一種融合UWB和視覺信息的行人預(yù)警方法

曹立波，向國(guó)梁，張樂祺，廖家才，王秋麗

（湖南大學(xué) 汽車車身先進(jìn)設(shè)計(jì)制造國(guó)家重點(diǎn)實(shí)驗(yàn)室，長(zhǎng)沙 410082）

先進(jìn)駕駛輔助系統(tǒng)（Advanced Driver Assistance System，ADAS）是目前汽車安全領(lǐng)域的研究熱點(diǎn)。在ADAS中，采用基于視覺的方法進(jìn)行行人檢測(cè)的缺點(diǎn)是只能對(duì)攝像頭視野范圍內(nèi)的無遮擋行人進(jìn)行檢測(cè)，而很多行人碰撞事故的發(fā)生正是由于駕駛員或攝像機(jī)受到局部或者全部遮擋時(shí)無法及時(shí)發(fā)現(xiàn)前方行人造成的，同時(shí)攝像頭工作環(huán)境易受天氣影響，在極端天氣下無法工作，導(dǎo)致基于視覺的主動(dòng)安全設(shè)備的適應(yīng)性比較差。近年來，隨著無線通信技術(shù)的發(fā)展，車用無線通信（Vehicle to Everything，V-X）技術(shù)的應(yīng)用可降低交通事故發(fā)生率或避免此類碰撞交通事故的發(fā)生。

行人檢測(cè)是計(jì)算機(jī)視覺比較有挑戰(zhàn)性的問題，基于HOG + SVM的行人檢測(cè)算法[1]，采用了滑動(dòng)窗口技術(shù)，對(duì)每一個(gè)窗口進(jìn)行前景和背景的二分類，并對(duì)圖像進(jìn)行縮放?；贖OG特征擴(kuò)展出來的HOG+AdaBoost方法[2]進(jìn)行了分類器級(jí)聯(lián)，通過強(qiáng)分類器排除沒有人的候選區(qū)域以加快檢測(cè)速度。針對(duì)行人檢測(cè)中的遮擋問題，DPM+ latent SVM方法采用部件檢測(cè)進(jìn)行優(yōu)化[3]。深度卷積神經(jīng)網(wǎng)絡(luò)在目標(biāo)檢測(cè)算法方面取得了巨大突破[4]，以區(qū)域卷積神經(jīng)網(wǎng)絡(luò)（Regions with CNN，RCNN）為代表的Fast-RCNN、Faster-RCNN等系列網(wǎng)絡(luò)，在行人檢測(cè)任務(wù)上取得了較好的檢測(cè)效果，但在速度方面仍有不足[5-6]。REDMON等[7-8]基于深度卷積神經(jīng)網(wǎng)絡(luò)提出單次檢測(cè)框架（YOLO系列框架），實(shí)現(xiàn)了端對(duì)端實(shí)時(shí)目標(biāo)檢測(cè)，在保證檢測(cè)效果的同時(shí)提高了檢測(cè)速率。

車聯(lián)網(wǎng)在智能交通系統(tǒng)和車輛安全等領(lǐng)域的相關(guān)應(yīng)用逐漸成為研究熱點(diǎn)。王野秋等[9]將UWB通信模塊置于車身上來進(jìn)行車輛間的相對(duì)定位。蔣夢(mèng)琴等[10]將UWB通信模塊用于車輛跟馳距離檢測(cè)，跟馳距離超過某一閾值時(shí)就對(duì)駕駛員進(jìn)行報(bào)警提示。趙佳樂等[11]通過UWB通信模塊進(jìn)行車對(duì)車的信息傳輸，從而實(shí)現(xiàn)了輔助車輛跟馳、車輛換道以及車輛超車等功能。澳洲智能網(wǎng)聯(lián)汽車智能型運(yùn)輸系統(tǒng)開發(fā)商與澳洲電信合作，使用4G移動(dòng)通信網(wǎng)絡(luò)成功完成了行人防撞預(yù)警測(cè)試，而隨著5G技術(shù)的發(fā)展，基于無線通信的行人安全應(yīng)用將逐漸得到普及[12]。

本文將視覺技術(shù)與V-X技術(shù)相結(jié)合，實(shí)現(xiàn)車載式與網(wǎng)聯(lián)式主動(dòng)安全設(shè)備的信息融合。用UWB通信模塊做測(cè)試，并提升基于UWB通信的行人定位精度，通過UWB和視覺分別得出行人與車輛間的相對(duì)位置信息，根據(jù)碰撞時(shí)間模型判斷危險(xiǎn)行人，以提高ADAS系統(tǒng)中車輛-行人碰撞預(yù)警的可靠性。

