于立萍[1]2004年在《基于测距雷达的汽车安全辅助驾驶技术研究》文中研究说明自二十世纪八十年代以来，我国的公路交通特别是高速公路交通得到了飞速的发展，但同时，交通事故也呈不断上升的趋势，其中追尾碰撞事故是最具代表性的事故形式。本论文以此为前提，对汽车安全辅助驾驶系统的相关技术进行了研究，主要研究内容包括：首先分析了汽车安全辅助驾驶系统的构成，提出了实用的安全距离计算模型。在此基础上重点讨论了汽车安全辅助驾驶系统的控制算法，分别采用PID和模糊控制策略，设计出了适合安全辅助驾驶系统的各种控制器，对控制器的控制效果进行了理论分析和仿真研究。其次，为了有效的获取纵向行驶的车间距离，采用了毫米波雷达或激光雷达两类测距传感器。由于汽车行使的环境比较恶劣，所以需要从变化的、含有随机噪声的雷达检测信号中准确提取出有用的距离和相对速度信息。本文在原二阶和叁阶Kalman模型基础上，提出了扩展的四阶Kalman滤波器模型，并通过仿真对比验证了滤波的效果。最后本论文还研究了适合于车辆使用环境的汽车安全辅助装置―电子控制单元ECU的硬件电路板的设计、调试和使用，编制、调试了相应的测量、控制软件，实现了对来自各种车载传感器的模拟信号、数字信号的输入和脉冲信号的计数，以及对作用于车辆执行单元的控制信号的输出。
尹磊[2]2012年在《汽车安全辅助驾驶系统研究与实现》文中提出本文来源于山东省科技项目：“智能车辆及其主动安全驾驶系统”。车辆辅助驾驶模拟系统是一种在车辆行驶过程中,出现紧急情况之前能够对驾驶员进行警告,以提示驾驶员能够及时的纠正驾驶中的误操作,避免交通事故的发生。车辆跟踪系统是一种能够实现车辆间距保持,主要应用于车辆追尾预警。主要建立了车辆运动学模型。通过力学分析,设计了车辆辅助驾驶模拟系统和基于AGV自主导引车的车辆纵向跟踪系统,介绍了各个环节的功能,并对车辆纵向跟踪系统中加入自抗扰控制算法,取得了良好的控制效果。在本课题中,主要的工作内容如下：首先,研究了汽车行驶的运动学模型,分析了汽车的危险情况,包括车辆侧滑,侧翻,轨道偏离和追尾等。其次,设计了车辆辅助驾驶模拟系统,包括硬件和软件部分,软件部分主要是信息接收模块,预警算法模块,实时报警界面叁部分。本系统根据对车辆运动学获取的汽车安全阈值,当汽车超过安全阈值时,分别针对侧滑,侧翻,轨迹偏离,追尾进行及时的进行声、光报警。通过对车辆辅助驾驶系统的实时性分析,能及时的对驾驶员进行预警,有效的避免意外事故的发生。最后,设计了基于AGV自主导引车的车辆纵向跟踪系统,本系统主要是针对车辆队列中的车辆间距保持和车辆避撞设计。本系统也包括信息处理模块,控制算法模块和状态显示模块。其中,通过车辆纵向跟踪的运动学/动力学模型,将自抗扰控制算法应用于车辆的纵向跟踪控制,并完成了控制器的设计,对参数进行了调试。通过实验分析,AGV自主导引车能够实现稳定,快速的纵向跟踪,这一课题具有非常广泛的意义。
