详情

原文传递一种智能汽车传感器盲区行人检测及主动避撞方法

专利名称：	一种智能汽车传感器盲区行人检测及主动避撞方法
摘要：	本发明公开了一种智能汽车传感器盲区行人检测及主动避撞方法，通过车载传感器获取智能汽车行驶过程中的行驶状态信息，同时获取传感器盲区信息，检测是否有行人进入传感器盲区，并通过车载传感器采集行人处于传感器盲区边界A时刻的行人状态信息，如速度、加速度、位置信息等，用卡尔曼滤波对采集到的行人状态信息进行最优化处理，通过相关计算，预测当行人运动到传感器盲区边界B时，智能汽车是否处于危险区域，根据预测结果判断是否需要提前进行主动避撞。智能汽车在行车过程中会主动规避由于传感器盲区的存在可能引发的危险碰撞工况，在通过传感器盲区区域时更加安全，从而有效提高了智能汽车的主动安全系统的性能以及车辆的行驶安全性。
专利类型：	发明专利
国家地区组织代码：	江苏;32
申请人：	江苏大学
发明人：	袁朝春;张海峰;何友国;张厚忠;孙晓强;陈龙;蔡英凤
专利状态：	有效
申请日期：	2019-07-22T00:00:00+0800
发布日期：	2019-11-22T00:00:00+0800
申请号：	CN201910658787.3
公开号：	CN110481526A
分类号：	B60T7/22(2006.01);B;B60;B60T;B60T7
申请人地址：	212013 江苏省镇江市京口区学府路301号
主权项：	1.一种智能汽车传感器盲区行人检测及主动避撞方法，其特征在于，通过车载传感器获取智能汽车行驶过程中的车辆行驶状态信息，同时获取传感器盲区信息，检测是否有行人进入传感器盲区，并通过车载传感器采集行人处于传感器盲区边界A时刻的行人状态信息，用卡尔曼滤波对采集到的行人状态信息进行最优化处理，通过计算，预测当行人运动到传感器盲区边界B时，智能汽车是否处于危险区域，根据预测结果判断是否需要提前进行主动避撞。 2.根据权利要求1所述的一种智能汽车传感器盲区行人检测及主动避撞方法，其特征在于，实现的步骤包括如下：步骤1：通过车载传感器获取车辆行车状态信息；步骤2：通过车载传感器获取传感器盲区信息，主要包括传感器盲区边界信息，检测是否有行人进入传感器盲区；步骤3：通过车载传感器采集行人处于传感器盲区边界A时刻的行人状态信息，用卡尔曼滤波对采集到的行人状态信息进行最优化处理；步骤4：通过相关计算，预测当行人运动到传感器盲区边界B时，智能汽车是否处于危险区域，并且根据预测结果判断是否需要对智能汽车提前进行主动避撞；步骤5：将步骤4所要进行的动作由电子控制单元控制完成避撞，并反馈车辆状态信息给电子控制单元。 3.根据权利要求2所述的一种智能汽车传感器盲区行人检测及主动避撞方法，其特征在于，步骤1中，利用车载传感系统获取智能汽车距离检测到的处于盲区边界A的行人的纵向距离Dy，智能汽车距离检测到的处于盲区边界A的行人的横向距离Dx，行人处于传感器盲区边界A时的智能汽车的行驶速度v0，智能汽车的最大制动减速度abmax。 4.根据权利要求3所述的一种智能汽车传感器盲区行人检测及主动避撞方法，其特征在于，所述车载传感系统包括毫米波雷达、速度传感器和加速度传感器。 5.根据权利要求2所述的一种智能汽车传感器盲区行人检测及主动避撞方法，其特征在于，步骤2的实现包括：对车载摄像装置采集的行驶环境图像、传感器检测信息、电子地图、GPS位置、智能汽车行驶任务信息进行融合，确定行驶方向前方道路两侧由于障碍物遮挡所形成的传感器盲区边缘线，即智能汽车传感器盲区的边界，并且检测是否有行人越过传感器盲区边界A进入传感器盲区；对测得信息进行数据融合具体为：首先搭建数据融合模型，然后利用毫米波雷达坐标系、世界坐标系、相机坐标系、图像坐标系和像素坐标系之间的转换关系对采集到的信息进行坐标转换，根据像素坐标系、图像坐标系、相机坐标系和世界坐标系之间的关系，将相机采集图像在像素坐标系中的坐标转换为在世界坐标系中的坐标表示，根据毫米波雷达坐标系和世界坐标系坐标之间的关系，将毫米波雷达检测的目标遮挡物在毫米波雷达坐标系中的坐标转换为在世界坐标系中的坐标表示，并利用相机内外参数标定方法实现数据空间融合，最后通过统一采样频率实现数据时间融合；通过信息数据融合得出较为精确的遮挡物位置信息，由此确定较为精确的盲区边界。 