智能空間內(nèi)車輛行駛狀態(tài)信息融合試驗(yàn)分析

劉建行，蔡　堯，徐國(guó)艷，高　峰

(北京航空航天大學(xué) 交通科學(xué)與工程學(xué)院，北京 100191)

?

智能空間內(nèi)車輛行駛狀態(tài)信息融合試驗(yàn)分析

劉建行，蔡堯，徐國(guó)艷，高峰

(北京航空航天大學(xué) 交通科學(xué)與工程學(xué)院，北京 100191)

采用分布式傳感器信息融合方法，進(jìn)行空間內(nèi)車輛行駛狀態(tài)信息感知。利用空間內(nèi)固定攝像頭和地感線圈獲取車輛行駛狀態(tài)信息的檢測(cè)方法，進(jìn)行車輛行駛狀態(tài)信息實(shí)車采集試驗(yàn)。對(duì)兩種傳感器采集的車輛行駛狀態(tài)信息檢測(cè)結(jié)果進(jìn)行融合，并分析了融合結(jié)果的檢測(cè)精度。研究結(jié)果表明：該融合方法的檢測(cè)精度較固定攝像頭提高了5%，有效降低了各傳感器檢測(cè)信息的不確定性，提高了智能空間內(nèi)車輛行駛狀態(tài)信息的檢測(cè)精度。

智能空間；高速公路；分布式傳感器；信息融合

0　引言

目前，智能交通系統(tǒng)(intelligent transportation system,ITS)已成為世界公認(rèn)的解決道路交通安全問題的有效途徑，是當(dāng)今國(guó)際道路和交通運(yùn)輸領(lǐng)域的重要研究方向。智能車輛作為智能車輛-高速公路系統(tǒng)的重要組成部分，其基本原理是利用先進(jìn)的車載傳感器系統(tǒng)、信息處理系統(tǒng)和執(zhí)行系統(tǒng)對(duì)駕駛員的狀態(tài)、車輛周圍環(huán)境和車輛自身狀態(tài)進(jìn)行監(jiān)控，并應(yīng)用機(jī)器視覺、雷達(dá)、全球定位系統(tǒng)和雙目視覺等傳感器獲取運(yùn)動(dòng)車輛的目標(biāo)跟蹤、檢測(cè)與定位、識(shí)別車道線等[1-2]。然而，在高速公路行駛條件變化的情況下，通信網(wǎng)絡(luò)受阻而失效的問題，以及在前方較遠(yuǎn)路段發(fā)生交通事故或有雨、霧等能見度較低的情況下，如何提前通知車輛前方的行駛工況等問題尚未得到解決。由于不同傳感器各自性能的特點(diǎn)、對(duì)復(fù)雜道路的識(shí)別情況和安裝問題，使傳感器容易受到環(huán)境的影響，如在能見度低和陰雨等惡劣天氣下攝像頭采集圖像不清晰，多輛車行駛在同一方向時(shí)會(huì)產(chǎn)生相互干涉，使得多源信息融合技術(shù)的推廣受到一定阻礙。同時(shí)，智能車輛自身安裝的雷達(dá)和機(jī)器視覺等各類傳感器，具有車載系統(tǒng)復(fù)雜、感知范圍有限等局限性[3-5]。因此，單純利用車內(nèi)安裝多源傳感器實(shí)現(xiàn)車輛對(duì)環(huán)境的感知，來解決車輛的行駛安全問題，在技術(shù)上很難普及。

基于上述情況，本文提出了將高速公路智能化設(shè)計(jì)的新思想，基本設(shè)想是在道路周圍布置智能化傳感器，采用先進(jìn)的通信理論和技術(shù)，使高速公路形成一個(gè)分布式的智能化空間[6-7]，即高速公路智能空間(highway intelligent space，HIS)。當(dāng)車輛經(jīng)過HIS時(shí)，可以充分利用空間智能化設(shè)備和服務(wù)器中心發(fā)送的信息，獲取前方車輛行駛情況和道路情況，保證車輛安全駕駛。針對(duì)特定的高速公路行駛環(huán)境，在雨、雪和霧等能見度較低的天氣情況以及容易發(fā)生交通事故的路段下，該思想的提出可以保證車輛安全有效感知環(huán)境。在高速公路智能空間系統(tǒng)的基礎(chǔ)上，本文運(yùn)用空間內(nèi)分布式傳感器固定攝像頭和磁感線圈采集獲取車輛的行駛狀態(tài)信息，并通過試驗(yàn)對(duì)兩種信息的數(shù)據(jù)融合結(jié)果進(jìn)行分析，提出了一種提高車輛行駛狀態(tài)信息檢測(cè)精度的信息融合方法。

