CN115201810A

CN115201810A - 用于无人车的多传感器融合紧急避障方法

Info

Publication number: CN115201810A
Application number: CN202210912057.3A
Authority: CN
Inventors: 刘文博; 徐伟; 李奇; 王闻博; 李勇兵; 郭永春; 朱超
Original assignee: Shenzhen Yijiahe Technology R & D Co ltd
Current assignee: Shenzhen Yijiahe Technology R & D Co ltd
Priority date: 2022-07-29
Filing date: 2022-07-29
Publication date: 2022-10-18

Abstract

本发明提供了一种用于无人车的多传感器融合紧急避障方法，通过交错安装的超声波雷达与毫米波雷达，对超声波雷达与毫米波雷达获取的数据分别进行预处理，检查返回数据中是否有检测到与车头垂直距离小于一定阈值α的目标，失败则通过未检测到目标次数判定是否需要释放加速命令锁定；成功则进入目标跟踪阶段，若无目标跟踪，则将目标加入目标跟踪队列，并将其状态初始化；目标跟踪成功，则通过滤波算法更新目标状态，通过得到的目标与车体行驶相对速度判定是否需要中等力度刹车或者紧急刹车。本发明将两种传感器融合可有效兼容响应速度与可靠性要求。

Description

用于无人车的多传感器融合紧急避障方法

技术领域

本发明涉及无人车系统领域，具体是一种用于无人车的多传感器融合紧急避障方法。

背景技术

在无人车系统中，出于安全性考虑，一般会采用超声波雷达、毫米波雷达或者激光雷达等测距传感器实现非正常情况下的紧急刹车功能，在目前的类似方案中，存在以下缺陷：

1、只使用单一传感器实现该功能。由于以上陈列传感器均存在各自的缺陷，例如超声波雷达响应慢且易误检，激光雷达容易受雨雾干扰等，导致基于单一传感器方案可靠性较低，在紧急情况下无法及时响应刹车或因为误报产生错误刹车影响乘坐体验。

2、部分使用多传感器的方案只是简单将多传感器数据接入系统，没有针对性采用合适的算法和逻辑对数据进行预处理，相较于单一传感器方案，只能够实现性能较为有限的提升，无法完全解决。

发明内容

本发明为了解决现有技术的问题，提供了一种用于无人车的多传感器融合紧急避障方法，将两种传感器融合可有效兼容响应速度与可靠性要求。

本发明提供了一种用于无人车的多传感器融合紧急避障方法，包括以下步骤

1)交错安装超声波雷达与毫米波雷达(激光雷达)；

2)对超声波雷达与毫米波雷达获取的数据分别进行预处理，两者测量结果均使用滑动窗口滤波和窗口内的测量值加权平均计算；

3)检查返回数据中是否有检测到与车头垂直距离小于一定阈值α的目标，失败则通过未检测到目标次数判定是否需要释放加速命令锁定；成功则进入目标跟踪阶段，若无目标跟踪，则将目标加入目标跟踪队列，并将其状态初始化；目标跟踪成功，则通过滤波算法更新目标状态，通过得到的目标与车体行驶相对速度判定是否需要中等力度刹车或者紧急刹车。

步骤2)中所述的超声波雷达的预处理过程，采用如下公式：

其中r_i为原始数据，t_i为时间，W₁(t_i)为基于测量时间与当前时间差值的权重计算函数,使用指数函数并进行归一化；δ₁(r_i)为i时刻的测量过滤函数，k为滑动窗口大小,Q为窗口内的测量协方差。

步骤2)中所述的毫米波雷达的预处理过程，采用如下公式：

由于毫米波雷达存在强度信息，因此，I为测量强度，其中W₂(I_i)为基于测量强度的权重计算函数；x为原始数据，δ₂(x_i)为i时刻的测量过滤函数，k为滑动窗口大小，Q为窗口内的测量协方差。

