预测。根据前向车辆驾驶员驾驶行为和自车参数,设计避撞方案集。建立安全性和稳定性2个评价指标。构建基于二维权重的避撞优化函数,采用粒子群算法,对避撞方案进行优化,获得最优避撞方案。
Description
技术领域
本发明涉及智能汽车领域,具体为一种基于前向车辆驾驶人驾驶行为的前向避撞系统。
背景技术
随着我国汽车保有量的快速增长,非职业驾驶员的人数也在逐步增加,间接导致了交通事故的频繁发生。针对事故发生的原因,研究人员一直致力于如何通过有效的措施降低事故的发生,其中车路协同、驾驶安全辅助等系统是提高车辆运行安全的一种有效方法。其中,汽车前向防碰撞系统作为一种先进的汽车安全驾驶辅助技术,一直受到国内外学者的关注。然而,目前汽车前向防撞系统主要是前向车辆的速度、加速度以及自车参数,进行前向避撞研究,也有学者通过结合自车驾驶员的驾驶行为进行前向避撞研究。然而,在实际行车过程中,前向车辆驾驶员的驾驶行为突然变化是造成碰撞的一个重要因素。因此,将前向车辆驾驶人驾驶行为引入到汽车前向防碰撞系统中,通过对前向车辆驾驶人驾驶行为进行预测,设计实时有效的汽车前方防碰撞系统,具有重要的理论意义和重大的工程应用价值。通过查阅资料,目前在前向避撞系统中引入前向车辆驾驶员驾驶行为的应用尚未见到报道。
发明内容
为此,本发明提出了一种基于前向车辆驾驶人驾驶行为的前向避撞系统,以ADI公司视频处理器BF561作为硬件平台,通过摄像头采集前向车辆左转向灯、前向车辆右转向灯、前向车辆刹车灯、前向车辆相邻车道内车辆,通过激光雷达采集自车与前向车辆车距、前向车辆速度、前向车辆加速度。建立前向车辆驾驶人驾驶行为预测模型,对前向车辆驾驶人驾驶行为进行预测。根据前向车辆驾驶员驾驶行为和自车参数,设计了避撞方案集。同时,考虑了自车驾驶员的纵向舒适性需求,建立了安全性和稳定性2个评价指标。针对前车驾驶员驾驶行为的每一种预测结果下对应的避撞方案集,构建了基于二维权重的避撞方案优化函数,采用粒子群优化算法,对避撞方案进行优化,最终获得最优避撞方案。
采用的具体技术方案如下:
一种基于前向车辆驾驶人驾驶行为的前向避撞系统,包括激光雷达、前车行驶信息采集摄像头和一个视频处理器硬件平台;所述激光雷达负责采集前向车辆与本车的距离、前向车辆速度、前向车辆加速度;所述前车行驶信息采集摄像头负责采集前向车辆、前向车辆尾灯、前向车辆相邻车道内车辆信息;所述视频处理器硬件平台通过对激光雷达采集的信息、前车行驶信息采集摄像头采集的信息进行分析,建立前向车辆驾驶人驾驶行为预测模型,对前向车辆驾驶人驾驶行为进行预测,并根据预测结果以及避撞算法进行避撞。
作为优选方案,所述激光雷达采用16线激光雷达,安装在车辆正前方。
作为优选方案,所述前车行驶信息采集摄像头采用CCD车载影像夜视摄像头,安装在车辆前挡风玻璃上。
作为优选方案,所述视频处理器硬件平台包括LIN总线通信电路、CAN总线通信电路、视频解码电路、视频处理电路和电源电路;所述LIN总线通信电路、CAN总线通信电路、视频解码电路均与所述视频处理电路相连;所述电源电路为所述视频处理器硬件平台供电;
所述LIN总线通信电路上设有LIN总线接口,通过LIN总线与激光雷达相连;
所述CAN总线通信电路上设有CAN总线接口,通过CAN总线与汽车CAN总线相连,用于读取自车车速和加速度;
所述视频解码电路上设有前车行驶信息采集摄像头视频线输入接口,通过前车行驶信息采集摄像头视频线与前车行驶信息采集摄像头相连;
所述视频处理电路包括视频处理器及其外围电路,负责对前车行驶信息采集摄像头采集的视频信息进行处理,通过前车信息以及自车参数对前向车辆驾驶人驾驶行为进行预测,并根据预测结果设计最优避撞方案;
所述电源电路负责将车载12V电源转换为视频处理电路所需的5V、3.3V、1.8V电源,以及整个平台所需的5V电源。
作为优选方案,所述LIN总线通信电路由TJA1020及其外围电路组成,负责实现视频处理电路串行通信接口与LIN总线通信接口的物理转换;
所述CAN总线通信电路由SN65HVD230D及其外围电路组成,负责实现视频处理电路串行通信接口与CAN总线通信接口的物理转换;
所述视频解码电路由视频解码芯片ADV7180及其外围电路组成,负责将前车行驶信息采集摄像头采集的前向车辆行驶信息模拟视频信号进行解码,转换为数字视频信号,并输出到视频处理器;
