任澤凱 鄭繼虎 趙帥 張魯 翟洋

（1.中國汽車技術(shù)研究中心有限公司，天津 300300；2.陸軍軍事交通學(xué)院，天津 300161）

主題詞：視覺失效 控制策略 功能安全 車道保持輔助 硬件在環(huán)

1 前言

車道保持輔助（Lane Keeping Assist，LKA）系統(tǒng)是利用視覺感知技術(shù)[1]實(shí)時(shí)監(jiān)測(cè)車道線位置，通過先進(jìn)控制算法保證車輛在車道內(nèi)穩(wěn)定行駛的先進(jìn)駕駛輔助技術(shù)，是自動(dòng)駕駛車輛橫向控制的基礎(chǔ)[2]。

LKA 系統(tǒng)對(duì)視覺感知傳感器的依賴程度很高，感知傳感器的失效則有可能引起嚴(yán)重的安全問題[3]。自動(dòng)駕駛感知類傳感器失效主要表現(xiàn)為兩種形式。一方面，感知類傳感器受環(huán)境影響較大[4]，在惡劣環(huán)境下容易誤識(shí)別、漏識(shí)別，視覺傳感器在強(qiáng)逆光[5-6]、夜間[7]、霧霾天氣[8]、雨雪天氣[9]和相機(jī)鏡頭被雨雪遮擋等特殊情況下容易感知失效。另一方面，自動(dòng)駕駛感知傳感器受溫度、濕度、電磁環(huán)境等因素的影響，存在一定的設(shè)備故障率，同樣有可能造成視覺感知失效。

國內(nèi)外許多專家、學(xué)者在預(yù)防或降低傳感器失效方面進(jìn)行了大量的研究。吳利剛等[10]指出環(huán)境可能造成傳感器失效，為此研究了傳感器失效條件下的非線性自主車輛編隊(duì)控制問題，提出的非線性車隊(duì)切換控制算法保證了良好的控制效果。成春陽[11]、Florian Homm[12]等對(duì)車道線檢測(cè)方法進(jìn)行了設(shè)計(jì)，降低了車道線檢測(cè)失效的風(fēng)險(xiǎn)，但是增加了設(shè)備成本，不利于大規(guī)模推廣使用。吳彥文等[13]提出了一種基于視覺傳感器與車道級(jí)高精度地圖相融合的車道線檢測(cè)與跟蹤方法，但高精度地圖信息受限于法律與安全，在世界范圍內(nèi)還沒有得到大規(guī)模應(yīng)用。Shuang Huang[14]、苗豐[15]等通過傳感器的冗余設(shè)計(jì)降低了風(fēng)險(xiǎn)發(fā)生的可能性，但增加了車輛成本，目前只在在油門踏板等關(guān)鍵傳感器上得到了應(yīng)用。王俊明等[16]基于ISO 26262進(jìn)行了車道保持輔助功能的設(shè)計(jì)，指出LKA 系統(tǒng)不宜在大雨、大雪天氣下工作，工作時(shí)視覺感知相機(jī)不能被遮擋等，但并沒有考慮LKA系統(tǒng)在正常工作狀態(tài)下突發(fā)故障時(shí)應(yīng)如何響應(yīng)，也沒有進(jìn)行具體安全性驗(yàn)證。

為了在不增加額外成本的情況下，充分利用現(xiàn)有傳感器提升車輛安全等級(jí)，本文針對(duì)某搭載單目視覺傳感器和毫米波雷達(dá)的自動(dòng)駕駛車輛進(jìn)行LKA系統(tǒng)在視覺失效條件下的控制策略研究，以期最大程度地提高車輛的安全性能。

