摘" 要:為了解決高速公路上養(yǎng)護作業(yè)車輛引發(fā)的交通安全問題,該文設(shè)計一種基于雷達和機器視覺的高速公路養(yǎng)護車輛防追尾預警系統(tǒng),以提高養(yǎng)護作業(yè)的安全性。該文采用多傳感器信息融合技術(shù),結(jié)合毫米波雷達和高分辨率攝像頭,建立動態(tài)安全距離模型和碰撞時間模型,設(shè)計分級預警系統(tǒng)。該系統(tǒng)通過雷達和攝像頭感知車輛周圍環(huán)境,利用數(shù)據(jù)融合技術(shù)提高目標檢測和識別的準確性,能夠有效預警潛在追尾危險。
關(guān)鍵詞:防追尾預警系統(tǒng);高速公路養(yǎng)護車輛;分級預警策略;多傳感器融合技術(shù);系統(tǒng)設(shè)計
中圖分類號:U464.174" " " "文獻標志碼:A" " " " " 文章編號:2095-2945(2025)09-0041-05
Abstract: In order to solve the traffic safety problems caused by maintenance vehicles on highways, this paper designs a rear-end warning system for highway maintenance vehicles based on radar and machine vision to improve the safety of maintenance operations. In this paper, multi-sensor information fusion technology is used, combined with millimeter wave radar and high-resolution camera, to establish a dynamic safety distance model and collision time model, and design a hierarchical early warning system. The system senses the surrounding environment of the vehicle through radar and cameras, uses data fusion technology to improve the accuracy of target detection and recognition, and can effectively warn potential rear-end collision dangers.
Keywords: rear-end collision prevention early warning system; highway maintenance vehicle; hierarchical early warning strategy; multi-sensor fusion technology; system design
隨著社會的發(fā)展,汽車已經(jīng)成為人們?nèi)粘I钪胁豢苫蛉钡囊徊糠諿1]。2012年中國高速公路里程達到9.6萬公里,超過美國成為世界第一。到了2022年,中國的高速公路總里程增加到17.73萬公里[2],穩(wěn)居世界第一。這一成就標志著中國高速公路網(wǎng)絡(luò)的快速發(fā)展和國家基礎(chǔ)設(shè)施建設(shè)的巨大進步,其里程增速如圖1所示。
隨著高速公路通車里程的不斷增長和養(yǎng)護工作量的迅速增加,由于高速公路道路養(yǎng)護車工作路況復雜,養(yǎng)護作業(yè)車輛引發(fā)的交通安全問題越來越受到施工企業(yè)的重視。并且養(yǎng)護車輛在工作時行駛速度較慢,因此傳統(tǒng)的防撞預警系統(tǒng)并不能直接應(yīng)用于道路養(yǎng)護車輛防撞預警系統(tǒng)。
本文研究的高速公路養(yǎng)護車輛智能防撞預警系統(tǒng),通過雷達和機器視覺傳感器感知車輛周圍的行駛狀況,建立動態(tài)安全距離模型和碰撞時間模型和分級預警系統(tǒng),幫助駕駛員及時發(fā)現(xiàn)潛在的碰撞危險,提高公路養(yǎng)護作業(yè)的安全性。
1" 系統(tǒng)硬件結(jié)構(gòu)設(shè)計
本研究針對道路養(yǎng)護車輛作業(yè)環(huán)境條件和運行工況特點,采用多傳感器信息融合技術(shù),建立基于毫米波雷達和機器視覺的高速公路養(yǎng)護車輛前后方障礙物識別防撞預警系統(tǒng),有助于駕駛員及時發(fā)現(xiàn)車輛行駛中潛在的碰撞危險,調(diào)整車輛行駛狀態(tài),避免或減輕公路養(yǎng)護過程中的碰撞事故。整個系統(tǒng)基本硬件架構(gòu)如圖2所示。
