汽車(chē)前方靜動(dòng)目標(biāo)狀態(tài)轉(zhuǎn)移機(jī)理與分類(lèi)算法*

高振海,王 竣,王德平,李紅建

(1.吉林大學(xué)，汽車(chē)仿真與控制國(guó)家重點(diǎn)實(shí)驗(yàn)室，長(zhǎng)春 130025； 2.中國(guó)第一汽車(chē)集團(tuán)公司新能源汽車(chē)分公司，長(zhǎng)春 130122；3.中國(guó)第一汽車(chē)集團(tuán)公司技術(shù)中心，長(zhǎng)春 130011)

2016103

汽車(chē)前方靜動(dòng)目標(biāo)狀態(tài)轉(zhuǎn)移機(jī)理與分類(lèi)算法*

高振海1,王 竣1,王德平2,李紅建3

(1.吉林大學(xué)，汽車(chē)仿真與控制國(guó)家重點(diǎn)實(shí)驗(yàn)室，長(zhǎng)春 130025； 2.中國(guó)第一汽車(chē)集團(tuán)公司新能源汽車(chē)分公司，長(zhǎng)春 130122；3.中國(guó)第一汽車(chē)集團(tuán)公司技術(shù)中心，長(zhǎng)春 130011)

為解決利用雷達(dá)回波實(shí)現(xiàn)靜止目標(biāo)和運(yùn)動(dòng)目標(biāo)的準(zhǔn)確識(shí)別這一駕駛輔助系統(tǒng)的關(guān)鍵技術(shù)問(wèn)題，本文中基于地面目標(biāo)運(yùn)動(dòng)狀態(tài)轉(zhuǎn)移機(jī)理提出了一種基于時(shí)間窗的汽車(chē)前方靜動(dòng)目標(biāo)狀態(tài)分類(lèi)方法。在地面靜動(dòng)目標(biāo)運(yùn)動(dòng)狀態(tài)與轉(zhuǎn)移機(jī)理分析的基礎(chǔ)上，將目標(biāo)分為靜止目標(biāo)、同向運(yùn)動(dòng)目標(biāo)、反向運(yùn)動(dòng)目標(biāo)、起停目標(biāo)和未分類(lèi)目標(biāo)等5類(lèi)，建立了在固定時(shí)間窗內(nèi)的目標(biāo)運(yùn)動(dòng)狀態(tài)的轉(zhuǎn)移狀態(tài)機(jī)模型，并確定了目標(biāo)狀態(tài)轉(zhuǎn)移的條件閾值和時(shí)間窗長(zhǎng)度，最終在駕駛輔助試驗(yàn)車(chē)上進(jìn)行了前方同向或反向行駛車(chē)輛、樹(shù)木等靜止物體和制動(dòng)停車(chē)車(chē)輛等各種典型工況下的識(shí)別試驗(yàn)，為實(shí)現(xiàn)基于毫米波雷達(dá)的自適應(yīng)巡航與自動(dòng)緊急制動(dòng)的駕駛輔助系統(tǒng)的工程化提供了技術(shù)支撐。

駕駛輔助系統(tǒng)；狀態(tài)機(jī)模型；車(chē)載毫米波雷達(dá)；靜動(dòng)目標(biāo)分類(lèi)；時(shí)間窗

前言

近年來(lái)，以雷達(dá)傳感技術(shù)為基礎(chǔ)的前方防碰撞預(yù)警(forward collision warning system, FCW)、自適應(yīng)巡航控制系統(tǒng)(adaptive cruise control system, ACC)和自動(dòng)緊急制動(dòng)系統(tǒng)(autonomous emergency braking system, AEBS)等先進(jìn)汽車(chē)駕駛輔助系統(tǒng)成為了國(guó)際汽車(chē)主動(dòng)安全領(lǐng)域研究熱點(diǎn)[1-4]。鑒于對(duì)傳感器環(huán)境適應(yīng)性、可靠性和成本的考慮[5]，博世[6]、大陸[7]、德?tīng)柛8]、電裝[9]等各大國(guó)際汽車(chē)電子產(chǎn)品供應(yīng)商多采用具有較強(qiáng)環(huán)境適應(yīng)性的毫米波雷達(dá)，用于識(shí)別本車(chē)前方道路環(huán)境中可能對(duì)本車(chē)行駛帶來(lái)潛在碰撞威脅的車(chē)輛等障礙目標(biāo)(將其定義為前方有效目標(biāo))，并根據(jù)該目標(biāo)與本車(chē)之間的相對(duì)運(yùn)動(dòng)狀態(tài)，對(duì)本車(chē)施加預(yù)警或輔助控制。

車(chē)載毫米波雷達(dá)難以直接區(qū)分地面“運(yùn)動(dòng)地物(即地面靜止物體)”和“運(yùn)動(dòng)目標(biāo)”。車(chē)載毫米波雷達(dá)是通過(guò)雷達(dá)回波信號(hào)和多普勒效應(yīng)檢測(cè)本車(chē)與前方目標(biāo)的相對(duì)距離、方位角和相對(duì)速度等信息[10-11]，其信息處理算法主要借鑒面向飛機(jī)、導(dǎo)彈等飛行物檢測(cè)的軍用雷達(dá)對(duì)機(jī)動(dòng)目標(biāo)的識(shí)別跟蹤方法。軍用地基雷達(dá)以固定的大地為雷達(dá)平臺(tái)，地物相對(duì)于雷達(dá)是靜止不動(dòng)的，從地物反射的回波沒(méi)有多普勒頻率偏移，只在信號(hào)中心頻率附近有微小的展寬；軍用機(jī)載雷達(dá)由于飛機(jī)平臺(tái)的高機(jī)動(dòng)性，可以認(rèn)為地物相對(duì)于目標(biāo)是處于靜止?fàn)顟B(tài)；而地面車(chē)輛在行進(jìn)過(guò)程中，與其固聯(lián)的車(chē)載雷達(dá)平臺(tái)與大地有相對(duì)運(yùn)動(dòng)，原來(lái)不動(dòng)的地物和固定目標(biāo)的回波都會(huì)產(chǎn)生多普勒頻移，即使不考慮載體運(yùn)動(dòng)姿態(tài)變化，地物雜波也非常復(fù)雜。上述車(chē)載雷達(dá)信息與軍用地基雷達(dá)信息的不同，導(dǎo)致車(chē)載毫米波雷達(dá)處理算法難以準(zhǔn)確識(shí)別靜止目標(biāo)與運(yùn)動(dòng)目標(biāo)。現(xiàn)行的國(guó)際標(biāo)準(zhǔn)《ISO/DIS 15622道路車(chē)輛-自適應(yīng)巡航控制系統(tǒng)-性能要求及測(cè)試方法》明確指出：ACC可能會(huì)忽略靜止目標(biāo)或不對(duì)靜止目標(biāo)做出反應(yīng)[12]。