1　高速公路智能空間系統(tǒng)

高速公路智能空間系統(tǒng)是由機(jī)器人領(lǐng)域的智能空間結(jié)合特定的高速公路環(huán)境提出的，其概念是在高速公路環(huán)境的封閉空間內(nèi)安裝分布式傳感器，利用通信技術(shù)，實(shí)現(xiàn)高速公路內(nèi)活動(dòng)的個(gè)體車輛與信息服務(wù)器之間的數(shù)據(jù)交互[8]。HIS系統(tǒng)主要由3個(gè)部分組成：傳感、通信和網(wǎng)絡(luò)等處理設(shè)備，HIS服務(wù)器以及公路內(nèi)的車輛個(gè)體。傳感、通信和網(wǎng)絡(luò)等處理設(shè)備指的是各類傳感器(如攝像頭、雷達(dá)等)、通信網(wǎng)絡(luò)設(shè)施(如移動(dòng)網(wǎng)絡(luò)基站、無線射頻網(wǎng)絡(luò)等)及計(jì)算設(shè)備(如車載終端、服務(wù)器工作站等)。目前用于HIS系統(tǒng)的傳感器有地感線圈、攝像機(jī)和雷達(dá)。HIS服務(wù)器由數(shù)據(jù)處理中心(data processing center,DPC)和數(shù)據(jù)通信中心(data communication center,DCC)構(gòu)成。DPC負(fù)責(zé)處理傳感器采集的數(shù)據(jù)，包括信息融合、數(shù)據(jù)處理、信息預(yù)測(cè)及數(shù)學(xué)模型分析。DCC負(fù)責(zé)發(fā)送DPC處理完的數(shù)據(jù)，多個(gè)數(shù)據(jù)組成有效信息單元發(fā)送到空間內(nèi)行駛的車輛中。

HIS系統(tǒng)是一個(gè)嵌入了通信設(shè)備和多模態(tài)傳感裝置的工作空間，空間中的智能網(wǎng)絡(luò)設(shè)備具有環(huán)境信息感知、計(jì)算處理、信息交互與發(fā)布的功能，車輛可以根據(jù)自己的行駛工況獲取詳細(xì)的行駛狀態(tài)[9]。HIS系統(tǒng)的工作原理：當(dāng)車輛在高速公路智能空間中行駛時(shí)，HIS通過各類傳感器采集必要的車輛行駛數(shù)據(jù)信息，判斷當(dāng)前車輛行駛狀態(tài)，將環(huán)境感知數(shù)據(jù)以信息單元數(shù)據(jù)包的形式發(fā)送給特定車輛，駕駛員基于該環(huán)境信息可調(diào)整行駛策略。

傳感器組件采集并輸出未經(jīng)過處理的原始數(shù)據(jù)，提供給信息處理組件自身硬件信息，以方便其識(shí)別和分檢。信息處理組件接收來自傳感器組件的原始數(shù)據(jù)，按照信息類別分析和合成，最終加工成所需的信息。信息融合預(yù)測(cè)組件以信息處理組件輸出信息為輸入，經(jīng)過多傳感器信息融合預(yù)測(cè)算法處理后，得到最終有效數(shù)據(jù)發(fā)送至指定車輛中。HIS系統(tǒng)中擁有大量分布式攝像機(jī)、雷達(dá)和地感線圈等傳感器，其車輛行駛狀態(tài)檢測(cè)與傳感信息融合規(guī)模龐大。傳統(tǒng)的車載信息處理系統(tǒng)受限于體積，計(jì)算能力十分有限，而基于HIS系統(tǒng)的分布式處理方式將復(fù)雜的計(jì)算目標(biāo)分解為若干個(gè)子模塊，既能提高道路識(shí)別的實(shí)時(shí)性，又能為車輛的安全駕駛提供更全面的信息。