所述频处理电路由视频处理器BF561、DDR2存储器MT48LC16M16A2TG、FLASH存储器M29W640D组成;所述DDR2存储器MT48LC16M16A2TG用于存储避撞算法中的数据;所述FLASH存储器M29W640D用于存储避撞算法中的程序;所述视频处理器BF561负责对前车行驶信息采集摄像头采集的视频信息进行处理,通过前车信息以及自车参数对前向车辆驾驶人驾驶行为进行预测,并根据预测结果设计最优避撞方案;
所述电源电路由LM22676、LP38501、LP38693MP及其外围元件组成;所述LM22676负责将车载12V电源转换为5V电源,为系统5V元器件供电;所述LP38501负责将车载5V电源转换为3.3V电源,为系统3.3V元器件供电;所述LP38693MP负责将车载5V电源转换为1.8V电源,为系统1.8V元器件供电。
作为优选方案,所述LIN总线通信电路、CAN总线通信电路、视频解码电路、视频处理电路和电源电路均设置在一块电路板上;所述电路板设置在一个长方体外壳内部;所述长方体外壳上方设有LIN总线通信凹槽、前车行驶信息采集摄像头视频线输入凹槽和CAN总线通信凹槽;所述LIN总线接口设置在所述LIN总线通信凹槽处,所述CAN总线接口设置在所述CAN总线通信凹槽处,所述前车行驶信息采集摄像头视频线输入接口设置在所述前车行驶信息采集摄像头视频线输入凹槽处。
作为优选方案,所述前向车辆驾驶人驾驶行为预测模型采用基于HMM理论,模型表达式为λ=(N,M,π,A,B),其中:
S为前向车辆驾驶人驾驶行为状态,S=(S1,S2,…SN),t时刻所处状态为qt,qt∈S,本项目状态数N=5,其中,S1为制动行为,S2为左转向行为,S3为右转向行为,S4为左换道行为,S5为右转换道行为;
V为观测序列,V=(v1,v2,…vM),t时刻观测事件为Ot,本项目观测值数M=9,其中,v1为自车与前向车辆车距,v2为前向车辆速度,v3前向车辆加速度,v4为前向车辆左转向灯,v5为前向车辆右转向灯,v6为前向车辆刹车灯;v7为前向车辆左侧临道内车辆数量,v8为前向车辆右侧临道内车辆数量,v9自车车速;
π为前向车辆驾驶人驾驶行为初始状态概率矢量,π=(π1,π2,…πN),其中πi=P(q1=Si);
A为状态转移矩阵,即前向车辆驾驶人驾驶行为状态转移矩阵,A={aij}N×N,其中,aij=P(qt+1=Sj|qt=Si),1≤i,j≤N;
B为观测事件概率分布矩阵,即不同前向车辆驾驶人驾驶行为在S下各观测状态出现的概率,B={bjk}N×M,其中,bjk=P[Ot=vk|qt=Sj],1≤j≤N,1≤k≤M。
本发明还提出了一种汽车避撞算法,包括:
首先,根据前向车辆驾驶行为的预测结果,设计避撞方案矩阵:
其中,cij为第i种预测结果下对应第j种避撞方案,i为对前向车辆驾驶员驾驶行为的预测结果,分别为前向车辆驾驶员驾驶行为为制动行为、左转向行为、右转向行为、左换道行为、右转换道行为;j为当前车辆采取的避撞方案,分别为左转向、减速制动、右转向;
其次,针对于第i种预测结果下对应的j种避撞方案,通过安全性评价指标和平稳性评价指标进行评价;所述安全性评价指标是指预测一段时间Tp后两车的预测相对距离;所述平稳性评价指标是指预测一段时间Tp后的本车减速度相对于前一时刻减速度变化量的绝对值;
最后,设计基于二维权重的目标优化函数模型,采用粒子群算法,对避撞方案进行优化,最终获得第i种预测结果下采取的避撞方案。
作为优选方案,所述安全性评价指标的表达式为:Si,j=Sr+Sp+Sf,j;
式中,Sr为当前时刻初始两车间距,Sp为前方目标车辆在预测时间Tp内所行驶的路程,Sf,j为当前时刻第i种预测结果下对应第j种避撞方案cij下时间Tp后本车行驶路程;
所述平稳性评价指标的表达式为:Δaij=abs(aij-af);
其中,aij为第i种预测结果下对应第j种避撞方案对应的减速度值,af为车辆当前初始加速度。
作为优选方案,所述基于二维权重的目标优化函数模型表达式为:
其中,Li是第i种预测结果下对应的j种避撞方案的总的目标优化函数,λi1是第i种预测结果下采取左转向避撞方案的权重系数,λi2是第i种预测结果下采取减速避撞方案的权重系数,λi3是第i种预测结果下采取右转向避撞方案的权重系数;
