CN109849904A - 车辆碰撞识别装置 - Google Patents
车辆碰撞识别装置 Download PDFInfo
- Publication number
- CN109849904A CN109849904A CN201910235449.9A CN201910235449A CN109849904A CN 109849904 A CN109849904 A CN 109849904A CN 201910235449 A CN201910235449 A CN 201910235449A CN 109849904 A CN109849904 A CN 109849904A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- vehicle collision
- index
- collision
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000001133 acceleration Effects 0.000 claims abstract description 60
- 230000004927 fusion Effects 0.000 claims abstract description 36
- 230000033001 locomotion Effects 0.000 claims abstract description 11
- 230000003068 static effect Effects 0.000 claims description 26
- 238000013480 data collection Methods 0.000 claims description 17
- 230000003044 adaptive effect Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000002459 sustained effect Effects 0.000 claims description 9
- 241000208340 Araliaceae Species 0.000 claims description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 4
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 4
- 235000008434 ginseng Nutrition 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 1
- 239000012491 analyte Substances 0.000 description 1
- 230000009429 distress Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Landscapes
- Air Bags (AREA)
Abstract
本发明公开了一种车辆碰撞识别装置,包括:数据融合运算模块;数据接收与整理模块,用于接收来自车辆运动跟踪传感器的数据流,并按照预设的时间滑动窗口长度将该时间滑动窗口内接收到的数据流发送至所述数据融合运算模块,其中,所述数据流包括加速度、角速度以及时间戳;所述数据融合运算模块,用于对接收到的数据集进行数据融合、数据校正、阈值集选择以及碰撞判定指标计算,以得到车辆碰撞判断的判断指标;碰撞判定模块,用于根据数据融合运算模块计算出来的车辆碰撞判断的判断指标判定车辆是否受到碰撞。本发明的车辆碰撞识别装置成本低,能够准确的识别碰撞信号。
Description
技术领域
本发明涉及一种车辆碰撞识别装置。
背景技术
目前市场上的碰撞识别有两类方式方法。
第一类方法是依赖安装在车身内外、由多个碰撞传感器组成的碰撞感应***实现碰撞识别。该碰撞感应***的主要作用是作为安全气囊***中的控制信号输入装置,目的是在车辆事故中保护驾车人和乘车人的关键部位安全。为了避免轻微碰撞导致安全气囊等不可逆设备弹出,造成不必要的开支,这种碰撞识别方法被限定为识别较为严重的碰撞;在车辆遭受严重碰撞甚至损毁时,因为失去能源车辆将无法向外界发送求救信号。另外,碰撞传感器的成本也较高,且不适用于频繁地识别车辆在行驶中持续变化的状态。
