本發(fā)明屬于自動化與計算機，特別多車廂鏈式車輛的防碰撞，具體涉及一種多車廂鏈式車輛的防撞預警系統(tǒng)及方法。

背景技術：

1、在現(xiàn)代交通系統(tǒng)中，多車廂鏈式車輛廣泛應用于公共交通和物流運輸中。這類車輛由于其結構特點，易受到多種因素的影響，導致碰撞事故的發(fā)生，因此設計一種針對多車廂鏈式車輛的防撞預警系統(tǒng)具有重要的應用價值。

2、中國專利申請：一種鉸鏈式車輛自動駕駛碰撞預測方法(申請?zhí)枺篶n202211437902.2)公開了一種鉸鏈式車輛的防撞預測方法，通過建立柵格地圖將車輛和障礙物投影到柵格地圖，通過運動學模型計算未來時刻的車輛位姿信息在柵格地圖的投影，并判斷是否會和障礙物的投影重合；該方案只考慮了預測車輛的位姿信息，車輛對傳感器誤差的容忍度低。

技術實現(xiàn)思路

1、本發(fā)明旨在解決以上現(xiàn)有技術的問題。提出了一種方法。本發(fā)明的技術方案如下：

2、一種多車廂的鏈式車輛防撞預警系統(tǒng)，部署于車頭和車廂，其車頭部分包含車頭數(shù)據(jù)采集模塊、車頭通信模塊、地圖模塊、位姿估計模塊與態(tài)勢估計模塊、碰撞預警模塊，車廂部分包含車廂數(shù)據(jù)采集模塊和車廂通信模塊，其中：

3、所述車頭數(shù)據(jù)采集模塊用于獲取鏈式車輛車頭位姿信息，并采集周圍環(huán)境目標數(shù)據(jù)；車廂數(shù)據(jù)采集模塊用于獲取車廂的慣性測量單元imu的數(shù)據(jù)；

4、所述車頭通信模塊用于鏈式車輛車頭接收車廂imu數(shù)據(jù)；車廂通信模塊用于給鏈式車輛車頭發(fā)送車廂imu數(shù)據(jù)；

5、所述地圖模塊用于讀取已知環(huán)境地圖，并獲取環(huán)境地圖中的已知環(huán)境目標信息；

6、所述位姿估計模塊用于通過車輛運動學模型計算車頭及各車廂的當前位姿信息，并預測未來若干時刻的車輛位姿數(shù)據(jù)；

7、所述態(tài)勢估計模塊用于分別對環(huán)境目標和鏈式車輛構建對應的態(tài)勢場，并且根據(jù)車輛位姿估計信息對鏈式車輛態(tài)勢場預測未來若干時刻的態(tài)勢場，根據(jù)環(huán)境目標的運動狀態(tài)估計對目標態(tài)勢場進行預測，將預測得到的態(tài)勢場分別進行融合得到對應的總態(tài)勢場；

8、所述碰撞預警模塊用于鏈式車輛和環(huán)境目標對應的總態(tài)勢場進行離散化、二值化得到對應的局部柵格地圖，最后將鏈式車輛、環(huán)境目標態(tài)勢場局部的柵格地圖坐標都轉換到全局柵格地圖坐標系下計算交集，判斷車輛是否存在碰撞風險，并在有碰撞風險時輸出碰撞預警信息。

9、一種基于所述系統(tǒng)的多車廂的鏈式車輛防撞預警方法，其包括以下步驟：

10、2.1數(shù)據(jù)采集：

11、車頭數(shù)據(jù)采集：車頭數(shù)據(jù)采集模塊0獲取車頭位姿信息并實時獲取周圍的環(huán)境信息，獲取環(huán)境目標信息目標信息的速度、位置坐標用五元組表示其中表示k時刻目標的x，y坐標，表示k時刻目標x，y的線速度，表示k時刻目標的方向角。

12、車廂數(shù)據(jù)采集：車廂i的數(shù)據(jù)采集模塊采集獲取每個車廂的imu數(shù)據(jù)，其中i＝1,2,…,n，表示第i節(jié)車廂，車頭編號為0；

