本发明涉及车辆技术领域，特别涉及一种基于毫米波雷达的车辆碰撞预警控制方法、系统及车辆。
背景技术：
当前，大部分汽车的前照明大灯系统仍采用白炽灯、卤素灯或疝气灯作为远光灯光源。当驾驶员需要对前方行人、自行车或者车辆进行提醒时，只能通过手动开关来控制远光灯闪烁，完成提醒功能。无法自动帮助驾驶员识别出夜间障碍物信息，在夜间视野受限的情况下容易增加碰撞事故风险。
于此同时，传统大灯往往采用单一的光源，在用远光进行闪烁提醒时，会影响到本方驾驶员的照明视野，影响到安全驾驶。
针对以上问题，当前技术下，一种基于单目摄像头的矩阵式led大灯系统得到了发展和应用，通过摄像头可以自动识别出行人的具体信息，自动控制行人所在位置对应的led光源进行闪烁，提醒行人和驾驶员进行避让。但本技术方案仍存在明显的技术缺陷：
1.单目摄像头对非光源目标物的识别距离较近，例如行人、自行车以及固定非发光障碍物。尤其在夜间环境下，摄像头的识别距离进一步缩短，导致碰撞预警无法及时触发，从而不能提供足够的时间提醒障碍物和本方驾驶员进行避让，降低了行车安全性；
2.对障碍物位置的识别精度较低，导致获取的信息具有较大的误差，而障碍物碰撞预警功能却需要获取足够精确的障碍物位置和运动信息，否则会导致碰撞风险的估计不准，导致预警不准或者预警滥用，驾驶体验较差，也会降低行车安全性；
3.系统的可靠性低，由于摄像头受天气和环境的影响较大，导致在夜晚或者恶劣天气条件下，系统的性能、可靠性和鲁棒性大大降低，从而影响行车安全。
技术实现要素：
本发明旨在至少解决上述技术问题之一。
为此，本发明的一个目的在于提出一种基于毫米波雷达的车辆碰撞预警控制方法，该方法采用毫米波雷达作为感知传感器，有效提高了障碍物的定位精度，大大提高了障碍物的轨迹追踪和预测精度，进而大大提高了碰撞预测精度，提高了车辆碰撞预警的可靠性，利于提升行车安全性。
为此，本发明的第二个目的在于提出一种基于毫米波雷达的车辆碰撞预警控制系统。
为此，本发明的第三个目的在于提出一种车辆。
为了实现上述目的，本发明第一方面的实施例提出了一种基于毫米波雷达的车辆碰撞预警控制方法，包括以下步骤：s1：获取毫米波雷达识别的障碍物信息，所述障碍物信息包括：障碍物的当前位置、障碍物与车辆的横向相对距离、纵向相对距离、横向相对速度、纵向相对速度及障碍物宽度，定义车辆行驶方向为纵向正方向，本车驾驶员右手方向为横向正方向；s2：对所述障碍物信息进行处理，得到横向相对距离最佳估计值、纵向相对距离最佳估计值、横向相对速度最佳估计值及纵向相对速度最佳估计值；s3：根据所述距离最佳估计值、纵向相对距离最佳估计值、横向相对速度最佳估计值及纵向相对速度最佳估计值，建立所述障碍物的运动轨迹；s4：根据所述障碍物的运动轨迹，预测所述车辆与所述障碍物的纵向相遇时间，并预测所述纵向相遇时间对应的横向相对距离；s5：根据所述纵向相遇时间对应的横向相对距离判断所述车辆与所述障碍物是否存在碰撞风险；s6：如果是，则确定与所述障碍物的当前位置对应的车辆远光灯中的led光源，并控制所述led光源闪烁，以进行碰撞预警。
根据本发明实施例的基于毫米波雷达的车辆碰撞预警控制方法，可以自动识别障碍物信息，并可以准确预测障碍物与车辆是否存在碰撞风险，对于存在碰撞风险的障碍物，可以自动控制对应的led光源闪烁，实现同时对障碍物以及本车驾驶员进行碰撞预警；对于没有碰撞风险的障碍物，自动熄灭障碍物当前位置对应的led光源，防止造成远光灯炫目；并且，采用毫米波雷达作为感知传感器，有效提高了障碍物的定位精度，大大提高了障碍物的轨迹追踪和预测精度，进而大大提高了碰撞预测精度，防止碰撞风险误判断导致未有效预警或预警滥用，提高了功能的可靠性和鲁棒性，利于提升行车安全性。
另外，根据本发明上述实施例的基于毫米波雷达的车辆碰撞预警控制方法还可以具有如下附加的技术特征：
在一些示例中，还包括：如果判断所述车辆与所述障碍物不存在碰撞风险，则控制与所述障碍物的当前位置对应的车辆远光灯中的led光源熄灭。
在一些示例中，所述步骤s2，包括：根据所述障碍物信息建立障碍物状态矩阵；根据运动预测方程对所述状态矩阵进行卡尔曼滤波，得到所述横向相对距离最佳估计值、纵向相对距离最佳估计值、横向相对速度最佳估计值及纵向相对速度最佳估计值，其中，
所述运动预测方程包括：
dk＝dk-1+δt·vhk-1
lk＝lk-1+δt·vvk-1
其中，dk表示当前周期障碍物的横向相对距离，dk-1表示前第1个周期障碍物的横向相对距离，lk表示当前周期障碍物的纵向相对距离，lk-1表示前第1个周期障碍物的纵向相对距离，vhk-1表示前第1个周期障碍物的横向相对速度，vvk-1表示前第1个周期障碍物的纵向相对速度，δt表示采样和计算周期。
在一些示例中，所述步骤s3，包括：计算障碍物当前周期和前两个周期的横向相对距离最佳估计值、当前周期和前两个周期的纵向相对距离最佳估计值、当前周期和前两个周期的横向相对速度最佳估计值及当前周期和前两个周期的纵向相对速度最佳估计值；根据所述障碍物当前周期和前两个周期的横向相对距离最佳估计值、当前周期和前两个周期的纵向相对距离最佳估计值、当前周期和前两个周期的横向相对速度最佳估计值及当前周期和前两个周期的纵向相对速度最佳估计值，得到所述障碍物的运动轨迹。
