详情

原文传递面向自动驾驶的车辆周向多源传感目标运动信息获取研究

论文题名：	面向自动驾驶的车辆周向多源传感目标运动信息获取研究
关键词：	自动驾驶;车辆周向目标;多源传感器;运动信息获取;驾驶行为识别;车辆换道
摘要：	自动驾驶决策规划和车辆驾驶行为识别都依赖于准确、可靠的目标信息。目前，目标运动信息的研究大多针对传感器信息进行处理以提高目标信息的质量，然而，传感器探测目标信息与本车具有相对关系，在不同道路工况下或者车辆发生变道行为时，仅依靠目标传感信息并不能准确描述目标运动行为。在当前的相关研究中，分析车道内目标的运动较少，并且提高目标运动信息质量对于决策规划和车辆驾驶行为识别都具有重要的意义。因此，基于多源车载传感器的实验车开展传感器融合与运动分析研究，采用实车数据进行测试验证具有研究价值和应用意义。本文主要开展如下研究：　　（1）针对多源传感器目标信息融合问题，采用分布式信息融合架构进行多源传感器决策级融合。基于卡尔曼滤波对单源传感器目标进行跟踪，通过降低传感器探测误差提高了传感器探测目标信息的质量。多传感器重叠区域的目标具有多组描述信息，基于最近邻数据关联方法采用欧氏距离进行了目标匹配关联，利用传感器协方差矩阵采用交互融合的方法对目标进行融合，综合不同传感器优势，提高了融合目标信息的质量。通过对相邻时刻融合目标进行关联匹配，实现了本车周向目标跟踪和对目标进行管理，保证了目标在本车周向传感视场内始终具有唯一的标识。　　（2）对车道内目标进行了分析，获取了与自车解耦的目标信息，通过对目标轨迹进行拟合提高了目标信息的质量。基于前向车道线信息和结合本车运动信息生成了后向车道线，采用滚动更新的方式以离散点的形式存储后向车道线，避免了车道线拟合在直线和曲线过渡阶段拟合失真的问题。考虑车道线探测质量问题，选择目标内侧车道线作为参考车道线，降低了车道线对计算目标信息的影响。在曲线道路或本车变道时，传感器探测目标信息与本车具有相对关系，不足以用来准确直观的描述目标运动行为，因此分析目标相对于参考车道线的运动。基于目标历史位置信息生成目标横、纵向轨迹，参考Mobileye车道线模型使用三次曲线对目标轨迹进行了描述，并且采用最小二乘法对轨迹进行了递推拟合，从而利用历史轨迹信息完成了对目标位置信息的修正。在仿真环境下，验证了上述算法在直线道路和曲线道路下的准确性。　　（3）基于目标车辆横向信息对车辆驾驶行为进行识别。通过分析车辆驾驶特性，提取了车辆特征变量，建立了基于高斯混合分布的隐马尔科夫模型，对车辆驾驶行为进行了识别。利用前文计算的车辆横向信息作为模型的观测变量，对直线道路和曲线道路工况下的车辆驾驶行为进行识别。通过使用SCANeR-MATLAB/Simulink仿真平台进行了数据集采集，完成了模型的训练和验证工作，验证了模型在不同道路下对车辆驾驶行为的识别具有鲁棒性。　　（4）基于实车数据开展了相关算法的验证工作。研发了实车试验平台和建立了实车数据采集模型，开展了实车环境下的数据采集工作，利用数据回灌技术完成了多源传感目标融合算法、目标运动信息获取算法和车辆驾驶行为识别模型的验证。结果证明，在实车数据驱动下，目标融合算法仍然能够准确完成本车周向目标的完整跟踪；本文建立的基于轨迹拟合的目标信息修正方法有效提高了目标信息的质量；在实车数据下车辆驾驶行为识别模型仍然能够较为准确识别车辆换道行为。
作者：	王高祥
专业：	车辆工程
导师：	李杰
授予学位：	硕士
授予学位单位：	吉林大学
学位年度：	2023