汽車工業(yè)經(jīng)過(guò)百余年的發(fā)展,已由最初的純機(jī)械系統(tǒng),發(fā)展到如今的機(jī)電液一體化系統(tǒng),并正在向智能化階段邁進(jìn)。目前,配備一級(jí)、二級(jí)駕駛自動(dòng)化系統(tǒng)的量產(chǎn)車型已經(jīng)進(jìn)入市場(chǎng),國(guó)內(nèi)外研究人員正在致力于具備三級(jí)及以上自動(dòng)駕駛功能車型的研發(fā)與產(chǎn)品化工作。對(duì)于三級(jí)及以上的自動(dòng)駕駛系統(tǒng),因?yàn)橐呀?jīng)無(wú)需駕駛員對(duì)周圍交通環(huán)境進(jìn)行監(jiān)控,所以實(shí)現(xiàn)對(duì)周圍交通環(huán)境的全面認(rèn)知就成為系統(tǒng)能夠運(yùn)行的必要前提條件。交通車輛作為交通環(huán)境的重要組成部分之一,對(duì)它的全面、準(zhǔn)確認(rèn)知,是所有后續(xù)決策、控制方法正確執(zhí)行的前提。同時(shí),具備高等級(jí)自動(dòng)駕駛功能的智能汽車真正走向市場(chǎng),為消費(fèi)者所接受,離不開科學(xué)、全面、標(biāo)準(zhǔn)化的測(cè)試與認(rèn)證。然而,如果仍然按照傳統(tǒng)先進(jìn)駕駛輔助系統(tǒng)的測(cè)試方法對(duì)其進(jìn)行測(cè)試,則至少需要幾十億公里的道路測(cè)試才能滿足認(rèn)證要求,特別是一些需要在多車參與的復(fù)雜交通環(huán)境下或極限工況下進(jìn)行的測(cè)試,從成本、安全、可控等方面考慮都面臨諸多困難。因此,虛擬測(cè)試——場(chǎng)地測(cè)試——道路測(cè)試相結(jié)合的測(cè)試、認(rèn)證方法正在成為該領(lǐng)域的研究熱點(diǎn),其中,基于駕駛模擬器的虛擬測(cè)試,在測(cè)試條件經(jīng)濟(jì)、安全、可控的同時(shí),還可以進(jìn)行真實(shí)駕駛員參與的主客觀評(píng)價(jià),已經(jīng)成為智能汽車虛擬測(cè)試必不可少的一環(huán)。在對(duì)交通車輛進(jìn)行認(rèn)知時(shí):車輛之間的相對(duì)運(yùn)動(dòng)會(huì)在彼此之間形成遮擋,導(dǎo)致傳感器無(wú)法對(duì)被遮擋車輛進(jìn)行感知;為降低智能汽車的感知系統(tǒng)成本,車上布置的多傳感系統(tǒng)可能會(huì)存在一定的盲區(qū),使系統(tǒng)在局部區(qū)域內(nèi)無(wú)法獲得交通車輛的感知結(jié)果;現(xiàn)有的傳感器一般只能感知交通車輛的部分運(yùn)動(dòng)狀態(tài)且會(huì)出現(xiàn)誤檢、漏檢等識(shí)別錯(cuò)誤。因此,對(duì)交通車輛的認(rèn)知,不僅要融合單一時(shí)刻多傳感器數(shù)據(jù)提高感知精度,還應(yīng)該實(shí)現(xiàn)對(duì)進(jìn)入感知范圍交通車輛的全程穩(wěn)定跟蹤與所需狀態(tài)準(zhǔn)確估計(jì)。