自適應(yīng)巡航控制系統(tǒng)中主目標(biāo)車輛的識別與跟蹤*

尚秉旭 朱 明 劉 斌 李紅建

（中國第一汽車股份有限公司技術(shù)中心）

1 前言

車載雷達(dá)系統(tǒng)是自適應(yīng)巡航控制（ACC）系統(tǒng)中特有也是最重要的傳感器，直接關(guān)系到整體系統(tǒng)性能的優(yōu)劣[1]。77GHz毫米波雷達(dá)由于實時性好、精度高、運行可靠、不易受天氣等環(huán)境因素影響，被公認(rèn)為是解決車載雷達(dá)探測問題的較好方案，目前在世界范圍內(nèi)已獲得廣泛應(yīng)用，德國的博世公司、日本的Denso公司、美國的Eaton公司、Delphi公司均推出了相關(guān)產(chǎn)品[2，3]。

根據(jù)相關(guān)協(xié)議，在獲取雷達(dá)信息之后，需要對其進(jìn)行進(jìn)一步處理，而準(zhǔn)確識別與跟蹤主目標(biāo)車輛的運動狀態(tài)是實現(xiàn)ACC的前提。傳統(tǒng)ACC系統(tǒng)一般采取以下兩個步驟完成對目標(biāo)車輛的篩選，即首先利用橫向距離閥值進(jìn)行同車道區(qū)分，然后根據(jù)同車道最近原則選定有效目標(biāo)[4]。但試驗表明，在復(fù)雜的城市道路工況，以上算法的實際效果并不理想，遠(yuǎn)不能滿足ACC系統(tǒng)需要。為此，文獻(xiàn)[5]提出了 HORA（Hierarchical Object Recognition Algorithm）方法，文獻(xiàn)[6]提出了生命周期算法，即通過對目標(biāo)車輛參數(shù)的變化規(guī)則和當(dāng)前狀態(tài)設(shè)置生命周期的若干階段，來進(jìn)行相應(yīng)目標(biāo)信息的更新、預(yù)測和跟蹤。這雖然能夠?qū)崿F(xiàn)目標(biāo)檢測，但其算法只能識別進(jìn)入主車道的車輛并只適用于直道工況。文獻(xiàn)[7]和文獻(xiàn)[8]分別為智能車輛設(shè)計了雷達(dá)多目標(biāo)識別算法，并且對彎道目標(biāo)識別進(jìn)行了補償，但智能車輛需要冗余道路信息傳感器并其算法較為復(fù)雜，不適用于產(chǎn)品開發(fā)。本文分別明確了有效目標(biāo)車輛識別與跟蹤的概念及其有關(guān)算法，完善了兩階段的切換過程，開發(fā)了基于CAPL語言的雷達(dá)數(shù)據(jù)處理程序，并通過指定的ACC測試工況給予驗證。

2 目標(biāo)車輛的初選

車載雷達(dá)可為ACC系統(tǒng)提供相對車速、相對車距和方位角等信息，而信號后處理以雷達(dá)功能為基礎(chǔ)。本文選用美國Delphi公司的毫米波雷達(dá)，該雷達(dá)非常適合應(yīng)用于ACC系統(tǒng)，同時具有中距離和遠(yuǎn)距離掃描能力。雷達(dá)自身帶有多目標(biāo)辨識能力，最多能追蹤64個目標(biāo)，即雷達(dá)提供的信息中已經(jīng)包含了對目標(biāo)物的聚類處理。

基于雷達(dá)信號的特性，通過對多目標(biāo)的原始信息進(jìn)行篩選，對目標(biāo)車輛進(jìn)行初步選擇。在城市交通狀況下，經(jīng)實測一般會得到多達(dá)10余個目標(biāo)，其中包括同車道及旁車道的車輛、道路旁的樹木、指示牌、護(hù)欄，特別是因目標(biāo)回波反射不均造成的虛假目標(biāo)，都會對主目標(biāo)的確定造成困難。因此首先利用橫向距離區(qū)分閥值對雷達(dá)信號進(jìn)行初步過濾，即通過目標(biāo)是否與自車處于同一車道內(nèi)來排除部分目標(biāo)干擾，根據(jù)一般行車道的寬度，選取橫向距離閥值為1.5 m。同時ACC系統(tǒng)主要考慮對運動車輛的車距跟隨控制，通過引入自車車速，可有效過濾靜止目標(biāo)的干擾。因此雷達(dá)信息每次先經(jīng)過以上兩個步驟初選后，再進(jìn)入有效目標(biāo)的識別或跟蹤階段。

3 有效目標(biāo)的識別

由于目標(biāo)車輛的橫向距離具有不確定性，初選中的橫向距離區(qū)分閥值不能適用于所有工況，并且雷達(dá)波束衍射造成的虛假目標(biāo)可能存在于同車道之中，因此需要在雷達(dá)信號初步過濾的基礎(chǔ)上，通過基于歷史信息的一致性檢驗，實現(xiàn)對有效目標(biāo)的識別。

