一种基于多传感器融合的旁车道车辆切入识别方法及装置制造方法及图纸

本发明专利技术提出一种基于多传感器融合的旁车道车辆切入识别方法及装置，利用卡尔曼滤波融合模型，对目标进行关联，输出目标的3类横向位置信息，包括毫米波雷达检测到的横向位置信息、摄像头检测到的横向位置信息、卡尔曼滤波融合模型计算的横向位置信息；判断是否为切入或者判断得到切入概率。本发明专利技术本技术方案可以对切入场景提前进行准确预判，使得ADAS辅助驾驶功能可以进行提前控制，降低驾驶员接管频率，提高舒适性。提高舒适性。提高舒适性。

【技术实现步骤摘要】
一种基于多传感器融合的旁车道车辆切入识别方法及装置


[0001]本专利技术属于汽车智能驾驶
领域，特别是涉及到一种基于多传感器融合的旁车道车辆切入识别方法及装置。

技术介绍

[0002]在ADAS辅助驾驶系统中，旁车道车辆在距离本车较近的位置切入时，常常会导致由于系统未能及时进行危险目标切换，影响系统效果。
[0003]在现有技术中，对于旁车道车辆切入识别，存在多种可以采用的方案。采用单雷达方案，可以对目标的横向距离进行探测，对目标在横向位置上是否在靠近本车进行判断。采用单摄像头方案，可以通过车辆与车道线之间的相对位置关系进行判断。采用雷达和摄像头融合的方案，可以结合车道线和目标横向位置信息判断目标是否有进入本车道的意图。
[0004]但是上述方案都存在不足之处，单雷达方案无法获得车道线信息，从而无法准确判断旁车道车辆距离本车车道线的距离；单摄像头方案，图像处理计算量较大，实时性不足，且当车辆压线时才开始判断，时机较晚；雷达和摄像头融合方案存在数据同步问题，而且传感器输出的横向位置信息可能存在扰动，影响切入判断。