2 視覺傳感器失效后控制策略

2.1 場景的提出

針對(duì)某配備單目相機(jī)與前置毫米波雷達(dá)的L2級(jí)自動(dòng)駕駛車輛，假定車輛在高架橋、高速公路等結(jié)構(gòu)化道路上正常跟車行駛，執(zhí)行LKA 與自適應(yīng)巡航（Adaptive Cruise Control，ACC）功能，某時(shí)刻由于電氣故障，視覺傳感器無法捕捉車道和目標(biāo)物信息，決策控制單元失去輸入信息。

2.2 控制策略

針對(duì)上述場景提出的控制策略如圖1 所示。視覺傳感器不能正常工作后，自動(dòng)駕駛系統(tǒng)應(yīng)立即向駕駛員發(fā)出危險(xiǎn)提醒并請(qǐng)求接管，同時(shí)減速停車，直至車輛停止運(yùn)動(dòng)。

圖1 某L2級(jí)自動(dòng)駕駛車輛LKA和ACC功能控制策略

縱向減速控制方面，本文將減速過程分為2 個(gè)階段。第1 個(gè)階段為5 s 的等待接管階段，此時(shí)車輛緩慢制動(dòng)。為了保證減速的及時(shí)性、安全性，同時(shí)兼顧乘員與駕駛員的舒適性，確定等待接管時(shí)間內(nèi)的目標(biāo)減速度為-2.5 m·s-2[17]。如果此階段內(nèi)駕駛員接管駕駛?cè)蝿?wù)，則退出自動(dòng)駕駛模式。如果此階段結(jié)束后駕駛員仍無應(yīng)答，車輛應(yīng)進(jìn)入第2 個(gè)階段，以最大減速度進(jìn)行緊急制動(dòng)。

車輛橫向控制方面，本文設(shè)計(jì)了改進(jìn)型純追蹤（Pure Pursuit）策略，該策略利用毫米波雷達(dá)探測(cè)到的目標(biāo)車方位信息進(jìn)行路徑規(guī)劃與跟蹤，并根據(jù)車速和道路曲率對(duì)車輪轉(zhuǎn)角進(jìn)行修正，主要由道路曲率估算、基于Pure Pursuit的轉(zhuǎn)向角計(jì)算、轉(zhuǎn)向修正3個(gè)部分組成。

3 道路曲率估算

3.1 橫擺角速度估算

對(duì)于車身橫擺角速度而言，車輛正常行駛過程中由車輛繞質(zhì)心運(yùn)動(dòng)而產(chǎn)生的橫擺角速度絕對(duì)值較小，但同時(shí)基于慣性測(cè)量原理的傳感器會(huì)形成大量的白噪聲，從而使得傳感器輸出的橫擺角速度數(shù)據(jù)存在較大的誤差，因此，有必要根據(jù)被控車輛的參數(shù)對(duì)橫擺角速度進(jìn)行估算[18]。

為保證算法的實(shí)時(shí)性，兼顧后續(xù)仿真的實(shí)時(shí)性與準(zhǔn)確性，本文利用二自由度車輛模型描述車輛的動(dòng)力學(xué)性質(zhì)，如圖2 所示，其中，k1、k2分別為車輛前、后輪側(cè)偏剛度，β為車輛質(zhì)心側(cè)偏角，u、v分別縱向、側(cè)向車速，a、b分別為質(zhì)心至前、后軸的距離，ωr為車輛橫擺角速度，δ為前輪轉(zhuǎn)角，m為整車質(zhì)量，Iz為汽車?yán)@Z軸的轉(zhuǎn)動(dòng)慣量，L為軸距，F(xiàn)y1、Fy2分別為前、后輪側(cè)向力。假設(shè)車輛為剛體，輪胎側(cè)偏特性為線性，根據(jù)牛頓第二定律，得到二自由度車輛的單軌模型運(yùn)動(dòng)方程：

