卢 雄，王 全，文健峰，杨杰君，欧阳智
(中车时代电动汽车股份有限公司，湖南 株洲 412007)
随着汽车智能网联技术的发展，高级辅助驾驶系统(简称ADAS)一直是行业的热点。其中车辆的横向与纵向控制一直是ADAS的重点领域。如自动紧急制动(AEBS)、自适应巡航(ACC)、碰撞缓解(CMBS)、虚拟保险杠(VBS)等都属于车辆的横向或纵向控制。多数情况下对车辆进行横向与纵向控制时需要有相应稳定可追踪的目标作为控制系统输入。因此从感知融合端输出的有效目标集中筛选出稳定且可用于各类横向与纵向控制的道路目标(简称RT目标)极其重要。
1.1 轨迹预测
以自车摄像头中心点为坐标原点建立车辆平面坐标系，车速为时自车瞬间向右转动时的平面示意图如图1所示。
图1 自车向右转动时运动示意图
因此，在当前横摆角速度下，时间内自车走过的横向距离为
=·tan(2)
定义为危险区域的横向距离，此时=-。
1.2 危险目标筛选
假设车道宽3.75 m，若当前目标对应的||≤2.0 m(可另外标定)，则认为该目标为危险区域内可能发生碰撞风险的目标。当有多个可能发生碰撞风险的目标时，则筛选出离自车纵向距离(即)最近的目标作为ADAS的碰撞目标。
该方案主要存在以下2个问题：
2)一次只筛选出1个危险目标，通用性差，可拓展性不强，想要新增决策功能时需要根据其功能需求而定制。
本文针对以上问题，提出一种新型的目标轨迹预测与目标筛选方案。
2.1 整体框架
通过各类传感器如毫米波雷达、摄像头等采集当前环境下的目标信息，再对该目标信息进行感知融合处理，然后对感知融合处理后的目标信息集进行过滤与目标锁定；
对自车运动轨迹以及锁定后的有效目标集的运动轨迹进行预测，通过对预测后的目标状态和危险区域进行界定来对有效目标集进行筛选，最后输出稳定且可用于各类横向与纵向控制的RT目标集。方案整体框架如图2所示。
图2 方案整体框架图
2.2 自车运动轨迹预测
以自车摄像头中心点为坐标原点建立自车运动的空间坐标系和平面坐标系，如图3所示，图中画出的是自车瞬间向右转动时对应轨迹的空间示意图与平面示意图。
(a)空间示意图
假设自车绕轴瞬时转动，此时自车的瞬时轨迹是圆心为(0,±)、半径为的圆弧，则建立其轨迹圆方程：
+(±)=，=||
式中：为车速；
为自车绕轴瞬时移动的横摆角速度。
当自车直行时，=0，此时自车瞬时轨迹为半径等于无穷大的圆弧。
2.3 目标运动轨迹预测
通过对有效目标的轨迹进行预测，计算各个目标物离自车轨迹线最近的距离，从而界定该目标是否为横向与纵向控制所需的目标。因此问题的关键是时刻计算目标集离自车轨迹线最近的距离。
同样以摄像头中心点为坐标原点建立车辆坐标系，轴和轴分别代表目标中心与摄像头中心点的横向距离和纵向距离，且定义坐标系轴左边为正方向，右边为负方向。目标中心点的坐标为(，)，为目标中心与摄像头中心连线之间的夹角，点为目标中心点与自车轨迹圆心连线的延长线与自车瞬时轨迹圆的交点；
即为目标中心离自车轨迹线最近的距离(下文统一用命名)。以自车向右转动行驶为例，画出目标中心与自车轨迹线的4种位置关系示意图。这4种位置关系的安全距离预测如下:
1)位置关系1预测。目标中心的相对距离||大于自车轨迹圆的半径，此时目标中心点与自车轨迹圆位置关系如图4所示。本方案只考虑自车1/4的轨迹圆同圆心向外扩张和向里收缩范围内的目标，即目标的||≤的情况。当||>时，目标的横向距离超过了自车轨迹圆的半径，此时认为该目标处于一个无碰撞风险的位置关系状态。此状态下设置=255，其中255为自定义的无效值，刚好占1个字节。
图4 自车右转时目标与自车轨迹位置关系1
2)位置关系2预测。目标与自车1/4轨迹圆在坐标系中处于同象限、目标中心在自车轨迹圆的包络内或轨迹线上且||≤。此时目标中心与自车轨迹圆位置关系如图5所示。
图5 自车右转时目标与自车轨迹位置关系2
定义轴左边为正方向，右边为负方向，根据几何关系，此状态下当自车右转时：
同理，可画出自车左转时目标与自车轨迹位置关系的示意图，并得到：
3)位置关系3预测。目标与自车轨迹线在坐标系中处于同象限且||≤，但目标中心在自车1/4轨迹圆外。此时目标中心与自车轨迹圆位置关系如图6所示。
图6 自车右转时目标与自车轨迹位置关系3
根据几何关系，此状态下当自车右转时：
同理，可画出自车左转时目标与自车轨迹位置关系的示意图，并得到：