根據(jù)高速公路行駛的特點(diǎn)和車輛的動(dòng)態(tài)特性，HIS系統(tǒng)采用分布式傳感器處理方式來獲取車輛的實(shí)時(shí)性動(dòng)態(tài)信息，通過多種傳感器檢測(cè)車輛狀態(tài)，將其交由HIS服務(wù)器進(jìn)行數(shù)據(jù)處理，生成有效環(huán)境信息發(fā)送到指定車輛中[10]。智能空間中的傳感器數(shù)量巨大，且傳感器類型、結(jié)構(gòu)各不同。雷達(dá)具有在惡劣氣候下直接檢測(cè)到車速、檢測(cè)側(cè)向上多車道的顯著優(yōu)點(diǎn)，其缺點(diǎn)是無法檢測(cè)低速行駛或靜止的車輛。磁感線圈具有技術(shù)相對(duì)成熟、檢測(cè)精度高和成本低等優(yōu)點(diǎn)，目前已經(jīng)實(shí)現(xiàn)標(biāo)準(zhǔn)化配置，但其缺點(diǎn)是修理或安裝時(shí)，往往需要中斷交通等過程，相對(duì)比較復(fù)雜。機(jī)器視覺傳感器應(yīng)用較廣泛，不僅可以提供大量的道路交通和車輛信息，而且容易實(shí)現(xiàn)對(duì)車道的多車檢測(cè)，其成本較低，但容易受到天氣環(huán)境影響，且其檢測(cè)速度往往取決于算法的優(yōu)劣，對(duì)理論的要求度較高。根據(jù)各種類型傳感器的檢測(cè)特性、成本及應(yīng)用范圍，HIS系統(tǒng)采用的傳感器以攝像頭傳感器及地感線圈為主，以雷達(dá)及全球定位系統(tǒng)等其他傳感器為輔。

2　分布式傳感器檢測(cè)車輛行駛狀態(tài)

2.1空間固定攝像頭檢測(cè)

本課題組前期研究工作主要以空間內(nèi)固定攝像機(jī)的單目視覺為基礎(chǔ)，實(shí)現(xiàn)了視覺圖像的運(yùn)動(dòng)車輛檢測(cè)和跟蹤[11-12]。從視覺圖像中獲取運(yùn)動(dòng)車輛的幾何位置數(shù)據(jù)，需建立運(yùn)動(dòng)車輛位置點(diǎn)與其在攝像機(jī)中所處的圖像位置點(diǎn)之間的數(shù)學(xué)關(guān)系，即確定攝像機(jī)的成像模型。本文運(yùn)用針孔模型實(shí)現(xiàn)運(yùn)動(dòng)車輛定位。

高速公路智能空間中運(yùn)動(dòng)車輛的定位是在攝像機(jī)的固定條件下進(jìn)行，所以攝像機(jī)的高度固定而且視角與地面保持平行，針孔測(cè)距模型[13]需將圖像中目標(biāo)特征點(diǎn)P′的像平面坐標(biāo)(u,v)轉(zhuǎn)換為地面坐標(biāo)系xoy下的坐標(biāo)P(x,y)。

攝像頭被固定在一個(gè)位置，P為物體；P′為物體在圖像中的特征點(diǎn)；h為攝像機(jī)到地面的垂直距離；yb為攝像機(jī)垂直視角投影在地面上的最近距離；yb+yl為攝像機(jī)垂直視角投影在地面上的最遠(yuǎn)距離；xl為當(dāng)攝像機(jī)垂直視角投影在地面上的距離最遠(yuǎn)時(shí)，其水平視角投影在地面上的距離；α和β分別為攝像機(jī)垂直視角射線與地平面y軸的最大夾角和最小夾角；θ為攝像機(jī)水平視角在地面上的投影與地平面y軸夾角。

(1)

其中：h、yb+yl和xl可以實(shí)際測(cè)量。由式(1)可以推導(dǎo)出：

(2)

(3)

(4)

其中：x和y分別為點(diǎn)P(x,y)在攝像機(jī)支架坐標(biāo)系xoy下的橫坐標(biāo)和縱坐標(biāo)，即運(yùn)動(dòng)車輛與攝像機(jī)支架在水平方向上和垂線方向上的距離；Sx和Sy分別為圖像平面在x方向和y方向總的行數(shù)和列數(shù)；L為運(yùn)動(dòng)車輛與攝像機(jī)支架的距離。

得到攝像機(jī)到運(yùn)動(dòng)車輛的距離后，可以利用相鄰幀間距離差與時(shí)間的比值得到運(yùn)動(dòng)目標(biāo)的速度。設(shè)第k幀的速度為vk，第k幀運(yùn)動(dòng)車輛距離攝像機(jī)支架距離為L(zhǎng)k，前一幀的距離為L(zhǎng)k-1，兩幀圖像間的時(shí)間為t，則可以得到速度計(jì)算公式。運(yùn)動(dòng)車輛的加速度可以照同樣的方法獲得，這里不再贅述。