第二类方法使用车载单片机或单板电脑等加装设备作为计算载体,使用固定阈值方法分析传感器采集到的加速度、角速度等运动信号的瞬时变化,并将运动信号的显著瞬时变化中超过固定阈值的(达到识别标准的)信号识别为碰撞。为了不将路面颠簸和过减速带等瞬时信号变化错误地识别为碰撞,普遍需要将阈值设置在较高等级,但这样做会导致漏判的几率增加,尤其是在车辆的静止状态下;而且多数碰撞识别算法有大量的先决条件(如车速必须大于30公里/小时等),这使得该碰撞识别算法在实际应用中出现误判和漏判的几率大大增加。由于该类方法多数使用加装的计算载体并配备自有电源,在车辆收到碰撞损毁的状态下,可以依赖自身供电向外界发出求救信号。
发明内容
针对上述现有技术的不足,本发明所要解决的技术问题是:提供一种低成本、准确地识别碰撞信号的车辆碰撞识别装置。
为解决上述技术问题,本发明采用的一个技术方案是:提供一种车辆碰撞识别装置,包括:
数据融合运算模块;
数据接收与整理模块,用于接收来自车辆运动跟踪传感器的数据流,并按照预设的时间滑动窗口长度将该时间滑动窗口内接收到的数据流发送至所述数据融合运算模块,其中,所述数据流包括加速度、角速度以及时间戳;
所述数据融合运算模块,用于对接收到的数据集进行数据融合、数据校正、阈值集选择以及碰撞判定指标计算,以得到车辆碰撞判断的判断指标;
碰撞判定模块,用于根据数据融合运算模块计算出来的车辆碰撞判断的判断指标判定车辆是否受到碰撞。
进一步的,每相邻的两个时间滑动窗口部分重叠以形成区间重叠,前一个时间滑动窗口的尾部时间段与后一个时间滑动窗口的前部时间段重叠,所述数据接收与整理模块还用于采用所述区间重叠的数据传输机制以将所述时间滑动窗口内接收到的数据流发送至所述数据融合运算模块。
进一步的,所述数据融合运算模块包括数据融合子模块、整数校正子模块、阈值集选择子模块以及碰撞判定指标计算子模块;其中,所述数据融合子模块,用于通过以下公式计算所述接收到的数据集的合加速度与合角速度:
其中,accx,n、accy,n、accz,n表示x、y、z三轴的加速度值,acc合,n表示合加速度,表示合加速度集;gyrox,m、gyroy,m、gyroz,m表示x、y、z三轴的角速度值,gyro合,m表示合角速度,gyro合表示合角速度集;n表示该时间滑动窗口长度内的第n个数据点,m表示该时间滑动窗口长度内的数据点的总个数。
进一步的,所述数据校正子模块用于收集预设的固定时间长度内的合加速度数据集与合角速度数据集,并判断该固定时间长度内的合加速度数据集的最大值与最小值之差是否小于0.2且合角速度数据集的最大值与最小值之差是否小于30时,若小于则认为车辆静止时间达到该固定时间长度,求取该固定时间长度段的合加速度平均值acc平均与合角速度平均值gyro平均以作为新的两项校正值;若不满足上述条件,则认为车辆处于与不能动状态,不对校正值进行更新。在下一次进行车辆数据矫正之前,使用当前的校正值对和进行数据矫正。
进一步的,所述数据校正子模块通过以下公式对和中所有数据进行校正:
作为矫正后的合加速度数据集,作为矫正后的合角速度数据集。
进一步的,所述阈值集选择子模块用于计算所述校正后的合加速度数据集以及矫正后的合角速度数据集判定车辆的运动状态,若车辆处于静止状态,则选择静止状态的阈值参数集:[阈值参数X静止=1,阈值参数Y静止=0.20~0.45];若车辆处于行驶状态,则选择行驶状态的阈值参数集:[阈值参数X行驶=1,阈值参数Y行驶=1.02~1.42];其中,若矫正后的合加速度数据集中,加速度值超过0.98~1.10的数据数量不小于总数量的1/10~1/5,则视为车辆处于行驶状态,否则,则视为车辆处于静止状态。
进一步的,所述碰撞判定指标计算子模块包括自适应噪声信号过滤器计算子模块、新的疑似碰撞信号数据集生成子模块、车辆碰撞判定第一指标计算子模块、车辆碰撞判定第二指标计算子模块、固定比例噪声信号过滤器计算子模块以及车辆碰撞判定第三子标计算子模块;
所述自适应噪声信号过滤器计算子模块用于根据矫正后的合加速度数据集以及矫正后的合角速度数据集得到对应的和并结合选定的阈值参数集{[阈值参数X静止,阈值参数Y静止];[阈值参数X行驶,阈值参数Y行驶];}通过以下公式计算出自适应噪声信号过滤器和
其中,当车辆处于静止状态时:Xacc=Xgyro=X静止,Yacc=Ygyro=Y静止;当车辆处于行驶状态时:Xacc=Xgyro=X行驶,Yacc=Ygyro=Y行驶。
所述新的疑似碰撞信号数据集生成子模块用于根据以下公式生成新的疑似碰撞信号数据集:
所述车辆碰撞判定第一指标计算子模块用于通过以下公式得到车辆碰撞判定第一指标α:
所述车辆碰撞判定第二指标计算子模块用于通过以下公式得到车辆碰撞判定第二指标β:
所述固定比例噪声信号过滤器计算子模块通过以下公式计算得到:
