智能空間內車輛行駛狀態信息融合試驗分析

劉建行，蔡　堯，徐國艷，高　峰

(北京航空航天大學 交通科學與工程學院，北京 100191)

?

智能空間內車輛行駛狀態信息融合試驗分析

劉建行，蔡堯，徐國艷，高峰

(北京航空航天大學 交通科學與工程學院，北京 100191)

采用分布式傳感器信息融合方法，進行空間內車輛行駛狀態信息感知。利用空間內固定攝像頭和地感線圈獲取車輛行駛狀態信息的檢測方法，進行車輛行駛狀態信息實車采集試驗。對兩種傳感器采集的車輛行駛狀態信息檢測結果進行融合，并分析了融合結果的檢測精度。研究結果表明：該融合方法的檢測精度較固定攝像頭提高了5%，有效降低了各傳感器檢測信息的不確定性，提高了智能空間內車輛行駛狀態信息的檢測精度。

智能空間；高速公路；分布式傳感器；信息融合

0　引言

目前，智能交通系統(intelligent transportation system,ITS)已成為世界公認的解決道路交通安全問題的有效途徑，是當今國際道路和交通運輸領域的重要研究方向。智能車輛作為智能車輛-高速公路系統的重要組成部分，其基本原理是利用先進的車載傳感器系統、信息處理系統和執行系統對駕駛員的狀態、車輛周圍環境和車輛自身狀態進行監控，并應用機器視覺、雷達、全球定位系統和雙目視覺等傳感器獲取運動車輛的目標跟蹤、檢測與定位、識別車道線等[1-2]。然而，在高速公路行駛條件變化的情況下，通信網絡受阻而失效的問題，以及在前方較遠路段發生交通事故或有雨、霧等能見度較低的情況下，如何提前通知車輛前方的行駛工況等問題尚未得到解決。由于不同傳感器各自性能的特點、對復雜道路的識別情況和安裝問題，使傳感器容易受到環境的影響，如在能見度低和陰雨等惡劣天氣下攝像頭采集圖像不清晰，多輛車行駛在同一方向時會產生相互干涉，使得多源信息融合技術的推廣受到一定阻礙。同時，智能車輛自身安裝的雷達和機器視覺等各類傳感器，具有車載系統復雜、感知范圍有限等局限性[3-5]。因此，單純利用車內安裝多源傳感器實現車輛對環境的感知，來解決車輛的行駛安全問題，在技術上很難普及。

基于上述情況，本文提出了將高速公路智能化設計的新思想，基本設想是在道路周圍布置智能化傳感器，采用先進的通信理論和技術，使高速公路形成一個分布式的智能化空間[6-7]，即高速公路智能空間(highway intelligent space，HIS)。當車輛經過HIS時，可以充分利用空間智能化設備和服務器中心發送的信息，獲取前方車輛行駛情況和道路情況，保證車輛安全駕駛。針對特定的高速公路行駛環境，在雨、雪和霧等能見度較低的天氣情況以及容易發生交通事故的路段下，該思想的提出可以保證車輛安全有效感知環境。在高速公路智能空間系統的基礎上，本文運用空間內分布式傳感器固定攝像頭和磁感線圈采集獲取車輛的行駛狀態信息，并通過試驗對兩種信息的數據融合結果進行分析，提出了一種提高車輛行駛狀態信息檢測精度的信息融合方法。

1　高速公路智能空間系統

高速公路智能空間系統是由機器人領域的智能空間結合特定的高速公路環境提出的，其概念是在高速公路環境的封閉空間內安裝分布式傳感器，利用通信技術，實現高速公路內活動的個體車輛與信息服務器之間的數據交互[8]。HIS系統主要由3個部分組成：傳感、通信和網絡等處理設備，HIS服務器以及公路內的車輛個體。傳感、通信和網絡等處理設備指的是各類傳感器(如攝像頭、雷達等)、通信網絡設施(如移動網絡基站、無線射頻網絡等)及計算設備(如車載終端、服務器工作站等)。目前用于HIS系統的傳感器有地感線圈、攝像機和雷達。HIS服務器由數據處理中心(data processing center,DPC)和數據通信中心(data communication center,DCC)構成。DPC負責處理傳感器采集的數據，包括信息融合、數據處理、信息預測及數學模型分析。DCC負責發送DPC處理完的數據，多個數據組成有效信息單元發送到空間內行駛的車輛中。

