本发明专利技术公开了一种基于多传感器的智能汽车环境感知方法，该技术方案旨在解决现今汽车的环境感知系统感知手段单一，难以较为准确、全面、快捷的提取汽车周围环境信息的技术问题；该技术方案利用超声波雷达传感器、毫米波雷达传感器和相机传感器组成的多感知环境传感器，并通过传感器数据预处理算法、多传感器数据融合算法以及目标跟踪算法实现实现车辆周围360°区域内目标物的检测和对前方车道线识别功能，真正实现对车辆周围环境无死角的感知。
【技术实现步骤摘要】
一种基于多传感器的智能汽车环境感知方法
本专利技术属于汽车电子
，具体涉及一种基于多传感器的智能汽车环境感知系统，即运用相机、毫米波雷达和超声波雷达等环境感知传感器与多传感器融合算法相结合来识别和跟踪目标物。
技术介绍
汽车是我们现今日常生活中最常用的交通工具之一，其方便着大家的日常出行，给大家带来极大的便利，但汽车在行驶过程中也存在着相应的安全问题，即车辆的增多，目前因为汽车导致的交通事故频发，同时致使人员伤亡数量也在不断增长，因此大家在汽车行驶过程中要特别注意安全驾驶。现今，汽车安全大致可分为两大类，即被动安全和主动安全，被动安全技术不能主动地防止交通事故的发生，它只能最大限度地减小事故发生后的损失；而智能汽车的主动安全技术则是能够主动防止或者减少车辆发生交通事故，因此越来越受到各大汽车制造商和消费者的重视。而在主动安全技术中，其首要因素是获取汽车周围行驶的环境信息，也就是汽车环境感知系统，对周围环境的信息进行采集分析，从而在可能发生、即将发生或已经发生的情况下做出相应动作，从而避免交通事故。针对智能汽车的环境感知系统的主要工作原始，其是通过安装在车体上的环境感知传感器，持续不断收集汽车自身外部的环境信息，从而识别周围环境中静止和运动的物体，并对识别的物体进行检测和跟踪，再通过相应的运算，判断物体是否是目标物体以及目标物体对自身的威胁程度，从而避免人员伤亡和重大的经济损失。但目前智能汽车的环境感知系统其感知手段较为单一，因此难以较为准确、全面、快捷的提取汽车周围的环境信息。
技术实现思路
(1)要解决的技术问题针对现有技术的不足，本专利技术的目的在于提供一种基于多传感器的智能汽车环境感知方法，该技术方案旨在解决现今汽车的环境感知系统感知手段单一，难以较为准确、全面、快捷的提取汽车周围环境信息的技术问题；该技术方案利用超声波雷达传感器、毫米波雷达传感器和相机传感器组成的多感知环境传感器，并通过传感器数据预处理算法、多传感器数据融合算法以及目标跟踪算法实现实现车辆周围360°区域内目标物的检测和对前方车道线识别功能，真正实现对车辆周围环境无死角的感知。(2)技术方案为了解决上述技术问题，本专利技术提供了这样一种基于多传感器的智能汽车环境感知方法，该感知方法通过在汽车上安装超声波雷达传感器、毫米波雷达传感器和相机传感器组成多感知环境传感器，通过超声波雷达传感器发射超声波，如在一定的范围内碰到障碍物，就会产生一定的反射波回到超声波雷达传感器，主机利用发生波和反射波之间的延迟时间T和声波速度C就能得到测量与障碍物之间的距离d；毫米波雷达传感器通过向外发射电磁波来进行障碍物检测，信号在传播过程中如果遇到障碍物则被反射，回波信号通过雷达的接收天线接收，然后经过混频和信号处理提取障碍物距离和径向速度等信息；相机传感器在对于障碍物边缘、范围和姿态等检测效果更好，尤其是相机传感器的对于障碍物的识别能力很强，但是制约于相机传感器的发展另外一个因素是其对光照非常敏感。基于多传感器“相机+毫米波雷达+超声波雷达”融合，该平台因毫米波雷达传感器不易受环境因素所影响，能够弥补激光雷达传感器和相机传感器在某些环境下性能下降的缺陷。