CN115092131A - 一种车辆巡航***及方法 - Google Patents
一种车辆巡航***及方法 Download PDFInfo
- Publication number
- CN115092131A CN115092131A CN202210767459.9A CN202210767459A CN115092131A CN 115092131 A CN115092131 A CN 115092131A CN 202210767459 A CN202210767459 A CN 202210767459A CN 115092131 A CN115092131 A CN 115092131A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- marker
- distance
- mapping distance
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000004927 fusion Effects 0.000 claims abstract description 43
- 230000008447 perception Effects 0.000 claims abstract description 10
- 238000013507 mapping Methods 0.000 claims description 156
- 239000003550 marker Substances 0.000 claims description 127
- 239000002245 particle Substances 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000006978 adaptation Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 238000003709 image segmentation Methods 0.000 claims description 6
- 238000012952 Resampling Methods 0.000 claims description 5
- 238000007500 overflow downdraw method Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000004888 barrier function Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 abstract description 11
- 230000008901 benefit Effects 0.000 abstract description 6
- 230000003044 adaptive effect Effects 0.000 description 27
- 230000008859 change Effects 0.000 description 12
- 206010039203 Road traffic accident Diseases 0.000 description 5
- 230000009471 action Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/14—Adaptive cruise control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/14—Adaptive cruise control
- B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/143—Alarm means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/50—Barriers
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种车辆巡航***及方法,涉及车辆安全领域。本发明提供的一种车辆巡航***及方法,利用多传感器对环境进行感知,并对不同传感器的信息进行重新表征以便实现高等级的非线性数据融合,使用融合的数据构建局部3D地图来辅助决策,可提高***对驾驶环境进行深度感知,实现良好的自适应与决策;此外,本发明可对障碍物类别的进行识别,可针对危险程度较高的障碍物做出更有效的决策反馈,提高车辆巡航***的决策实时性和灵活性。本发明提供的车辆巡航***及方法对车辆周围障碍物的综合感知能力较强,对障碍物的应变灵活性较强,防撞技术功能多元化,非常适用于复杂多变的道路路况。
Description
本申请是名为《一种车辆巡航***及方法》的专利申请的分案申请,原申请的申请日为2018年08月10日,申请号为201810910364.1。
技术领域
本发明涉及车辆安全领域,特别涉及一种车辆巡航***及方法。
背景技术
随着国内汽车产业的飞速发展和汽车产销量逐年攀升,交通压力与日俱增,道路运输安全形式日益严峻。特大恶***通事故频发,不仅严重危害人民的生命财产安全,并且极易引起复杂的社会问题,为此,主动安全技术作为解决交通问题的重要手段,受到各国政府的高度重视,成为我国中长期科学和技术发展规划的重点领域及优先资助的技术发展方向。
交通事故的发生主要由驾驶员的人为过失引起。由于驾驶员能力均具有一定局限性和不稳定性,例如,反应时间,反应速度,注意力集中程度,精神耐力和驾驶经验等,驾驶员处于疲劳状态时极易引起驾驶操作失误,甚至造成严重的交通事故,为解决这一问题,智能巡航***应运而生,并已得到了各汽车厂家和用户的积极关注。
通常,车辆装载的智能巡航***包括环境感知模块和车辆防撞模块,车辆防撞模块预先存储有车辆开发人员或车辆用户根据车辆驾驶过程中的避撞经验设置的环境数据与映射动作的对应关系,其中,环境数据可以包括障碍物的位置数据,映射动作可以包括方向盘沿着预设旋转方向旋转预设旋转角度等。环境感知模块可以在车辆的行驶前方存在障碍物时,通过车载雷达获取车辆当前所处环境的环境数据,车辆防撞模块可以根据车辆当前的环境数据,从环境数据与映射动作的对应关系中匹配出该环境数据所对应的目标映射动作,根据该目标映射动作控制车辆行驶,从而避免车辆与前方障碍物发生碰撞。
在实现本发明的过程中,发明人发现相关技术至少存在以下问题:相关技术中的智能巡航***大多通过雷达实现对车辆前方障碍物的速度和距离的探测,而无法有效识别障碍物的类型,且,智能巡航***无法感知并获取车辆两侧及后侧的环境数据,因此,智能巡航***对车辆周围障碍物的综合感知能力较低,对障碍物的应变灵活性较差,防撞技术功能比较单一。
发明内容
针对现有技术存在的上述问题,本发明提供了一种车辆巡航***及方法。
根据本发明实施例的第一个方面,提供一种车辆巡航***,所述车辆巡航***包括:环境感知模块、数据融合模块、自适应与决策模块以及执行模块;
所述环境感知模块用于在车辆处于行驶状态时,实时获取所述车辆周侧的各项驾驶环境数据,并对各项驾驶环境数据进行预处理;
