一种车辆AEB弯道障碍物筛选方法技术

本发明专利技术公开一种车辆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。本发明专利技术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。确判断碰撞风险导致的误刹车或不刹车。确判断碰撞风险导致的误刹车或不刹车。

【技术实现步骤摘要】
一种车辆AEB弯道障碍物筛选方法


[0001]本专利技术涉及车辆安全运行
，具体涉及一种车辆AEB弯道障碍物筛选方法。

技术介绍

[0002]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。

技术实现思路

[0003]本专利技术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。
[0004]为了达到上述目的，本专利技术采用的技术方案是：一种车辆AEB弯道障碍物筛选方法，包括以下步骤：
[0005]S1、对感知的障碍物进行初步筛选
[0006]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；
[0007]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；
[0008]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；
[0009]S2、预测车辆行使轨迹
[0010]通过车辆CAN获取车辆运动信息；/>[0011]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；
[0012]S3、对S1筛选后的障碍物做轨迹预测
[0013]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；
[0014]S4、结合S2和S3在时间和空间上计算最大碰撞风险障碍物
[0015]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；
[0016]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；
[0017]S5、计算S4中筛选的最大碰撞风险障碍物的碰撞参数
[0018]计算碰撞时间，碰撞距离和碰撞速度。
[0019]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。
[0020]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：
[0021][0022]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存储在P
×
3维矩阵中。
[0023]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；
[0024]在第k个预测时刻，通过车辆的航线角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；
[0025]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：
[0026]XA＝x+(Lf+L)*cos(φ)-Lk/2*sin(φ)；
[0027]YA＝y+(Lf+L)*sin(φ)+Lk/2*cos(φ)；
[0028]XB＝x+(Lf+L)*cos(φ)+Lk/2*sin(φ)；
[0029]YB＝y+(Lf+L)*sin(φ)-Lk/2*cos(φ)；
[0030]XC＝x-Lr*cos(φ)+Lk/2*sin(φ)；
[0031]YC＝y-Lr*sin(φ)-Lk/2*cos(φ)；
[0032]XD＝x-Lr*cos(φ)-Lk/2*sin(φ)；
[0033]YD＝y-Lr*sin(φ)+Lk/2*cos(φ)。
[0034]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：
[0035]TTC＝k
c
×
T
[0036]碰撞距离TTD计算；
[0037][0038]碰撞速度v
c
计算：
[0039][0040]其中，碰撞时刻k
c
，时间周期T，碰撞自车的航向角碰撞障碍物速度[v
cx v
cy
]。
[0041]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
[0042]图1为本专利技术用到的车辆坐标系示意图；
[0043]图2为三自由度车辆运动学模型示意图；
[0044]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
[0045]下面结合附图对本专利技术进行详细的说明：
[0046]本专利技术提供一种车辆AEB弯道障碍物筛选方法，包括以下步骤：
[0047]S1、对感知的障碍物进行初步筛选
[0048]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)、方向角和横纵向速度(v
x
，v
y
)，本车坐标系如图1；
[0049]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；
[0050]将初步筛选后的障碍信息存储在数组中。
[0051]S2、预测车辆行使轨迹
[0052]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；
[0053]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：
[0054]δ(k+1)＝δ(k)+dδ
[0055]N个时刻后，δ保持恒定。
[0056]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：
[0057][0058]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，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；
[0059]后保持恒定方向角；
[0060]存储成P行3列的车辆轨迹矩本文档来自技高网...

【技术保护点】

【技术特征摘要】
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：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...

【专利技术属性】
技术研发人员：刘腾腾，
申请(专利权)人：刘腾腾，
类型：发明
国别省市：