在车辆前方分别加装相机传感器、长距离和短距离毫米波雷达传感器，实现前方目标物的检测及分类并对车道线进行识别；分别在车辆左右二侧和后方安装短距离毫米波雷达传感器，实现对相应检测区域内的目标物识别，对周围环境信息进行采集；在车身四周均匀安装超声波雷达传感器，弥补其它感知传感器检测区域的盲区。其中，该感知方法的步骤包括：步骤一、通过汽车CAN总线技术获取毫米波雷达传感器检测到障碍物的原始数据，并把毫米波雷达传感器检测到周围障碍物的原始数据通过冒泡数据处理算法，筛选出离本车纵向距离最近的目标物；步骤二、采用基于传感器级融合结构的行人目标检测算法和基于中央级融合结构的机动车与自行车目标检测算法，进行加权融合算法输出，提高该区域目标物检测概率和数据信息精度；其中，基于传感器级融合结构的行人目标检测算法的具体过程为：传感器级数据融合并行架构的特点是不考虑传感器的主从特性，对于同一个目标进行检测，增大行人目标被检测到的概率，分以下四种情形进行算法设计；1)在同一区域，相机传感器检测到行人目标，而毫米波雷达传感器同时也检测到目标物，将两者输出数据进行融合加权处理；2)在同一区域，相机传感器检测到行人目标，而毫米波雷达传感器没有检测到目标物，则输出相机传感器的行人数据；3)在同一区域，相机传感器未检测到行人目标，而毫米波雷达传感器检测到目标物，根据目标物的长度、宽度、RCS数据，判断是否是行人；4)在同一区域，相机传感器未检测到行人目标，而毫米波雷达传感器也未检测到目标物，则表明该区域无行人目标；在概率论中，某一事件独立发生的概率下式①所示，假设A与B是两个相互独立的事件，则加法公式和乘法公式如下式②和③所示，P(A∪B)＝P(A)+P(B)-P(AB)②P(AB)＝P(A)P(B)③根据行人检测系统检测行人原理，相机传感器与毫米波雷达传感器检测行人是两个独立事件，假设相机传感器的检测概率为P(C)，毫米波雷达的检测概率为P(R)，经过融合算法处理得到行人检测概率为P(F)，如下式④所示，P(F)＝P(C)+P(R)-p(C)P(R)④公式④是通过经典古典概率推算相机传感器和毫米波雷达多传感器融合算法用于行人检测系统中行人检测的概率，相比于单一传感器的检测概率要高，说明基于多传感器融合的行人目标检测算法能提高目标行人的检测识别概率。其中，基于中央级融合结构的机动车与自行车目标检测算法的具体过程为：1)长距离毫米波雷达传感器和短距离毫米雷达传感器通过冒泡数据处理算法将原始数据进行预处理，输出各自区域中纵向距离最近的目标物；2)对检索的两个目标物的纵向距离进行判断，如果在门限值一的范围内，则假设为同一个目标物，如果超过门限值一的范围，则输出检索的两个目标物中纵向距离最近的目标物作为目标跟踪对象；3)对检索的两个目标物的横向距离进行判断，如果在门限值二的范围内，则再次假设为同一个目标物，如果超过门限值二的范围，则输出检索的两个目标物中横向距离最近的目标物作为目标跟踪对象；4)对检索的两个目标物的相对速度进行判断，如果在门限值三的范围内，系统认为其是同一个目标物，作为目标跟踪对象，如果超过门限值三的范围，则输出两个目标物中相对速度最小的目标物作为目标跟踪对象；5)最后进行加权融合输出目标物的距离、速度及方位角信息；步骤三、对加权融合后输出的目标物进行卡尔曼滤波，对目标进行稳定跟踪；其中，目标跟踪算法的具体过程为：1)假设现在的系统状态是k，得出基于系统的现在状态而预测出下一时刻的状态，如下式⑤所示，X(k|k-1)＝AX(k-1|k-1)+BU(k)⑤其中，X(k|k-1)是通过现在的状态预测下一时刻状态的结果，X(k-1|k-1)是现在状态的最优结果，U(k)为现在状态的控制量；2)预测下一时刻状态估计的不确定度，如下式⑥所示，其中，P(k|k-1)是X(k|k-1)对应的协方差，P(k-1|k-1)是X(k-1|k-1)对应的协方差，是A的转置距离，Q是系统的协方差；3)根据预测值和量测值，推导出下一时刻状态k的最优化估算本文档来自技高网...