針對(duì)以上問(wèn)題，尤其是全速ACC和AEBS研發(fā)要求必須對(duì)前方低速運(yùn)動(dòng)和靜止的車(chē)輛或行人進(jìn)行準(zhǔn)確識(shí)別，國(guó)際上開(kāi)展了靜動(dòng)目標(biāo)分類(lèi)算法研究。現(xiàn)有研究主要是利用目標(biāo)物體與本車(chē)之間的相對(duì)速度變化規(guī)律，通過(guò)閾值分割的方法進(jìn)行目標(biāo)運(yùn)動(dòng)狀態(tài)識(shí)別。德?tīng)柛！⒉┦篮臀譅栁值裙揪_(kāi)發(fā)了靜動(dòng)目標(biāo)分類(lèi)識(shí)別算法，并將其作為提升毫米波雷達(dá)檢測(cè)精度的核心競(jìng)爭(zhēng)保密技術(shù)。例如文獻(xiàn)[13]中將雷達(dá)目標(biāo)分為4類(lèi)(高空目標(biāo)、靜止目標(biāo)、運(yùn)動(dòng)目標(biāo)和路側(cè)目標(biāo))，但文中沒(méi)有詳細(xì)論述目標(biāo)分類(lèi)判別方法。

相對(duì)于國(guó)際研究現(xiàn)狀而言，國(guó)內(nèi)研究(尤其是性能樣車(chē)研發(fā))多是直接基于采購(gòu)的國(guó)外雷達(dá)輸出的有效目標(biāo)結(jié)果進(jìn)行駕駛輔助功能開(kāi)發(fā)，并未深入開(kāi)展車(chē)載毫米波雷達(dá)的數(shù)據(jù)處理算法，也無(wú)法為國(guó)內(nèi)車(chē)載毫米波雷達(dá)產(chǎn)品研發(fā)提供技術(shù)支撐。同時(shí)，本文作者在基于國(guó)際采購(gòu)的車(chē)載毫米波雷達(dá)進(jìn)行ACC等實(shí)車(chē)功能測(cè)試實(shí)驗(yàn)中發(fā)現(xiàn)：鑒于本車(chē)行駛速度波動(dòng)和雷達(dá)自身存在一定的測(cè)量誤差等實(shí)際情況，若直接沿用當(dāng)前時(shí)刻下目標(biāo)與雷達(dá)之間的相對(duì)運(yùn)動(dòng)關(guān)系和簡(jiǎn)單閾值分割實(shí)現(xiàn)靜動(dòng)目標(biāo)識(shí)別算法，將導(dǎo)致算法在部分工況下無(wú)法輸出準(zhǔn)確前方有效目標(biāo)。

為此，本文中針對(duì)駕駛輔助系統(tǒng)對(duì)靜動(dòng)目標(biāo)識(shí)別的技術(shù)需求，在地面靜動(dòng)目標(biāo)的運(yùn)動(dòng)狀態(tài)和轉(zhuǎn)移機(jī)理分析基礎(chǔ)上，提出了一種基于時(shí)間窗內(nèi)運(yùn)動(dòng)狀態(tài)轉(zhuǎn)移機(jī)制的動(dòng)靜目標(biāo)分類(lèi)方法。文中首先對(duì)雷達(dá)目標(biāo)的運(yùn)動(dòng)狀態(tài)進(jìn)行了分類(lèi)；然后基于目標(biāo)的多運(yùn)動(dòng)狀態(tài)，建立了目標(biāo)運(yùn)動(dòng)狀態(tài)轉(zhuǎn)移狀態(tài)機(jī)模型，并設(shè)計(jì)了目標(biāo)狀態(tài)轉(zhuǎn)移的條件閾值和時(shí)間窗長(zhǎng)度；最終在裝備毫米波雷達(dá)的駕駛輔助試驗(yàn)平臺(tái)車(chē)上，進(jìn)行了前方同向或反向行駛車(chē)輛、樹(shù)木等靜止物體及制動(dòng)停車(chē)車(chē)輛等典型工況的實(shí)車(chē)道路實(shí)驗(yàn)驗(yàn)證。

1 面向駕駛輔助系統(tǒng)的前方目標(biāo)運(yùn)動(dòng)狀態(tài)分類(lèi)

雷達(dá)探測(cè)目標(biāo)存在不同狀態(tài)：根據(jù)運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)方向，可分為同向運(yùn)動(dòng)目標(biāo)和反向運(yùn)動(dòng)目標(biāo)；針對(duì)前方車(chē)輛起步-停車(chē)等工況，將原先運(yùn)動(dòng)后來(lái)停止的目標(biāo)定義為起停目標(biāo)(一種特殊形式的運(yùn)動(dòng)目標(biāo))；考慮到雷達(dá)回波信號(hào)中存在干擾噪聲，當(dāng)部分目標(biāo)無(wú)法進(jìn)行有效分類(lèi)時(shí)將其定義為未分類(lèi)目標(biāo)。同時(shí)為了保證分類(lèi)算法的魯棒性，將所有雷達(dá)目標(biāo)的初始狀態(tài)也都定義為未分類(lèi)目標(biāo)。