分析：巫先生的版本是“保留判斷是表示懷有無限的希望”[5]。巫老先生的翻譯宗旨是盡量貼合原文韻味，做到“雅”。但過度依賴原文反而導(dǎo)致意味不明，給人一頭霧水的感覺。鄧氏則順應(yīng)漢語的表述習(xí)慣并結(jié)合自己的理解意譯這句話，斟詞酌句，將動(dòng)賓詞組轉(zhuǎn)換為句子，使得一句看似抽象的原文變得直白易懂。

(5)

2.2磁感線圈檢測(cè)

通過檢測(cè)由環(huán)形線圈構(gòu)成的耦合電路的振蕩頻率來判斷車輛的通過與存在[13]，檢測(cè)系統(tǒng)由環(huán)形線圈、耦合振蕩電路和信號(hào)整形及其放大電路組成，信號(hào)整形放大后可以輸出到微處理器的計(jì)數(shù)單元[14]。圖1為磁感線圈頻率檢測(cè)電路及其放大電路原理圖。

圖1　磁感線圈頻率檢測(cè)電路及其放大電路原理圖

磁感線圈檢測(cè)系統(tǒng)作為高速公路智能空間試驗(yàn)平臺(tái)的一個(gè)基礎(chǔ)組成部分，是智能空間信息感知系統(tǒng)的關(guān)鍵，與機(jī)器視覺的車輛定位檢測(cè)系統(tǒng)共同完成車輛信息的采集[15]。該試驗(yàn)平臺(tái)下磁感線圈檢測(cè)系統(tǒng)結(jié)構(gòu)圖如圖2所示。

圖2　磁感線圈檢測(cè)系統(tǒng)結(jié)構(gòu)圖

單片機(jī)作為高速公路智能空間一個(gè)單獨(dú)的分布式傳感器節(jié)點(diǎn)，完成兩組磁感線圈檢測(cè)數(shù)據(jù)的處理發(fā)布。該節(jié)點(diǎn)完成的工作是信息融合的上層數(shù)據(jù)處理，磁感線圈檢測(cè)底層數(shù)據(jù)處理是依靠數(shù)字信號(hào)處理(digital signal processing,DSP)芯片完成，通過RS232接口與單片機(jī)節(jié)點(diǎn)進(jìn)行通信。

3　信息融合試驗(yàn)與分析

本文選擇了一段簡(jiǎn)易公路作為試驗(yàn)路段。該路段為一段長(zhǎng)約200 m的單向車行道路，并且試驗(yàn)期間行人、非相關(guān)車輛較少，可以有效控制試驗(yàn)路段內(nèi)的環(huán)境及車輛因素，以達(dá)到有效控制試驗(yàn)變量的目的。試驗(yàn)主要采用的傳感器有兩種：機(jī)器視覺攝像機(jī)和磁感線圈檢測(cè)器。攝像機(jī)采用MV-USBII系列高分辨率工業(yè)數(shù)字?jǐn)z像機(jī)，其型號(hào)是MV-300UC，鏡頭是基于金屬氧化物半導(dǎo)體元件(coplementary metal-oxide semiconductor,CMOS)的M0814.MP系列。試驗(yàn)所用三腳架為專業(yè)的攝像機(jī)三腳架，氣壓伸縮式結(jié)構(gòu)，三腳架最高可達(dá)6.8 m。根據(jù)式(1)～式(5)，進(jìn)行實(shí)際道路參數(shù)測(cè)量，用于車輛距離測(cè)定，測(cè)量參數(shù)：攝像機(jī)高度h=450 cm；攝像機(jī)垂直視角投影在地面上的最近距離yb=540 cm；攝像機(jī)垂直視角投影在地面上的最遠(yuǎn)距離yb+yl=7 350 cm；攝像機(jī)水平視角投影在地面上的最遠(yuǎn)距離xl=284 cm。地感線圈檢測(cè)器采用VD108B型單通道智能環(huán)路感應(yīng)器，線圈電感80～300 μH(包含連接線)，最佳值150 μH(41 kHz)，線圈繞線及檢測(cè)電路自行制作。