侯晓乾[3]2016年在《基于视觉的汽车前方碰撞预警系统研究》文中认为基于视觉的汽车前方碰撞预警(V-FCW)系统是汽车安全辅助驾驶技术领域最为典型的应用之一。汽车前方碰撞预警(FCW)系统主要利用传感器获取信息并处理,准确判断前方可能发生的碰撞危险情况并对驾驶人给与警告,与目前多采用雷达传感器的汽车前方碰撞预警系统相关研究不同,基于视觉的汽车前方碰撞预警系统使用摄像头作为获取信息的环境感知工具。视觉传感器具有模式识别及车道线检测等其他传感器不具备的优势,但同时也面临着障碍物识别及测距等方面的巨大技术挑战。基于此研究背景,本文设计了一套V-FCW系统新的车辆检测、车辆测距方法和安全距离计算算法,并在通过仿真分析验证其效果。在对汽车前方碰撞预警安全距离模型分析的基础上,本文根据车辆的运行状态和制动规律,充分考虑了影响车辆制动的驾驶人因素和环境因素,建立了新的汽车安全距离模型,同时对该模型中的参数进行了说明和分析。结合其他模型算法利用MATLAB软件进行仿真分析,结合不同状态下最小安全车距与速度和附着系数的变化规律。验证了该模型能够更好的地反映真实车辆运行状况,降低了计算安全车距存在的较大偏差。本文在车辆检测识别方面作出改进。利用类Haar和改进的Ada Boost算法的对前方车辆进行检测,首先利用基于积分图的思想计算图像的扩展类Haar特征;然后使用提取的类Haar特征值向量集改进Ada Boost算法,文中提出了改进措施:利用SVM代替初步分类器Ada Boost算法(SVM-Ada Boost)增强了分类器的分类能力。通过实验验证文中所提出的方法在训练所需时间和识别性能方面取得了比传统方法更好的效果。本文在车辆测距方面,使用单目摄像机利用小孔成像的测距原理,通过对摄像机内部参数的标定,根据建立的测距模型实现前后车辆之间的距离测量,并使用行车记录仪的视频对前方车辆距离进行测量实验。
周荷[4]2007年在《基于激光测距器的汽车安全辅助驾驶技术》文中研究表明自二十世纪八十年代以来,我国的公路交通特别是高速公路交通得到了飞速的发展,但同时交通事故也呈不断上升的趋势,其中碰撞事故是最具代表性的事故形式。本论文以此为前提,以移动机器人AS-R为实验平台对汽车安全辅助驾驶系统包括防追尾碰撞预警及紧急情况下自主避障这两个方面进行了研究。要实现该系统,最重要的两个技术就是定位和避障,因此本文围绕着基于激光测距器的定位和避障进行了研究。首先介绍了激光测距器的测距原理以及影响激光测距器测量精度的四个因素,接着分析了里程计相对定位方法,但是该方法的定位误差随着机器人运动距离的加大而加大。其次,本文采用了极坐标扫描匹配算法来修正里程计的定位误差。极坐标扫描匹配算法在激光测距器的极坐标系统下运行的,充分利用了激光扫描数据的极坐标特性,使用方位角匹配规则消除对应点的搜索问题,使得计算平移变换时复杂度降为O(n),并在位姿估计的基础上,进行了全局一致性地图的生成。然后,描述了移动机器人的防追尾碰撞报警和主动避障。利用激光测距器实时探测前方障碍物与机器人之间的距离,根据此距离决定是否报警,采取减速还是急停策略。本文应用改进的向量场直方图法来解决移动机器人的避障问题。首先将机器人的工作环境分解为一系列栅格单元,考虑到传感器测量的不确定性和机器人的大小,对探测到的每个障碍物栅格点膨胀,接着根据机器人与环境中障碍物之间的关系,建立初始的极坐标直方图,获得自由行走区和避障区间,通过定义两个阈值获得二元极坐标直方图,考虑到机器人的运动学和动力学约束,在二元极坐标直方图基础上建立遮挡极坐标直方图,最后根据遮挡极坐标直方图及代价函数来选择最佳的运动方向角。然后,利用AS-R移动机器人对上述算法进行了实验,实验结果证明了本文中所采用的算法的可靠性和可行性。本文最后归纳总结了全文内容,并指出了须进一步研究的内容和方向。
