組合的車輛到車輛通信和目標檢測感測的製作方法

2023-06-12 04:16:06

專利名稱：組合的車輛到車輛通信和目標檢測感測的製作方法
技術領域：
本發明總體涉及遠程車輛察覺監測。

背景技術：
車輛到車輛(V2V)系統涉及基於雙向通信的用於車輛的協作通信，以便實時交互。這些系統優選地指向交通管理、碰撞警示和碰撞避免。除了接近於本車的鄰近車輛發生的任何安全有關的事件之外，通過提供有關交通狀態的相關信息，這些系統可擴大對本車的周圍環境狀況的察覺範圍。
V2V通信系統提高由本車接收到的信息的質量和可靠性。然而，由於提供給本車的數據的不準確性或者定位障礙(例如高大建築物林立的城市引起與GPS數據或車輛之間通信的通信幹擾)從遠程車輛接收到的信息的可靠性仍然不確定。因此，希望本車能夠準確地得到自己相對於周圍車輛的車輛定位和狀況。


發明內容
本發明的實施例的優點是對遠程車輛相對於本車的察覺並定位。此外，由於融合來自V2V通信系統和目標感測裝置的數據，放大了圍繞車輛的所監視區域的範圍。此外，由於來自V2V通信系統和目標感測裝置的融合數據，車輛的感測裝置中的誤差可得到校正或補償。
實施例構思增強相對於遠程車輛的本車察覺系統的方法。本車包括用於感測遠離本車的遠程目標的至少一個目標感測裝置。本車還包括用於以車輛到車輛消息的形式在遠程車輛和所述本車之間交換車輛數據的車輛到車輛通信系統。響應於所感測到目標產生傳感器目標數據地圖。響應於車輛到車輛消息產生車輛到車輛目標數據地圖。所述車輛到車輛目標數據地圖和所述傳感器目標數據地圖被合併以共同地確定遠程車輛對於所述本車的相對位置。使用所合併的數據地圖估計遠程車輛對於所述本車的相對位置。將跟蹤數據輸出到安全相關應用，以便識別對所述本車的威脅評價。
實施例構思用於相對於本車監測遠程車輛的車輛察覺系統。所述車輛察覺系統包括至少一個目標感測裝置和車輛到車輛通信裝置。設置數據收集模塊用於獲得傳感器目標數據地圖和車輛到車輛目標數據地圖。融合模塊合併所述傳感器目標數據地圖和車輛到車輛目標數據地圖，以便產生累積的目標數據地圖。跟蹤模塊估計遠程車輛對於本車的相對位置。
本發明公開了一種增強相對於遠程車輛的本車察覺系統的方法，所述本車包括感測遠離所述本車的目標的至少一個目標感測裝置，所述本車還包括車輛到車輛通信系統，以便以車輛到車輛消息的形式在遠程車輛和所述本車之間交換車輛數據，所述方法包括如下步驟 響應於感測到的目標產生傳感器目標數據地圖； 響應於車輛到車輛消息產生車輛到車輛目標數據地圖； 將所述車輛到車輛目標數據地圖和所述傳感器目標數據地圖合併以共同地確定遠程車輛對於所述本車的相對位置； 使用所合併的數據地圖估計遠程車輛對於所述本車的相對位置；以及 將跟蹤數據輸出到安全相關應用，以便識別對所述本車的威脅評價。
根據上述方法，還包括估計遠程車輛的相對位置包括產生反饋數據，以便改進所述至少一個目標感測裝置的精確性。
根據上述方法，還包括響應於估計遠程車輛的相對位置產生周圍車輛的跟蹤列表的步驟，所述跟蹤列表包括遠程車輛的車輛位置、速度、和橫擺率。
根據上述方法，還包括提供所述跟蹤列表作為反饋，以便連續地確定遠程車輛對於本車的相對位置。
根據上述方法，還包括輸出所述跟蹤列表作為輸出到安全相關應用的跟蹤數據的一部分。
根據上述方法，還包括收集所述本車的車輛動態信息以便估計所述本車對於遠程車輛的相對定位的步驟。
根據上述方法，還包括從GPS和無線通信裝置獲得所述車輛到車輛目標數據地圖。
根據上述方法，還包括確定所述車輛到車輛目標數據地圖和所述傳感器目標數據地圖之間的誤差，其中基於車輛的當前定位將優先權給予所述車輛到車輛目標數據地圖或所述傳感器目標數據地圖。
根據上述方法，還包括如果所述本車位於具有GPS障礙的類城市位置中，則將優先權給予傳感器目標數據地圖。
根據上述方法，還包括所述安全相關應用使用遠程車輛的定位和遠程車輛定向來致動駕駛員察覺通知。
根據上述方法，還包括所述合併所述車輛到車輛目標數據地圖和所述傳感器目標數據地圖的步驟包括遠程車輛和本車的聯合定址和跟蹤。
根據上述方法，還包括所述本車的定址通過融合來自全球定位系統的數據和來自車內目標檢測傳感器的數據來表徵，並且被表示為 其中gH是本車的GPS測量值，mh是本車車輛速度和橫擺率測量值的向量，XH是本車的狀態，CHg是GPS測量值矩陣，CHm是車內傳感器測量值矩陣，以及vHg和vHm是噪聲因子。
根據上述方法，還包括所述遠程車輛的跟蹤通過融合來自車輛到車輛傳感器的數據和來自車內目標檢測傳感器的數據來表徵，並且被表示為 其中Xi是第i個遠程車輛的狀態，