圖2 二自由度車輛運(yùn)動(dòng)模型

根據(jù)卡爾曼濾波理論，建立車輛二自由度單軌模型的狀態(tài)方程為：

量測(cè)方程為：

式中，y1、y2為卡爾曼濾波方程觀測(cè)值。

綜上，利用二自由度車輛動(dòng)力學(xué)模型和卡爾曼濾波方法即可得到被控車輛濾波處理后的橫擺角速度。

3.2 道路曲率估算

根據(jù)本文的控制策略，視覺傳感器失效后，采用毫米波雷達(dá)探測(cè)得到的目標(biāo)車方位信息對(duì)目標(biāo)車的轉(zhuǎn)彎半徑進(jìn)行估算[19]，進(jìn)而估算道路曲率信息。道路曲率估算模型如圖3所示，其中Rego為主車的轉(zhuǎn)彎半徑，Rtarget為目標(biāo)車行駛軌跡的轉(zhuǎn)彎半徑，r為主車與目標(biāo)車的相對(duì)距離，α為目標(biāo)車與主車的相對(duì)方位角。

圖3 道路曲率估算模型

由圖3中車輛位置信息，可以得到如下關(guān)系：

主車的轉(zhuǎn)彎半徑可由式（7）確定：

根據(jù)式（1）～式（7），對(duì)目標(biāo)車的轉(zhuǎn)彎半徑進(jìn)行估算驗(yàn)證。驗(yàn)證場景為：在半徑為200 m的S型彎道上，目標(biāo)車和自車均以60 km/h的速度定速行駛，目標(biāo)車在前，自車在后，兩車相距20 m，如圖4所示。由圖4可以看出，進(jìn)入彎道后，目標(biāo)車轉(zhuǎn)彎曲率估算值為0.005 m-1，與真實(shí)道路曲率半徑吻合程度較高，道路曲率估算模型能較好地反映車道曲率信息。

圖4 S型轉(zhuǎn)彎場景設(shè)計(jì)及曲率估算結(jié)果

4 改進(jìn)型Pure Pursuit策略

4.1 基于Pure Pursuit的轉(zhuǎn)角計(jì)算

Pure Pursuit方法如圖5所示，被廣泛應(yīng)用于車輛的運(yùn)動(dòng)控制[20-22]。本文研究的某自動(dòng)駕駛車輛前懸為la，以前方目標(biāo)車的位置為目標(biāo)，毫米波雷達(dá)探測(cè)到的方位角為αf，直線距離為rf，橫向距離為dsx，縱向距離為dsy，探測(cè)物體與車輛后軸中心點(diǎn)間的方位角為αr，直線距離為rr。根據(jù)Pure Pursuit方法，存在唯一的轉(zhuǎn)彎半徑R，使得軌跡與目標(biāo)車縱軸相切，相應(yīng)的前輪轉(zhuǎn)角為δ。

圖5 Pure Pursuit路徑跟蹤法

分析圖5可知，轉(zhuǎn)彎半徑R的計(jì)算公式為：

轉(zhuǎn)彎半徑R與車輛前輪轉(zhuǎn)角的關(guān)系為：

由式（8）、式（9）可以得到實(shí)現(xiàn)轉(zhuǎn)彎半徑R所需要的前輪轉(zhuǎn)角為：

4.2 轉(zhuǎn)向修正

式（10）是根據(jù)理想圓弧半徑R進(jìn)行前輪轉(zhuǎn)角控制的，由于忽略了輪胎等車輛動(dòng)力學(xué)因素的影響，在目標(biāo)車較遠(yuǎn)、車速較高等情況下往往不能保證理想的行駛效果。因此，有必要根據(jù)車速、目標(biāo)轉(zhuǎn)彎半徑等因素對(duì)式（10）進(jìn)行一定的修正，提高控制效果。因此，提出的改進(jìn)型Pure Pursuit策略的前輪轉(zhuǎn)角為：