1 結(jié)合運(yùn)動(dòng)模型的UWB行人定位

UWB通過納秒至微秒級(jí)的非正弦波窄脈沖傳輸數(shù)據(jù)，具有傳輸速率高、抗干擾能力強(qiáng)、多徑分辨率高、系統(tǒng)容量大等優(yōu)點(diǎn)，適用于精確測(cè)距及定位[13-14]，因此，選用UWB通信模塊進(jìn)行無線通信行人檢測(cè)定位測(cè)試。行人攜帶UWB定位標(biāo)簽，將UWB定位基站布置于車身上，選取基于到達(dá)時(shí)間的雙邊測(cè)距算法，依據(jù)三邊定位方法測(cè)得行人相對(duì)于車輛的位置坐標(biāo)。為了減少誤差，對(duì)行人的運(yùn)動(dòng)狀態(tài)進(jìn)行估計(jì)，以提升行人的定位精度。

1.1 UWB行人測(cè)距、定位原理

為了計(jì)算得出目標(biāo)物體的位置坐標(biāo)，一般情況下首先需要測(cè)量得到未知節(jié)點(diǎn)與已知節(jié)點(diǎn)之間的距離值?；诘竭_(dá)時(shí)間測(cè)量法（Time of Arrival，TOA）通過計(jì)算無線電磁波的傳輸時(shí)間，依據(jù)電磁波飛行速度換算得出兩測(cè)距模塊的間距。為消除時(shí)鐘偏差帶來的誤差，采用雙邊測(cè)距法，在兩測(cè)距模塊之間增加一次傳輸，記錄每次信號(hào)發(fā)送及接收時(shí)間ti（i=1，2，3，4，5，6），則計(jì)算得出兩測(cè)距模塊間電磁波單次飛行時(shí)間T，如式（1）所示。

式中：Trd1=t4-t1為基站發(fā)送并接收信號(hào)的時(shí)間間隔；Trd2=t6-t3為標(biāo)簽從發(fā)送到接收信號(hào)的時(shí)間間隔；Trp1=t3-t2為標(biāo)簽從接收到發(fā)送信號(hào)的時(shí)間間隔；Trp2=t5-t4為基站從接收到發(fā)送信號(hào)的時(shí)間間隔。

假設(shè)3個(gè)基站的位置坐標(biāo)分別為（x1，y1）、（x2，y2）以及（x3，y3），待求的行人標(biāo)簽坐標(biāo)為（x，y），則通過3個(gè)定位圓相交于一點(diǎn)，可以進(jìn)一步計(jì)算出未知行人的位置坐標(biāo)[15]。在實(shí)際應(yīng)用中，由于測(cè)距誤差的存在，致使3個(gè)定位圓在一般情況下難以交為一點(diǎn)[16]，如圖1所示。

圖1 三邊定位原理（定位圓未交于一點(diǎn)）

3個(gè)定位圓的3個(gè)交點(diǎn)構(gòu)成一個(gè)三角形區(qū)域，利用三角質(zhì)心法令定位圓的3個(gè)交點(diǎn)分別為Pj（xpj，ypj）（j=1，2，3），則標(biāo)簽定位點(diǎn)坐標(biāo)計(jì)算如式（2）所示。

1.2 行人運(yùn)動(dòng)狀態(tài)估計(jì)

卡爾曼濾波是目前在定位系統(tǒng)中廣泛應(yīng)用的方法[17]?？柭鼮V波器能夠綜合傳感器輸出值和依據(jù)先驗(yàn)知識(shí)所得出的狀態(tài)估計(jì)值，從而得到更為貼近真實(shí)值的結(jié)果。

依據(jù)前兩個(gè)連續(xù)時(shí)刻的行人相對(duì)定位結(jié)果來計(jì)算出行人與車輛間的相對(duì)運(yùn)動(dòng)速度值，并根據(jù)此相對(duì)運(yùn)動(dòng)速度對(duì)下一時(shí)刻行人相對(duì)車輛的位置進(jìn)行估計(jì)，同時(shí)結(jié)合該UWB行人定位的實(shí)時(shí)測(cè)量值來綜合計(jì)算出下一時(shí)刻行人相對(duì)車輛的定位結(jié)果，其中最初兩次的行人定位結(jié)果直接依照觀測(cè)值給出。在恒變速條件下，卡爾曼濾波器狀態(tài)矩陣Xk、狀態(tài)轉(zhuǎn)移矩陣Fk/k-1如式（3）所示。