是由本車上的感測裝置所測量到的第κk個車輛的距離、距離變化率和方位角測量值，I5是單位矩陣，

是在式(8)中所限定的向量，vi是本車的噪聲因子，

是本車的噪聲因子。
根據上述方法，還包括產生稀疏矩陣的步驟，所述稀疏矩陣表示為
根據上述方法，還包括確定系統動態方程的步驟，所述系統動態方程表示為 X(t+1)＝f(X，w) 其中X(t+1)是聯合狀態的預測，以及w是表示無模型過程噪聲的隨機變量。
根據上述方法，還包括所述系統動態方程的線性化表示為 X(t+1)＝ΦX+Gw+u2 Φ是函數f相對於X的Jacobian矩陣，G是函數f相對於w的Jacobian矩陣，而非線性項u2由公式 u2＝f(X*，w*)-ΦX*-Gw*來表示。
本發明還公開了一種用於監測相對於本車的遠程車輛的車輛察覺系統，所述車輛察覺系統包括 至少一個目標感測裝置； 車輛到車輛通信裝置； 用於獲得傳感器目標數據地圖和車輛到車輛目標數據地圖的數據收集模塊； 用於合併所述傳感器目標數據地圖和車輛到車輛目標數據地圖的融合模塊，以便產生累積的目標數據地圖；以及 用於估計遠程車輛對於本車的相對位置的跟蹤模塊。
根據上述系統，其中所述至少一個目標感測裝置包括基於雷達的感測裝置。
根據上述系統，其中所述至少一個目標感測裝置包括基於視覺的感測裝置。
根據上述系統，其中所述至少一個目標感測裝置包括基於光的感測裝置。
根據上述系統，其中所述車輛到車輛通信裝置至少包括GPS裝置和在車輛之間傳送車輛信息的無線通信模塊。
根據上述系統，其中所述跟蹤裝置模塊包括Kalman過濾器。
根據上述系統，其中所述跟蹤裝置模塊包括平方根信息過濾器。
根據上述系統，其中所述跟蹤裝置模塊產生跟蹤列表，該列表包括遠程車輛的車輛位置、速度和橫擺率。
根據上述系統，其中還包括耦接在跟蹤裝置模塊與數據收集模塊之間的反饋迴路，以便產生反饋數據，從而改善所述至少一個目標感測裝置的精確性。
根據上述系統，其中還包括至少一個車輛動態感測裝置，其提供本車的車輛動態數據，以便估計本車對於遠程車輛的相對定位。
根據上述系統，其中還包括至少一個安全相關應用，以便評價遠程車輛對於本車的威脅以及以便致動安全響應。



