車輛間多傳感器協(xié)同駕駛技術(shù)

于本成，殷志昆，朱作付

（徐州工業(yè)職業(yè)技術(shù)學(xué)院，江蘇 徐州 221004）

引言

汽車導(dǎo)航系統(tǒng)利用現(xiàn)代信息融合技術(shù)，將高精度導(dǎo)航定位與導(dǎo)航地圖相結(jié)合，為司機(jī)提供直觀、詳盡的導(dǎo)航功能，有效提升交通運(yùn)輸與物流周轉(zhuǎn)效率[1]。在多傳感器組合中，常用的傳感器有GPS、雷達(dá)、超聲波測距儀、CCD 相機(jī)等。為了提高車輛防撞能力，雷達(dá)、超聲波測距儀、CCD 相機(jī)等在智能交通領(lǐng)域也得到了廣泛應(yīng)用。隨著通訊技術(shù)的發(fā)展，通過車輛間通訊，在道路上行駛的相鄰車輛之間還可以分享各自的多傳感器數(shù)據(jù)信息。近年來國際上發(fā)展的專用短程通訊協(xié)議（Dedicated Short Range Communications，DSRC）和Zigbee 通訊協(xié)議就已經(jīng)在智能交通領(lǐng)域得到了應(yīng)用。

目前組合導(dǎo)航系統(tǒng)的信息融合得到大量研究，但其工程應(yīng)用與理論研究還不完善，仍有許多需要進(jìn)一步研究的問題，尤其是結(jié)合工程應(yīng)用的研究，許多國際上的知名學(xué)者都致力于這一領(lǐng)域的研究[2-3]。在車輛導(dǎo)航研究中，需要繼續(xù)對傳感器之間的配準(zhǔn)問題進(jìn)行研究，以消除傳感器配準(zhǔn)誤差對導(dǎo)航精度的影響。文獻(xiàn)[4-5]對多傳感器聯(lián)合配準(zhǔn)與融合問題進(jìn)行了研究。在前期的研究工作基礎(chǔ)上，我們將車載多傳感器的配準(zhǔn)和融合作為一個整體進(jìn)行研究，基于最大期望算法提出一種聯(lián)合估計配準(zhǔn)參數(shù)與車輛位置速度等狀態(tài)的信息融合算法。

1 車輛間多傳感器協(xié)同技術(shù)

通過采用最近發(fā)展起來的專用短程通訊系統(tǒng)，車輛之間可以相互分享各自多傳感器系統(tǒng)獲得的導(dǎo)航信息。本文在對車輛本身的多傳感器數(shù)據(jù)進(jìn)行配準(zhǔn)和融合的基礎(chǔ)上，將車輛本身的傳感器數(shù)據(jù)與經(jīng)車輛間通訊獲得的相鄰車輛的傳感器數(shù)據(jù)進(jìn)行融合，以進(jìn)一步提高車輛的協(xié)同駕駛能力。本文所提出的方案流程圖如圖1 所示。

圖1 方案流程圖

通過采用專用軟件來仿真產(chǎn)生車輛的運(yùn)行軌跡，并基于車輛的運(yùn)行軌跡模擬產(chǎn)生多傳感器的測量數(shù)據(jù)?；趯Ｓ枚坛掏ㄓ崊f(xié)議或Zigbee 通訊協(xié)議建立車輛之間進(jìn)行信息交互的通訊模型。

1.1 模型建立

根據(jù)圖2，采用狀態(tài)空間方程法建立車輛多傳感器與車輛間通訊信息融合模型。單個車輛的運(yùn)動可由如下狀態(tài)方程描述：

圖2 前后車模型圖

其中，n=1 表示后車，n=2 表示前車，F(xiàn)n為狀態(tài)轉(zhuǎn)移矩陣，wn（k）為高斯白噪聲以表示系統(tǒng)的建模誤差，xn（k）=（pn（k），vn（k））為目標(biāo)的運(yùn)動狀態(tài)（包含車輛位置信息pn（k）、速度信息vn（k）），k 為各離散時刻。將相鄰兩輛車的狀態(tài)空間方程聯(lián)立，得到擴(kuò)維后的系統(tǒng)狀態(tài)空間方程。