綜上所述，本文中將車(chē)載雷達(dá)探測(cè)到的目標(biāo)分為靜止、同向運(yùn)動(dòng)目標(biāo)、反向運(yùn)動(dòng)目標(biāo)、起停目標(biāo)和未分類(lèi)目標(biāo)5類(lèi)，如圖1所示。

(1) 靜止目標(biāo)(Stationary)

靜止目標(biāo)是指運(yùn)動(dòng)速度始終保持為零的物體，主要包括路側(cè)障礙物、樹(shù)木、標(biāo)志牌和在雷達(dá)測(cè)試全過(guò)程內(nèi)始終停止的車(chē)輛等物體。該信息的準(zhǔn)確獲取是FCW和AEBS實(shí)現(xiàn)的關(guān)鍵。

(2) 同向運(yùn)動(dòng)目標(biāo)(Moving)

同向運(yùn)動(dòng)目標(biāo)是指與本車(chē)運(yùn)動(dòng)方向相同的物體。一般而言，同向運(yùn)動(dòng)的目標(biāo)與本車(chē)位于同一車(chē)道或同向相鄰車(chē)道，其運(yùn)動(dòng)與本車(chē)具有較大的相關(guān)性，因此可輔助進(jìn)行本車(chē)行駛軌跡和車(chē)道曲率變化等信息估計(jì)。

(3) 反向運(yùn)動(dòng)目標(biāo)(Oncoming)

反向運(yùn)動(dòng)目標(biāo)是指與本車(chē)運(yùn)動(dòng)方向相反的物體。通常情況下，反向運(yùn)動(dòng)的物體位于本車(chē)相鄰車(chē)道的可能性較大，可用來(lái)區(qū)分相鄰車(chē)道類(lèi)型。

(4) 起停目標(biāo)(Stop)

起停目標(biāo)是指運(yùn)動(dòng)中的物體速度減慢已接近靜止或已靜止的物體有運(yùn)動(dòng)的趨勢(shì)但速度極小。起停目標(biāo)一般是由前方運(yùn)動(dòng)車(chē)輛減速停車(chē)或起步形成。起停目標(biāo)信息的準(zhǔn)確獲取是AEBS和全速ACC(具備起步停車(chē)功能)實(shí)現(xiàn)的前提。

(5) 未分類(lèi)目標(biāo)(Unclassified)

雷達(dá)目標(biāo)的初始狀態(tài)均為未分類(lèi)目標(biāo)。之后根據(jù)其運(yùn)動(dòng)狀態(tài)不同將目標(biāo)分為靜止、同向運(yùn)動(dòng)、反向運(yùn)動(dòng)和起停4種類(lèi)型。若目標(biāo)不能滿足上述4種狀態(tài)轉(zhuǎn)移條件，則仍屬于未分類(lèi)目標(biāo)。

2 目標(biāo)運(yùn)動(dòng)狀態(tài)轉(zhuǎn)移機(jī)理分析

當(dāng)前方目標(biāo)進(jìn)入到車(chē)載雷達(dá)檢測(cè)范圍后，雷達(dá)將連續(xù)輸出該目標(biāo)的相對(duì)位置及相對(duì)速度信息，以描述該目標(biāo)的運(yùn)動(dòng)狀態(tài)。

考慮到狀態(tài)轉(zhuǎn)移機(jī)制設(shè)計(jì)的精確性、實(shí)時(shí)性和單一時(shí)刻的量測(cè)信息易受噪聲干擾等因素，本文中提出了一種基于時(shí)間窗的目標(biāo)狀態(tài)分類(lèi)方法，依據(jù)車(chē)載雷達(dá)在該時(shí)間歷程中輸出的目標(biāo)連續(xù)運(yùn)動(dòng)狀態(tài)進(jìn)行判斷，而不單純依靠單一時(shí)刻運(yùn)動(dòng)狀態(tài)實(shí)現(xiàn)目標(biāo)分類(lèi)。

考慮到地面車(chē)輛等物體受路面附著等運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)約束，物體運(yùn)動(dòng)狀態(tài)的轉(zhuǎn)移有明顯的規(guī)律性。一個(gè)目標(biāo)在某一固定時(shí)刻只能屬于上述運(yùn)動(dòng)類(lèi)型之一，且隨著物體運(yùn)動(dòng)狀態(tài)變化有規(guī)律性地轉(zhuǎn)移，變更為另一目標(biāo)類(lèi)型。圖2所示為目標(biāo)狀態(tài)轉(zhuǎn)移示意圖，目標(biāo)狀態(tài)之間的箭頭表示狀態(tài)轉(zhuǎn)移的路徑和方向。雷達(dá)目標(biāo)狀態(tài)轉(zhuǎn)移規(guī)律分析如下。

(1) 目標(biāo)初始狀態(tài)均為“未分類(lèi)目標(biāo)”。

(2) 靜止目標(biāo)：靜止目標(biāo)開(kāi)始運(yùn)動(dòng)后將會(huì)轉(zhuǎn)移為同向運(yùn)動(dòng)目標(biāo)或反向運(yùn)動(dòng)目標(biāo)；如果沒(méi)有發(fā)生狀態(tài)轉(zhuǎn)移，則繼續(xù)保持為靜止目標(biāo)狀態(tài)。

(3) 同向運(yùn)動(dòng)目標(biāo)：當(dāng)同向運(yùn)動(dòng)目標(biāo)的速度接近零時(shí)將會(huì)轉(zhuǎn)移為起停目標(biāo)，而不是直接轉(zhuǎn)移為靜止目標(biāo)；如果沒(méi)有發(fā)生狀態(tài)轉(zhuǎn)移，則繼續(xù)保持為同向運(yùn)動(dòng)目標(biāo)。