圖1是交通流圖示的例子。
圖2是用於數據融合系統的系統架構的框圖。
圖3是數據融合系統的框流程圖示。
圖4是融合目標地圖數據和V2V數據的方法的流程圖。
圖5是用於對定址和跟蹤解耦的方法的流程圖。
圖6是用於聯合遠程車輛和本車定址的相關性矩陣的圖示。
圖7是用於正則化逆協方差的Cholesky因子的矩陣圖示。
圖8是用於聯合定址和跟蹤的方法的流程圖。

具體實施例方式 圖1中總體示出表示本車10和多個遠程車輛12的交通流圖示。遠程車輛12包括多個移動車輛，其中一些車輛具有與本車10通信的能力，這公知為車輛到車輛(V2V)通信。本車10和具有通信能力的那些相應遠程車輛12在相應的車輛間通信網絡上彼此定期地播送無線消息，所述車輛間通信網絡例如但不限於如本領域所公知的專用短程通信協議(DSRC)。
可將在車輛之間傳送的車輛到車輛(V2V)無線消息作為標準定期信標消息來傳輸。無線消息包括有關環境察覺狀況的數據，這些環境察覺狀況涉及由每個相應車輛感測到的車輛位置、車輛運動學/動態參數、交通或道路事件。這些環境察覺狀況在車輛之間被傳送，從而預警其他車輛駕駛員某種類型的安全情形、交通延遲、事故、或對駕駛員潛在重要的其他當前情形。其中一個目的是給鄰近車輛提供狀況的提前警示，以便提供額外時間來對該狀況做出反應。用於環境察覺狀況的這些警示可包括但不限於交通擁堵、事故、傳送車輛中有效的前方碰撞警示(FCW)、側碰撞警示(LCW)、車道偏離警示(LDW)、前方車輛緩慢/停止、緊急電子制動燈(EEBL)激活、尾部中心高置停止燈(CHMSL)激活、交叉路口碰撞警示/避免、十字交叉道路、工作區警示、盲點/併線和行人/騎車人的可見性增強。此外，視線目標跟蹤、非視線跟蹤和道路預測可通過V2V通信來確定。從多個車輛源接收信息的潛在冗餘改善跟蹤準確性和可靠性，從而降低錯誤檢測。還可傳送健康狀態信息(這涉及由車輛裝置、軟體和硬體模塊、和其他車輛子系統獲得的信息的可靠性和準確性)。
圖2示出用於本車10和相應遠程車輛12的系統架構。本車10和相應遠程車輛12(例如，多個遠程車輛)每個都配備有無線廣播13，無線廣播13包括發送器和接收器(或收發器)以便經天線14播送並且接收無線消息。本車10和相應遠程車輛12還包括相應的處理單元15，以便處理在無線消息或其他傳送裝置例如全球定位系統(GPS)接收器16中接收到的數據。可替換地，無線廣播也可用作GPS接收器。每個車輛還包括目標檢測模塊17，以便收集從目標檢測傳感器接收到的數據。系統還可包括車輛接口裝置18，以便收集包括但不限於速度、制動、橫擺率、加速和方向盤角度的信息。
GPS使用傳送信號的多個衛星，這能使車輛的GPS接收器16確定其方位、速度、方向和時間。用於V2V通信網絡的相應車輛的GPS數據作為無線消息的一部分被播送，以便識別傳送車輛的方位。這允許本車10的相應處理單元15根據遠程車輛的位置評估消息內容，以便評價相應狀況與本車10的相關性。
目標檢測模塊17從目標檢測裝置接收數據，這些目標檢測裝置包括但不限於基於雷達的檢測裝置、基於視覺的檢測裝置、和基於光的檢測裝置。這些裝置的例子可包括雷達檢測器(例如，遠程和短程雷達)、照相機、和雷射雷達裝置、立體視覺。每個相應感測系統檢測或捕獲相應傳感器視場中的圖像。視場依賴於目標檢測傳感器被定向的方向。通過V 2V通信獲得的某些數據可能不能通過目標檢測裝置來獲得，並且反之亦然。通過組合從兩個系統獲得的數據，除了校正使用每個感測系統通常發生的誤差之外，可獲得對車輛周圍環境的全面察覺。