其中,表示合加速度的固定比例噪声信号过滤器,表示合角速度的固定比例噪声信号过滤器,Zacc=1/10~1/4,表示合加速度固定阈值参数,合角速度固定阈值参数Zgyro=1/20~1/10,表示合角速度固定阈值参数,n表示第n个数据点,m表示数据点的总个数。
所述车辆碰撞判定第三子标计算子模块用于根据合加速度固定比例噪声信号过滤器和合角速度的固定比例噪声信号过滤器过滤出的持续振动信号时长数据集和而计算得到车辆碰撞判定第三指标γacc和γgyro,其中,所述γacc表示持续振动信号时长数据集的时间跨度,γgyro表示持续振动信号时长数据集的时间跨度。
进一步的,所述碰撞判定模块还用于根据计算出来的车辆碰撞判定第一指标、车辆碰撞判定第二指标、车辆碰撞判定第三指标进行以下判断,以得到车辆是否受到碰撞:
车辆静止状态下,若车辆碰撞判定第一指标α大于3m/s2,且该数据点对应的时间戳与上一个碰撞点时间戳相距不小于100ms,则认为车辆受到碰撞;若车辆碰撞判定第一指标α处于1m/s2到3m/s2之间,且满足车辆碰撞判定第二指标β大于0.024、车辆碰撞判定第三指标γ小于90ms,同时该数据点对应的时间戳与上一个碰撞点时间戳相距不小于100ms,则认为车辆受到碰撞;
车辆行驶状态下,若车辆碰撞判定第一指标α大于5m/s2,且该数据点对应的时间戳与上一个碰撞点时间戳相距不小于100ms,则认为车辆受到碰撞;若车辆碰撞判定第一指标α处于1m/s2到5m/s2之间,且满足车辆碰撞判定第二指标β大于0.36、车辆碰撞判定第三指标γacc小于10ms和车辆碰撞判定第三指标γgyro小于100ms,同时该数据点对应的时间戳与上一个碰撞点时间戳相距不小于100ms,则认为车辆受到碰撞。
本发明致力于实现以下目的:
1.不论是在静止或是行驶状态下,该发明都可以通过“自适应阈值”的方法快速确定适用于当前状态的阈值参数集,并使用计算得到的自适应过滤器有效地找到车辆受力突变的信号,达到准确识别碰撞信号的效果,解决使用背景技术中第二类方法时,阈值设置不合理导致无法识别碰撞的问题。
2.相较于单一阈值判定碰撞的算法,使用“多级滤波”方法计算出的多项车辆碰撞判断指标可以帮助智能过滤路面颠簸、过减速带等信号特征值与碰撞类似的情况,实现更加精准的碰撞识别。
3.通过融合以上两种方法,实现以运动跟踪传感数据为基础的低成本精准碰撞识别。
附图说明
图1是本发明车辆识别装置一实施例的方框图。
图2是时间滑动窗口与区间重叠示意图。
图3是自适应过滤器的示意图(以合加速度为例,图中为和)。
图4是校正值过滤之后的新数据集示意图(以合加速度为例,图中为)。
图5是计算车辆碰撞判定第三指标γ示意图(以合加速度为例,图中为γacc)。
图6是车辆碰撞判断流程图。
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他实施例,都属于本发明保护的范围。
请参见图1至图6,本发明的实施例的车辆碰撞识别装置,包括数据接收与整理模块、数据融合运算模块以及碰撞判定模块。其中:
所述数据接收与整理模块,用于接收来自车辆运动跟踪传感器的数据流,并按照预设的时间滑动窗口长度将该时间滑动窗口内接收到的数据流发送至所述数据融合运算模块,其中,所述数据流包括加速度、角速度以及时间戳;所述数据融合运算模块,用于对接收到的数据集进行数据融合、数据校正、阈值集选择以及碰撞判定指标计算,以得到车辆碰撞判断的判断指标;碰撞判定模块,用于根据数据融合运算模块计算出来的车辆碰撞判断的判断指标判定车辆是否受到碰撞。
进一步作为优选的或可选的,请参见图2,本实施例中每相邻的两个时间滑动窗口部分重叠以形成区间重叠,前一个时间滑动窗口的尾部时间段与后一个时间滑动窗口的前部时间段重叠,所述数据接收与整理模块还用于采用所述区间重叠的数据传输机制以将所述时间滑动窗口内接收到的数据流发送至所述数据融合运算模块。本实施例中,为了检测到每一个碰撞,需要确保覆盖所有数据,因此这一模块采取了区间重叠的数据输入机制。所述时间滑动窗口长度设置为800ms,区间重叠设置为200ms,即前一个时间滑动窗口的后200ms与后一个时间滑动窗口的前200ms相重叠。这样的好处是有效的、无遗漏的收集每一个数据,防止数据遗漏,以确保碰撞数据不会被滑动窗口分割而发生漏报情况。
所述数据融合运算模块的功能是使用数据接收与整理模块所传入的运动跟踪信号数据集进行数据融合、数据校正、阈值集选择和碰撞判定指标计算,为下一步进行碰撞判定提供数据支撑。具体地,所述数据融合运算模块包括数据融合子模块、整数校正子模块、阈值集选择子模块以及碰撞判定指标计算子模块。其中:
所述数据融合子模块用于通过以下公式计算所述接收到的数据集的合加速度与合角速度:
其中,accx,n、accy,n、accz,n表示x、y、z三轴的加速度值,acc合,n表示合加速度,表示合加速度集;gyrox,m、gyroy,m、gyroz,m表示x、y、z三轴的角速度值,gyro合,m表示合角速度,表示合角速度集;n表示该时间滑动窗口长度内的第n个数据点,m表示该时间滑动窗口长度内的数据点的总个数。
所述数据校正子模块用于收集预设的固定时间长度内的合加速度数据集与合角速度数据集,并判断该固定时间长度内的合加速度数据集的最大值与最小值之差是否小于0.2且合角速度数据集的最大值与最小值之差是否小于30时,若小于则认为车辆静止时间达到该固定时间长度,求取该固定时间长度段的合加速度平均值acc平均与合角速度平均值gyro平均以作为新的两项校正值;若不满足上述条件,则认为车辆处于与不能动状态,不对校正值进行更新。,在下一次进行车辆数据矫正之前,使用当前的校正值对和进行数据矫正。
若小于则认为车辆静止时间达到该固定时间长度,求取该固定时间长度段的合加速度平均值acc平均与合角速度平均值gyro平均以作为两项校正值,并在下一次车辆静止状态来临之前使用该两项校正值对和中所有数据进行校正。公式表达如下:如果3秒内
且则,进入数据校正流程。在这种情况下需要各对这一段时间的合加速度与合角速度求平均值(acc平均,gyro平均)作为两项校正值,并在下一次静止状态来临之前使用这两项校正值(acc平均,gyro平均)对和中所有数据进行校正。本实施例中,所述固定时间长度设置为3s,在其他实施例中,所述固定时间长度可以是大于或等于滑动窗口长度的任意时间长度。
本实施例中,所述数据校正子模块通过以下公式对和中所有数据进行校正:
作为矫正后的合加速度数据集,作为矫正后的合角速度数据集。如果静止状态再次出现,则对这两项校正值进行更新,并使用新的校正值对后续融合数据进行校正。用于矫正判定的数据集维持在固定长度,因此数据校正模块启动后(即***运作3秒后),该数据集开始不断进行迭代更新(每加入一个新数据点到数据集尾部,就去除掉一个数据集首部的数据点)。
如果3秒内
或
则,不对数据校正值进行更新。
在进行完一个滑动窗口数据融合与数据计算之后,使用经过矫正的合加速度与合角速度对车辆的运动状态进行判定。所述阈值集选择子模块用于计算所述校正后的合加速度数据集以及矫正后的合角速度数据集判定车辆的运动状态,若车辆处于静止状态,则选择静止状态的阈值参数集:[阈值参数X静止=1,阈值参数Y静止=0.20~0.45];作为优选的,所述阈值参数Y静止=0.23。若车辆处于行驶状态,则选择行驶状态的阈值参数集:[阈值参数X行驶=1,阈值参数Y行驶=1.02~1.42],作为优选的,所述阈值参数Y行驶=1.05;其中,若矫正后的合加速度数据集中,加速度值超过0.98~1.10的数据数量不小于总数量的1/10~1/5,作为优选的,所述加速度值超过1.02的数据数量不小于总数量的1/6,则视为车辆处于行驶状态,否则,则视为车辆处于静止状态。
所述碰撞判定指标计算子模块包括自适应噪声信号过滤器计算子模块、新的疑似碰撞信号数据集生成子模块、车辆碰撞判定第一指标计算子模块、车辆碰撞判定第二指标计算子模块、固定比例噪声信号过滤器计算子模块以及车辆碰撞判定第三子标计算子模块。其中:
所述自适应噪声信号过滤器计算子模块用于根据矫正后的合加速度数据集以及矫正后的合角速度数据集得到对应的和并结合通过“自适应机制”选定的阈值参数集{[阈值参数X静止,阈值参数Y静止];[阈值参数X行驶,阈值参数Y行驶];}计算出自适应噪声信号过滤器和其中:
a.移动平均数
上式返回由局部n个数据点的平均数组成的数组,其中每个平均数基于的相邻元素的长度为n的移动窗口计算得出。当n为奇数时,窗口以当前位置的元素为中心。当n为偶数时,窗口以当前元素及其前一个元素为中心。滑动窗口从数组的第一个元素开始,每次计算窗口向数据集的末尾移动一个单位长度,直至数组的最后一个元素。当没有足够的元素填满窗口时,窗口将自动在端点处截断。当窗口被截断时,只根据窗口内的元素计算平均数。每个平均数的计算公式如下:
其中:l:当前窗口对应的元素数量
与的长度相同。
的求法同理。
b.移动标准差
上式返回由局部m个数据点的方差值组成的数组,其中每个方差基于的相邻元素的长度为m的移动窗口计算得出。当m为奇数时,窗口以当前位置的元素为中心。当m为偶数时,窗口以当前元素及其前一个元素为中心。滑动窗口从数组的第一个元素开始,每次计算窗口向数据集的末尾移动一个单位长度,直至数组的最后一个元素。当没有足够的元素填满窗口时,窗口将自动在端点处截断。当窗口被截断时,只根据窗口内的元素计算方差。每个标准差的计算公式如下:
其中:l:当前窗口对应的元素数量
与的长度相同。
的求法同理。
c.自适应噪声信号过滤器和的计算:
其中:当车辆处于静止状态时:Xacc=Xgyro=X静止,Yacc=Ygyro=Y静止;当车辆处于行驶状态时:Xacc=Xgyro=X行驶,Yacc=Ygyro=Y行驶。
通过以下公式计算出自适应噪声信号过滤器(如图3)和
其中,当车辆处于静止状态时:Xacc=Xgyro=X静止,Yacc=Ygyro=Y静止;当车辆处于行驶状态时:Xacc=Xgyro=X行驶,Yacc=Ygyro=Y行驶。
所述新的疑似碰撞信号数据集生成子模块用于根据以下公式生成新的疑似碰撞信号数据集(如图4):
的最大值对应的数值,即为车辆碰撞判定第一指标:α;新生成数据集的最大值与此处对应的合加速度最大值的比值即为车辆碰撞判定第二指标:β
所述车辆碰撞判定第一指标计算子模块用于通过以下公式得到车辆碰撞判定第一指标α:
时刻对应的的值
所述车辆碰撞判定第二指标计算子模块用于通过以下公式得到车辆碰撞判定第二指标β:
所述固定比例噪声信号过滤器计算子模块在上一步求出的新数据集的基础上,使用相对于合加速度与合角速度最大值的不同比例参数计算出固定比例噪声信号过滤器和合加速度固定阈值参数Zacc=1/10~1/4,作为优选的,合加速度固定阈值参数Zacc=1/5,合角速度固定阈值参数Zgyro=1/20~1/10,作为优选的,合角速度固定阈值参数Zgyro=1/15。所述固定比例噪声信号过滤器计算子模块的计算公式如下:
其中,表示合加速度的固定比例噪声信号过滤器,表示合角速度的固定比例噪声信号过滤器,合加速度固定阈值参数Zacc=1/10~1/4,表示合加速度固定阈值参数,合角速度固定阈值参数Zgyro=1/15,表示合角速度固定阈值参数,n表示第n个数据点,m表示数据点的总个数。
所述车辆碰撞判定第三子标计算子模块用于根据合加速度固定比例噪声信号过滤器和合角速度的固定比例噪声信号过滤器过滤出的持续振动信号时长数据集和而计算得到车辆碰撞判定第三指标γacc(如图5)和γgyro,其中,所述γacc表示持续振动信号时长数据集的时间跨度,γgyro表示持续振动信号时长数据集的时间跨度。
所述碰撞判定模块的功能是利用计算出来的三项车辆碰撞判断指标进行多级条件判定,实现精确的碰撞识别。具体地,所述碰撞判定模块还用于根据传递的自适应阈值参数,确定待判断的车辆数据产生于静止状态或是运动状态;并在不同的状态下根据计算出来的车辆碰撞判定第一指标、车辆碰撞判定第二指标、车辆碰撞判定第三指标进行以下判断,以得到车辆是否受到碰撞,具体如下:
车辆静止状态下,若车辆碰撞判定第一指标α大于3m/s2,且该车辆碰撞判定第一指标α对应的时间戳与上一个碰撞点时间戳相距不小于100ms(优选为不小于200ms),则认为车辆受到碰撞;若车辆碰撞判定第一指标α处于1m/s2到3m/s2之间,且满足车辆碰撞判定第二指标β大于0.024、车辆碰撞判定第三指标γ小于90ms,同时该数据点对应的时间戳与上一个碰撞点时间戳相距不小于100ms(优选为不小于200ms),则认为车辆受到碰撞;
车辆行驶状态下,若车辆碰撞判定第一指标α大于5m/s2,且该车辆碰撞判定第一指标α对应的时间戳与上一个碰撞点时间戳相距不小于100ms(优选为200ms),则认为车辆受到碰撞;若车辆碰撞判定第一指标α处于1m/s2到5m/s2之间,且满足车辆碰撞判定第二指标β大于0.36、车辆碰撞判定第三指标γacc小于10ms和车辆碰撞判定第三指标γgyro小于100ms,同时该数据点对应的时间戳与上一个碰撞点时间戳相距不小于100ms(优选为不小于200ms),则认为车辆受到碰撞(如图6)。
以上仅为本发明的实施方式,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种车辆碰撞识别装置,包括:
数据融合运算模块;
数据接收与整理模块,用于接收来自车辆运动跟踪传感器的数据流,并按照预设的时间滑动窗口长度将该时间滑动窗口内接收到的数据流发送至所述数据融合运算模块,其中,所述数据流包括加速度、角速度以及时间戳;
所述数据融合运算模块,用于对接收到的数据集进行数据融合、数据校正、阈值集选择以及碰撞判定指标计算,以得到车辆碰撞判断的判断指标;
碰撞判定模块,用于根据数据融合运算模块计算出来的车辆碰撞判断的判断指标判定车辆是否受到碰撞。