HIS系統是一個嵌入了通信設備和多模態傳感裝置的工作空間，空間中的智能網絡設備具有環境信息感知、計算處理、信息交互與發布的功能，車輛可以根據自己的行駛工況獲取詳細的行駛狀態[9]。HIS系統的工作原理：當車輛在高速公路智能空間中行駛時，HIS通過各類傳感器采集必要的車輛行駛數據信息，判斷當前車輛行駛狀態，將環境感知數據以信息單元數據包的形式發送給特定車輛，駕駛員基于該環境信息可調整行駛策略。

傳感器組件采集并輸出未經過處理的原始數據，提供給信息處理組件自身硬件信息，以方便其識別和分檢。信息處理組件接收來自傳感器組件的原始數據，按照信息類別分析和合成，最終加工成所需的信息。信息融合預測組件以信息處理組件輸出信息為輸入，經過多傳感器信息融合預測算法處理后，得到最終有效數據發送至指定車輛中。HIS系統中擁有大量分布式攝像機、雷達和地感線圈等傳感器，其車輛行駛狀態檢測與傳感信息融合規模龐大。傳統的車載信息處理系統受限于體積，計算能力十分有限，而基于HIS系統的分布式處理方式將復雜的計算目標分解為若干個子模塊，既能提高道路識別的實時性，又能為車輛的安全駕駛提供更全面的信息。

根據高速公路行駛的特點和車輛的動態特性，HIS系統采用分布式傳感器處理方式來獲取車輛的實時性動態信息，通過多種傳感器檢測車輛狀態，將其交由HIS服務器進行數據處理，生成有效環境信息發送到指定車輛中[10]。智能空間中的傳感器數量巨大，且傳感器類型、結構各不同。雷達具有在惡劣氣候下直接檢測到車速、檢測側向上多車道的顯著優點，其缺點是無法檢測低速行駛或靜止的車輛。磁感線圈具有技術相對成熟、檢測精度高和成本低等優點，目前已經實現標準化配置，但其缺點是修理或安裝時，往往需要中斷交通等過程，相對比較復雜。機器視覺傳感器應用較廣泛，不僅可以提供大量的道路交通和車輛信息，而且容易實現對車道的多車檢測，其成本較低，但容易受到天氣環境影響，且其檢測速度往往取決于算法的優劣，對理論的要求度較高。根據各種類型傳感器的檢測特性、成本及應用范圍，HIS系統采用的傳感器以攝像頭傳感器及地感線圈為主，以雷達及全球定位系統等其他傳感器為輔。

2　分布式傳感器檢測車輛行駛狀態

2.1空間固定攝像頭檢測

本課題組前期研究工作主要以空間內固定攝像機的單目視覺為基礎，實現了視覺圖像的運動車輛檢測和跟蹤[11-12]。從視覺圖像中獲取運動車輛的幾何位置數據，需建立運動車輛位置點與其在攝像機中所處的圖像位置點之間的數學關系，即確定攝像機的成像模型。本文運用針孔模型實現運動車輛定位。

高速公路智能空間中運動車輛的定位是在攝像機的固定條件下進行，所以攝像機的高度固定而且視角與地面保持平行，針孔測距模型[13]需將圖像中目標特征點P′的像平面坐標(u,v)轉換為地面坐標系xoy下的坐標P(x,y)。

攝像頭被固定在一個位置，P為物體；P′為物體在圖像中的特征點；h為攝像機到地面的垂直距離；yb為攝像機垂直視角投影在地面上的最近距離；yb+yl為攝像機垂直視角投影在地面上的最遠距離；xl為當攝像機垂直視角投影在地面上的距離最遠時，其水平視角投影在地面上的距離；α和β分別為攝像機垂直視角射線與地平面y軸的最大夾角和最小夾角；θ為攝像機水平視角在地面上的投影與地平面y軸夾角。

(1)

其中：h、yb+yl和xl可以實際測量。由式(1)可以推導出：

(2)

(3)

(4)

