检测迫近碰撞的系统和方法

暂无

检测迫近碰撞的系统和方法 \n技术领域\n[0001] 本发明一般涉及一种用于检测车辆和物体之间的迫近碰撞(imminentcollision)的方法和系统。 \n背景技术\n[0002] 在2000年，美国有超过36000人在撞车事故中丧生。(Traffic SafetyFacts \n2000，U.S.Department of Transportation，December 2001.2000年交通安全详情，美国交通部，2001年12月)。车辆制造商正在研究减少由这些碰撞所引起的伤亡事故的数目及损伤的严重程度的方法。在较有前途的解决方案中包括可逆约束(reversible restraint)及预触发安全气囊。 \n[0003] 可逆约束是在碰撞前瞬间起动的，以减低乘客损伤的严重程度。如名字所暗示的，与例如气囊相比，这些约束能够快速地重置及重装，并且比较便宜。可逆约束的示例包括预张紧的座椅安全带、向下移动的护膝(kneepadding)、主动头枕、可伸长的保险杠(bumper)及车辆结构加强件。预触发安全气囊用碰撞速度数据作为来自车辆的加速度传感器的信息的补充以估计该碰撞中涉及的动能。使用该信息，气囊可以以最佳的膨胀率和压力展开，由此增强其效率及安全性。在这样的条件下打开的气囊往往对儿童及较小的成年人来说危险较少。如本文所使用的，可逆约束系统及预触发安全气囊通称作“碰撞缓解措施”。 [0004] 尽管大多数人承认碰撞缓解措施将在使碰撞的严重程度最小化方面产生深远的影响，但是这些措施一直难于可靠地实现。特别是，由于商用感测(sensing)系统如小范围雷达(short-range radar，SRR)的不精确性，通常难于充分估计所观测到的物体的确切位置，特别是关于它的方向角(bearing)值。可能需要随着时间进行的许多观测以便准备对物体的真实位置和速度向量的适当估计。因此，开发下述系统具有重大利益，该系统最小化做出打开决定所需的可用观测数目，同时仍能满足一定的决策质量的要求。尤其是，应该可靠地并且尽早地检测迫近碰撞的情况。同样地，当不存在迫近碰撞的情况时，则错误预测迫近碰撞的概率应该非常小。由于错误地打开碰撞缓解措施不仅不方便并且可能牵涉纠正(remediate)代价，而且使人心烦从而有潜在的危险，所以使错误肯定指示(false positive indication)最少是很关键的。 \n[0005] 所以，需要一种检测系统，其不仅很少或不发生错误肯定指示地且高度准确地指示迫近碰撞，而且迅速地指示迫近碰撞以提供足够时间来有效地打开碰撞缓解措施。本发明满足了这种需要及其它需要。 \n[0006] 发明内容\n[0007] 一种确定车辆与物体之间迫近碰撞的方法提供了上述问题的解决方案。该车辆具有感测系统，用于获得代表在检测范围内的至少一个观测到的物体的一个或多个图像。该方法包括：(a)获得代表在检测范围内的观测到的物体的一个或多个图像；以及(b)在确定所述观测到的物体的目标参数之前，根据一个或多个概率密度分布确定所述车辆和所述观测到的物体之间的碰撞迫近的似然性。 \n[0008] 一种确定车辆和物体之间的迫近碰撞的方法也提供了解决方案。该车辆具有感测系统，用于获得代表检测范围内的至少一个观测到的物体的一个或多个图像。该方法包括：\n(a)获得代表检测范围内的观测到的物体的一个或多个图像；以及(b)当所述观测到的物体实际在碰撞区域内的概率与所述观测到的物体实际在安全区域内的概率之间的比率大于确定值时，确定所述车辆与所述观测到的物体之间的碰撞迫近，其中，该确定是在确定所述观测到的物体的目标参数之前执行的。 \n[0009] 下述系统也提供了该解决方案，该系统获得图像数据并且基于观测到的物体实际在碰撞区域内的概率与所述观测到的物体实际在安全区域内的概率之间的比率估计观测到的物体是否处于碰撞路线上。在优选实施例中，该系统包括下述计算机，该计算机适于接收代表检测范围内的观测到的物体的一个或多个图像信号。该计算机还被配置成当所述观测到的物体实际在碰撞区域内的概率与所述观测到的物体实际在安全区域内的概率之间的比率大于确定值时，确定所述车辆与所述观测到的物体之间碰撞迫近，其中，该确定是在确定所述观测到的物体的目标参数之前执行的。 \n[0010] 附图说明\n[0011] 现在将参考附图通过示例来描述本发明，在附图中： \n[0012] 图1示出了本发明的方法的优选实施例的流程图。 \n[0013] 图2表示从多次连续观测中确定轨迹的回顾检测算法。 \n[0014] 图3示出了车辆的与位置独立的碰撞和安全区域。 \n[0015] 图4示出了相对于检测范围内的物体来说车辆的位置相关的碰撞和安全区域。 [0016] 图5示出了针对车辆和物体之间的相对速度而调节的位置相关的碰撞和安全区域。 \n[0017] 图6(a)和6(b)分别示出了在范围X和范围Y处图3中所示的碰撞和避让路线上的概率密度分布。 \n[0018] 图7示出了典型的SRR车辆安装。 \n[0019] 图8示出了传感器软件数据流图。 \n[0020] 图9示出了图8所示的迫近碰撞检测模块的详细数据流图。 \n具体实施方式\n[0021] 本发明提供了一种系统和方法，其通过最小化目标参数计算以及代替地依靠概率密度分布以确定碰撞的似然性(likelihood)而快速可靠地检测迫近碰撞。特别地，申请人认识到，依赖于计算物体的目标参数诸如速度和要碰撞时间(time-to-impact)的检测碰撞现有技术为了达到所要求的精度需要太多时间。为了避免这个问题，申请人将统计分析应用于概率密度分布以确定所观测到的物体是否处于与车辆碰撞的路线(course)上。换句话说，本发明并不是通过基于图像数据确定目标参数而是通过将图像数据与物体在碰撞路线和避让路线上的已知概率密度分布进行比较来解决该问题的。如果所观测到的物体在碰撞路线上而不在避让路线上的概率足够高，则指示迫近碰撞的情况。 \n[0022] 所以，通过依赖于概率数据和统计而不是依赖于基于一系列观测数据推断目标参数，可以以高准确度非常快速地确定迫近碰撞。实际上，利用该方法，即使在算出目标参数之前也可以确定物体是否处于碰撞路线上。 \n[0023] 本文所描述的是一种确定车辆和物体之间迫近碰撞的系统和方法。如本文中所使用的，术语“车辆”指任何相对于其它物体移动的主要实体，在发生碰撞或接近碰撞的情况下，该物体会对主要实体形成威胁。优选地，该车辆为了运送或娱乐目的载有一个或多个人。这样的车辆的示例包括汽车(包括 小汽车和卡车)、飞机、船(包括私人水上工具、小艇、轮船和潜水艇)、轨道车辆(包括火车、电车、地铁)。还预见，车辆可以是静止的，而物体相对于车辆移动(例如，收费所)。优选地，该车辆是汽车，这里相对于汽车描述本文。 [0024] 读者应当注意，通常相对于车辆或感测系统描述物体的运动是很方便的。应当认识到，虽然运动可以完全归于物体，但是，实际上，运动可以源于物体、车辆(包括车辆的转动)或者两者。 \n[0025] 在本文中使用时，术语“迫近碰撞”指的是下述情况，即在人可以采取逃避措施避免碰撞之前碰撞很可能发生。虽然采取逃避措施所需的时间将依赖于多个变量诸如操作车辆的人的技术、环境情况(如路况)、车辆和物体之间的相对速度而不同，但是，通常反应时间不少于0.5秒。 \n[0026] 在本发明的优选实施例中，来自车辆感测系统的图像数据被用于确定迫近碰撞的情况是否存在。如本文中所使用的，术语“感测系统”指的是下述任何常规的或以后开发的装置，其检测或感测特定范围(本文中为“检测范围”)内故障物的存在，并且提供观测到的故障物的电子表示或“图像”。该图像可以包含在特定时刻关于一个或多个观测到的故障物的状态(如，位置，速度等)信息。通常，该图像数据具有关于每个物体所表示的状态信息的不确定性的度量。该感测系统可以基于，例如反射的电磁辐射(如，激光、雷达)、声学(如声纳、超声)、和热成像(如红外线)。优选地，检测系统基于电磁反射，尤其是，雷达。在尤其优选的实施例中，雷达是短距离雷达(SRR)。这样的系统是公知的，所以这里不再详述其细节。 \n[0027] 通常存在与感测系统相关联的“扫描”时间，其中以给定频率扫描检测范围以成像。从而，检测范围中所观测到的物体通常将表示为随时间进行的一系列图像。随时间进行的图像收集是一种将物体状态中的不确定性减少到低于任何单幅图像中固有的不确定性的典型方法。但是，在本发明的优选实施例中，每个图像及其所暗含的不确定性用来达到与迫近碰撞决定相关联的质量的要求。特别地，每次扫描均收集到一幅图像，并且该图像与前一次扫描的图像一起使用，直到充分确定该物体与迫近碰撞相关联，或直到该物体退出传感器的观测区域。如下面将要描述的，随时间进行的图像收集也提供了一种消除随机虚假物体的方法，这种随机虚假物体可能由操作在低信噪比下的感测系统产生。 \n[0028] 参考图1，示出了本发明优选实施例的方法的流程图100。如图所示，该方法至少包括步骤101和102。(值得提出的是，虽然本文是以步骤描述本发明，但是这只是为了方便理解，而不意欲限制本发明的范围。实际上，也可以将一个或多个步骤的功能组合或者分插在其它步骤中。)在步骤101中，获得一个或多个代表检测范围内所观测到的物体的图像。\n在步骤102的一个实施例中，当所观测到的物体实际位于碰撞区域内的概率与所观测到的物体实际上位于安全区域内的概率之间的比率大于确定值时，确定车辆与所观测到的物体之间的碰撞是迫近的。相对于上面刚刚提到的步骤102的实施例可选地和/或优选地，在确定物体的目标参数之前，确定车辆和物体之间的碰撞迫近的似然性(likelihood)。如本文中所使用的，术语“目标参数”是指从一系列图像数据中导出与观测到的物体相对于车辆的位置和运动相关的计算量，并且包括例如速度、方向和要碰撞时间的信息。在优选实施例中，本发明的方法还包括生成迫近碰撞报告的步骤103以及打开碰撞缓解措施的步骤104。\n下面将连同执行这些步骤的优选系统一起更详细考虑这些步骤。 \n[0029] 物体识别 \n[0030] 在步骤101中，感测系统生成代表观测到的物体的一个或多个图像并且将该图像数据传送到处理单元，以在步骤102中确定观测到的物体是否处于与车辆碰撞的路线上。\n如上所述，感测系统可能产生错误信号。因而，在优选实施例中，检测系统用来消除错误肯定信号。 \n[0031] 消除错误信号和“认证(authenticate)”物体的一种方法是将随时间进行的一系列图像同与实际物体一致的确定模式(pattern)比较。例如，在一个实施例中，在一系列的观测或扫描上记录观测到的物体的图像，并且执行对直线模式(straight-line pattern)的搜索。这是已知的技术，称为“回顾检测算法(retrospective-detection)”(如，参见 Prengaman，et al，“ARetrospective Detection Algorithm for Extraction of Weak Targets inClutter and Interference Environments”，IEE 1982 International RadarConference，London，1982.)