依據(jù)雷達(dá)的目標(biāo)辨識能力，假設(shè)在雷達(dá)相鄰更新周期內(nèi)，待識別目標(biāo)的運動狀態(tài)不會出現(xiàn)較大變化，即 50 ms內(nèi)獲得的目標(biāo)方位角 θt、相對距離dt、相對速度vt會保持在一定物理范圍內(nèi)，則有：

若t時刻的目標(biāo)信息通過了一致性檢驗，則將其作為t+1時刻的衡量依據(jù)。同時有可能出現(xiàn)虛假目標(biāo)在短暫時間內(nèi)也滿足一致性條件的情況，因此對所有符合一致性的目標(biāo)設(shè)置了識別門限Tr，以增加目標(biāo)識別的準(zhǔn)確性。

下一步需要通過道路試驗對3個閥值θ0、d0、v0進(jìn)行最終選取。若閥值選取過大，會造成漏檢和目標(biāo)識別的滯后；若閥值選取過小，則經(jīng)常發(fā)生雷達(dá)誤警現(xiàn)象，需要在探測率和誤報率之間作出權(quán)衡。

若同時識別出有兩個以上的目標(biāo)車輛出現(xiàn)，則根據(jù)同車道最近相對車距原則來判定其危險程度。經(jīng)過以上步驟，即可快速準(zhǔn)確的識別主目標(biāo)車輛。

4 目標(biāo)狀態(tài)的跟蹤

在確定有效目標(biāo)后，即將其作為每次目標(biāo)初選結(jié)果的一致性檢驗判斷依據(jù)。由于跟蹤過程相對識別而言其持續(xù)時間一般較長，車輛運動狀態(tài)的起伏波動可能較大，因此一致性檢驗中選用相對寬松的閥值。

為了提高目標(biāo)跟蹤過程的準(zhǔn)確性，利用卡爾曼預(yù)測對主車輛信息進(jìn)行在線更新，假設(shè)加速度及角度變化率在周期內(nèi)保持不變，對下一周期的車輛運動狀態(tài)估計值為：

利用車輛狀態(tài)的估計值可對短時間內(nèi)由于車輛顛簸等原因引起的雷達(dá)信號異常或丟失進(jìn)行補償，可保證跟蹤過程中雷達(dá)輸出結(jié)果的連續(xù)性。若長時間目標(biāo)跟蹤丟失，說明前方有效區(qū)域內(nèi)沒有車輛或有新的目標(biāo)車輛出現(xiàn)，需要退出現(xiàn)有跟蹤重新識別主目標(biāo)。因此，設(shè)置了跟蹤門限Tt，對跟蹤階段主目標(biāo)信息錯誤或丟失情況進(jìn)行累計，當(dāng)大于閥值Tt時需要進(jìn)入目標(biāo)識別與跟蹤切換階段。

5 目標(biāo)識別與跟蹤的切換

目標(biāo)識別與跟蹤階段交替進(jìn)行，對其切換時機(jī)的把握關(guān)系到雷達(dá)信息的真實性以及應(yīng)用到ACC系統(tǒng)的可靠性。一方面，應(yīng)盡量快速準(zhǔn)確的識別前方目標(biāo)新狀況，不易受其他車道的車輛及障礙物干擾，以免因識別錯誤而發(fā)生跟蹤目標(biāo)頻繁變換的情況；另一方面跟蹤階段不應(yīng)有長時間的保持滯后，對前方車輛切出 （cut-out）和切入（cut-in）的情況具有一定敏感性，能及時正確的判斷出目標(biāo)變換。因此設(shè)置了切換門限Ts，當(dāng)首次到達(dá)閥值Ts時，若有符合的新目標(biāo)出現(xiàn)，則再次進(jìn)行跟蹤，否則繼續(xù)識別主目標(biāo)；當(dāng)再次到達(dá)Ts后，根據(jù)識別結(jié)果決定是否進(jìn)入跟蹤階段，依次循環(huán)。由于跟蹤門限的設(shè)置本身會造成隨后的切換延時，因此Ts會隨進(jìn)入切換階段的時間線性增加。

6 彎道目標(biāo)補償

目前彎道半徑的估計方法主要包括橫擺角速度估計、轉(zhuǎn)向盤轉(zhuǎn)角估計、側(cè)向加速度估計以及左右輪速差估計幾種方法，雖然上述方法能近似確定曲率半徑，但在不同工作條件以及靈敏度下其有效性不一致，如表1所示，因此綜合考慮各種方法的有效性最終選擇了基于橫擺角速度估計的方法。

