一种基于多传感器联合配准融合的驾驶系统和融合方法

本发明涉及一种驾驶系统，具体涉及一种基于多传感器联合配准融合的驾驶系统和融合方法。

背景技术：

研究表明在组合导航系统中采用多传感器信息融合技术可以扩展整个系统的时间和空间覆盖率，增加系统的信息利用率，提高融合数据的置信度和精度，增强系统的容错性和可靠性。

尽管对单个车辆的多传感器集成有了一些研究，但考虑车辆之间通讯的信息融合研究较少，且现有的车辆之间通讯的信息融合是在假设车辆之间通讯没有任何误差的情况下进行的，但实际应用中，车辆之间的通讯必然会受到各种干扰因素的影响，存在通讯误差以及通讯中断等，故得到的车辆导航精度差。

技术实现要素：

针对上述现有技术存在的问题，本发明提供一种基于多传感器联合配准融合的驾驶系统和融合方法，该系统和方法考虑车辆之间通讯的信息融合，能够将车辆本身的多传感器信息与经通讯获得的导航信息进行融合，提高车辆导航精度。

为了实现上述目的，本发明提供一种基于多传感器联合配准融合的驾驶系统，包括相互通信的前车和后车，所述前车和后车上均设置有信息传感单元、通信单元、控制单元和信息融合单元；

所述信息传感单元包括gps传感器、激光雷达测距传感器和超声波测距传感器，gps传感器用于接收卫星信号，对当前车辆进行实时定位；激光雷达测距传感器用于实时获取当前车辆与前车或后车的雷达测距信息；超声波测距传感器用于实时获取当前车辆与前车或后车的超声波测距信息；

所述通信单元包括信号接收传感器和信号发射传感器，所述信号接收传感器用于接收信息传感单元的信息数据信号，信号发射传感器用于将接收到的信息传感单元的信息数据信号发送至信息融合单元；

所述控制单元包括自动转向控制机构、自动油门控制机构、车辆自动制动机构和自动灯光系统；

所述信息融合单元采用车载控制芯片，用于综合本车的gps信息、当前车辆与前车或后车的雷达测距信息、当前车辆与前车或后车的超声波测距信息以及通过通信单元获取的前车或后车传感器获得的gps信息、前车或后车与当前车的雷达测距信息、前车或后车与当前车辆的超声波测距信息并融合通讯误差，进而判断当前车辆相对于前车或后车的运动状态，并通过向控制单元发送指令调整车辆行驶状态。

进一步地，所述通信单元采用基于专用短程的通讯协议或zigbee通讯协议进行通信。

一种基于多传感器联合配准融合的驾驶系统的融合方法，包括如下步骤：

1)通过gps获取车辆信息，用公式表示为：

式中：为通过gps获得的包含测量误差的车辆位置信息，为通过gps获得的包含测量误差的车辆速度信息；pn(k)为车辆实时位置信息，vn(k)为车辆实时速度信息；τ^g为系统时间偏差，和为高斯白噪声以表示gps的随机测量误差；

2)对步骤1)中的gps信息进行简化，简化后的公式为：

其中，

3)通过激光雷达测距传感器获取当前车辆与前车或后车的雷达测距信息，用公式表示为：

z^r(k)＝h^r(x1(k),x2(k))+η^r+v^r(k)，

式中，z^r(k)为后车的激光雷达测距传感器获得的前车相对于后车的距离和方位信息，h^r(·)为激光雷达测距传感器的测量函数，η^r为激光雷达测距传感器的系统偏差，v^r(k)为高斯白噪声以表示激光雷达测距传感器的随机测量误差；

4)通过信息融合单元收集单个车辆的运动状态，用公式表示为：

xn(k)＝fnxn(k-1)+wn(k-1)，

其中，n的取值为1或2，当n取1时表示后车，n取2时表示前车，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))为车辆的运动状态，k为各离散时刻；

扩维状态的当前车辆的运动状态用公式表示为：

x(k)＝fx(k-1)+w(k-1)，

其中，

融合信息单元中收到的前车的包含通讯误差的gps信息用公式表示为：

其中：为后车可通过车辆间的通讯获得前车的gps测量数据，ξ(k)和γ(k)是服从两点分布的白噪声变量；

5)得到经融合信息单元融合后的车辆运动状态，用公式表示为：

z(k)＝h(x(k),ξ(k),γ(k),η)+v(k)，

其中，

本发明通过在相互通信的前车和后车上设置信息传感单元、通信单元、控制单元和信息融合单元，其中，信息融合单元采用车载控制芯片，用于综合本车的gps信息、当前车辆与前车或后车的雷达测距信息、当前车辆与前车或后车的超声波测距信息以及通过通信单元获取的前车或后车传感器获得的gps信息、前车或后车与当前车的雷达测距信息、前车或后车与当前车辆的超声波测距信息并融合通讯误差，进而判断当前车辆相对于前车或后车的运动状态，并通过向控制单元发送指令调整车辆行驶状态，实现了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，充分融合了车辆之间通讯的误差信息，大大提高了车辆导航精度。