在對(duì)智能汽車進(jìn)行虛擬測(cè)試時(shí):即使進(jìn)行單一智能汽車仿真,基于物理機(jī)理的傳感器物理模型因?yàn)橛?jì)算過(guò)程復(fù)雜、對(duì)場(chǎng)景建模要求高,仍然沒有完全攻克實(shí)時(shí)仿真的難題;基于統(tǒng)計(jì)特性的功能模型忽略了傳感器的內(nèi)部工作過(guò)程,所以大都只能模擬傳感器的感知誤差,并不完全滿足對(duì)綜合認(rèn)知和高級(jí)自動(dòng)駕駛系統(tǒng)進(jìn)行性能測(cè)試的需求;如果希望模擬遮擋之類的基本現(xiàn)象仍需額外執(zhí)行復(fù)雜的計(jì)算過(guò)程,將難以對(duì)多智能汽車同時(shí)參與的復(fù)雜測(cè)試場(chǎng)景進(jìn)行實(shí)時(shí)仿真。因此,建立既能體現(xiàn)傳感器必要的物理特性又具備高計(jì)算效率的傳感器模型,仍是目前進(jìn)行智能汽車虛擬測(cè)試必須解決的技術(shù)難題。針對(duì)交通車輛認(rèn)知和虛擬測(cè)試中的上述問題:本文試圖探索一種基于機(jī)動(dòng)目標(biāo)跟蹤理論的交通車輛認(rèn)知方法,在交通車輛的感知信號(hào)出現(xiàn)短時(shí)丟失或明顯錯(cuò)誤的情況下,仍能對(duì)其進(jìn)行有效的跟蹤并估計(jì)運(yùn)動(dòng)狀態(tài);為了利用駕駛模擬器對(duì)本文提出的認(rèn)知方法進(jìn)行虛擬測(cè)試,本文還建立了能夠反映必要物理特性并具有高計(jì)算效率的傳感器功能模型,使之既能用于對(duì)單一智能汽車的虛擬測(cè)試,也能支持多智能汽車并發(fā)實(shí)時(shí)仿真,并研究了面向智能汽車仿真的駕駛模擬器虛擬測(cè)試平臺(tái)集成的關(guān)鍵技術(shù)。主要研究?jī)?nèi)容如下:第一,在交通車輛認(rèn)知方面,針對(duì)交通車輛存在易被遮擋、進(jìn)入感知盲區(qū)和傳感器誤識(shí)別的問題,本文提出了一種基于機(jī)動(dòng)目標(biāo)跟蹤理論的交通車輛綜合認(rèn)方法,并探索了跟蹤與估計(jì)過(guò)程中的關(guān)鍵方法。具體包括:基于DS證據(jù)理論和碰撞檢測(cè)算法融合不同對(duì)象特征的數(shù)據(jù)關(guān)聯(lián)方法,在大型車輛被感知為多個(gè)目標(biāo)時(shí)仍能進(jìn)行可靠的數(shù)據(jù)關(guān)聯(lián);考慮輪廓特征與分類的幾何輪廓融合估計(jì)方法;基于自適應(yīng)濾波的運(yùn)動(dòng)狀態(tài)融合估計(jì)方法。結(jié)合道路實(shí)驗(yàn),驗(yàn)證了綜合認(rèn)知方法能夠在城市快速路、環(huán)城路上對(duì)各種類型的車輛進(jìn)行穩(wěn)定跟蹤,并對(duì)估計(jì)車輛幾何輪廓和相對(duì)、絕對(duì)運(yùn)動(dòng)狀態(tài)的準(zhǔn)確程度進(jìn)行了定性分析。第二,在傳感功能模擬方面,現(xiàn)有的傳感器功能模型大都只能體現(xiàn)感知誤差,缺乏對(duì)遮擋效果等其他由物理特性導(dǎo)致常見現(xiàn)象的模擬,不能完全滿足對(duì)綜合認(rèn)知和高級(jí)自動(dòng)駕駛系統(tǒng)進(jìn)行性能測(cè)試的需求,如果考慮其他物理特性往往計(jì)算量過(guò)大,又將難以實(shí)時(shí)仿真多智能汽車同時(shí)參與的復(fù)雜測(cè)試場(chǎng)景。本文提出了一種能體現(xiàn)必要物理特性并具備高計(jì)算效率的傳感器功能建模方法,并對(duì)其中關(guān)鍵環(huán)節(jié)的實(shí)現(xiàn)方法進(jìn)行了研究。