杨双宾[5]2008年在《高速公路车辆行驶安全辅助换道预警系统研究》文中提出近年来,我国高速公路运输得到迅速的发展的同时,也面临着更为严重的交通安全与道路畅通问题。与国外发达国家相比,我国高速公路上各类交通事故更为频繁和严重。虽然由换道引起的交通事故占到总交通事故的比例很小,但是由其引起的事故所造成的交通延迟却占总延迟时间的相当一部分,给人民的生命、财产都造成了重大损失。汽车行驶安全辅助换道系统是汽车安全辅助驾驶的重要组成部分。针对我国高速公路汽车换道引起的各类事故所造成的各类问题及安全辅助换道领域研究进展情况,本文开展了高速公路汽车行驶安全辅助换道预警系统的研究,对解决相关交通事故问题具有一定的理论意义和实际价值。首先,在对车辆换道操作过程进行相关分析后,提出了车辆避免发生交通事故的基本条件;随后,对不同的车道变换过程,由相邻车辆间不发生碰撞为基本要求推导出了车辆问应满足的起始最小纵向安全距离,并建立了最小安全换道距离模型。在此基础上,本文基于Matlab开发的仿真分析软件,对不同安全换道模型进行了仿真比较,分析了本文模型的优缺点;然后,基于本文建立的安全辅助换道模型,根据驾驶员换道操作的急切程度,建立了较为合理的安全辅助换道预警逻辑准则,并对安全辅助换道系统危险状态等级进行了划分;最后,通过对国内外常用车载传感器性能分析比较后,本文建立了安全辅助换道预警系统,并以本课题组拥有的CyberCar车作为试验平台对本文建立的安全辅助换道预警系统进行了低速条件下的简单道路试验。仿真分析及道路实验表明,本文建立的辅助换道模型在一定条件下反应了驾驶员的实际行为特性,所丌发的系统可为未来进一步研究不同危险状态下的汽车辅助换道预警系统提供一定的技术基础和支撑。
郭烈[6]2007年在《基于单目视觉的车辆前方行人检测技术研究》文中指出道路交通事故给人类社会带来的危害是不言而喻的,因此,如何减少交通事故、降低交通事故所造成的损失成了人们关注的重点。汽车安全辅助驾驶技术的研究是减少交通事故、降低事故损失的有效手段,已经受到各国的重视。对车辆前方行人进行检测是汽车安全辅助驾驶技术研究的前沿方向,已经引起了各国政府部门和相关研究机构的高度重视及商家的浓厚兴趣,它能有效地辅助在市区环境中驾驶车辆的驾驶员及时对外界环境做出反应,避免碰撞行人。由于行人是道路交通的主要参与者,在交通事故中也是直接受害者,为了有效地保护行人的安全,及时警告驾驶员可能与车辆邻近的行人发生碰撞,行人检测技术的研究开发将为我国汽车安全辅助驾驶技术的发展提供有力的理论和技术支持,并具有潜在的经济价值和应用前景。本文主要以单目视觉传感器作为车辆前方环境信息获取的主要手段,在国内首次进行了运动车辆前方行人检测技术的研究。首先根据行人在车辆前方位置的不同,提出了基于垂直边缘对称性的行人分割方法和基于AdaBoost算法与行人形状特征融合的行人分割方法,将车辆前方不同区域的行人候选目标分割出来。根据行人的灰度图像有一定的纹理特征和灰度对称性特征,同时由于行人连续的边缘使得图像的轮廓特征明显,采用支持向量机算法训练得到识别行人的分类器。然后利用Kalman滤波方法对行人的矩形窗口进行预测,建立动态可变的感兴趣区域,缩小了行人的搜索范围。最后,本文利用单目视觉获得了车辆前方行人的距离及运动方向信息,并根据获得的信息对预防碰撞行人的规则进行了初步探讨。试验结果表明,本文提出的算法能够实现对车辆前方不同尺寸、颜色和形状的行人进行有效地识别,对于静止和运动的行人都有良好的检测效果,系统的实时性较好。