所述数据融合模块用于对经过所述环境感知模块预处理的各项驾驶环境数据进行重定义数据表示,并将重定义数据表示后的各项驾驶环境数据通过粒子滤波进行非线性数据融合,根据非线性融合后的各项驾驶环境数据构建局部 3D地图,所述局部3D地图包括至少一个标示物;所述非线性数据融合方法基于马尔科夫蒙特卡洛理论方法,通过粒子撒点、调节粒子权重,以及重采样的方式,实现多传感器数据的非线性融合;
所述自适应与决策模块用于获取所述数据融合模块构建的所述局部3D地图中各个标示物的位置数据和运动参数;根据所述车辆的位置数据和运动参数以及各个标示物的位置数据和运动参数,从各个标示物中确定出满足预设规则的各级障碍物;根据各级障碍物的位置数据和运动参数,以及所述车辆的位置数据和运动参数,从经验驾驶数据库获取运动参数调整数据,所述经验驾驶数据库记录了预先通过自适应学习算法确定的各级障碍物相对车辆的位置关系、障碍物的运动参数、车辆的运动参数与运动参数调整数据的至少一对对应关系;
所述自适应与决策模块还用于:对于每个标示物,根据所述车辆的位置数据以及所述标示物的位置数据,分别计算所述车辆与所述标示物在运行方向上的当前映射距离Ly1和在垂直于运行方向上的当前映射距离Lx1;
根据所述当前映射距离Ly1、所述当前映射距离Lx1、车辆的运动参数以及所述标示物的运动参数,分别计算经过预设时长后所述车辆与所述标示物之间在运行方向上的预期映射距离Ly2和在垂直于运行方向上的预期映射距离 Lx2;
当检测到所述预期映射距离Lx2大于预设接触距离时,确定所述标示物为非障碍物;当检测到所述预期映射距离Lx2不大于预设接触距离,所述预期映射距离Ly2大于预设安全警戒距离时,确定所述标示物为非障碍物;当检测到所述预期映射距离Lx2不大于预设接触距离,所述预期映射距离Ly2不大于预设安全警戒距离且大于预设安全临界距离时,确定所述标示物为一级障碍物;当检测到所述预期映射距离Lx2不大于预设接触距离,所述预期映射距离 Ly2不大于预设安全临界距离时,确定所述标示物为二级障碍物;
所述执行模块用于根据所述自适应与决策模块得到的运动参数调整数据对所述车辆的驾驶状态进行调整;
所述环境感知模块包括视觉传感器、激光雷达传感器及定位传感器,所述环境感知模块还用于:实时通过所述视觉传感器实时拍摄所述车辆前侧的行驶图像,使用深度卷积编码器结构SegNet对所述行驶图像进行图像分割以及标示物识别;
实时通过所述激光雷达传感器获取所述车辆周侧物体的扫描点数据,通过对所述扫描点数据的注册处理生成3D云图;
实时通过定位传感器记录所述车辆的二维运动轨迹并显示于平面地图;
此时,所述各项驾驶环境数据包括所述车辆前侧的行驶图像、所述车辆周侧物体的扫描点数据、所述车辆的二维运动轨迹和平面地图。
可选地,所述自适应与决策模块还用于:当检测到未存在障碍物时,保持所述车辆的驾驶状态;
当检测到仅存在一级障碍物时,向所述执行模块发送危险预警信号,由所述执行模块根据所述危险预警信号做出预警反馈;所述危险预警信号的发送形式为铃声、语音或图像形式;
当检测到存在二级障碍物时,执行所述根据各级障碍物的位置数据和运动参数,以及所述车辆的位置数据和运动参数,从经验驾驶数据库获取运动参数调整数据的步骤。
可选地,所述自适应与决策模块还用于:根据所述运动参数调整数据计算调整后所述车辆的运动参数;
对于每个标示物,根据所述当前映射距离Ly1、所述当前映射距离Lx1、调整后所述车辆的运动参数以及所述标示物的运动参数,分别计算经过预设时长后所述车辆与所述标示物之间在运行方向上的期望映射距离Ly3和在垂直于运行方向上的期望映射距离Lx3;
当检测到所述期望映射距离Ly3大于所述预期映射距离Ly2时,将所述运动参数调整数据发送至所述执行模块,由所述执行模块根据所述运动参数调整数据对所述车辆的驾驶状态进行调整;
当检测到所述期望映射距离Ly3不大于所述预期映射距离Ly2时,按预设顺序从所述经验驾驶数据库重新获取满足对应关系的运动参数调整数据,执行所述根据所述运动参数调整数据计算调整后所述车辆的运动参数的步骤。
为实现上述目的,本发明还提供了一种车辆巡航方法,所述方法包括:
在车辆处于行驶状态时,实时获取所述车辆周侧的各项驾驶环境数据,并对各项驾驶环境数据进行预处理;
对各项驾驶环境数据进行重定义数据表示,并将重定义数据表示后的各项驾驶环境数据通过粒子滤波进行非线性数据融合,根据非线性融合后的各项驾驶环境数据构建局部3D地图,所述局部3D地图包括至少一个标示物;所述非线性数据融合方法基于马尔科夫蒙特卡洛理论方法,通过粒子撒点、调节粒子权重,以及重采样的方式,实现多传感器数据的非线性融合;
获取所述局部3D地图中各个标示物的位置数据和运动参数;根据所述车辆的位置数据和运动参数以及各个标示物的位置数据和运动参数,从各个标示物中确定出满足预设规则的各级障碍物;根据各级障碍物的位置数据和运动参数,以及所述车辆的位置数据和运动参数,从经验驾驶数据库获取运动参数调整数据,所述经验驾驶数据库记录了预先通过自适应学习算法确定的各级障碍物相对车辆的位置关系、障碍物的运动参数、车辆的运动参数与运动参数调整数据的至少一对对应关系;
所述运动参数包括预设时间范围内的平均速度和速度方向,所述根据所述车辆的位置数据和运动参数以及各个标示物的位置数据和运动参数,从各个标示物中确定出满足预设规则的各级障碍物,包括:对于每个标示物,根据所述车辆的位置数据以及所述标示物的位置数据,分别计算所述车辆与所述标示物在运行方向上的当前映射距离Ly1和在垂直于运行方向上的当前映射距离 Lx1;
根据所述当前映射距离Ly1、所述当前映射距离Lx1、车辆的运动参数以及所述标示物的运动参数,分别计算经过预设时长后所述车辆与所述标示物之间在运行方向上的预期映射距离Ly2和在垂直于运行方向上的预期映射距离 Lx2;
当检测到所述预期映射距离Lx2大于预设接触距离时,确定所述标示物为非障碍物;当检测到所述预期映射距离Lx2不大于预设接触距离,所述预期映射距离Ly2大于预设安全警戒距离时,确定所述标示物为非障碍物;当检测到所述预期映射距离Lx2不大于预设接触距离,所述预期映射距离Ly2不大于预设安全警戒距离且大于预设安全临界距离时,确定所述标示物为一级障碍物;当检测到所述预期映射距离Lx2不大于预设接触距离,所述预期映射距离 Ly2不大于预设安全临界距离时,确定所述标示物为二级障碍物;
根据所述运动参数调整数据对所述车辆的驾驶状态进行调整;
所述实时获取所述车辆周侧的各项驾驶环境数据,并对各项驾驶环境数据进行预处理,包括:实时通过视觉传感器实时拍摄所述车辆前侧的行驶图像,使用深度卷积编码器结构SegNet对所述行驶图像进行图像分割以及标示物识别;
实时通过激光雷达传感器获取所述车辆周侧物体的扫描点数据,通过对所述扫描点数据的注册处理生成3D云图;
实时通过定位传感器记录所述车辆的二维运动轨迹并显示于平面地图;
此时,所述各项驾驶环境数据包括所述车辆前侧的行驶图像、所述车辆周侧物体的扫描点数据、所述车辆的二维运动轨迹和平面地图。
可选地,所述方法,还包括:
当检测到未存在障碍物时,保持所述车辆的驾驶状态;
当检测到仅存在一级障碍物时,发送危险预警信号,根据所述危险预警信号做出预警反馈;所述危险预警信号的发送形式为铃声、语音或图像形式;
当检测到存在二级障碍物时,执行所述根据各级障碍物的位置数据和运动参数,以及所述车辆的位置数据和运动参数,从经验驾驶数据库获取运动参数调整数据的步骤。
可选地,所述方法,还包括:
根据所述运动参数调整数据计算调整后所述车辆的运动参数;
对于每个标示物,根据所述当前映射距离Ly1、所述当前映射距离Lx1、调整后所述车辆的运动参数以及所述标示物的运动参数,分别计算经过预设时长后所述车辆与所述标示物之间在运行方向上的期望映射距离Ly3和在垂直于运行方向上的期望映射距离Lx3;
