针对弯道场景的角毫米雷达数据处理研究

何佳 郭蓬 唐风敏 张正奇 夏显召

摘 要：车辆盲区监测系统作为辅助驾驶员视角的系统，对减少驾驶员观测盲区具有重要意义。角毫米波雷达数据基于直角坐标系进行数据处理，而当车辆处于弯道行驶时，常用方法很难判断后方车辆是否与本车辆在同一车道上。基于此，提出基于车辆转向模型和最小二乘法轨迹圆拟合相结合的道路曲率计算方法，从而判断其它车辆与本车之间的相对车道位置，以此推测其它车辆是否对本车的正常行驶带来危险，从而当车辆在弯道行驶时降低盲区监测系统的误报率。

关键词：盲区监测;转向模型;道路曲率

中图分类号：TN95  文献标识码：A  文章编号：1671-7988（2020）17-46-03

Research on Data Processing of Angular Radar for Curve Scene*

He Jia， Guo Peng， Tang Fengmin， Zhang Zhengqi， Xia Xianzhao

（ China Automotive Technology&Research Center Co. Ltd Automotive Engineering Research Institute， Tianjin 300300 ）

Abstract： As an assistant driver's visual angle system， vehicle blind area monitoring system is of great significance to reduce the blind area observed by drivers. The data of the angular radar is processed based on the rectangular coordinate system， but when the vehicle is in a curve， it is difficult to judge whether the rear vehicle is in the same lane with the vehicle. Based on this， a road curvature calculation method based on the combination of the vehicle steering model and the least square method of track circle fitting is proposed to judge the relative lane position between other vehicles and the vehicle， so as to speculate whether other vehicles bring danger to the normal driving of the vehicle， so as to reduce the false alarm rate of the blind area monitoring system when the vehicle is driving in the curve.

Keywords： Blind area monitoring; Steering model; Road curvature

CLC NO.： TN95  Document Code： A  Article ID： 1671-7988（2020）17-46-03

引言

由于車辆自身结构设计以及驾驶员注意力不集中的问题，驾驶员驾驶车辆时不可避免的存在视觉盲区，驾驶员视觉盲区分为多种，对驾驶员影响最大的视觉盲区为后视镜盲区，其后方的车辆或行人如果处于后视镜盲区内，由于驾驶员无法对其进行观测，将对驾驶员的安全带来潜在危险[1-3]。当车辆行驶在弯道时，由于驾驶员视觉差异问题，不能很好判断后方车辆与驾驶员驾驶的车辆之间的车道关系。如图1所示，内侧车道车辆在弯道行驶时，外侧车道车辆可能位与其正后方，然而由于道路曲率，外侧车道车辆与内侧车道车辆相互之间不会存在碰撞危险。如高速行驶时，后方车辆加速从左右两侧车道进行超车时，盲区监测系统如果进行报警，将严重影响驾驶员对盲区监测系统的信任度和降低系统舒适性。为有效的保证盲区监测系统报警的有效性，需要对车道处于弯道行驶时角毫米波雷达数据进行特殊处理。为解决车辆弯道行驶问题，建立基于车辆转向模型的道路曲率计算方法，主要通过车辆的方向盘角度、4轮车速和转向灯信号进行综合判断，从而综合分析车辆驶行状态，计算出准确的道路曲率[4-6]。

1 道路曲率计算

根据阿克曼转向几何模型，建立如图2所示的车辆转向模型，δ0和δi分别为外侧前轮和内侧前轮偏角，L为车辆轴距， 为车辆轮距，R为车辆转向时的转弯半径，O为转向基准点[7]。

当道路转弯半径较大时，可认为车辆后轮偏角为0，且前轮内外侧偏角相等。则转向半径为：

（1）

（2）

式中，φ为方向盘转角，k为方向盘传动比。

根据式1-2得到的转弯半径为瞬时转弯半径，不能根据瞬时转弯半径来得到道路转弯半径，如车辆前方突然出现一个障碍物，驾驶员为躲避障碍物，瞬时转动方向盘，其得到的转弯半径数据跟实际道路设计半径出入较大，为解决此类问题，为解决此问题，需要建立汽车运动学模型，对车辆行驶轨迹进行计算，使用最小二乘法对车辆行驶轨迹进行圆拟合，得到转弯半径，从而综合判断道路真实的设计半径。

根据文献将车辆简化为自行车模型，整个自行车模型的输入控制量为（vt， δf），图中δf为前轮偏角，δr为后轮偏角，υ为车辆的速度，x为车辆的X轴坐标，y为车辆的Y轴坐标，ψ为车辆的航向角，lf为车辆质心到前轴的距离，lr为车辆质心到后轴的距离[8-11]。则车辆的运动学模型公式如下：