4)位置关系4预测。目标与自车1/4轨迹圆在坐标系中处于非同象限且||≤，此时目标中心一定在自车轨迹圆外，目标与自车轨迹圆位置关系如图7所示。
图7 自车右转时目标与自车轨迹位置关系4
根据几何关系，此状态下当自车右转时：
同理，可画出自车左转时目标与自车轨迹位置关系的示意图，并得到：
当感知融合端有故障时，为了防止系统对危险目标的误识别，此时设置目标的=255(无效值)；
否则各个目标的按照上述4种状态正常输出。
2.4 RT目标危险区域界定
通过图8中7条轨迹线制定RT目标危险区域界定规则，筛选出可用于各类车辆横向与纵向控制的RT目标。设定自车车宽为2.4 m，因此将轨迹线3和5之间的区域界定为紧急制动目标(简称CIB目标)目标出现的区域；
由于标准的车道宽度为3.75 m，考虑到目标并非是质点，因此将车道宽度扩到4 m，所以将轨迹线2和6之间的区域界定为RT1/RT2目标出现的区域；
将轨迹线1和2之间的区域界定为RT3/RT5目标出现的区域；
将轨迹线6和7之间的区域界定为RT4/RT6目标出现的区域。
图8 RT目标界定规则示意图
上述CIB目标可用作于AEBS的碰撞目标；
RT1目标可用作于CMBS的碰撞目标、ACC跟随目标或VBS的碰撞目标；
RT2～RT6目标可用作于拓展其他横向与纵向控制所需求的目标。对RT目标集定义如下：
CIB目标：||≤1.2 m的范围内；
RT1目标：||≤2 m的范围内；
RT2目标：||≤2 m的范围内；
RT3目标：2 m<≤6 m的范围内；
RT4目标：-6 m≤<-2 m的范围内；
RT5目标：2 m<≤6 m的范围内；
RT6目标：-6 m≤<-2 m的范围内。
CIB、RT1、RT3、RT4为各自范围内离自车纵向距离最近的目标，RT5、RT6为各自范围内离自车横向距离最近的目标，RT2为离自车纵向距离次近的目标。
2.5 RT目标筛选
从感知融合端输入的有效目标集经过轨迹预测和上述危险区域界定后便锁定了所需RT目标集的原始ID；
根据该原始ID就可以索引输出RT目标集的信息，如目标类型、相对距离、相对速度、相对角度等，如图9所示。相对于第一部分所述的传统方案，新型方案筛选出的目标质量更高、数量更多、可拓展性更强、可测试性更高。因此本文中论述的策略称之为增强型目标轨迹预测与目标筛选。
图9 目标筛选示意图
为了对比采用新型方案和传统方案的效果，本文在同一辆试验车上利用同一套感知设备(智驾IFVS-500摄像头、德尔福ESR2.5毫米波雷达)同时测试两种方案，保证两种方案每时每刻的数据输入保持一致，断开ADAS执行机构，利用上位机同步采集和保存路试(在市区累计进行6 800 km路试)过程中所有传统方案和新型方案测试过程以及各自的决策结果数据。通过后期数据回放进行对比分析发现：用传统方案时，CIB/RT1目标漏识别次数总共为13次，约每1 000 km漏识别2次；
CIB/RT1目标误识别次数总共为22次，约每1 000 km漏识别3次；
用新型方案时，CIB/RT1目标漏识别次数总共为4次，约每1 000 km漏识别1次；
CIB/RT1目标误识别次数总共为8次，约每1 000 km漏识别1次。相对于传统方案，新型方案CIB/RT1目标的误识别率降低63%，漏识别率降低69%。新型方案效果明显更好。
本文提出了一种目标轨迹预测与目标筛选的新型方案，得到了各个目标离自车轨迹最近的距离，并实现了RT目标的有效筛选。目前该方案已应用到公司AEBS、CMBS、ACC等产品上，实际应用表明其有效可行。
猜你喜欢 示意图坐标系界定 极坐标系中的奇妙曲线语数外学习·高中版中旬(2021年11期)2021-02-14外语学习中的自我界定北方文学(2019年9期)2019-04-17议论文概念界定的几个问题语文天地·高中版(2018年5期)2018-09-03三角函数的坐标系模型考试周刊(2018年15期)2018-01-21求坐标系内三角形的面积中学生数理化·七年级数学人教版(2017年4期)2017-07-08高血压界定范围金色年代(2016年4期)2016-10-20例谈坐标系与参数方程常考题型中学生数理化·高二版(2016年5期)2016-05-14贫困户建档立卡工作示意图及参考文本中国扶贫(2014年8期)2014-06-27“三定两标”作好图中学生数理化·八年级物理人教版(2014年2期)2014-04-02俄欧天然气管道示意图能源(2014年3期)2014-03-27