当检测到所述期望映射距离Ly3大于所述预期映射距离Ly2时,根据所述运动参数调整数据对所述车辆的驾驶状态进行调整;
当检测到所述期望映射距离Ly3不大于所述预期映射距离Ly2时,按预设顺序从所述经验驾驶数据库重新获取满足对应关系的运动参数调整数据,执行所述根据所述运动参数调整数据计算调整后所述车辆的运动参数的步骤。
综上所述,本发明提供的一种车辆巡航***及方法,利用多传感器对环境进行感知,并对不同传感器的信息进行重新表征以便实现高等级的非线性数据融合,使用融合的数据构建局部3D地图来辅助***决策,可提高***对驾驶环境进行深度感知,实现良好的自适应与决策;此外,本发明可对障碍物的类别进行识别,可针对危险程度较高的障碍物做出更有效的决策反馈,提高车辆巡航***的决策实时性和灵活性。本发明提供的车辆巡航***及方法对车辆周围障碍物的综合感知能力较强,对障碍物的应变灵活性较强,防撞技术功能多元化,非常适用于复杂多变的道路路况。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并于说明书一起用于解释本发明的原理。
图1是本发明各个实施例提供的驾驶方法所涉及的一种实施环境的结构示意图。
图2是本发明一个实施例提供的车辆巡航***的***框图。
图3是本发明一个实施例提供的一种车辆巡航方法的方法流程图。
图4是本发明一个实施例提供的另一种车辆巡航方法的方法流程图。
图5是本发明一个实施例提供的一种非线性数据融合算法的应用流程图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,以下结合具体实施例(但不限于所举实施例)与附图详细描述本发明,显然,所描述的实施例仅仅是本发明一部份实施例,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。
请参考图1,其示出了本发明各个实施例提供的驾驶方法所涉及的一种实施环境的结构示意图,参见图1,道路分为A、B、C三个车道,车辆a在车道B上行驶,车辆b在车道B行驶且位于车辆a的前方,车辆c在车道A行驶且位于车辆a的左前方,车辆d在车道C行驶且位于车辆a的右前方,车辆 e在车道B行驶且位于车辆a的后方。
车辆a在行驶的过程中,尤其是高速高路段进行行驶时,往往需要与前车车辆b保持预设距离,该预设距离是车辆a发生紧急状况时,采取紧急制动措施进行减速滑行至静止而不会与前车车辆b发生碰撞的安全距离。
正常行驶下,车辆a驾驶员仅需关注车辆a与车辆b的保持安全距离即可,但是,当车道A的车辆c,或车道C的车辆d突然变道插车,或车道B的车辆b和车辆e突然变速时,车辆a与车辆b、c、d、e之间的距离在短时间内可能低于安全距离,此时,车辆a很容易与车辆b、c、d、e发生碰撞,继而引发严重的交通事故,给驾驶员及其家人带来严重的危害。
在本实施环境中,车辆a可装载有本发明提供的车辆巡航***,车辆巡航***可以实时监测车辆a周围车辆b、c、d、e的位置数据和运动参数,并检测出车辆b、c、d、e有变速或者插车意图的过程中,车辆巡航***检测车辆 b、c、d、e与车辆a的碰撞可能,并在检测出车辆a与车辆b、c、d、e存在碰撞可能时,对车辆a采取减速、加速或制动措施,从而避免交通事故的发生。
请参考图2,其示出了本发明一个实施例提供的车辆巡航***200的***框图,该车辆巡航***200用于车辆巡航驾驶及避撞。参见图2,该车辆巡航***200包括:环境感知模块210、数据融合模块220、自适应与决策模块230 以及执行模块240。
所述环境感知模块210用于在车辆处于行驶状态时,实时获取所述车辆周侧的各项驾驶环境数据,并对各项驾驶环境数据进行预处理。车辆周侧指的是车辆四周内的任意方向。
所述数据融合模块220用于对经过所述环境感知模块210预处理的各项驾驶环境数据进行重定义数据表示,并将重定义数据表示后的各项驾驶环境数据通过粒子滤波进行非线性数据融合,根据非线性融合后的各项驾驶环境数据构建局部3D地图,所述局部3D地图包括至少一个标示物。
所述自适应与决策模块230用于获取所述数据融合模块220构建的所述局部3D地图中各个标示物的位置数据和运动参数;根据所述车辆的位置数据和运动参数以及各个标示物的位置数据和运动参数,从各个标示物中确定出满足预设规则的各级障碍物;根据各级障碍物的位置数据和运动参数,以及所述车辆的位置数据和运动参数,从经验驾驶数据库获取运动参数调整数据,所述经验驾驶数据库记录了预先通过自适应学习算法确定的各级障碍物相对车辆的位置关系、障碍物的运动参数、车辆的运动参数与运动参数调整数据的至少一对对应关系。
所述执行模块240用于根据所述自适应与决策模块230得到的运动参数调整数据对所述车辆的驾驶状态进行调整。
可选的,所述运动参数包括预设时间范围内的平均速度和速度方向,所述自适应与决策模块230还用于:对于每个标示物,根据所述车辆的位置数据以及所述标示物的位置数据,分别计算所述车辆与所述标示物在运行方向上的当前映射距离Ly1和在垂直于运行方向上的当前映射距离Lx1;
根据所述当前映射距离Ly1、所述当前映射距离Lx1、车辆的运动参数以及所述标示物的运动参数,分别计算经过预设时长后所述车辆与所述标示物之间在运行方向上的预期映射距离Ly2和在垂直于运行方向上的预期映射距离 Lx2;
当检测到所述预期映射距离Lx2大于预设接触距离时,确定所述标示物为非障碍物;当检测到所述预期映射距离Lx2不大于预设接触距离,所述预期映射距离Ly2大于预设安全警戒距离时,确定所述标示物为非障碍物;当检测到所述预期映射距离Lx2不大于预设接触距离,所述预期映射距离Ly2不大于预设安全警戒距离且大于预设安全临界距离时,确定所述标示物为一级障碍物;当检测到所述预期映射距离Lx2不大于预设接触距离,所述预期映射距离 Ly2不大于预设安全临界距离时,确定所述标示物为二级障碍物。
可选的,所述自适应与决策模块230还用于:当检测到未存在障碍物时,保持所述车辆的驾驶状态;
当检测到仅存在一级障碍物时,向所述执行模块240发送危险预警信号,由所述执行模块240根据所述危险预警信号做出预警反馈;
当检测到存在二级障碍物时,执行所述根据各级障碍物的位置数据和运动参数,以及所述车辆的位置数据和运动参数,从经验驾驶数据库获取运动参数调整数据的步骤。
可选的,所述自适应与决策模块230还用于:根据所述运动参数调整数据计算调整后所述车辆的运动参数;
对于每个标示物,根据所述当前映射距离Ly1、所述当前映射距离Lx1、调整后所述车辆的运动参数以及所述标示物的运动参数,分别计算经过预设时长后所述车辆与所述标示物之间在运行方向上的期望映射距离Ly3和在垂直于运行方向上的期望映射距离Lx3;
当检测到所述期望映射距离Ly3大于所述预期映射距离Ly2时,将所述运动参数调整数据发送至所述执行模块,由所述执行模块240根据所述运动参数调整数据对所述车辆的驾驶状态进行调整;
当检测到所述期望映射距离Ly3不大于所述预期映射距离Ly2时,按预设顺序从所述经验驾驶数据库重新获取满足对应关系的运动参数调整数据,执行所述根据所述运动参数调整数据计算调整后所述车辆的运动参数的步骤。
可选的,所述环境感知模块210包括视觉传感器、激光雷达传感器及定位传感器,所述环境感知模块210还用于:实时获取所述车辆周侧的各项驾驶环境数据通过所述视觉传感器实时拍摄所述车辆前侧的行驶图像,使用深度卷积编码器结构SegNet对所述行驶图像进行图像分割以及标示物识别;