再次參考圖1，本車10配備有V2V通信系統和目標檢測感測裝置。這裡討論具有目標檢測傳感器和/或V2V通信的優點。遠程車輛22和24被本車10的目標檢測傳感器檢測到，如所示。本車前向所感測的區域的視場總體示出為25。遠程車輛24配備有V2V通信裝置並且與本車10通信。遠程車輛24還可與處於本車10的播送範圍之外的遠程車輛24之前的車輛通信。由遠程車輛24獲得的V2V消息信息被傳送給本車10，這提供正在發生的更多詳細信息，這些信息超出僅由本車目標檢測感測裝置可獲得到的信息。另外，來自遠程車輛24的在數據通信內所包含的是遠程車輛GPS位置。從遠程車輛24所接收到的信息，連同由本車10所感測到的數據，允許本車10確定誤差是否可能出現在本車GPS數據或從遠程車輛24接收到的GPS數據中。如果誤差出現，則這些誤差可被補償或被校正。
圖1中示出遠程車輛26，其位於本車檢測傳感器的視場外。雖然遠程車輛26因遠程車輛位置而不能被本車目標檢測傳感器檢測到，但是遠程車輛26包括能將其GPS位置傳送到本車10的V2V通信系統。
在圖1中還示出遠程車輛28。遠程車輛28沒有配備V2V通信系統或目標檢測感測裝置，並因此不能提供包括其相對於本車10的方位的任何信息，並且因此，遠程車輛28的方位對於本車10將是未知的。然而，遠程車輛30包括V2V通信和目標檢測感測裝置。遠程車輛30使用其目標檢查傳感器檢測遠程車輛28並且將所估計的遠程車輛30的位置和其自身的GPS位置經V2V通信系統傳送給本車10。因此，將V2V通信數據和由本車10檢測到的目標融合可構建圍繞本車10的360度車輛目標地圖。
圖3示出協作的通信和目標感測系統的框流程圖示40。傳感器和無線模塊42接收來自傳感器目標數據地圖44和V2V目標數據地圖46的輸入。使用由目標檢測傳感器提供的輸入來構建傳感器目標數據地圖44。由目標檢測傳感器檢測的目標可包括但不限於遠程車輛、建築物、護欄和目標檢測裝置的視場中的其他目標。使用從其他車輛傳送的包括GPS數據的數據來構建V2V目標數據地圖46。響應於從傳感器目標數據地圖44和V2V目標數據地圖46確定出的數據，傳感器和無線模塊42構建觀測形勢地圖。每個相應觀測形勢地圖包括但不限於相應目標的距離、距離變化率和方位角。因此，可基於來自各種源的數據生成相應目標的多個觀測形勢地圖。如果確定出兩個數據地圖之間的誤差，則可以基於當前車輛位置將優先權給予V2V目標數據地圖或傳感器目標數據地圖。例如，如果本車行進在引起GPS障礙的具有高大建築物的類城市區域中，則優先權給予傳感器目標數據地圖。相反，如果車輛行進在誤差可能出現在傳感器目標數據地圖的鄉村中，則優先權給予V2V目標數據地圖，因為車輛與GPS數據之間的通信是無障礙的。
將每個相應觀測形勢地圖提供給數據聯合與合併模塊48，在該模塊48中，數據被融合進合併目標觀測地圖中。即，將從各種源收集到的多種數據融合進單個聚合地圖，該聚合地圖提供相應車輛的所確定距離、距離變化率和方位角。將檢測到的每個車輛的數據融合進合併目標觀測地圖。合併目標觀測地圖提供包含全部檢測到的車輛的綜合地圖。
將合併目標觀測地圖提供給包括但不限於Kalman過濾器跟蹤器的過濾器跟蹤器50。此外，將本車GPS位置、車輛動態信息(例如，速度、速率、橫擺率)和駕駛員意向信息(例如，轉向信號、轉向模式)提供給過濾器跟蹤器。過濾器跟蹤器50不斷更新對目標車輛相對於本車的位置、速度和定向的跟蹤，以便確定預測性的行進道路。這允許本車監測本車的周圍車輛，以便確定對遠程車輛的感性察覺。可將來自過濾器跟蹤器50的跟蹤反饋數據52提供給傳感器和無線模塊42，以便改進從感測裝置所獲得的數據的精確性。隨後將進一步詳細討論融合和跟蹤程序。
通過過濾器跟蹤器50來產生360度目標跟蹤列表54，包括本車位置、速度、定向和每個遠程車輛的位置、速度和定向，用於本車安全性察覺評估。此外，可將跟蹤列表作為反饋提供給數據聯合與合併模塊48以連續地確定周圍車輛關於本車10的相對位置。