由定位系統(tǒng)給出的觀測(cè)結(jié)果為周圍行人相對(duì)車輛的相對(duì)位置坐標(biāo)，觀測(cè)向量為Zk=[x,y]T，結(jié)合上文的誤差分析，在長(zhǎng)沙近郊某路段進(jìn)行定位測(cè)試，使測(cè)試行人與測(cè)試車輛共線勻速相對(duì)運(yùn)動(dòng)，對(duì)該行人進(jìn)行濾波前后的相對(duì)定位測(cè)試，其定位結(jié)果對(duì)比如圖2所示。

2 基于視覺的行人檢測(cè)及測(cè)距

深度學(xué)習(xí)目標(biāo)檢測(cè)模型YOLOv3在準(zhǔn)確率和速度方面得到了很好的平衡，對(duì)小目標(biāo)有很好的檢測(cè)效果，適用于自動(dòng)駕駛場(chǎng)景下的多目標(biāo)快速檢測(cè)。

對(duì)COCO和KITTI數(shù)據(jù)集進(jìn)行清洗，獲得只有行人的一類目標(biāo)標(biāo)注數(shù)據(jù)集，在此數(shù)據(jù)集上使用YOLOv3模型訓(xùn)練得出以行人為檢測(cè)目標(biāo)的權(quán)重文件及配置文件。使用攝像頭獲取到車輛前方的圖像信息，并利用訓(xùn)練的檢測(cè)權(quán)重實(shí)現(xiàn)行人檢測(cè)。

使用雙目實(shí)現(xiàn)檢測(cè)目標(biāo)的測(cè)距，雙目測(cè)距通過兩個(gè)攝像頭從不同角度采集同一目標(biāo)物體圖像信息，經(jīng)匹配計(jì)算得出目標(biāo)點(diǎn)在兩個(gè)攝像頭中的成像視差測(cè)得目標(biāo)物的深度信息，可計(jì)算得到行人深度值Z，如式（4）所示。

式中：Z為行人與攝像頭間的縱向距離；f為相機(jī)焦距；B為基線長(zhǎng)度，即兩相機(jī)間的中心距；XR，XT分別為目標(biāo)點(diǎn)在左右兩個(gè)攝像頭成像的像素橫坐標(biāo)值。結(jié)合上文中由視覺檢測(cè)出的行人結(jié)果，以檢測(cè)框中心點(diǎn)坐標(biāo)作為目標(biāo)點(diǎn)，測(cè)得行人與攝像頭間的縱向距離Z，即為行人與車輛間相對(duì)縱向坐標(biāo)yv，同時(shí)通過找到相機(jī)成像中的滅點(diǎn)，由滅點(diǎn)與目標(biāo)像素點(diǎn)間的連線通過標(biāo)定得到的像素比計(jì)算得出目標(biāo)像素點(diǎn)距離相機(jī)的橫向距離，即其橫向坐標(biāo)xv。

3 UWB及視覺信息融合預(yù)警方法

3.1 預(yù)警原理

碰撞時(shí)間（Time to Collision，TTC）指車輛與目標(biāo)物體間的跟馳距離除以兩者的相對(duì)速度，即在此時(shí)刻預(yù)計(jì)兩者的碰撞剩余時(shí)間值，是常用的評(píng)價(jià)車輛行車安全的指標(biāo)。根據(jù)連續(xù)兩個(gè)時(shí)刻內(nèi)行人相對(duì)位置的變化計(jì)算出行人與車輛間的相對(duì)速度，通過測(cè)出的距離值計(jì)算得到的TTC值來評(píng)估行人、車輛的碰撞風(fēng)險(xiǎn)。計(jì)算原理如圖3所示，TTC計(jì)算公式如式（5）所示。

圖3 TTC計(jì)算原理

式中：V為行人與車輛間的相對(duì)速度；Δt為連續(xù)兩時(shí)刻間的時(shí)間間隔，即檢測(cè)系統(tǒng)更新行人位置的時(shí)間間隔；θ為某時(shí)刻行人與車輛相對(duì)運(yùn)動(dòng)速度方向與行人車輛連線方向間的夾角；ΔV為行人與車輛沿直線距離方向的相對(duì)運(yùn)動(dòng)速度；d為該時(shí)刻檢測(cè)系統(tǒng)測(cè)得的行人與車輛間的相對(duì)距離值。當(dāng)計(jì)算得出的TTC值達(dá)到安全閾值時(shí)，判定此時(shí)行人與車輛間存在潛在的碰撞危險(xiǎn)。

