汽车多传感器融合技术应用
  　摘 要：智慧出行，智能驾驶的发展很大程度上依靠传感器来实现。自动驾驶、自动泊车和自动紧急制动等驾驶功能，针对汽车多种传感器采集存在的不稳定性，导致车辆信息在特征提取上存在很大差异，数据处理融合过程中的差异造成信息冲突，导致有效信息丢失。多传感器融合算法可以将有效数据特征提取，增强有效数据信息量。
  关键词：智能车;多传感器;信息融合
  自动驾驶系统关键感知融合技术，并将系统集成在车上。使车辆具备获取车辆行驶周边环境的有用信息的能力，实现对目标信息的检测、分类、跟踪与预测的功能。实现多传感器信息融合技术的开发与应用，同时实现对自身定位信息、运动状态信息等的获取，从而扩大系统的时频覆盖范围、增加环境信息维数、发挥出感知系统的综合效应，进而为决策系统提供更加立体和可靠的环境信息。完成实车测试与相应性能调优，实现实车相应应用。
  在封闭园区、高速公路/环路、城市道路及北京市自动驾驶测试试验场场景下，基于多传感器的感知信息融合系统针对汽车异常复杂的行驶环境，以感知系统各传感器的检测优势为依据，
以确保整个系统能够在最大范围内对车辆周边环境信息实现360度的扫描与覆盖为原则，通过对传感器数据信息进行处理及感知信息融合算法进行开发，获取车辆行驶周边环境的有用信息，实现对目标信息的检测、分类、跟踪与预测（目标信息：车道状况信息、周边车辆及行人、自行车等的速度、角度、距离信息以及行车标志、交通信号灯等环境信息），同时实现对自身定位信息、运动状态信息等的获取，从而扩大系统的时频覆盖范围、增加环境信息维数、发挥出感知系统的综合效应，进而为决策系统提供更加立体和可靠的环境信息。
  多传感器信息融合系统包含硬件层，中间层和应用层三层结构，多传感器信息融合系统的内部分层结构如下：
  硬件层主要包含激光雷达、毫米波雷达、超声波传感器、视觉传感器;中间层为Linux操作系统和基于PCL、OpenCV、Caffe、TensorFlow、Eigen3库，传感器坐标系统一、时间同步模块，同时包含各路数据的解析模块（CAN解析，串口解析，网口点云数据解析，前视和环视图像数据解析）;应用层为感知算法的功能实现层，单传感器检测和多传感器融合，以及SLAM地图和结构化高精度地图。
  单传感器检测即基于单一传感器数据进行特定的识别检测，具体包括：
  （1）基于激光雷达点云数据的障碍物检测、分类，车道线检测;
  （2）基于图像的障碍物检测、分类，交通标志检测，可行驶区域检测，红绿灯检测，车道线检测;
  （3）基于毫米波雷达的障碍物检测;
  （4）基于环视相机的车位检测;
  （5）基于激光雷达扫描匹配的定位;
  多传感器融合即采用数据融合算法，对于多种传感器检测结果进行进一步的融合处理，使得感知系统能够在复杂场景下充分发挥多类型传感器的优势，完成对多目标的可靠追踪，具体包括：
  （1）RV融合;
  （2）UV融合;
  （3）RLV融合追踪（包含LV融合）;
  （4）GPS-IMU-扫描匹配融合定位（包括：基于全局坐标系下的x、y、z坐标及x、y、z三个方向的速度、加速度信息（包含坐标系的定义）、时间信息、纬度、经度、海拔、定位状态、偏航角、俯仰角、滚转角。）;
  此外还包含用户控制台以及可视化界面，方便用户选择性地开启和关闭本系统所有模块，应用层各模块间以进程间通信方式进行通信。融合感知系统所有功能模块的计算总量远远大于计算平台的计算量，因此必须根据车辆的实时状态有选择的关闭部分功能模块以释放不必要的计算力、内存等资源浪费情况。
  联动启动：通过启动配置文件及相应的解析脚本，管理进程的启动参数及顺序。构造功能模块的进程启动链，依次启动数据解析层、数据处理层、感知融合层、业务管理层各功能模块。