实时获取所述车辆周侧的各项驾驶环境数据通过所述激光雷达传感器获取所述车辆周侧物体的扫描点数据,通过对所述扫描点数据的注册处理生成 3D云图;
实时获取所述车辆周侧的各项驾驶环境数据通过定位传感器记录所述车辆的二维运动轨迹并显示于平面地图;
此时,所述各项驾驶环境数据包括所述车辆前侧的行驶图像、所述车辆周侧物体的扫描点数据、所述车辆的二维运动轨迹和平面地图。
本发明所述的车辆巡航***无论从驾驶环境数据的采集,还是对标示物的障碍物等级评定,以及后续根据各级障碍物与车辆之间的运动关系所进行的车辆驾驶状态不断调整,均是面向车辆与周围各个障碍物之间的防撞处理,其对障碍物的危险程度分级面向多个车辆目标。
本发明需要兼顾车辆周围不同方向障碍物的防撞,而不同障碍物的运动参数很容易存在不同,汽车防撞***对障碍物的分级方式除了用于确定各障碍物的危险程度外,还用于根据各标示物的不同障碍物等级综合确定驾驶状态的调整数据,因此需要从经验驾驶数据库不断获取运动参数调整数据来进行综合修正,从而使得对车辆参数的调整更加准确。
综上所述,本发明实施例提供的车辆巡航***包括:环境感知模块、数据融合模块、自适应与决策模块以及执行模块,利用多传感器对环境进行感知,并对不同传感器的信息进行重新表征以便实现高等级的非线性数据融合,使用融合的数据构建局部3D地图来辅助决策,可提高***对驾驶环境进行深度感知,实现良好的自适应与决策;此外,本发明可对障碍物类别的进行识别,可针对危险程度较高的障碍物做出更有效的决策反馈,提高车辆巡航***的决策实时性和灵活性。本发明提供的车辆巡航***及方法对车辆周围障碍物的综合感知能力较强,对障碍物的应变灵活性较强,防撞技术功能多元化,非常适用于复杂多变的道路路况。
需要说明的是,本发明实施例提供的车辆巡航方法可以应用于下述的车辆巡航方法,本发明实施例中车辆巡航方法可以参见下文各实施例的描述。
请参考图3,其示出了本发明一个实施例提供的一种车辆巡航方法的方法流程图,该方法可以由图2所示的车辆巡航***来执行,参见图3,该车辆巡航方法可以包括如下步骤:在步骤301中,在车辆处于行驶状态时,实时获取所述车辆周侧的各项驾驶环境数据,并对各项驾驶环境数据进行预处理。
在步骤302中,对各项驾驶环境数据进行重定义数据表示,并将重定义数据表示后的各项驾驶环境数据通过粒子滤波进行非线性数据融合,根据非线性融合后的各项驾驶环境数据构建局部3D地图,所述局部3D地图包括至少一个标示物。
在步骤303中,获取所述局部3D地图中各个标示物的位置数据和运动参数。
在步骤304中,根据所述车辆的位置数据和运动参数以及各个标示物的位置数据和运动参数,从各个标示物中确定出满足预设规则的各级障碍物。
在步骤305中,根据各级障碍物的位置数据和运动参数,以及所述车辆的位置数据和运动参数,从经验驾驶数据库获取运动参数调整数据。
所述经验驾驶数据库记录了预先通过自适应学习算法确定的各级障碍物相对车辆的位置关系、障碍物的运动参数、车辆的运动参数与运动参数调整数据的至少一对对应关系。
在步骤306中,根据所述运动参数调整数据对所述车辆的驾驶状态进行调整。
综上所述,本发明实施例提供的车辆巡航方法,利用多传感器对环境进行感知,并对不同传感器的信息进行重新表征以便实现高等级的非线性数据融合,使用融合的数据构建局部3D地图来辅助决策,可提高***对驾驶环境进行深度感知,实现良好的自适应与决策;此外,本发明可对障碍物类别的进行识别,可针对危险程度较高的障碍物做出更有效的决策反馈,提高车辆巡航***的决策实时性和灵活性。本发明提供的车辆巡航***及方法对车辆周围障碍物的综合感知能力较强,对障碍物的应变灵活性较强,防撞技术功能多元化,非常适用于复杂多变的道路路况。
请参考图4,其示出了本发明一个实施例提供的另一种车辆巡航方法的方法流程图,该方法可以由图2所示的车辆巡航***来执行,参见图4,该车辆巡航方法可以包括如下步骤:在步骤401中,在车辆处于行驶状态时,实时获取车辆周侧的各项驾驶环境数据,并对各项驾驶环境数据进行预处理。
环境感知模块可以在车辆处于行驶状态时,实时获取所述车辆周侧的各项驾驶环境数据。在一种可能的情况下,环境感知模块可以包括视觉传感器、激光雷达传感器和定位传感器,此时,实时获取所述车辆周侧的各项驾驶环境数据,并对各项驾驶环境数据进行预处理的方法可以包括:(a)实时获取所述车辆周侧的各项驾驶环境数据通过视觉传感器实时拍摄所述车辆前侧的行驶图像,使用深度卷积编码器结构SegNet对所述行驶图像进行图像分割以及标示物识别。
(b)实时获取所述车辆周侧的各项驾驶环境数据通过激光雷达传感器获取所述车辆周侧物体的扫描点数据,通过对所述扫描点数据的注册处理生成 3D云图。
(c)实时获取所述车辆周侧的各项驾驶环境数据通过定位传感器记录所述车辆的二维运动轨迹并显示于平面地图。
此时,各项驾驶环境数据包括所述车辆前侧的行驶图像、所述车辆周侧物体的扫描点数据、所述车辆的二维运动轨迹和平面地图。
其中,视觉传感器可以是车载摄像头,定位传感器可以为GPS。
需要说明的是,本发明通过多传感器的协同工作,可对车辆周围预设距离范围内的物体进行识别,所述物体包括车辆、公共设施。
进一步地,本发明还可以对车辆的类型进行识别。
在步骤402中,对各项驾驶环境数据进行重定义数据表示,并将重定义数据表示后的各项驾驶环境数据通过粒子滤波进行非线性数据融合,根据非线性融合后的各项驾驶环境数据构建局部3D地图。
该局部3D地图包括至少一个标示物。各个标示物可以包括汽车、自行车、电动车等。
由于环境感知模块包括的各个传感器对同一目标的表示是不同的,例如,激光雷达传感器获取的是立体点云图,定位传感器获得的是二维运动轨迹及地图,视觉传感器收集的是图像信息,因此,需要采用数据融合模块对不同传感器收集到的驾驶环境数据进行重表征,从而统一到同一个表示模式下来辅助车辆巡航***进行分析。数据融合模块在将不同传感器采集的驾驶环境数据进行统一重表征后,通过粒子滤波对重表征后的数据进行数据融合并构建精准的局部3D地图。
在一种可能的实现方式中,本发明采用的非线性数据融合方法基于马尔科夫蒙特卡洛理论方法(Markov Chain Monte Carlo),通过粒子撒点、调节粒子权重,以及重采样的方式,实现多传感器数据的非线性融合。相较于直接使用原始的传感器数据,会引入过多的噪声。本发明为了避免过多噪声的引入,首先对每个传感器分别使用粒子滤波算法,从而降低原始噪声。随后,基于每个传感器(激光雷达,视觉传感器,定位传感器)的更新后验概率分布密度函数,进行再次的数据融合从而构建更为精准的局部3D地图。如图5所示,使用双重数据融合,首先使用三个粒子滤波器先分别对视觉传感器、激光雷达和定位传感器的传感数据进行先验分布更新,然后通过来自不同传感器新采样的数据,重置粒子权重和更新后验分布,最终确定环境信息。
为了便于解释本发明提供的非线性数据融合算法,可以参照如公式(1)示出的非线性多传感器***模型:
在该模型中m∈{1,2,...,m,M},M是传感器的总个数;t是时间指数,代表时间的索引;m是传感器指数,代表第m个传感器;xt m为状态变量;zt m为测量变量;vt-1是过程噪声和是测量噪声,其均值为零,并且相互独立; f是状态转换方程,通过xt-1的状态变量推导的状态变量;h是观测方程。根据所有的测量值,xt可以被递归估计出来,如公式(2)所示:
在该非线性数据融合算法中,后验概率密度函数如公式(3)所示:
在每一轮迭代中,粒子的权重将根据如公式(5)调节:
其中,上述的非线性数据融合算法在本发明提供的车辆巡航***及方法的应用流程图如图5所示。
在步骤403中,获取所述局部3D地图中各个标示物的位置数据和运动参数。
其中,运动参数包括预设时间范围内的平均速度和速度方向,该预设时间范围的值由开发人员预先设置,并存储于自适应与决策模块。比如,预设时间范围的值设置为0.1秒。
需要说明的是,自适应与决策模块通过所述局部3D地图获取各个标示物的位置数据和运动参数时,还同时获取车辆自身的位置数据和运动参数。
示例地,在一种可能的方式中,自适应与决策模块获取的车辆的位置数据以及所述标示物的位置数据以坐标的方式进行表示,以用户车辆a1作为原点,用户车辆a1的运行方向作为y轴正方向,垂直于用户车辆a1运行方向的右侧方法作为x轴正方向建立坐标系,每个单位距离对应1米,则自适应与决策模块获取用户车辆a1及各标示物坐标可以如表一所示:
表一:
车辆代号 | 坐标 |
a1 | (0,0) |
a2 | (0,15) |
a3 | (2,12) |
a4 | (-2,18) |
示例地,在一种可能的方式中,自适应与决策模块获取的车辆的运动参数以及所述标示物的运动参数可以包括0.1秒内车辆或标示物的平均速度和速度方向,如表二所示:
表二:
车辆代号 | 运动参数(平均速度,速度方向) |
a1 | (20.00m/s,正前方) |
a2 | (15.00m/s,正前方) |
a3 | (20.10m/s,正前偏左5.71度) |
a4 | (20.02m/s,正前偏右2.86度) |
在步骤404中,对于每个标示物,根据车辆的位置数据以及标示物的位置数据,分别计算车辆与所述标示物在运行方向上的当前映射距离Ly1和在垂直于运行方向上的当前映射距离Lx1。
该运行方向指所述车辆的运行方向。
当自适应与决策模块获取的车辆的位置数据以及所述标示物的位置数据以上述坐标的方式进行表示时,设车辆的位置数据为(x1,y1),标示物的位置数据为(x2,y2),则车辆与标示物在运行方向上的当前映射距离Ly1为 y2与y1差值的绝对值,即|y2-y1|,车辆与标示物在垂直于运行方向上的当前映射距离Lx1为x2与x1差值的绝对值,即|x2-x1|。
以表一示例示出的数据进行说明,自适应与决策模块计算出车辆a1的位置数据为(0,0),车辆a2的位置数据为(0,15),车辆a3的位置数据为 (2,12),车辆a4的位置数据为(-2,18),则计算得到车辆a1与标示物 a2在运行方向上的当前映射距离Ly1为15m,在垂直于运行方向上的当前映射距离Lx1为0;计算得到车辆a1与标示物a3在运行方向上的当前映射距离 Ly1为12m,在垂直于运行方向上的当前映射距离Lx1为2m;计算得到车辆 a1与标示物a4在运行方向上的当前映射距离Ly1为18m,在垂直于运行方向上的当前映射距离Lx1为2m。
在步骤405中,根据当前映射距离Ly1、当前映射距离Lx1、车辆的运动参数以及标示物的运动参数,分别计算经过预设时长后车辆与标示物之间在运行方向上的预期映射距离Ly2和在垂直于运行方向上的预期映射距离Lx2。
在一种可能的方式下,自适应与决策模块可以根据车辆的运动参数以及各个标示物的运动参数,计算得到车辆与标示物之间在运行方向上的速度差值 vy以及车辆与标示物之间在垂直于运行方向上的速度差值vx,再计算预设时长t后速度差值vy在运行方向上的距离改变值ΔLy以及预设时长t后速度差值 vx在垂直于运行方向上的距离改变值ΔLx,最后根据该距离改变值ΔLy和距离改变值ΔLx计算得到预设时长后所述车辆与所述标示物之间在运行方向上的预期映射距离Ly2和在垂直于运行方向上的预期映射距离Lx2。
比如,以表一及表二示例示出的数据进行说明,设预设时长为1s,则自适应与决策模块根据车辆a1的运动参数以及标示物a2的运动参数,计算得到车辆a1与标示物a2之间在运行方向上的速度差值vy为20-15=5m/s,在垂直于运行方向上的速度差值vx为0-0=0m/s,预设时长1s后速度差值vy在运行方向上的距离改变值ΔLy则为5×1=5m,在垂直于运行方向上的距离改变值Δ Lx则为0×1=0m,计算得到预设时长1s后车辆a1与标示物a2之间在运行方向上的预期映射距离Ly2为15-5=10m,在垂直于运行方向上的预期映射距离 Lx2为0-0=0m。
同理,自适应与决策模块计算出预设时长1s后车辆a1与标示物a3之间在运行方向上的速度差值vy为20-20=0m/s,在垂直于运行方向上的速度差值 vx为2-0=2m/s,预设时长1s后速度差值vy在运行方向上的距离改变值ΔLy 则为0×1=0m,在垂直于运行方向上的距离改变值ΔLx则为2×1=2m,计算得到预设时长1s后车辆a1与标示物a3之间在运行方向上的预期映射距离Ly2 为12-0=12m,在垂直于运行方向上的预期映射距离Lx2为2-2=0m;计算出预设时长1s后车辆a1与标示物a4之间在运行方向上的速度差值vy为 20-20=0m/s,在垂直于运行方向上的速度差值vx为1-0=1m/s,预设时长1s后速度差值vy在运行方向上的距离改变值ΔLy则为0×1=0m,在垂直于运行方向上的距离改变值ΔLx则为1×1=1m,计算得到预设时长1s后车辆a1与标示物a4之间在运行方向上的预期映射距离Ly2为18-0=18m,在垂直于运行方向上的预期映射距离Lx2为2-1=1m。
在步骤406中,当检测到预期映射距离Lx2大于预设接触距离时,确定标示物为非障碍物;当检测到预期映射距离Lx2不大于预设接触距离,预期映射距离Ly2大于预设安全警戒距离时,确定标示物为非障碍物;当检测到预期映射距离Lx2不大于预设接触距离,预期映射距离Ly2不大于预设安全警戒距离且大于预设安全临界距离时,确定标示物为一级障碍物;当检测到预期映射距离Lx2不大于预设接触距离,预期映射距离Ly2不大于预设安全临界距离时,确定标示物为二级障碍物。
其中,预设接触距离、预设安全警戒距离以及预设安全临界距离的数值可以由自适应与决策模块根据驾驶员历史操作数据学习得到,或,由开发人员预设于自适应与决策模块。
需要说明的是,预设安全临界距离的值小于预设安全警戒距离的值。
示例地,预设接触距离为0.5m,预设安全警戒距离为12m,预设安全临界距离为11m,则根据上述数据,自适应与决策模块检测出标示物a4的预期映射距离Lx21m大于预设接触距离0.5m,则确定标示物为a4非障碍物;自适应与决策模块检测出标示物a2的预期映射距离Lx20m小于预设接触距离 0.5m,且预期映射距离Ly210m小于预设安全临界距离为11m,则确定标示物为a2为二级障碍物;自适应与决策模块检测出标示物a3的预期映射距离Lx20m小于预设接触距离0.5m,且预期映射距离Ly212m等于预设安全临警戒距离12m,则确定标示物为a3为一级障碍物。
在步骤407a中,当检测到未存在障碍物时,保持车辆的驾驶状态。
保持车辆的驾驶状态指以当前车辆的运动参数继续进行驾驶,自适应与决策模块不对车辆的运动状态进行干预。
需要说明的是,在执行步骤407a时,环境感知模块实时获取车辆周侧的各项驾驶环境数据,并重复执行步骤401至步骤406。
在步骤407b中,当检测到仅存在一级障碍物时,发送危险预警信号,根据危险预警信号做出预警反馈。
危险预警信号的发送形式可以是铃声、语音、图像等形式,车辆驾驶员可以在接收该危险预警信号时,对车辆的运行参数进行手动操控,从而改变车辆的运行参数,避免车辆与障碍物的撞击。
在步骤407c中,当检测到存在二级障碍物时,根据各级障碍物的位置数据和运动参数,以及车辆的位置数据和运动参数,从经验驾驶数据库获取运动参数调整数据。