由圖2可知本系統(tǒng)利用雷達和攝像頭來感知外部信息,如天氣、道路環(huán)境和后方車輛車速等,再將多個信息傳入環(huán)境感知系統(tǒng)模塊進行數(shù)據(jù)融合后將數(shù)據(jù)傳遞給數(shù)據(jù)處理系統(tǒng)。數(shù)據(jù)處理系統(tǒng)通過將融合后的數(shù)據(jù)和車輛本身的車道和速度進行計算,從而得出變道、減速或者加速等決策,再通過集成顯示器和聲光報警器對駕駛員和后方車輛進行提醒。
1.1" 毫米波雷達
高速公路養(yǎng)護車輛防撞預警系統(tǒng)對車載雷達的性能要求主要有:具備精確的測距和測速功能,要有足夠的探測范圍和分辨率,具有良好的目標識別和抗干擾能力。根據(jù)高速公路養(yǎng)護車輛的不同檢測需求,綜合考慮各種形式雷達的特點(超聲波雷達、紅外線雷達、激光雷達和毫米波雷達),工作頻率(220 MHz~300 GHz),信號波形(頻移鍵控信號、短脈沖信號、步進調(diào)頻連續(xù)波信號和線性調(diào)頻連續(xù)波信號)等方面,最終選用毫米波雷達,其結(jié)構(gòu)如圖3所示。
此雷達傳感器包括射頻、接收機和各個傳感器,在天線的設(shè)計上,盡量保證波束寬度,實現(xiàn)不同設(shè)備的實時同步[3]。由于低頻率成分所引起的噪音會使弱回波信號被掩蓋,從而成為影響雷達探測范圍的重要因素,所以要盡量減少噪音參數(shù)。
1.2" 攝像頭
高速公路養(yǎng)護車輛防撞預警系統(tǒng)對車載攝像頭的性能要求主要有:選擇高分辨率攝像頭,以確保在各種天氣和光線條件下都能清晰捕捉圖像。選擇具有廣角視場的攝像頭,以覆蓋更大的監(jiān)控區(qū)域。選擇具有良好低光性能的攝像頭,以確保在夜間或低光環(huán)境下仍能提供清晰的圖像。選擇具有防水、防塵和抗震功能的攝像頭,以適應(yīng)高速公路養(yǎng)護車輛的惡劣工作環(huán)境。綜合像素、視場角、低光性能、耐候性等因素,最終選擇敏視1 080 P攝像頭,如圖4所示。
這款攝像頭能夠提供1 080 P的圖像清晰度,其垂直側(cè)視0.5~30 m;水平小角度0.5~30 m;水平大角度0.5~20 m;俯視8 m/10 m,能夠覆蓋較大的監(jiān)控區(qū)域。采用星光級技術(shù),最低照度為0.005 Lux,能夠在低光環(huán)境下提供清晰的彩色圖像。符合IP69K防水防塵等級和ISO 16750-3 2012(5.9G)防振等級,適用于各種惡劣環(huán)境,適合高速公路養(yǎng)護車輛的使用。
2" 系統(tǒng)軟件部分設(shè)計
本設(shè)計的具體思路如下,針對道路養(yǎng)護車輛行駛速度慢、后方視野差盲區(qū)多的特點,設(shè)計考慮橫向距離的同車道目標初選方法和基于高階卡爾曼濾波的目標有效性檢驗算法,利用數(shù)據(jù)融合模型將雷達數(shù)據(jù)投影至機器視覺圖像中以產(chǎn)生ROI區(qū)域,有效提高道路養(yǎng)護車輛后方候選區(qū)域中危險車輛識別的準確性。結(jié)合道路條件、天氣條件和車輛行駛狀態(tài),建立養(yǎng)護車輛最小安全距離計算模型,將其和碰撞時間模型結(jié)合起來共同評價碰撞風險,并建立養(yǎng)護車輛防撞分級預警功能。本設(shè)計能有效降低由高速公路養(yǎng)護引發(fā)的車輛追尾事故的發(fā)生率。
2.1" 同車道目標初選方法
同車道目標初選方法是車輛防撞預警系統(tǒng)中的關(guān)鍵步驟,其原理是通過測量目標物體在車輛行駛坐標系中的橫向距離(Y向距離)來判斷目標物是否與自車位于同一車道[4]。在多車道高速公路上,需要一個較大的閾值來適應(yīng)較大的車道寬度。
2.2" 基于高階卡爾曼濾波的目標有效性檢驗算法
使用高階卡爾曼濾波方法對目標信息進行預測和更新,確保初選目標的有效性[5]。高階卡爾曼濾波器的操作包括2個階段:預測和更新。
2.3" 數(shù)據(jù)融合模型
數(shù)據(jù)融合模型的核心思想是將雷達數(shù)據(jù)與機器視覺圖像數(shù)據(jù)進行融合,以提高目標檢測和識別的準確性[6]。具體來說,通過將雷達數(shù)據(jù)投影到機器視覺圖像中,可以生成感興趣區(qū)域(ROI),從而更精確地識別和跟蹤目標物體,其示意圖如圖7所示。
數(shù)據(jù)融合的過程如下:①雷達數(shù)據(jù)獲?。和ㄟ^雷達傳感器獲取目標物的三維坐標(雷達坐標)。②坐標轉(zhuǎn)換:使用相機外參矩陣將雷達坐標轉(zhuǎn)換到相機坐標系中。③投影到圖像平面:使用相機內(nèi)參矩陣將相機坐標系中的坐標投影到圖像平面,得到像素坐標。④生成ROI:根據(jù)投影后的像素坐標,確定圖像中的感興趣區(qū)域(ROI),用于進一步的目標檢測和識別。
