多傳感器信息融合技術(shù)在智能駕駛系統(tǒng)中的應(yīng)用

　　CLARK算法是用于精確測(cè)量障礙位置和道路狀況的方法，它同時(shí)使用來(lái)自距離傳感器(雷達(dá))和攝像機(jī)的信息。CLARK算法主要由以下兩部分組成:①使用多傳感器融合技術(shù)對(duì)障礙進(jìn)行魯棒探測(cè)；②在LOIS(Likelihood of Image Shape)道路探測(cè)算法中綜合考慮上述信息，以提高遠(yuǎn)距離道路和障礙的識(shí)別性能。

3.1 用雷達(dá)探測(cè)障礙

目前經(jīng)常使用一個(gè)雷達(dá)傳感器探測(cè)前方的車輛或障礙。如前面所分析，雷達(dá)雖然在直路上的性能良好，但當(dāng)?shù)缆窂澢鷷r(shí)，探測(cè)的信號(hào)將不完全可靠，有時(shí)還會(huì)有探測(cè)的盲點(diǎn)或產(chǎn)生錯(cuò)誤報(bào)警。為了防止錯(cuò)誤報(bào)警，常對(duì)雷達(dá)的輸出進(jìn)行標(biāo)準(zhǔn)卡爾曼(Kalman)濾波，但這并不能有效解決探測(cè)盲點(diǎn)問題。為了更可靠地解決這類問題，可以使用掃描雷達(dá)或多波束雷達(dá)，但其價(jià)格昂貴。這里選用低價(jià)的視覺傳感器作為附加信息，視覺傳感器經(jīng)常能提供掃描雷達(dá)和多波束雷達(dá)所不能提供的信息。

3.2 在目標(biāo)識(shí)別中融合視覺信息

　　CLARK算法使用視覺圖像的對(duì)比度和顏色信息探測(cè)目標(biāo)，使用矩形模板方法識(shí)別目標(biāo)。這個(gè)模板由具有不同左右邊界和底部尺寸的矩形構(gòu)成，再與視覺圖像對(duì)比度域匹配，選擇與雷達(dá)傳感器輸出最接近的障礙模板。

　　CLARK算法首先對(duì)雷達(dá)信號(hào)進(jìn)行卡爾曼濾波，用于剔除傳感器輸出的強(qiáng)干擾，這由下列狀態(tài)和觀測(cè)方程處理:

　　式中，R(t)為前方障礙的真實(shí)距離(未知)，是其速度(未知)，D(t)為距離觀測(cè)值，Δt為兩次觀測(cè)的間隔時(shí)間，w(t)和v(t)為高斯噪聲。給定D(t)，由Kalman濾波器估計(jì)R(t)和的值，并把估計(jì)值作為距離輸入值，使用和D(t)的差值確定所用矩形模板的偏差。由于使用雷達(dá)探測(cè)的位置與雷達(dá)波的中心位置總有一個(gè)偏差，可通過改變道路一側(cè)的位置作為補(bǔ)償。

使用上述算法可以有效提高雷達(dá)探測(cè)的可靠性，但當(dāng)圖像包含很強(qiáng)的邊緣信息或障礙只占據(jù)相平面一個(gè)很小的區(qū)域時(shí)，仍不能得到滿意的結(jié)果。因此，除對(duì)比度外，又引入視覺圖像的顏色域。

3.3 相合似然法

　　在探測(cè)到障礙后，CLARK算法將這些信息整合到道路探測(cè)算法(LOIS)中。LOIS利用變形道路的邊緣應(yīng)為圖像中對(duì)比度的最大值部分且其方位應(yīng)垂直于道路邊緣來(lái)搜索道路。如果只是簡(jiǎn)單地將兩個(gè)信息整合，則障礙探測(cè)部分的像素被隱藏，其圖像梯度值不會(huì)影響LOIS的似然性。這樣可以防止LOIS將汽車前方障礙的邊緣誤認(rèn)為是道路的邊緣來(lái)處理。但是當(dāng)?shù)缆返恼鎸?shí)邊緣非常接近障礙的邊緣時(shí)，隱藏技術(shù)則失效。

　　為了使隱藏技術(shù)有效，可以在障礙和道路探測(cè)之間采取折中的處理方法。這種折中的處理方法就是相合似然法。它將探測(cè)障礙固定的位置和尺寸參數(shù)變?yōu)榭梢栽谛》秶鷥?nèi)變化的參數(shù)。新的似然函數(shù)由LOIS的似然和探測(cè)障礙的似然融合而成。它使用七維參數(shù)探測(cè)方法(三維用于障礙，四維用于道路)，能同時(shí)給出障礙和道路預(yù)測(cè)的最好結(jié)果。其公式如下:

　　式中，Tb、Tl、Tw為相平面內(nèi)矩形模板的底部位置、左邊界和寬度的三個(gè)變形參數(shù)，[xr(t)，xc(t)]為變形模板相平面的中心。[yr(t)，yc(t)]為由雷達(dá)探測(cè)并經(jīng)Kalman濾波的障礙在相平面的位置。將地平面壓縮變換為相平面，σr2(t)為的實(shí)時(shí)估計(jì)，σc2為相平面內(nèi)一個(gè)路寬的值(3.2m)。tan-1的壓縮比率在相平面內(nèi)不小于Tmin(路寬的一半)，不大于Tmax(路寬)。通過求解七維后驗(yàn)pdf P(k’，b’LEFT，b’RIGHT，vp，Tb，Tl，Tw|[yr(t)，yc(t)]，Observed Image)的最大值獲得障礙和道路目標(biāo)。

3.4 CLARK算法的局限性

　　CLARK算法假定障礙為矩形形狀且其最小尺寸為標(biāo)準(zhǔn)路寬的一半，所以當(dāng)障礙為客車、貨車、拖拉機(jī)及公共汽車時(shí)滿足要求；但當(dāng)障礙為摩托車、自行車及行人時(shí)就不適用了。這種矩形形狀的假設(shè)也要求雷達(dá)為窄波束雷達(dá)，對(duì)其它寬波束雷達(dá)、掃描雷達(dá)或多波束雷達(dá)則無(wú)效，并假定探測(cè)障礙的偏向位置總是在雷達(dá)波束的中心。

　　多傳感器信息融合技術(shù)在智能駕駛系統(tǒng)(ITS)中的使用極大地提高了系統(tǒng)的穩(wěn)定性和安全性，各種融合算法也都從不同方面更好地改善了系統(tǒng)的性能，但目前仍存在如何降低成本的問題，這對(duì)于ITS系統(tǒng)的普遍使用是很重要的。另外降低運(yùn)算量、增強(qiáng)對(duì)多目標(biāo)識(shí)別的可靠性也都有待進(jìn)一步研究解決。