3.2 坐標(biāo)系轉(zhuǎn)換與信息融合

為了將UWB無線通信系統(tǒng)的行人檢測(cè)預(yù)警結(jié)果與視覺的行人檢測(cè)預(yù)警結(jié)果相融合，首先需要建立一個(gè)世界坐標(biāo)系，并將UWB檢測(cè)結(jié)果與視覺檢測(cè)結(jié)果分別轉(zhuǎn)換到世界坐標(biāo)系中。由于預(yù)警只需要進(jìn)行行人平面定位，因此只考慮平行于地面的二維坐標(biāo)系。

空間中的世界坐標(biāo)系可由用戶自由定義，由于車輛行駛過程中與行人發(fā)生碰撞的部位主要是車輛前方車頭突出部分，因此，將車輛與行人間的相對(duì)距離值設(shè)定為行人與車輛最前方車頭中點(diǎn)的距離，將世界坐標(biāo)系原點(diǎn)設(shè)置在車輛最前端中點(diǎn)O處，世界坐標(biāo)系XOY如圖4所示。

圖4 坐標(biāo)系轉(zhuǎn)換

UWB的3個(gè)通信基站分別安裝于車身的前保險(xiǎn)杠中間部位以及車輛左右的C柱底端部位，為了計(jì)算方便，將UWB檢測(cè)定位系統(tǒng)的坐標(biāo)系建立在車輛前向保險(xiǎn)杠中間部位的通信模塊上，UWB坐標(biāo)系如圖4中Xu，Ou，Yu所示。由于車輛前方的UWB通信模塊的安裝位置與世界坐標(biāo)系原點(diǎn)間的Y向安裝間距為L(zhǎng)1，則UWB坐標(biāo)系與世界坐標(biāo)系的轉(zhuǎn)換關(guān)系如式（6）所示。

對(duì)于視覺坐標(biāo)系，使用了水平儀將攝像機(jī)布置在車內(nèi)后視鏡位置，保持?jǐn)z像機(jī)鏡頭平面與地面垂直，視覺坐標(biāo)系為圖4中Xc，Oc，Yc所示，令攝像頭安裝位置與世界坐標(biāo)系原點(diǎn)間的Y向安裝間距為L(zhǎng)2，則視覺行人坐標(biāo)值轉(zhuǎn)換至世界坐標(biāo)系的關(guān)系式如式（7）所示。

3.3 預(yù)警融合算法

3.3.1 基于歐式距離的危險(xiǎn)行人位置匹配

令UWB的危險(xiǎn)行人點(diǎn)Ui（i=1, …,p）集合為U，視覺危險(xiǎn)行人點(diǎn)Vj（j=1, …,q）集合為V，將集合U與集合V進(jìn)行匹配。首先進(jìn)行坐標(biāo)系轉(zhuǎn)換，假設(shè)UWB危險(xiǎn)行人坐標(biāo)轉(zhuǎn)換到世界坐標(biāo)系中的位置坐標(biāo)為（xi，yi），視覺危險(xiǎn)行人坐標(biāo)轉(zhuǎn)換到世界坐標(biāo)系中的位置坐標(biāo)為（xj，yj），分別計(jì)算某種檢測(cè)中每個(gè)危險(xiǎn)行人位置點(diǎn)與另一種檢測(cè)中所有危險(xiǎn)行人位置點(diǎn)間的歐式距離值，求得其中的最小距離，若最小距離值在設(shè)定閾值范圍內(nèi)，則判定匹配成功，匹配公式如式（8）所示。

