褚韜睿，馬 鈞

（同濟(jì)大學(xué)，上海201804）

行人可以說(shuō)是最脆弱的交通參與者，行人往往在與車(chē)輛碰撞后，又與堅(jiān)硬的水泥路面或其他障礙物發(fā)生二次碰撞，因此受到的傷害極大。根據(jù)2012年世界衛(wèi)生組織發(fā)布的《道路安全全球現(xiàn)狀報(bào)告》，全球每年有127萬(wàn)人死于道路交通事故，其中46%是行人、自行車(chē)或者摩托車(chē)駕駛者，發(fā)展中國(guó)家死亡率普遍高于發(fā)達(dá)國(guó)家，中國(guó)為目前每年交通事故死亡人數(shù)最多的國(guó)家。

過(guò)去的幾年里，人們已經(jīng)逐漸的提高對(duì)行人這一脆弱的交通參與者的關(guān)注度。雖然越來(lái)越多的被動(dòng)安全技術(shù)(如安全氣囊、安全帶、吸能車(chē)體等減少了碰撞能量沖擊，從而降低了致傷水平,但引發(fā)事故產(chǎn)生的根本原因仍未能得到解決，而且這種安全系統(tǒng)并不能減少行人與路面的二次沖擊。因此，需要加強(qiáng)對(duì)主動(dòng)安全系統(tǒng)的發(fā)展。這套系統(tǒng)應(yīng)該能提前檢測(cè)到危險(xiǎn)環(huán)境，使得對(duì)司機(jī)警示與車(chē)輛自動(dòng)控制變成可能，在司機(jī)分心或者能見(jiàn)度很差的時(shí)候更能凸顯價(jià)值。

1 主動(dòng)避撞系統(tǒng)發(fā)展現(xiàn)狀

1.1 主動(dòng)避撞系統(tǒng)類(lèi)型

目前國(guó)內(nèi)外研究開(kāi)發(fā)的汽車(chē)主動(dòng)避撞系統(tǒng)主要有以下3種類(lèi)型:

（1）車(chē)輛主動(dòng)避撞報(bào)警CWS(collision warning)系統(tǒng),該系統(tǒng)是為了減輕車(chē)輛碰撞危害研發(fā)的，主要工作原理為使用車(chē)載雷達(dá)對(duì)前方道路進(jìn)行掃描，對(duì)探測(cè)到的行車(chē)危險(xiǎn)工況給予警報(bào)，但不介入車(chē)輛控制。此裝備在一些商用車(chē)上已經(jīng)得到了應(yīng)用。

（2）車(chē)輛自適應(yīng)巡航控制ACC(adaptive cruise control)系統(tǒng),其主要目的是實(shí)現(xiàn)車(chē)與車(chē)的主動(dòng)避撞,安裝此系統(tǒng)的車(chē)輛可以在路況不是很復(fù)雜的情況下實(shí)現(xiàn)主動(dòng)避撞及巡航控制,已在高檔車(chē)型上普遍配置。近年來(lái)又衍生出一種基于車(chē)車(chē)通信的協(xié)同式自適應(yīng)巡航技術(shù)（CACC），該技術(shù)通過(guò)車(chē)車(chē)協(xié)同控制的方法，實(shí)現(xiàn)協(xié)同式隊(duì)列控制。

（3）復(fù)合型車(chē)輛智能控制系統(tǒng),該系統(tǒng)針對(duì)復(fù)雜交通情況,特別是市區(qū)交通環(huán)境,采用ACC系統(tǒng)輔以車(chē)輛停走(stop-go)系統(tǒng),提高車(chē)輛智能控制的實(shí)用性。相對(duì)于ACC系統(tǒng),停走系統(tǒng)由于交通環(huán)境的復(fù)雜和系統(tǒng)對(duì)硬件的要求苛刻,系統(tǒng)實(shí)現(xiàn)的難度更大。

1.2 行人主動(dòng)避撞系統(tǒng)發(fā)展現(xiàn)狀

目前的主動(dòng)避撞系統(tǒng)普遍關(guān)注車(chē)車(chē)之間，僅有少量汽車(chē)公司實(shí)現(xiàn)了車(chē)輛與行人之間的主動(dòng)避撞，最大的區(qū)別在于是否能實(shí)現(xiàn)行人的檢測(cè)。

2009年寶馬公司在7系轎車(chē)上首先配備了可實(shí)現(xiàn)行人并高亮的夜視輔助系統(tǒng)，它主要利用紅外線技術(shù)感應(yīng)人體熱量。2012年沃爾沃公司為S60轎車(chē)配備了帶完全主動(dòng)剎車(chē)的行人主動(dòng)避撞系統(tǒng)，該系統(tǒng)使用雷達(dá)以及車(chē)載攝影機(jī)進(jìn)行環(huán)境識(shí)別，能辨識(shí)身高超過(guò)80cm的人體輪廓。如果物體出現(xiàn)在碰撞路線上，前擋風(fēng)玻璃上的一個(gè)紅燈就會(huì)亮起，在必要時(shí)會(huì)通過(guò)聲音警告駕駛者、同時(shí)預(yù)先加壓剎車(chē)。若駕駛?cè)藳](méi)有反應(yīng)，且碰撞即將發(fā)生，系統(tǒng)就會(huì)自動(dòng)全力剎車(chē)，時(shí)速在30km/h以下時(shí)，系統(tǒng)可讓車(chē)輛完全停下。

