一种车辆及其横向定位方法、系统与流程

本发明属于车辆定位，具体涉及一种车辆及其横向定位方法、系统。

背景技术：

1、车辆横向控制时，需获取车辆在当前道路的绝对位置以及相对位置，即实时准确获取车辆在当前交通环境中的横向位置，是实现车辆的横向控制的前提。

2、当前车辆横向位置的获取主要通过以下方式：激光雷达：通过三维点云数据的匹配，获取车辆的绝对或相对位置，用于车辆的横向控制输入；视觉传感器，通过获取车道线信息，横向控制系统实现车道保持；高精度地图：通过组合导航系统确定车辆绝对位置，横向控制系统可使得车辆按预期路径行驶。但是当前车辆横向位置的获取方式存在如下问题：基于激光雷达的定位方法是通过多线激光雷达的点云数据进行特征匹配，但因激光雷达的数据量大，在雨雪天等条件下表现不佳，实时性不强；基于视觉传感器的定位方法，在雨雪、雾霾等光线不良时视觉传感器无法准确获取车道线信息，适用性较差；基于高精度地图的车辆横向位置确定方法，依赖于组合导航系统来确定车辆的位置信息，因此当定位系统或激光雷达或视觉传感器等因环境因素无法感知周边障碍物信息时，车辆无法通过高精度地图实时获取车辆在当前道路中的横向位置。

3、因此现有技术的车辆横向位置的获取方式易受环境的影响，使得无法准确定位车辆所处位置，而基于上述的车辆横向位置的获取方式，来实现车辆的横向控制时，在出现雨雪天或大雾天气等定位系统会受到干扰的环境时，若驾驶员或安全员不能及时接管车辆，由于车辆定位不准确导致车辆的横向控制不可靠，进而会导致车辆的行驶安全问题。

技术实现思路

1、本发明的目的在于提供一种车辆及其横向定位方法、系统，用以解决现有技术在车辆横向定位时易受环境的影响导致车辆无法准确横向定位的问题。

2、为解决上述技术问题，本发明提供了一种车辆横向定位方法，包括如下步骤：

3、1)通过毫米波雷达实时获取车辆周围设定范围内的障碍物信息；所述障碍物信息包括障碍物位置以及相对速度；

4、2)根据所述相对速度与当前车速，筛选出静态障碍物；

5、3)根据静态障碍物的障碍物位置，拟合出车辆所处位置的道路边界线；

6、4)根据拟合结果获取车辆距道路边界线的横向距离，以实现车辆横向定位。

7、其有益效果为：毫米波雷达具备优异的环境适应性，具有穿透雨雪、烟、灰尘和雾的能力，可全天候工作的特点，且对金属或含金属物体等障碍物的检测灵敏度高，是目前高级驾驶辅助系统中常用的传感器，因此基于毫米波雷达的优异特性，使用毫米波雷达进行车辆横向定位时不会受到雨雪雾等环境的影响，避免了定位传感器易受环境影响而导致定位传感器不能正常工作的状况。现有技术中常使用毫米波雷达检测动态障碍物，而本发明利用毫米波雷达对车辆横向定位时，通过毫米波雷达能够获取障碍物的位置以及速度的特点，在获取障碍物中筛选静态障碍物，并基于获取静态障碍物的信息，能够准确拟合出车辆所处环境的道路边界线，进而再根据车辆相对于道路边界线的距离获取车辆横向定位，因此基于毫米波雷达的车辆横向定位方法，能够准确确定车辆距道路边缘的距离，实现了车辆的横向定位。即本发明的车辆横向定位方法能够在雨雪雾的环境下，依旧能够可靠实现车辆横向定位，即能够为车辆横向定位系统提供安全技术冗余。

8、进一步地，步骤3)中，通过对静态障碍物进行聚类，对聚类结果进行拟合，确定道路边界线；所述聚类方法为：采用k-中心点算法对静态障碍物的位置信息进行聚类，得到各个聚类的中心点，各个聚类的中心点即为聚类结果。

9、将静态障碍物进行聚类，以使同一个类内的数据对象的相似性尽可能大，而不在同一个类内的数据对象的差异性也尽可能大，消除或降低由于其他干扰或噪音对系统的影响，即聚类结果为剔除了先前获取的障碍物中影像道路边界线拟合准确性的数据，进而使得在将静态障碍物的分类结果进行拟合时，得到的道路边界线更为准确。k-中心点算法步骤为：确定聚类的个数k，在所有数据集合中选取k个点作为各个聚簇的中心点，将其余所有点与k个中心点进行距离比较，对于其中一个点来说选取k个中心点中距离最近的中心点，将此中心点所在的聚簇作为此点所述的聚簇，进而完成其余所有点的分类，然后针对同一聚簇选取该聚簇内与处自身点的其余点距离之和最小的点作为该聚簇的新中心点，若所有聚簇的新中心点与原中心点相同，则完成聚簇中心点的选取，若不同则以新中心点作为各个聚簇的中心点，重新进行除中心点外的点的分类，直到各个聚簇的中心点不再改变。即k-中心聚类算法计算的是某点到其它所有点的距离之和最小的点，通过距离之和最短的计算方式可以减少某些孤立数据对聚类过程的影响，从而使得最终效果更接近真实划分。