式中：e1為UWB定位系統(tǒng)的定位誤差值；e2為雙目視覺測(cè)距誤差值；s為測(cè)試過程中的動(dòng)態(tài)匹配調(diào)整值。

3.3.2 預(yù)警決策流程

得到UWB危險(xiǎn)行人位置點(diǎn)與視覺危險(xiǎn)行人位置點(diǎn)的匹配結(jié)果后，若UWB檢測(cè)的危險(xiǎn)點(diǎn)無法找到對(duì)應(yīng)匹配的視覺危險(xiǎn)點(diǎn)，則判定該行人為被障礙物遮擋或在攝像機(jī)視野外的行人，依據(jù)UWB檢測(cè)結(jié)果給予預(yù)警并標(biāo)識(shí)出遮擋的危險(xiǎn)行人相應(yīng)位置。若視覺危險(xiǎn)點(diǎn)無法找到對(duì)應(yīng)的UWB檢測(cè)危險(xiǎn)點(diǎn)進(jìn)行匹配，則判定為非攜帶UWB模塊的行人，給出視覺預(yù)警結(jié)果。若匹配成功，則為視覺和UWB共同檢測(cè)判定出的危險(xiǎn)點(diǎn)，給出視覺預(yù)警提示。具體預(yù)警融合流程如圖5所示。

圖5 綜合預(yù)警流程

4 測(cè)試結(jié)果分析

4.1 測(cè)試平臺(tái)搭建

本文選取某型號(hào)UWB芯片進(jìn)行測(cè)試，測(cè)距芯片的主要參數(shù)見表1。

表1 UWB測(cè)距模塊參數(shù)

選取ZED雙目攝像機(jī)來進(jìn)行視覺檢測(cè)測(cè)試，該雙目立體攝相機(jī)同步獲取到空間物體的雙目圖像，并在計(jì)算機(jī)中通過對(duì)應(yīng)的軟件開發(fā)包來計(jì)算分析。雙目攝相機(jī)參數(shù)見表2。

表2 雙目攝像機(jī)參數(shù)

4.2 定位誤差測(cè)試

4.2.1 基于UWB通信的行人定位誤差測(cè)試

為衡量行人運(yùn)動(dòng)情況下的定位誤差，對(duì)UWB行人定位算法進(jìn)行動(dòng)態(tài)誤差測(cè)試。在天氣晴朗的條件下分別在車速為20 km/h、30 km/h、40 km/h的情況下對(duì)行人在0～15 m及15～30 m的距離段進(jìn)行定位測(cè)試，并對(duì)結(jié)果進(jìn)行誤差分析。UWB車輛安裝及UWB行人攜帶如圖6所示，所得到的不同車速及距離下的定位平均誤差及最大誤差見表3。

圖6 UWB安裝圖示

表3 UWB行人定位誤差

由上述檢測(cè)結(jié)果可知，UWB定位誤差隨著車速的增加而增加，并隨著檢測(cè)距離的增加而增加，在行人與車輛相距0～15 m的范圍內(nèi)，動(dòng)態(tài)測(cè)距平均誤差較低，整體在不同車速下該距離范圍內(nèi)的誤差較為穩(wěn)定。一般情況下，對(duì)于車輛有碰撞危險(xiǎn)的行人大部分處于這個(gè)距離范圍。因此，可認(rèn)為該定位適用于本文的碰撞危險(xiǎn)行人檢測(cè)。

4.2.2 基于視覺的行人定位誤差測(cè)試

在不同天氣和光照的情況下進(jìn)行多組視覺行人檢測(cè)定位誤差測(cè)試，將雙目攝像機(jī)安裝在車內(nèi)后視鏡位置處，其具體的安裝位置如圖7所示。分別針對(duì)晴天、雨天以及不同的距離段進(jìn)行了多組測(cè)試，并分析定位誤差，得到不同天氣及距離段下的定位平均誤差和最大誤差，其定位誤差結(jié)果見表4。

圖7 雙目攝像機(jī)安裝及行人檢測(cè)結(jié)果

表4 視覺行人定位誤差

從定位檢測(cè)結(jié)果可以看出，晴天時(shí)，在15 m以內(nèi)的平均定位誤差在0.74 m，而15～30 m的定位誤差超過1 m；雨天時(shí)，由于行人檢測(cè)準(zhǔn)確率受到影響，出現(xiàn)跳變的情況，導(dǎo)致15 m內(nèi)誤差超過1 m。在夜晚也進(jìn)行了測(cè)試，然而由于夜晚光照度很低，能檢測(cè)出行人的幀數(shù)較少，所以夜晚檢測(cè)定位效果不佳。