步骤3)中所述的目标追踪，采用EKF算法，其中同一目标状态量定义为：

x＝{r,θ}

r和θ分别为目标的距离与角度，超声波雷达测量结果只有距离，因此只更新距离信息r，根据预处理的测量结果协方差计算卡尔曼增益Kr，更新状态量中的距离：

毫米波雷达测量结果包括距离和角度，根据预处理的测量结果协方差计算卡尔曼增益Kx，更新状态量：

步骤1)中所述的超声波雷达与毫米波雷达通过车规级CAN BUS与上位机连接，也可采用rs232或网线连接，可实现同样目的，但会降低可靠性。

本发明有益效果在于：

基于毫米波雷达与超声波雷达的不同特性制定，超声波雷达存在检测范围小，频率低，实时性差等缺陷，但其检测对于物体材质无要求，在限定检测范围内对各种物体检测稳定；毫米波雷达存在对材质较为敏感的缺陷，但其响应速度快、频率高，检测范围大且定位相对精准，并可根据多普勒效应得到被测物体速度，因此，将两种传感器融合可有效兼容响应速度与可靠性要求。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为传感器安装示意图；

图2为传感器硬件连接图；

图3为程序单次运行逻辑图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在硬件安装上，根据毫米波雷达与超声波雷达的探测特性，采用超声波雷达与毫米波雷达交错安装的方式，保证两种传感器探测范围重叠度最大化，有利于后续根据两种传感器检测数据进行目标跟踪。毫米波雷达可替换为激光雷达，可实现同样目的。本发明的一种具体实施方式如图1所示，在车辆前端分布有四个超声波雷达和两个毫米波雷达。

在传感器连接上，采用车规级CAN BUS，保证数据传感器的可靠性和实时性，同时，由于超声波雷达数据在传输过程中易受干扰，超声波雷达探头与控制器连接采用带屏蔽的信号线，尽可能减少数据错误率，提高系统稳定性。硬件连接可采用rs232或网线连接，可实现同样目的，但会降低可靠性。

软件运行流程如流程图所示，第一步，检查返回数据中是否有检测到与车头垂直距离小于一定阈值α的目标，失败则通过未检测到目标次数判定是否需要释放加速命令锁定；成功则进入目标跟踪阶段，若无目标跟踪，则将目标加入目标跟踪队列，并将其状态初始化；目标跟踪成功，则通过滤波算法更新目标状态，通过得到的目标与车体行驶相对速度判定是否需要中等力度刹车或者紧急刹车。

在数据预处理方面，针对超声波雷达和毫米波雷达分别处理，两者测量结果均可使用滑动窗口滤波和窗口内的测量值加权平均计算，但具体计算方式不同。

针对超声波雷达：

针对毫米波雷达：

在目标追踪方面，采用EKF算法，其中同一目标状态量定义为：

x＝{r,θ}

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备实施例而言，以上所述仅是本发明的优选实施方式，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，对于本技术领域的普通技术人员来说，可轻易想到的变化或替换，在不脱离本发明原理的前提下，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims

1.一种用于无人车的多传感器融合紧急避障方法，其特征在于：包括以下步骤

1)交错安装超声波雷达与毫米波雷达；

2.根据权利要求1所述的用于无人车的多传感器融合紧急避障方法，其特征在于：步骤2)中所述的超声波雷达的预处理过程，采用如下公式：

3.根据权利要求1或2所述的用于无人车的多传感器融合紧急避障方法，其特征在于：步骤2)中所述的毫米波雷达的预处理过程，采用如下公式：

I为测量强度，其中W₂(I_i)为基于测量强度的权重计算函数；x为原始数据，δ₂(x_i)为i时刻的测量过滤函数，k为滑动窗口大小，Q为窗口内的测量协方差。

4.根据权利要求1所述的用于无人车的多传感器融合紧急避障方法，其特征在于：步骤3)中所述的目标追踪，采用EKF算法，其中同一目标状态量定义为：

x＝{r,θ}

5.根据权利要求1所述的用于无人车的多传感器融合紧急避障方法，其特征在于：步骤1)中所述的超声波雷达与毫米波雷达通过车规级CAN BUS与上位机连接。