10、进一步地，所述对聚类结果进行拟合的方法为：对各个聚类的中心点的位置信息进行三次函数拟合；步骤4)中，根据三次函数拟合结果中的因变量小于等于0时得到的自变量，获取车辆距道路边界线的横向距离。

11、因道路边界线存在非直线的情况，因此为了准确确定道路边界线本发明采用三次函数拟合的方式，在道路边界线为曲线时，能够拟合出曲线形式的道路边界，而二次函数或四次函数拟合方式也能够实现道路边界为曲线时的拟合，但是在三者中二次函数拟合的准确度最低，而四次函数拟合的待确定的参数最多即确定过程最为复杂，因此基于本发明的三次函数的拟合方式，在能够将准确度与复杂度相匹配来实现对道路边界线的拟合过程。

12、进一步地，步骤2)中，筛选静态障碍物的方法为：通过将相对速度与当前车速求和结果作为障碍物的绝对速度，并当障碍物的绝对速度处于设定速度范围内时，此障碍物为静态障碍物。

13、通过利用毫米波雷达获取的障碍物的相对速度，因毫米波雷达获取的障碍物的相对速度为相对于车辆的速度，因此将此相对速度与车辆车速进行求和后，获取的即为障碍物的绝对速度，而静止的障碍物绝对速度应为0，但是基于数据获取的误差性，可能使得本应为0的相对速度不为0但依旧接近于0，因此本发明是在绝对速度处于设定速度范围内时，将对应的障碍物判定为静止障碍物，此过程避免了筛选静止障碍物时因数据获取误差的影响遗漏了本为静止障碍物的情况。

14、进一步地，步骤4)中，根据获取的车辆距道路边界的横向距离以及车辆行驶区域，预测行驶区域和道路边界有无碰撞点；当行驶区域和道路边界有碰撞点，且车辆处于非高级辅助驾驶模式时，向驾驶员预警；当行驶区域和道路边界有碰撞点，且车辆处于高级辅助驾驶模式时，主动干预车辆的横纵向控制，以避免车辆发生碰撞。

15、本发明的车辆横向定位方法能够在雨雪雾的环境下，依旧能够可靠实现车辆横向定位，因此基于本发明的定位方法，能够为车辆横向定位系统提供安全技术冗余。

16、为解决上述技术问题，本发明还提供了一种车辆横向定位系统，包括定位传感器以及控制系统，所述定位传感器为毫米波雷达，用于实时获取车辆周围设定范围内的障碍物信息；所述障碍物信息包括障碍物位置以及相对速度；所述控制系统包括处理器，处理器用于执行指令实现如下步骤：

17、1)根据所述相对速度与当前车速，筛选出静态障碍物；

18、2)根据静态障碍物的障碍物位置，拟合出车辆所处位置的道路边界线；

19、3)根据拟合结果获取车辆距道路边界线的横向距离，以实现车辆横向定位。

20、其有益效果为：毫米波雷达具备优异的环境适应性，具有穿透雨雪、烟、灰尘和雾的能力，可全天候工作的特点，且对金属或含金属物体等障碍物的检测灵敏度高，是目前高级驾驶辅助系统中常用的传感器，因此基于毫米波雷达的优异特性，使用毫米波雷达进行车辆横向定位时不会受到雨雪雾等环境的影响，避免了定位传感器易受环境影响而导致定位传感器不能正常工作的状况。现有技术中常使用毫米波雷达检测动态障碍物，而本发明利用毫米波雷达对车辆横向定位时，通过毫米波雷达能够获取障碍物的位置以及速度的特点，在获取障碍物中筛选静态障碍物，并基于获取静态障碍物的信息，能够准确拟合出车辆所处环境的道路边界线，进而再根据车辆相对于道路边界线的距离获取车辆横向定位，因此基于毫米波雷达的车辆横向定位方法，能够准确确定车辆距道路边缘的距离，实现了车辆的横向定位。即本发明的车辆横向定位方法能够在雨雪雾的环境下，依旧能够可靠实现车辆横向定位，即能够为车辆横向定位系统提供安全技术冗余。