然後將跟蹤列表54提供給車輛的各種安全應用56(例如，目標選擇模塊)，以便評價是否應該致動安全通知。例如，前方碰撞警示(FCW)模塊評價車輛前方的碰撞的威脅。當車輛行進道路處於通向碰撞的路徑時，發出FCW警告。如果目標車輛未處於行進車道中或行進在不同定向中，則FCW模塊將在其評價中對該目標沒有反應。如果相應的安全應用模塊識別出潛在威脅，則該威脅將被評價並且警示可被致動以便識別潛在的安全問題。每個目標選擇模塊都接收跟蹤列表54並且確定其自己的威脅評價，以便響應於該威脅評價發出警示通知或致動安全對策。
圖4是用於融合目標感測地圖數據和V2V地圖數據的方法的流程圖。在步驟60中，從至少一個目標感測裝置收集數據。目標感測裝置典型地監測車輛可檢測目標的相應遠程區域。在步驟61中，響應於感測到的目標產生傳感器目標數據地圖。
在步驟62中，從V2V通信消息收集數據。從V2V消息收集到的數據可包括遠程車輛的GPS信息、來自另一遠程車輛的目標傳感器信息、來自遠程車輛的車輛動態信息、由遠程車輛接收到的警告警示和遠程車輛的有限的駕駛員意向信息。在步驟63中，響應於包含在V2V通信消息中的數據產生V2V目標數據地圖。在步驟64中，目標數據地圖和V2V數據地圖被融合用於產生合併目標觀測地圖。
在步驟65中，經融合的數據被提供給過濾器跟蹤器，例如Kalman過濾器跟蹤器，以便跟蹤圍繞本車的遠程車輛。Kalman過濾器是遞歸估計器。Kalman過濾要求僅需要來自在先時間步驟的估計狀態和當前測量值以確定當前狀態的估計。跟蹤過濾器跟蹤遠程車輛相對於本車位置的路徑並且可在與目標檢測裝置或V2V通信失去通信的情況下基於接收到的數據產生預測性路徑。
在步驟66中，產生跟蹤列表。跟蹤列表識別本車周圍的遠程車輛的位置。此外，列出每個遠程車輛的車速、橫擺率和定向。
在步驟67中，將跟蹤數據輸出到安全應用以便進行威脅評價。跟蹤數據被提供給各種安全系統，其中，對於相應的安全應用，信息被處理，並且相對於每個遠程車輛以及其可對本車具有的影響做出威脅評價。
在此將描述早前述及的融合和跟蹤程序的實施例。應當明白，在此描述的程序是可用於融合和跟蹤的多種程序中的其中一種，並且應當理解，本發明不被限制到在此所述的程序。為了執行融合和跟蹤，首先我們設X1，X2，...，Xk為通信區域中的K個車輛。設Xi為第i個車輛的狀態，包括關於基坐標的北向位移、東向位移、航向(相對於北向的角度)、角速度和速度。設XH為本車的狀態，而gi為Xi的GPS測量值，分別包括北向位移、東向位移、航向和速度。mi是第i個車輛的車輛速度和橫擺率測量值的矢量，而oij是在第i個車輛上的感測裝置所測量到的第j個車輛的測量值(即，距離、距離變化率和方位角)。目標是從測量值{gm，mi|i＝1，...，K}和{oj|i＝1，...，K，j＝1，...，Li}中復原車輛的狀態{Xi|i＝1，...，K}，其中Li是由在第i個車輛中的感測裝置返回的目標的數目。
在下面的推導中，高斯分布由信息陣列來表示。例如，隨機變量x～N(μ，Q)可被表示為x～[R，z]，其中Q＝R-TR-1和z＝Rμ。我們注意每個車輛具有其自己的系統動態方程為 Xi(t+1)＝fi(Xi，wi) (1) 其中項wi～[Rwi，zwi]是表示過程噪聲的隨機變量。式(1)在鄰域[Xi*，wi*]中的線性近似可表示為 Xi(t+1)＝ΦiXi+Giwj+ui2 (2) 其中Φi和Gi分別是方程(1)的函數f關於變量Xi和wi的Jacobian矩陣；並且將非線性項表示為 由GPS接收器、車內傳感器和目標檢測傳感器所做的測量由下面的方程來表示。對於GPS接收器的測量值方程可寫為 其中噪聲向量vHg～[RHg，0]是零均值隨機變量。對於車輪速度和橫擺率傳感器的測量值方程可寫為 其中噪聲向量vHm是零均值隨機變量，由vHm～[RHm，0]來表示。每個車輛保持車輛的狀態的估計{Xi|i＝1，...，K}。在時刻t，目標感測裝置測量目標的列表