(4) 反向運(yùn)動(dòng)目標(biāo)：反向運(yùn)動(dòng)目標(biāo)其狀態(tài)轉(zhuǎn)移條件類(lèi)似于同向運(yùn)動(dòng)目標(biāo)，在速度接近零時(shí)將會(huì)轉(zhuǎn)移為起停目標(biāo)，而不是直接轉(zhuǎn)移為靜止目標(biāo)；如果沒(méi)有發(fā)生狀態(tài)轉(zhuǎn)移，則繼續(xù)保持為反向運(yùn)動(dòng)目標(biāo)。

(5) 起停目標(biāo)：起停目標(biāo)開(kāi)始運(yùn)動(dòng)后將根據(jù)其運(yùn)動(dòng)方向轉(zhuǎn)移至同向運(yùn)動(dòng)目標(biāo)或反向運(yùn)動(dòng)目標(biāo)；否則繼續(xù)保持為起停目標(biāo)。

需要指出的是，在提出的狀態(tài)轉(zhuǎn)移中，同向運(yùn)動(dòng)目標(biāo)物體轉(zhuǎn)移為反向運(yùn)動(dòng)時(shí)，中間必歷經(jīng)起停狀態(tài)。由于地面運(yùn)動(dòng)物體具有慣性，速度不會(huì)產(chǎn)生突變，因此當(dāng)運(yùn)動(dòng)的物體改變運(yùn)動(dòng)方向過(guò)程中必然存在速度降低為零的階段，即經(jīng)歷起停狀態(tài)。

同理，依據(jù)以上基于狀態(tài)轉(zhuǎn)移的目標(biāo)運(yùn)動(dòng)狀態(tài)分類(lèi)方法，物體運(yùn)動(dòng)速度降至零而停止時(shí)，該物體首先歸類(lèi)為起停目標(biāo)，而不是歸類(lèi)為靜止目標(biāo)，這樣可將始終靜止的物體與先前運(yùn)動(dòng)隨后停止的物體區(qū)分開(kāi)，也使得該分類(lèi)方法對(duì)目標(biāo)的運(yùn)動(dòng)狀態(tài)具有一定的記憶效應(yīng)。

3 前方目標(biāo)運(yùn)動(dòng)狀態(tài)轉(zhuǎn)移的閾值判斷 條件設(shè)計(jì)

針對(duì)以上運(yùn)動(dòng)狀態(tài)轉(zhuǎn)移機(jī)理分析，本文中建立了目標(biāo)運(yùn)動(dòng)狀態(tài)轉(zhuǎn)移的閾值判斷條件，并根據(jù)雷達(dá)道路試驗(yàn)數(shù)據(jù)離線分析的結(jié)果對(duì)時(shí)間窗長(zhǎng)度與狀態(tài)判別閾值進(jìn)行了設(shè)計(jì)。

(1) 從靜止或初始狀態(tài)轉(zhuǎn)移至同向運(yùn)動(dòng)狀態(tài)(Unclassified/Stationary→Moving)

物體運(yùn)動(dòng)速度vobj在時(shí)間窗內(nèi)連續(xù)超過(guò)同向運(yùn)動(dòng)速度最低限制閾值Vsta-m_min，即

vobj(k-i)>Vsta-m_min，i=0,1,…,n-1

(1)

式中：k-i為采樣時(shí)刻，n為時(shí)間窗長(zhǎng)度，即vobj(k)表示當(dāng)前時(shí)刻目標(biāo)物體的速度值，vobj(k-i)表示當(dāng)前時(shí)刻前第i個(gè)速度值(下同)。

閾值Vsta-m_min的取值主要基于雷達(dá)探測(cè)的主要地面運(yùn)動(dòng)物體的最低運(yùn)動(dòng)速度，目前車(chē)載雷達(dá)主要用于探測(cè)前方車(chē)輛。車(chē)輛怠速時(shí)的速度約為5～10km/h(大約為1～3m/s)，因此本文中給出其參考取值范圍為[1m/s,3m/s]。

(2) 從靜止或初始狀態(tài)轉(zhuǎn)移至反向運(yùn)動(dòng)狀態(tài)(Unclassified/Stationary→Oncoming)

物體運(yùn)動(dòng)速度vobj在時(shí)間窗內(nèi)連續(xù)超過(guò)反向運(yùn)動(dòng)速度最低限制閾值Vsta-o_min，即

vobj(k-i)

(2)

閾值Vsta-o_min的取值主要考慮反向運(yùn)動(dòng)物體的最低運(yùn)動(dòng)速度，因此該取值范圍與同向運(yùn)動(dòng)物體的取值范圍相同，但方向相反，因此本文中給出其參考取值范圍為[-3m/s,-1m/s]。

(3) 從初始狀態(tài)或未分類(lèi)狀態(tài)轉(zhuǎn)移至靜止?fàn)顟B(tài)(Unclassified/Stationary→Stationary)

物體運(yùn)動(dòng)速度vobj在時(shí)間窗內(nèi)連續(xù)接近零或低于一個(gè)速度閾值Vu-sta_max，即

|vobj(k-i)|

(3)

閾值Vu-sta_max的取值主要基于靜止物體的速度分布范圍，理論上靜止物體的速度為零，但由于實(shí)際應(yīng)用中測(cè)量值不可避免含有誤差。因此該閾值的最小值應(yīng)該大于測(cè)量誤差，本文中對(duì)前方物體的速度測(cè)量誤差約為0.3m/s，因此其取值范圍的最小值為0.3；此外該閾值過(guò)大時(shí)將會(huì)導(dǎo)致部分低速運(yùn)動(dòng)的物體識(shí)別為靜止物體，參考式(1)中的分析運(yùn)動(dòng)物體的最低運(yùn)動(dòng)速度約為1m/s，因此將其最大值設(shè)為1，因此本文中給出其參考取值范圍為[0.3m/s,1m/s]。