。该技术通常用于在高度混乱环境中初始化跟踪滤波器。\n一系列观测上的图像的直线指示所观测到的物体和车辆正以恒定速度会聚，这与位于正在移动的车辆前方的实际物体一致。本文中将该直线称为物体的“轨迹(trajectory)”。 [0032] 图2图示了对于观测或扫描次数M等于六的情况下的回顾检测算法。在 该图中，每个实心圆表示一个物体观测201，其范围用其在纵坐标上的位置表示。最左侧和最右侧的纵轴202、203分别提供来自当前和最早的传感器工作循环的物体观测。在图2的示例中，单个轨迹204被识别为满足下述标准。该标准要求备选的轨迹必须在六个循环的每次循环中都有一次观测。但是，该要求也可以放松，使得备选的轨迹可以存在于M次扫描中的N次扫描中以实现检测具有较低物体检测概率的轨迹。此外，虽然该技术对于匀速趋向感测系统的物体是有用的，其它技术可以用于验证正在加速或者显示出相对于感测系统的不一致速度的物体。例如，可以用x和y两坐标而不是范围表示物体位置。作为另一个实施例，物体运动模型包括匀加速而不是匀速。但是，这些技术往往更复杂并且耗时，从而可能与较简单的估计相比是次优选的。但是，应当理解，随着计算的容量增加，验证图像确实性(authenticity)的更复杂的技术可能变得更实用。 \n[0033] 除了认证图像数据外，还可以优选的是能筛选(screen)数据以识别仅“相关的”观测到的物体。相关的观测到的物体是指符合确定标准的物体，该标准被建立来排除没有危险的物体。在优选实施例中，图像必须相应于具有在某界限例如10mph和9mph内的接近速度的物体。通常，速度在该范围之外的物体是无关的。特别地，以小于10mph的速度靠近车辆的物体不需要碰撞缓解准备。同样地，在大多数情况下，以大于90mph的速度靠近的物体是无关的，因为，在这个速度下，它或者是人造物体(artiface)或者移动得如此快以至于碰撞缓解措施没有什么作用。除了最小和最大的接近速度，其它有助于估计备选物体的目标参数包括物体方向角和多普勒效应(如果可得的话)。但是这些参数需要额外的计算资源，而且计算它们所需时间的决定因素可能超过了它们的好处。 \n[0034] 从而，在本发明的方法的物体识别阶段，生成图像数据，并且优选地对之进行相关性估计和验证。对该图像数据进行相关性估计和/或验证达到的程度通常是相比较于所需的计算时间对该额外分析所提供的较高的可靠性的最优化。 \n[0035] 在本发明的方法的替代性实施例中，使用来自跟踪滤波器的输出而不是来自物体识别步骤101的输出。在该实施例中，由跟踪滤波器生成的每个跟踪轨迹均作为步骤102的输入。通常，跟踪滤波器的实现和特性是公知的，因而这里将不详述其细节。 \n[0036] 迫近碰撞的确定 \n[0037] 在步骤102中，基于步骤101中产生的图像数据考虑碰撞的似然性。关于此点，当所观测到的物体实际上在碰撞区域内的概率与所观测到的物体实际上在安全区域内的概率之间的比率大于确定值时，本发明的方法确定碰撞迫近。优选地，在执行对图像数据进行严格估计来预测目标参数(如位置、方向、速度、碰撞时间)以获得比单幅图像固有的准确度更好的准确度之前就进行该步骤。即，与通过首先从一系列图像数据中计算轨迹然后推断之以确定观测到的物体是否在车辆的路线上而确定碰撞的似然性的现有技术不同，本发明用相对概率确定碰撞的似然性。特别地，本发明依靠已知的概率分布来估计是否可以以足够的确定性断言给定图像或图像组在碰撞区域或安全区域中。