其中κl是確定第l個目標是來自第κl個車輛

的數據聯合變量；而LH是由感測裝置所測量的目標的個數。因此，來自傳感器的第l個目標的方程可寫為 其中噪聲項

其協方差矩陣表示目標感測裝置的精確度。
式(6)在鄰域

中的線性近似可表示為 其中

是關於

的Jacobian矩陣，

是關於XH的Jacobian矩陣，而非線性偏項 在每一時刻t，本車中的無線廣播模塊從通信區域內的遠程車輛接收廣播包。第i個廣播包包含第i個車輛的狀態xi的估計，其可被視為測量值 xi＝Xi+vi (9) 其中噪聲項vi～[Ri，0]表示狀態估計的不確定性。
先前述及的融合和跟蹤程序的第一實施例如下。假定本車XH的狀態和遠程車輛{Xi|i＝1，...，K}互相不相關。因此，可使用擴展的Kalman過濾器來分別估計狀態變量。
本車XH的定址可通過融合GPS和車內傳感器來表示。下面方程可寫成 遠程車輛的跟蹤可通過融合V2V傳感器和目標感測裝置來表示。假定目標感測裝置測量時刻t處對應於第i個車輛的目標的列表

測量值方程可表示為 下面根據圖5來描述如上所示的解耦程序中的關鍵步驟。在步驟70中，開始程序。在步驟71中，給定本車和遠程車輛在時刻t-1處的在先估計，確定時刻t是否得到新數據。這些數據可從系統動態方程(2)和測量值方程(10)和(11)得到更新。
在步驟71中，如果沒有得到新數據，則在步驟72中停止程序。如果得到新的更新數據則在步驟73中檢索本車狀態的在先估計

和協方差矩陣
在步驟74中，基於GPS和車內運動數據更新本車狀態估計。基於系統動態方程(2)和測量值方程(10)應用擴展的Kalman過濾器或類似過濾器推導時刻t處本車的狀態的估計。輸出更新的估計