(4) 從同向運(yùn)動(dòng)狀態(tài)或反向運(yùn)動(dòng)狀態(tài)轉(zhuǎn)移至起停狀態(tài)(Moving/Oncoming→Stop)

在時(shí)間窗內(nèi)，物體運(yùn)動(dòng)速度vobj接近零或小于閾值Vm-sto_max，即

|vobj(k-i)|

(4)

閾值Vm-sto_max的取值主要基于停止物體的速度分布范圍，停止物體的速度與式(3)中靜止物體的速度分布范圍類(lèi)似，因此本文中給出其參考取值范圍為[0.3m/s,1m/s]。

(5) 從起停狀態(tài)轉(zhuǎn)移至同向運(yùn)動(dòng)狀態(tài)(Stop→Moving)

在時(shí)間窗內(nèi)，物體運(yùn)動(dòng)速度vobj超過(guò)速度閾值Vsto-m_min，即

vobj(k-i)>Vsto-m_min，i=0,1,…,n-1

(5)

閾值Vsto-m_min的取值與式(1)中Vsta-m_min的取值范圍類(lèi)似，主要考慮運(yùn)動(dòng)物體的最小速度，此外，由于起停狀態(tài)物體之前是運(yùn)動(dòng)狀態(tài)，可以通過(guò)降低該閾值實(shí)現(xiàn)其轉(zhuǎn)移至同向運(yùn)動(dòng)狀態(tài)的快速識(shí)別，因此本文中給出其參考取值范圍為[0.3m/s,1m/s]。

(6) 從起停狀態(tài)轉(zhuǎn)移至反向運(yùn)動(dòng)狀態(tài)(Stop→Oncoming)

在時(shí)間窗內(nèi)，物體運(yùn)動(dòng)速度vobj接近零或小于閾值Vsto-o_min，即

vobj(k-i)

(6)

閾值Vsto-o_min的取值與式(5)中取值范圍類(lèi)似，但方向相反，因此本文中給出其參考取值范圍為[0.3m/s,-0.3m/s]。

上述狀態(tài)轉(zhuǎn)移切換條件都是基于時(shí)間窗的長(zhǎng)度進(jìn)行判斷。時(shí)間窗長(zhǎng)度設(shè)計(jì)需要同時(shí)兼顧抗干擾能力和快速識(shí)別能力。較短的時(shí)間窗使抗干擾能力較差，將造成速度波動(dòng)時(shí)物體運(yùn)動(dòng)狀態(tài)的振蕩；時(shí)間窗過(guò)長(zhǎng)有較強(qiáng)的抗干擾能力，可避免狀態(tài)振蕩的現(xiàn)象，但會(huì)引起運(yùn)動(dòng)狀態(tài)識(shí)別時(shí)間上的滯后。

本文中根據(jù)道路試驗(yàn)數(shù)據(jù)離線分析的結(jié)果對(duì)時(shí)間窗的長(zhǎng)度進(jìn)行了設(shè)計(jì)，研究中分別選取時(shí)間窗長(zhǎng)度為1，3和5(即n=1,3,5)進(jìn)行了對(duì)比分析。對(duì)比試驗(yàn)結(jié)果顯示，時(shí)間窗的長(zhǎng)度取3時(shí)(即考慮當(dāng)前時(shí)刻及前兩時(shí)刻的雷達(dá)輸出數(shù)據(jù))能很好兼顧抗干擾性能和快速識(shí)別性能，故本文中將此值作為時(shí)間窗長(zhǎng)度，即在式(1)～式(6)中n值取3。

確定合適的閾值是實(shí)現(xiàn)雷達(dá)目標(biāo)運(yùn)動(dòng)狀態(tài)轉(zhuǎn)移和切換條件設(shè)計(jì)的關(guān)鍵。

理論上交通環(huán)境中靜止物體(如靜止的車(chē)輛、路側(cè)標(biāo)志牌、樹(shù)木等)的速度為零，速度不為零的物體定義為運(yùn)動(dòng)物體。而在實(shí)際應(yīng)用中，車(chē)輛前方物體的速度通過(guò)雷達(dá)進(jìn)行測(cè)量。雷達(dá)測(cè)量出前方物體相對(duì)本車(chē)的運(yùn)動(dòng)速度，并通過(guò)本車(chē)速度補(bǔ)償求得前方物體速度。由于雷達(dá)和車(chē)輛輪速傳感器測(cè)量精度的限制和測(cè)量誤差的存在，前方靜止物體也可能返回一個(gè)非零值。為此在實(shí)車(chē)試驗(yàn)中無(wú)法通過(guò)速度是否為零來(lái)判斷物體的靜止與運(yùn)動(dòng)，而需要根據(jù)實(shí)際工況設(shè)定判斷閾值。

本文中以同向運(yùn)動(dòng)狀態(tài)最低速度閾值Vsta-m_min和靜止?fàn)顟B(tài)最高速度閾值Vu-sta_max為例，上述兩個(gè)閾值用于區(qū)分物體為同向運(yùn)動(dòng)狀態(tài)或靜止?fàn)顟B(tài)，主要考慮了實(shí)車(chē)道路試驗(yàn)數(shù)據(jù)(靜止物體和運(yùn)動(dòng)物體的速度分布范圍)，并根據(jù)雷達(dá)測(cè)速精度與車(chē)輛速度波動(dòng)范圍給出閾值確定范圍。