在一些示例中，所述根据所述障碍物的运动轨迹，预测所述车辆与所述障碍物的纵向相遇时间，包括：根据所述障碍物的运动轨迹，计算障碍物的纵向相对加速度，具体包括：
av＝fv·(vvfk－vvfk-1)/δt+(1－fv)·(vvfk-1－vvfk-2)/δt；
根据所述障碍物当前周期的纵向相对距离最佳估计值、所述障碍物当前周期的纵向相对速度最佳估计值及所述纵向相对加速度，基于恒定加速度原则，预测所述纵向相遇时间，具体包括：
(av·tv^2)/2+vvfk·tv+lfk＝0；
其中，fv表示障碍物纵向相对速度加权系数，av表示障碍物纵向相对加速度，vvfk为所述障碍物当前周期的纵向相对速度最佳估计值，av为所述纵向相对加速度，lfk为所述障碍物当前周期的纵向相对距离最佳估计值；vvfk-1表示所述障碍物前第1个周期的纵向相对速度最佳估计值，vvfk-2表示所述障碍物前第2个周期的纵向相对速度最佳估计值。
在一些示例中，若av＝0，则纵向相遇时间tv＝－lfk/vvfk；若av≠0，则纵向相遇时间tv＝(－vvfk±(vvfk^2-2·av·lfk)^0.5)/av；通过求解，若tv无正实数解，则将tv设置为预设的默认值，若tv有两个正实数解，则取其中的较小值作为最终解；其中，vvfk为所述障碍物当前周期的纵向相对速度最佳估计值，av为所述纵向相对加速度，lfk为所述障碍物当前周期的纵向相对距离最佳估计值。
在一些示例中，所述预测所述纵向相遇时间对应的横向相对距离，包括：根据所述障碍物的运动轨迹，计算障碍物的横向相对加速度，具体包括：
ah＝fh·(vhfk－vhfk-1)/δt+(1－fh)(vhfk-1－vhfk-2)/δt；
基于恒定加速度原则，计算所述障碍物左边界横向相对距离，具体包括：
dlk+tv＝dfk+(ah·tv^2)/2+vhfk·tv－w/2；
基于恒定加速度原则，计算障碍物右边界横向相对距离，具体包括：
drk+tv＝dfk+(ah·tv^2)/2+vhfk·tv+w/2；
其中，fh表示障碍物横向相对速度加权系数，ah表示障碍物横向相对加速度，vhfk表示障碍物当前周期的横向相对速度最佳估计值，vhfk-1表示障碍物前第1个周期的横向相对速度最佳估计值，vhfk-2表示障碍物前第2个周期的横向相对速度最佳估计值，dfk表示当前周期障碍物横向相对距离最佳估计值，dlk+tv表示预测tv时间后障碍物左边界横向相对距离，drk+tv表示预测tv时间后障碍物右边界横向相对距离，w表示障碍物宽度。
在一些示例中，所述步骤s5，包括：判断所述障碍物是否处于车辆所处的当前车道；如果判断所述障碍物处于车辆所处的当前车道，则判断纵向相遇时间tv是否小于第一预设时间；如果判断所述纵向相遇时间tv小于第一预设时间，则判断所述车辆与所述障碍物存在碰撞风险，否则，判断所述车辆与所述障碍物不存在碰撞风险。
在一些示例中，当满足以下条件之一，则判断所述障碍物处于车辆所处的当前车道，所述条件包括：障碍物处于当前车道左边界线上，其中，当dlk+tv≤－wl/2，且drk+tv≥－wl/2时，判断障碍物处于当前车道左边界线上；障碍物处于当前车道内，其中，当dlk+tv≥－wl/2，且drk+tv≤wl/2时，判断障碍物处于当前车道内；障碍物横贯当前车道，其中，当dlk+tv≤－wl/2，且drk+tv≥wl/2时，判断障碍物横贯当前车道；障碍物处于当前车道右边界线上，其中，当dlk+tv≤wl/2，且drk+tv≥wl/2时，判断障碍物处于当前车道右边界线上，其中，dlk+tv表示预测tv时间后障碍物左边界横向相对距离，drk+tv表示预测tv时间后障碍物右边界横向相对距离，wl表示当前车道的宽度。
为了实现上述目的，本发明第二方面的实施例提出了一种基于毫米波雷达的车辆碰撞预警控制系统，包括：获取模块，用于获取毫米波雷达识别的障碍物信息，所述障碍物信息包括：障碍物的当前位置、障碍物与车辆的横向相对距离、纵向相对距离、横向相对速度、纵向相对速度及障碍物宽度，定义车辆行驶方向为纵向正方向，本车驾驶员右手方向为横向正方向；处理模块，用于对所述障碍物信息进行处理，得到横向相对距离最佳估计值、纵向相对距离最佳估计值、横向相对速度最佳估计值及纵向相对速度最佳估计值；追踪模块，用于根据所述距离最佳估计值、纵向相对距离最佳估计值、横向相对速度最佳估计值及纵向相对速度最佳估计值，建立所述障碍物的运动轨迹；预测模块，用于根据所述障碍物的运动轨迹，预测所述车辆与所述障碍物的纵向相遇时间，并预测所述纵向相遇时间对应的横向相对距离；判断模块，用于根据所述纵向相遇时间对应的横向相对距离判断所述车辆与所述障碍物是否存在碰撞风险；控制模块，用于当所述车辆与所述障碍物存在碰撞风险时，确定与所述障碍物的当前位置对应的车辆远光灯中的led光源，并控制所述led光源闪烁，以进行碰撞预警。
