增強型目標軌跡預測與目標篩選研究及實現(xiàn)

盧 雄，王 全，文健峰，楊杰君，歐陽智

(中車時代電動汽車股份有限公司，湖南 株洲 412007)

隨著汽車智能網(wǎng)聯(lián)技術的發(fā)展，高級輔助駕駛系統(tǒng)(簡稱ADAS)一直是行業(yè)的熱點。其中車輛的橫向與縱向控制一直是ADAS的重點領域。如自動緊急制動(AEBS)、自適應巡航(ACC)、碰撞緩解(CMBS)、虛擬保險杠(VBS)等都屬于車輛的橫向或縱向控制。多數(shù)情況下對車輛進行橫向與縱向控制時需要有相應穩(wěn)定可追蹤的目標作為控制系統(tǒng)輸入。因此從感知融合端輸出的有效目標集中篩選出穩(wěn)定且可用于各類橫向與縱向控制的道路目標(簡稱RT目標)極其重要。

1 傳統(tǒng)方案

1.1 軌跡預測

以自車攝像頭中心點為坐標原點建立車輛平面坐標系，車速為時自車瞬間向右轉動時的平面示意圖如圖1所示。

圖1 自車向右轉動時運動示意圖

因此，在當前橫擺角速度下，時間內自車走過的橫向距離為

=·tan(2)

定義為危險區(qū)域的橫向距離，此時=-。

1.2 危險目標篩選

假設車道寬3.75 m，若當前目標對應的||≤2.0 m(可另外標定)，則認為該目標為危險區(qū)域內可能發(fā)生碰撞風險的目標。當有多個可能發(fā)生碰撞風險的目標時，則篩選出離自車縱向距離(即)最近的目標作為ADAS的碰撞目標。

該方案主要存在以下2個問題：

2)一次只篩選出1個危險目標，通用性差，可拓展性不強，想要新增決策功能時需要根據(jù)其功能需求而定制。

本文針對以上問題，提出一種新型的目標軌跡預測與目標篩選方案。

2 新型方案

2.1 整體框架

通過各類傳感器如毫米波雷達、攝像頭等采集當前環(huán)境下的目標信息，再對該目標信息進行感知融合處理，然后對感知融合處理后的目標信息集進行過濾與目標鎖定；對自車運動軌跡以及鎖定后的有效目標集的運動軌跡進行預測，通過對預測后的目標狀態(tài)和危險區(qū)域進行界定來對有效目標集進行篩選，最后輸出穩(wěn)定且可用于各類橫向與縱向控制的RT目標集。方案整體框架如圖2所示。

圖2 方案整體框架圖

2.2 自車運動軌跡預測

以自車攝像頭中心點為坐標原點建立自車運動的空間坐標系和平面坐標系，如圖3所示，圖中畫出的是自車瞬間向右轉動時對應軌跡的空間示意圖與平面示意圖。

(a)空間示意圖

假設自車繞軸瞬時轉動，此時自車的瞬時軌跡是圓心為(0,±)、半徑為的圓弧，則建立其軌跡圓方程：

+(±)=，=||

式中：為車速；為自車繞軸瞬時移動的橫擺角速度。

當自車直行時，=0，此時自車瞬時軌跡為半徑等于無窮大的圓弧。

2.3 目標運動軌跡預測

通過對有效目標的軌跡進行預測，計算各個目標物離自車軌跡線最近的距離，從而界定該目標是否為橫向與縱向控制所需的目標。因此問題的關鍵是時刻計算目標集離自車軌跡線最近的距離。

同樣以攝像頭中心點為坐標原點建立車輛坐標系，軸和軸分別代表目標中心與攝像頭中心點的橫向距離和縱向距離，且定義坐標系軸左邊為正方向，右邊為負方向。目標中心點的坐標為(，)，為目標中心與攝像頭中心連線之間的夾角，點為目標中心點與自車軌跡圓心連線的延長線與自車瞬時軌跡圓的交點；即為目標中心離自車軌跡線最近的距離(下文統(tǒng)一用命名)。以自車向右轉動行駛為例，畫出目標中心與自車軌跡線的4種位置關系示意圖。這4種位置關系的安全距離預測如下:

1)位置關系1預測。目標中心的相對距離||大于自車軌跡圓的半徑，此時目標中心點與自車軌跡圓位置關系如圖4所示。本方案只考慮自車1/4的軌跡圓同圓心向外擴張和向里收縮范圍內的目標，即目標的||≤的情況。當||>時，目標的橫向距離超過了自車軌跡圓的半徑，此時認為該目標處于一個無碰撞風險的位置關系狀態(tài)。此狀態(tài)下設置=255，其中255為自定義的無效值，剛好占1個字節(jié)。