si1是第i种预测结果下采取左转向避撞方案时安全性评价指标,Δai1第i种预测结果下采取左转向避撞方案时平稳性评价指标,si2第i种预测结果下采取减速避撞方案时安全性评价指标,Δai2第i种预测结果下采取减速避撞方案时平稳性评价指标,si3第i种预测结果下采取右转向避撞方案时安全性评价指标,Δai3第i种预测结果下采取右转向避撞方案时平稳性评价指标;
ωi11是第i种预测结果下采取左转向避撞方案时安全性评价指标权重系数,ωi12是第i种预测结果下采取左转向避撞方案时平稳性评价指标权重系数,ωi21是第i种预测结果下采取减速避撞方案时安全性评价指标权重系数,ωi22是第i种预测结果下采取减速避撞方案时平稳性评价指标权重系数,ωi31是第i种预测结果下采取右转向避撞方案时安全性评价指标权重系数,ωi32是第i种预测结果下采取右转向避撞方案时平稳性评价指标权重系数。
本发明的有益效果:
(1)将前向车辆驾驶员驾驶行为引入到避撞算法中,按照预测、判断、决策的避撞逻辑方式,设计了符合真实驾驶员驾驶行为的避撞方案集,能够根据前向车辆驾驶人驾驶行为选择合理的避撞方案。
(2)建立了安全性和稳定性2个评价指标,根据评价指标,对避撞方案集中的避撞方案进行优化,构建了基于二维权重的避撞方案优化函数,采用粒子群优化算法,对避撞方案进行优化,避撞效果好。
(3)基于激光雷达与机器视觉融合的方法,对前向车辆驾驶人在行车过程中的突然制动、突然转向、突然换道驾驶行为进行预测,实时性强。
附图说明
图1为本发明系统结构示意图。
图2为本发明视频处理器硬件平台配线示意图。
图3为本发明视频处理器硬件平台电路结构示意图。
图4为本发明视频处理器硬件平台电路示意图。
图中标记:1为前车行驶信息采集摄像头,2为视频处理器硬件平台,3为激光雷达,4为CAN总线,5为前车行驶信息采集摄像头视频线,6为LIN总线,7为视频处理器硬件平台外壳,8为CAN总线通信凹槽,9为前车行驶信息采集摄像头视频线输入凹槽,10为LIN总线通信凹槽。
具体实施方式
下面参照附图并结合实例对本发明的构思、具体工作过程行清楚完整地描述。显然,所描述的实施例只是本发明的一部分实施例,而不是全部实施例,基于本发明实施例,本领域技术人员在不付出创造性劳动的前提下所获得的其他实施例,均属于本发明保护范围。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
如图1至图4所示,本发明提出了一种基于前向车辆驾驶人驾驶行为的前向避撞系统,该前向碰撞系统由激光雷达3、前车行驶信息采集摄像头1和一个视频处理器硬件平台2组成。激光雷达负责采集自车与前向车辆车距、前向车辆速度、前向车辆加速度。前车行驶信息采集摄像头负责采集前向车辆左转向灯、前向车辆右转向灯、前向车辆刹车灯、前向车辆相邻车道内车辆信息。通过对前向车辆行驶参数以及前向车辆相邻车道内车辆信息的分析,建立前向车辆驾驶人驾驶行为预测模型,对前向车辆驾驶人驾驶行为进行预测。根据前向车辆驾驶员驾驶行为和自车参数,给出了避撞方案集。建立了安全性和稳定性2个评价指标。针对前车驾驶员驾驶行为的每一种预测结果下对应的避撞方案集,构建了基于二维权重的避撞方案优化函数,采用粒子群优化算法,对避撞方案进行优化,最终获得最优避撞方案。
所述激光雷达3采用16线激光雷达,安装在车辆正前方,负责采集自车与前向车辆车距、前向车辆速度、前向车辆加速度。
所述前车行驶信息采集摄像头1采用CCD车载影像夜视摄像头,安装在车辆前挡风玻璃上,负责采集前向车辆左转向灯、前向车辆右转向灯、前向车辆刹车灯、前向车辆相邻车道内车辆信息。
所述视频处理器硬件平台2有1个长方体外壳作为视频处理器硬件平台外壳7,如图2所示,在视频处理器硬件平台外壳7上方设有1个LIN总线通信凹槽10、1个前车行驶信息采集摄像头视频线输入凹槽9和1个CAN总线通信凹槽8。
在视频处理器硬件平台外壳7内设有1个视频处理电路板。该视频处理电路板由LIN总线通信电路、CAN总线通信电路、视频解码电路、视频处理电路和电源电路组成,如图3所示。