13、2.2通信：車廂i的通信模塊向車頭的通信模塊發(fā)送車廂的imu的數(shù)據(jù)信息，車頭通信模塊接收；

14、2.3地圖導入：地圖模塊導入已知環(huán)境地圖，獲取環(huán)境地圖目標信息；

15、2.4車輛位姿估計：基于鏈式車輛的運動學模型，并根據(jù)車頭傳感器獲取位姿信息和車廂的imu數(shù)據(jù)信息，估計鏈式車輛當前時刻k車頭及各車廂位姿信息，并預測未來時刻鏈式車輛的位姿；

16、2.5態(tài)勢估計：根據(jù)鏈式車輛的位姿信息，分別構建鏈式車輛車頭和車廂的態(tài)勢場，并根據(jù)鏈式車輛的位姿估計預測車輛各節(jié)車廂未來時刻τ的態(tài)勢場，再將各節(jié)車廂態(tài)勢場融合整體鏈式車輛態(tài)勢場。根據(jù)已知環(huán)境目標信息和目標檢測信息構建環(huán)境中的靜止、固定和動態(tài)目標態(tài)勢場，對目標的運動估計預測未來時刻τ的環(huán)境目標態(tài)勢場，將所有目標態(tài)勢場融合得到整體目標態(tài)勢場；

17、2.6碰撞預警：設置鏈式車輛碰撞安全閾值，將車輛態(tài)勢場和環(huán)境目標態(tài)勢場離散化，并通過安全閾值將其二值化，得到對應的局部柵格地圖，最后將鏈式車輛、環(huán)境目標態(tài)勢場局部柵格地圖坐標都轉換到全局柵格地圖坐標系下計算交集，并通過碰撞預警函數(shù)falert來計算車輛是否會發(fā)生碰撞，如果會發(fā)生碰撞則輸出碰撞預警信息。

18、進一步的，所述步驟2.4的位姿估計方法，具體包括以下步驟：

19、3.1車輛位姿計算：根據(jù)鏈式車輛的運動學模型，車廂i+1與車廂i存在如下位姿關系；

20、

21、其中，i＝0,1,2…；l0是車頭的軸距；li表示車廂i的軸距；表示k時刻車廂i與車廂i+1之間的轉彎折角，是車廂i在k時刻的朝向角；

22、根據(jù)傳感器獲取k時刻鏈式車輛車頭位姿信息表示車輛車頭k時刻的位置坐標；表示車頭k時刻的速度；表示車頭k時刻的朝向角。根據(jù)公式(1)依次計算各節(jié)車廂的位姿。

23、3.2車輛位姿預測：

24、時刻k+τ車頭位姿：根據(jù)k時刻獲取的車頭位姿信息預測未來τ時刻位姿

25、

26、其中，δ是車頭前輪轉角；

27、時刻k+τ車廂位姿：根據(jù)所述鏈式車輛的車體參數(shù)和鉸鏈折角已知k+τ車頭的位姿信息，通過運動學模型預測車廂i的位姿信息，車廂的位姿信息預測同公式(1)。

28、進一步的，所述步驟2.5的態(tài)勢估計方法，具體包括以下步驟：

29、4.1構造環(huán)境目標態(tài)勢場：

30、構造靜態(tài)目標態(tài)勢場：分別根據(jù)目標位置和目標特征，構建對應的靜態(tài)態(tài)勢場

31、

32、其中，kobstp表示目標特征的比例因子；pobstp表示目標特征大??；表示目標的位置。

33、并且有：

34、

35、構造固定目標態(tài)勢場：同靜態(tài)目標；

36、構造動態(tài)目標態(tài)勢場：根據(jù)目標位置和目標的運動學特征，構建動態(tài)目標勢場動態(tài)目標態(tài)勢場函數(shù)：

37、

38、其中,kobs表示目標速度的比例因子；m表示補償系數(shù)，用于補償由目標類型引起的勢場變化；表示目標位置指向車輛位置的向量；目標速度為記與的夾角為是單位向量；