然而，以上系統(tǒng)在汽車(chē)以較高速度（>30km/h）行駛時(shí)表現(xiàn)較差,且僅能以自動(dòng)剎車(chē)介入車(chē)輛控制，無(wú)法實(shí)現(xiàn)回避轉(zhuǎn)向操作，圖像識(shí)別速度、準(zhǔn)確度及可靠性均有待提高。

1.3 行人主動(dòng)避撞系統(tǒng)總體方案設(shè)計(jì)

文章中的行人主動(dòng)避撞系統(tǒng)利用現(xiàn)代信息技術(shù)、傳感技術(shù)來(lái)擴(kuò)展駕駛員的感知能力，將感知技術(shù)獲取的行駛環(huán)境信息（如行人或其他障礙物距離等）傳遞給駕駛員，同時(shí)綜合分析路況與車(chē)況，辨識(shí)是否存在安全隱患，并在緊急情況下，自動(dòng)采取措施控制汽車(chē)，包括自動(dòng)剎車(chē)及回避轉(zhuǎn)向，使汽車(chē)能夠主動(dòng)規(guī)避碰撞危險(xiǎn)，保證車(chē)輛安全行駛，從根源上提高行人安全。

行人主動(dòng)避撞系統(tǒng)工作過(guò)程如下：

（1）當(dāng)車(chē)輛正常行駛時(shí)，系統(tǒng)采取碰撞時(shí)間或者安全距離模型，實(shí)時(shí)對(duì)車(chē)輛行駛安全程度進(jìn)行計(jì)算。如判斷為安全狀態(tài)，系統(tǒng)無(wú)任何動(dòng)作，同時(shí)駕駛員可以隨時(shí)選取當(dāng)前環(huán)境的模式進(jìn)行車(chē)輛自動(dòng)控制。

（2）當(dāng)系統(tǒng)判斷為危險(xiǎn)狀態(tài)時(shí)，行人主動(dòng)安全避撞系統(tǒng)會(huì)首先自動(dòng)關(guān)閉油門(mén)，此時(shí)若駕駛員尚未采取相應(yīng)操作，則系統(tǒng)將介入車(chē)輛控制，自動(dòng)執(zhí)行剎車(chē)和回避轉(zhuǎn)向，并調(diào)用其他相關(guān)控制系統(tǒng)（如ABS、ESP等）使車(chē)輛遠(yuǎn)離危險(xiǎn)同時(shí)保證自車(chē)安全，一旦車(chē)輛回到安全狀態(tài)或駕駛員采取相應(yīng)操作，則解除對(duì)車(chē)輛的自動(dòng)控制，回歸正常行駛狀態(tài)。

（3）當(dāng)系統(tǒng)判斷為危險(xiǎn)無(wú)法避讓時(shí)，除采取遠(yuǎn)離和減少危險(xiǎn)的控制外，還將根據(jù)危險(xiǎn)程度的大小和障礙物類(lèi)型（行人、車(chē)輛或其他障礙）調(diào)用合適的被動(dòng)安全控制策略（如安全氣囊等）。

因此，文章中的汽車(chē)主動(dòng)避撞系統(tǒng)由行人檢測(cè)、環(huán)境分析、策略制定及車(chē)輛控制系統(tǒng)構(gòu)成。

2 基于立體視覺(jué)技術(shù)的行人檢測(cè)系統(tǒng)

行人主動(dòng)避撞系統(tǒng)的行人檢測(cè)技術(shù)是基于運(yùn)動(dòng)的攝像機(jī)，因此很難對(duì)動(dòng)態(tài)背景進(jìn)行建模，無(wú)法利用幀間的變化信息，因此主要的研究方法是將行人檢測(cè)看作是模式識(shí)別問(wèn)題，首先從靜態(tài)單幅圖像中提取行人特征，然后進(jìn)行模式分類(lèi)。分類(lèi)方法可以按照?qǐng)D像來(lái)源（動(dòng)態(tài)/靜態(tài)），顏色信息（彩色/灰度），圖像背景（復(fù)雜背景/簡(jiǎn)單背景），感光光譜范圍（可見(jiàn)光/紅外線）等方法。由于真實(shí)場(chǎng)景中行人受到光照、遮擋、穿著、人體姿態(tài)和復(fù)雜背影的諸多因素影響，通常要將多種檢測(cè)技術(shù)綜合起來(lái)。

2.1 單幀行人識(shí)別系統(tǒng)Single-Frame Pedestrian Recogni ti on(PedRec)