该视频处理电路板上的LIN总线通信电路上设有1个LIN总线接口,通过LIN总线6与激光雷达相连,负责读取自车与前向车辆车距、前向车辆速度、前向车辆加速度。该LIN总线接口位于视频处理器硬件平台外壳上方的LIN总线通信凹槽10处。该视频处理电路板上的CAN总线通信电路上设有1个CAN总线接口,通过CAN总线4与汽车CAN总线相连,负责读取自车车速、自车加速度。该CAN总线接口位于视频处理器硬件平台外壳上方的CAN总线通信凹槽8处。该视频处理电路板上的视频解码电路上设有1个前车行驶信息采集摄像头视频线输入接口,通过前车行驶信息采集摄像头视频线5与前车行驶信息采集摄像头1相连,该前车行驶信息采集摄像头视频线输入接口位于视频处理器硬件平台外壳上方的前车行驶信息采集摄像头视频线输入凹槽9处。该视频处理电路板上的视频处理电路由视频处理器BF561及其外围电路组成,负责对前车行驶信息采集摄像头采集的视频信息进行处理。同时通过前车信息以及自车参数对前向车辆驾驶人驾驶行为进行预测,并根据预测结果设计最优避撞方案。该视频处理电路板上的电源电路负责将车载12V电源转换为视频处理器所需5V、3.3V、1.8V电源,以及其他器件所需5V电源。
如图4所示,该视频处理电路板上的LIN总线通信电路由TJA1020及其外围电路组成,负责实现视频处理器串行通信接口与LIN总线通信接口的物理转换。该视频处理电路板上的CAN总线通信电路由SN65HVD230D及其外围电路组成,负责实现视频处理器串行通信接口与CAN总线通信接口的物理转换。该视频处理电路板上的视频解码电路由视频解码芯片ADV7180及其外围电路组成,负责将前车行驶信息采集摄像头采集的前向车辆行驶信息模拟视频信号进行解码,转换为数字视频信号,输出到视频视频处理器BF561,由视频视频处理器BF561对视频图像进行处理。该视频处理电路板上的视频处理电路由DDR2存储器MT48LC16M16A2TG、FLASH存储器M29W640D及视频处理器BF561组成。DDR2存储器MT48LC16M16A2TG用于存储基于前向车辆驾驶人驾驶行为的前向避撞算法中的数据。FLASH存储器M29W640D用于存储基于前向车辆驾驶人驾驶行为的前向避撞算法中的程序。视频处理器BF561负责对对前车行驶信息采集摄像头采集的视频信息进行处理。同时通过前车信息以及自车参数对前向车辆驾驶人驾驶行为进行预测,并根据预测结果设计最优避撞方案。该视频处理电路板上的电源电路由LM22676、LP38501、LP38693MP及其外围元件组成。LM22676负责将车载12V电源转换为5V电源,为系统5V元器件供电。LP38501负责将车载5V电源转换为3.3V电源,为系统3.3V元器件供电。LP38693MP负责将车载5V电源转换为1.8V电源,为系统1.8V元器件供电。
本发明所述前向车辆驾驶人驾驶行为预测模型如下:
基于HMM理论,建立前向车辆驾驶员驾驶行为HMM预测模型λ=(N,M,π,A,B),其中:
前向车辆驾驶人驾驶行为状态S:S=(S1,S2,…SN),t时刻所处状态为qt,qt∈S,本项目状态数N=5,其中,S1为制动行为,S2为左转向行为,S3为右转向行为,S4为左换道行为,S5为右转换道行为;
观测序列V:V=(v1,v2,…vM),t时刻观测事件为Ot,本项目观测值数M=9,其中,v1为自车与前向车辆车距,v2为前向车辆速度,v3前向车辆加速度,v4为前向车辆左转向灯,v5为前向车辆右转向灯,v6为前向车辆刹车灯;v7为前向车辆左侧临道内车辆数量,v8为前向车辆右侧临道内车辆数量,v9自车车速;
π:前向车辆驾驶人驾驶行为初始状态概率矢量,π=(π1,π2,…πN),其中πi=P(q1=Si);
A:状态转移矩阵,即前向车辆驾驶人驾驶行为状态转移矩阵,A={aij}N×N,其中,aij=P(qt+1=Sj|qt=Si),1≤i,j≤N;
B:观测事件概率分布矩阵,即不同前向车辆驾驶人驾驶行在在S下各观测状态出现的概率,B={bjk}N×M,其中,bjk=P[Ot=vk|qt=Sj],1≤j≤N,1≤k≤M。
本发明所述基于前车驾驶行为的最优避撞方案选择算法如下所述:
首先,根据驾驶员在可能发生前方追尾碰撞的紧急情况下,可能采取左转向、减速制动、右转向进行避撞,本发明根据前向车辆驾驶行为的预测结果,设计了避撞方案矩阵。作为优选方案,所述避撞方案矩阵表达式为:
其中,cij为第i种预测结果下对应第j种避撞方案。i(1≤i≤5)为对前向车辆驾驶员驾驶行为的预测结果,分别为前向车辆驾驶员驾驶行为为制动行为、左转向行为、右转向行为、左换道行为、右转换道行为;j(1≤j≤3)为当前车辆采取的避撞方案,分别为左转向、减速制动、右转向。
其次,针对于第i种预测结果下对应的j种避撞方案,通过安全性评价指标和平稳性评价指标进行评价。
①安全性评价指标
安全性评价指标是指预测一段时间Tp后两车的预测相对距离,则在第i种预测结果下对应第j种避撞方案cij对安全性评价指标的属性值即是计算经过预测时间Tp后两车的预测相对距离,表达式为:
Si,j=Sr+Sp+Sf,j (2)
式中Sr为当前时刻初始两车间距,Sp为前方目标车辆在预测时间Tp内所行驶的路程,Sf,j为当前时刻第i种预测结果下对应第j种避撞方案cij下时间Tp后本车行驶路程。
②平稳性评价指标
平稳性评价指标是指预测一段时间Tp后的本车减速度相对于前一时刻减速度变化量的绝对值,用于描述驾驶员控制车辆避免其运动状态发生急剧的变化,并尽可能保证车辆行驶平稳和驾乘者舒适的决策行为。则在第i种预测结果下对应第j种避撞方案cij对平稳性评价指标的属性值即是计算经过预测时间Tp后的本车减速度相对于前一时刻减速度变化量的绝对值。表达式为:
Δaij=abs(aij-af) (3)
其中,aij为第i种预测结果下对应第j种避撞方案对应的减速度值,af为车辆当前初始加速度。
最后,针对每一种预测结果下对应的j种避撞方案cij所考虑的评价指标相对重要程度不一样,因此为了达到最优避撞方案的目的,设计了基于二维权重的目标优化函数。
作为优选方案,所述目标优化函数表达式为:
其中,Li是第i种预测结果下对应的j种避撞方案的总的目标优化函数,λi1是第i种预测结果下采取左转向避撞方案的权重系数,λi2是第i种预测结果下采取减速避撞方案的权重系数,λi3是第i种预测结果下采取右转向避撞方案的权重系数。
si1第i种预测结果下采取左转向避撞方案时安全性评价指标,Δai1第i种预测结果下采取左转向避撞方案时平稳性评价指标,si2第i种预测结果下采取减速避撞方案时安全性评价指标,Δai2第i种预测结果下采取减速避撞方案时平稳性评价指标,si3第i种预测结果下采取右转向避撞方案时安全性评价指标,Δai3第i种预测结果下采取右转向避撞方案时平稳性评价指标。
ωi11是第i种预测结果下采取左转向避撞方案时安全性评价指标权重系数,ωi12是第i种预测结果下采取左转向避撞方案时平稳性评价指标权重系数,ωi21是第i种预测结果下采取减速避撞方案时安全性评价指标权重系数,ωi22是第i种预测结果下采取减速避撞方案时平稳性评价指标权重系数,ωi31是第i种预测结果下采取右转向避撞方案时安全性评价指标权重系数,ωi32是第i种预测结果下采取右转向避撞方案时平稳性评价指标权重系数。
通过建立上述优化模型,采用粒子群优化算法,对避撞方案进行优化,最终获得第i种预测结果下采取的最后避撞方案。
以上所述仅用于描述本发明技术方案和具体实施例,并不用于限定本发明的保护范围,应当理解,在不违背本发明实质内容和原则的前提下,所作任何修改、改进或等同替换等都将落入本发明的保护范围内。
Claims (3)
1.一种基于前向车辆驾驶人驾驶行为的前向避撞系统,其特征在于,包括激光雷达(3)、前车行驶信息采集摄像头(1)和一个视频处理器硬件平台(2);所述激光雷达(3)、所述前车行驶信息采集摄像头(1)均与所述视频处理器硬件平台(2)相连;所述激光雷达(3)负责采集前向车辆与本车的距离、前向车辆速度、前向车辆加速度;所述前车行驶信息采集摄像头(1)负责采集前向车辆、前向车辆尾灯、前向车辆相邻车道内车辆信息;所述视频处理器硬件平台(2)通过对激光雷达(3)采集的信息、前车行驶信息采集摄像头(1)采集的信息进行分析,建立前向车辆驾驶人驾驶行为预测模型,对前向车辆驾驶人驾驶行为进行预测,并根据预测结果以及避撞算法进行避撞。
2.根据权利要求1所述的一种基于前向车辆驾驶人驾驶行为的前向避撞系统,其特征在于,所述激光雷达(3)采用16线激光雷达,安装在车辆正前方。