圖4 自車右轉時目標與自車軌跡位置關系1

2)位置關系2預測。目標與自車1/4軌跡圓在坐標系中處于同象限、目標中心在自車軌跡圓的包絡內或軌跡線上且||≤。此時目標中心與自車軌跡圓位置關系如圖5所示。

圖5 自車右轉時目標與自車軌跡位置關系2

定義軸左邊為正方向，右邊為負方向，根據(jù)幾何關系，此狀態(tài)下當自車右轉時：

同理，可畫出自車左轉時目標與自車軌跡位置關系的示意圖，并得到：

3)位置關系3預測。目標與自車軌跡線在坐標系中處于同象限且||≤，但目標中心在自車1/4軌跡圓外。此時目標中心與自車軌跡圓位置關系如圖6所示。

圖6 自車右轉時目標與自車軌跡位置關系3

根據(jù)幾何關系，此狀態(tài)下當自車右轉時：

同理，可畫出自車左轉時目標與自車軌跡位置關系的示意圖，并得到：

4)位置關系4預測。目標與自車1/4軌跡圓在坐標系中處于非同象限且||≤，此時目標中心一定在自車軌跡圓外，目標與自車軌跡圓位置關系如圖7所示。

圖7 自車右轉時目標與自車軌跡位置關系4

根據(jù)幾何關系，此狀態(tài)下當自車右轉時：

同理，可畫出自車左轉時目標與自車軌跡位置關系的示意圖，并得到：

當感知融合端有故障時，為了防止系統(tǒng)對危險目標的誤識別，此時設置目標的=255(無效值)；否則各個目標的按照上述4種狀態(tài)正常輸出。

2.4 RT目標危險區(qū)域界定

通過圖8中7條軌跡線制定RT目標危險區(qū)域界定規(guī)則，篩選出可用于各類車輛橫向與縱向控制的RT目標。設定自車車寬為2.4 m，因此將軌跡線3和5之間的區(qū)域界定為緊急制動目標(簡稱CIB目標)目標出現(xiàn)的區(qū)域；由于標準的車道寬度為3.75 m，考慮到目標并非是質點，因此將車道寬度擴到4 m，所以將軌跡線2和6之間的區(qū)域界定為RT1/RT2目標出現(xiàn)的區(qū)域；將軌跡線1和2之間的區(qū)域界定為RT3/RT5目標出現(xiàn)的區(qū)域；將軌跡線6和7之間的區(qū)域界定為RT4/RT6目標出現(xiàn)的區(qū)域。

圖8 RT目標界定規(guī)則示意圖

上述CIB目標可用作于AEBS的碰撞目標；RT1目標可用作于CMBS的碰撞目標、ACC跟隨目標或VBS的碰撞目標；RT2～RT6目標可用作于拓展其他橫向與縱向控制所需求的目標。對RT目標集定義如下：

CIB目標：||≤1.2 m的范圍內；RT1目標：||≤2 m的范圍內；RT2目標：||≤2 m的范圍內；RT3目標：2 m<≤6 m的范圍內；RT4目標：-6 m≤<-2 m的范圍內；RT5目標：2 m<≤6 m的范圍內；RT6目標：-6 m≤<-2 m的范圍內。

CIB、RT1、RT3、RT4為各自范圍內離自車縱向距離最近的目標，RT5、RT6為各自范圍內離自車橫向距離最近的目標，RT2為離自車縱向距離次近的目標。

2.5 RT目標篩選

從感知融合端輸入的有效目標集經(jīng)過軌跡預測和上述危險區(qū)域界定后便鎖定了所需RT目標集的原始ID；根據(jù)該原始ID就可以索引輸出RT目標集的信息，如目標類型、相對距離、相對速度、相對角度等，如圖9所示。相對于第一部分所述的傳統(tǒng)方案，新型方案篩選出的目標質量更高、數(shù)量更多、可拓展性更強、可測試性更高。因此本文中論述的策略稱之為增強型目標軌跡預測與目標篩選。

圖9 目標篩選示意圖

3 效果分析

為了對比采用新型方案和傳統(tǒng)方案的效果，本文在同一輛試驗車上利用同一套感知設備(智駕IFVS-500攝像頭、德爾福ESR2.5毫米波雷達)同時測試兩種方案，保證兩種方案每時每刻的數(shù)據(jù)輸入保持一致，斷開ADAS執(zhí)行機構，利用上位機同步采集和保存路試(在市區(qū)累計進行6 800 km路試)過程中所有傳統(tǒng)方案和新型方案測試過程以及各自的決策結果數(shù)據(jù)。通過后期數(shù)據(jù)回放進行對比分析發(fā)現(xiàn)：用傳統(tǒng)方案時，CIB/RT1目標漏識別次數(shù)總共為13次，約每1 000 km漏識別2次；CIB/RT1目標誤識別次數(shù)總共為22次，約每1 000 km漏識別3次；用新型方案時，CIB/RT1目標漏識別次數(shù)總共為4次，約每1 000 km漏識別1次；CIB/RT1目標誤識別次數(shù)總共為8次，約每1 000 km漏識別1次。相對于傳統(tǒng)方案，新型方案CIB/RT1目標的誤識別率降低63%，漏識別率降低69%。新型方案效果明顯更好。

4 結束語

本文提出了一種目標軌跡預測與目標篩選的新型方案，得到了各個目標離自車軌跡最近的距離，并實現(xiàn)了RT目標的有效篩選。目前該方案已應用到公司AEBS、CMBS、ACC等產(chǎn)品上，實際應用表明其有效可行。