利用文獻(xiàn)描述的滑動(dòng)窗口技術(shù)可以產(chǎn)生原始感興趣區(qū)域（ROIs）。被立體視覺(jué)所捕獲的深度圖像，是由關(guān)聯(lián)最多行人的窗口掃描到的，同時(shí)后者要考慮適當(dāng)?shù)奈恢霉睿ū热畿?chē)輛間距等）。當(dāng)特征數(shù)超過(guò)一定比例的窗口面積時(shí)其位置會(huì)被添加到后續(xù)的ROI列表中以便進(jìn)行目標(biāo)分類(lèi)。目標(biāo)分類(lèi)目前廣泛采用梯度方向的直方圖特征與SVM分類(lèi)器結(jié)合的方法。雷達(dá)與移動(dòng)攝像機(jī)在接近相同位置時(shí)均會(huì)相應(yīng)，對(duì)探測(cè)到的包圍盒進(jìn)行基于置信度的非極大值抑制，數(shù)值范圍是由包圍盒的正交覆蓋范圍決定的。兩套系統(tǒng)的檢測(cè)信號(hào)ai與aj受制于非極值抑制，它們的覆蓋范圍為

圖像中的行人檢測(cè)距離是通過(guò)立體像稠密度圖像來(lái)計(jì)算的。由于無(wú)法得到準(zhǔn)確的行人輪廓，在使用概率密度函數(shù)深度估算過(guò)程中，所有的可能的行人輪廓均要考慮到,圖片1說(shuō)明了深度估算過(guò)程。在給定的包圍盒深度圖像中，行人距離是通過(guò)概率密度函數(shù)進(jìn)行加權(quán)平均的。行人的3D位置是由穿過(guò)包圍盒中心與估算的包圍盒距離的逆投影垂直線得到的。探測(cè)到的行人3D位置會(huì)被傳到融合模塊。

2.2 運(yùn)動(dòng)目標(biāo)檢測(cè)（6D視覺(jué)）

圖1 立體像稠密度概率密度函數(shù)得到的加權(quán)行人距離平均值即為估算的行人距離

當(dāng)使用立體攝像機(jī)時(shí)，探測(cè)到的場(chǎng)景3D結(jié)構(gòu)可以立即由立體算法得到。通常為了識(shí)別單個(gè)物體，這些信息會(huì)由一種網(wǎng)狀結(jié)構(gòu)積累，緊接著進(jìn)行連接組件分析。為了捕獲被識(shí)別物體的動(dòng)作，目標(biāo)物體隨后會(huì)被追蹤，速度由濾波器決定。這種標(biāo)準(zhǔn)方法的缺點(diǎn)是探測(cè)性能將很大程度上由分類(lèi)器的準(zhǔn)確性決定，尤其是移動(dòng)物體接近靜止物體時(shí)。例如，在靜止車(chē)輛后面的移動(dòng)行人經(jīng)常突然出現(xiàn)，他們很難被快速探測(cè)到。

為了解決這個(gè)問(wèn)題提，文獻(xiàn)[4]中提出探測(cè)不僅要以立體圖像信息為中心，同時(shí)還要兼顧3D移動(dòng)領(lǐng)域。3D移動(dòng)領(lǐng)域的重建是由所謂的6D立體視覺(jué)算法進(jìn)行的。其中最基本的思想便是從已知的深度立體視覺(jué)圖像中尋找兩個(gè)或者更多的連續(xù)幀，使用卡爾曼濾波器（Kalman Filter）融合時(shí)間與空間信息。其結(jié)果便是同時(shí)得到一個(gè)精度改進(jìn)的3D運(yùn)動(dòng)模型以及對(duì)該模型像點(diǎn)的估算。這種融合體現(xiàn)了對(duì)觀察者動(dòng)作的認(rèn)識(shí)，被叫做自身運(yùn)動(dòng)。它是基于卡爾曼濾波器的方法，由探測(cè)的靜止相點(diǎn)估算所得。然而，其他方法，比如文獻(xiàn)提到的方法也可以很容易被集成。

圖2，6D模型算法的計(jì)算結(jié)果箭頭在0.5s內(nèi)指向了計(jì)算的3D模型位置，投影出圖像。顏色編碼的絕對(duì)速度：靜態(tài)的點(diǎn)會(huì)被編碼成綠色，以4:0m/s以上的速度移動(dòng)的點(diǎn)則會(huì)被編碼成紅色。

在目前的設(shè)置中，圖像點(diǎn)是由KLT追蹤器追蹤的，它提供了次級(jí)像素精度并且可以有效的追蹤長(zhǎng)序列圖像點(diǎn)。這是一種對(duì)速度的優(yōu)化，可以允許基于完整的目標(biāo)探測(cè)模塊來(lái)實(shí)時(shí)分析總數(shù)多達(dá)5000個(gè)的像素點(diǎn)（25fps）。立體視覺(jué)的計(jì)算是由基于半球匹配算法的硬件來(lái)執(zhí)行的。事實(shí)上，任何類(lèi)似的光流立體算法在這里都可以被使用。