4.3 UWB通信和視覺融合的行人預(yù)警測(cè)試

在天氣晴朗的條件下進(jìn)行試驗(yàn)，以30 km/h的車速對(duì)15 m以內(nèi)的行人進(jìn)行UWB及視覺的融合行人預(yù)警測(cè)試，根據(jù)上文對(duì)基于UWB和視覺的行人定位動(dòng)態(tài)誤差的測(cè)試結(jié)果，選取e1為0.53 m，e2為0.74 m。首先進(jìn)行被遮擋行人預(yù)警測(cè)試，測(cè)試本系統(tǒng)對(duì)被遮擋行人的檢測(cè)效果。設(shè)定一個(gè)被遮擋的危險(xiǎn)行人點(diǎn)進(jìn)行測(cè)試，一共進(jìn)行30組檢測(cè)測(cè)試，測(cè)試得到的結(jié)果見表5。圖8為綜合預(yù)警測(cè)試的界面，視覺框中右前方行人被障礙物遮擋，駕駛員以及攝像頭無法檢測(cè)到行人，使用該綜合預(yù)警的方法可以根據(jù)匹配結(jié)果獲取視覺無法檢測(cè)的被遮擋行人位置，并在視覺界面中標(biāo)識(shí)出危險(xiǎn)行人，給出行人坐標(biāo)，給予預(yù)警。圖9為測(cè)試現(xiàn)場(chǎng)的場(chǎng)景記錄，表5為測(cè)試結(jié)果。圖9中的右側(cè)為布置UWB基站的白色車輛，左邊為攜帶UWB標(biāo)簽的危險(xiǎn)行人。

表5 被遮擋行人預(yù)警測(cè)試

圖8 融合預(yù)警測(cè)試界面結(jié)果

圖9 融合預(yù)警測(cè)試場(chǎng)景

根據(jù)試驗(yàn)結(jié)果，全程漏標(biāo)或錯(cuò)標(biāo)危險(xiǎn)點(diǎn)的次數(shù)為0，說明本融合預(yù)警系統(tǒng)可以有效檢測(cè)出被遮擋的危險(xiǎn)行人，具有很強(qiáng)的可靠性。同時(shí)，全程正確標(biāo)識(shí)出危險(xiǎn)點(diǎn)的情況達(dá)到了96.7%，說明本系統(tǒng)具有較強(qiáng)的穩(wěn)定性。有兩次間斷性漏標(biāo)或錯(cuò)標(biāo)危險(xiǎn)點(diǎn)的情況，經(jīng)分析是某時(shí)刻由于外界影響UWB定位時(shí)突然發(fā)生較大跳變所致。

再進(jìn)行無遮擋行人預(yù)警測(cè)試，檢驗(yàn)本系統(tǒng)對(duì)不同傳感器信息的融合效果。在上述同樣試驗(yàn)條件下設(shè)定一個(gè)無遮擋行人危險(xiǎn)點(diǎn)，進(jìn)行30次試驗(yàn)，試驗(yàn)結(jié)果見表6。

表6 無遮擋行人預(yù)警匹配測(cè)試

根據(jù)試驗(yàn)結(jié)果，預(yù)警失敗的次數(shù)為0，說明本融合預(yù)警系統(tǒng)可以有效檢測(cè)出危險(xiǎn)行人，同時(shí)匹配成功的情況達(dá)到了93.3%，說明本系統(tǒng)可以有效匹配UWB危險(xiǎn)行人點(diǎn)和視覺危險(xiǎn)行人點(diǎn)，危險(xiǎn)行人點(diǎn)多報(bào)、誤報(bào)的概率較低。

5 結(jié)論

（1）開發(fā)了一種融合UWB和視覺信息的行人預(yù)警系統(tǒng)。試驗(yàn)表明，本系統(tǒng)能夠用來檢測(cè)視覺被遮擋狀態(tài)下的危險(xiǎn)行人，并提高行人碰撞預(yù)警系統(tǒng)的可靠性。

（2）通過誤差分析對(duì)UWB車載基站的布置方式進(jìn)行了優(yōu)化，在采用雙邊測(cè)距和三點(diǎn)定位法時(shí)，使用等腰三角形布置下的最大誤差值為0.90 m，對(duì)不同車速條件下的UWB定位誤差進(jìn)行了量化分析。

（3）在被遮擋行人試驗(yàn)中，融合UWB和視覺信息的行人定位系統(tǒng)全程檢測(cè)準(zhǔn)確率達(dá)到了96.7%，在無遮擋行人試驗(yàn)中，本系統(tǒng)匹配成功正確率達(dá)到了93.3%，驗(yàn)證了該行人預(yù)警系統(tǒng)的有效性。