如圖3所示，靜止物體速度分布在[-1m/s,1m/s]的范圍內(nèi)且呈單峰形狀，同向運(yùn)動(dòng)物體速度分布在大于1m/s的范圍內(nèi)，大致呈均勻分布。上述物體速度分布與實(shí)際情況相符合，靜止物體的速度受雷達(dá)測(cè)試精度和車(chē)速誤差的影響，其速度不完全等于零但分布在零附近，并且呈尖峰分布，雷達(dá)測(cè)速精度和車(chē)速的誤差范圍影響該速度分布的寬度。同時(shí)，考慮到本文中采用的德?tīng)柛SR雷達(dá)的測(cè)量精度為0.12m/s，車(chē)速波動(dòng)范圍為0.17m/s(如圖4所示)，同時(shí)考慮上述兩方面的誤差時(shí)其誤差的范圍在0.3m/s。根據(jù)離線測(cè)試數(shù)據(jù)，靜止物體速度分布均值為-0.3m/s，5%百分位的速度值為-0.9m/s，95%百分位的速度值為0.3m/s，最終設(shè)計(jì)的靜止?fàn)顟B(tài)的最高速度閾值Vu-sta_max為0.9m/s，運(yùn)動(dòng)物體的判斷閾值Vsta-m_min設(shè)定為1.2m/s。

4 實(shí)車(chē)道路試驗(yàn)與結(jié)果分析

面向駕駛輔助系統(tǒng)工作的各種典型工況，本文中設(shè)計(jì)并實(shí)施了在真實(shí)道路交通環(huán)境下的實(shí)車(chē)試驗(yàn)，進(jìn)一步驗(yàn)證了文中提出的汽車(chē)前方目標(biāo)運(yùn)動(dòng)狀態(tài)分類(lèi)算法。

試驗(yàn)車(chē)為吉林大學(xué)汽車(chē)仿真與控制國(guó)家重點(diǎn)實(shí)驗(yàn)室自行集成開(kāi)發(fā)的駕駛輔助試驗(yàn)平臺(tái)車(chē)。選配的毫米波雷達(dá)為ESR雷達(dá)，毫米波雷達(dá)和道路交通環(huán)境監(jiān)測(cè)攝像機(jī)的安裝位置如圖5所示，主要性能參數(shù)如表1所示。ESR毫米波雷達(dá)的掃描模式分為長(zhǎng)距離模式和中距離模式，兩種掃描模式具有不同的探測(cè)距離和掃描角度，本文中在數(shù)據(jù)處理過(guò)程中首先按照不同的掃描模式先對(duì)雷達(dá)輸出數(shù)據(jù)進(jìn)行處理，然后再進(jìn)行統(tǒng)一處理，試驗(yàn)結(jié)果如圖6～圖9所示。

表1 毫米波雷達(dá)主要性能參數(shù)

圖6示出本文中雷達(dá)目標(biāo)運(yùn)動(dòng)狀態(tài)分類(lèi)過(guò)程和基于該分類(lèi)方法的分類(lèi)結(jié)果。

圖6(a)中的小方框表示雷達(dá)探測(cè)到的目標(biāo)。雷達(dá)輸出的回波信號(hào)中不可避免地存在雜波和干擾信號(hào)，經(jīng)過(guò)多目標(biāo)跟蹤之后將雜波及干擾目標(biāo)濾除，最終用于分類(lèi)的雷達(dá)目標(biāo)如圖6(b)所示。最終的分類(lèi)結(jié)果如圖6(c)所示，圖示場(chǎng)景中有一個(gè)同向運(yùn)動(dòng)(Moving)的目標(biāo)和一個(gè)反向運(yùn)動(dòng)(Oncoming)的目標(biāo)，如圖6(d)所示，其余的為靜止(Stationary)目標(biāo)，如圖6(e)所示，或未分類(lèi)目標(biāo)(Unclassified)，如圖6(f)所示。

圖7為圖6的試驗(yàn)場(chǎng)景，并用方框的形式標(biāo)識(shí)出了已分類(lèi)的物體，圖7中的方框與圖6(c)中已分類(lèi)的目標(biāo)一一對(duì)應(yīng)，并對(duì)已分類(lèi)目標(biāo)進(jìn)行了編號(hào)，如圖6(d)、圖6(e)和圖7所示。圖7中1號(hào)框表示同向運(yùn)動(dòng)的目標(biāo)(一輛同向行駛的車(chē))，2號(hào)框表示反向運(yùn)動(dòng)的目標(biāo)(一輛反向行駛的車(chē))，其余框表示靜止目標(biāo)，一般包括樹(shù)木、電線桿、垃圾桶等，未分類(lèi)目標(biāo)沒(méi)有在圖中標(biāo)識(shí)出來(lái)。

本文中根據(jù)自適應(yīng)巡航控制的典型工況，設(shè)計(jì)并實(shí)施了典型的靜動(dòng)目標(biāo)識(shí)別試驗(yàn)。試驗(yàn)中前方車(chē)輛的行駛過(guò)程包括以下階段：停車(chē)、起步加速、制動(dòng)停車(chē)、倒車(chē)和減速停車(chē)。

圖8為上述工況中前車(chē)速度變化的時(shí)間歷程，及其運(yùn)動(dòng)狀態(tài)隨之進(jìn)行變化轉(zhuǎn)移的過(guò)程。如圖8中虛線所示：目標(biāo)初始的運(yùn)動(dòng)狀態(tài)為未分類(lèi)狀態(tài)(Unclassified)；由于起始時(shí)目標(biāo)的速度比較低，因此其狀態(tài)轉(zhuǎn)移至靜止?fàn)顟B(tài)(Stationary)；隨該目標(biāo)速度增加，其運(yùn)動(dòng)狀態(tài)轉(zhuǎn)移至同向運(yùn)動(dòng)狀態(tài)(Moving)；之后目標(biāo)開(kāi)始減速，速度接近零時(shí)，目標(biāo)狀態(tài)變?yōu)槠鹜顟B(tài)(Stop)；隨著反向速度的增加，目標(biāo)的狀態(tài)轉(zhuǎn)移至反向運(yùn)動(dòng)狀態(tài)(Oncoming)；最后車(chē)輛減速停車(chē)后目標(biāo)狀態(tài)變?yōu)槠鹜顟B(tài)(Stop)。