圖片3展示了6D立體視覺(jué)的預(yù)估距離。在這里，不到0.5s時(shí)間內(nèi)，箭頭便可以從當(dāng)前的3D模型指向預(yù)估的3D模型。從右側(cè)圖片中的鳥(niǎo)瞰圖像可以看出，移動(dòng)行人很容易與靜止的車(chē)輛里區(qū)別開(kāi)。

目標(biāo)對(duì)象可以被識(shí)別為一組連續(xù)的運(yùn)動(dòng)矢量。既然6D模型算法不僅能提供它們的狀態(tài)估計(jì)，還能提供他們的不確定性。Mahalanobis距離模型[8]可以在聚類(lèi)分析中進(jìn)行相似性度量。

2.3 運(yùn)動(dòng)目標(biāo)檢測(cè)（6D視覺(jué)）與單幀行人識(shí)別系統(tǒng)（PedRec）融合

對(duì)行人運(yùn)動(dòng)進(jìn)行準(zhǔn)確預(yù)測(cè)，位置和速度信息是至關(guān)重要的。使用卡曼濾波器可以將6D視覺(jué)模型與PedRec模塊的輸入進(jìn)行融合，濾波器的狀態(tài)S可以表示為以下公式：S=[xyvxvy]T

其中x/y是行人位置與車(chē)輛的橫/縱向相對(duì)距離，與為車(chē)輛的橫/縱向絕對(duì)速度。矢量的測(cè)量則同時(shí)關(guān)聯(lián)到6D視覺(jué)模型與PedRec模塊，公式如下：

其中x/y與/為上文定義的不同測(cè)量值的狀態(tài)變量（從狀態(tài)到變量的映射是無(wú)關(guān)緊要的）。因此通過(guò)以上連續(xù)的改進(jìn)可以將來(lái)自兩個(gè)不同模塊中的當(dāng)前測(cè)量值集成到濾波器內(nèi)。

我們假設(shè)一個(gè)恒定的行人移動(dòng)速度（行人加速度可以通過(guò)狀態(tài)噪聲協(xié)方差建模得到）。過(guò)渡矩陣F如下：

其中T是攝像機(jī)的的循環(huán)時(shí)間（40ms）。

車(chē)輛的自身運(yùn)動(dòng)在卡曼濾波器的預(yù)測(cè)階段會(huì)進(jìn)行補(bǔ)償?！白孕熊?chē)”模型是一種假設(shè)在兩個(gè)測(cè)量點(diǎn)之間帶有連續(xù)轉(zhuǎn)向角與速度的運(yùn)動(dòng)模型,它可以實(shí)現(xiàn)對(duì)目標(biāo)物體與車(chē)輛之間的轉(zhuǎn)換。所需的對(duì)自身運(yùn)動(dòng)所補(bǔ)償?shù)乃俣燃皺M擺角速度數(shù)據(jù)可以通過(guò)一個(gè)攝像機(jī)循環(huán)周期內(nèi)的車(chē)載傳感器數(shù)據(jù)得到。

可以采用全局域最近鄰(GNN)數(shù)據(jù)算法與之前的目標(biāo)物體矩陣測(cè)量航跡關(guān)聯(lián)。預(yù)測(cè)狀態(tài)與測(cè)量值之間的Mahalanobis距離可以作為航跡關(guān)聯(lián)值。對(duì)于行人檢測(cè)來(lái)說(shuō)，這意味著行人位置是用來(lái)測(cè)量航跡關(guān)聯(lián)的，而對(duì)6D視覺(jué)模型來(lái)說(shuō)，速度則是額外使用的。

航跡的開(kāi)始和結(jié)束可以利用航跡的關(guān)聯(lián)分析次數(shù)來(lái)控制。當(dāng)使用不能被分配到現(xiàn)有航跡的測(cè)量值時(shí)，便會(huì)產(chǎn)生新的航跡。為了抑制雜散信號(hào)檢測(cè)，航跡會(huì)在隱藏階段開(kāi)始。假設(shè)在進(jìn)入確認(rèn)狀態(tài)時(shí)分配到的航跡測(cè)量數(shù)為n，這里我們?nèi)=2，這意味著兩個(gè)模塊的探測(cè)會(huì)同時(shí)直接引起一個(gè)確認(rèn)的行人航跡。只有被分配的行人探測(cè)航跡可以被標(biāo)記為有效。對(duì)于所有航跡來(lái)說(shuō)，它們的狀態(tài)會(huì)隨著時(shí)間改變，并且會(huì)被保留，包括航跡關(guān)聯(lián)的測(cè)量值。