和協方差矩陣
在步驟75中，對於l＝1，...，LH的第l個傳感器目標oHl計算聯合變量κ1。這使傳感器目標和V2V數據與在先遠程車輛估計相聯合。
在步驟76中，確定遠程車輛的全部狀態是否得到更新。如果全部狀態已經得到更新，則返回到步驟71以確定是否得到新數據。如果並非全部狀態得到更新，則在步驟77中檢索第i個遠程車輛的狀態的在先估計

和協方差矩陣
在步驟78中，基於V2V和目標地圖數據更新遠程車輛狀態估計。分別基於系統動態方程(2)和測量值方程(10)應用擴展的Kalman過濾器或類似過濾器推導時刻t處第i個遠程車輛的狀態的估計。輸出更新的估計

和協方差矩陣

返回到步驟76確定全部狀態是否得到更新。如果並非全部狀態得到更新，則重複步驟77到78，直到全部狀態得到更新。否則返回到步驟71以核查得到新數據。
圖6和7示出對於10個車輛的聯合定址和跟蹤的結果。聯合狀態的正則化協方差呈現在圖6中。加黑項表示強相關。可清楚地看到，不僅軌跡XT和本車XH相關，而且XT中的每一對軌跡是互相相關的。聯合協方差矩陣的棋盤格圖案證實上面的陳述。因此，忽略非對角線相關項的解耦近似不是漸近最優的。
圖7示出逆協方差矩陣(也稱為為信息矩陣)的Cholesky因子，其被正則化成類似相關性矩陣，以便驗證圖6中所示的方法的結果。該矩陣中的項可認為是遠程車輛和本車的狀態之間的約束或連接。圖7中所示的項越黑，狀態之間的連接越強。如圖7中所表示，Cholesky因子R不僅顯得稀疏，而且有良好的結構。該矩陣僅由遠程車輛的狀態內的項或者遠程車輛與本車狀態之間的項所主導。
在此將描述在先述及的融合和跟蹤程序的第二實施例。在整個計算中第二實施例使用並保持這個結構。此外，存儲稀疏因子矩陣需要線性空間。更重要地，可在相對於系統中跟蹤數目的線性時間內執行更新。
通過組合上面推導得到的測量值方程(4)、(5)、(7)和(9)，我們得到
或被不同地表示為 其中

和XH分別表示遠程車輛跟蹤和本車的定址。不失一般性，假定v是具有單位協方差矩陣的零均值隨機變量，即v～[I，0]。通過組合方程(1)中每個車輛的系統動態方程，得到下面的結果 X(t+1)＝ΦX+Gw+u2(14) 其中 G＝diag[G1...GK GH] (16) w～[Rw，zw] (19) 因此，損失函數被定義為 其中，

表示關於車輛狀態的初始先驗知識。目標是在服從系統動態約束(14)的情況下尋找使損失函數Jt最小的因子XT(t)和XH(t)。
圖8示出用於聯合定址和跟蹤程序的方法。在步驟80中，開始程序。在步驟81中，給定聯合狀態X在時刻t處的預測或先驗知識，確定時刻t是否得到新數據。這些數據可從系統動態方程(14)和測量值方程(12)得到更新。
在步驟81中，如果沒有得到新數據，則在步驟82中停止程序。如果得到新的更新數據，則在步驟83中檢索在時間t的聯合狀態X的在先預測(用

表示)。將聯合狀態X表示如下 在步驟84中，對於l＝1，...，LH的第l個傳感器目標oHl計算聯合變量κl。
在步驟85中，確定聯合測量值方程(13)中的係數CT、CH、和u1。在先預測

聯合測量矩陣CT和CH、和向量u1和o被插入到矩陣A 使用Givens旋轉因式分解矩陣A(輸出上三角矩陣

使得ATA′＝ATA同時

是正交矩陣)。
其中ò是反映模型和測量值之間的偏差的殘差。
在步驟86中，在與時刻t時的測量值融合後，得出更新的信息陣列
通過求解下面的線性方程確定聯合狀態的更新估計(即，定址

