买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京汽车集团有限公司;上汽大通汽车有限公司南京分公司

摘要：本发明涉及一种多传感器融合的倒车雷达盲区测距方法，在车辆进行倒车时，通过测距系统进行数据采集并计算，最终获得在超声波传感器盲区下物流车辆距离终点的距离观测值。本发明解决了在超声波传感器盲区测距准确度低的问题，克服了在低速情况下惯性元件定位不准确的问题。通过使用超声波传感器对惯性元件与轮速传感器数据进行补偿，使之能应用于倒车雷达盲区内距离观测。通过多传感器的融合实现了距离障碍物0～5米的准确测距，由此解决倒车雷达在类似物流货车停靠至卸货平台这类需要盲区内准确距离的场景下应用效果不佳的问题。

主权项：1.一种多传感器融合的倒车雷达盲区测距方法，其特征在于：包括如下具体步骤：步骤1，当车辆开始倒车时，车辆的MCU通过CAN总线获取超声波雷达测距数据，根据起始的距离长度，构建车辆倒车距离Y与时间的数据集，记录的Y值小于等于25cm；步骤2，所述MCU通过CAN总线从车辆ESP系统中获取惯性元件数据及轮速传感器脉冲数据，对两个信号进行处理后获得纵向加速度与车速；对惯性元件的输出进行限幅滤波，获得车辆的纵向加速度ao，滤波阈值为1.4ms2；根据轮速传感器的标定数据将脉冲值转为一次脉冲过程中车辆的位移距离，并对数据进行滑动平均滤波，计算车辆行驶的速度vo；步骤3，对所述步骤2中获取的纵向加速度与车速进行卡尔曼滤波获得车辆行驶距离X，构建车辆行驶距离X与时间的数据集；卡尔曼滤波状态量为位移x、车速v、纵向加速度a，观测量为车速vo、纵向加速度ao，观测噪声大小依照传感器的标定值；使用的卡尔曼滤波公式如下：状态量观测量Z＝[voao]T；计算先验估计值 其中状态转移矩阵控制矩阵B为0；计算先验误差协方差 其中Q为模型的过程噪声协方差矩阵；计算卡尔曼增益Kk： 其中观测矩阵R为观测噪声，依照传感器的标定值；更新误差协方差Pk： 计算后验估计值 后验估计矩阵中的位移x值即为车辆行驶距离X；步骤4，采集到m组数据后MCU构建车辆倒车距离Y与车辆行驶距离X的函数拟合，通过递归最小二乘法对拟合参数进行更新，当步骤1中记录的倒车距离Y超过25cm后，重置两组数据集，保留拟合函数参数和协方差矩阵，并重复上述步骤更新拟合函数的参数；每采集m＝16组倒车距离Y与车辆行驶距离X数据后使用递归最小二乘法更新一次拟合函数参数，所述拟合函数为三次函数；记录的倒车距离Y超过25cm后，清空当前Y、X数据数组，将倒车距离Y、行驶距离X重置为0后继续采集数据，保留拟合函数参数和协方差矩阵；使用的递归最小二乘法公式如下：当采集到16组数据时，解算一次拟合曲线参数，曲线为三次函数，形式如下所示：Yp＝a0+a1*X+a2*X2+a3*X3其中a0,a1,a2,a3为拟合曲线参数，Yp为拟合结果，令将样本代入上式并写成矩阵形式为：Yp＝Mθ其中m＝16；代价函数： 对θ求偏导得： 等式求解后得：θ＝MTM-1MTY由此获得初始的拟合函数参数，当再次采集到16组数据时，进行递归最小二乘运算更新拟合函数参数θk：θk＝θk-1+KkYk-Mkθk-1其中为增益矩阵，k为迭代次数，Rk为观测噪声，依照传感器的标定值，并更新协方差矩阵Pk＝I-KkMkPk-1；步骤5，当通过超声波传感器获得的测距大小下降至25cm时，拟合函数参数更新完毕，将步骤3中的方法生成的车辆行驶距离X代入拟合函数，由此获得补偿后的车辆行驶距离Xp，最终获得在超声波传感器盲区下物流车辆距离卸货平台的距离观测值D＝25-Xp。

全文数据：

权利要求：

百度查询： 南京汽车集团有限公司 上汽大通汽车有限公司南京分公司 一种多传感器融合的倒车雷达盲区测距方法