3.根据权利要求1所述的一种基于前向车辆驾驶人驾驶行为的前向避撞系统,其特征在于,所述前车行驶信息采集摄像头(1)采用CCD车载影像夜视摄像头,安装在车辆前挡风玻璃上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201620066187.XU CN205573939U (zh) | 2016-01-22 | 2016-01-22 | 一种基于前向车辆驾驶人驾驶行为的前向避撞系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201620066187.XU CN205573939U (zh) | 2016-01-22 | 2016-01-22 | 一种基于前向车辆驾驶人驾驶行为的前向避撞系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN205573939U true CN205573939U (zh) | 2016-09-14 |
Family
ID=56883268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201620066187.XU Expired - Fee Related CN205573939U (zh) | 2016-01-22 | 2016-01-22 | 一种基于前向车辆驾驶人驾驶行为的前向避撞系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN205573939U (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105711586A (zh) * | 2016-01-22 | 2016-06-29 | 江苏大学 | 一种基于前向车辆驾驶人驾驶行为的前向避撞系统及避撞算法 |
CN106530690A (zh) * | 2016-10-31 | 2017-03-22 | 上海斐讯数据通信技术有限公司 | 一种行车预警系统及行车预警方法 |
CN106564496A (zh) * | 2016-10-19 | 2017-04-19 | 江苏大学 | 基于前向车辆驾驶行为的智能车辆安全环境包络重构方法 |
CN107204055A (zh) * | 2017-07-25 | 2017-09-26 | 成都大学 | 一种智能联网行车记录仪 |
WO2018072394A1 (zh) * | 2016-10-19 | 2018-04-26 | 江苏大学 | 融合空间和动力学特性的智能车辆安全驾驶包络重构方法 |
CN108528433A (zh) * | 2017-03-02 | 2018-09-14 | 比亚迪股份有限公司 | 车辆行驶自动控制方法和装置 |
CN108528450A (zh) * | 2017-03-02 | 2018-09-14 | 比亚迪股份有限公司 | 车辆行驶自动控制方法和装置 |
-
2016
- 2016-01-22 CN CN201620066187.XU patent/CN205573939U/zh not_active Expired - Fee Related
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105711586A (zh) * | 2016-01-22 | 2016-06-29 | 江苏大学 | 一种基于前向车辆驾驶人驾驶行为的前向避撞系统及避撞算法 |
CN105711586B (zh) * | 2016-01-22 | 2018-04-03 | 江苏大学 | 一种基于前向车辆驾驶人驾驶行为的前向避撞系统及避撞算法 |
CN106564496A (zh) * | 2016-10-19 | 2017-04-19 | 江苏大学 | 基于前向车辆驾驶行为的智能车辆安全环境包络重构方法 |
WO2018072394A1 (zh) * | 2016-10-19 | 2018-04-26 | 江苏大学 | 融合空间和动力学特性的智能车辆安全驾驶包络重构方法 |
WO2018072395A1 (zh) * | 2016-10-19 | 2018-04-26 | 江苏大学 | 基于前向车辆驾驶行为的智能车辆安全环境包络重构方法 |