王战古[7]2018年在《大型客车环境感知系统设计及前方障碍物检测方法研究》文中提出随着国民经济和交通运输业的发展,机动车的保有量迅速增加,道路交通运输给人们的生活和出行带来了极大的便利,但是由此引发的道路交通事故每年给人民的生命和财产带来了巨大的损失。道路交通事故调查显示,大型客车由于其载客量多,动能大的特点,成为造成群死群伤重大交通事故的主要原因。汽车安全辅助驾驶技术能有效地对车辆运行环境进行检测,当发现潜在危险时能够及时提醒驾驶员采取有效的应对措施,消除安全隐患。目前该技术已经不同程度地应用于各类中小型车辆,但是鲜见于大型客车中的应用。本文以国家基金为依托,针对于大型客车运行环境设计了一套环境感知系统,并利用毫米波雷达与机器视觉融合算法对前方障碍物进行检测。主要研究内容如下:针对于大型客车的环境感知系统,本文设计了一套毫米波雷达与机器视觉相结合的前方障碍物检测系统。首先分析各类型传感器的工作性能和成本效益,确定了传感器类型,然后结合大型客车环境感知需求,对毫米波雷达和摄像机进行型号选择和参数配置。该系统既保障了大客车的环境感知满足不同道路状况和天气环境的要求,同时又兼顾硬件的设计成本。针对毫米波雷达目标检测区分能力弱的问题,本文提出了一种基于深度置信网络的车辆有效目标提取方法。首先通过实车道路实验收集不同道路环境下的障碍物检测数据,采用人工标注的方式获得车辆目标与非车辆目标的分类标签,利用深度置信网络对雷达检测目标进行有监督的学习,通过网络训练获得车辆识别分类器。实验表明该方法能够有效地从雷达冗杂的检测信息中完成车辆目标的提取,在各种交通环境中车辆检测的平均准确率为92.3%。针对传统卷积神经网络目标实时检测效率低,交通环境适应性差的问题,本文基于Faster R-CNN深度学习框架,提出了一种多交通环境训练下的前方障碍物识别方法。用于网络训练的车辆和行人数据,充分考虑了不同交通环境下(晴天、阴天、雨雪天、轻雾霾天)样本姿态和种类的差异。实验结果表明通过多交通环境样本训练获得的Faster R-CNN深度学习网络,对不同道路环境和天气状况的车辆和行人检测具有良好的实时性和准确性,其中车辆检测平均准确率为88.2%,单帧图像的处理速度为36ms,行人检测的平均准确率为86.2%,单帧图像的处理速度为32ms。针对于传统单目视觉测距精度低的问题,本文对传统方法进行了改进,采用基于像素标定与拟合的方法对障碍物进行测距。首先通过标定试验获得障碍物像素坐标与实际距离的对应关系,采用不同的拟合函数对实验数据进行拟合分析,拟合结果显示有理函数能够较好地反应障碍物像素位置与实际距离的映射关系。在相机有效工作范围内,该测距方法标定测试平均误差为2.3%,实验测试平均误差为6.8%,相比传统单目测距算法,测量精度有了较大地提高。为了充分发挥毫米波雷达与机器视觉在前方障碍物检测中的优势,获得包括障碍物距离、角度、速度、外形尺寸在内的全面感知信息,本文对两传感器的检测信息进行了融合。首先通过标定实验和线程同步的方式实现了雷达和相机信号的空间和时间上的同步。采用叁维空间多特征匹配算法对检测目标进行配对,最后利用权值分配矩阵生成目标检测列表及其检测信息。为了验证融合算法对前方障碍物的检测性能,基于多传感器融合开发平台搭建了毫米波雷达和机器视觉融合的前方障碍物检测系统,实验表明该系统对各种交通环境中前方车辆的平均识别准确率为93.6%,行人平均识别准确率为87.0%,单帧数据平均处理速度为52ms,基本满足大型客车前方障碍物检测对于实时性和准确性得要求。