21、进一步地，步骤2)中，通过对静态障碍物进行聚类，对聚类结果进行拟合，确定道路边界线；所述聚类方法为：采用k-中心点算法对静态障碍物的位置信息进行聚类，得到各个聚类的中心点，各个聚类的中心点即为聚类结果。

22、将静态障碍物进行聚类，以使同一个类内的数据对象的相似性尽可能大，而不在同一个类内的数据对象的差异性也尽可能大，消除或降低由于其他干扰或噪音对系统的影响，即聚类结果为剔除了先前获取的障碍物中影像道路边界线拟合准确性的数据，进而使得在将静态障碍物的分类结果进行拟合时，得到的道路边界线更为准确。k-中心点算法步骤为：确定聚类的个数k，在所有数据集合中选取k个点作为各个聚簇的中心点，将其余所有点与k个中心点进行距离比较，对于其中一个点来说选取k个中心点中距离最近的中心点，将此中心点所在的聚簇作为此点所述的聚簇，进而完成其余所有点的分类，然后针对同一聚簇选取该聚簇内与处自身点的其余点距离之和最小的点作为该聚簇的新中心点，若所有聚簇的新中心点与原中心点相同，则完成聚簇中心点的选取，若不同则以新中心点作为各个聚簇的中心点，重新进行除中心点外的点的分类，直到各个聚簇的中心点不再改变。即k-中心聚类算法计算的是某点到其它所有点的距离之和最小的点，通过距离之和最短的计算方式可以减少某些孤立数据对聚类过程的影响，从而使得最终效果更接近真实划分。

23、进一步地，所述对聚类结果进行拟合的方法为：对各个聚类的中心点的位置信息进行三次函数拟合；步骤3)中，根据三次函数拟合结果中的因变量小于等于0时得到的自变量，获取车辆距道路边界线的横向距离。

24、因道路边界线存在非直线的情况，因此为了准确确定道路边界线本发明采用三次函数拟合的方式，在道路边界线为曲线时，能够拟合出曲线形式的道路边界，而二次函数或四次函数拟合方式也能够实现道路边界为曲线时的拟合，但是在三者中二次函数拟合的准确度最低，而四次函数拟合的待确定的参数最多即确定过程最为复杂，因此基于本发明的三次函数的拟合方式，在能够将准确度与复杂度相匹配来实现对道路边界线的拟合过程。

25、进一步地，步骤1)中，筛选静态障碍物的方法为：通过将相对速度与当前车速求和结果作为障碍物的绝对速度，并当障碍物的绝对速度处于设定速度范围内时，此障碍物为静态障碍物。

26、通过利用毫米波雷达获取的障碍物的相对速度，因毫米波雷达获取的障碍物的相对速度为相对于车辆的速度，因此将此相对速度与车辆车速进行求和后，获取的即为障碍物的绝对速度，而静止的障碍物绝对速度应为0，但是基于数据获取的误差性，可能使得本应为0的相对速度不为0但依旧接近于0，因此本发明是在绝对速度处于设定速度范围内时，将对应的障碍物判定为静止障碍物，此过程避免了筛选静止障碍物时因数据获取误差的影响遗漏了本为静止障碍物的情况。

27、进一步地，步骤3)中，根据获取的车辆距道路边界的横向距离以及车辆行驶区域，预测行驶区域和道路边界有无碰撞点；当行驶区域和道路边界有碰撞点，且车辆处于非高级辅助驾驶模式时，向驾驶员预警；当行驶区域和道路边界有碰撞点，且车辆处于高级辅助驾驶模式时，主动干预车辆的横纵向控制，以避免车辆发生碰撞。

28、本发明的车辆横向定位方法能够在雨雪雾的环境下，依旧能够可靠实现车辆横向定位，因此基于本发明的定位方法，能够为车辆横向定位系统提供安全技术冗余。

29、进一步地，所述毫米波雷达设置于车辆前侧且相对于车辆横向的中心位置处。

30、通过将毫米波雷达设置于车辆前进行驶方向的前侧，以使毫米波雷达识别到车辆将要行驶的路段内的情况，进而能够为车辆行驶进行预测以及相应预警或控制，并且将毫米雷达设置于车辆横向的中心位置处，因车辆横向的中心位置处距车辆两侧边缘的距离相等，因此基于本发明的中心位置处的设置，能够使用同一阈值进行启动状态预警或控制，减少了数据存储的过程，也避免了存储两个不同阈值而在阈值获取错误后，对控制策略造成影响，进而影响车辆行驶安全的问题。

31、为解决上述技术问题，本发明还提供了一种车辆，包括上述介绍的车辆横向定位系统，并与该系统到达同样的效果。