一种用于车辆碰撞预警系统最小碰撞时间估算的方法与流程

本公开属于汽车防碰撞安全技术领域，特别涉及一种用于车辆碰撞预警系统最小碰撞时间估算的方法，适用于自动驾驶车辆、主动驾驶安全系统。

背景技术：

受自动驾驶车辆技术发展影响，本领域近年来发展迅速，逐步形成了感知-决策-控制的sta(see-think-act)框架模型，在很多方面和环节上都形成了很多卓有成效的新方法。

但是在碰撞预警方面，往往具有以下局限性：

首先，对未来预测能力不足；一般来说当前的碰撞预警都是对明确可能导致碰撞的事件，或障碍物行驶轨迹进行预测以实现碰撞预警，单未考虑车辆变速变向等特性。

其次，对不同车辆类型和驾驶人员行为响应较少。驾驶员对于不同车辆以及驾驶员行为较为敏感，及针对障碍物类型执行碰撞规避，鲜少对此进行处理。

最后，在过去的自动驾驶技术的感知方法中，仅仅是对不同分类的障碍物配合不同的速度和体积进行估算，而未对障碍物的轨迹进行运动特性估计。

技术实现要素：

有鉴于此，本公开提出了一种用于车辆碰撞预警系统最小碰撞时间估算的方法，能够对障碍物的未来状态进行估计，适合于对安全性要求更高的车辆以及相对复杂的交通环境。

根据本公开的一方面，提出了一种用于车辆碰撞预警系统最小碰撞时间估算的方法，该方法包括：

通过张正友标定法对摄像机进行标定，根据延迟差消弭参数将毫米波雷达数据和摄像机采集的视频图像数据标定到同一时间维度下，对毫米波雷达数据经反透视变换与所述环境视频图像数据标定到同一空间坐标下；

根据对所述视频图像数据进行的车道线线型二阶方程对障碍物进行轨迹修正；将视频图像数据输入到障碍物检测模型中，以对障碍物进行识别检测，并融合毫米波雷达数据和视频图像数据到同一帧障碍物图像中；

将当前帧障碍物图像与前一阵障碍物图像进行障碍物匹配，以评估障碍物的位置，基于所述障碍物的位置与车辆之间的距离，得到车辆碰撞预警系统的最小碰撞时间。

本公开的车辆碰撞预警系统最小碰撞时间估算的方法，通过张正友标定法对摄像机进行标定，根据延迟差消弭参数将毫米波雷达数据和摄像机采集的视频图像数据标定到同一时间维度下，对毫米波雷达数据经反透视变换与所述环境视频图像数据标定到同一空间坐标下；根据对所述视频图像数据进行的车道线线型二阶方程对障碍物进行轨迹修正；将视频图像数据输入到障碍物检测模型中，以对障碍物进行识别检测，并融合毫米波雷达数据和视频图像数据到同一帧障碍物图像中；将当前帧障碍物图像与前一阵障碍物图像进行障碍物匹配，以评估障碍物的位置，基于所述障碍物的位置与车辆之间的距离，得到车辆碰撞预警系统的最小碰撞时间。能够对障碍物的未来状态进行估计，适合于对安全性要求更高的车辆以及相对复杂的交通环境。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。

图1示出根据本公开一实施例的车辆碰撞预警系统最小碰撞时间估算系统框图；

图2示出根据本公开一实施例的车辆碰撞预警系统最小碰撞时间估算的方法流程图；

图3示出根据本公开一实施例的车辆碰撞预警系统在多个时间切片下障碍物位置分布图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