在約150 m的長(zhǎng)度內(nèi)布置兩臺(tái)攝像頭傳感器，間隔約70 m，前后各空出40 m，電荷耦合元件(charge coupled device,CCD)攝像頭安裝在馬路中間位置，以便能捕獲兩個(gè)方向車道內(nèi)的車輛；磁感線圈因數(shù)量有限，故僅在各個(gè)CCD攝像頭之間布置了兩組，且在單向車道內(nèi)固定，不能檢測(cè)雙向行駛的車輛。試驗(yàn)路段傳感器的安裝布置如圖3所示。圖4為實(shí)車試驗(yàn)驗(yàn)證圖。

圖3試驗(yàn)路段傳感器安裝布置圖

圖4實(shí)車試驗(yàn)驗(yàn)證圖

3.1車輛行駛狀態(tài)融合試驗(yàn)

信息融合的試驗(yàn)采用其中一臺(tái)攝像機(jī)檢測(cè)的數(shù)據(jù)及其覆蓋區(qū)域內(nèi)的磁感線圈數(shù)據(jù)進(jìn)行融合，檢測(cè)的目標(biāo)為一輛單向行駛的大眾捷達(dá)汽車。分別提取攝像頭檢測(cè)視頻及磁感線圈原始數(shù)據(jù)，經(jīng)過預(yù)處理之后獲得所檢測(cè)車輛的位置坐標(biāo)及速度數(shù)據(jù)。攝像頭可收集在車輛進(jìn)入其檢測(cè)范圍內(nèi)(距離5～65 m)的車輛位置坐標(biāo)及速度數(shù)據(jù)。同時(shí)，磁感線圈檢測(cè)器分別檢測(cè)到車輛進(jìn)入檢測(cè)范圍起點(diǎn)、終點(diǎn)及攝像頭檢測(cè)器之間的兩組數(shù)據(jù)，故一共獲得4組磁感線圈檢測(cè)的位置及速度數(shù)據(jù)。分別將上述傳感器原始采集的數(shù)據(jù)結(jié)果采用多項(xiàng)式數(shù)據(jù)擬合的方法獲得時(shí)間域內(nèi)連續(xù)的曲線，車輛位置坐標(biāo)曲線見圖5，車輛速度曲線見圖6。

圖5　車輛位置坐標(biāo)曲線

圖6　車輛速度曲線

從圖5中兩組傳感器的檢測(cè)曲線可以看出：以第一個(gè)攝像頭及磁感線圈為原點(diǎn)的車輛位置坐標(biāo)曲線基本吻合，磁感線圈檢測(cè)曲線因?yàn)閿?shù)據(jù)點(diǎn)比較少，經(jīng)過擬合得到的幾乎是一個(gè)線性的曲線；而攝像頭檢測(cè)曲線在原點(diǎn)附近及在檢測(cè)終點(diǎn)附近，由于車輛在圖像內(nèi)的像素點(diǎn)過多或過少都無法準(zhǔn)確檢測(cè)車輛的位置，在終點(diǎn)附近檢測(cè)車輛的位置基本不發(fā)生變化。圖6是攝像頭及磁感線圈對(duì)車輛行駛車速的檢測(cè)曲線。攝像頭對(duì)車輛車速的檢測(cè)，受到環(huán)境、距離和算法等因素的影響，由圖6可以明顯看出：在檢測(cè)過程中出現(xiàn)幾個(gè)分段的跳變及不連續(xù)的情況，而磁感線圈的檢測(cè)速度準(zhǔn)確度更高，但是數(shù)據(jù)采樣點(diǎn)太少，無法在全部檢測(cè)區(qū)域內(nèi)對(duì)車輛進(jìn)行檢測(cè)。綜合上述原因，采用曲線擬合的辦法可以在基本保證檢測(cè)曲線特征的情況下，將數(shù)據(jù)由間斷曲線轉(zhuǎn)化為連續(xù)曲線并為后期的融合配準(zhǔn)做準(zhǔn)備。