式中，K為修正系數(shù)。

本文利用車速、道路曲率對(duì)前輪轉(zhuǎn)角進(jìn)行系數(shù)修正。經(jīng)過大量仿真發(fā)現(xiàn)：當(dāng)車速較高時(shí)，前輪轉(zhuǎn)角響應(yīng)不及時(shí)，車輛容易駛出行駛車道，因此需要增大修正系數(shù)K，以加強(qiáng)前輪轉(zhuǎn)角對(duì)期望軌跡的響應(yīng)，滿足高速工況下響應(yīng)的實(shí)時(shí)性；當(dāng)?shù)缆非瘦^小時(shí)，根據(jù)式（10）計(jì)算得到的前輪轉(zhuǎn)角本身較小，車輛容易保持直線行駛，此時(shí)也應(yīng)當(dāng)增大前輪轉(zhuǎn)角對(duì)道路曲率的響應(yīng)靈敏度，確保車輛能在小曲率車道上實(shí)現(xiàn)及時(shí)轉(zhuǎn)向。

根據(jù)上述原則，設(shè)計(jì)修正系數(shù)的模糊控制器，其輸入為車速和道路曲率，車速的基本論域?yàn)閇0，130]km/h，量化因子取為130，道路曲率的基本論域?yàn)閇0，1/650]m-1，量化因子取為1/650。前輪轉(zhuǎn)角的基本論域?yàn)閇0°，0.8°]，比例因子取為0.8。隸屬度函數(shù)采用三角形函數(shù)，模糊控制器輸入、輸出變量的隸屬度函數(shù)及模糊集合如圖6所示，模糊規(guī)則如表1所示。

圖6 模糊控制器輸入、輸出隸屬度函數(shù)

表1 模糊控制規(guī)則庫

根據(jù)本文提出的改進(jìn)型Pure Pursuit 方法，在MATLAB/Simulink 中構(gòu)建視覺失效條件下的控制策略模型，如圖7所示，自車的相關(guān)參數(shù)如表2所示。將控制策略模型編譯下載至快速原型控制器中，為控制策略硬件在環(huán)測(cè)試作準(zhǔn)備。

圖7 控制策略模型

表2 自車參數(shù)

5 測(cè)試場景與評(píng)價(jià)指標(biāo)

5.1 測(cè)試場景構(gòu)建

為驗(yàn)證控制策略在極限工況下的控制效果，本文設(shè)計(jì)了極限彎道上視覺感知失效的測(cè)試場景，如圖8所示，其中各交通參與者信息如表3 所示。根據(jù)JTG B01—2014《公路工程技術(shù)標(biāo)準(zhǔn)》，確定設(shè)計(jì)場景中道路最小曲率半徑為125 m，對(duì)應(yīng)的彎道極限速度為125 km/h，最大曲率半徑為650 m，對(duì)應(yīng)的彎道極限速度為120 km/h。各測(cè)試用例等待接管階段的目標(biāo)減速度為-2.5 m/s2，緊急制動(dòng)階段制動(dòng)踏板開度為100%，車輛開始進(jìn)入彎道時(shí)視覺感知失效。

圖8 極限彎道視覺感知失效測(cè)試場景

針對(duì)每一種彎道進(jìn)行了3 種控制策略下的對(duì)比仿真分析，失去視覺信號(hào)后，轉(zhuǎn)向盤保持策略、Pure Pur?suit 策略和改進(jìn)型Pure Pursuit 策略的前輪轉(zhuǎn)角控制方式分別為保持不變、按照式（10）進(jìn)行控制和按照式（11）進(jìn)行控制，同時(shí)均按照?qǐng)D1中的縱向控制策略進(jìn)行減速制動(dòng)。

5.2 評(píng)價(jià)指標(biāo)

為了直觀地衡量車輛行駛位置偏離車道中心線的程度，定義車道保持指數(shù)Ki為：

式中，dl為車輛中心偏離車道中心的距離；Wl為車道寬度，本文取為3.75 m。

表3 視覺傳感器失效條件下的測(cè)試場景

Ki=100%表明車輛在車道中心的理想位置行駛；Ki＞0 表明車輛在車道線內(nèi)行駛，其值越大越接近車道中心線；Ki=0 表明車輛在左/右車道線上行駛；Ki＜0 表明車輛已經(jīng)駛出車道線，其值越小，表明偏離程度越大，車道保持功能越差。

