车辆间多传感器协同驾驶技术

于本成，殷志昆，朱作付

（徐州工业职业技术学院，江苏 徐州 221004）

引言

汽车导航系统利用现代信息融合技术，将高精度导航定位与导航地图相结合，为司机提供直观、详尽的导航功能，有效提升交通运输与物流周转效率[1]。在多传感器组合中，常用的传感器有GPS、雷达、超声波测距仪、CCD 相机等。为了提高车辆防撞能力，雷达、超声波测距仪、CCD 相机等在智能交通领域也得到了广泛应用。随着通讯技术的发展，通过车辆间通讯，在道路上行驶的相邻车辆之间还可以分享各自的多传感器数据信息。近年来国际上发展的专用短程通讯协议（Dedicated Short Range Communications，DSRC）和Zigbee 通讯协议就已经在智能交通领域得到了应用。

目前组合导航系统的信息融合得到大量研究，但其工程应用与理论研究还不完善，仍有许多需要进一步研究的问题，尤其是结合工程应用的研究，许多国际上的知名学者都致力于这一领域的研究[2-3]。在车辆导航研究中，需要继续对传感器之间的配准问题进行研究，以消除传感器配准误差对导航精度的影响。文献[4-5]对多传感器联合配准与融合问题进行了研究。在前期的研究工作基础上，我们将车载多传感器的配准和融合作为一个整体进行研究，基于最大期望算法提出一种联合估计配准参数与车辆位置速度等状态的信息融合算法。

1 车辆间多传感器协同技术

通过采用最近发展起来的专用短程通讯系统，车辆之间可以相互分享各自多传感器系统获得的导航信息。本文在对车辆本身的多传感器数据进行配准和融合的基础上，将车辆本身的传感器数据与经车辆间通讯获得的相邻车辆的传感器数据进行融合，以进一步提高车辆的协同驾驶能力。本文所提出的方案流程图如图1 所示。

图1 方案流程图

通过采用专用软件来仿真产生车辆的运行轨迹，并基于车辆的运行轨迹模拟产生多传感器的测量数据。基于专用短程通讯协议或Zigbee 通讯协议建立车辆之间进行信息交互的通讯模型。

1.1 模型建立

根据图2，采用状态空间方程法建立车辆多传感器与车辆间通讯信息融合模型。单个车辆的运动可由如下状态方程描述：

图2 前后车模型图

其中，n=1 表示后车，n=2 表示前车，Fn为状态转移矩阵，wn（k）为高斯白噪声以表示系统的建模误差，xn（k）=（pn（k），vn（k））为目标的运动状态（包含车辆位置信息pn（k）、速度信息vn（k）），k 为各离散时刻。将相邻两辆车的状态空间方程联立，得到扩维后的系统状态空间方程。

从GPS 传感器获得的测量信息如下：

后车的雷达获得的前车相对于后车的距离和方位测量信息如下：

式中：zR（k）为后车的雷达获得的前车相对于后车的距离和方位信息；hR（·）为雷达的量测函数；ηR为雷达的系统偏差；vR（k）为高斯白噪声以表示雷达的随机测量误差。

后车可通过车辆间的通讯获得前车的GPS 测量数据，但会包含通讯误差（时滞和丢包）。假设通讯传输中可能存在一步随机时滞和数据包丢失，而且每一时刻只能接收到一个数据包，我们对此采用以下方程表示：

综合以上表述，可将系统测量方程表示为：

1.2 基于最大值期望算法的联合配准与融合算法

公式（2）和（8）构成了系统的状态空间描述。目的是对车辆的运动状态x（k）和系统的配准参数η 进行估计。采用最大值期望（Expectation Maximization）算法和卡尔曼滤波平滑算法推导联合配准和融合估计模型，以对车辆的运动状态和传感器配准参数进行迭代估计。采用的基于最大值期望算法的联合配准与融合算法框图如图3 所示。

图3 基于最大值期望算法的联合配准与融合算法框图

2 实验平台搭建

采用Monte Carlo 仿真实验方法验证算法的导航性能以及车辆间通讯误差对导航精度的影响，并找出在多大的通讯误差下，将车辆本身的多传感器信息与经通讯获得导航信息进行融合会提高车辆导航精度。

采用两辆小型车模搭建实物实验平台，其上均安装GPS 和超声波测距模块，以及Zigbee 通讯模块和嵌入式单片机，两辆车前后行进时通过Zigbee 通讯系统相互分享各自的传感器导航信息，在各自嵌入式单片机中，对车辆本身的多传感器导航信息和经由Zigbee 通讯获得的相邻车辆的导航信息进行融合，并验证导航精度。

本研究采用仿真实验和半实物实验相结合的办法进行算法开发与验证。在仿真实验中，借助计算机，仿真产生车辆的运行轨迹和车辆多传感器的测量数据，并基于这些仿真数据进行研究开发。在半实物实验中，基于实验车模搭载GPS、超声波测距模块和Zigbee 通讯模块等，采用嵌入式单片机进行信息融合处理，从而验证所提算法的性能并进行应用开发。

3 结语

通过采用多传感器系统，能提高智能交通导航精度和协同驾驶能力，从而可缓解交通拥堵现象。本文提出一种多传感器融合的车辆协同驾驶技术。将这些传感器及其子系统有机地组合起来，对多传感器及其子系统进行有效管理、控制、决策、故障诊断，提高整个导航系统的综合性能。在前期的研究工作基础上，将车载多传感器的配准和融合作为一个整体进行研究，基于最大期望算法提出一种联合估计配准参数与车辆位置速度等状态的信息融合算法。在未来工作中，将对搭建好的实验平台进行可行性和性能的测试。