根据本发明实施例的基于毫米波雷达的车辆碰撞预警控制系统，可以自动识别障碍物信息，并可以准确预测障碍物与车辆是否存在碰撞风险，对于存在碰撞风险的障碍物，可以自动控制对应的led光源闪烁，实现同时对障碍物以及本车驾驶员进行碰撞预警；对于没有碰撞风险的障碍物，自动熄灭障碍物当前位置对应的led光源，防止造成远光灯炫目；并且，采用毫米波雷达作为感知传感器，有效提高了障碍物的定位精度，大大提高了障碍物的轨迹追踪和预测精度，进而大大提高了碰撞预测精度，防止碰撞风险误判断导致未有效预警或预警滥用，提高了功能的可靠性和鲁棒性，利于提升行车安全性。
为了实现上述目的，本发明第三方面的实施例提出了一种车辆，包括本发明上述实施例所述的基于毫米波雷达的车辆碰撞预警控制系统。
根据本发明实施例的车辆，可以自动识别障碍物信息，并可以准确预测障碍物与车辆是否存在碰撞风险，对于存在碰撞风险的障碍物，可以自动控制对应的led光源闪烁，实现同时对障碍物以及本车驾驶员进行碰撞预警；对于没有碰撞风险的障碍物，自动熄灭障碍物当前位置对应的led光源，防止造成远光灯炫目；并且，采用毫米波雷达作为感知传感器，有效提高了障碍物的定位精度，大大提高了障碍物的轨迹追踪和预测精度，进而大大提高了碰撞预测精度，防止碰撞风险误判断导致未有效预警或预警滥用，提高了功能的可靠性和鲁棒性，利于提升行车安全性。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是根据本发明一个实施例的基于毫米波雷达的车辆碰撞预警控制方法的流程图；
图2是根据本发明一个实施例的障碍物轨迹追踪和预测示意图；
图3是根据本发明一个实施例的障碍物与车辆碰撞风险判定示意图；
图4是根据本发明一个实施例的基于毫米波雷达的车辆碰撞预警控制系统的结构框图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
以下结合附图描述根据本发明实施例的基于毫米波雷达的车辆碰撞预警控制方法、系统及车辆。
图1是根据本发明一个实施例的基于毫米波雷达的车辆碰撞预警控制方法的流程图。如图1所示，该基于毫米波雷达的车辆碰撞预警控制方法，包括以下步骤：
步骤s1：获取毫米波雷达识别的障碍物信息，障碍物信息包括：障碍物的当前位置、障碍物与车辆的横向相对距离、纵向相对距离、横向相对速度、纵向相对速度及障碍物宽度，定义车辆行驶方向为纵向正方向，本车驾驶员右手方向为横向正方向。
具体的说，即将毫米波雷达作为系统感知装置，通过毫米波雷达识别障碍物信息，从而可以有效解决目前单目摄像的缺陷，提高障碍物的识别率、识别距离以及定位精度，基于高度精确的定位可以更加准确的预测障碍物的碰撞风险，有效提高障碍物的碰撞预警功能的鲁棒性和可靠性，利于提升行车安全性。
障碍物例如为行驶路上的车辆、行人、自行车以及其他固定障碍物等。信息即包括障碍物位置和运动信息，具体如：障碍物的当前位置、与车辆的横向相对距离d(单位：米)、纵向相对距离l(单位：米)、横向相对速度vh(单位：米/秒)、纵向相对速度vv(单位：米/秒)以及障碍物宽度w(单位：米)。
步骤s2：对障碍物信息进行处理，得到横向相对距离最佳估计值、纵向相对距离最佳估计值、横向相对速度最佳估计值及纵向相对速度最佳估计值。
具体的，步骤s2包括：
根据障碍物信息建立障碍物状态矩阵，具体为：
运动预测方程包括：
dk＝dk-1+δt·vhk-1(1)
lk＝lk-1+δt·vvk-1(2)
可得到状态预测矩阵为：
测量值噪声协方差矩阵为：
其中，dk表示当前周期障碍物的横向相对距离，dk-1表示前第1个周期障碍物的横向相对距离，lk表示当前周期障碍物的纵向相对距离，lk-1表示前第1个周期障碍物的纵向相对距离，vhk-1表示前第1个周期障碍物的横向相对速度，vvk-1表示前第1个周期障碍物的纵向相对速度，δt表示系统采样和计算周期，单位为秒；
步骤s3：根据距离最佳估计值、纵向相对距离最佳估计值、横向相对速度最佳估计值及纵向相对速度最佳估计值，建立障碍物的运动轨迹。
具体的，步骤s3包括：计算障碍物当前周期和前两个周期的横向相对距离最佳估计值、当前周期和前两个周期的纵向相对距离最佳估计值、当前周期和前两个周期的横向相对速度最佳估计值及当前周期和前两个周期的纵向相对速度最佳估计值；根据障碍物当前周期和前两个周期的横向相对距离最佳估计值、当前周期和前两个周期的纵向相对距离最佳估计值、当前周期和前两个周期的横向相对速度最佳估计值及当前周期和前两个周期的纵向相对速度最佳估计值，得到障碍物的运动轨迹。
具体的说，结合图2所示，即保留障碍物当前周期和前2个周期探测的横向相对距离最佳估计值(dfk、dfk-1和dfk-2)、纵向相对距离最佳估计值(lfk、lfk-1和lfk-2)、横向相对速度最佳估计值(vhfk、vhfk-1和vhfk-2)以及纵向相对速度最佳估计值(vvfk、vvfk-1和vvfk-2)，以建立障碍物的运动轨迹。
步骤s4：根据障碍物的运动轨迹，预测车辆与障碍物的纵向相遇时间，并预测纵向相遇时间对应的横向相对距离。
具体的，根据障碍物的运动轨迹，预测车辆与障碍物的纵向相遇时间的过程，包括：
根据障碍物的运动轨迹，计算障碍物的纵向相对加速度，具体包括：