3.2車輛行駛狀態(tài)信息匹配驗(yàn)證

分析上面的試驗(yàn)檢測(cè)結(jié)果可知：攝像頭及磁感線圈檢測(cè)的車輛行駛狀態(tài)數(shù)據(jù)都存在明顯的優(yōu)勢(shì)和缺點(diǎn)。攝像頭對(duì)車輛行駛狀態(tài)信息檢測(cè)的優(yōu)勢(shì)是可以低成本地獲得大量的檢測(cè)數(shù)據(jù)，缺點(diǎn)是檢測(cè)結(jié)果受到多種因素的影響，因此極其不穩(wěn)定。磁感線圈的優(yōu)勢(shì)是可以獲得準(zhǔn)確度及可靠性都比較高的檢測(cè)結(jié)果，最大的缺點(diǎn)是由于架設(shè)成本問題，無法在公路內(nèi)進(jìn)行大規(guī)模的密集檢測(cè)。因此，為了提高車輛行駛狀態(tài)信息檢測(cè)的精度及可靠性，需要對(duì)采集到的數(shù)據(jù)進(jìn)行融合匹配。

實(shí)際車輛檢測(cè)試驗(yàn)結(jié)果的處理采用融合權(quán)值可變的方法對(duì)攝像頭及磁感線圈數(shù)據(jù)進(jìn)行匹配。根據(jù)之前的分析可以知道，磁感線圈檢測(cè)的數(shù)據(jù)可靠性極高，因此，在磁感線圈的檢測(cè)數(shù)據(jù)點(diǎn)處設(shè)置融合權(quán)值為1。但是不能完全忽略攝像頭檢測(cè)的數(shù)據(jù)，因?yàn)閿z像頭可以在整個(gè)范圍內(nèi)對(duì)車輛監(jiān)控，可以把握車輛在磁感線圈之間的變化規(guī)律，因此對(duì)磁感線圈的權(quán)值最高設(shè)置為0.6，位于兩個(gè)磁感線圈檢測(cè)器中間的位置，對(duì)權(quán)值的原始數(shù)據(jù)進(jìn)行多種方式的擬合，獲得的權(quán)值擬合曲線如圖7所示。

圖7　權(quán)值擬合曲線

圖7中：曲線1為采用多項(xiàng)式擬合方法獲得的全程融合權(quán)值曲線；曲線2為采用插值方法擬合得到的權(quán)值曲線。通過對(duì)比可以看出：多項(xiàng)式擬合曲線對(duì)各個(gè)原始點(diǎn)的擬合情況不如插值法，在起止點(diǎn)均出現(xiàn)較大斜率，造成權(quán)值的大幅度波動(dòng)，以至于磁感線圈數(shù)據(jù)權(quán)值在0.5 s及7.2 s左右接近于0，這顯然不符合實(shí)際情況。所以采用插值方法的權(quán)值進(jìn)行后期融合匹配，并獲得曲線3所示的攝像頭數(shù)據(jù)權(quán)值。

在車輛位置坐標(biāo)及車輛速度的融合匹配中，為了體現(xiàn)權(quán)值不變與變權(quán)值方法的區(qū)別，對(duì)車輛位置坐標(biāo)采用固定權(quán)值方法融合，對(duì)車輛速度采用變權(quán)值方法融合，融合結(jié)果如圖8和圖9所示。

圖8　車輛位置坐標(biāo)融合匹配結(jié)果對(duì)比

圖9　車輛速度融合匹配結(jié)果對(duì)比

圖8中，采用磁感線圈權(quán)值為0.6、攝像頭權(quán)值為0.4的融合結(jié)果基本保持了磁感線圈檢測(cè)的車輛位置坐標(biāo)的變化規(guī)律，并且在部分區(qū)域與攝像頭數(shù)據(jù)基本吻合，但是無法確定是否失去了中間階段的可信度。而圖9則是顯示兩組融合后的車速曲線，通過對(duì)比采用多項(xiàng)式擬合權(quán)值進(jìn)行融合的結(jié)果和用插值法進(jìn)行融合的結(jié)果。從圖8和圖9可以看出：變權(quán)值曲線相對(duì)固定權(quán)值方法更能接近實(shí)際的情況，同時(shí)，插值法權(quán)值融合結(jié)果在整個(gè)測(cè)量區(qū)域內(nèi)更加真實(shí)地反映了攝像頭檢測(cè)的速度波動(dòng)，又能兼顧磁感線圈數(shù)據(jù)的可靠性和可信度，融合結(jié)果與車輛行駛記錄儀實(shí)際記錄的車輛運(yùn)行速度相比，檢測(cè)精度較單獨(dú)使用固定攝像頭的檢測(cè)精度提高了5%。采用插值法變權(quán)值對(duì)車輛行駛狀態(tài)信息進(jìn)行融合匹配能有效提高數(shù)據(jù)可靠性，從而解決高速公路智能空間內(nèi)異類傳感器檢測(cè)數(shù)據(jù)融合的問題。