39、根據(jù)目標當前狀態(tài)估計利用卡爾曼濾波器預測未來k+τ時刻的位置預測，構建未來時刻τ的動態(tài)目標勢場

40、

41、其中，表示車輛在未來τ時刻的速度。

42、4.2構造鏈式車輛態(tài)勢場：

43、車頭態(tài)勢場構建：鏈式車輛根據(jù)自身位置和運動學特征，則鏈式車輛車頭的動態(tài)態(tài)勢場可表示為：

44、

45、其中，kcar表示車輛速度的比例因子；

46、根據(jù)鏈式車輛位姿預測計算車頭k+τ時刻的態(tài)勢場：

47、

48、車廂態(tài)勢場構建：車廂相對于前車廂運動是被鉸鏈所束縛的，鏈式車輛車廂相對于車頭基本處于靜止狀態(tài)，構建車廂i的靜態(tài)態(tài)勢場：

49、

50、其中，i＝1,2…；kcartp表示車廂特征的比例因子；pcartp表示車廂特征大小。

51、并且有：

52、

53、4.3態(tài)勢場融合：

54、鏈式車輛態(tài)勢場：鏈式車輛對車頭和各車廂分別構建態(tài)勢場，再將各節(jié)車廂態(tài)勢場融合成整體車輛的態(tài)勢場

55、

56、其中n為鏈式車輛車廂總數(shù)；

57、環(huán)境態(tài)勢場：環(huán)境中的靜態(tài)、固定和運動目標的態(tài)勢場融合得到整體目標態(tài)勢場

58、

59、進一步的，所述步驟2.6碰撞預警方法，其步驟如下：

60、5.1態(tài)勢場離散化：將鏈式車輛態(tài)勢場和環(huán)境目標態(tài)勢場分別投影到多值局部柵格地圖；鏈式車輛態(tài)勢場投影生成的局部柵格地圖為gridveh,local＝{grid(i,j)∣-m≤i≤m,-n≤j≤n}表示；環(huán)境目標態(tài)勢場投影生成的局部柵格地圖為gridobs,local＝{grid(i,j)∣-m≤i≤m,-n≤j≤n}；

61、5.2態(tài)勢場二值化：設置安全閾值s0，通過安全閾值將鏈式車輛態(tài)勢場和環(huán)境目標態(tài)勢場的柵格地圖進行二值化：

62、

63、5.3碰撞預警：設計碰撞預警函數(shù)falert，計算方法為：將鏈式車輛自身、環(huán)境目標態(tài)勢場局部柵格地圖坐標都轉換到全局柵格地圖坐標系下，在全局坐標系下兩個柵格地圖gridveh,global與gridobs,global的交集，計算兩張地圖柵格坐標值與的結果并累加；

64、碰撞預警函數(shù)falert：

65、

66、如果falert≥1，則認為兩個地圖的交集不為空集，車輛行駛可能會發(fā)生碰撞，并輸出碰撞預警信息，否則falert＝0，兩個柵格地圖的交集為空集，無碰撞危險。

67、本發(fā)明的優(yōu)點及有益效果如下：

68、本發(fā)明提出一種多車廂鏈式車輛的防撞預警系統(tǒng)及方法，通過對各車廂位姿估計與預測，并結合鏈式車輛和環(huán)境目標的態(tài)勢估計與預測，再分別將鏈式車輛和環(huán)境目標的態(tài)勢場融合得到對應總的態(tài)勢場，將鏈式車輛態(tài)勢場和環(huán)境目標的態(tài)勢場離散化、二值化，計算車輛各車廂和環(huán)境目標在柵格地圖全局坐標系下交集，根據(jù)交集結果判斷是否存在碰撞風險，若有碰撞風險則進行告警，從而降低事故風險。該系統(tǒng)能顯著提高多車廂鏈式車輛在復雜環(huán)境下的行駛的安全性，系統(tǒng)中增加了前向預測的方法，能夠提前規(guī)避風險，降低了車輛的操控難度，可以提升鏈式車輛運輸效率。