附图说明

图1是本发明的结构示意图；

图2是本发明信息融合原理流程图。

具体实施方式

下面结合附图对本发明作进一步说明。

如图1所示，一种基于多传感器联合配准融合的驾驶系统，包括相互通信的前车和后车，所述前车和后车上均设置有信息传感单元、通信单元、控制单元和信息融合单元；

所述信息传感单元包括gps传感器、激光雷达测距传感器和超声波测距传感器，gps传感器用于接收卫星信号，对当前车辆进行实时定位；激光雷达测距传感器用于实时获取当前车辆与前车或后车的雷达测距信息；超声波测距传感器用于实时获取当前车辆与前车或后车的超声波测距信息；

所述通信单元包括信号接收传感器和信号发射传感器，所述信号接收传感器用于接收信息传感单元的信息数据信号，信号发射传感器用于将接收到的信息传感单元的信息数据信号发送至信息融合单元；

所述控制单元包括自动转向控制机构、自动油门控制机构、车辆自动制动机构和自动灯光系统；

所述信息融合单元采用车载控制芯片，用于综合本车的gps信息、当前车辆与前车或后车的雷达测距信息、当前车辆与前车或后车的超声波测距信息以及通过通信单元获取的前车或后车传感器获得的gps信息、前车或后车与当前车的雷达测距信息、前车或后车与当前车辆的超声波测距信息并融合通讯误差，进而判断当前车辆相对于前车或后车的运动状态，并通过向控制单元发送指令调整车辆行驶状态。

优选地，所述通信单元采用基于专用短程的通讯协议或zigbee通讯协议进行通信。

一种基于多传感器联合配准融合的驾驶系统的融合方法，包括如下步骤：

1)通过gps获取车辆信息，用公式表示为：

式中：为通过gps获得的包含测量误差的车辆位置信息，为通过gps获得的包含测量误差的车辆速度信息；pn(k)为车辆实时位置信息，vn(k)为车辆实时速度信息；τ^g为系统时间偏差，和为高斯白噪声以表示gps的随机测量误差；

2)对步骤1)中的gps信息进行简化，简化后的公式为：

其中，

3)通过激光雷达测距传感器获取当前车辆与前车或后车的雷达测距信息，用公式表示为：

z^r(k)＝h^r(x1(k),x2(k))+η^r+v^r(k)，

式中，z^r(k)为后车的激光雷达测距传感器获得的前车相对于后车的距离和方位信息，h^r(·)为激光雷达测距传感器的测量函数，η^r为激光雷达测距传感器的系统偏差，v^r(k)为高斯白噪声以表示激光雷达测距传感器的随机测量误差；

4)通过信息融合单元收集单个车辆的运动状态，用公式表示为：

xn(k)＝fnxn(k-1)+wn(k-1)，

其中，n的取值为1或2，当n取1时表示后车，n取2时表示前车，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))为车辆的运动状态，k为各离散时刻；

扩维状态的当前车辆的运动状态用公式表示为：

x(k)＝fx(k-1)+w(k-1)，

其中，

融合信息单元中收到的前车的包含通讯误差的gps信息用公式表示为：

其中：为后车可通过车辆间的通讯获得前车的gps测量数据，ξ(k)和γ(k)是服从两点分布的白噪声变量；

5)得到经融合信息单元融合后的车辆运动状态，用公式表示为：

z(k)＝h(x(k),ξ(k),γ(k),η)+v(k)，

其中，

扩维状态的当前车辆的运动状态公式和经融合信息单元融合后的车辆运动状态公式构成了系统的状态空间描述，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(expectationmaximization)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，如图2所示，e-step：根据已估计的配准参数(初始值猜测记为)，通过联合配准和融合估计模型对车辆运动状态进行估计，然后求得联合配准和融合估计问题对配准参数η^(t)的条件期望；m-step：通过使e-step求得的条件期望最大化，求取配准参数的更新通过多次迭代即可求得车辆的运动状态x(k)和配准参数η的估计值。