4　結(jié)論

(1)將智能車輛對(duì)環(huán)境感知的任務(wù)，轉(zhuǎn)移到高速公路智能空間內(nèi)進(jìn)行集中處理，通過車路通信對(duì)空間中所有行駛的車輛進(jìn)行實(shí)時(shí)、精準(zhǔn)和可靠的信息服務(wù)。

(2)利用固定攝像頭和地感線圈進(jìn)行車輛行駛狀態(tài)信息采集試驗(yàn)，對(duì)兩種傳感器的車輛行駛狀態(tài)信息檢測(cè)結(jié)果進(jìn)行融合，并分析比較了融合結(jié)果的檢測(cè)精度，融合結(jié)果較單一傳感器的檢測(cè)精度更高。

[1]HONG C.Automotive vontrol:the state of the art and perspective[J].Acta automatica sinica,2013,39(4):322-346.

[2]董紅召,陳煒烽,郭明飛,等.基于車路一體化的車輛主動(dòng)避撞系統(tǒng)關(guān)鍵技術(shù)的研究[J].汽車工程,2010,32(11):984-988.

[3]XIAO L Y,GAO F.A comprehensive review of the development of adaptive cruise control(ACC) systems[J].Vehicle system dynamics,2010,48(10):1167-1192.

[4]CRISMAN B J,THORPE C.Color vision for road following,vision and navigation:the carnegie mellon Navlab[M].US:Vision and Navigation,2010:9-24.

[5]肖凌云.基于典型信息框架的自動(dòng)車隊(duì)分布式控制與隊(duì)列穩(wěn)定性分析[D].北京:北京航空航天大學(xué),2011.

[6]HASHIMOTO H,TAKESHI S,LASZLO A J.Current status of intelligent space[J].Journal of measurement science and instrumentation,2010,1(1):86-92.

[7]路飛,田國(guó)會(huì),劉國(guó)良,等.智能空間下基于WIFI指紋定位與粒子濾波的服務(wù)機(jī)器人復(fù)合全局定位系統(tǒng)設(shè)計(jì)[J].機(jī)器人,2016,38(2):260-265.

[8]TANG X,GAO F,XU G,et al.Distributed model predictive control over multiple groups of vehicles in highway intelligent space for large scale system[J].Mathematical problems in engineering,2014,2014(3):1-12.

[9]TANG X,GAO F,XU G,et al.Vehicle driving dynamics prediction based on highway intelligent space-vehicle framework theory[J].Journal of Jilin university(engineering and technology edition),2015,45(5):1395-1401.

[10]TANG X,GAO F,XU G,et al.Sensor systems for vehicle environment perception in a highway intelligent space system[J].Sensors,2014,14(5):8513-8527.

[11]GAO F,LIU J,XU G,et al.Vehicle state detection in highway intelligent space based on information fusion[C]// The Twelfth COTA International Conference of Transportation Professionals.2012:2307-2318.

[12]馬明明.基于視覺的多點(diǎn)車輛行駛狀態(tài)跟蹤[D].北京:北京航空航天大學(xué),2012.

[13]黃小云,高峰,徐國(guó)艷,等.基于單幅立式標(biāo)靶圖像的單目深度信息提取[J].北京航空航天大學(xué)學(xué)報(bào),2015,41(4):649-655.

[14]童亮,李隱,谷云秋,等.基于微型地感線圈檢測(cè)器在交通流量調(diào)查系統(tǒng)中的研究與應(yīng)用[J].公路交通科技(應(yīng)用技術(shù)版),2015(4):271-272.

[15]張永忠,張軍強(qiáng),李穎宏.多路環(huán)形線圈車輛檢測(cè)器設(shè)計(jì)[J].電子技術(shù)應(yīng)用,2013,39(11):23-26.

國(guó)家自然科學(xué)基金項(xiàng)目(51405008)

劉建行(1985-),男,河北唐山人,博士生;高峰(1955-),男,河南洛陽人,教授,博士,博士生導(dǎo)師,主要研究方向?yàn)橹悄苘囕v/特種車輛及車輛非常規(guī)行走機(jī)構(gòu)等.

2016-06-13

1672-6871(2017)01-0021-07

10.15926/j.cnki.issn1672-6871.2017.01.005

U461.3

A