一种多传感器融合的倒车雷达盲区测距方法与流程

1.本发明涉及一种倒车雷达盲区测距方法，具体的说是一种多传感器融合的倒车雷达盲区测距方法，属于车载雷达技术领域。


背景技术：

2.目前的倒车辅助系统中，一般使用超声波雷达进行测距，结合后视雷达、语音播报系统为驾驶员倒车提供辅助。相比于其他非接触式测距技术，如毫米波雷达、激光雷达、双目摄像头等，超声波传感器具有成本低、环境适应性好、对控制器的算力要求不高、测距方式简单等优点，在0.25～5米的测距范围内能有较好的应用。超声波传感器的一次探测包括发波、延迟、接收三个阶段，通常使用渡越时间检测法，即探头发出声波的同时开启定时器计数，接收阶段时，传感器首次接收到能量幅值大于设定阈值的回波后，停止定时器的计数，由这个时间数据算得反弹此回波的物体的距离。超声波传感器发波后延迟能够减少附近结构反射与仪器造成的干扰，但同时也造成了超声波传感器在近距离下的检测盲区。
3.轮速传感器一般有磁电式轮速传感器和霍尔式轮速传感器两种，通常安装在后轴车轮处，以磁电式轮速传感器为例，车轮的转动带动齿圈，齿圈上的齿与间隙经过传感器的磁场改变了磁路的磁阻，使得线圈中的感应电动势发生变化，产生脉冲，被脉冲累加器记录供esp(electronic stability program车身电子稳定系统)系统使用，通过换算可以获得车辆行驶的纵向速度。但由于输出信号是脉冲值，简单计算出的车速存在不够连续的问题。
4.惯性元件为陀螺仪与加速度计，能够获得绕三轴的旋转角速度与三轴方向的加速度，常用于确定车辆的位置与姿态。但惯性元件在低速情况下的获得的加速度噪声较多，准确度不高。