技术实现思路

[0005]本专利技术提出一种基于多传感器融合的旁车道车辆切入识别方法及装置，能够对切入场景进行准确识别预判。
[0006]为达到上述目的，本专利技术的技术方案是这样实现的：
[0007]一种基于多传感器融合的旁车道车辆切入识别方法，包括：
[0008]S1、获取设置在车上的车载摄像头与毫米波雷达的输出信息；
[0009]S2、基于步骤S1获得的输出信息，对目标信息、车道线信息进行时间同步；
[0010]S3、利用卡尔曼滤波融合模型，对目标进行关联，输出目标的3类横向位置信息，包括毫米波雷达检测到的横向位置信息、摄像头检测到的横向位置信息、卡尔曼滤波融合模型计算的横向位置信息；
[0011]S4、将本探测周期的横向位置信息与上一探测周期的横向位置信息进行对比，判断本探测周期是否为切入；如果不是，则错误次数加1，连续错误次数加1，总次数加1；
[0012]S5、当错误次数、连续错误次数、总次数满足预设的阈值时，全部清零，重新开始计数并判断；否则根据错误次数、连续错误次数和总次数，判断得到切入概率；
[0013]S6、记录本探测周期的3类横向位置信息，用于下一探测周期比较。
[0014]进一步的，步骤S2所述时间同步的方法包括：获取目标信息和车道线信息中的时间戳，以车道线信息的时间戳为基准时刻，利用目标信息的时间戳和位置、速度信息，计算目标在基准时刻的位置信息，从而达到时间同步。
[0015]进一步的，步骤S3所述利用卡尔曼滤波融合模型对目标进行关联的方法包括：
[0016]以卡尔曼滤波融合模型输出的目标信息为基准目标信息，将雷达和摄像头输出的
目标信息和基准目标信息利用欧氏距离相比较，获得基准目标和雷达摄像头输出目标的关联距离矩阵，然后遍历该矩阵，将最邻近目标相关联。
[0017]进一步的，步骤S5所述根据错误次数和总次数判断得到切入概率的方法包括：
[0018]根据路测数据统计错误次数、连续错误次数和总次数与切入概率的对应关系数据，依据对应关系数据和本探测周期中错误次数和总次数，得到切入概率。
[0019]进一步的，步骤S5中所述预设的阈值包括：连续错误次数>5或错误次数>2/3*总次数。
[0020]本专利技术另一方面还提出了一种基于多传感器融合的旁车道车辆切入识别装置，包括：
[0021]获取模块，用于获取设置在车上的车载摄像头与毫米波雷达的输出信息；
[0022]同步模块，基于获取模块获得的输出信息，对目标信息、车道线信息进行时间同步；
[0023]输出模块，利用卡尔曼滤波融合模型，对目标进行关联，输出目标的3类横向位置信息，包括毫米波雷达检测到的横向位置信息、摄像头检测到的横向位置信息、卡尔曼滤波融合模型计算的横向位置信息；
[0024]对比模块，将本探测周期的横向位置信息与上一探测周期的横向位置信息进行对比，判断本探测周期是否为切入；如果不是，则错误次数加1，连续错误次数加1，总次数加1；
[0025]切入概率模块，当错误次数、连续错误次数、总次数满足预设的阈值时，全部清零，重新开始计数并判断；否则根据错误次数、连续错误次数和总次数，判断得到切入概率；
[0026]记录模块，记录本探测周期的3类横向位置信息，用于下一探测周期比较。
[0027]进一步的，同步模块包括：获取目标信息和车道线信息中的时间戳，以车道线信息的时间戳为基准时刻，利用目标信息的时间戳和位置、速度信息，计算目标在基准时刻的位置信息，从而达到时间同步。
[0028]进一步的，输出模块包括：
[0029]以卡尔曼滤波融合模型输出的目标信息为基准目标信息，将雷达和摄像头输出的目标信息和基准目标信息利用欧氏距离相比较，获得基准目标和雷达摄像头输出目标的关联距离矩阵，然后遍历该矩阵，将最邻近目标相关联。
[0030]进一步的，切入概率模块包括：
[0031]根据路测数据统计错误次数、连续错误次数和总次数与切入概率的对应关系数据，依据对应关系数据和本探测周期中错误次数和总次数，得到切入概率。
[0032]进一步的，切入概率模块还包括预设阈值单元：设置阈值为错误次数>5或错误次数>2/3*总次数。
[0033]与现有技术相比，本专利技术具有如下的有益效果：
[0034]本专利技术本技术方案可以对切入场景提前进行准确预判，使得ADAS辅助驾驶功能可以进行提前控制，降低驾驶员接管频率，提高舒适性。
附图说明
[0035]图1是本专利技术实施例的流程示意图。
具体实施方式
[0036]需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0037]为使本专利技术专利的目的、特征更明显易懂，下面结合附图对本专利技术专利的具体实施方式作进一步的说明。需说明的是，附图均采用非常简化的形式且均使用非精准的比率，仅用以方便、明晰地辅助说明本专利技术专利实施例的目的。
[0038]本专利技术的设计思想是采用多传感器以及融合模型，通过多传感器以及融合模型各自探测出的目标车的横向位置信息，进行车辆切入的识别判断。
[0039]本专利技术首先在车上设置车载摄像头以及毫米雷达波，比较有效的安装位置是：车载摄像头安装在本车的前挡风玻璃位置，毫米雷达波安装在前保险杠位置处。
[0040]本专利技术主要基于3类横向位置信息，分别为毫米波雷达检测到的横向位置信息、摄像头检测到的横向位置信息、卡尔曼(kalman)滤波融合模型计算的横向位置信息。
[0041]其中，毫米波雷达检测出目标车的距离，速度和方向角。根据距离和方向角，可以计算出横向位置，公式为：横向位置＝距离*sin(方向角)；
[0042]摄像头可以为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多传感器融合的旁车道车辆切入识别方法，其特征在于，包括：S1、获取设置在车上的车载摄像头与毫米波雷达的输出信息；S2、基于步骤S1获得的输出信息，对目标信息、车道线信息进行时间同步；S3、利用卡尔曼滤波融合模型，对目标进行关联，输出目标的3类横向位置信息，包括毫米波雷达检测到的横向位置信息、摄像头检测到的横向位置信息、卡尔曼滤波融合模型计算的横向位置信息；S4、将本探测周期的横向位置信息与上一探测周期的横向位置信息进行对比，判断本探测周期是否为切入；如果不是，则错误次数加1，连续错误次数加1，总次数加1；S5、当错误次数、连续错误次数、总次数满足预设的阈值时，全部清零，重新开始计数并判断；否则根据错误次数、连续错误次数和总次数，判断得到切入概率；S6、记录本探测周期的3类横向位置信息，用于下一探测周期比较。2.根据权利要求1所述的基于多传感器融合的旁车道车辆切入识别方法，其特征在于，步骤S2所述时间同步的方法包括：获取目标信息和车道线信息中的时间戳，以车道线信息的时间戳为基准时刻，利用目标信息的时间戳和位置、速度信息，计算目标在基准时刻的位置信息，从而达到时间同步。3.根据权利要求1所述的基于多传感器融合的旁车道车辆切入识别方法，其特征在于，步骤S3所述利用卡尔曼滤波融合模型对目标进行关联的方法包括：以卡尔曼滤波融合模型输出的目标信息为基准目标信息，将雷达和摄像头输出的目标信息和基准目标信息利用欧氏距离相比较，获得基准目标和雷达摄像头输出目标的关联距离矩阵，然后遍历该矩阵，将最邻近目标相关联。4.根据权利要求1所述的基于多传感器融合的旁车道车辆切入识别方法，其特征在于，步骤S5所述根据错误次数和总次数判断得到切入概率的方法包括：根据路测数据统计错误次数、连续错误次数和总次数与切入概率的对应关系数据，依据对应关系数据和本探测周期中错误次数和总次数，得到切入概率。5.根据权利要求1所述的基于多传感器融合的旁车道车辆切入识别方法，其特征在于，步骤S5中所述预设的阈值包括：连续错误次数>5或错误次数&gt...

【专利技术属性】
技术研发人员：王勐，焦见伟，晋建峰，
申请(专利权)人：布谷鸟同创科技天津有限公司，
类型：发明
国别省市：