兩種模塊會(huì)在不同的循環(huán)周期獨(dú)立工作。6D視覺(jué)模塊會(huì)在固定的攝像機(jī)循環(huán)時(shí)間內(nèi)運(yùn)轉(zhuǎn)（25 fps）。PedRec模塊的處理時(shí)間會(huì)根據(jù)現(xiàn)場(chǎng)復(fù)雜度來(lái)決定，極值更低，約為15fps。測(cè)量值擁有共同的時(shí)間戳，是由已經(jīng)生成圖像的幀標(biāo)記定義的。當(dāng)測(cè)量值不在序列范圍內(nèi)并且不能再普通的濾波器狀態(tài)下集成時(shí)，航跡歷史記錄便可以用來(lái)檢查過(guò)去航跡關(guān)聯(lián)的測(cè)量值?？赡艿姆峙湟鹆岁P(guān)聯(lián)信息的升級(jí)。盡管當(dāng)測(cè)量值超出序列范圍時(shí)，濾波器狀態(tài)不會(huì)進(jìn)行更新，但是更新的關(guān)聯(lián)信息會(huì)反映航跡的管理狀態(tài)，這便允許航跡進(jìn)入確認(rèn)階段。另外，對(duì)PedRec系統(tǒng)進(jìn)行關(guān)聯(lián)分析會(huì)得到驗(yàn)證過(guò)的行人航跡。

卡爾曼濾波器的初始狀態(tài)來(lái)自首次測(cè)量。如果航跡是由行人檢測(cè)引起的，系統(tǒng)速度便會(huì)被設(shè)為0。如果初始化的行人檢測(cè)跟蹤狀態(tài)速度設(shè)置為0，而6D視覺(jué)模型則使用測(cè)量的速度作為初始值。

最后，位置速度以及追蹤行人的程度等數(shù)據(jù)會(huì)傳輸?shù)江h(huán)境分析模塊。

3 環(huán)境分析、策略決策及車(chē)輛控制系統(tǒng)

情景分析與車(chē)輛控制系統(tǒng)是駕駛員輔助系統(tǒng)的組成部分，可以產(chǎn)生對(duì)行駛環(huán)境的計(jì)算機(jī)層次的理解（基于前文描述的傳感器信息）并采取適當(dāng)?shù)男袆?dòng)。如圖所示描述了軌跡生成、環(huán)境分析、決策&干預(yù)與車(chē)輛控制模塊之間的關(guān)系。

圖3 環(huán)境分析與車(chē)輛控制模塊結(jié)構(gòu)

環(huán)境分析模塊預(yù)測(cè)了當(dāng)前的駕駛環(huán)境將如何變化并自動(dòng)計(jì)算其臨界措施，比如碰撞時(shí)間、轉(zhuǎn)向時(shí)間以及制動(dòng)時(shí)間。臨界評(píng)估是策略決策的基礎(chǔ)模塊，可以為避免碰撞與減少碰撞傷害采取合適的規(guī)避方法。這種方法是根據(jù)專(zhuān)門(mén)的車(chē)輛控制器來(lái)實(shí)現(xiàn)。由于車(chē)輛控制模塊與環(huán)境分析模塊均依賴(lài)于規(guī)避方法的現(xiàn)實(shí)模型的準(zhǔn)確性，它們自然是緊密關(guān)聯(lián)的。這提供了一個(gè)軌跡生成模塊，以下部分將更加詳細(xì)地討論以上模塊。

3.1 軌跡生成模塊

軌跡生成具有雙重目的。

首先，生成的軌跡可以提供準(zhǔn)確的回避轉(zhuǎn)向模型，它可以滿足以下要求：由于規(guī)避而產(chǎn)生的軌跡應(yīng)該盡可能的舒適，可行（即由自身車(chē)輛決定），并且還會(huì)在采取自動(dòng)規(guī)避措施時(shí)引起很小的側(cè)滑，起到安全緩沖的作用。當(dāng)然，搶奪方向盤(pán)控制權(quán)極其危險(xiǎn)，必須避免。

第二，生成的軌跡為橫向控制提供了輸入變量，如橫向偏航角，偏航率。在研究了不同的軌跡類(lèi)型后，文獻(xiàn)提出的基于多項(xiàng)式方法的sigmoidal函數(shù)被用作自動(dòng)回避操作的模型。

人們提出了7次多項(xiàng)式規(guī)避路徑模型：

其中ytrj為橫向偏移量期望，x為距規(guī)避初始點(diǎn)的縱向偏移量，這樣便滿足了舒適性與可行性的要求。為了滿足這些指標(biāo)，bi的多項(xiàng)式系數(shù)確定是基于幾個(gè)約束方程限制的最大橫向加速度aymax確定的，從而分別衍生出橫向偏移和曲率。

Dev表示完成規(guī)避操作所需的距離，ytarget表示目標(biāo)與規(guī)避起始點(diǎn)的縱向偏移距離。

為了推導(dǎo)公式（2）中的多項(xiàng)式系數(shù)bi，我們采取以下的邊界條件：

為了確保規(guī)避路徑y(tǒng)tj滿足我們關(guān)于舒適性與可行性的要求，我們需要確定車(chē)輛的橫向加速度在可以預(yù)先確定的范圍內(nèi)：

進(jìn)行模型簡(jiǎn)化，假設(shè)在執(zhí)行規(guī)避操作時(shí)，車(chē)輛在x軸的運(yùn)動(dòng)是連續(xù)的，則：