所述经验驾驶数据库记录了预先通过自适应学习算法确定的各级障碍物相对车辆的位置关系、障碍物的运动参数、车辆的运动参数与运动参数调整数据的至少一对对应关系。
示例地,经验驾驶数据库的表现形式可以如表三所示,其中,表三示出的为经验驾驶数据库中的一部分,运动参数调整数据可以包括至少一个方案,自适应与决策模块可以根据预设顺序,或随机的方式从满足对应关系的运动参数调整数据中选择一组运动参数调整数据对车辆的驾驶状态进行调整:
表三:
根据上述数据,示例地,自适应与决策模块从表三示出的部分经验驾驶数据库获取二级障碍物a2对应的运动参数调整数据“车速减至17m/s”。
需要说明的是,自适应与决策模块还可以从经验驾驶数据库获取一级障碍物a3对应的运动参数调整数据“车速减至19m/s”,并将该运动参数调整数据与其他获取的运动参数调整数据进行比较,确定最优的运动参数调整数据,比如,上述一级障碍物a3和二级障碍物a2对应的运动参数调整数据相比较,运动参数调整数据“车速减至17m/s”能够更好地保障车辆不与障碍物碰撞,故选择“车速减至17m/s”作为最终运动参数调整数据。
需要说明的是,经验驾驶数据库的各项运动参数调整数据还可以包括车辆的加速度调整数据。
在步骤408中,根据运动参数调整数据计算调整后车辆的运动参数。
自适应与决策模块可根据确定出的运动参数调整数据获取调整后所述车辆的运动参数,比如,自适应与决策模块从经验驾驶数据库获取二级障碍物 a2对应的运动参数调整数据“车速减至17m/s”,则调整后所述车辆的运动参数为“17.00m/s,正前方”。
在步骤409中,对于每个标示物,根据当前映射距离Ly1、当前映射距离 Lx1、调整后车辆的运动参数以及标示物的运动参数,分别计算经过预设时长后车辆与标示物之间在运行方向上的期望映射距离Ly3和在垂直于运行方向上的期望映射距离Lx3。
示例地,设预设时长为1s,自适应与决策模块根据上述数据计算得到车辆a1与标示物a2之间在运行方向上的期望映射距离Ly3为12m,在垂直于运行方向上的期望映射距离Lx3为0m。
在步骤410中,当检测到期望映射距离Ly3大于预期映射距离Ly2时,根据运动参数调整数据对车辆的驾驶状态进行调整。
根据上述数据,对于二级障碍物a2,自适应与决策模块检测出a2对应的期望映射距离Ly312m大于预期映射距离Ly210m,则根据“车速减至17m/s”的运动参数调整数据对车辆a1的驾驶状态进行调整。
在步骤411中,当检测到期望映射距离Ly3不大于预期映射距离Ly2时,按预设顺序从经验驾驶数据库重新获取满足对应关系的运动参数调整数据,执行根据运动参数调整数据计算调整后车辆的运动参数的步骤。
需要说明的是,自适应与决策模块可通过步骤411的执行,从而不断调整当前车辆的运动参数至满足预设时长后不存在二级障碍物的基本条件,从而保障驾驶员的生命安全。
其中,本发明还提供车辆驾驶员用于启用车辆巡航***的入口,从而使得车辆驾驶员可根据个人喜好选择由自身驾驶车辆,还是由车辆巡航***接管车辆的驾驶。
综上所述,本发明实施例提供的车辆巡航方法,利用多传感器对环境进行感知,并对不同传感器的信息进行重新表征以便实现高等级的非线性数据融合,使用融合的数据构建局部3D地图来辅助决策,可提高***对驾驶环境进行深度感知,实现良好的自适应与决策;此外,本发明可对障碍物类别的进行识别,可针对危险程度较高的障碍物做出更有效的决策反馈,提高车辆巡航***的决策实时性和灵活性。本发明提供的车辆巡航***及方法对车辆周围障碍物的综合感知能力较强,对障碍物的应变灵活性较强,防撞技术功能多元化,非常适用于复杂多变的道路路况。
需要说明的一点,本发明实施例示出的诸如经验驾驶数据库的数据类型、各数据的计算方式等仅为示例性的说明,本发明对诸如经验驾驶数据库的数据类型、各数据的计算方式等并不作限定。
虽然,前文已经用一般性说明、具体实施方式及试验,对本发明做了详尽的描述,但在本发明基础上,可以对之进行修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
本领域技术人员在考虑说明书及实践这里的发明的后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。
Claims (6)
1.一种车辆巡航***,其特征在于,所述车辆巡航***包括:环境感知模块、数据融合模块、自适应与决策模块以及执行模块;
所述环境感知模块用于在车辆处于行驶状态时,实时获取所述车辆周侧的各项驾驶环境数据,并对各项驾驶环境数据进行预处理;
所述数据融合模块用于对经过所述环境感知模块预处理的各项驾驶环境数据进行重定义数据表示,并将重定义数据表示后的各项驾驶环境数据通过粒子滤波进行非线性数据融合,根据非线性融合后的各项驾驶环境数据构建局部3D地图,所述局部3D地图包括至少一个标示物;所述非线性数据融合方法基于马尔科夫蒙特卡洛理论方法,通过粒子撒点、调节粒子权重,以及重采样的方式,实现多传感器数据的非线性融合;
所述自适应与决策模块用于获取所述数据融合模块构建的所述局部3D地图中各个标示物的位置数据和运动参数;根据所述车辆的位置数据和运动参数以及各个标示物的位置数据和运动参数,从各个标示物中确定出满足预设规则的各级障碍物;根据各级障碍物的位置数据和运动参数,以及所述车辆的位置数据和运动参数,从经验驾驶数据库获取运动参数调整数据,所述经验驾驶数据库记录了预先通过自适应学习算法确定的各级障碍物相对车辆的位置关系、障碍物的运动参数、车辆的运动参数与运动参数调整数据的至少一对对应关系;
所述自适应与决策模块还用于:对于每个标示物,根据所述车辆的位置数据以及所述标示物的位置数据,分别计算所述车辆与所述标示物在运行方向上的当前映射距离Ly1和在垂直于运行方向上的当前映射距离Lx1;
根据所述当前映射距离Ly1、所述当前映射距离Lx1、车辆的运动参数以及所述标示物的运动参数,分别计算经过预设时长后所述车辆与所述标示物之间在运行方向上的预期映射距离Ly2和在垂直于运行方向上的预期映射距离Lx2;
当检测到所述预期映射距离Lx2大于预设接触距离时,确定所述标示物为非障碍物;当检测到所述预期映射距离Lx2不大于预设接触距离,所述预期映射距离Ly2大于预设安全警戒距离时,确定所述标示物为非障碍物;当检测到所述预期映射距离Lx2不大于预设接触距离,所述预期映射距离Ly2不大于预设安全警戒距离且大于预设安全临界距离时,确定所述标示物为一级障碍物;当检测到所述预期映射距离Lx2不大于预设接触距离,所述预期映射距离Ly2不大于预设安全临界距离时,确定所述标示物为二级障碍物;
所述执行模块用于根据所述自适应与决策模块得到的运动参数调整数据对所述车辆的驾驶状态进行调整;
所述环境感知模块包括视觉传感器、激光雷达传感器及定位传感器,所述环境感知模块还用于:实时通过所述视觉传感器实时拍摄所述车辆前侧的行驶图像,使用深度卷积编码器结构SegNet对所述行驶图像进行图像分割以及标示物识别;
实时通过所述激光雷达传感器获取所述车辆周侧物体的扫描点数据,通过对所述扫描点数据的注册处理生成3D云图;
实时通过定位传感器记录所述车辆的二维运动轨迹并显示于平面地图;
此时,所述各项驾驶环境数据包括所述车辆前侧的行驶图像、所述车辆周侧物体的扫描点数据、所述车辆的二维运动轨迹和平面地图。
2.根据权利要求1所述的车辆巡航***,其特征在于,所述自适应与决策模块还用于:当检测到未存在障碍物时,保持所述车辆的驾驶状态;