av＝fv·(vvfk－vvfk-1)/δt+(1－fv)·(vvfk-1－vvfk-2)/δt(5)；
根据障碍物当前周期的纵向相对距离最佳估计值、障碍物当前周期的纵向相对速度最佳估计值及纵向相对加速度，基于恒定加速度原则，预测纵向相遇时间tv，具体包括：
(av·tv^2)/2+vvfk·tv+lfk＝0(6)；
其中，fv表示障碍物纵向相对速度加权系数，其具体大小可以由本领域技术人员根据实际情况进行设置；av表示障碍物纵向相对加速度，vvfk为障碍物当前周期的纵向相对速度最佳估计值，av为纵向相对加速度，lfk为障碍物当前周期的纵向相对距离最佳估计值；vvfk-1表示障碍物前第1个周期内的纵向相对速度最佳估计值，vvfk-2表示障碍物前第2个周期的纵向相对速度最佳估计值。
进而，根据公式6可计算纵向相遇时间tv的有效解，若av＝0，则纵向相遇时间tv＝－lfk/vvfk；若av≠0，则纵向相遇时间，tv＝(－vvfk±(vvfk^2-2·av·lfk)^0.5)/av，通过求解，若tv无正实数解，则将tv设置为预设的默认值，默认值可以设置为一个较大的正实数，例如100；若tv有两个正实数解，则取其中的较小值作为最终解。其中，vvfk为障碍物当前周期的纵向相对速度最佳估计值，av为纵向相对加速度，lfk为障碍物当前周期的纵向相对距离最佳估计值。
具体的，预测纵向相遇时间tv对应的横向相对距离的过程，包括：
根据障碍物的运动轨迹，计算障碍物的横向相对加速度，具体包括：
ah＝fh·(vhfk－vhfk-1)/δt+(1－fh)(vhfk-1－vhfk-2)/δt(7)；
基于恒定加速度原则，计算障碍物左边界横向相对距离，具体包括：
dlk+tv＝dfk+(ah·tv^2)/2+vhfk·tv－w/2(8)；
基于恒定加速度原则，计算障碍物右边界横向相对距离，具体包括：
drk+tv＝dfk+(ah·tv^2)/2+vhfk·tv+w/2(9)；
其中，fh表示障碍物横向相对速度加权系数，其具体大小可以由本领域技术人员根据实际情况进行设置；ah表示障碍物横向相对加速度，vhfk表示障碍物当前周期的横向相对速度最佳估计值，vhfk-1表示障碍物前第1个周期的横向相对速度最佳估计值，vhfk-2表示障碍物前第2个周期的横向相对速度最佳估计值，dfk表示障碍物当前周期横向相对距离最佳估计值，dlk+tv表示预测时间tv后障碍物左边界横向相对距离，drk+tv表示预测时间tv后障碍物右边界横向相对距离，w表示障碍物宽度。
步骤s5：根据纵向相遇时间tv对应的横向相对距离判断车辆与障碍物是否存在碰撞风险。
具体的，步骤s5包括：
判断障碍物在纵向相遇时间tv时是否处于车辆所处的当前车道；
如果判断障碍物处于车辆所处的当前车道，则判断纵向相遇时间tv是否小于第一预设时间，第一预设时间的大小可以由本领域技术人员根据实际情况进行设置；
如果判断纵向相遇时间tv小于第一预设时间，则判断车辆与障碍物存在碰撞风险，否则，判断车辆与障碍物不存在碰撞风险。
其中，结合图3所示，当满足以下条件之一，则判断障碍物处于车辆所处的当前车道，所述条件包括：
障碍物处于当前车道左边界线上；其中，当dlk+tv≤－wl/2，且drk+tv≥－wl/2时，判断障碍物处于当前车道左边界线上；
障碍物处于当前车道内；其中，当dlk+tv≥－wl/2，且drk+tv≤wl/2时，判断障碍物处于当前车道内；
障碍物横贯当前车道；其中，当dlk+tv≤－wl/2，且drk+tv≥wl/2时，判断障碍物横贯当前车道；
障碍物处于当前车道右边界线上；其中，当dlk+tv≤wl/2，且drk+tv≥wl/2时，判断障碍物处于当前车道右边界线上。
其中，dlk+tv表示预测时间tv后障碍物左边界横向相对距离，drk+tv表示预测时间tv后障碍物右边界横向相对距离，wl表示当前车道的宽度。
步骤s6：如果是，则确定与障碍物的当前位置对应的车辆远光灯中的led光源，并控制led光源闪烁，以进行碰撞预警，从而提高行车安全性。举例而言，即，如果判断车辆与障碍物是否存在碰撞风险，则触发碰撞预警，根据障碍物当前的位置信息确定对应的led光源，将led光源进行周期为tf闪烁动作，周期tf的具体大小可以由本领域技术人员根据实际情况进行设置。
在本发明的一个实施例中，该方法还包括：如果判断车辆与障碍物不存在碰撞风险，则控制与障碍物的当前位置对应的车辆远光灯中的led光源熄灭。具体而言，即如果判断车辆与障碍物不存在碰撞风险，则不触发碰撞预警，根据障碍物当前的位置信息确定对应的led光源，并熄灭对应led光源，防止远光对对向车辆、行人或自行车产生炫目，从而提高行车安全性。
综上，本发明实施例的基于毫米波雷达的车辆碰撞预警控制方法，其实现原理及流程可概述为：
将毫米波雷达作为系统感知装置，识别出前方障碍物(包括车辆、行人、自行车以及固定障碍物)，同时获取障碍物位置和运动信息，包括但不限于相对横向距离、相对纵向距离、相对横向速度，相对纵向速度以及障碍物宽度，对障碍物相对距离以及相对速度进行卡尔曼滤波，得到目标物相对距离和速度的最佳估计。