因此公式（7）可以簡(jiǎn)化為:

其中是位置的極值，所以：

公式式（3-6）與（8-9）構(gòu)成了一個(gè)擁有十個(gè)方程的方程組，可以解出8個(gè)多項(xiàng)式的系數(shù)b0…b7,規(guī)避長(zhǎng)度Dev以及極值位置。

規(guī)避時(shí)間可以基于連續(xù)的車(chē)速v求得：

其中K≈2.741，是一個(gè)常數(shù)系數(shù)的多項(xiàng)式，從上面的定義中計(jì)算可以得到。

基于多項(xiàng)式函數(shù)和車(chē)輛速度v的測(cè)量，重要的輸入變量（橫向偏移量、曲率、航向角）可以在每一個(gè)采樣時(shí)間步內(nèi)確定，如圖4所示。

圖4 規(guī)避路徑中的橫向控制輸入

3.2 環(huán)境分析模塊

對(duì)碰撞風(fēng)險(xiǎn)的評(píng)估涉及到臨界參數(shù)比如Time—To—Brake（TTB）,Time—To—Steer（TTS）等。

在文章中，TTB與TTC分別用于通過(guò)制動(dòng)和轉(zhuǎn)向觸發(fā)自動(dòng)避撞系統(tǒng)。因此，有兩套重要的Time—to—x計(jì)算標(biāo)準(zhǔn)。

首先，回避轉(zhuǎn)向方法一般在車(chē)輛以最大橫向加速度在彎道上行駛時(shí)使用，這里我們采用在3.1中定義的更加現(xiàn)實(shí)的轉(zhuǎn)彎方法。

其次，如果TTS用來(lái)評(píng)估系統(tǒng)避免轉(zhuǎn)彎時(shí)相撞能力，我們必須考慮多個(gè)相關(guān)對(duì)象。這意味著該算法不僅需要找出在行人駕駛路徑內(nèi)最新的避撞轉(zhuǎn)向方法，同時(shí)還要保證應(yīng)急方法不會(huì)導(dǎo)致車(chē)輛與場(chǎng)景中的任何偵測(cè)對(duì)象發(fā)生碰撞。（比如汽車(chē)、行人，這種自由空間的傳感器將作為未來(lái)此研究方向的重點(diǎn)）。為了滿足這些需求，我們采用了數(shù)值模擬方法，可以對(duì)Time—to—X參數(shù)高效、實(shí)時(shí)地進(jìn)行計(jì)算，甚至可以應(yīng)用于更復(fù)雜的自動(dòng)控制動(dòng)作。此外，這種數(shù)值方法可以驗(yàn)證回避轉(zhuǎn)彎的避撞方式是否可以在沒(méi)有碰撞的情況下執(zhí)行。

正如圖片3中描述的那樣，數(shù)值模擬方法由3個(gè)部分組成：預(yù)測(cè)、碰撞檢測(cè)和Time—to—X搜索。在預(yù)測(cè)階段中，可以計(jì)算出一系列未來(lái)潛在的自身車(chē)輛和其他目標(biāo)的狀態(tài)：

其中tk是預(yù)測(cè)階段k-th的時(shí)間戳，K是預(yù)測(cè)區(qū)間。Zego,k是車(chē)輛自身位置和在時(shí)間時(shí)所處位置的矢量，并且,Z1obj,k…,ZMobj,k這些數(shù)據(jù)是由文章2.3介紹的傳感器提供的，主要是目標(biāo)M的位置和運(yùn)動(dòng)信息。為了獲得這些預(yù)測(cè)，我們將針對(duì)目標(biāo)與車(chē)輛自身采用合適的運(yùn)動(dòng)模塊，因此可以假設(shè)它們未來(lái)的行為。

鑒于預(yù)測(cè)的狀態(tài)，我們可以分別交叉分析由Zego,k與Z1obj,k…,ZMobj,k引起的位置變化,進(jìn)而識(shí)別出系統(tǒng)車(chē)輛與場(chǎng)景中的所有目標(biāo)之間潛在的碰撞危險(xiǎn)。一旦檢測(cè)到了碰撞，我們將采用最新的避撞方法。

因此，我們定義了兩種緊急操縱，分別代表了文章3.1部分的最大制動(dòng)減速度與轉(zhuǎn)向減速度，數(shù)值為-10m/s2。 公式（11）中每組數(shù)據(jù)（tk,Zegok）均構(gòu)成了一個(gè)潛在的緊急自動(dòng)操作的起始點(diǎn)。使用二進(jìn)制搜索方法，我們可以找到最新的時(shí)間步長(zhǎng)，在此步長(zhǎng)內(nèi)制動(dòng)或轉(zhuǎn)向動(dòng)作不會(huì)觸發(fā)任何與場(chǎng)景中的對(duì)象碰撞現(xiàn)象。這些時(shí)間步長(zhǎng)是離散的TTB與TTS測(cè)量值。