当检测到仅存在一级障碍物时,向所述执行模块发送危险预警信号,由所述执行模块根据所述危险预警信号做出预警反馈;所述危险预警信号的发送形式为铃声、语音或图像形式;
当检测到存在二级障碍物时,执行所述根据各级障碍物的位置数据和运动参数,以及所述车辆的位置数据和运动参数,从经验驾驶数据库获取运动参数调整数据的步骤。
3.根据权利要求1所述的车辆巡航***,其特征在于,所述自适应与决策模块还用于:根据所述运动参数调整数据计算调整后所述车辆的运动参数;
对于每个标示物,根据所述当前映射距离Ly1、所述当前映射距离Lx1、调整后所述车辆的运动参数以及所述标示物的运动参数,分别计算经过预设时长后所述车辆与所述标示物之间在运行方向上的期望映射距离Ly3和在垂直于运行方向上的期望映射距离Lx3;
当检测到所述期望映射距离Ly3大于所述预期映射距离Ly2时,将所述运动参数调整数据发送至所述执行模块,由所述执行模块根据所述运动参数调整数据对所述车辆的驾驶状态进行调整;
当检测到所述期望映射距离Ly3不大于所述预期映射距离Ly2时,按预设顺序从所述经验驾驶数据库重新获取满足对应关系的运动参数调整数据,执行所述根据所述运动参数调整数据计算调整后所述车辆的运动参数的步骤。
4.一种车辆巡航方法,其特征在于,所述方法包括:
在车辆处于行驶状态时,实时获取所述车辆周侧的各项驾驶环境数据,并对各项驾驶环境数据进行预处理;
对各项驾驶环境数据进行重定义数据表示,并将重定义数据表示后的各项驾驶环境数据通过粒子滤波进行非线性数据融合,根据非线性融合后的各项驾驶环境数据构建局部3D地图,所述局部3D地图包括至少一个标示物;所述非线性数据融合方法基于马尔科夫蒙特卡洛理论方法,通过粒子撒点、调节粒子权重,以及重采样的方式,实现多传感器数据的非线性融合;
获取所述局部3D地图中各个标示物的位置数据和运动参数;根据所述车辆的位置数据和运动参数以及各个标示物的位置数据和运动参数,从各个标示物中确定出满足预设规则的各级障碍物;根据各级障碍物的位置数据和运动参数,以及所述车辆的位置数据和运动参数,从经验驾驶数据库获取运动参数调整数据,所述经验驾驶数据库记录了预先通过自适应学习算法确定的各级障碍物相对车辆的位置关系、障碍物的运动参数、车辆的运动参数与运动参数调整数据的至少一对对应关系;
所述运动参数包括预设时间范围内的平均速度和速度方向,所述根据所述车辆的位置数据和运动参数以及各个标示物的位置数据和运动参数,从各个标示物中确定出满足预设规则的各级障碍物,包括:对于每个标示物,根据所述车辆的位置数据以及所述标示物的位置数据,分别计算所述车辆与所述标示物在运行方向上的当前映射距离Ly1和在垂直于运行方向上的当前映射距离Lx1;
根据所述当前映射距离Ly1、所述当前映射距离Lx1、车辆的运动参数以及所述标示物的运动参数,分别计算经过预设时长后所述车辆与所述标示物之间在运行方向上的预期映射距离Ly2和在垂直于运行方向上的预期映射距离Lx2;
当检测到所述预期映射距离Lx2大于预设接触距离时,确定所述标示物为非障碍物;当检测到所述预期映射距离Lx2不大于预设接触距离,所述预期映射距离Ly2大于预设安全警戒距离时,确定所述标示物为非障碍物;当检测到所述预期映射距离Lx2不大于预设接触距离,所述预期映射距离Ly2不大于预设安全警戒距离且大于预设安全临界距离时,确定所述标示物为一级障碍物;当检测到所述预期映射距离Lx2不大于预设接触距离,所述预期映射距离Ly2不大于预设安全临界距离时,确定所述标示物为二级障碍物;
根据所述运动参数调整数据对所述车辆的驾驶状态进行调整;
所述实时获取所述车辆周侧的各项驾驶环境数据,并对各项驾驶环境数据进行预处理,包括:实时通过视觉传感器实时拍摄所述车辆前侧的行驶图像,使用深度卷积编码器结构SegNet对所述行驶图像进行图像分割以及标示物识别;
实时通过激光雷达传感器获取所述车辆周侧物体的扫描点数据,通过对所述扫描点数据的注册处理生成3D云图;
实时通过定位传感器记录所述车辆的二维运动轨迹并显示于平面地图;
此时,所述各项驾驶环境数据包括所述车辆前侧的行驶图像、所述车辆周侧物体的扫描点数据、所述车辆的二维运动轨迹和平面地图。
5.根据权利要求4所述的方法,其特征在于,所述方法,还包括:
当检测到未存在障碍物时,保持所述车辆的驾驶状态;
当检测到仅存在一级障碍物时,发送危险预警信号,根据所述危险预警信号做出预警反馈;所述危险预警信号的发送形式为铃声、语音或图像形式;
当检测到存在二级障碍物时,执行所述根据各级障碍物的位置数据和运动参数,以及所述车辆的位置数据和运动参数,从经验驾驶数据库获取运动参数调整数据的步骤。
6.根据权利要求4所述的方法,其特征在于,所述方法,还包括:
根据所述运动参数调整数据计算调整后所述车辆的运动参数;
对于每个标示物,根据所述当前映射距离Ly1、所述当前映射距离Lx1、调整后所述车辆的运动参数以及所述标示物的运动参数,分别计算经过预设时长后所述车辆与所述标示物之间在运行方向上的期望映射距离Ly3和在垂直于运行方向上的期望映射距离Lx3;
当检测到所述期望映射距离Ly3大于所述预期映射距离Ly2时,根据所述运动参数调整数据对所述车辆的驾驶状态进行调整;
当检测到所述期望映射距离Ly3不大于所述预期映射距离Ly2时,按预设顺序从所述经验驾驶数据库重新获取满足对应关系的运动参数调整数据,执行所述根据所述运动参数调整数据计算调整后所述车辆的运动参数的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210767459.9A CN115092131A (zh) | 2018-08-10 | 2018-08-10 | 一种车辆巡航***及方法 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210767459.9A CN115092131A (zh) | 2018-08-10 | 2018-08-10 | 一种车辆巡航***及方法 |
CN201810910364.1A CN109094561A (zh) | 2018-08-10 | 2018-08-10 | 一种车辆巡航***及方法 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810910364.1A Division CN109094561A (zh) | 2018-08-10 | 2018-08-10 | 一种车辆巡航***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115092131A true CN115092131A (zh) | 2022-09-23 |
Family
ID=64849387
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210767459.9A Withdrawn CN115092131A (zh) | 2018-08-10 | 2018-08-10 | 一种车辆巡航***及方法 |