根据当前周期和之前两个周期障碍物的相对横向距离、相对纵向距离、相对横向速度和相对纵向速度，建立障碍物的轨迹，对障碍物进行轨迹追踪和预测，当障碍物预测轨迹与本车有碰撞风险时，激活碰撞预警功能。
根据障碍物轨迹，预测障碍物与本车纵向相遇时间，并判断纵向相遇时刻障碍物是否处于本车道内，若处于本车道，同时纵向相遇剩余时间小于设定阈值，则触发碰撞预警功能，利于提高行车安全性。
当未触发碰撞预警功能，熄灭障碍物当前位置对应的led光源，防止远光对车辆、行人以及自行车产生炫目；当触发障碍物碰撞预警功能时，根据障碍物当前位置，控制对应的led光源进行一定周期的闪烁，提醒外部障碍物以及本车驾驶员进行避让，从而提高行车安全性。
根据本发明实施例的基于毫米波雷达的车辆碰撞预警控制方法，可以自动识别障碍物信息，并可以准确预测障碍物与车辆是否存在碰撞风险，对于存在碰撞风险的障碍物，可以自动控制对应的led光源闪烁，实现同时对障碍物以及本车驾驶员进行碰撞预警；对于没有碰撞风险的障碍物，自动熄灭障碍物当前位置对应的led光源，防止造成远光灯炫目；并且，采用毫米波雷达作为感知传感器，有效提高了障碍物的定位精度，大大提高了障碍物的轨迹追踪和预测精度，进而大大提高了碰撞预测精度，防止碰撞风险误判断导致未有效预警或预警滥用，提高了功能的可靠性和鲁棒性，利于提升行车安全性。
本发明的进一步实施例还提出了一种基于毫米波雷达的车辆碰撞预警控制系统。
图4是根据本发明实施例的一种基于毫米波雷达的车辆碰撞预警控制系统的结构框图。如图4所示，该基于毫米波雷达的车辆碰撞预警控制系统100，包括：获取模块110、处理模块120、追踪模块130、预测模块140、判断模块150和控制模块160。
具体的，获取模块110用于获取毫米波雷达识别的障碍物信息，障碍物信息包括：障碍物的当前位置、障碍物与车辆的横向相对距离、纵向相对距离、横向相对速度、纵向相对速度及障碍物宽度，定义车辆行驶方向为纵向正方向，本车驾驶员右手方向为横向正方向。
具体的说，即将毫米波雷达作为系统感知装置，通过毫米波雷达识别障碍物信息，从而可以有效解决目前单目摄像的缺陷，提高障碍物的识别率、识别距离以及定位精度，基于高度精确的定位可以更加准确的预测障碍物的碰撞风险，有效提高障碍物的碰撞预警功能的鲁棒性和可靠性，利于提升行车安全性。
障碍物例如为行驶路上的车辆、行人、自行车以及其他固定障碍物等。信息即包括障碍物位置和运动信息，具体如：障碍物的当前位置、与车辆的横向相对距离d(单位：米)、纵向相对距离l(单位：米)、横向相对速度vh(单位：米/秒)、纵向相对速度vv(单位：米/秒)以及障碍物宽度w(单位：米)。
处理模块120用于对障碍物信息进行处理，得到横向相对距离最佳估计值、纵向相对距离最佳估计值、横向相对速度最佳估计值及纵向相对速度最佳估计值。
具体的，处理模块120用于：
根据障碍物信息建立障碍物状态矩阵，具体为：
运动预测方程包括：
dk＝dk-1+δt·vhk-1(1)
lk＝lk-1+δt·vvk-1(2)
可得到状态预测矩阵为：
测量值噪声协方差矩阵为：
其中，dk表示当前周期障碍物的横向相对距离，dk-1表示前第1个周期障碍物的横向相对距离，lk表示当前周期障碍物的纵向相对距离，lk-1表示前第1个周期障碍物的纵向相对距离，vhk-1表示前第1个周期障碍物的横向相对速度，vvk-1表示前第1个周期障碍物的纵向相对速度，δt表示系统采样和计算周期，单位为秒；
追踪模块130用于根据距离最佳估计值、纵向相对距离最佳估计值、横向相对速度最佳估计值及纵向相对速度最佳估计值，建立障碍物的运动轨迹。
具体的，追踪模块130用于：计算障碍物当前周期和前两个周期的横向相对距离最佳估计值、当前周期和前两个周期的纵向相对距离最佳估计值、当前周期和前两个周期的横向相对速度最佳估计值及当前周期和前两个周期的纵向相对速度最佳估计值；根据障碍物当前周期和前两个周期的横向相对距离最佳估计值、当前周期和前两个周期的纵向相对距离最佳估计值、当前周期和前两个周期的横向相对速度最佳估计值及当前周期和前两个周期的纵向相对速度最佳估计值，得到障碍物的运动轨迹。
具体的说，即保留障碍物当前周期和前2个周期探测的横向相对距离最佳估计值(dfk、dfk-1和dfk-2)、纵向相对距离最佳估计值(lfk、lfk-1和lfk-2)、横向相对速度最佳估计值(vhfk、vhfk-1和vhfk-2)以及纵向相对速度最佳估计值(vvfk、vvfk-1和vvfk-2)，建立障碍物的运动轨迹。
预测模块140用于根据障碍物的运动轨迹，预测车辆与障碍物的纵向相遇时间，并预测纵向相遇时间对应的横向相对距离。
具体的，预测模块140根据障碍物的运动轨迹，预测车辆与障碍物的纵向相遇时间的过程，包括：
根据障碍物的运动轨迹，计算障碍物的纵向相对加速度，具体包括：
av＝fv·(vvfk－vvfk-1)/δt+(1－fv)·(vvfk-1－vvfk-2)/δt(5)；
根据障碍物当前周期的纵向相对距离最佳估计值、障碍物当前周期的纵向相对速度最佳估计值及纵向相对加速度，根据恒定加速度原则，预测纵向相遇时间tv，具体包括：
(av·tv^2)/2+vvfk·tv+lfk＝0(6)；