其中：x和y分別為點P(x,y)在攝像機支架坐標系xoy下的橫坐標和縱坐標，即運動車輛與攝像機支架在水平方向上和垂線方向上的距離；Sx和Sy分別為圖像平面在x方向和y方向總的行數和列數；L為運動車輛與攝像機支架的距離。

得到攝像機到運動車輛的距離后，可以利用相鄰幀間距離差與時間的比值得到運動目標的速度。設第k幀的速度為vk，第k幀運動車輛距離攝像機支架距離為Lk，前一幀的距離為Lk-1，兩幀圖像間的時間為t，則可以得到速度計算公式。運動車輛的加速度可以照同樣的方法獲得，這里不再贅述。

分析：巫先生的版本是“保留判斷是表示懷有無限的希望”[5]。巫老先生的翻譯宗旨是盡量貼合原文韻味，做到“雅”。但過度依賴原文反而導致意味不明，給人一頭霧水的感覺。鄧氏則順應漢語的表述習慣并結合自己的理解意譯這句話，斟詞酌句，將動賓詞組轉換為句子，使得一句看似抽象的原文變得直白易懂。

(5)

2.2磁感線圈檢測

通過檢測由環形線圈構成的耦合電路的振蕩頻率來判斷車輛的通過與存在[13]，檢測系統由環形線圈、耦合振蕩電路和信號整形及其放大電路組成，信號整形放大后可以輸出到微處理器的計數單元[14]。圖1為磁感線圈頻率檢測電路及其放大電路原理圖。

圖1　磁感線圈頻率檢測電路及其放大電路原理圖

磁感線圈檢測系統作為高速公路智能空間試驗平臺的一個基礎組成部分，是智能空間信息感知系統的關鍵，與機器視覺的車輛定位檢測系統共同完成車輛信息的采集[15]。該試驗平臺下磁感線圈檢測系統結構圖如圖2所示。

圖2　磁感線圈檢測系統結構圖

單片機作為高速公路智能空間一個單獨的分布式傳感器節點，完成兩組磁感線圈檢測數據的處理發布。該節點完成的工作是信息融合的上層數據處理，磁感線圈檢測底層數據處理是依靠數字信號處理(digital signal processing,DSP)芯片完成，通過RS232接口與單片機節點進行通信。

3　信息融合試驗與分析

本文選擇了一段簡易公路作為試驗路段。該路段為一段長約200 m的單向車行道路，并且試驗期間行人、非相關車輛較少，可以有效控制試驗路段內的環境及車輛因素，以達到有效控制試驗變量的目的。試驗主要采用的傳感器有兩種：機器視覺攝像機和磁感線圈檢測器。攝像機采用MV-USBII系列高分辨率工業數字攝像機，其型號是MV-300UC，鏡頭是基于金屬氧化物半導體元件(coplementary metal-oxide semiconductor,CMOS)的M0814.MP系列。試驗所用三腳架為專業的攝像機三腳架，氣壓伸縮式結構，三腳架最高可達6.8 m。根據式(1)～式(5)，進行實際道路參數測量，用于車輛距離測定，測量參數：攝像機高度h=450 cm；攝像機垂直視角投影在地面上的最近距離yb=540 cm；攝像機垂直視角投影在地面上的最遠距離yb+yl=7 350 cm；攝像機水平視角投影在地面上的最遠距離xl=284 cm。地感線圈檢測器采用VD108B型單通道智能環路感應器，線圈電感80～300 μH(包含連接線)，最佳值150 μH(41 kHz)，線圈繞線及檢測電路自行制作。

在約150 m的長度內布置兩臺攝像頭傳感器，間隔約70 m，前后各空出40 m，電荷耦合元件(charge coupled device,CCD)攝像頭安裝在馬路中間位置，以便能捕獲兩個方向車道內的車輛；磁感線圈因數量有限，故僅在各個CCD攝像頭之間布置了兩組，且在單向車道內固定，不能檢測雙向行駛的車輛。試驗路段傳感器的安裝布置如圖3所示。圖4為實車試驗驗證圖。