2.如权利要求1所述的车辆碰撞识别装置,其特征在于:每相邻的两个时间滑动窗口部分重叠以形成区间重叠,前一个时间滑动窗口的尾部时间段与后一个时间滑动窗口的前部时间段重叠,所述数据接收与整理模块还用于采用所述区间重叠的数据传输机制以将所述时间滑动窗口内接收到的数据流发送至所述数据融合运算模块。
3.如权利要求1或2所述的车辆碰撞识别装置,其特征在于:所述数据融合运算模块包括数据融合子模块、整数校正子模块、阈值集选择子模块以及碰撞判定指标计算子模块;其中,所述数据融合子模块,用于通过以下公式计算所述接收到的数据集的合加速度与合角速度:
其中,accx,n、accy,n、accz,n表示x、y、z三轴的加速度值,acc合,n表示合加速度,表示合加速度集;gyrox,m、gyroy,m、gyroz,m表示x、y、z三轴的角速度值,gyro合,m表示合角速度,gyro合表示合角速度集;n表示该时间滑动窗口长度内的第n个数据点,m表示该时间滑动窗口长度内的数据点的总个数。
4.如权利要求3所述的车辆碰撞识别装置,其特征在于,所述数据校正子模块用于收集预设的固定时间长度内的合加速度数据集与合角速度数据集,并判断该固定时间长度内的合加速度数据集的最大值与最小值之差是否小于0.2且合角速度数据集的最大值与最小值之差是否小于30时,若小于则认为车辆静止时间达到该固定时间长度,求取该固定时间长度段的合加速度平均值acc平均与合角速度平均值gyro平均以作为新的两项校正值;若不满足上述条件,则认为车辆处于与不能动状态,不对校正值进行更新。在下一次进行车辆数据矫正之前,使用当前的校正值对和进行数据矫正。
5.如权利要求4所述的车辆碰撞识别装置,其特征在于,所述数据校正子模块通过以下公式对和中所有数据进行校正:
作为矫正后的合加速度数据集,作为矫正后的合角速度数据集。
6.如权利要求4所述的车辆碰撞识别装置,其特征在于,所述阈值集选择子模块用于计算所述校正后的合加速度数据集以及矫正后的合角速度数据集判定车辆的运动状态,若车辆处于静止状态,则选择静止状态的阈值参数集:[阈值参数X静止=1,阈值参数Y静止=0.20~0.45];若车辆处于行驶状态,则选择行驶状态的阈值参数集:[阈值参数X行驶=1,阈值参数Y行驶=1.02~1.42];其中,若矫正后的合加速度数据集中,加速度值超过0.98~1.10的数据数量不小于总数量的1/10~1/5,则视为车辆处于行驶状态,否则,则视为车辆处于静止状态。
7.如权利要求6所述的车辆碰撞识别装置,其特征在于,所述碰撞判定指标计算子模块包括自适应噪声信号过滤器计算子模块、新的疑似碰撞信号数据集生成子模块、车辆碰撞判定第一指标计算子模块、车辆碰撞判定第二指标计算子模块、固定比例噪声信号过滤器计算子模块以及车辆碰撞判定第三子标计算子模块;
所述自适应噪声信号过滤器计算子模块用于根据矫正后的合加速度数据集以及矫正后的合角速度数据集得到对应的和并结合选定的阈值参数集{[阈值参数X静止,阈值参数Y静止];[阈值参数X行驶,阈值参数Y行驶];}通过以下公式计算出自适应噪声信号过滤器和
其中,当车辆处于静止状态时:Xacc=Xgyro=X静止,Yacc=Ygyro=Y静止;当车辆处于行驶状态时:Xacc=Xgyro=X行驶,Yacc=Ygyro=Y行驶。
所述新的疑似碰撞信号数据集生成子模块用于根据以下公式生成新的疑似碰撞信号数据集:
所述车辆碰撞判定第一指标计算子模块用于通过以下公式得到车辆碰撞判定第一指标α:
时刻对应的的值
所述车辆碰撞判定第二指标计算子模块用于通过以下公式得到车辆碰撞判定第二指标β:
所述固定比例噪声信号过滤器计算子模块通过以下公式计算得到:
其中,表示合加速度的固定比例噪声信号过滤器,表示合角速度的固定比例噪声信号过滤器,Zacc=1/10~1/4,表示合加速度固定阈值参数,合角速度固定阈值参数Zgyro=1/20~1/10,表示合角速度固定阈值参数,n表示第n个数据点,m表示数据点的总个数。
所述车辆碰撞判定第三子标计算子模块用于根据合加速度固定比例噪声信号过滤器和合角速度的固定比例噪声信号过滤器过滤出的持续振动信号时长数据集和而计算得到车辆碰撞判定第三指标γacc和γgyro,其中,所述γacc表示持续振动信号时长数据集的时间跨度,γgyro表示持续振动信号时长数据集的时间跨度。
8.如权利要求7所述的车辆碰撞识别装置,其特征在于,所述碰撞判定模块还用于根据计算出来的车辆碰撞判定第一指标、车辆碰撞判定第二指标、车辆碰撞判定第三指标进行以下判断,以得到车辆是否受到碰撞:
车辆静止状态下,若车辆碰撞判定第一指标α大于3m/s2,且该数据点对应的时间戳与上一个碰撞点时间戳相距不小于100ms,则认为车辆受到碰撞;若车辆碰撞判定第一指标α处于1m/s2到3m/s2之间,且满足车辆碰撞判定第二指标β大于0.024、车辆碰撞判定第三指标γ小于90ms,同时该数据点对应的时间戳与上一个碰撞点时间戳相距不小于100ms,则认为车辆受到碰撞;
车辆行驶状态下,若车辆碰撞判定第一指标α大于5m/s2,且该数据点对应的时间戳与上一个碰撞点时间戳相距不小于100ms,则认为车辆受到碰撞;若车辆碰撞判定第一指标α处于1m/s2到5m/s2之间,且满足车辆碰撞判定第二指标β大于0.36、车辆碰撞判定第三指标γacc小于10ms和车辆碰撞判定第三指标γgyro小于100ms,同时该数据点对应的时间戳与上一个碰撞点时间戳相距不小于100ms,则认为车辆受到碰撞。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910235449.9A CN109849904A (zh) | 2019-03-27 | 2019-03-27 | 车辆碰撞识别装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910235449.9A CN109849904A (zh) | 2019-03-27 | 2019-03-27 | 车辆碰撞识别装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109849904A true CN109849904A (zh) | 2019-06-07 |
Family
ID=66902040
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910235449.9A Pending CN109849904A (zh) | 2019-03-27 | 2019-03-27 | 车辆碰撞识别装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109849904A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110217241A (zh) * | 2019-06-19 | 2019-09-10 | 麦特汽车服务股份有限公司 | 一种判断车辆碰撞和急刹车的方法及装置 |
CN110766982A (zh) * | 2019-09-26 | 2020-02-07 | 浙江从泰网络科技有限公司 | 基于车载传感器的车辆碰撞检测*** |
CN111243333A (zh) * | 2020-01-08 | 2020-06-05 | 成都路行通信息技术有限公司 | 基于自编码网络的碰撞检测方法、***和可读存储介质 |
CN111506692A (zh) * | 2020-04-21 | 2020-08-07 | 成都路行通信息技术有限公司 | 一种基于目标行为的碰撞检测方法 |
CN112215118A (zh) * | 2020-09-30 | 2021-01-12 | 华人运通(上海)云计算科技有限公司 | 车辆传感器数据特征自动提取方法、装置及计算机可读存储介质 |
CN112829703A (zh) * | 2021-01-18 | 2021-05-25 | 深圳市几米物联有限公司 | 一种基于三轴加速度传感器的汽车碰撞检测方法与*** |
CN114333318A (zh) * | 2021-12-31 | 2022-04-12 | 成都路行通信息技术有限公司 | 一种基于传感器空间角摩托车碰撞检测方法 |
-
2019
- 2019-03-27 CN CN201910235449.9A patent/CN109849904A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110217241A (zh) * | 2019-06-19 | 2019-09-10 | 麦特汽车服务股份有限公司 | 一种判断车辆碰撞和急刹车的方法及装置 |
CN110766982A (zh) * | 2019-09-26 | 2020-02-07 | 浙江从泰网络科技有限公司 | 基于车载传感器的车辆碰撞检测*** |
CN111243333A (zh) * | 2020-01-08 | 2020-06-05 | 成都路行通信息技术有限公司 | 基于自编码网络的碰撞检测方法、***和可读存储介质 |
CN111506692A (zh) * | 2020-04-21 | 2020-08-07 | 成都路行通信息技术有限公司 | 一种基于目标行为的碰撞检测方法 |