陈平[8]2011年在《辅助驾驶中控制与决策关键技术研究》文中认为针对因驾驶员因素导致的交通事故问题,目前存在两种解决方案:无人驾驶技术和辅助驾驶系统。然而,无人驾驶技术的广泛应用有赖于整个智能交通系统的建立和完善,有赖于相关法律法规的制定和客户思想的转变,近期内难以实用化;现有辅助驾驶系统多以预警功能为主,紧急情况下,缺乏对车体控制的干预。针对这种现状,本文从紧急情况下,辅助系统主动干预车体控制的角度出发,提出了“双模式”辅助驾驶系统方案:按车辆行驶工况的不同,系统智能地在人工驾驶模式和辅助驾驶模式间进行切换,在辅助驾驶模式下,将部分接管车体控制,确保车辆行驶安全。研制了一款“双模式”辅助驾驶试验样车,并设计实现了主动避碰和车道保持功能。本文主要工作包括辅助驾驶试验样车研制、基于激光雷达的主动避碰研究和基于高精度GPS的车道保持研究。其中,样车研制部分,采用分层次控制结构将整个系统架构划分为环境感知层、上层控制层与底层控制层;采用模块化设计和分布式架构体系将底层控制层划分为前轮控制模块、后轮控制模块以及人机交互面板模块;各底层模块由嵌入式系统构成,底层软件采用uC/OS-II实时操作系统,系统通信采用CANopen协议。为实现“双模式”切换辅助功能,对样车本体进行了机械与电气系统改造,具体包括转向系统机电改造、“双模式”切换硬件设计以及电源系统设计。整个样车研制过程,充分保证了系统运行的可靠性、稳定性、实时性以及系统平台设计的开放性和可扩展性。主动避碰研究部分,采用激光雷达作为环境感知传感器;针对弯道障碍物检测问题,提出了基于激光雷达的随动预警区域检测方法;在试验样车平台上,设计实现了基于激光雷达的主动避碰功能;本主动避碰系统采用碰撞预警和自动刹车两级避碰决策,在紧急情况下,系统将接管车体驱动控制并进行自动刹车,实际实验证明了避碰系统运行的稳定性。车道保持研究部分,提出了基于高精度GPS的车道保持系统方案;采用RTK-GPS建立车道级电子地图,由地图信息获得道路线轨迹信息,采用EKF数据融合方法获得车体位姿的实时估计,采用基于车头左右端点横越道路边界线的时间作为车道偏离状况的判断依据,在车道偏离时,系统将预警提醒,在紧急情况下,系统将接管车体转向控制进行自动归中操作。在试验样车平台上,对本车道保持系统进行了实现,实际实验证明了本系统运行的有效性。
顾柏园[9]2006年在《基于单目视觉的安全车距预警系统研究》文中指出行驶安全是汽车交通发展的永恒主题,随着汽车保有量的迅速增加,公路上的交通事故,特别是恶性交通事故发生率居高不下,交通安全问题日益突出,安全辅助驾驶技术应运而生。它是智能交通研究领域的一个重要组成部分,体现了车辆工程、人工智能、自动控制、计算机等多学科领域理论技术的交叉与综合,是未来车辆发展的趋势。而安全保障技术是其中必不可少和十分重要的组成部分。近期内部分较为成熟的安全辅助驾驶技术正在逐步实用化和产品化。然而仍有相当多的技术难题尚需解决。本文从车辆主动安全性的角度出发,在汽车安全辅助驾驶技术领域进行了一些积极有益的探索,并将为我国汽车安全辅助驾驶系统的应用研究开发提供现实的理论和技术支撑。本文立足于我国的交通事故居高不下的现状,以机器视觉、图像处理、模式识别等人工智能理论和技术为基础,系统研究道路上本车前方车辆的探测方法和安全车距预警技术。