多傳感器信息融合技術在智能駕駛系統(tǒng)中的應用

　　摘 要: 介紹了當今國際上流行的幾種智能駕駛系統(tǒng)，并分析了采用單一傳感器的駕駛系統(tǒng)中存在的問題，給出了信息融合技術的原理和結構。討論了多傳感器信息融合技術在智能駕駛系統(tǒng)(ITS)中的應用算法及其有待進一步解決的問題。

　　關鍵詞: 貝葉斯估計 信息融合 障礙探測 智能駕駛

　　隨著傳感器技術、信息處理技術、測量技術與計算機技術的發(fā)展，智能駕駛系統(tǒng)(輔助駕駛系統(tǒng)―無人駕駛系統(tǒng))也得到了飛速的發(fā)展。消費者越來越注重駕駛的安全性與舒適性，這就要求傳感器能識別在同一車道上前方行駛的汽車，并能在有障礙時提醒駕駛員或者自動改變汽車狀態(tài)，以避免事故的發(fā)生。國際上各大汽車公司也都致力于這方面的研究，并開發(fā)了一系列安全駕駛系統(tǒng)，如碰撞報警系統(tǒng)(CW)、偏向報警系統(tǒng)(LDW)和智能巡游系統(tǒng)(ICC)等。國內在這些方面也有一定的研究，但與國外相比仍存在較大的差距。本文將主要討論多傳感器信息融合技術在智能駕駛系統(tǒng)(ITS)中的應用。

1 ICC/CW和LDW系統(tǒng)中存在的問題

1.1 ICC/CW系統(tǒng)中的誤識別問題

　　ICC/CW系統(tǒng)中經常使用單一波束傳感器。這類傳感器利用非常狹窄的波束寬度測定前方的車輛，對于彎曲道路(見圖1(a))，前方車輛很容易駛出傳感器的測量范圍，這將引起智能巡游系統(tǒng)誤加速。如果前方車輛減速或在拐彎處另一輛汽車駛入本車道，碰撞報警系統(tǒng)將不能在安全停車范圍內給出響應而容易產生碰撞。類似地，當彎曲度延伸時(見圖1(b))，雷達系統(tǒng)易把鄰近道路的車輛或路邊的防護欄誤認為是障礙而給出報警。當道路不平坦時，雷達傳感器前方的道路是斜向上，小丘或土堆也可能被誤認為是障礙，這些都降低了系統(tǒng)的穩(wěn)定性。現在有一些濾波算法可以處理這些問題[6]并取得了一定效果，但不能徹底解決。

1.2 LDW系統(tǒng)中存在的場景識別問題

　　LDW系統(tǒng)中同樣存在公共駕駛區(qū)場景識別問題。LDW系統(tǒng)依賴于一側的攝像機(經常僅能測道路上相鄰車輛的位置)，很難區(qū)分彎曲的道路和做到多樣的個人駕駛模式。LDW系統(tǒng)利用一個前向攝像機探測車輛前方道路的地理狀況，這對于遠距離測量存在著精確性的問題，所有這些都影響了TLC(Time-to-Line-Crossing)測量的準確性。現常用死區(qū)識別和駕駛信息修訂法進行處理，但并不能給出任何先驗知識去識別故障。

2 多傳感器信息融合技術在ITS系統(tǒng)中的應用

　　針對以上系統(tǒng)存在的一些問題，研究者們紛紛引入了多傳感器信息融合技術，并提出了不同的融合算法?；谝曈X系統(tǒng)的傳感器可以提供大量的場景信息，其它傳感器(如雷達或激光等)可以測定距離、范圍等信息，對兩方面的信息融合處理后能夠給出更可靠的識別信息。融合技術可以采用 Beaurais 等人于1999年提出的CLARK算法(Combined Likelihood Adding Radar)[3]和Institude Neuroinformatik提出的ICDA(Integrative Coupling of Different Algorithms)[4]算法等方法實現。

2.1 傳感器的選擇

　　識別障礙的首要問題是傳感器的選擇，下面對幾種傳感器的優(yōu)缺點進行說明(見表1)。探測障礙的最簡單的方法是使用超聲波傳感器，它是利用向目標發(fā)射超聲波脈沖，計算其往返時間來判定距離的。該方法被廣泛應用于移動機器人的研究上。其優(yōu)點是價格便宜，易于使用，且在10m以內能給出精確的測量。不過在ITS系統(tǒng)中除了上文提到的場景限制外，還有以下問題。首先因其只能在10m以內有效使用，所以并不適合ITS系統(tǒng)。另外超聲波傳感器的工作原理基于聲速，即使可以使之測達100m遠，但其更新頻率為2Hz，而且還有可能在傳輸中受到其它信號的干擾，所以在CW/ICC系統(tǒng)中使用是不實際的。

　　視覺傳感器在CW系統(tǒng)中使用得非常廣泛。其優(yōu)點是尺寸小，價格合理，在一定的寬度和視覺域內可以測定多個目標，并且可以利用測量的圖像根據外形和大小對目標進行分類。但是算法復雜，處理速度慢。

　　雷達傳感器在軍事和航空領域已經使用了幾十年。主要優(yōu)點是可以魯棒地探測到障礙而不受天氣或燈光條件限制。近十年來隨著尺寸及價格的降低，在汽車行業(yè)開始被使用。但是仍存在性價比的問題。