[发明专利]一种基于本车运动状态和环境信息的道路曲率估计方法

说明书

技术领域

本发明专利属于雷达技术领域，涉及前方道路曲率估计，可用于先进驾驶 员辅助系统。

背景技术

道路估计在先进驾驶员辅助系统中有着重要作用，尤其在判断前方哪些物 体位于本车车道内起着决定性作用。例如，当本车进入一个左转弯道时，本车 前方的本车道上和相邻右侧车道上均有运动车辆。理论上本车道前方车辆是对 本车影响最大的车辆。但由于车载雷达是以安装位置中轴线为中心以伞状发射 雷达波，如果没有有效的前方道路估计，以雷达直接接受的信息判断会认为前 方右侧邻近车道内的运动车道在本车道上，而实际在本车道内的前方车辆并不 在本车道内，使得驾驶员辅助系统出现目标判断错误，产生不必要的作动。而 有效的前方道路曲率估计会避免这一情况发生。因此，道路估计的准确与否直 接决定了驾驶员辅助系统的性能优劣。

事实上，许多道路估计方法是通过视觉系统实现的。Dickmanns等利用卡 尔曼滤波器对道路边缘进行检测，从而实现对道路轨迹的估计。有一些算法则 是利用道路颜色和粒子滤波器等检测道路标识牌，因此这些算法完全依靠道路 标识牌的能见度。基于视觉系统的道路估计方法会很大程度上收到天气状况 (如雨、雪、雾、霾等)、阴影或者其他车辆干扰的限制。而基于车载雷达的 道路估计则很好地解决了这些问题。

大部分基于车载雷达的道路估计方法只能在高速公路上工作，因为高速公 路上的护栏会简化道路估计的实现。然而，在乡村道路上交通环境会更为复 杂，需要更为有效的道路估计方法。Gackstatter等利用车载雷达所探测的物体 进行道路预测。该方法中对车载雷达所探测物体进行分类，并利用贝塞尔曲线 对各类物体进行曲线拟合，分别获得曲线轨迹，再对每类预测结果进行加权叠 加，最终获得道路预测结果。该方法不受天气变化和道路标识牌能见度低的影 响，然而在前方没有足够可被探测物体的情况下，该方法的估计结果较差。

发明内容

本发明的目标在于克服上述已有技术的不足，提出一种基于本车运动状态 和环境信息的道路曲率估计方法，以保证在各种道路和环境条件都能对前方道 路进行准确估计。

本发明的上述目的得以实现的技术方案是：一种基于本车运动状态和环境 信息的道路曲率估计方法，其特征在于：包括使用本车的运动状态、使用前方 运动物体的运动状态及使用前方静止物体特征分别进行道路曲率估计并相结合 的三个部分；在本车前方1m～8m的近端区域采用横摆角速度和转向盘转角来 估计前方近端道路曲率，在本车前方10m±2m的中端区域采用前方运动物体的 运动状态来估计前方中端道路曲率，在本车前方12m以上的远端采用前方静止 物体特征来估计前方远端道路曲率。

进一步地，使用本车横摆角速度进行道路曲率估计包括：当本车车速大于 速度阈值V_yawrate时，前方道路曲率采用本车横摆角速度进行估计，计算公式为： 其中为本车横摆角速度，V_ego为本车车速；当本车车速小于速度阈值 V_{steeringangle}时，前方道路曲率采用转向盘转角进行估计，计算公式为：其 中δ为本车转向角，l为本车轴距；当本车车速在V_yawrate与V_{steeringangle}之间时，前方 道路曲率采用线性插值获得；对前方道路曲率κ值进行低通滤波： κ(t_i)＝κ(t_i-1)+(T/τ)*(κ(t_i)-κ(t_i-1))，其中，T为控制器每个控制循环的时间，τ为 低通滤波器的时间常数且所述时间常数与本车横摆角速度的变化率成反比可 调。

进一步地，使用前方物体运动状态进行道路曲率估计指将前方物体的角度 变化转换为虚拟横摆角速度根据前方物体运动状态进行道路曲率估计的公 式为：所得的前方道路曲率κ值进行低通滤波。

进一步地，使用前方静止物体特征进行道路曲率估计包括对每两个前方静 止物体的位置，利用抛物线进行曲线拟合：其中k为方程 常数。

更进一步地，对于前方静止物体数量足够多的情况，通过每两个前方静止 物体的曲线拟合收获若干最大值，且所述最大值所在的抛物线轨迹为前方道路 轨迹的平移线。

本发明道路曲率估计方法，其较之于现有技术突出的效果为：基于车载雷 达所提供的环境信息进行道路曲率预测，保证了在不同环境条件下的稳定性 能，同时引入本车运动状态进行前方道路曲率估计，有效地解决了前方没有足 够可被探测物体时估计结果较差的问题。

附图说明