為了能夠?qū)崟r(shí)仿真多智能汽車同時(shí)參與的復(fù)雜測(cè)試場(chǎng)景,提出了一種基于空間位置和幾何輪廓的對(duì)象信息快速提取方法,實(shí)現(xiàn)了對(duì)大規(guī)模三維視景仿真數(shù)據(jù)的有效管理和快速檢索;為了在感知誤差之外模擬其他由物理特性導(dǎo)致的常見現(xiàn)象,基于本文定義的可見三角形與可見角,分別提出了物體之間遮擋關(guān)系的快速判斷算法和激光雷達(dá)感知物體幾何輪廓的快速計(jì)算方法。仿真驗(yàn)證表明,本文建立的毫米波雷達(dá)、激光雷達(dá)、照相機(jī)模型均能夠很好地模擬真實(shí)的產(chǎn)品特性,并且計(jì)算效率高,具備多模型并發(fā)實(shí)時(shí)仿真的能力。第三,為了集成面向智能汽車仿真的駕駛模擬器虛擬測(cè)試平臺(tái),全面分析了智能汽車仿真對(duì)傳統(tǒng)駕駛模擬器的新需求,并研究了駕駛模擬器虛擬測(cè)試平臺(tái)集成的有關(guān)關(guān)鍵技術(shù),包括:基于路段的分層道路建模方法,在主要描述幾何、光照真實(shí)感的三維道路模型上,實(shí)現(xiàn)了對(duì)道路結(jié)構(gòu)化、邏輯連接關(guān)系等交通、傳感器仿真必備屬性信息的模型化表達(dá);在引入交通仿真后,能夠支持大量交通數(shù)據(jù)實(shí)時(shí)同步顯示的分布式視景系統(tǒng)集成方法;以及屏幕固定的開放式駕駛模擬器視景系統(tǒng)斜視校正方法,保證了駕駛員視覺與體感的協(xié)調(diào)一致,使之具備了進(jìn)行智能汽車控制性能主客觀評(píng)價(jià)的基礎(chǔ)條件。本文提出的駕駛模擬器虛擬虛擬測(cè)試平臺(tái)集成方法已經(jīng)應(yīng)用在不同規(guī)模、結(jié)構(gòu)形式的駕駛模擬器中,并且能夠用于智能汽車控制性能的主客觀評(píng)價(jià)。最后,分別為智能汽車集成了用于綜合認(rèn)知的實(shí)車硬件平臺(tái),和在實(shí)車、模擬器環(huán)境下通用的軟件開發(fā)平臺(tái),利用駕駛模擬器和實(shí)車實(shí)驗(yàn)對(duì)本文提出的交通車輛綜合認(rèn)知方法進(jìn)行測(cè)試,并定量分析了對(duì)交通車輛運(yùn)動(dòng)狀態(tài)的估計(jì)結(jié)果。實(shí)驗(yàn)結(jié)果表明,綜合認(rèn)知方法能夠?qū)崿F(xiàn)對(duì)交通車輛的穩(wěn)定跟蹤,幾何輪廓和運(yùn)動(dòng)狀態(tài)的準(zhǔn)確估計(jì);通過(guò)模擬器與實(shí)車實(shí)驗(yàn)的對(duì)比,驗(yàn)證了本文建立的傳感器功能模型和駕駛模擬器虛擬測(cè)試平臺(tái),能夠用于智能汽車相關(guān)功能的開發(fā)和虛擬測(cè)試。
【學(xué)位單位】：吉林大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2018
【中圖分類】：U463.6;U495
【部分圖文】：

圖 1.1 三級(jí)有條件自動(dòng)駕駛必須完全實(shí)現(xiàn)對(duì)象與事件的檢測(cè)與響應(yīng)任何一項(xiàng)技術(shù)在真正落地之前，都離不開科學(xué)、全面、標(biāo)準(zhǔn)化的測(cè)試與認(rèn)證洲 PEGASUS 計(jì)劃的測(cè)算，如果按照傳統(tǒng)的先進(jìn)駕駛輔助系統(tǒng)（ADAS）的測(cè)三級(jí)及以上的自動(dòng)駕駛系統(tǒng)進(jìn)行測(cè)試，需要幾十億公里的道路測(cè)試才能滿足[14]。