技术实现要素：

5.本发明的目的是提出的一种多传感器融合的倒车雷达盲区测距方法，能够在近距离传感器盲区的情况下获取静止障碍物到车辆的距离。
6.为实现上述目的，本发明采用的技术方案如下：一种多传感器融合的倒车雷达盲区测距方法，其特征在于：包括如下具体步骤：
7.步骤1，当车辆开始倒车时，车辆的mcu通过can总线获取超声波雷达测距数据，根据起始的距离长度，构建车辆倒车距离y与时间的数据集，记录的y值小于等于25cm；
8.步骤2，所述mcu通过can总线从车辆esp系统中获取惯性元件数据及轮速传感器脉冲数据，对两个信号进行处理后获得纵向加速度与车速；
9.步骤3，对所述步骤2中获取的纵向加速度与车速进行卡尔曼滤波获得车辆行驶距离x，构建车辆行驶距离x与时间的数据集；
10.步骤4，采集到m组数据后mcu构建车辆倒车距离y与车辆行驶距离x的函数拟合，通过递归最小二乘法对拟合参数进行更新，当步骤1中记录的倒车距离y超过25cm后，重置两组数据集，保留拟合函数参数和协方差矩阵，并重复上述步骤更新拟合函数的参数；
34.其中a0,a1,a2,a3为拟合曲线参数，y
p
为拟合结果，令将样本代入上式并写成矩阵形式为：
35.y
p
＝mθ
36.其中m＝16；
37.代价函数：
[0038][0039]
对θ求偏导得：
[0040][0041]
等式求解后得：
[0042]
θ＝(m
t
m)-1mty[0043]
由此获得初始的拟合函数参数，当再次采集到16组数据时，进行递归最小二乘运算更新拟合函数参数θk：
[0044]
θk＝θ
k-1
+kk(y
k-mkθ
k-1
)
[0045]
其中为增益矩阵，k为迭代次数，rk为观测噪声，依照传感器的标定值，并更新协方差矩阵
[0046]
pk＝(i-kkmk)p
k-1
。
[0047]
进一步的，所述测距方法的系统由超声波传感器，轮速传感器，惯性元件及微控制器mcu，mcu从can总线中获得超声波传感器数据，通过can总线从车辆esp系统中获取惯性元件数据及轮速传感器脉冲数据；在超声波传感器近距离盲区范围外时输出超声波传感器探测而得的车辆与装卸平台的距离信息；在盲区范围内时输出如步骤5所述的处理后的距离观测值。
[0048]
与现有技术相比，本发明的有益效果在于：本发明解决了在超声波传感器盲区测距准确度低的问题，克服了在低速情况下惯性元件定位不准确的问题。通过使用超声波传感器对惯性元件与轮速传感器数据进行补偿，使之能应用于倒车雷达盲区内距离观测。通过多传感器的融合实现了距离障碍物0～5米的准确测距，由此解决倒车雷达在类似物流货车停靠至卸货平台这类需要盲区内准确距离的场景下应用效果不佳的问题。
附图说明
[0049]
图1是本发明的测距系统示意图。
[0050]
图2是本发明的测距方法流程图。
具体实施方式
[0051]
下面结合附图对本发明做进一步的说明。
[0052]
本实施例提出了一种多传感器融合的倒车雷达盲区测距方法，包括如下具体步骤：
[0053]
1)以物流货车倒车接近卸货平台的场景为例，车辆开始倒车后，mcu通过can总线获取超声波雷达测距数据，根据起始的距离长度，构建车辆倒车距离y与时间的数据集；
[0054]
2)mcu通过can总线从esp系统中获取惯性元件数据、轮速传感器脉冲数据，对两个信号进行处理后获得纵向加速度与车速；
[0055]
3)对步骤2)中获取的纵向加速度与车速进行卡尔曼滤波获得车辆行驶距离x，构建车辆行驶距离x与时间的数据集；
[0056]
4)采集到一定量数据后mcu构建车辆倒车距离y与车辆行驶距离x的函数拟合，通过递归最小二乘法对拟合参数进行更新，当步骤1)中记录的倒车距离y超过25cm后，重置两组数据集，保留拟合函数参数和协方差矩阵，并重复上述步骤更新拟合函数参数。
[0057]
5)当由超声波传感器获得的测距大小下降至25cm时，拟合函数参数更新完毕，将使用步骤3)中的方法生成的车辆行驶距离x代入拟合函数，由此获得补偿后的车辆行驶距离x
p
，最终计算获得在超声波传感器盲区下物流车辆距离卸货平台的距离观测值d＝25-x
p
。
[0058]
上述步骤2)中对惯性元件的输出进行限幅滤波，获得车辆的纵向加速度ao，滤波阈值取决于元件的精度；根据轮速传感器的标定数据将脉冲值转为一次脉冲过程中车辆的位移距离，并对数据进行滑动平均滤波，计算车辆行驶的速度vo。
[0059]
上述步骤3)中使用的卡尔曼滤波公式如下：
[0060]
状态量x＝[x v a]
t
，观测量z＝[v
o ao]
t
。计算先验估计值：
[0061][0062]
其中b为0；
[0063]
计算先验误差协方差：
[0064][0065]
其中q为模型的过程噪声协方差矩阵。
[0066]
计算卡尔曼增益：
[0067][0068]
其中r为观测噪声，依照传感器的标定值。
[0069]
更新误差协方差：
[0070][0071]
后验估计：
[0072]
[0073]
由此算得由惯性元件与轮速传感器数据获得的车辆行驶距离x。
[0074]
上述步骤4)中使用的递归最小二乘法公式如下：
[0075]
当采集到16组数据时，解算一次拟合参数
[0076]yp
＝a0+a1*x+a2*x2+a3*x3[0077]
使得上式写成矩阵形式为：
[0078]yp
＝mθ
[0079]
其中m＝16。
[0080]
代价函数
[0081][0082]
对θ求偏导得：
[0083][0084]
等式求解后得：
[0085]
θ＝(m
t
m)-1mty[0086]
由此获得初始的拟合函数参数，当再次采集到16组数据时，进行递归最小二乘运算更新拟合函数参数θk：
[0087]
θk＝θ
k-1
+kk(y
k-mkθ
k-1
)
[0088]
其中为增益矩阵，并更新协方差矩阵
[0089]
pk＝(i-kkmk)p
k-1
[0090]
当记录的倒车距离y超过25cm后，清空当前y、x数据数组，将倒车距离y、行驶距离x重置为0后继续采集数据，保留之前的拟合函数参数θk和协方差矩阵pk，当采集到16组后，继续使用递归最小二乘更新拟合函数参数。
[0091]
进一步地，上述测距方法的系统在超声波传感器近距离盲区范围外时输出超声波传感器探测而得的车辆与装卸平台的距离信息；在盲区范围内时输出如步骤5)所述的处理后的距离观测值。
[0092]
通过前述的设计，使用超声波传感器盲区外的测距数据为惯性元件与轮速传感器获得的位移数据生成拟合函数，对其准确度进行补偿，使之能够在低速下定位准确。当盲区外时系统使用超声波传感器测距，盲区内时使用多传感器融合的盲区测距方式进行距离观测。故本发明能够在超声波传感器盲区保持测距精度，实现了距离障碍物0～5米的准确测距，解决了倒车雷达在类似物流货车停靠至卸货平台这类需要盲区内准确距离的场景应用效果不佳的问题。
[0093]
除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形
成的技术方案，均落在本发明要求的保护范围。