图1示出根据本公开一实施例的车辆碰撞预警系统最小碰撞时间估算系统框图。

本公开的车辆碰撞预警系统最小碰撞时间估算方法，可以用于自动驾驶或无人驾驶的可行驶区域估算。如图1所示，承载该方法运行的系统组成可以包括视频采集设备、毫米波雷达、车载计算单元。视频采集设备和毫米波雷达构成环境感知层，通过以视频传感器焦点为坐标原点，相对毫米波雷达正方向的为正方向，通过张正友标定法对视频传感器内参数和畸变参数进行标定，采集标出毫米波雷达和视频传感器的相对延迟误差消弭参数；根据延迟误差消弭参数实现毫米波雷达和视频传感器在时间空间坐标的统。车载计算单元及决策分析算法构成为决策分析层，采集环境感知层输出，分别进行目标障碍物识别、车道线识别、障碍物聚类分析，将其数据融合为统一空间、时间坐标系，实现目标跟踪和行驶行为特征绑定，进行融合模型安全性估计，以此判定临近时间段内的障碍物位置概率分布，基于此输出车辆碰撞预警系统最小碰撞时间估算，完成预警信息输出。

通过构建时间-空间动坐标系，在该坐标系内跟踪、预判和叠加障碍物的可能出现位置的概率分布、再完成碰撞预警估算。相较传统方法，加强了对障碍物运动轨迹的估计预判能力，能够更早判断可能碰撞情况；引入对障碍物运动特性(如驾驶行为特点)的跟踪学习，能够对不同障碍物、不同驾驶人进行区分处理。

图2示出根据本公开一实施例的车辆碰撞预警系统最小碰撞时间估算的方法流程图。该方法可以用于自动驾驶车辆、主动驾驶安全系统，该方法可以包括：

步骤s1：通过张正友标定法对摄像机进行标定，根据延迟差消弭参数将毫米波雷达数据和摄像机采集的视频图像数据标定到同一时间维度下，对毫米波雷达数据经反透视变换与所述环境视频图像数据标定到同一空间维度下。

其中，毫米波雷达和摄像机一般安装在车辆前端，水平正向朝向车辆行驶方向，摄像机安装位置相对较高且靠后。横摆角居中，调整摄像机俯仰角尽可能避免摄像机视野盲区。以摄像机焦点作为动坐标系空间原点，记录毫米波雷达相对坐标，标定俯仰角和横摆角，且通过张正友标定法对摄像机进行内参数和畸变参数采集。

通过缓存毫米波雷达帧数据并记录事件时间戳，在视频数据中标记事件对应时间，找到毫米波雷达数据对应的记录时间，相减即得毫米波雷达和摄像机的延迟差，也为延迟差消弭参数。

毫米波雷达通过can总线与车载计算机连接，摄像机可以通过rj45或csi与车载计算机连接，能够将毫米波数据和摄像机采集的视频图像数据输入到车载计算机(试验车选用jetsontx2)，以对毫米波数据和摄像机采集的视频图像数据进行处理，能够根据延迟差消弭参数将毫米波雷达数据和摄像机采集的视频图像数据标定到同一时间维度下，将毫米波雷达数据经反透视变换与所述环境视频图像数据标定到同一空间坐标下。

步骤s2：根据对所述视频图像数据进行的车道线线型二阶方程对障碍物进行轨迹修正；将视频图像数据输入到障碍物检测模型中，以对障碍物进行识别检测，并融合毫米波雷达数据和视频图像数据到同一帧障碍物图像中。

对毫米波雷达数据进行卡尔曼滤波以提高障碍物识别精度，实现目标障碍物的初步跟踪。

在正常运行过程中，车载计算单元按照频率定周期采集毫米波雷达和摄像机数据。由于相比毫米波雷达，摄像机延迟较大，因此先缓存毫米波雷达数据信息，在获取到最新摄像机视频帧后，通过延迟差消弭参数反查对应毫米波雷达数据。

对视频信息做车道线边缘曲线进行采集，获得俯视角下道路曲线的二阶方程参数，ax²+by²+cxy+dx+ey+f＝0，以对目标范围内的障碍物做轨迹修正。将摄像机的视频信息输入到训练好的障碍物神经网络做障碍物识别，经反透视变换投射到空间坐标系内，基于不同的障碍物类型预先标记为新添加障碍物的基础速度和变速灵活性。将毫米波雷达结果和视频采集结果都添加到同一个空间坐标系内，与前一帧障碍物信息集合叠加处理，保存和输出障碍物信息集合缓存。