6.根据权利要求2所述的一种智能汽车传感器盲区行人检测及主动避撞方法，其特征在于，步骤3的实现包括：利用车载传感器获取行人处于传感器盲区边界A时的行人的运动速度v1，行人处于传感器盲区边界A时刻行人的运动加速度a1；并对行人的运动速度v1和运动加速度a1作为观测值，通过使用卡尔曼滤波，对数据进行最优化估计；所述卡尔曼滤波的方法为：假设行人的运动速度和运动加速度所进行的变化均为线性变化，行人的初始状态信息为初始状态协方差矩阵为其中，v为行人初始速度值，a为行人初始加速度值。将行人的运动变化过程视为一个线性系统，可用以下公式对此系统建立精确的线性模型。式中： ——根据t-1时刻状态值推测得到的t时刻的状态值； F——状态转移矩阵； B——控制矩阵； ut-1——控制量； ——根据t-1时刻推测得到的t时刻的协方差矩阵； Pt-1、Pt——t-1时刻、t时刻的协方差矩阵； Q——系统过程中预测模型带来的噪声的协方差矩阵； Kt——卡尔曼系数； H——观测矩阵； R——观测噪声的协方差矩阵； ——t时刻、t-1时刻的状态估计值； Zt——各状态的实际观测值；根据上述模型，对车载传感器检测到的行人的运动速度v1和运动加速度a1进行最优化估计，得到更加精确的数据；上述卡尔曼滤波方法在针对行人的运动速度和运动加速度所进行的变化有非线性变化时替换为扩展卡尔曼滤波。 7.根据权利要求2所述的一种智能汽车传感器盲区行人检测及主动避撞方法，其特征在于，步骤4是实现包括：首先，在采集信息之后的进行相关计算包括： ua0＝v0+a0t；式中： Dx——智能汽车距离检测到的位于盲区边界的行人的横向距离； D0——理论上行人从盲区边界A运动到盲区边界B时智能汽车运动的距离； t——理论上行人从盲区边界A运动到盲区边界B所用的时间； a1——行人处于传感器盲区边界A时刻的行人的运动加速度； a0——行人处于传感器盲区边界A时刻的智能汽车的运动加速度； v1——行人处于传感器盲区边界A时刻的行人的运动速度； v0——行人处于传感器盲区边界A时刻的智能汽车的行驶速度； ua0——理论上行人处于传感器盲区边界B时刻的智能汽车的行驶速度； s——理论上智能汽车的制动距离； τ‘2——制动时克服蹄片与制动鼓之间的间隙需要的时间； τ″2——制动时制动器制动力增长过程所需要的时间； abmax——智能汽车最大制动减速度。其中，行人从盲区边界A运动到盲区边界B所用的时间t通过第一个公式可求出；其次，对上述计算所得到的结果进行分析讨论：当Dy-D0＞s时，智能汽车尚未进入危险区域，此时无需提前对智能汽车进行主动避撞；当0≤Dy-D0≤s时，智能汽车处于危险区域，此时需提前对智能汽车进行主动避撞；当Dy-D0＜0时，智能汽车已经驶离危险区域，此时无需提前对智能汽车进行主动避撞。 8.根据权利要求2所述的一种智能汽车传感器盲区行人检测及主动避撞方法，其特征在于，步骤5的实现包括：根据步骤4分析讨论的结果，如果需提前对智能汽车进行主动避撞，则由电子控制单元向智能汽车发出指令，向制动踏板施加一定压力，实现主动避撞；如果无需提前对智能汽车进行主动避撞，电子控制单元则不向智能汽车发出任何指令，汽车按原有状态继续行驶；并且在车辆发生碰撞前的危险时刻发出报警信息。
所属类别：	发明专利