[发明专利]一种基于多传感器融合的旁车道车辆切入识别方法及装置

说明书

本发明提出一种基于多传感器融合的旁车道车辆切入识别方法及装置，利用卡尔曼滤波融合模型，对目标进行关联，输出目标的3类横向位置信息，包括毫米波雷达检测到的横向位置信息、摄像头检测到的横向位置信息、卡尔曼滤波融合模型计算的横向位置信息；判断是否为切入或者判断得到切入概率。本发明本技术方案可以对切入场景提前进行准确预判，使得ADAS辅助驾驶功能可以进行提前控制，降低驾驶员接管频率，提高舒适性。

技术领域

本发明属于汽车智能驾驶技术领域领域，特别是涉及到一种基于多传感器融合的旁车道车辆切入识别方法及装置。

背景技术

在ADAS辅助驾驶系统中，旁车道车辆在距离本车较近的位置切入时，常常会导致由于系统未能及时进行危险目标切换，影响系统效果。

在现有技术中，对于旁车道车辆切入识别，存在多种可以采用的方案。采用单雷达方案，可以对目标的横向距离进行探测，对目标在横向位置上是否在靠近本车进行判断。采用单摄像头方案，可以通过车辆与车道线之间的相对位置关系进行判断。采用雷达和摄像头融合的方案，可以结合车道线和目标横向位置信息判断目标是否有进入本车道的意图。

但是上述方案都存在不足之处，单雷达方案无法获得车道线信息，从而无法准确判断旁车道车辆距离本车车道线的距离；单摄像头方案，图像处理计算量较大，实时性不足，且当车辆压线时才开始判断，时机较晚；雷达和摄像头融合方案存在数据同步问题，而且传感器输出的横向位置信息可能存在扰动，影响切入判断。

发明内容

本发明提出一种基于多传感器融合的旁车道车辆切入识别方法及装置，能够对切入场景进行准确识别预判。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于多传感器融合的旁车道车辆切入识别方法，包括：

S1、获取设置在车上的车载摄像头与毫米波雷达的输出信息；

S2、基于步骤S1获得的输出信息，对目标信息、车道线信息进行时间同步；

S3、利用卡尔曼滤波融合模型，对目标进行关联，输出目标的3类横向位置信息，包括毫米波雷达检测到的横向位置信息、摄像头检测到的横向位置信息、卡尔曼滤波融合模型计算的横向位置信息；

S4、将本探测周期的横向位置信息与上一探测周期的横向位置信息进行对比，判断本探测周期是否为切入；如果不是，则错误次数加1，连续错误次数加1，总次数加1；

S5、当错误次数、连续错误次数、总次数满足预设的阈值时，全部清零，重新开始计数并判断；否则根据错误次数、连续错误次数和总次数，判断得到切入概率；

S6、记录本探测周期的3类横向位置信息，用于下一探测周期比较。

进一步的，步骤S2所述时间同步的方法包括：获取目标信息和车道线信息中的时间戳，以车道线信息的时间戳为基准时刻，利用目标信息的时间戳和位置、速度信息，计算目标在基准时刻的位置信息，从而达到时间同步。

进一步的，步骤S3所述利用卡尔曼滤波融合模型对目标进行关联的方法包括：

以卡尔曼滤波融合模型输出的目标信息为基准目标信息，将雷达和摄像头输出的目标信息和基准目标信息利用欧氏距离相比较，获得基准目标和雷达摄像头输出目标的关联距离矩阵，然后遍历该矩阵，将最邻近目标相关联。

进一步的，步骤S5所述根据错误次数和总次数判断得到切入概率的方法包括：

根据路测数据统计错误次数、连续错误次数和总次数与切入概率的对应关系数据，依据对应关系数据和本探测周期中错误次数和总次数，得到切入概率。

进一步的，步骤S5中所述预设的阈值包括：连续错误次数5或错误次数2/3*总次数。