  进程通讯：进程间通讯主要利用共享内存的方式，首先在主进程中申请（linux/shmget）一个固定大小的内存空间用于多传感器数据的传输，同时为不同的硬件传感器，建立独立的子进程（linux/fork），并将共享内存区对象映射到调用的子进程的地址空间（linux/shmat），各子进程可独立的接受传感数据，并将传感数据写入到共享内存中，在数据融合处理之后将
结果返回相关UI进程。
汽车传感器  系统级资源调度
  融合感知系统所有功能模块的计算总量远远大于计算平台的计算量，因此必须根据车辆的实时状态有选择的关闭部分功能模块以释放不必要的计算力、内存等资源浪费情况。状态判断：车辆的状态可以通过车辆底盘、传感器等渠道获得。经过对数据的分析处理，判断车辆当前处于倒车、停车、巡航、加速、超车等不同的道路场景。资源调度：根据车辆实时状态，管理控制系统的资源分配。合理的选择关闭功能模块可以大幅度减少计算力的紧缺状况，降低系统出现故障的风险。
  各模块处理周期：所有解析模块能够基本达到实时性，对于图像处理模块工作频率为15-20Hz，激光雷达点云处理模块的工作频率为10Hz（激光雷达数据频率为10Hz），融合定位模块工作频率达到10Hz以上，融合感知模块工作频率为10Hz。
  车辆的状态可以通过车辆底盘、传感器等渠道获得。经过对数据的分析处理，判断车辆当前处于倒车、停车、巡航、加速、超车等不同的道路场景。资源调度：根据车辆实时状态，
管理控制系统的资源分配。合理的选择关闭功能模块可以大幅度减少计算力的紧缺状况，降低系统出现故障的风险。由于感知融合系统是一个分布式的多进程系统，有必要对所有功能模块及相应进程做状态监听及故障检测，并在发生故障时通知GUI发出告警。警系统能更有效的实现对系统整体的管理。在本系统中，根据故障的危险等级，警报可分为调试、信息、警告、错误四个等级。
  用于调试的GUI和用于演示的GUI，内容主要分为两部分功能：人机交互、感知结果。人机交互包括感知系统运行开关（默认关闭），各模块独立开/关，用户可以选择性对任意模块开关，同时，系统包含前向行驶场景和泊车场景下两个一键开关，各传感器坐标能够在人机交互界面下配置参数。
  通过高斯模糊和中值滤波进行图像预处理;通过红通道滤波进行车道线彩特征提取;通过Canny检测进行车道线边缘特征提取;通过霍夫线检测进行特征融合后的特征增强;通过彩直方图及滑动窗口进行车道线搜索;机器学习算法：通过机器学习算法对前视相机的实时图像进行特征提取，检测和识别前视相机图像中的车道线信息。
  感知融合系统的功能繁杂，各功能模块的工作频率不一致。但由于其对数據实时性的要求
极高，本系统被设计为一个基于分布式计算架构的多进程功能系统。因此需要系统整体上对各进程进行统一协调调度，联动依次启动各功能模块的相关进程链，注册进程间的通讯关系，建立进程与进程的数据链接。
  参考文献：
  [1]王军伟.智能传感器在汽车电子方面的应用[J].科技传播，2013（5）：191+196.
  [2]肖萍萍，宋晖，肖帅等.关于智能传感器与汽车电子的分析[J].卷宗，2015（11）：339.
  [3]冯小福.汽车智能化电子传感器技术应用研究[J].数字技术与应用，2015（3）：107-108.
  [4]潘泉，王增福，梁彦，等.信息融合理论的基本方法与进展（II）[J].控制理论与应用，2012，29（10）：599-615.
  [5]王海鹏，熊伟，何友，等.集中式多传感器概率最近邻域算法 [J].仪器仪表学报，2010，31（11）：2500-2507.
  [6]宋强，熊伟，何友.多传感器多目标系统误差融合估计算法 [J].北京航空航天大学报，201
238（6）：835-841.
  [7]刘贵如，周鸣争，王陆林，等.城市工况下最小安全车距控制模型和避撞算法[J].汽车工程，2016，38（10）：1200-1205.




                           
          感谢您的阅读，祝您生活愉快。