CN111506692B (zh) * | 2020-04-21 | 2023-05-26 | 成都路行通信息技术有限公司 | 一种基于目标行为的碰撞检测方法 |
CN112215118A (zh) * | 2020-09-30 | 2021-01-12 | 华人运通(上海)云计算科技有限公司 | 车辆传感器数据特征自动提取方法、装置及计算机可读存储介质 |
CN112215118B (zh) * | 2020-09-30 | 2022-12-27 | 华人运通(上海)云计算科技有限公司 | 车辆传感器数据特征自动提取方法、装置及计算机可读存储介质 |
CN112829703A (zh) * | 2021-01-18 | 2021-05-25 | 深圳市几米物联有限公司 | 一种基于三轴加速度传感器的汽车碰撞检测方法与*** |
CN114333318A (zh) * | 2021-12-31 | 2022-04-12 | 成都路行通信息技术有限公司 | 一种基于传感器空间角摩托车碰撞检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109849904A (zh) | 车辆碰撞识别装置 | |
US9457763B2 (en) | Collision detection apparatus | |
US8630793B2 (en) | Vehicle controller | |
JP4906398B2 (ja) | 車載道路形状識別装置、車載システム、道路形状識別方法及び周辺監視方法 | |
CN103661376B (zh) | 车速控制装置和包含该装置的车速控制***及其控制方法 | |
EP2991861B1 (en) | Method, apparatus and computer program for detecting a collision using accelerometer data | |
US9764719B2 (en) | Method and device for avoiding a possible subsequent collision and for reducing the accident consequences of a collision | |
EP1886891B1 (en) | Driver assistance system controller and driver assistance control method for vehicles | |
CN102069800A (zh) | 车辆行驶控制方法及控制装置 | |
CN111002982B (zh) | 用于控制速度的设备和方法 | |
CN103946906A (zh) | 车辆确定装置 | |
CN108466616A (zh) | 一种自动识别碰撞事件的方法、存储介质及车载终端 | |
CN104608772A (zh) | 自动辅助驾驶的环境失效判断***及方法 | |
CN108010382A (zh) | 辅助驾驶装置、方法及汽车 | |
US9821814B2 (en) | Device and method for determining drowsiness and non-transitory storage medium | |
US10131359B2 (en) | Communication system for a vehicle | |
CN106530826A (zh) | 一种高速公路预防连环撞预警方法 | |
CN113702067B (zh) | 商用车的自适应巡航***评价***及评价方法 | |
CN105905060A (zh) | 一种智能化汽车安全气囊***及控制方法 | |
CN109094560A (zh) | 一种自适应巡航方法及装置 | |
KR101417447B1 (ko) | 외장에어백 전개방법 | |
WO2018003278A1 (ja) | 車両挙動判定装置、コンピュータプログラム及び車両挙動判定方法 | |
CN109203902A (zh) | 一种车辆安全防护方法、***、行车控制装置及存储介质 | |
CN112272630A (zh) | 探测碰撞事件 | |
CN110290981A (zh) | 用于以共同***时间来触发人员保护装置的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190607 |