其中，fv表示障碍物纵向相对速度加权系数，其具体大小可以由本领域技术人员根据实际情况进行设置；av表示障碍物纵向相对加速度，vvfk为障碍物当前周期的纵向相对速度最佳估计值，av为纵向相对加速度，lfk为障碍物当前周期的纵向相对距离最佳估计值；vvfk-1表示障碍物前第1个周期的纵向相对速度最佳估计值，vvfk-2表示障碍物前第2个周期的纵向相对速度最佳估计值。
进而，根据公式6可计算纵向相遇时间tv的有效解，若av＝0，则纵向相遇时间tv＝－lfk/vvfk；若av≠0，则纵向相遇时间tv＝(－vvfk±(vvfk^2-2·av·lfk)^0.5)/av。通过求解，若tv无正实数解，则将tv设置为预设的默认值，默认值可以设置为一个较大的正实数，例如100；若tv有两个正实数解，则取其中的较小值作为最终解。
其中，vvfk为障碍物当前周期的纵向相对速度最佳估计值，av为纵向相对加速度，lfk为障碍物当前周期的纵向相对距离最佳估计值。
具体的，预测模块140预测纵向相遇时间tv对应的横向相对距离的过程，包括：
根据障碍物的运动轨迹，计算障碍物的横向相对加速度，具体包括：
ah＝fh·(vhfk－vhfk-1)/δt+(1－fh)(vhfk-1－vhfk-2)/δt(7)；
基于恒定加速度原则，计算障碍物左边界横向相对距离，具体包括：
dlk+tv＝dfk+(ah·tv^2)/2+vhfk·tv－w/2(8)；
基于恒定加速度原则，计算障碍物右边界横向相对距离，具体包括：
drk+tv＝dfk+(ah·tv^2)/2+vhfk·tv+w/2(9)；
其中，fh表示障碍物横向相对速度加权系数，其具体大小可以由本领域技术人员根据实际情况进行设置；ah表示障碍物横向相对加速度，vhfk表示障碍物当前周期的横向相对速度最佳估计值，vhfk-1表示障碍物前第1个周期的横向相对速度最佳估计值，dfk表示障碍物当前周期横向相对距离最佳估计值，vhfk-2表示障碍物前第2个周期的横向相对速度最佳估计值，dlk+tv表示预测时间tv后障碍物左边界横向相对距离，drk+tv表示预测时间tv后障碍物右边界横向相对距离，w表示障碍物宽度。
判断模块150用于根据纵向相遇时间对应的横向相对距离判断车辆与障碍物是否存在碰撞风险。
具体的，判断模块150用于：
判断障碍物在纵向相遇时间tv时是否处于车辆所处的当前车道；
如果判断障碍物处于车辆所处的当前车道，则判断纵向相遇时间tv是否小于第一预设时间，第一预设时间的大小可以由本领域技术人员根据实际情况进行设置；
如果判断纵向相遇时间tv小于第一预设时间，则判断车辆与障碍物存在碰撞风险，否则，判断车辆与障碍物不存在碰撞风险。
其中，当满足以下条件之一，则判断障碍物处于车辆所处的当前车道，所述条件包括：
障碍物处于当前车道左边界线上；其中，当dlk+tv≤－wl/2，且drk+tv≥－wl/2时，判断障碍物处于当前车道左边界线上；
障碍物处于当前车道内；其中，当dlk+tv≥－wl/2，且drk+tv≤wl/2时，判断障碍物处于当前车道内；
障碍物横贯当前车道；其中，当dlk+tv≤－wl/2，且drk+tv≥wl/2时，判断障碍物横贯当前车道；
障碍物处于当前车道右边界线上；其中，当dlk+tv≤wl/2，且drk+tv≥wl/2时，判断障碍物处于当前车道右边界线上。
其中，dlk+tv表示预测时间tv后障碍物左边界横向相对距离，drk+tv表示预测时间tv后障碍物右边界横向相对距离，wl表示当前车道的宽度。
控制模块160用于当车辆与障碍物存在碰撞风险时，确定与障碍物的当前位置对应的车辆远光灯中的led光源，并控制led光源闪烁，以进行碰撞预警，从而提高行车安全性。举例而言，即，如果判断车辆与障碍物是否存在碰撞风险，则触发碰撞预警，根据障碍物当前的位置信息确定对应的led光源，将led光源进行周期为tf闪烁动作，周期tf的具体大小可以由本领域技术人员根据实际情况进行设置。
在本发明的一个实施例中，控制模块160还用于：当车辆与障碍物不存在碰撞风险时，控制与障碍物的当前位置对应的车辆远光灯中的led光源熄灭。具体而言，即如果判断车辆与障碍物不存在碰撞风险，则不触发碰撞预警，根据障碍物当前的位置信息确定对应的led光源，并熄灭对应led光源，防止远光对对向车辆、行人或自行车产生炫目，从而提高行车安全性。
需要说明的是，本发明实施例的基于毫米波雷达的车辆碰撞预警控制系统的具体实现方式与本发明实施例的基于毫米波雷达的车辆碰撞预警控制方法的具体实现方式类似，具体请参见方法部分的描述，为了减少冗余，此处不再赘述。
根据本发明实施例的基于毫米波雷达的车辆碰撞预警控制系统，可以自动识别障碍物信息，并可以准确预测障碍物与车辆是否存在碰撞风险，对于存在碰撞风险的障碍物，可以自动控制对应的led光源闪烁，实现同时对障碍物以及本车驾驶员进行碰撞预警；对于没有碰撞风险的障碍物，自动熄灭障碍物当前位置对应的led光源，防止造成远光灯炫目；并且，采用毫米波雷达作为感知传感器，有效提高了障碍物的定位精度，大大提高了障碍物的轨迹追踪和预测精度，进而大大提高了碰撞预测精度，防止碰撞风险误判断导致未有效预警或预警滥用，提高了功能的可靠性和鲁棒性，利于提升行车安全性。
