一种基于多传感器融合的智能车辆容错检测方法

技术领域

本发明涉及车辆自动驾驶技领域，具体说是一种基于多传感器融合的智能车辆容错检测方法。

背景技术

随着科技的发展，车辆自动驾驶技术逐渐兴起。在自动驾驶技术中，环境检测是决策控制的前提条件，更是整个自动驾驶系统运行的基础。真实交通场景是复杂的，无人驾驶车辆在这样的环境下自主行驶面临着众多复杂、不确定性因素。复杂性主要体现在真实环境往往含有丰富的驾驶场景元素。不确定性主要体现在，传感器存在其特定检测范围，难以保证在任何时间点及任何角度均可获得环境的全部信息。且在环境检测的过程中，由于传感器本身存在的噪声、传感器标定误差造成的误差等，导致单一的传感器数据无法作为环境检测的结果。由此采用多传感器融合的方式进行环境检测。但是环境检测系统设备硬件自身一旦发生故障，也会导致智能车辆无法获取可靠的环境信息。环境检测系统的不确定性会对智能车的态势评估系统评估结果的准确性和驾驶决策系统决策方案的合理性带来挑战，从而影响车辆的安全驾驶。

中国发明专利文献CN111797701A公开了一种《用于车辆多传感器融合系统的道路障碍物检测方法及系统》，该方法采集或按照设定车道宽度计算车辆左右两侧的四道车道线；根据四道车道线划分出车辆自身所在的自车车道和两旁路车道；判断旁路车道是否位于可行驶道路区域内，仅对观察区域内有进入感兴趣区域风险的目标物进行检测，对感兴趣区域内的所有目标物皆进行检测。但该方法存在不足：

1.该方法仅仅采集指定区域障碍物信息，在实际行驶时若出现突发状况无法及时响应；

2.该方法未考虑当传感器失效时传输给融合系统错误信息，会造成较大的障碍物位置预测误差。

3.该算法未考虑当传感器故障，无法获取四道车道线信息或传输错误车道线信息时，会造成较大的行车风险。

中国发明专利文献CN115933646A公开了一种《基于多传感器融合进行障碍物感知的避障绕障方法及系统》，该方法首先对视觉数据初步融合、激光雷达数据初步融合和超声数据初步融合，然后在基于D-S证据论对视觉数据初步融合结果、激光雷达数据初步融合结果和超声数据初步融合结果进行多传感器数据的全局融合，得到最终的机器人周围障碍物信息，最后根据得到的障碍物信息进行机器人绕障控制。该方法存在不足：

1.采用D-S证据论对传感器数据进行融合，D-S证据论对异常值非常敏感。如果存在传感器故障，这些故障值可能通过其贡献方式对融合结果产生不利影响，导致结果的不准确性，造成较大的障碍物信息误差。

发明内容

本发明所要解决的技术问题是要克服上述现有技术的不足，本发明提供了一种基于多传感器融合的智能车辆容错检测方法。该方法不仅能够根据多传感器采集的周围障碍物信息，采用扩张卡尔曼算法对多源信息进行融合，实现更精确估计周围障碍信息，而且该方法在故障情况下能够对传感器信息进行修正，具有良好的容错检测能力。

本发明的目的是这样实现的。本发明提供一种基于多传感器融合的智能车辆容错检测方法，该检测方法涉及的智能车辆容错检测系统包括多传感器检测模块、融合模块、位置偏差计算模块、故障识别模块和复位模块，其中多传感器检测模块中包括n个传感器，n个传感器集成安装在智能车辆前侧保险杠的同一位置上；n个传感器分别与融合模块单向电连接，融合模块依次与位置偏差计算模块、故障识别模块和复位模块单向电连接，复位模块分别与n个传感器单向电连接：将n个传感器中的任意一个记为传感器Y

预先设定一个间隔检测时间f，间隔检测时间f时间到，启动一次容错检测操作，其中一次容错检测操作的步骤如下：

步骤1，将当前时刻记为k时刻；以正在行驶中的智能车辆的质心位置为原点建立平面坐标系，该平面坐标系的纵轴正方向为智能车辆车头所指的方向，纵轴正方向顺时针旋转90°为横轴正方向；