和跟蹤

) 在步驟87中，輸出聯合狀態

在時刻t的更新的估計。
在步驟88中，計算在方程(14)中所表示的Φ、G和u2。更新的信息陣列

Rw、Φ、G被插入到矩陣B 使用Givens旋轉因式分解矩陣B(輸出上三角矩陣

使得B′TB′＝BTB其卻

是正交矩陣)，表示為 在步驟89中，以信息陣列形式

更新對於時刻t+1的聯合狀態X(t+1)的更新預測(例如，式(27))，當可得到新的測量值時，可使用該更新的預測。返回到步驟72以確定是否可得到新的數據。
雖然已經詳細地描述了本發明的某些實施例，但是，本領域技術人員將意識到用於實施由隨附權利要求所限定的本發明的各種替代設計和實施例。
權利要求
1.一種增強相對於遠程車輛的本車察覺系統的方法，所述本車包括感測遠離所述本車的目標的至少一個目標感測裝置，所述本車還包括車輛到車輛通信系統，以便以車輛到車輛消息的形式在遠程車輛和所述本車之間交換車輛數據，所述方法包括如下步驟
響應於感測到的目標產生傳感器目標數據地響應於車輛到車輛消息產生車輛到車輛目標數據地將所述車輛到車輛目標數據地圖和所述傳感器目標數據地圖合併以共同地確定遠程車輛對於所述本車的相對位置；
使用所合併的數據地圖估計遠程車輛對於所述本車的相對位置；以及
將跟蹤數據輸出到安全相關應用，以便識別對所述本車的威脅評價。
2.如權利要求1所述的方法，其特徵在於，估計遠程車輛的相對位置包括產生反饋數據，以便改進所述至少一個目標感測裝置的精確性。
3.如權利要求1所述的方法，其特徵在於，還包括響應於估計遠程車輛的相對位置產生周圍車輛的跟蹤列表的步驟，所述跟蹤列表包括遠程車輛的車輛位置、速度、和橫擺率。
4.如權利要求3所述的方法，其特徵在於，提供所述跟蹤列表作為反饋，以便連續地確定遠程車輛對於本車的相對位置。
5.如權利要求3所述的方法，其特徵在於，輸出所述跟蹤列表作為輸出到安全相關應用的跟蹤數據的一部分。
6.如權利要求1所述的方法，其特徵在於，還包括收集所述本車的車輛動態信息以便估計所述本車對於遠程車輛的相對定位的步驟。
7.如權利要求1所述的方法，其特徵在於，從GPS和無線通信裝置獲得所述車輛到車輛目標數據地圖。
8.如權利要求1所述的方法，其特徵在於，確定所述車輛到車輛目標數據地圖和所述傳感器目標數據地圖之間的誤差，其中基於車輛的當前定位將優先權給予所述車輛到車輛目標數據地圖或所述傳感器目標數據地圖。
9.如權利要求1所述的方法，其特徵在於，如果所述本車位於具有GPS障礙的類城市位置中，則將優先權給予傳感器目標數據地圖。
10.如權利要求1所述的方法，其特徵在於，所述安全相關應用使用遠程車輛的定位和遠程車輛定向來致動駕駛員察覺通知。
全文摘要
本發明涉及組合的車輛到車輛通信和目標檢測感測，具體而言提供一種用於監測相對於本車的遠程車輛的車輛察覺系統。所述車輛察覺系統包括至少一個目標感測裝置和車輛到車輛通信裝置。設置數據收集模塊，以便獲得傳感器目標數據地圖和車輛到車輛目標數據地圖。融合模塊合併所述傳感器目標數據地圖和車輛到車輛目標數據地圖，以便產生累積的目標數據地圖。跟蹤模塊估計遠程車輛對於本車的相對位置。
文檔編號G01S19/14GK101799992SQ20101011335
公開日2010年8月11日 申請日期2010年2月3日 優先權日2009年2月3日
發明者S·曾, H·克裡什南, V·薩德卡 申請人:通用汽車環球科技運作公司