【技术保护点】
1.一种基于多传感器的智能汽车环境感知方法，其特征在于，该感知方法的步骤包括：步骤一、通过汽车CAN总线技术获取毫米波雷达传感器检测到障碍物的原始数据，并把毫米波雷达传感器检测到周围障碍物的原始数据通过冒泡数据处理算法，筛选出离本车纵向距离最近的目标物；步骤二、采用基于传感器级融合结构的行人目标检测算法和基于中央级融合结构的机动车与自行车目标检测算法，进行加权融合算法输出，提高该区域目标物检测概率和数据信息精度；其中，基于传感器级融合结构的行人目标检测算法的具体过程为：1)在同一区域，相机传感器检测到行人目标，而毫米波雷达传感器同时也检测到目标物，将两者输出数据进行融合加权处理；2)在同一区域，相机传感器检测到行人目标，而毫米波雷达传感器没有检测到目标物，则输出相机传感器的行人数据；3)在同一区域，相机传感器未检测到行人目标，而毫米波雷达传感器检测到目标物，根据目标物的长度、宽度、RCS数据，判断是否是行人；4)在同一区域，相机传感器未检测到行人目标，而毫米波雷达传感器也未检测到目标物，则表明该区域无行人目标；其中，基于中央级融合结构的机动车与自行车目标检测算法的具体过程为：1)长距离毫米波雷达传感器和短距离毫米雷达传感器通过冒泡数据处理算法将原始数据进行预处理，输出各自区域中纵向距离最近的目标物；2)对检索的两个目标物的纵向距离进行判断，如果在门限值一的范围内，则假设为同一个目标物，如果超过门限值一的范围，则输出检索的两个目标物中纵向距离最近的目标物作为目标跟踪对象；3)对检索的两个目标物的横向距离进行判断，如果在门限值二的范围内，则再次假设为同一个目标物，如果超过门限值二的范围，则输出检索的两个目标物中横向距离最近的目标物作为目标跟踪对象；4)对检索的两个目标物的相对速度进行判断，如果在门限值三的范围内，系统认为其是同一个目标物，作为目标跟踪对象，如果超过门限值三的范围，则输出两个目标物中相对速度最小的目标物作为目标跟踪对象；5)最后进行加权融合输出目标物的距离、速度及方位角信息；步骤三、对加权融合后输出的目标物进行卡尔曼滤波，对目标进行稳定跟踪；其中，目标跟踪算法的具体过程为：1)假设现在的系统状态是k，得出基于系统的现在状态而预测出下一时刻的状态，如下式⑤所示，X(k|k‑1)＝AX(k‑1|k‑1)+BU(k) ⑤其中，X(k|k‑1)是通过现在的状态预测下一时刻状态的结果，X(k‑1|k‑1)是现在状态的最优结果，U(k)为现在状态的控制量；2)预测下一时刻状态估计的不确定度，如下式⑥所示，...
【技术特征摘要】
1.一种基于多传感器的智能汽车环境感知方法，其特征在于，该感知方法的步骤包括：步骤一、通过汽车CAN总线技术获取毫米波雷达传感器检测到障碍物的原始数据，并把毫米波雷达传感器检测到周围障碍物的原始数据通过冒泡数据处理算法，筛选出离本车纵向距离最近的目标物；步骤二、采用基于传感器级融合结构的行人目标检测算法和基于中央级融合结构的机动车与自行车目标检测算法，进行加权融合算法输出，提高该区域目标物检测概率和数据信息精度；其中，基于传感器级融合结构的行人目标检测算法的具体过程为：1)在同一区域，相机传感器检测到行人目标，而毫米波雷达传感器同时也检测到目标物，将两者输出数据进行融合加权处理；2)在同一区域，相机传感器检测到行人目标，而毫米波雷达传感器没有检测到目标物，则输出相机传感器的行人数据；3)在同一区域，相机传感器未检测到行人目标，而毫米波雷达传感器检测到目标物，根据目标物的长度、宽度、RCS数据，判断是否是行人；4)在同一区域，相机传感器未检测到行人目标，而毫米波雷达传感器也未检测到目标物，则表明该区域无行人目标；其中，基于中央级融合结构的机动车与自行车目标检测算法的具体过程为：1)长距离毫米波雷达传感器和短距离毫米雷达传感器通过冒泡数据处理算法将原始数据进行预处理，输出各自区域中纵向距离最近的目标物；2)对检索的两个目标物的纵向距离进行判断，如果在门限值一的范围内，则假设为同一个目标物，如果超过门限值一的范围，则输出检索的两个目标物中纵向距离最近的目标物作为目标跟踪对象；3)对检索的两个目标物的横向距离进行判断，如果在门限值二的范围内，则再次假设为同一个目标物，如果超过门限值二的范围，则输出检索的两个目标物中横向距离最近的目标物...
【专利技术属性】
技术研发人员：刘晓波，熊震，梁春辉，
申请(专利权)人：南昌航空大学，
类型：发明
国别省市：江西,36
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。