3.3 決策&干預(yù)模塊

“決策與干預(yù)”模塊是駕駛輔助系統(tǒng)的核心，因?yàn)樗P(guān)聯(lián)了駕駛員行為與上文中提到的函數(shù)模型。由于行人在事故中受傷的風(fēng)險(xiǎn)很高，避免碰撞是此函數(shù)模型的首要目的。為了確定最好的方式來(lái)支持司機(jī)，有必要去了解駕駛員當(dāng)前的駕駛意圖。駕駛員監(jiān)控算法利用了車(chē)輛系統(tǒng)信號(hào)，比如油門(mén)與剎車(chē)踏板的位置，速度、縱向與橫向加速度、轉(zhuǎn)向角和轉(zhuǎn)向率來(lái)判斷當(dāng)前的司機(jī)駕駛行為。如果駕駛員對(duì)危險(xiǎn)情況反映不恰當(dāng)，系統(tǒng)會(huì)提供可選的聲學(xué)警告，提醒他自己回避碰撞。在一個(gè)函數(shù)中，干預(yù)機(jī)制是必要的，為了避免碰撞，全力制動(dòng)需要優(yōu)先于回避碰撞操作。當(dāng)TTB=0時(shí)，全力制動(dòng)機(jī)制會(huì)被觸發(fā)，駕駛員既不能進(jìn)行加速也不能進(jìn)行規(guī)避轉(zhuǎn)彎。如果全力制動(dòng)不能避免碰撞（TTB<0），回避轉(zhuǎn)彎?rùn)C(jī)制將會(huì)在TTS=0的時(shí)候被激活，提供行駛環(huán)境分析計(jì)算，進(jìn)而執(zhí)行回避轉(zhuǎn)彎以避免碰撞。車(chē)輛的回避操作系統(tǒng)利用車(chē)輛控制系統(tǒng)來(lái)計(jì)算必須的轉(zhuǎn)彎轉(zhuǎn)矩。當(dāng)完成回避轉(zhuǎn)彎時(shí)，轉(zhuǎn)彎力矩便會(huì)按照斜坡函數(shù)變化。車(chē)輛的自動(dòng)回避操作結(jié)束后，會(huì)固定橫向偏移80～100cm。為了防止碰撞，將不會(huì)允許自由地進(jìn)行回避轉(zhuǎn)彎，也就是說(shuō)當(dāng)檢測(cè)到迎面而來(lái)的目標(biāo)時(shí)，將會(huì)執(zhí)行制動(dòng)操作（碰撞緩沖）。

該功能的原型設(shè)計(jì)試圖允許駕駛員在任何時(shí)間否決回避轉(zhuǎn)彎介入。如果駕駛員手握方向盤(pán)，他將削弱或者抑制轉(zhuǎn)向系統(tǒng)。明顯的油門(mén)與剎車(chē)踏板操作將會(huì)立即取消車(chē)輛回避轉(zhuǎn)彎介入。類(lèi)似的退出條件在全自動(dòng)剎車(chē)時(shí)也存在。

為了減少安全系統(tǒng)自動(dòng)介入控制車(chē)輛時(shí)引起動(dòng)態(tài)誤差，該功能將會(huì)控制電動(dòng)可逆式安全帶拉緊，還會(huì)使側(cè)門(mén)的空氣坐墊與靠背氣墊膨脹。當(dāng)系統(tǒng)完成干預(yù)操作時(shí)，安全帶將會(huì)放松，側(cè)門(mén)的空氣坐墊與靠背氣墊將會(huì)回到原來(lái)的位置。

3.4 車(chē)輛控制系統(tǒng)

車(chē)輛控制系統(tǒng)由兩部分構(gòu)成：縱向控制自動(dòng)制動(dòng)以及橫向控制回避轉(zhuǎn)彎。當(dāng)TTB=0s的時(shí)候，縱向的車(chē)輛控制器會(huì)設(shè)置最大減速度-10m/s2。而為了規(guī)避轉(zhuǎn)彎的橫向系統(tǒng)更為復(fù)雜，將在以下部分進(jìn)行討論。

橫向轉(zhuǎn)彎的自動(dòng)規(guī)避機(jī)制需要自身車(chē)輛高度動(dòng)態(tài)的橫向運(yùn)動(dòng)（這里，橫向運(yùn)動(dòng)指垂直于行駛車(chē)道的運(yùn)動(dòng)），這種方法的橫向動(dòng)力學(xué)加速度是非線性的。一般來(lái)說(shuō)，在本文3.1部分中定義的橫向偏移量可能會(huì)依據(jù)障礙的大小，變化范圍從只有幾厘米完整車(chē)道。它的速度、可用的自由空間將均用于規(guī)避操作。在這里，對(duì)行人的回避轉(zhuǎn)彎簡(jiǎn)化為一個(gè)固定的偏移量。