CN201810910364.1A Pending CN109094561A (zh) | 2018-08-10 | 2018-08-10 | 一种车辆巡航***及方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810910364.1A Pending CN109094561A (zh) | 2018-08-10 | 2018-08-10 | 一种车辆巡航***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN115092131A (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110606084B (zh) * | 2019-09-19 | 2020-12-18 | 中国第一汽车股份有限公司 | 巡航控制方法、装置、车辆及存储介质 |
CN110930651B (zh) * | 2019-11-29 | 2021-12-10 | 成都理工大学 | 一种基于灾害预警的公路车辆管控方法、***及可读存储介质 |
CN112224204A (zh) * | 2020-10-12 | 2021-01-15 | 坤泰车辆***(常州)有限公司 | 多感知融合多接口兼容的汽车智能巡航控制***及方法 |
CN114435394A (zh) * | 2021-12-22 | 2022-05-06 | 安徽建德基文化传媒有限公司 | 一种无人驾驶汽车的控制*** |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07240000A (ja) * | 1994-03-01 | 1995-09-12 | Nikon Corp | 車間距離警報装置 |
TWI314115B (en) * | 2007-09-27 | 2009-09-01 | Ind Tech Res Inst | Method and apparatus for predicting/alarming the moving of hidden objects |
CN102303606B (zh) * | 2011-06-17 | 2013-06-12 | 清华大学 | 基于本车所需减速度的危险评估方法 |
CN103895645A (zh) * | 2014-04-11 | 2014-07-02 | 安徽江淮汽车股份有限公司 | 一种汽车防撞方法及*** |
KR20160115448A (ko) * | 2015-03-27 | 2016-10-06 | 주식회사 만도 | 차량의 운전 보조 시스템 및 운전 보조 방법 |
CN204845924U (zh) * | 2015-07-23 | 2015-12-09 | 江苏大学 | 一种纵向避撞提醒和自动跟随集成*** |
CN106056972A (zh) * | 2016-06-29 | 2016-10-26 | 江苏科技大学 | 一种基于车辆行驶速度和位置信息融合的安全防撞预警方法 |
CN206691107U (zh) * | 2017-03-08 | 2017-12-01 | 深圳市速腾聚创科技有限公司 | 无人驾驶汽车***及汽车 |
-
2018
- 2018-08-10 CN CN202210767459.9A patent/CN115092131A/zh not_active Withdrawn
- 2018-08-10 CN CN201810910364.1A patent/CN109094561A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
CN109094561A (zh) | 2018-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2020101561A4 (en) | A Multi-sensor Data Fusion Based Vehicle Cruise System and Method | |
CN107972662B (zh) | 一种基于深度学习的车辆前向碰撞预警方法 | |
CN107117179B (zh) | 基于乘员注意的自主控制 | |
CN107121979B (zh) | 自主置信控制 | |
EP3879455A1 (en) | Multi-sensor data fusion method and device | |
EP2654028B1 (en) | Orientation sensitive traffic collision warning system | |
CN107346612B (zh) | 一种基于车联网的车辆防碰撞方法和*** | |
CN115092131A (zh) | 一种车辆巡航***及方法 | |
CN110065494B (zh) | 一种基于车轮检测的车辆防碰撞方法 | |
US6470272B2 (en) | Situation awareness processor | |
CN106537180A (zh) | 用于用针对行人的主动制动的摄影机输入缓解雷达传感器限制的方法 | |
CN110379203A (zh) | 一种行车转向碰撞预警方法 | |
Kim et al. | Probabilistic threat assessment with environment description and rule-based multi-traffic prediction for integrated risk management system | |
JP7156011B2 (ja) | 情報提示装置 | |
US11709260B2 (en) | Data driven resolution function derivation | |
CN113658427A (zh) | 基于视觉与雷达的路况监控方法及***、设备 | |
CN112116809A (zh) | 基于v2x技术的非视距车辆防碰撞方法及装置 | |
CN116872921A (zh) | 一种车辆规避风险方法、***、车辆及存储介质 | |
Lee et al. | Moving objects tracking based on geometric model-free approach with particle filter using automotive LiDAR | |
JP2022550762A (ja) | 衝突認識手段を用いた動力車両の周辺領域内にある離れたターゲット車両を追跡するための方法 | |
CN113432615B (zh) | 基于多传感器融合可驾驶区域的检测方法、***和车辆 | |
Kim et al. | A driver adaptive lane departure warning system based on image processing and a fuzzy evolutionary technique | |
CN115862383B (zh) | 一种基于不确定性的车辆盲区潜在风险量化方法 | |
Rezaei et al. | Multisensor data fusion strategies for advanced driver assistance systems | |
Wendi et al. | Risk assessment method combining trajectory prediction and lateral obstacle monitoring |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220923 |