基于多傳感器的軍用車輛前方目標提取和融合算法研究

陳利東，杜浪東

基于多傳感器的軍用車輛前方目標提取和融合算法研究

陳利東，杜浪東

（陜西重型汽車有限公司，陜西 西安 710200）

在目標車輛識別算法中，通常采用單一傳感器作為感知器件。不論是攝像頭還是雷達，都因為自身缺陷導致識別出的目標不準確，給ADAS系統的決策控制帶來困難。文章提出了一種基于視覺傳感器和毫米波雷達相融合的目標識別算法。該算法利用多傳感器信息融合技術，按照本車道前方最危險目標（CIPV）的原則，并結合濾波原理，對目標車輛進行識別、提取和跟蹤，以剔除無效目標，保留唯一、有效、可靠、穩定的目標，為ADAS系統的決策控制提供依據。

多傳感器融合；目標識別；CIPV；濾波原理

前言

在智能車目標識別領域，目前國內外主要采用雷達或者視覺傳感器來獲取車輛周圍環境信息。但視覺傳感器對環境適應性不高，而雷達容易受干擾，且誤檢率高，導致所獲取得車輛信息準確度不足。鑒于單一傳感器的這種缺陷，目前國內外廣泛采用多傳感器融合方案進行目標識別。在綜合考慮視覺傳感器在物理特征識別方面的優點和毫米波雷達在探測距離、速度、角度等方面的優勢后，本文采用視覺傳感器和毫米波雷達融合方案。

1 目標提取算法

1.1 原則及方案

在ADAS系統中，最關心的就是本車道前方最危險目標，即CIPV。不論是視覺傳感器或是雷達，在其原始數據中，都或多或少存在各種噪聲。以毫米波雷達為例，其原理是通過回波反射檢測障礙物，但其回波能量不均勻，以及路邊樹木柵欄等干擾都會對目標產生誤識別，導致出現虛假目標或空通道數據。鑒于此，本文采用圖1所示的有效目標濾除方案。

圖1 有效目標濾除算法流程

1.2 算法實現

橫向距離用來表征主車與目標車在橫向空間上的相對關系。實際道路中，存在直道和彎道兩種工況，見圖2和圖3。

圖2 直道工況

圖2中，D表示橫向距離，W為半車道寬（國家規定的道路寬度為3.75m），α為方向角，r為相對距離，D計算式為：

當D滿足上述不等式時，即認為目標車在本車道內，否則在旁側車道。

圖3所示為彎道時D的表示方法。O為圓心，RT為目標車到圓心O距離，RO為主車到圓心O距離，即曲率半徑，其它參數同上。以右轉彎為例，根據余弦定理：

同理，左轉彎時：

當D滿足上述不等式時，即認為目標車在本車道內，否則在旁側車道。

根據上述算法即可濾除非本車道目標。針對空通道目標，其為特定CAN報文（00 00 00 00 00 00 1F FF），據此可濾除空通道目標。

對于虛假目標，按照下面的原則濾除：

（1）當相鄰采樣點之間的相對距離變化滿足如下公式時，則視為虛假目標。其中，δ為閾值，根據多傳感器時間同步原則，本文選定0.6m/100ms作為閾值條件。

（2）當目標連續出現的次數少于20次（2s內）時視為虛假目標。

2 目標融合算法

多傳感器數據融合方法包括數據級、目標級和決策級融合。

本文采用“目標級融合”方案，見圖4。

該融合算法的前提是：視覺傳感器和毫米波雷達各自完成目標識別，提供有效目標序列（s，v，）、（s，v，type，size）。其中以視覺傳感器為主，毫米波雷達為輔。

圖4 目標融合方案

3 后處理濾波算法

在經過有效目標提取和融合算法后，仍然存在一些不確定因素，如：路面不平整、旁側車道車輛短時間匯入/駛出、傳感器故障等，此時有效目標可能丟失。這種丟失時間或長或短，引起目標不穩定，給車輛控制造成一定困難，所以有必要對該類信號進行處理。

目標丟失有三種情況，見圖5。

圖5 目標丟失可能性

圖5中，1代表目標出現，0代表目標消失。A表示目標短暫丟失， B表示長時間丟失，C表示完全丟失。本文采用下降沿時間保持函數TOF，當目標丟失時，將丟失前一時刻的信息在一定時間內保留下來，保證目標連續。綜合考慮后設定保持時間為2s，據此：

表1 后處理濾波算法

4 試驗驗證及結果分析

本文選用博士/力士樂公司的BODAS控制器，傳感器為Mobileye視覺傳感器和ESR毫米波雷達，測試車輛以某型號6*6全輪驅動軍用越野車輛為平臺，在城市主干道和高速公路對該算法進行了實車測試，較好地驗證該了該算法的穩定性和可靠性，見圖6。

居左圖示包含直道/彎道路段，且車輛較多。在近5min的時間內，該算法都能連續且穩定識別前方目標，直至目標完全駛離本車道。

居中圖示中，在175s左右出現車輛切入/切出現象，時間不超過2s，可認為是虛假目標。在這2s內，后處理算法對原目標進行了一定的時間保持，確保了系統的連續穩定。

圖6 實驗結果

居右圖示中，出現車輛丟失情況，目標ID由38變為0。目標共丟失3次，每次丟失時間均在2s以上。根據后處理算法，在前2s內，該算法仍能對目標丟失前一時刻的狀態進行記錄保持；超過2s，則維持當前狀態，直至原目標重新出現。

5 結論

（1）在工況較好的路段，該算法表現出一定的穩定性和可靠性。

（2）融合算法彌補了視覺傳感器在光線不足和近距離時無法有效識別目標的缺點。

（3）該算法的不足之處在于沒有從融合信息的完整性和目標的可信度等方面考慮，還有待進一步探索。

（4）初選得到的有效目標存在一定的不確定性，需要進行有效性檢驗，進一步提高可靠性，可考慮Kalman濾波和有效生命周期方法對算法進行改進。

[1] 任德錕.基于毫米波雷達的車間位置關系識別方法[D].西安:長安大學.2012.

[2] 孫寧,秦洪懋,張利,葛如海等.基于多傳感器信息融合的車輛目標識別方法[J].汽車工程,2017,11(12):1310-1315.

[3] UweRegensubrger,Volker Gragfe. Visual Recognition of Obstcacles on Roads[J]. Intelligent Robots and System,1994.

Research on the forward target extraction and fusion algorithm of military vehicles based on multi-sensor

Chen Lidong, Du Langdong

（Shaanxi Heavy Duty Automobile Co., Ltd, Shaanxi Xi’an 710200）

A single sensor is usually used as the perceptive component in target detection algorithm.Whether camera or radar will result in the incorrect of target detection because of its faults, which will make decision-making control difficuty in ADAS system. This article put forward a target detection algorithm based on the fusion of vision sensor and millimeter wave radar. According to the principle of closest In-Path Moveable Target(CIPV), and combing with filtering theory, the algorithm use the multi-sensor fusion technology to detect, extract and track targets, aming at eliminating invalid target and keeping the only valid, reliable and stable target to provide basis for decision-making control in ADAS system.

multi-sensor fusion; Target detection; CIPV; filtering theory

U471.15

A

1671-7988(2019)13-131-03

U471.15

A

1671-7988(2019)13-131-03

陳利東，男，研究生學歷，工程師，就職于陜西重型汽車有限公司，主要從事汽車電器設計和電液控制方面的工作。

10.16638/j.cnki.1671-7988.2019.13.044