CN106564496B (zh) * | 2016-10-19 | 2018-11-09 | 江苏大学 | 基于前向车辆驾驶行为的智能车辆安全环境包络重构方法 |
CN106530690A (zh) * | 2016-10-31 | 2017-03-22 | 上海斐讯数据通信技术有限公司 | 一种行车预警系统及行车预警方法 |
CN108528433A (zh) * | 2017-03-02 | 2018-09-14 | 比亚迪股份有限公司 | 车辆行驶自动控制方法和装置 |
CN108528450A (zh) * | 2017-03-02 | 2018-09-14 | 比亚迪股份有限公司 | 车辆行驶自动控制方法和装置 |
CN108528433B (zh) * | 2017-03-02 | 2020-08-25 | 比亚迪股份有限公司 | 车辆行驶自动控制方法和装置 |
CN107204055A (zh) * | 2017-07-25 | 2017-09-26 | 成都大学 | 一种智能联网行车记录仪 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105711586B (zh) | 一种基于前向车辆驾驶人驾驶行为的前向避撞系统及避撞算法 | |
CN205573939U (zh) | 一种基于前向车辆驾驶人驾驶行为的前向避撞系统 | |
CN109727469B (zh) | 一种多车道下自动驾驶车辆综合危险度评估方法 | |
Urmson | Self-driving cars and the urban challenge | |
Dollar et al. | Efficient and collision-free anticipative cruise control in randomly mixed strings | |
CN108445885A (zh) | 一种基于纯电动物流车的自动驾驶系统及其控制方法 | |
CN109242251A (zh) | 行车行为安全性检测方法、装置、设备及存储介质 | |
CN110155045A (zh) | 一种车辆紧急加速自保护系统及其自保护方法 | |
CN102991504A (zh) | 一种对驾驶员换道安全性进行判断并预警的装置及方法 | |
CN108447308A (zh) | 一种基于车路协同的交叉口车辆碰撞风险预测方法及系统 | |
CN105528593A (zh) | 一种前向车辆驾驶人驾驶行为预测系统及预测方法 | |
CN108995538A (zh) | 一种电动汽车的无人驾驶系统 | |
CN107139919A (zh) | 用于车辆防追尾预警的自保护方法、系统及车辆 | |
CN106251666A (zh) | 面向智能网联汽车的雾天环境下高速公路安全车速引导系统和方法 | |
CN108806018A (zh) | 一种数据处理方法、数据处理设备和智能汽车 | |
CN203172620U (zh) | 一种对驾驶员换道安全性进行判断并预警的装置 | |
CN110060547A (zh) | 一种驾驶科目三考试车的智能控制与评判系统及方法 | |
CN110341712A (zh) | 一种自动驾驶换道意图识别系统及其方法 | |
CN113962011A (zh) | 一种电动汽车制动系模型及其建立方法 | |
CN115311633B (zh) | 车辆违法上下客的检测方法、装置、电子设备及存储介质 | |
CN108153315A (zh) | 一种无人驾驶汽车的控制方法及控制装置 | |
Zhang et al. | A scene comprehensive safety evaluation method based on binocular camera | |
CN103287406B (zh) | 一种基于精确惩罚优化的汽车自动制动装置 | |
CN109887321A (zh) | 无人车变道安全判别方法、装置及存储介质 | |
CN104477152A (zh) | 安全行车方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160914 Termination date: 20200122 |