（3）

（4）

（5）

（6）

（7）

（8）

式中，（xr（t），yr（t），θ（t））为t时刻车辆在局部坐标系下的参数信息，包括X轴坐标xr（t），Y轴坐标yr（t）和航向角θ（t）， 为t时刻车辆左后轮车速， 为t时刻车辆右后轮车速，△t为时间改变量，srl（△t）t为t时刻至t+△t时刻车辆左后轮走过的距离，srr（△t）t为t时刻至t+△t时刻车辆右后轮走过的距离，s（△t）t为t时刻至t+△t时刻车辆走过的距离，xr（t+△t）为t时刻至t+△t时刻车辆在局部坐标系下沿X轴方向走过的距离，yr（t+△t）为t时刻至t+△t时刻车辆在局部坐标系下沿Y轴方向走过的距离，θ（t+△t）为t+△t时刻车辆在局部坐标系下的航向角。

根据车辆自行车模型可得到车辆的行驶轨迹，驶行轨迹使用最小二乘法进行数据拟合，假设参与拟合的轨迹位置数据集为Q{（x0，y0），（x1，y1），…， （xn，yn）}，Q为一段时间内的车辆轨迹点数据，则根据最小二乘法公式：

（9）

（10）

（11）

（12）

（13）

（14）

（15）

（16）

（17）

（18）

（19）

公式（9-17）可得到擬合圆半径，式中，H11、H12、H22、H1、H2、a、b、c为中间变量，没有实际含义，R2为使用最小二乘法拟合汽车驶行轨迹数据得到的圆半径，（xO， yO）为车辆转弯时的转向原点。

根据式1和式17，得到两个车辆转弯半径，由于R1为瞬时数据得到的瞬时转弯半径，R2为根据建立简单车辆运动学模型，使用车辆后轴内外侧车轮车速进行累积得到的轨迹，其随着时间的推移，其得到的轨迹数据值误差越来越大，从而得到的车辆转弯半径可靠性也越来越低。为准确的轨迹道路曲率，需要综合分析R1和R2的值。

当瞬时车辆转弯半径R1相邻两时刻其值变化较大时，可认为车辆处于非正常状态，根据式1计算得到的车辆转弯半径不等于道路转弯半径。根据公式1，相邻时刻的转弯半径变化率如下：

（20）

式中： 表示t+1时刻根据公式1计算得到的车辆转弯半径， 为t时刻根据公式1计算得到的车辆转弯半径。

当γrate大于γ0时，γ0为一个事先设定设定的阈值。说明t+1时刻横向上发生剧烈变化，应使用式17计算道路曲率，得到的车辆转弯进行即可认为是道路半径R，同时将Q数据清零，重新对车辆的轨迹进行累加。当γrate小于γ0时，可认为道路设计半径R可直接由公式1计算可得。

2 角毫米波雷达目标判断

如图3所示，由于车辆驶行道路转弯半径已确定，且根据角毫米波雷达监测反馈目标值，可得到如图3所示的目标距离值di，从而可以确定其它车辆相对道路设计转向中心点O（xO， yO）之间的距离d：

（21）

当d-R大于一个车道的设计宽度时，说明其它车辆与本车之间的车道间距大于一个车道，则盲区监测系统对此类车辆不需要进行预警，从而提高盲区监测系统的可靠性，提高驾驶员对盲区监测系统的信任度。

参考文献

[1] 刘保祥.基于毫米波雷达的汽车盲区监测系统研究[J].北京汽车， 2019（05）：21-23+34.

[2] 唐志祥，费成，顾静波，张建飞.汽车行车盲区实时监测系统的设计[J].电脑知识与技术，2013，9（05）：1196-1197.

[3] 张兢，张莉楠，李小红，李岳.24GHz MFSK车载雷达盲区监测系统设计[J].火控雷达技术，2019，48（03）：13-17.

[4] 孙元峰.一种基于毫米波雷达的汽车盲区监测系统开发及测试应用[J].电子技术与软件工程，2019（11）：126-128.

[5] 孙会明.基于毫米波雷达的汽车开门防撞预警关键技术研究[D].扬州大学，2018.

[6] 李艺.盲区监测系统的场地测试评价方法研究[C].中国汽车工程学会（China Society of Automotive Engineers）.2018中国汽车工程学会年会论文集.中国汽车工程学会（China Society of Automo -tive Engineers）：中国汽车工程学会，2018：146-151.

[7] 许晓梅.汽车转向系统典型模型的对比研究[D].吉林大学，2012.

[8] 李华俊.盲区监测变道辅助系统标定方法的研究[J].汽车电器， 2017（09）：7-11.

[9] 张正轩.重卡驾驶员视野盲区监控系统研究[D].长安大学，2017.

[10] 郭璧玺，杜兴乐，陶小松.基于纯追踪模型的算法改进[J].汽车实用技术，2019（15）：32-34.

[11] 李金良，郝亮，曹植.基于模型预测控制的无人驾驶汽车的轨迹跟踪[J].汽车工程师，2017（10）：33-35.