圖3試驗路段傳感器安裝布置圖

圖4實車試驗驗證圖

3.1車輛行駛狀態融合試驗

信息融合的試驗采用其中一臺攝像機檢測的數據及其覆蓋區域內的磁感線圈數據進行融合，檢測的目標為一輛單向行駛的大眾捷達汽車。分別提取攝像頭檢測視頻及磁感線圈原始數據，經過預處理之后獲得所檢測車輛的位置坐標及速度數據。攝像頭可收集在車輛進入其檢測范圍內(距離5～65 m)的車輛位置坐標及速度數據。同時，磁感線圈檢測器分別檢測到車輛進入檢測范圍起點、終點及攝像頭檢測器之間的兩組數據，故一共獲得4組磁感線圈檢測的位置及速度數據。分別將上述傳感器原始采集的數據結果采用多項式數據擬合的方法獲得時間域內連續的曲線，車輛位置坐標曲線見圖5，車輛速度曲線見圖6。

圖5　車輛位置坐標曲線

圖6　車輛速度曲線

從圖5中兩組傳感器的檢測曲線可以看出：以第一個攝像頭及磁感線圈為原點的車輛位置坐標曲線基本吻合，磁感線圈檢測曲線因為數據點比較少，經過擬合得到的幾乎是一個線性的曲線；而攝像頭檢測曲線在原點附近及在檢測終點附近，由于車輛在圖像內的像素點過多或過少都無法準確檢測車輛的位置，在終點附近檢測車輛的位置基本不發生變化。圖6是攝像頭及磁感線圈對車輛行駛車速的檢測曲線。攝像頭對車輛車速的檢測，受到環境、距離和算法等因素的影響，由圖6可以明顯看出：在檢測過程中出現幾個分段的跳變及不連續的情況，而磁感線圈的檢測速度準確度更高，但是數據采樣點太少，無法在全部檢測區域內對車輛進行檢測。綜合上述原因，采用曲線擬合的辦法可以在基本保證檢測曲線特征的情況下，將數據由間斷曲線轉化為連續曲線并為后期的融合配準做準備。

3.2車輛行駛狀態信息匹配驗證

分析上面的試驗檢測結果可知：攝像頭及磁感線圈檢測的車輛行駛狀態數據都存在明顯的優勢和缺點。攝像頭對車輛行駛狀態信息檢測的優勢是可以低成本地獲得大量的檢測數據，缺點是檢測結果受到多種因素的影響，因此極其不穩定。磁感線圈的優勢是可以獲得準確度及可靠性都比較高的檢測結果，最大的缺點是由于架設成本問題，無法在公路內進行大規模的密集檢測。因此，為了提高車輛行駛狀態信息檢測的精度及可靠性，需要對采集到的數據進行融合匹配。

實際車輛檢測試驗結果的處理采用融合權值可變的方法對攝像頭及磁感線圈數據進行匹配。根據之前的分析可以知道，磁感線圈檢測的數據可靠性極高，因此，在磁感線圈的檢測數據點處設置融合權值為1。但是不能完全忽略攝像頭檢測的數據，因為攝像頭可以在整個范圍內對車輛監控，可以把握車輛在磁感線圈之間的變化規律，因此對磁感線圈的權值最高設置為0.6，位于兩個磁感線圈檢測器中間的位置，對權值的原始數據進行多種方式的擬合，獲得的權值擬合曲線如圖7所示。

圖7　權值擬合曲線

圖7中：曲線1為采用多項式擬合方法獲得的全程融合權值曲線；曲線2為采用插值方法擬合得到的權值曲線。通過對比可以看出：多項式擬合曲線對各個原始點的擬合情況不如插值法，在起止點均出現較大斜率，造成權值的大幅度波動，以至于磁感線圈數據權值在0.5 s及7.2 s左右接近于0，這顯然不符合實際情況。所以采用插值方法的權值進行后期融合匹配，并獲得曲線3所示的攝像頭數據權值。

在車輛位置坐標及車輛速度的融合匹配中，為了體現權值不變與變權值方法的區別，對車輛位置坐標采用固定權值方法融合，對車輛速度采用變權值方法融合，融合結果如圖8和圖9所示。