步骤s3：将当前帧障碍物图像与前一阵障碍物图像进行障碍物匹配，以评估障碍物的位置，基于所述障碍物的位置与车辆之间的距离得到车辆碰撞预警系统的最小碰撞时间。

在动空间坐标系上，标记当前帧障碍物图像与前一阵障碍物图像的信息，进行目标障碍物集合匹配得到障碍物信息集合。每个障碍物在当前瞬间有其空间位置、速度、区域图像等信息，对障碍物信息集合进行目标跟踪匹配。

每个障碍物的信息特征是一个多维向量，包括除位置和运动特性信息外，还包括形状、尺寸、颜色、纹理特性等。做运动环状匹配时，即在环境模型中前一帧的目标与下一帧的目标匹配，预判障碍物位置，越接近预判障碍物位置匹配度权重越高，越偏离障碍物预判位置匹配度权重越低。例如，前一帧的目标障碍物o与下一帧的目标障碍物p的匹配度m的值可以表述为：

其中，smax是根据目标障碍物的相对速度和目标障碍物类型识别估算的前一帧与下一帧之间的最大移动距离范围(目标障碍物识别匹配的位置范围)，超出该范围，目标障碍物消失，告警输出。是下一帧的目标障碍物p的下一帧位置与预估位置的距离。单一参数的匹配性计算函数如下：

简单讲就是在平面模型里面进行两轮匹配后得到目标障碍物的位置变化，以获取更准确的姿态和方向。目标障碍物的位置变化为：

即可获得其目标障碍物的跟踪速度和速度方向，与毫米波雷达比较可进一步增强目标障碍物跟踪效果，在毫米波雷达丢失数据时可用作数据补充。同时，缓存记录每个被跟踪目标障碍物的变速度变方向概率。

图3示出根据本公开一实施例的车辆碰撞预警系统在多个时间切片下障碍物位置分布图。

将动坐标系z轴替换为时间，如下图3所示，在每个时间切片上，可以基于目标障碍物的当前速度、变速度概率和变方向概率，对每个障碍物可能存在的位置进行估计，得到一组被量化的可叠加的概率值，可避免传统估测方法中，预测多目标跟踪出现交叉，对驾驶员行为不做估计等限制。

若不加入车体姿态的修正和最小安全距离，有

t恒为正数，各二次方程分别解得碰撞时

求解上述公式(5)和公式(6)的两组解，不考虑负数解或无解情况，将解出的t值保存下来，将t解值最小的一个最为最小最小碰撞时间以确认其在本车辆安全行驶范围内。由此，基于所需的安全概率参数，遍历当前车辆行驶方向上相邻短时间的可能的最小最小碰撞时间，当该最小最小碰撞时间小于本车辆安全行驶范围的阈值时，触发告警。

本公开的车辆碰撞预警系统最小碰撞时间估算的方法，通过张正友标定法对摄像机进行标定，根据延迟差消弭参数将毫米波雷达数据和摄像机采集的视频图像数据标定到同一时间维度下，对毫米波雷达数据经反透视变换与所述环境视频图像数据标定到同一空间坐标下；根据对所述视频图像数据进行的车道线线型二阶方程对障碍物进行轨迹修正；将视频图像数据输入到障碍物检测模型中，以对障碍物进行识别检测，并融合毫米波雷达数据和视频图像数据到同一帧障碍物图像中；将当前帧障碍物图像与前一阵障碍物图像进行障碍物匹配，以评估障碍物的位置，基于所述障碍物的位置与车辆之间的距离，得到车辆碰撞预警系统的最小碰撞时间。能够对障碍物的未来状态进行估计，适合于对安全性要求更高的车辆以及相对复杂的交通环境。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除