特別是一些需要在多車參與的復(fù)雜交通環(huán)境下或極限工況下進(jìn)行的測(cè)試驗(yàn)在成本、安全、可控等方面都面臨諸多困難。因此，國(guó)內(nèi)外已經(jīng)開始有學(xué)虛擬測(cè)試——場(chǎng)地測(cè)試——道路測(cè)試相結(jié)合的測(cè)試、認(rèn)證方法進(jìn)行研究[15]。示，基于駕駛模擬器的虛擬測(cè)試，因?yàn)榭梢砸胝鎸?shí)駕駛員的參與和進(jìn)行主并且實(shí)驗(yàn)環(huán)境安全、可控，已經(jīng)成為智能汽車測(cè)試、認(rèn)證過(guò)程中必不可少的]。

國(guó)內(nèi)外已經(jīng)開始有學(xué)者嘗試對(duì)虛擬測(cè)試——場(chǎng)地測(cè)試——道路測(cè)試相結(jié)合的測(cè)試、認(rèn)證方法進(jìn)行研究[15]。如圖1.2 所示，基于駕駛模擬器的虛擬測(cè)試，因?yàn)榭梢砸胝鎸?shí)駕駛員的參與和進(jìn)行主觀評(píng)價(jià)，并且實(shí)驗(yàn)環(huán)境安全、可控，已經(jīng)成為智能汽車測(cè)試、認(rèn)證過(guò)程中必不可少的一環(huán)[14][16]。

圖 1.3 基于占用柵格地圖的特征級(jí)融合方法有時(shí)，不必要求每個(gè)傳感器提取的特征表達(dá)形式一致或者都能提取出特征才可行融合，比如雷達(dá)與視覺的融合，而且，相比于單純應(yīng)用視覺，雷達(dá)的引入可以確的定位目標(biāo)。德國(guó)烏爾姆大學(xué)與戴姆勒公司共同開發(fā)的車輛檢測(cè)系統(tǒng)，首先對(duì)雷達(dá)點(diǎn)云進(jìn)行聚類得到由簡(jiǎn)單幾何元素描述的特征，然后將特征投影到圖像坐標(biāo)并建立感興趣區(qū)域（Region of Interest，ROI），再由圖像處理算法在 ROI 內(nèi)搜索車征，經(jīng)過(guò)進(jìn)一步的關(guān)聯(lián)和 AdaBoost 分類器分類，得到最終的車輛檢測(cè)結(jié)果[31][32]。內(nèi)，長(zhǎng)安大學(xué)和中南大學(xué)也都采用了類似的方法，對(duì)障礙物進(jìn)行檢測(cè)，并充分利達(dá)測(cè)距精確的特點(diǎn)得到障礙物的相對(duì)位置，只是兩所高校分別采用了毫米波雷達(dá)激光雷達(dá)[34]兩種不同的雷達(dá)。毫米波雷達(dá)的優(yōu)勢(shì)在于能對(duì)物體的相對(duì)速度進(jìn)行測(cè)量。因此，德國(guó)伍珀塔爾大出了毫米波雷達(dá)與視覺融合實(shí)現(xiàn)對(duì)目標(biāo)的檢測(cè)與分類的方法[35]，首先使用毫米波
【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 Martijn TIDEMAN;Thijs VERSTEEGH;Roy BOURS;;用于設(shè)計(jì)和評(píng)估汽車主動(dòng)安全及一體化安全系統(tǒng)的開發(fā)方法(英文)[J];汽車安全與節(jié)能學(xué)報(bào);2012年02期

2 ;Development of an Intelligent Vehicle Experiment System[J];Chinese Journal of Mechanical Engineering;2010年06期

本文編號(hào)：2886380