车载毫米波雷达对前方目标的运动状态估计

基于对汽车前方目标运动特点和车载雷达信息检测机理的分析,在大地坐标系、本车的车辆运动坐标系和车载雷达运动坐标系的相对运动关系基础上,考虑了地面车辆运动以地表平面上二维运动为主、机动性小、跟踪坐标系运动的特点,建立了基于车载雷达运动坐标系的前方目标的运动状态模型。并考虑到系统过程噪声及雷达等车载传感器观测噪声的统计特性难以事先确定的问题,采用自适应卡尔曼滤波算法实现了前方目标的侧纵向速度和侧纵向位置等运动状态的完备准确实时估计。最终通过真实道路交通环境下装备毫米波雷达和高精度汽车状态测试系统的实车对比试验,对算法的可行性和估计精度进行了试验验证,试验结果显示:估计结果具有良好的精度,且长时间跟踪过程中滤波收敛稳定。

基于车辆前方目标运动模型的主动避撞系统的研究

为提高毫米波雷达在探测目标运动状态方面的精确性,针对车辆前方目标运动特点,基于目标运动模型,采用卡尔曼滤波跟踪方法,根据城市道路车辆行驶的实际情况,选取当前统计模型作为机动目标模型,采用基于当前统计模型的卡尔曼滤波跟踪算法,应用Simulink搭建仿真模型,就匀速运动、匀加速运动及变加速运动3种前方目标行驶工况进行目标跟踪仿真对比试验。仿真结果表明:该算法可用于3种工况的目标跟踪,且误差小,具有良好的跟踪效果。搭建实车试验平台,采用一种安全距离模型,对目标跟踪算法进行实车试验。结果表明:使用该算法后车辆避免了碰撞,所建立的模型是可靠的。

缩微智能车目标检测系统的设计与仿真

为实现对车辆前方目标检测,提出并模拟了一种对缩微智能车前方目标进行检测的方案.在交通沙盘中,搭载ARM9开发板的缩微智能车,通过多种传感器数据融合采集缩微智能车的前方目标信息,然后再对数据进行集中处理.处理过程包括对视觉数据进行行人识别、对雷达数据进行目标状态分析,以及对通信数据进行分包,最后将数据包发送到监控平台完成前方运动目标信息的实时显示.仿真结果表明:该系统实现了对缩微智能车前方目标信息的实时采集,其采集精度和系统稳定性优于传统的目标运动信息采集系统.