本文的研究必将为我国有效减少类似车辆追尾交通事故提供高新技术支持,并为我国在该领域赶超世界先进水平作出积极贡献。道路上本车前方车辆的探测是安全车距预警的前提。利用车辆的阴影特征,纹理特征,边缘特征以及对称性特征的多特征融合,实现前方车辆的识别定位。利用计算序列图像的高阶累积量方法对正在超越本车的车辆进行探测。研究了利用圆形度和对称性的方法对夜间车辆进行识别定位。研究了利用卡尔曼滤波方法实现车辆的跟踪。最后对上述车辆识别方法进行了大量的道路试验验证。本车与前方车辆之间的距离以及本车车速是安全车距预警模型中的两个重要参数。研究了采用单目视觉技术,基于透视投影变换原理,利用已识别的车辆底部边界实现距离的测量。利用了道路中间段状分界线的特征及先验知识,采用图像处理和识别的方法,通过跟踪多段段状分界线实现速度的估计。试验证明上述测距和测速方法是可行的。在分析和依据汽车理论中的制动距离的计算方法,研究了安全车距预警模型的计算方法,在此基础上引入安全度的概念来确定报警时机。
《中国公路学报》编辑部[10]2017年在《中国汽车工程学术研究综述·2017》文中提出为了促进中国汽车工程学科的发展,从汽车噪声-振动-声振粗糙度(Noise,Vibration,Harshness,NVH)控制、汽车电动化与低碳化、汽车电子化、汽车智能化与网联化以及汽车碰撞安全技术5个方面,系统梳理了国内外汽车工程领域的学术研究进展、热点前沿、存在问题、具体对策及发展前景。汽车NVH控制方面综述了从静音到声品质、新能源汽车NVH控制技术、车身与底盘总成NVH控制技术、主动振动控制技术等;汽车电动化与低碳化方面综述了传统汽车动力总成节能技术、混合动力电动汽车技术等;汽车电子化方面综述了汽车发动机电控技术、汽车转向电控技术、汽车制动电控技术、汽车悬架电控技术等;汽车智能化与网联化方面综述了中美智能网联汽车研究概要、复杂交通环境感知、高精度地图及车辆导航定位、汽车自主决策与轨迹规划、车辆横向控制及纵向动力学控制、智能网联汽车测试,并给出了先进驾驶辅助系统(ADAS)、车联网和人机共驾等典型应用实例解析;汽车碰撞安全技术方面综述了整车碰撞、乘员保护、行人保护、儿童碰撞安全与保护、新能源汽车碰撞安全等。该综述可为汽车工程学科的学术研究提供新的视角和基础资料。
参考文献：
[1]. 基于测距雷达的汽车安全辅助驾驶技术研究[D]. 于立萍. 清华大学. 2004
[2]. 汽车安全辅助驾驶系统研究与实现[D]. 尹磊. 山东大学. 2012
[3]. 基于视觉的汽车前方碰撞预警系统研究[D]. 侯晓乾. 湖南大学. 2016
[4]. 基于激光测距器的汽车安全辅助驾驶技术[D]. 周荷. 哈尔滨工业大学. 2007
[5]. 高速公路车辆行驶安全辅助换道预警系统研究[D]. 杨双宾. 吉林大学. 2008
[6]. 基于单目视觉的车辆前方行人检测技术研究[D]. 郭烈. 吉林大学. 2007
[7]. 大型客车环境感知系统设计及前方障碍物检测方法研究[D]. 王战古. 山东理工大学. 2018
[8]. 辅助驾驶中控制与决策关键技术研究[D]. 陈平. 上海交通大学. 2011
[9]. 基于单目视觉的安全车距预警系统研究[D]. 顾柏园. 吉林大学. 2006
[10]. 中国汽车工程学术研究综述·2017[J]. 《中国公路学报》编辑部. 中国公路学报. 2017