在k时刻通过n个传感器分别检测车辆周围障碍物位置；设对同一个障碍物，n个传感器检测得到n个位置坐标，将该n个位置坐标记为当前障碍物位置坐标(x

多传感器检测模块将n个当前障碍物位置坐标(x

步骤2，融合模块根据预设的扩展卡尔曼滤波算法，对n个当前障碍物位置坐标(x

具体融合方式为：依次将传感器Y

融合模块将得到的n个当前障碍物位置融合信息Γ

步骤3，位置偏差计算模块根据预设程序，计算得到n个障碍物融合位置偏差D

所述障碍物融合位置偏差D

其中，x

步骤4，故障识别模块根据预设程序，进行传感器故障识别；若存在传感器故障，则通过复位模块发送复位信号给存在故障的传感器；

其中，所述传感器故障识别的实现过程如下：

给定一个阈值M，M＝v

将障碍物融合位置偏差D

若n个障碍物融合位置偏差D

若D

若D

优选地，步骤2所述融合模块根据预设的扩展卡尔曼滤波算法，对n个当前障碍物位置坐标(x

步骤2.1，建立扩展卡尔曼滤波算法的预测方程如下：

P′＝FPF

其中，F为状态转移矩阵，P为状态协方差矩阵，Q为过程噪声，P’为状态协方差矩阵P在k时刻的估计值；

步骤2.2，建立扩展卡尔曼滤波算法的更新方程：

其中，Z(k)为k时刻通过传感器Y

步骤2.3，当前障碍物位置融合信息Γ

Γ

与现有技术相比，本发明的有益效果如下：

1.本发明方法在复杂环境下，通过多传感器互补仍可以准确测量障碍物信息。

2.本发明方法在传感器出现故障时，仍可以准确测量障碍物信息，表现出较强的鲁棒性。

3.本发明方法中，误差阈值随自车速度改变而改变，可以提高阈值设定准确性。

附图说明

图1是本发明实施例中的智能车辆容错检测系统的框图。

具体实施方式

下面将结合附图及实施例对本发明做进一步详细说明。

图1是本发明实施例中的智能车辆容错检测系统的框图，由该图可见，本发明涉及的智能车辆容错检测系统包括多传感器检测模块、融合模块、位置偏差计算模块、故障识别模块和复位模块，其中多传感器检测模块中包括n个传感器，n个传感器集成安装在智能车辆前侧保险杠的同一位置上；n个传感器分别与融合模块单向电连接，融合模块依次与位置偏差计算模块、故障识别模块和复位模块单向电连接，复位模块分别与n个传感器单向电连接：将n个传感器中的任意一个记为传感器Y

在本实施例中，n＝3，传感器Y

本发明检测方法预先设定一个间隔检测时间f，间隔检测时间f时间到，启动一次容错检测操作，其中一次容错检测操作的步骤如下：

步骤1，将当前时刻记为k时刻；以正在行驶中的智能车辆的质心位置为原点建立平面坐标系，该平面坐标系的纵轴正方向为智能车辆车头所指的方向，纵轴正方向顺时针旋转90°为横轴正方向；

在k时刻通过n个传感器分别检测车辆周围障碍物位置；设对同一个障碍物，n个传感器检测得到n个位置坐标，将该n个位置坐标记为当前障碍物位置坐标(x

多传感器检测模块将n个当前障碍物位置坐标(x

步骤2，融合模块根据预设的扩展卡尔曼滤波算法，对n个当前障碍物位置坐标(x

具体融合方式为：依次将传感器Y

融合模块将得到的n个当前障碍物位置融合信息Γ

在本实施例中，将毫米波雷达和激光雷达的当前障碍物位置坐标融合得到当前障碍物位置融合信息Γ

步骤3，位置偏差计算模块根据预设程序，计算得到n个障碍物融合位置偏差D

所述障碍物融合位置偏差D

其中，x

在本实施例中，计算得到3个障碍物融合位置偏差，分别记为D

步骤4，故障识别模块根据预设程序，进行传感器故障识别；若存在传感器故障，则通过复位模块发送复位信号给存在故障的传感器。

其中，所述传感器故障识别的实现过程如下：

给定一个阈值M，M＝v

将障碍物融合位置偏差D

若n个障碍物融合位置偏差D

若D

若D

在本实施例中，仅包括三个传感器，识别如下：

D

D

D

D

在本实施例中，步骤2所述融合模块根据预设的扩展卡尔曼滤波算法，对n个当前障碍物位置坐标(x

步骤2.1，建立扩展卡尔曼滤波算法的预测方程如下：

P′＝FPF

其中，F为状态转移矩阵，P为状态协方差矩阵，Q为过程噪声，P’为状态协方差矩阵P在k时刻的估计值。

步骤2.2，建立扩展卡尔曼滤波算法的更新方程：

其中，Z(k)为k时刻通过传感器Y

步骤2.3，当前障碍物位置融合信息Γ

Γ

在本实施例中，f＝50秒，K＝29，