基于雷达的辅助驾驶系统前方目标车辆识别方法技术方案

本发明专利技术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。本发明专利技术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。从而使辅助驾驶功能的正常运行。从而使辅助驾驶功能的正常运行。

【技术实现步骤摘要】
基于雷达的辅助驾驶系统前方目标车辆识别方法


[0001]本专利技术涉及车辆辅助驾驶
，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。

技术介绍

[0002]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(Advanced Driving 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。
[0003]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。
[0004]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。
[0005]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。
[0006]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。

技术实现思路

[0007]针对现有技术存在的不足，本专利技术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。
[0008]为实现上述目的，本专利技术提供如下技术方案：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：
[0009]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；
[0010]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v
yi
和横向速 度v
xi
，按照公式ψ＝arctan(v
yi
/v
xi
)计算目标车辆的航向角；
[0011]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。
[0012]作为本专利技术进一步的方案，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。
[0013]作为本专利技术进一步的方案，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。
[0014]作为本专利技术进一步的方案，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。
[0015]作为本专利技术进一步的方案，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 (x
k
，y
k
)，本车的纵向速度为v
y
，横向速度为v
x
，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(x
k
’
＝xcosφ+ysinφ，y
k
’‑
xsinφ+ycosφ)，接着进行平移补偿，将目标车辆 的坐标转换为(x
k+1
＝x
k
’‑
v
x
T，y
k+1
＝y
k
’‑
v
y
T)。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。
[0016]作为本专利技术进一步的方案，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v
yi
和横向速度v
xi
，按照公式ψ＝arctan(v
yi
/v
xi
)计算。
[0017]作为本专利技术进一步的方案，在步骤三中，包括以下步骤：
[0018]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本文档来自技高网...

【技术保护点】

【技术特征摘要】
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v
yi
和横向速度v
xi
，按照公式ψ＝arctan(v
yi
/v
xi
)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(x
k
，y
k
)，本车的纵向速度为v
y
，横向速度为v
x
，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(x
k
’
＝xcosφ+ysinφ，y
k
’
‑<...

【专利技术属性】
技术研发人员：王勐，焦见伟，晋建峰，焦阳，
申请(专利权)人：深圳市布谷鸟科技有限公司，
类型：发明
国别省市：