基于传感器融合的集成车辆安全系统研究



基于传感器融合的集成车辆安全系统研究

提出了一种使用多传感器融合的自我车辆状态的概率和整体预测算法。开发该算法用来准确地预测自我车辆的状态，提高IVSS（集成车辆安全系统）中信息感知和风险评估模块的性能。主要考虑了3个问题，即可靠、合理的信息融合，预测状态的扩展和预测不确定性的实时预估。

概率状态预测算法包括两个连续的部分。第一部分包括车辆滤波器和道路滤波器的估计。车辆滤波器估计当前的车辆状态，道路滤波器近似道路几何。第二部分包括路径跟踪模型和车辆预测器的预测。路径跟踪模型生成未来期望横摆角速度，作为虚拟测量，车辆预测器通过最大似然过滤方法预测未来车辆状态。

该算法已通过实车试验与IVSS感知模块仿真结合研究。研究结果表明，该预测算法可以显著提高状态预测性能，特别是在弯道入口、出口和变道的驾驶情况下。预测性能的提高会提供对未来驾驶环境的准确预测，改善IVSS模块的驾驶员辅助功能。

对于预测准确性的改善，未来的计划将着重于以下两个方面：①视觉的继承，即GPS和地图的集成，来改进对道路几何估计的性能；②自适应路径跟踪模型的改进，使模型可以适应具体的驾驶员横摆操作特性。所提出的算法可以用于IVSS感知模块，如紧急驾驶支持系统、先进紧急制动系统、侧面碰撞预防系统、先进变道辅助系统，以提高不同驾驶状况下的车辆安全。

刊名：IEEE Transactions on Intelligent Transportation Systems（英）

刊期：2014年第5期

作者：Beomjun Kim

编译：王欣欣