本发明的进一步实施例还提出了一种车辆，该车辆包括本发明上述任意一个实施例所描述的基于毫米波雷达的车辆碰撞预警控制系统。因此，本发明实施例的车辆的具体实现方式与本发明实施例的基于毫米波雷达的车辆碰撞预警控制系统的具体实现方式类似，具体请参见系统部分的描述，为了减少冗余，此处不再赘述。
根据本发明实施例的车辆，可以自动识别障碍物信息，并可以准确预测障碍物与车辆是否存在碰撞风险，对于存在碰撞风险的障碍物，可以自动控制对应的led光源闪烁，实现同时对障碍物以及本车驾驶员进行碰撞预警；对于没有碰撞风险的障碍物，自动熄灭障碍物当前位置对应的led光源，防止造成远光灯炫目；并且，采用毫米波雷达作为感知传感器，有效提高了障碍物的定位精度，大大提高了障碍物的轨迹追踪和预测精度，进而大大提高了碰撞预测精度，防止碰撞风险误判断导致未有效预警或预警滥用，提高了功能的可靠性和鲁棒性，利于提升行车安全性。
另外，根据本发明实施例的车辆的其它构成以及作用对于本领域的普通技术人员而言都是已知的，为了减少冗余，不做赘述。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同限定。
技术特征：
1.一种基于毫米波雷达的车辆碰撞预警控制方法，其特征在于，包括以下步骤：
s1：获取毫米波雷达识别的障碍物信息，所述障碍物信息包括：障碍物的当前位置、障碍物与车辆的横向相对距离、纵向相对距离、横向相对速度、纵向相对速度及障碍物宽度，定义车辆行驶方向为纵向正方向，本车驾驶员右手方向为横向正方向；
s2：对所述障碍物信息进行处理，得到横向相对距离最佳估计值、纵向相对距离最佳估计值、横向相对速度最佳估计值及纵向相对速度最佳估计值；
s3：根据所述距离最佳估计值、纵向相对距离最佳估计值、横向相对速度最佳估计值及纵向相对速度最佳估计值，建立所述障碍物的运动轨迹；
s4：根据所述障碍物的运动轨迹，预测所述车辆与所述障碍物的纵向相遇时间，并预测所述纵向相遇时间对应的横向相对距离；
s5：根据所述纵向相遇时间对应的横向相对距离判断所述车辆与所述障碍物是否存在碰撞风险；
s6：如果是，则确定与所述障碍物的当前位置对应的车辆远光灯中的led光源，并控制所述led光源闪烁，以进行碰撞预警。
2.根据权利要求1所述的基于毫米波雷达的车辆碰撞预警控制方法，其特征在于，还包括：
如果判断所述车辆与所述障碍物不存在碰撞风险，则控制与所述障碍物的当前位置对应的车辆远光灯中的led光源熄灭。
3.根据权利要求1所述的基于毫米波雷达的车辆碰撞预警控制方法，所述步骤s2，包括：
根据所述障碍物信息建立障碍物状态矩阵；
根据运动预测方程对所述状态矩阵进行卡尔曼滤波，得到所述横向相对距离最佳估计值、纵向相对距离最佳估计值、横向相对速度最佳估计值及纵向相对速度最佳估计值，其中，
所述运动预测方程包括：
dk＝dk-1+δt·vhk-1
lk＝lk-1+δt·vvk-1
其中，dk表示当前周期障碍物的横向相对距离，dk-1表示前第1个周期障碍物的横向相对距离，lk表示当前周期障碍物的纵向相对距离，lk-1表示前第1个周期障碍物的纵向相对距离，vhk-1表示前第1个周期障碍物的横向相对速度，vvk-1表示前第1个周期障碍物的纵向相对速度，δt表示采样和计算周期。
4.根据权利要求2所述的基于毫米波雷达的车辆碰撞预警控制方法，其特征在于，所述步骤s3，包括：
计算障碍物当前周期和前两个周期的横向相对距离最佳估计值、当前周期和前两个周期的纵向相对距离最佳估计值、当前周期和前两个周期的横向相对速度最佳估计值及当前周期和前两个周期的纵向相对速度最佳估计值；
根据所述障碍物当前周期和前两个周期的横向相对距离最佳估计值、当前周期和前两个周期的纵向相对距离最佳估计值、当前周期和前两个周期的横向相对速度最佳估计值及当前周期和前两个周期的纵向相对速度最佳估计值，得到所述障碍物的运动轨迹。
5.根据权利要求4所述的基于毫米波雷达的车辆碰撞预警控制方法，其特征在于，所述根据所述障碍物的运动轨迹，预测所述车辆与所述障碍物的纵向相遇时间，包括：
根据所述障碍物的运动轨迹，计算障碍物的纵向相对加速度，具体包括：
av＝fv·(vvfk－vvfk-1)/δt+(1－fv)·(vvfk-1－vvfk-2)/δt；
根据所述障碍物当前周期的纵向相对距离最佳估计值、所述障碍物当前周期的纵向相对速度最佳估计值及所述纵向相对加速度，基于恒定加速度原则，预测所述纵向相遇时间，具体包括：
(av·tv^2)/2+vvfk·tv+lfk＝0；
其中，fv表示障碍物纵向相对速度加权系数，av表示障碍物纵向相对加速度，vvfk为所述障碍物当前周期的纵向相对速度最佳估计值，av为所述纵向相对加速度，lfk为所述障碍物当前周期的纵向相对距离最佳估计值；vvfk-1表示所述障碍物前第1个周期的纵向相对速度最佳估计值，vvfk-2表示所述障碍物前第2个周期的纵向相对速度最佳估计值。
