- 相關推薦
多傳感器信息融合技術在智能駕駛系統中的應用
摘要：介紹了當今國際上流行的幾種智能駕駛系統，并分析了采用單一傳感器的駕駛系統中存在的問題，給出了信息融合技術的原理和結構。討論了多傳感器信息融合技術在智能駕駛系統（ITS）中的應用算法及其有待進一步解決的問題。隨著傳感器技術、信息處理技術、測量技術與計算機技術的發展，智能駕駛系統（輔助駕駛系統一無人駕駛系統）也得了飛速的發展。消費者越來越注重駕駛的安全性與舒適性，這就要求傳感器能識別在同一車道上前方行駛的汽車，并能在有障礙時提醒駕駛員或者自動改變汽車狀態，以避免事故訴發生。國際上各大汽車公司也都致力于這方面的研究，并開發了一系列安全駕駛系統，如碰撞報警系統（CW）、偏向報警系統（LDW）和智能巡游系統（ICC）等。國內在這些方面也有一定的研究，但與國外相比仍存在較大的差距。本文將主要討論多傳感器信息融合技術在智能駕駛系統（ITS）中的應用。
1 ICC/CW和LDW系統中存在的問題
1.1 ICC/CW系統中的誤識別問題
ICC/CW系統中經常使用單一波束傳感器。這類傳感器利用非常狹窄的波束寬度測定前方的車輛，對于彎曲道路（見圖1（a）），前后車輛很容易駛出傳感器的測量范圍，這將引起智能巡游系統誤加速。如果前方車輛減速或在拐彎處另一輛汽車駛入本車道，碰撞報警系統將不能在安全停車范圍內給出響應而容易產生碰撞。類似地，當彎曲度延伸時（見圖1(b)），雷達系統易把鄰近道路的車輛或路邊的防護欄誤認為是障礙而給出報警。當道路不平坦時，雷達傳感器前方的道路是斜向上，小丘或小堆也可能被誤認為是障礙，這些都降低了系統的穩定性�，F在有一些濾波算法可以處理這些問題并取得了一定效果，但不能徹底解決。
1.2 LDW系統中存在的場景識別問題
LDW系統中同樣存在公共駕駛區場景識別問題。LDW系統依賴于一側的攝像機（經常僅能測道路上相鄰車輛的位置），很難區分彎曲的道路和做到多樣的個人駕駛模式。LDW系統利用一個前向攝像機探測車輛前方道路的地理狀況，這對于遠距離測量存在著精確性的問題，所有這些都影響了TLC（Time-to-Line-Crossing）測量的準確性�，F常用死區識別和駕駛信息修訂法進行處理，但并不能給出任何先驗知識去識別故障。
2 多傳感器信息融合技術在ITS系統中的應用
針對以上系統存在的一些問題，研究者們紛紛引入了多傳感器信息融合技術，并提出了不同的融合算法�；谝曈X系統的傳感器可以提供大量的場景信息，其它傳感器（如雷達或激光等）可以測定距離、范圍等信息，對兩方面的信息融合處理后能夠給出更可靠的識別信息。融合技術可以采用Beaurais等人于1999年提出的CLARK算法（Combined Likelihood Adding Radar）和Institude Neuroinformatik提出的ICDA（Integrative Coupling of Different Algorithms）算法等方法實現。
2.1 傳感器的選擇
識別障礙的首要問題是傳感器的選擇，下面對幾種傳感器的優缺點進行說明（見表1）。探測障礙的最簡單的方法是使用超聲波傳感器，它是利用向目標發射超聲波脈沖，計算其往返時間來判定距離的。該方法被廣泛應用于移動機器人的研究上。其優點是價格便宜，易于使用，且在10m以內能給出精確的測量。不過在ITS系統中除了上文提出的場景限制外，還有以下問題。首先因其只能在10m以內有效使用，所以并不適合ITS系統。另外超聲波傳感器的工作原理基于聲，即使可以使之測達100m遠，但其更新頻率為2Hz，而且還有可能在傳輸中受到其它信號的干擾，所以在CW/ICC系統中使用是不實際的。
表1 傳感器性能比較
視覺
激光雷達
MMW雷達價格合理，夜間不受影響。
易于多目標測量和分類，分辨率好。
價格相合理，夜間不受影響
不受燈光、天氣影響。測量范圍小，對天氣變化敏感。
不能直接測量距離，算法復雜，處理速度慢。
對水、灰塵、燈光敏感。
價格貴
視覺傳感器在CW系統中使用得非常廣泛。其優點是尺寸小，價格合理，在一定的寬度和視覺域內可以測量定多個目標，并且可以利用測量的圖像根據外形和大小對目標進行分類。但是算法復雜，處理速度慢。
雷達傳感器在軍事和航空領域已經使用了幾十年。主要優點是可以魯棒地探測到障礙而不受天氣或燈光條件限制。近十年來隨著尺寸及價格的降低，在汽車行業開始被使用。但是仍存在性價比的問題。
為了克服這些問題，利用信息融合技術提出了一些新的方法，利用這些方式可以得到較單一傳感器更為可靠的探測。
2.2 信息融合的基本原理
所謂信息融合就是將來自多個傳感器或多源的信息進行綜合處理，從而得出更為準確、可靠的結論。多傳感器信息融合是人類和其它生物系統中普遍存在的一種基本功能，人類本地地具有將身體上的各種功能器官（眼、耳、鼻、四肢）所探測的信息(景物、聲音、氣味和觸覺)與先驗知識進行綜合的能力，以便對其周圍的環境和正在發生的事件做出估計。由于人類的感官具有不同度量特征，因而可測出不同空間范圍的各種物理現象，這一過程是復雜的，也是自適應的。它將各種信息（圖像、聲音、氣味和物理形狀或描述）轉化成對環境的有價值的解釋。
多傳感器信息融合實際上是人對人腦綜合處理復雜問題的一種功能模擬。在多傳感器系統中，各種傳感器提供的信息可能具有不同的特片：對變的或者非時變的，實時的或者非實時的，模糊的或者確定的，精確的或者不完整的，相互支持的或者互補的。多傳感器信息融合就像人腦綜合處理信息的過程一樣，它充分利用多個傳感器資源，通過對各種傳感器及其觀測信息的合理支配與使用，
【多傳感器信息融合技術在智能駕駛系統中的應用】相關文章：
多網融合對通信工程的應用論文04-11
談智能決策支持系統及其在林業中的應用研究08-21
多網融合在通信工程的應用論文04-12
多網融合應用于通信工程的研究08-15
談多網融合在通信工程的應用論文04-11
智能住宅中的信息家電05-30
crm中的決策支持系統與貿易智能02-23
農業中的電子信息技術應用論文（精選6篇）05-29