6 硬件在環(huán)測(cè)試

6.1 硬件在環(huán)測(cè)試平臺(tái)設(shè)計(jì)

為驗(yàn)證控制系統(tǒng)的有效性，搭建了針對(duì)視覺感知與控制的硬件在環(huán)仿真測(cè)試平臺(tái)，其原理如圖9所示。仿真平臺(tái)利用車輛仿真軟件CarMaker 進(jìn)行仿真場景創(chuàng)建，以及目標(biāo)級(jí)毫米波雷達(dá)信號(hào)模擬，并通過NI PXI 進(jìn)行實(shí)時(shí)仿真計(jì)算。視頻黑箱為視覺感知系統(tǒng)提供不受干擾的仿真畫面，相機(jī)傳感器在視頻黑箱中完成視覺信號(hào)捕捉，并發(fā)送到感知ECU，完成車道線與前方目標(biāo)的識(shí)別與計(jì)算。故障模擬模塊可以實(shí)現(xiàn)通信線路開閉，用于模擬傳感器故障造成信號(hào)丟失。在故障觸發(fā)后，快速控制原型機(jī)進(jìn)行失效情況下的車輛控制。仿真過程和仿真數(shù)據(jù)通過VeriStand進(jìn)行監(jiān)測(cè)與記錄。仿真平臺(tái)實(shí)物如圖10所示。

6.2 結(jié)果驗(yàn)證

6.2.1 縱向測(cè)試結(jié)果

仿真過程中，通過切斷傳感器CAN 總線信號(hào)模擬傳感器故障。測(cè)試過程為：自車跟隨主車穩(wěn)定行駛，目標(biāo)車間時(shí)距為2.2 s，自車進(jìn)入彎道后，立即切斷CAN總線信號(hào)，觸發(fā)視覺失效條件下的控制策略，觀測(cè)自車的運(yùn)動(dòng)響應(yīng)。圖11 所示為測(cè)試用例1～3 的初始狀態(tài)和減速度響應(yīng)，其他測(cè)試用例的縱向控制測(cè)試結(jié)果如表4所示。

圖9 面向視覺感知與控制的硬件在環(huán)仿真測(cè)試平臺(tái)原理

圖10 面向視覺感知與控制的硬件在環(huán)仿真測(cè)試平臺(tái)

圖11 縱向控制測(cè)試結(jié)果（測(cè)試用例1～3）

表4 縱向控制策略測(cè)試結(jié)果

由圖11 和表4 可以看出，車輛視覺傳感器產(chǎn)生故障后，自車按照本文提出的控制策略進(jìn)行了2個(gè)階段的減速操作。等待接管階段減速度約為-2.5 m/s2，時(shí)間為5 s，緊急制動(dòng)階段最大減速度約為-6 m/s2，直至車輛停止?？v向減速控制符合預(yù)期要求，同時(shí)驗(yàn)證了控制模型成功部署到快速原型機(jī)并正常工作。

6.2.2 車道偏離結(jié)果

圖12～圖15 所示為不同車速下的自車橫向控制結(jié)果。

車速為60 km/h 時(shí)，采用Pure Pursuit 策略和改進(jìn)型Pure Pursuit策略的控制效果基本一致，采用轉(zhuǎn)向盤保持策略時(shí)自車也未駛出車道，3種控制均能安全停車。