圖8　車輛位置坐標融合匹配結果對比

圖9　車輛速度融合匹配結果對比

圖8中，采用磁感線圈權值為0.6、攝像頭權值為0.4的融合結果基本保持了磁感線圈檢測的車輛位置坐標的變化規律，并且在部分區域與攝像頭數據基本吻合，但是無法確定是否失去了中間階段的可信度。而圖9則是顯示兩組融合后的車速曲線，通過對比采用多項式擬合權值進行融合的結果和用插值法進行融合的結果。從圖8和圖9可以看出：變權值曲線相對固定權值方法更能接近實際的情況，同時，插值法權值融合結果在整個測量區域內更加真實地反映了攝像頭檢測的速度波動，又能兼顧磁感線圈數據的可靠性和可信度，融合結果與車輛行駛記錄儀實際記錄的車輛運行速度相比，檢測精度較單獨使用固定攝像頭的檢測精度提高了5%。采用插值法變權值對車輛行駛狀態信息進行融合匹配能有效提高數據可靠性，從而解決高速公路智能空間內異類傳感器檢測數據融合的問題。

4　結論

(1)將智能車輛對環境感知的任務，轉移到高速公路智能空間內進行集中處理，通過車路通信對空間中所有行駛的車輛進行實時、精準和可靠的信息服務。

(2)利用固定攝像頭和地感線圈進行車輛行駛狀態信息采集試驗，對兩種傳感器的車輛行駛狀態信息檢測結果進行融合，并分析比較了融合結果的檢測精度，融合結果較單一傳感器的檢測精度更高。

[1]HONG C.Automotive vontrol:the state of the art and perspective[J].Acta automatica sinica,2013,39(4):322-346.

[2]董紅召,陳煒烽,郭明飛,等.基于車路一體化的車輛主動避撞系統關鍵技術的研究[J].汽車工程,2010,32(11):984-988.

[3]XIAO L Y,GAO F.A comprehensive review of the development of adaptive cruise control(ACC) systems[J].Vehicle system dynamics,2010,48(10):1167-1192.

[4]CRISMAN B J,THORPE C.Color vision for road following,vision and navigation:the carnegie mellon Navlab[M].US:Vision and Navigation,2010:9-24.

[5]肖凌云.基于典型信息框架的自動車隊分布式控制與隊列穩定性分析[D].北京:北京航空航天大學,2011.

[6]HASHIMOTO H,TAKESHI S,LASZLO A J.Current status of intelligent space[J].Journal of measurement science and instrumentation,2010,1(1):86-92.

[7]路飛,田國會,劉國良,等.智能空間下基于WIFI指紋定位與粒子濾波的服務機器人復合全局定位系統設計[J].機器人,2016,38(2):260-265.

[8]TANG X,GAO F,XU G,et al.Distributed model predictive control over multiple groups of vehicles in highway intelligent space for large scale system[J].Mathematical problems in engineering,2014,2014(3):1-12.

[9]TANG X,GAO F,XU G,et al.Vehicle driving dynamics prediction based on highway intelligent space-vehicle framework theory[J].Journal of Jilin university(engineering and technology edition),2015,45(5):1395-1401.

[10]TANG X,GAO F,XU G,et al.Sensor systems for vehicle environment perception in a highway intelligent space system[J].Sensors,2014,14(5):8513-8527.

[11]GAO F,LIU J,XU G,et al.Vehicle state detection in highway intelligent space based on information fusion[C]// The Twelfth COTA International Conference of Transportation Professionals.2012:2307-2318.

[12]馬明明.基于視覺的多點車輛行駛狀態跟蹤[D].北京:北京航空航天大學,2012.

[13]黃小云,高峰,徐國艷,等.基于單幅立式標靶圖像的單目深度信息提取[J].北京航空航天大學學報,2015,41(4):649-655.

[14]童亮,李隱,谷云秋,等.基于微型地感線圈檢測器在交通流量調查系統中的研究與應用[J].公路交通科技(應用技術版),2015(4):271-272.

[15]張永忠,張軍強,李穎宏.多路環形線圈車輛檢測器設計[J].電子技術應用,2013,39(11):23-26.

國家自然科學基金項目(51405008)

劉建行(1985-),男,河北唐山人,博士生;高峰(1955-),男,河南洛陽人,教授,博士,博士生導師,主要研究方向為智能車輛/特種車輛及車輛非常規行走機構等.

2016-06-13

1672-6871(2017)01-0021-07

10.15926/j.cnki.issn1672-6871.2017.01.005

U461.3

A