圖8給出了目標(biāo)運(yùn)動(dòng)狀態(tài)轉(zhuǎn)移判斷條件中采用時(shí)間窗方法和不采用時(shí)間窗方法的對(duì)比分析，圖中繪制了時(shí)間窗長(zhǎng)度為1，3和5時(shí)的分類(lèi)結(jié)果。由于速度信號(hào)中不可避免存在噪聲干擾和波動(dòng)，因此采用單一時(shí)刻判斷狀態(tài)轉(zhuǎn)移與否的無(wú)時(shí)間窗的方式將會(huì)受到噪聲信號(hào)及信號(hào)波動(dòng)的影響，進(jìn)而出現(xiàn)目標(biāo)運(yùn)動(dòng)狀態(tài)分類(lèi)結(jié)果振蕩甚至錯(cuò)誤的現(xiàn)象。如圖8中無(wú)時(shí)間窗(時(shí)間窗長(zhǎng)度n=1)的分類(lèi)方法(實(shí)線)在20s附近出現(xiàn)了目標(biāo)運(yùn)動(dòng)狀態(tài)分類(lèi)結(jié)果振蕩的現(xiàn)象，而采用時(shí)間窗的方法可有效抵抗噪聲干擾信號(hào)的影響，如圖中n=3(虛線)和n=5(點(diǎn)劃線)的分類(lèi)結(jié)果沒(méi)有出現(xiàn)分類(lèi)振蕩的情況。由于時(shí)間窗長(zhǎng)度越長(zhǎng)，雷達(dá)目標(biāo)運(yùn)動(dòng)狀態(tài)識(shí)別的延遲越嚴(yán)重，即n=3(虛線)與n=5(點(diǎn)劃線)的分類(lèi)結(jié)果相比，n=3的識(shí)別過(guò)程更及時(shí)，延遲較小。通常情況下，駕駛輔助系統(tǒng)中雷達(dá)標(biāo)識(shí)為靜止?fàn)顟B(tài)的目標(biāo)有可能是真實(shí)存在的，也有可能是噪聲。例如針對(duì)圖8目標(biāo)車(chē)輛減速停車(chē)工況，傳統(tǒng)的閾值分割方法會(huì)將該目標(biāo)識(shí)別為靜止物體(如圖8中20.25-25.25s之間雙點(diǎn)劃線所示)。而本文中提出的分類(lèi)方法則將該目標(biāo)識(shí)別為運(yùn)動(dòng)目標(biāo)中的起停目標(biāo)(具有一定的記憶效應(yīng))，并在后續(xù)的雷達(dá)數(shù)據(jù)處理中也將此類(lèi)起停目標(biāo)直接標(biāo)識(shí)為已經(jīng)得到確認(rèn)的真實(shí)存在目標(biāo)，進(jìn)一步降低了雷達(dá)數(shù)據(jù)處理中目標(biāo)確認(rèn)難度。

圖9為前車(chē)在常規(guī)行駛工況過(guò)程中的行駛速度曲線和采用本文分類(lèi)方法的運(yùn)動(dòng)狀態(tài)識(shí)別結(jié)果。由圖可見(jiàn)，前車(chē)起始時(shí)被識(shí)別為未分類(lèi)目標(biāo)(Unclassified)，隨后識(shí)別為靜止目標(biāo)(Stationary)，隨著前車(chē)起步加速后，前車(chē)被識(shí)別為同向運(yùn)動(dòng)目標(biāo)(Moving)，前車(chē)減速停車(chē)時(shí)被識(shí)別為起停目標(biāo)(Stop)，而非靜止目標(biāo)，待前車(chē)加速向前行駛后，前車(chē)被識(shí)別為同向運(yùn)動(dòng)目標(biāo)(Moving)。試驗(yàn)結(jié)果表明了本文中運(yùn)動(dòng)狀態(tài)分類(lèi)方法的正確性，即前車(chē)運(yùn)動(dòng)狀態(tài)分類(lèi)識(shí)別結(jié)果與前車(chē)運(yùn)動(dòng)狀態(tài)一致。

5 結(jié)論

本文中針對(duì)現(xiàn)有駕駛輔助系統(tǒng)車(chē)載毫米波雷達(dá)無(wú)法準(zhǔn)確識(shí)別本車(chē)前方靜止與運(yùn)動(dòng)目標(biāo)的問(wèn)題，建立了地面靜動(dòng)目標(biāo)的運(yùn)動(dòng)狀態(tài)與轉(zhuǎn)移機(jī)理，并提出基于時(shí)間窗內(nèi)運(yùn)動(dòng)狀態(tài)轉(zhuǎn)移機(jī)制的動(dòng)靜目標(biāo)分類(lèi)方法，主要結(jié)論如下。

(1) 面向駕駛輔助系統(tǒng)的研究需求和車(chē)載雷達(dá)檢測(cè)到的目標(biāo)運(yùn)動(dòng)狀態(tài)特點(diǎn)，將目標(biāo)運(yùn)動(dòng)狀態(tài)分為靜止、同向運(yùn)動(dòng)目標(biāo)、反向運(yùn)動(dòng)目標(biāo)、起停目標(biāo)和未分類(lèi)目標(biāo)5類(lèi)。

(2) 基于對(duì)雷達(dá)目標(biāo)運(yùn)動(dòng)狀態(tài)轉(zhuǎn)移過(guò)程的分析，建立了用于目標(biāo)分類(lèi)的狀態(tài)機(jī)模型，并依據(jù)實(shí)車(chē)道路試驗(yàn)數(shù)據(jù)(靜止物體和運(yùn)動(dòng)物體的速度分布范圍)、雷達(dá)測(cè)速精度和車(chē)輛速度波動(dòng)范圍設(shè)計(jì)了閾值及其主要參數(shù)取值范圍的確定方法。該方法也體現(xiàn)出對(duì)目標(biāo)物體的運(yùn)動(dòng)狀態(tài)具有記憶效應(yīng)。