通過(guò)轉(zhuǎn)彎來(lái)避免碰撞需要系統(tǒng)對(duì)自身車(chē)輛橫向運(yùn)動(dòng)的精確控制。正如公式（2）中研究的實(shí)際車(chē)輛那樣，控制器將會(huì)永久與規(guī)避操作的參考位置進(jìn)行對(duì)比，，因此需要對(duì)自身車(chē)輛位置有準(zhǔn)確、可靠的感知。

對(duì)于如今的汽車(chē)來(lái)說(shuō)，車(chē)輛的位置是根據(jù)里程表和慣性傳感器重新設(shè)置并且保持穩(wěn)定性的。當(dāng)使用測(cè)量的橫向加速度時(shí)以及速度v（或者選擇當(dāng)前的偏航率），車(chē)輛的航向角可以用如下公式表示。

這里，表示了采樣的時(shí)間步長(zhǎng)以及表示k階迭代步驟的時(shí)間戳。根據(jù)上文得到的與測(cè)量速度v,積分計(jì)算可以得到相對(duì)于當(dāng)前車(chē)道的縱向位置x與橫向位置y。

為了解釋這種規(guī)避機(jī)制的非線性橫向動(dòng)力學(xué)，人們使用了結(jié)合前反饋與后反饋的控制策略。橫向輸送的控制策略。橫向控制的命令信號(hào)u分別包括前反饋系統(tǒng)部分的uff與后反饋系統(tǒng)的部分ufb。uff由多項(xiàng)式（2）中的曲率Ctrj計(jì)算得出，ufb則由狀態(tài)控制器的四階狀態(tài)向量解出。其中，yerr=ytrj-y表示橫向參考值與重新搭建的重塑后位置的橫向誤差。λerr=λtrj-λj表明了在橫向位置和重建位置的偏航角誤差。

由于車(chē)輛控制系統(tǒng)的非線性行為，人們采用了增益調(diào)度方法，可以同時(shí)使用前反饋增益系數(shù)Kff和后反饋增益系數(shù)Kjb，適用于當(dāng)前速度和最大橫向加速度ay,max。詳細(xì)信息可以在文獻(xiàn)中找到。

4 結(jié)語(yǔ)

文章闡述了一種全新的行人主動(dòng)避撞系統(tǒng)，它包括行人檢測(cè)、環(huán)境分析、策略制定與車(chē)輛控制系統(tǒng)。行人檢測(cè)系統(tǒng)融合了兩種互補(bǔ)的檢測(cè)模式：?jiǎn)螏腥俗R(shí)別與運(yùn)動(dòng)目標(biāo)檢測(cè)；環(huán)境分析系統(tǒng)則建立在數(shù)據(jù)模擬的基礎(chǔ)上，這種模擬利用了多項(xiàng)式模型，可以計(jì)算更復(fù)雜以及開(kāi)放的車(chē)輛路徑。策略制定涉及到監(jiān)測(cè)連續(xù)的碰撞時(shí)間、剎車(chē)時(shí)間與轉(zhuǎn)向時(shí)間的測(cè)量值，并且關(guān)于轉(zhuǎn)向規(guī)避機(jī)制，進(jìn)行了專(zhuān)門(mén)的優(yōu)化。

[1]D.M.Gavrila and S.Munder,“Multi-cue pedestrian detection and tracking from a moving vehicle,”IJCV,vol.73,no.1,pp.4159,2007.

[2]N.Dalal and B.Triggs,“Histograms of oriented gradients for humandetection,”in Proc.of the IEEE CVPR,vol.1,2005,pp.886893.

[3]U.Franke and A.Joos,“Real-time stereo vision for urban traffic sceneunderstanding,”in Proc.of the IEEE IV,October 2000,pp.273～278

[4]U.Franke,C.Rabe,H.Badino,and S.Gehrig,“6d-vision:Fusion of stereo and motion for robust environment perception,”in Proc.of the DAGM,2005,pp.216;223.

[5]H.Badino,“A robust approach for ego-motion estimation using a mobile stereo platform,”in 1st Int.Workshop on Complex Motion(IWCM04),Guenzburg,Germany,October 2004.

[6]C.Tomasi and T.Kanade,“Detection and tracking of point features,”Tech.Rep.CMU-CS-91-132,1991.

[7]H.Hirschmueller,“Accurate and efficient stereo processing by semiglobal matching and mutual information,”in Proc.of the IEEE CVPR,vol.2,June 2005,pp.807;814.

[8]Mahalanobis,Prasanta Chandra(1936)."On the generalised distance in statistics".Proceedings of the National Institute of Sciences of India 2(1):49–55.Retrieved 2012-05-03.

[9]U.Kiencke and L.Nielsen,Automotive Control Systems:For Engine,Driveline and Vehicle.Springer-Verlag,2000.

[10]H.Fritz,“Vorrichtung zur Durchf¨uhrung eines Fahrspurwechsels.”German Patent DE 100 12 737 B4,2001.

[11]“Verfahren und Vorrichtung zur Kollisionsvermeidung f¨ur ein Fahrzeug durch Ausweichen vor einem Hindernis.German Patent Disclosure DE 10 2009 020 648 A1,”German Patent,2009.