從GPS 傳感器獲得的測量信息如下：

后車的雷達(dá)獲得的前車相對于后車的距離和方位測量信息如下：

式中：zR（k）為后車的雷達(dá)獲得的前車相對于后車的距離和方位信息；hR（·）為雷達(dá)的量測函數(shù)；ηR為雷達(dá)的系統(tǒng)偏差；vR（k）為高斯白噪聲以表示雷達(dá)的隨機(jī)測量誤差。

后車可通過車輛間的通訊獲得前車的GPS 測量數(shù)據(jù)，但會包含通訊誤差（時滯和丟包）。假設(shè)通訊傳輸中可能存在一步隨機(jī)時滯和數(shù)據(jù)包丟失，而且每一時刻只能接收到一個數(shù)據(jù)包，我們對此采用以下方程表示：

綜合以上表述，可將系統(tǒng)測量方程表示為：

1.2 基于最大值期望算法的聯(lián)合配準(zhǔn)與融合算法

公式（2）和（8）構(gòu)成了系統(tǒng)的狀態(tài)空間描述。目的是對車輛的運(yùn)動狀態(tài)x（k）和系統(tǒng)的配準(zhǔn)參數(shù)η 進(jìn)行估計。采用最大值期望（Expectation Maximization）算法和卡爾曼濾波平滑算法推導(dǎo)聯(lián)合配準(zhǔn)和融合估計模型，以對車輛的運(yùn)動狀態(tài)和傳感器配準(zhǔn)參數(shù)進(jìn)行迭代估計。采用的基于最大值期望算法的聯(lián)合配準(zhǔn)與融合算法框圖如圖3 所示。

圖3 基于最大值期望算法的聯(lián)合配準(zhǔn)與融合算法框圖

2 實驗平臺搭建

采用Monte Carlo 仿真實驗方法驗證算法的導(dǎo)航性能以及車輛間通訊誤差對導(dǎo)航精度的影響，并找出在多大的通訊誤差下，將車輛本身的多傳感器信息與經(jīng)通訊獲得導(dǎo)航信息進(jìn)行融合會提高車輛導(dǎo)航精度。

采用兩輛小型車模搭建實物實驗平臺，其上均安裝GPS 和超聲波測距模塊，以及Zigbee 通訊模塊和嵌入式單片機(jī)，兩輛車前后行進(jìn)時通過Zigbee 通訊系統(tǒng)相互分享各自的傳感器導(dǎo)航信息，在各自嵌入式單片機(jī)中，對車輛本身的多傳感器導(dǎo)航信息和經(jīng)由Zigbee 通訊獲得的相鄰車輛的導(dǎo)航信息進(jìn)行融合，并驗證導(dǎo)航精度。

本研究采用仿真實驗和半實物實驗相結(jié)合的辦法進(jìn)行算法開發(fā)與驗證。在仿真實驗中，借助計算機(jī)，仿真產(chǎn)生車輛的運(yùn)行軌跡和車輛多傳感器的測量數(shù)據(jù)，并基于這些仿真數(shù)據(jù)進(jìn)行研究開發(fā)。在半實物實驗中，基于實驗車模搭載GPS、超聲波測距模塊和Zigbee 通訊模塊等，采用嵌入式單片機(jī)進(jìn)行信息融合處理，從而驗證所提算法的性能并進(jìn)行應(yīng)用開發(fā)。

3 結(jié)語

通過采用多傳感器系統(tǒng)，能提高智能交通導(dǎo)航精度和協(xié)同駕駛能力，從而可緩解交通擁堵現(xiàn)象。本文提出一種多傳感器融合的車輛協(xié)同駕駛技術(shù)。將這些傳感器及其子系統(tǒng)有機(jī)地組合起來，對多傳感器及其子系統(tǒng)進(jìn)行有效管理、控制、決策、故障診斷，提高整個導(dǎo)航系統(tǒng)的綜合性能。在前期的研究工作基礎(chǔ)上，將車載多傳感器的配準(zhǔn)和融合作為一個整體進(jìn)行研究，基于最大期望算法提出一種聯(lián)合估計配準(zhǔn)參數(shù)與車輛位置速度等狀態(tài)的信息融合算法。在未來工作中，將對搭建好的實驗平臺進(jìn)行可行性和性能的測試。