圖12 60 km/h自車橫向控制測(cè)試結(jié)果

圖13 80 km/h自車橫向控制測(cè)試結(jié)果

圖14 100 km/h自車橫向控制測(cè)試結(jié)果

圖15 120 km/h自車橫向控制測(cè)試結(jié)果

車速大于80 km/h 時(shí)，由于制動(dòng)距離的增加，采用轉(zhuǎn)向盤保持策略時(shí)自車均會(huì)駛出車道，車輛不能安全停車。

采用Pure Pursuit 策略時(shí)，在相同的車間時(shí)距下，目標(biāo)車與自車的距離隨著車速的增加而增加，導(dǎo)致式（8）中計(jì)算得到的轉(zhuǎn)彎半徑R大于實(shí)際道路曲率半徑，不能很好地適應(yīng)極限曲率下的車道，駛出行車道的可能性大幅增加，120 km/h 極限工況下的車道保持效果甚至低于轉(zhuǎn)向盤保持策略的控制效果，不能滿足安全停車的要求。

本文提出的改進(jìn)型Pure Pursuit 策略在4 種工況下均有良好的控制效果，車輛完成停車后，基本處于行車道中心，沒有駛出車道，能夠避免碰撞、墜落等危險(xiǎn)事故。

圖16 和表5 所示為車道中心線橫向偏離的測(cè)試結(jié)果。隨著車速增大，車輛制動(dòng)距離增大，采用轉(zhuǎn)向盤保持策略和Pure Pursuit 策略在高速行駛時(shí)容易駛出車道。在測(cè)試的4個(gè)工況中，轉(zhuǎn)向盤保持策略下的平均車道保持指數(shù)為-70.1%，表明其不具備視覺失效情況下的制動(dòng)安全性。

圖16 不同車速下車道偏離測(cè)試結(jié)果

表5 車道中心線偏離測(cè)試結(jié)果

采用Pure Pursuit 策略時(shí)，在中低速下能起到良好的控制效果，60 km/h和80 km/h車速下車道保持指數(shù)分別為72.2%和40.1%，與圖12、圖13 結(jié)果相符合。但在高速工況下，車輛駛出車道，且偏離車道中心較遠(yuǎn)。4個(gè)工況下平均車道保持指數(shù)為-8.8%，同樣不能滿足視覺失效條件下的制動(dòng)安全性。

改進(jìn)型Pure Pursuit 策略在60～120 km/h 的速度范圍內(nèi)均取得了良好的控制效果，車輛沒有駛出車道。在不同曲率半徑的彎道上以不同極限速度過彎時(shí)，改進(jìn)型Pure Pursuit 策略較轉(zhuǎn)向盤保持策略和Pure Pursuit 策略的路徑平均偏差均有所減小。4 個(gè)工況下平均車道保持指數(shù)為65.1%，表明視覺失效條件下的制動(dòng)安全性較好，與車道保持策略和Pure Pursuit策略相比，平均車道保持指數(shù)較分別提高135.2%、73.9%，是3種控制策略中最安全的策略。

7 結(jié)束語

本文提出了視覺傳感器失效條件下的車道保持輔助控制策略，最大程度地利用車輛完好設(shè)備資源減小危險(xiǎn)事故發(fā)生的概率，并提出了車道保持指數(shù)，用于衡量車輛的車道保持性能，構(gòu)建了國內(nèi)首臺(tái)面向視覺感知與控制的硬件在環(huán)仿真測(cè)試平臺(tái)，分析了視覺傳感器失效后3 種車輛橫向控制方案的車道保持控制效果。結(jié)果表明：轉(zhuǎn)向盤保持策略和Pure Pursuit 策略在車速60 km/h 以下時(shí)能夠起到良好的控制效果，在車速80 km/h 以上時(shí)，均不能實(shí)現(xiàn)車道的良好保持，有駛出車道的安全隱患；改進(jìn)型Pure Pursuit 策略根據(jù)車速和道路曲率估算值進(jìn)行了轉(zhuǎn)角修正，能夠在60～120 km/h的速度范圍內(nèi)起到良好的控制效果，車道中心最大橫向偏差為0.983 m，提高了視覺失效后的制動(dòng)安全性。

視覺失效條件下的縱、橫向耦合控制策略將是下一步研究的方向。