高速公路汽车行驶环境及状态实时感知与判断技术研究

开展汽车行驶环境及运动状态识别估计研究，并进行高速公路侧翻、车道偏离及前向碰撞等危险的预测和判断，对减少高速公路重大交通事故的发生具有显著意义。本课题首先通过多传感器集成与车辆纵向、侧向动力学分析技术，实时估计车辆纵向速度、侧倾角和侧倾角速度、路面附着状况等参量；通过基于视觉传感器和道路模型车道线识别技术，解决曲线道路等工况下的车道线/道路边界识别问题；通过基于毫米波雷达与车载视觉信息的多级融合结构，进行前方车辆的识别与跟踪，解决雷达误报和曲线行驶目标探测问题，同时准确提供前方车辆的纵向和侧向位置信息。然后根据车辆当前行驶环境和运行状态的分析，进行车辆侧翻、偏离行驶车道、前向碰撞等高速公路行驶重大危险的预测和判断技术研究。此外，本课题基于ADSP-BF561双核DSP搭建实车试验平台，对系统算法的实时性和可行性进行验证。

开展汽车行驶环境及运动状态识别估计研究，并进行高速公路侧翻、车道偏离及前向碰撞等危险的预测和判断，对减少高速公路重大交通事故的发生具有显著意义。.本课题对汽车防滑控制系统中车速估计的技术难点做了深入研究，提出了一种基于车轮转速信息的防滑控制系统中获取车辆纵向行驶速度信息的方法,该方法采用分段综合方法仅基于车轮转速信息实时估计汽车纵向行驶速度；引入接近度和特征可信度的概念，提出了基于路面特征参数和防抱过程特征的综合路面识别方法；以车辆动力学特性为切入点，分析正常驱动状态下滑转率与车身加速度的关系，利用同一车身加速度下不同的滑转率来对驱动工况下的路面状况进行分类。.对高速公路基于视觉的车道线识别方法进行了深入研究，提出一种基于动态区域规划的双模型结构化道路车道线检测方法。试验结果表明，该方法具有较强的准确性和鲁棒性。为提高先进驾驶员辅助系统对车辆前方环境识别的准确性，提出了一种基于雷达和视觉传感器信息融合的车辆识别方法。该算法弥补了单一传感器在车辆识别过程中的不足，实验证明算法具有较强的环境适应性和准确率。.此外，本课题还开展了纵向安全状态的判断技术研究。为了准确的判断当前工况的危险程度，在充分利用已知车间运动信息的基础上，提出了避撞时间余量的概念，设计了一种基于避撞时间余量的分级报警和主动制动避撞策略。提出了以车辆横向载荷转移率作为侧翻危险判断依据，并基于侧翻预测时间来进行侧翻预警。.为验证算法的可行性，选择ADI公司的ADSP-BF651系统作为图像信息处理平台，并基于Visual C++设计了上位机采集软件。.本项目公开发表学术论文12篇，其中被EI收录11篇，申请国家发明专利3项，培养研究生4名。