摘要
随着我国汽车保有量的快速增长，交通拥堵，事故频发。自动紧急制动(AEB)系统可以有效地减少交通事故的发生，保障驾乘人员的生命财产安全。AEB系统的可靠性依赖车载传感器对前方障碍物的检测，单一传感器的AEB系统在一些极端天气和特殊路况下精度很低，而现有的多传感器融合方案以及融合算法大多只针对一些特定场景或者一些理想场景，安全性不足。为了提高AEB系统的安全性和可靠性，本文通过综合分析，提出了一种激光雷达、毫米波雷达和摄像头三种传感器信息融合的AEB系统控制方案，并提出一种基于改进的D-S证据理论的AEB系统决策级控制算法，设计了一套基于多传感器融合的汽车AEB系统控制策略。本文的具体研究内容如下： （1）多传感器前方车辆检测与同步关联。针对摄像头获取的图像没有深度信息无法获取目标车辆状态信息的问题，本研究提出一种基于YOLOv3的单目测距算法。通过YOLOv3算法获取前方车辆ROI区域，并结合图像处理、像素映射与相机参数标定等算法，实现基于摄像头的前方车辆检测与状态获取。针对激光雷达点云探测的目标物距离不同点云密度也不同的特点，提出了一种自适应DBSCAN密度聚类算法，提高了激光雷达的检测精度。针对毫米波雷达容易受到干扰检测到虚假目标的问题，本研究设计了一套卡尔曼滤波与生命周期算法结合的识别算法，提高毫米波雷达的检测精度。针对多传感器采集频率、空间位置不同的问题，对三个传感器进行时间、空间的同步，并基于欧氏距离对传感器数据进行关联。 （2）多传感器信息决策级融合。本研究根据前方车辆危险情况的判断，设计了4个等级的危险分级策略。根据即碰时间TTC模型，设计了AEB系统的预警避撞策略，并结合危险分级策略设计了一套对应的制动控制策略。针对每个传感器面对不确定环境时精度、可靠性都不确定的问题，本研究提出了一种改进的D-S证据理论控制算法，对多传感器数据进行处理与决策级融合。改进算法根据AEB系统预警避撞策略与D-S证据理论组合规则，得到不同传感器数据的基本概率赋值（BPA），通过皮尔逊相关系数得到不同传感器证据体之间的相关性，对证据体的BPA进行修正，最终得到多传感器融合后的控制决策。 （3）AEB控制策略建模与仿真测试。为了验证设计的AEB控制策略的有效性，本文在PreScan中搭建Euro-NCAP中CCRs、CCRm与CCRb典型测试工况，并在Matlab/Simulink中搭建控制模型进行联合仿真测试。仿真测试结果表明，本文多传感器融合的AEB系统控制策略在各种典型工况表现良好，在确保安全的前提下，同时确保了驾驶员的驾驶体验，兼顾安全性与舒适性。 本文设计的基于多传感器融合的汽车AEB系统控制策略，能够很好的解决单传感器可靠性不足引起的AEB系统安全性不足的问题，兼顾安全性与舒适性，有着很好的应用价值和推广价值。
NETL