2.4" 安全距離模型
安全距離模型是指車輛在檢測到障礙物后,能夠安全停車所需的最小距離。制動安全距離(Braking Safety Distance, BSD)的計算考慮了車輛的初始速度、制動性能和路面條件。BSD的計算公式為
式中:為當前車速;treaction為駕駛員從發(fā)現(xiàn)危險到開始采取制動措施的時間;為車輛從開始制動到完全停止所需的距離;d0為車輛在完全停止前的最小距離。
由于高速公路道路養(yǎng)護車工作路況復雜,并且養(yǎng)護車輛在工作時行駛速度較慢,因此傳統(tǒng)的防撞預警系統(tǒng)的安全車距計算模型。本文對結(jié)合道路條件(直道、彎道、縱坡等)、天氣條件(白天、夜間不同光線條件,雨雪天氣下濕滑路面他冰雪路面)、養(yǎng)護車輛的行駛狀態(tài)(勻速行駛、加速行駛、制動減速),設(shè)計針對不同養(yǎng)護車輛的安全距離計算模型和算法。
2.4.1" 道路條件模型
道路條件對安全距離有顯著影響。不同道路條件對車輛制動距離和動力學性能的影響各不相同。在直道上,安全距離相對較短。而在彎道上,由于車輛轉(zhuǎn)彎時的制動距離更長,安全距離需要相應(yīng)增加。對于縱坡,上坡時車輛的制動性能可能降低,而下坡時車輛的制動距離則會增加。
2.4.2" 天氣條件模型
不同天氣條件下,路面的摩擦系數(shù)會變化,從而影響制動距離。白天:光線充足,駕駛員視線清晰,安全距離相對較短。夜間:光線不足,需要增加安全距離。雨雪天氣:濕滑路面或冰雪路面會顯著增加制動距離。
2.4.3" 車輛行駛狀態(tài)模型
車輛的行駛狀態(tài)也會影響所需的安全距離。勻速行駛:在穩(wěn)定的速度下,可以預測制動距離。加速行駛:需要考慮加速過程中的安全距離。制動減速:在制動時,需要更長的安全距離。
2.4.4" 算法內(nèi)容
2.5" 碰撞時間模型
2.6" 分級預警策略
本文設(shè)計三級預警執(zhí)行策略,首先確定安全距離。安全系數(shù)的公式如下
當同車道后方來車與養(yǎng)護車輛間的實際距離和安全距離的比值dgt;1.5時,認為后方來車無危險,車內(nèi)和車外的語音提示設(shè)備關(guān)閉,僅車外預警燈保持開啟。當1lt;dlt;1.5時,認為后方來車有潛在追尾可能,這時開啟車內(nèi)語音提醒和車外語音提醒設(shè)備,同時調(diào)整車外預警燈為高頻閃爍狀態(tài),提醒養(yǎng)護車駕駛員注意后方來車,提醒跟馳車輛注意保持車距。當dlt;1時,認為后方來車距離太近,碰撞發(fā)生難以避免,此時車內(nèi)語音提醒駕駛員“后方有追尾風險,適當加速或及時變道”,車外語音設(shè)備提醒跟馳車輛及時減速防止追尾,車外預警燈高頻閃爍的同時,預警系統(tǒng)自動開啟視頻采集設(shè)備,記錄保存事故全程視頻,并將事故車輛信息上傳至公司安全監(jiān)控中心平臺。
3" 結(jié)論
本設(shè)計通過結(jié)合毫米波雷達和機器視覺技術(shù),設(shè)計了一個高效的高速公路養(yǎng)護車輛后方防撞預警系統(tǒng),建立了動態(tài)安全距離模型和碰撞時間模型,提高了系統(tǒng)的準確性和可靠性,并且設(shè)計了分級預警系統(tǒng),能夠根據(jù)不同的危險程度提供相應(yīng)的警示信號,提升了養(yǎng)護作業(yè)的安全性。該系統(tǒng)在實際應(yīng)用中有望顯著降低高速公路養(yǎng)護過程中車輛追尾事故的發(fā)生率。
參考文獻:
[1] 工業(yè)和信息化部裝備工業(yè)發(fā)展中心,浙江吉利控股集團有限公司.中國汽車產(chǎn)業(yè)與技術(shù)發(fā)展報告[M].北京:電子工業(yè)出版社,2021.
[2] 張麟.考慮制動反應(yīng)時間的高速公路尾撞預警研究[D].重慶:重慶交通大學,2024.
[3] 石廣洋,張來紅,歐陽東哲,等.基于毫米波雷達的露天礦區(qū)車輛防撞自動剎車系統(tǒng)[J].電子設(shè)計工程,2022,30(24):166-169.
[4] 黃偉.基于雷達和機器視覺的車輛前方障礙物檢測系統(tǒng)設(shè)計與實現(xiàn)[D].武漢:武漢理工大學,2010.
[5] 王超.基于毫米波雷達和相機的感知融合的目標檢測和跟蹤算法研究[D].長春:吉林大學,2023.
[6] 楊京晶.智能汽車環(huán)境感知技術(shù)研究[J].內(nèi)燃機與配件,2023(9):97-99.
[7] 唐顥.異質(zhì)交通流環(huán)境下高速公路出口區(qū)域匯出換道風險研究[D].西安:長安大學,2023.