[发明专利]基于寻优跟踪算法的辅助驾驶系统、方法、终端及介质

说明书

本发明提供一种基于寻优跟踪算法的辅助驾驶系统、方法、终端及介质，通过将局部寻优后被使用的所有点迹分类且不参与后续目标聚类、拟合等过程，能有效使每个目标在每一帧数据中都能得到最优估计的状态信息。因上一帧所有航迹经局部寻优处理后都预先在关联模块进行对应目标点迹寻优关联处理，使当前帧只有新出现的目标点迹数据进入聚类模块，可明显降低多目标跟踪方法所需要处理的数据量，降低数据处理所需要实际算力，实现算力低负载条件下，也能满足实际需要，同时也降低了车载雷达本身的算力成本。

技术领域

本发明涉及智能驾驶领域，尤其涉及基于寻优跟踪算法的辅助驾驶系统、方法、终端及介质。

背景技术

随着汽车保有量不断增加，频繁发生的交通事故已成为日益严重的公共安全问题。车辆行驶环境复杂和频发的道路交通安全事故对智能汽车的ADAS(Advanced DriverAssistant System，高级驾驶辅助系统)功能需求日益增长。ADAS功能有效辅助驾驶员的眼睛、耳朵等感官，扩大驾驶员对驾驶环境中存在危险驾驶的感知能力，更好的探测车辆自身周围的环境信息及在交通中与其他车辆或基础设施进行信息交互，辅助驾驶员对车辆进行精准的控制。

车辆的驾驶任务由信息感知和决策控制等功能组成，提升车辆对环境信息的感知能力，并提升对环境信息中存在危险工况时的告警率，帮助驾驶员做出准确的决策，更好的避免因危险导致事故的发生。作为车辆感知环境信息的关键部件之一的车载雷达传感器，基于车载雷达开发的ADAS功能，往往需要经过严格的时间与空间定义处理才能采集到有效的雷达数据，然后使用有效的雷达数据开发ADAS功能。

目前已有的基于车载雷达开发的ADAS告警功能中，多目标跟踪方法主要对雷达输出的目标点迹进行聚类、起始航迹、然后对多航迹做预测、关联和更新，实现多目标跟踪。在多目标跟踪方法中，会将当前帧所有点迹处理在每个模块都进行遍历处理，聚类时对所有目标点迹进行遍历，然后在预测、关联及更新等模块仍要遍历所有数据信息，使这一过程所需要算力较高，往往考虑的是增加硬件，如FPGA、GPU等来提升算力。同时因每个模块都在对所有数据进行遍历计算，尤其是每一帧数据都在进行聚类后再进行与航迹关联，无法做到航迹与下一帧时目标点迹中最优点的关联记录处理，当关联不到最优点迹时，在状态更新时就无法更新到目标当前时刻的最优状态，即目标位置、速度、角度并不是最优。

因此，为了解决ADAS系统中功能更准确告警问题，提高车辆在道路行驶过程中对危险的预判能力，并降低算法所需要的算力消耗，本发明开发了一种基于车载雷达多目标跟踪方法的辅助驾驶方案，应用智能汽车辅助驾驶。

发明内容

为解决上述技术问题，本发明提供一种基于寻优跟踪算法的辅助驾驶系统，包括车辆行驶数据采集模块、雷达点迹数据采集模块、多目标跟踪算法模块；所述车辆行驶数据采集模块用于采集车辆行驶数据，所述车辆行驶数据包括自车速度、自车位移、横摆角速率；所述雷达点迹数据采集模块用于采集目标的状态数据，所述目标的状态数据包括目标相对于自车的方位角、距离、位移、速度、加速度；所述多目标跟踪算法模块用于基于当前时刻的所述车辆行驶数据和所述目标的状态数据，对所述目标在下一时刻的位置和速度进行最优状态估计，得到目标的最优位置估计和最优速度估计；将目标的最优位置估计和最优速度估计输入ADAS系统进行碰撞预警，以辅助驾驶。

可选的，所述多目标跟踪算法模块用于基于当前时刻目标相对于自车的位移、速度和加速度，计算得到第一评估位移，利用当前时刻自车的横摆角速率对所述第一评估位移进行补偿估计，得到所述目标的最优位置估计。

可选的，所述多目标跟踪算法模块用于基于当前时刻目标相对于自车的位移、速度和加速度，计算得到第一评估位移包括：

按照如下公式(1)-(2)计算得到下一时刻的第一评估位移：