(3) 采用時(shí)間窗方法，避免了傳統(tǒng)依據(jù)單一時(shí)刻信號(hào)值進(jìn)行狀態(tài)分類(lèi)時(shí)信號(hào)波動(dòng)引起的分類(lèi)錯(cuò)誤問(wèn)題。通過(guò)對(duì)時(shí)間窗長(zhǎng)度的優(yōu)化，發(fā)現(xiàn)時(shí)間窗長(zhǎng)度為3時(shí)，具有抗干擾性能且滯后較小。

(4) 在裝備毫米波雷達(dá)的駕駛輔助試驗(yàn)平臺(tái)車(chē)上進(jìn)行了各種典型工況的實(shí)車(chē)試驗(yàn)驗(yàn)證，結(jié)果表明該方法對(duì)前方的同向或反向行駛車(chē)輛、樹(shù)木等靜止物體和制動(dòng)停車(chē)等起停狀態(tài)的車(chē)輛均可實(shí)現(xiàn)目標(biāo)的準(zhǔn)確分類(lèi)。

后續(xù)研究中將積累更多的實(shí)車(chē)道路試驗(yàn)數(shù)據(jù)，引入統(tǒng)計(jì)學(xué)習(xí)方法且針對(duì)具體的駕駛輔助功能優(yōu)化設(shè)計(jì)其判斷閾值，并利用靜動(dòng)目標(biāo)識(shí)別結(jié)果實(shí)現(xiàn)對(duì)汽車(chē)前方道路曲率的預(yù)測(cè)及其與車(chē)道線視覺(jué)檢測(cè)結(jié)果的數(shù)據(jù)融合。

[1] BISHOP R. Intelligent Vehicle Technology and Trends[M]. Boston: Artech House,2005.

[2] 張德兆,秦立峰,王建強(qiáng),等.基于電子真空助力器的汽車(chē)駕駛輔助系統(tǒng)制動(dòng)壓力控制[J].汽車(chē)工程,2011,33(12):1067-1072.

[3] 吳利軍,王躍建,李克強(qiáng).面向汽車(chē)縱向安全輔助系統(tǒng)的路面附著系數(shù)估計(jì)方法[J].汽車(chē)工程,2009,31(3):239-243.

[4] 金立生,王榮本,Bart Van Arem,等.先進(jìn)駕駛員輔助系統(tǒng)中的車(chē)輛探測(cè)研究綜述[J].汽車(chē)工程,2007,29(2):132-136.

[5] SCHNEIDER M. Automotive Radar-status and Trends[C]. German Microwave Conference,2005:144-147.

[6] Robert Bosch GmbH. Chassis Systems Control LRR3: 3rd Generation Long-Range Radar Sensor[EB/OL].[2013-11-10]. http://www.bosch-automotivetechnology.com/media/db_application/downloads/pdf/safety_1/en_4/lrr3_datenblatt_de_2009.pdf.

[7] Continental A G. ARS 300 Long Range Radar Sensor 77 GHz[EB/OL].[2013-11-10]. http://www.conti-online.com/www/industrial_sensors_de_en/themes/ars_300_en.html.

[8] Delphi Automotive LLP. Delphi Electronically Scanning Radar[EB/OL].[2013-11-10]. http://delphi.com/manufacturers/auto/safety/active/electronically-scanning-radar/.

[9] DENSO CORPORATION. Pre-Crash Safety System: Millimeter-Wave Radar[EB/OL].[2013-11-10]. http://globaldensoproducts.com/driving-control-safety/pre-crash-safety-system/millimeter-wave-radar/.

[10] 印忠義,胡南山.毫米波汽車(chē)防撞雷達(dá)的進(jìn)展[C].2007 年全國(guó)微波毫米波會(huì)議論文集(下冊(cè)),2007.

[11] 王小謨,張光義.雷達(dá)與探測(cè):信息化戰(zhàn)爭(zhēng)的火眼金睛[M].北京:國(guó)防工業(yè)出版社,2008.

[12] ISO/DIS 15622. Road Vehicles-Adaptive Cruise Control Systems-Performance Requirements and Test Procedures[S].1999.

[13] POLYCHRONOPOULOS A, AMDITIS A, FLOUDAS N, et al. Integrated Object and Road Border Tracking Using 77 GHz Automotive Radars[J]. IEE Proceedings-Radar, Sonar and Navigation,2004,151(6):375-381.

The State Transfer Mechanism and Classification Algorithm forStationary and Moving Objects in Front of Vehicle

Gao Zhenhai1, Wang Jun1, Wang Deping2& Li Hongjian3

1.JilinUniversity,StateKeyLaboratoryofAutomotiveSimulationandControl,Changchun130025; 2.ChinaFAWGroupCorporationNewEnergyVehicleBranch,Changchun130122; 3.ChinaFAWGroupCorporationR&DCenter,Changchun130011

To tackle the key technical issue of driving assistance system, i.e. the accurate detection of stationary and moving objects by radar echo, a time window-based vehicle frontal object state classification method is proposed in this paper based on the movement state transfer mechanism of ground objects. On the basis of analyses on ground object movement states and their transfer mechanism, Stationary and moving objects are classified into five categories: stationary object, moving object, oncoming object, stopped object and unclassified object. Then a transfer state machine model for the object movement states within a fixed time window is created, and the condition threshold and time window length for object state transfer are determined. Finally, the detection tests of moving, oncoming, braking and stopping vehicles and trees and other stationary objects under various working conditions are conducted on an experimental vehicle, providing technical supports for the engineering application of millimeter-wave radar-based adaptive cruise and automatic emergent braking in driving assistance system.

driving assistance system; state machine model; on-borne millimeter-wave radar; stationary and moving object classification; time window

*高等學(xué)校博士學(xué)科點(diǎn)專(zhuān)項(xiàng)科研基金(20120061110028)、吉林省科技引導(dǎo)計(jì)劃(20130413058GH)和長(zhǎng)江學(xué)者和創(chuàng)新團(tuán)隊(duì)發(fā)展計(jì)劃(IRT1017)資助。

原稿收到日期為2014年4月24日，修改稿收到日期為2015年4月27日。