表1 彎道半徑估計方法有效性比較

利用橫擺角速度估計彎道半徑的公式如下：

式中，dφ/dt為橫擺角速度；Ry為道路的彎道半徑；vx為車輛的縱向速度。

在圖1中，主車行駛在半徑為R的彎道C上，旁側(cè)車道車輛出現(xiàn)在D點，其對應(yīng)的道路圓心角為：

式中，φ為圓心角的半值；L為主車后軸至雷達(dá)安裝點的縱向水平距離。

與旁車道目標(biāo)對應(yīng)同一圓心角的主車道軸線位置出現(xiàn)在E處，其和主車的橫向距離df為：

此時，若有：

則說明目標(biāo)車輛行駛在主車道軸線的右側(cè)，ED即為橫向相對距離dy，其值為：

縱向相對距離dx為：

利用上述方程即可實現(xiàn)彎道半徑預(yù)測及彎道過程中縱向與橫向相對距離的補償。

7 驗證試驗

將雷達(dá)原始信號通過Cancase變成可編輯狀態(tài)，然后采用CAPL語言編寫的雷達(dá)信號識別與跟蹤程序?qū)δ繕?biāo)進(jìn)行處理，得出不同工況下的主目標(biāo)車輛，并且可以實時在電腦上觀測目標(biāo)距離速度信息。測試系統(tǒng)架構(gòu)如圖2所示。

利用DGPS和雷達(dá)，分別按照中國第一汽車股份有限公司技術(shù)中心標(biāo)準(zhǔn) 《基于毫米波雷達(dá)的全速自適應(yīng)巡航系統(tǒng)實車試驗方法》中指定的ACC測試工況進(jìn)行測試，選取直道兩車相對勻速運動、直道前車加速駛離時兩車的相對運動信息，對比結(jié)果如圖3和圖4所示。

利用橫擺角速度進(jìn)行彎道半徑估計和彎道補償后的側(cè)向距離如圖5所示。

由圖3可以看出，基于本文設(shè)計算法得到的目標(biāo)數(shù)據(jù)與基于DGPS測得的數(shù)據(jù)在趨勢與數(shù)值上保持一致，目標(biāo)數(shù)據(jù)精度能夠達(dá)到0.5 m，符合ACC系統(tǒng)應(yīng)用需求。由圖4可以看出，在前車加速時兩車相對距離增加，本文設(shè)計算法提供的數(shù)據(jù)與基于DGPS測試數(shù)據(jù)在時間維度上沒有出現(xiàn)延遲，響應(yīng)時間與DGPS的響應(yīng)時間數(shù)量級一致 （低于10 ms）。同時，在車輛行駛過程中本文算法能夠穩(wěn)定識別并跟蹤主目標(biāo)車輛，在指定ACC測試工況中均未出現(xiàn)誤識別及跟蹤中斷現(xiàn)象。由圖5可以看出，在彎道行駛時能夠準(zhǔn)確估計彎道半徑，并且對彎道側(cè)向距離進(jìn)行補償，減少了彎道誤識別以及漏識別工況的出現(xiàn)。綜上所述，本文所設(shè)計的算法在數(shù)據(jù)準(zhǔn)確性、響應(yīng)時間以及工況適應(yīng)性等方面都較原有算法有很大程度提高，從而為ACC性能提高奠定了基礎(chǔ)。

8 結(jié)束語

基于CAPL的雷達(dá)數(shù)據(jù)處理單元實現(xiàn)了對雷達(dá)探測目標(biāo)信息的獲取，從中提取主目標(biāo)車輛狀態(tài)，為自適應(yīng)巡航系統(tǒng)提供了相對距離和相對速度信息。通過與DGPS的差分定位數(shù)據(jù)進(jìn)行實時對比可以看出，本文所開發(fā)的雷達(dá)數(shù)據(jù)處理單元定位準(zhǔn)確、實時性高，可以滿足ACC系統(tǒng)的精度要求。實車試驗表明，在指定ACC測試工況下，所設(shè)計的算法仍能及時穩(wěn)定的識別并跟蹤前方主目標(biāo)車輛，滿足ACC系統(tǒng)的要求。

1 李克強(qiáng),張磊,高峰,等.基于駕駛員行為特性的行車安全輔助系統(tǒng)研究.2005年國際公路研討會論文集.北京:清華大學(xué),2005:545～550.

2 黨宏社,趙廣社,韓崇昭.汽車巡航控制用傳感器進(jìn)展.傳感器技術(shù),2002,21（1）:1～3.

3 Woll J.VORAD collision warning radar.IEEE international radar conf.VA,USA,1995.

4 張景波.基于汽車防滑控制系統(tǒng)的自適應(yīng)巡航控制系統(tǒng)研究：[學(xué)位論文].北京:北京理工大學(xué),2004.

5 劉志峰,王建強(qiáng),李克強(qiáng).具有魯棒特性的車載雷達(dá)有效目標(biāo)確定方法.清華大學(xué)學(xué)報,2008（05）.

6 Choon Young Lee,Ju Jang Lee.Object Recognition Algorithm for Adaptive Cruise Control of Vehicles Using Laser Scanning Sensor.2000 IEEE Intelligent Transportation Systems Conference Proceedings.Dearborn （MI）,USA Octoberl－3,2000.

7 Dave Ferguson,Michael Darms,Chris Urmson,et al.Detection prediction and avoidance of dynamic obstacles in urban environments.2008 IEEE Intelligent Vehicles Symposium,June 4th－6th,2008,Eindhoven,Netherland,2008:1149～1154.8 Michael S Darms,Paul E Rybski,Christopher Baker,et al.Obstacle detection and tracking for the urban challenge.IEEE Transactions on Intelligent Transportation Systems,2009,10（3）:475～485.