所以，步骤102要求，建立碰撞和安全区域，然后确定观测到的物体位于两个区域中任一区域中的比较概率(comparative probability)。 \n[0038] 在建立碰撞区域和安全区域过程中，本发明识别两种不同情形。第一种且比较简单的情形在碰撞区域和安全区域与物体独立时发生。换句话说，物体的位置或移动不会改变所感知的相对于车辆的碰撞区域和安全区域。当物体的横向位置相对于车辆的路线没有明显改变时就会发生这种情况。这种情况存在于大多数正面碰撞和追尾碰撞中。本文中将这种情况称为“独立于物体的碰撞”，相应的碰撞区域和安全区域称为“独立于物体的区域”。 \n[0039] 第二种情况更复杂并且在碰撞区域和安全区域依赖于物体的位置甚至有可能依赖于相对速度时发生。这样的情况出现在物体相对于车辆的路线横向移动时，这在侧面碰撞(side-impact collision)中很典型。如本文中所使用的，术语“侧面碰撞”是指在物体和车辆之间的一种碰撞，其中在即将发生碰撞时，物体具有横过车辆路线的速度分量。在本文中将第二种情况称为“与物体相关的碰撞(object-dependent collision)”，相应的碰撞区域和安全区域均称为“与物体相关的区域(object-dependent zone)”。 \n[0040] 参考图3，关于与物体相关的碰撞的情况描述碰撞区域301和安全区域302、303的建立。在描述这些区域过程中，“左”、“右”、“前”、“向前”、“后”和“向后”是相对于车辆而使用的，并且仅用于描述的目的，而不应解释为对本发明范围的限制。 \n[0041] 如图3所示，主车的前方区域可以分成几个区域。碰撞区域301是预期由主车占据的区域，并且优选地大约是车的宽度。该碰撞区域由左侧的第一 碰撞路线306和右侧的第二碰撞路线307划界。该区域在图3中被图示针对向前直行的车辆，但是将向任一侧弯曲以匹配路的曲率。(这是一项公知技术，其可以基于多个因素，最基本地包括转向角)。也可以增加碰撞区域301的宽度作为到车辆的距离的函数，以便补偿车辆路线中的不确定性。安全区域302、303在碰撞区域301的左右两侧平行。安全区域302和303是物体不太可能被主车碰撞的区域，并且由第一和第二避让路线308、309划界，第一和第二避让路线308、309分别偏移碰撞区域301的左右两侧一定距离。中间区域304、305是碰撞区域301和安全区域302、303之间的过渡区域。特别地，中间区域304是第一碰撞路线306和第一避让路线\n308之间的区域，而中间区域305是第二碰撞路线307和第二避让路线309之间的区域。 [0042] 碰撞区域代表确定碰撞的区域，而安全区域表示确定不碰撞的区域。宣称迫近碰撞的概率对于实际上位于碰撞区域中的物体应该非常高，对于实际上位于安全区域中的物体应该非常低。中间区域提供从对位于碰撞区域中的物体的高检测概率要求到对位于安全区域中的物体的低检测概率要求的过渡。在优选实施例中，对于在过滤区域中的物体没有检测概率的要求。本发明的方法能够容纳中间区域的恒定或可变宽度的任何值。但是，较窄的宽度要求更连贯的图像，以实现同等质量的迫近碰撞估计。假定扫描时间固定，这减少了对于碰撞决策的要碰撞时间。但是，中间区域不能宽得包括了其中物体非常可能或极不可能对车辆发生确实威胁的区域。尤其是，中间区域不应该满足碰撞区域或安全区域所需的检测概率。因而，中间区域的宽度是最大化要碰撞时间与最小化其中不能很好控制碰撞性能的区域之间的权衡。应该理解，针对正面碰撞在车辆前方建立的碰撞区域、中间区域、安全区域也可以针对追尾碰撞在车辆后方建立。 \n[0043] 参考图4，关于与物体相关的碰撞讨论安全区域和碰撞区域的概念。对于侧面碰撞建立碰撞区域和安全区域要比正面碰撞复杂得多。主要区别在于，与其中碰撞区域和安全区域与物体的位置独立的正面碰撞不同，在侧面碰撞中，碰撞区域和安全区域依赖于物体的位置并且将随着物体位置的变化而变化。例如，相对于在车辆后方且向左的物体，在车辆前方且向左的物体的碰撞区域是明显不同的。所以，在本实施例中，在建立碰撞区域和安全区域之前，必须确定物体位置。 \n[0044] 可以以一个图像一个图像为基础执行建立物体位置的操作，其中每个新 图像对应于不同的物体位置，并从而对应于不同的碰撞区域和安全区域的建立。但是，由于商用感测系统通常具有显著的标准偏差，对于方向角数据来说尤其如此，所以优选的是使观测到的物体的位置以多次观测为基础。例如，在一个优选实施例中，位置被确定为图像数据的平均值。参考图4，所估计的物体位置411的x坐标值等于所观测的n个x坐标值412的移动平均值(moving average)，以及所估计的物体位置411的y坐标值等于所观测的n个y坐标值的移动平均值。所以，随着每个新观测的值该平均值将发生改变，或可能发生变化，但是该变化并不剧烈。可选择地，不是使位置以所观测图像的简单的移动平均值为基础，而是x中心可以基于所观测x值的方差加权平均值，y中心可以基于所观测y值的方差加权平均\n3 2\n值。例如，对于每次观测该方差可以是估计得到的σX 和σY。也可以关于第一图像的时间或者关于最新近图像的时间而不是第一图像和最新近图像之间的时间来估计物体位置。\n根据本文的公开内容，对本领域技术人员来说，用于建立观测到的物体的位置的其它方法将是显而易见的。 \n[0045] 一旦确定了物体的位置，就可以建立碰撞区域和安全区域。特别地，参考图4，对于在车辆401左侧观测到的物体402，碰撞区域403是在第一碰撞路线404和第二碰撞路线405之间的区域，其中第一碰撞路线404从所估计的物体位置411到车辆401的最靠后部分401a，第二碰撞路线从所估计物体位置411到车辆401的最靠前的部分401b。应当注意，车辆401的最靠后部分401a及最靠前部分401b均被确定为如从所估计的物体位置411的有利位置观测到的那样。 \n[0046] 安全区域406、407位于碰撞区域403的两侧。在一个实施例中，一个安全区域406是在从所估计的物体位置411到距离车辆401的最靠后位置401a为d1的位置之间的第一避让路线408后面的区域，另一个安全区域407是在从所估计的物体位置411到距离车辆\n401的最靠前位置401b为d2的位置之间的第二避让路线409前面的区域。应当理解，上述关于在左侧的物体402的侧面撞击的碰撞区域和安全区域同样适用于在右侧的物体。如同与物体独立的配置那样，中间区域410、411将碰撞区域403与安全区域406、407分开。 [0047] 由从最靠前的位置401b到避让路线409上的最接近的点的距离d2，及从最靠后部分401a到避让路线408的最接近的点的距离d1确定的这些中间区域的大小是出于安全和方便的目的被优化的，并且可以基于多个参数，这些 参数包括车辆的预定安全半径、车辆速度、车辆和物体的相对速度以及任何其它与碰撞的似然性或严重性有关的参数。在一个过分简化(simplistic)实施例中，中间区域是基于车辆转角的预定半径的。参考图4，半径d1和d2限定了碰撞和避让路线之间的间隔。这些半径可以是不考虑车辆和物体的状态余弦确定的。例如，该半径可以是10英尺而不用考虑车辆或物体的速度。虽然该实施例从低运算量的观点看是优选的，但是其忽略了往往对碰撞估计很重要的车辆和物体的速度。