6.根据权利要求5所述的基于毫米波雷达的车辆碰撞预警控制方法，其特征在于，计算纵向相遇时间：若av＝0，则纵向相遇时间tv＝－lfk/vvfk；若av≠0，则纵向相遇时间tv＝(－vvfk±(vvfk^2-2·av·lfk)^0.5)/av；通过求解，若tv无正实数解，则将tv设置为预设的默认值，若tv有两个正实数解，则取其中的较小值作为最终解，其中，vvfk为所述障碍物当前周期的纵向相对速度最佳估计值，av为所述纵向相对加速度，lfk为所述障碍物当前周期的纵向相对距离最佳估计值。
7.根据权利要求6所述的基于毫米波雷达的车辆碰撞预警控制方法，其特征在于，所述预测所述纵向相遇时间对应的横向相对距离，包括：
根据所述障碍物的运动轨迹，计算障碍物的横向相对加速度，具体包括：
ah＝fh·(vhfk－vhfk-1)/δt+(1－fh)(vhfk-1－vhfk-2)/δt；
基于恒定加速度原则，计算所述障碍物左边界横向相对距离，具体包括：
dlk+tv＝dfk+(ah·tv^2)/2+vhfk·tv－w/2；
基于恒定加速度原则，计算障碍物右边界横向相对距离，具体包括：
drk+tv＝dfk+(ah·tv^2)/2+vhfk·tv+w/2；
其中，fh表示障碍物横向相对速度加权系数，ah表示障碍物横向相对加速度，vhfk表示障碍物当前周期的横向相对速度最佳估计值，vhfk-1表示障碍物前第1个周期的横向相对速度最佳估计值，vhfk-2表示障碍物前第2个周期的横向相对速度最佳估计值，dfk表示当前周期障碍物横向相对距离最佳估计值，dlk+tv表示预测时间tv后障碍物左边界横向相对距离，drk+tv表示预测时间tv后障碍物右边界横向相对距离，w表示障碍物宽度。
8.根据权利要求7所述的基于毫米波雷达的车辆碰撞预警控制方法，其特征在于，所述步骤s5，包括：
判断所述障碍物是否处于车辆所处的当前车道；
如果判断所述障碍物处于车辆所处的当前车道，则判断纵向相遇时间tv是否小于第一预设时间；
如果判断所述纵向相遇时间tv小于第一预设时间，则判断所述车辆与所述障碍物存在碰撞风险，否则，判断所述车辆与所述障碍物不存在碰撞风险。
9.根据权利要求8所述的基于毫米波雷达的车辆碰撞预警控制方法，其特征在于，当满足以下条件之一，则判断所述障碍物处于车辆所处的当前车道，所述条件包括：
障碍物处于当前车道左边界线上，其中，当dlk+tv≤－wl/2，且drk+tv≥－wl/2时，判断障碍物处于当前车道左边界线上；
障碍物处于当前车道内，其中，当dlk+tv≥－wl/2，且drk+tv≤wl/2时，判断障碍物处于当前车道内；
障碍物横贯当前车道，其中，当dlk+tv≤－wl/2，且drk+tv≥wl/2时，判断障碍物横贯当前车道；
障碍物处于当前车道右边界线上，其中，当dlk+tv≤wl/2，且drk+tv≥wl/2时，判断障碍物处于当前车道右边界线上，其中，
dlk+tv表示预测时间tv后障碍物左边界横向相对距离，drk+tv表示预测时间tv后障碍物右边界横向相对距离，wl表示当前车道的宽度。
10.一种基于毫米波雷达的车辆碰撞预警控制系统，其特征在于，包括：
获取模块，用于获取毫米波雷达识别的障碍物信息，所述障碍物信息包括：障碍物的当前位置、障碍物与车辆的横向相对距离、纵向相对距离、横向相对速度、纵向相对速度及障碍物宽度，定义车辆行驶方向为纵向正方向，本车驾驶员右手方向为横向正方向；
处理模块，用于对所述障碍物信息进行处理，得到横向相对距离最佳估计值、纵向相对距离最佳估计值、横向相对速度最佳估计值及纵向相对速度最佳估计值；
追踪模块，用于根据所述距离最佳估计值、纵向相对距离最佳估计值、横向相对速度最佳估计值及纵向相对速度最佳估计值，建立所述障碍物的运动轨迹；
预测模块，用于根据所述障碍物的运动轨迹，预测所述车辆与所述障碍物的纵向相遇时间，并预测所述纵向相遇时间对应的横向相对距离；
判断模块，用于根据所述纵向相遇时间对应的横向相对距离判断所述车辆与所述障碍物是否存在碰撞风险；
控制模块，用于当所述车辆与所述障碍物存在碰撞风险时，确定与所述障碍物的当前位置对应的车辆远光灯中的led光源，并控制所述led光源闪烁，以进行碰撞预警。
11.一种车辆，其特征在于，包括如权利要求10所述的基于毫米波雷达的车辆碰撞预警控制系统。
技术总结
本发明提出一种基于毫米波雷达的车辆碰撞预警控制方法、系统及车辆，该方法包括：获取毫米波雷达识别的障碍物信息；对障碍物信息进行处理，得到横向相对距离最佳估计值、纵向相对距离最佳估计值、横向相对速度最佳估计值及纵向相对速度最佳估计值；建立障碍物的运动轨迹；预测车辆与障碍物的纵向相遇时间及对应的横向相对距离；判断车辆与障碍物是否存在碰撞风险；如果是，则控制与障碍物的当前位置对应的车辆远光灯中的LED光源闪烁，以进行碰撞预警。本发明采用毫米波雷达作为感知传感器，有效提高了障碍物的定位精度，大大提高了障碍物的轨迹追踪和预测精度，进而大大提高了碰撞预测精度，提高了车辆碰撞预警的可靠性，利于提升行车安全性。
技术研发人员：班平宝;石刚;郭鹏伟;赵国泰;吴厚计;杨守超;罗群泰
受保护的技术使用者：北京海纳川汽车部件股份有限公司
技术研发日：.11.26
技术公布日：.02.25