特别地，当车辆和物体的会聚速度较低时，则相对窄的中间区域是优选的，但是当车辆和物体的会聚速度较高时，则相对较宽的中间区域是优选的。例如，当物体在车前一英尺或30英尺经过时人是否感到舒适几乎完全依靠物体和车辆的会聚速度。据此，在优选实施例中，中间区域或者避让路线偏离碰撞路线的距离是基于下面各项的一个或多个的：车辆的估计速度，物体和车辆的估计会聚速度，所感知到的物体对主车的潜在威胁。基于车辆或物体的速度数据设立的中间区域在本文中称为“与速度相关的(velocity-dependent)”中间区域或避让路线。 \n[0048] 在一些场景中，可以基于避开碰撞的最小“安全”时间来建立与速度相关的避让路线。例如，由于通常人的反应能力不少于约500ms，所以安全时间将至少为500ms。在优选实施例中，避让路线偏离碰撞路线针对确定的相对速度与概时间相应的距离。例如，参考图\n5，如果沿着y方向物体501相对于车辆502的相对速度(即，相对速度矢量vy)为60mph或\n88ft/s，则沿着y方向车辆避让路线距碰撞路线的适当距离503可以是44英尺(即，88ft/s×0.5s)。如果沿着x方向物体501相对于车辆502的速度为30mph或44ft/s，则沿着x\n方向车辆避让路线距碰撞路线的适当距离504可以是22英尺。由于通常每个适当的距离\n503和504将通常描述不同的避让路线，所以人们可以选择得到最宽中间区域的适当距离\n503或504(如图5所述)。 \n[0049] 为了使与物体相关的碰撞方法相关联的计算量或不确定因素最小化，可以做某些假设。例如，申请人认识到侧面撞击可能会发生在物体与车辆正交行驶的十字路口。在这样的情况下，物体的速度分量vX基本上是车辆的速度。因而，在这些情况下，可以假设速度分量vX是容易确定的车辆速度。例如，如果车辆的行驶速度是25mph或37ft/s，则可以假设物体的vX分量为37ft/s。这样，如果如上述实施例中所述需要0.5s的安全缓冲，则沿着x方向的偏移距离504为18ft。将该实施例与上面刚提到的物体在y方向以60mph速度行 驶的例子结合，很清楚，在x和y方向的距离分别为18和44ft。除了将物体的速度vX近似认为车辆速度外，根据本文的公开内容，其它近似方法对本领域技术人员可以是显而易见的。 \n[0050] 基于与物体无关的碰撞情况还是与物体相关的碰撞情况建立碰撞区域和安全区域依赖于实际应用及可得的计算资源。即，如上所述，虽然从计算效率的观点看与物体独立的碰撞情况更吸引人，但是它可能不能容易地检测到某些类型的碰撞，如侧面碰撞。同样地，虽然与物体相关的碰撞方法囊括性强，但是从计算的观点来看其很昂贵，而且对于其中碰撞区域和安全区域变化很小或根本不变化的正面碰撞来说可能是多余的。所以，在优选实施例中，该迫近碰撞的检测系统应当包括这两种方法。在一个优选实施例中，与物体独立的碰撞方法应用在车辆前方以检测正面碰撞并应用在车辆后方以检测尾部碰撞，而在车辆侧面应用与物体相关的碰撞方法以检测侧面碰撞。 \n[0051] 一旦建立了碰撞区域和安全区域，就确定是否可断言观测到的物体分别在图3或4的碰撞区域301或403中，以便当物体实际上在碰撞区域301或403中时满足检测\n概率要求，以及以便当物体实际上分别在安全区域302、303或406、407时满足假警报(false-alarm)要求。我们将碰撞区域和中间区域的边界称为碰撞路线，以及将中间区域和安全区域之间的边界称为避让路线。所以，优选地确定观测图像代表实际上位于碰撞路线上的物体的概率，以及确定作为第二假设的观测图像代表实际上位于避让路线上的物体的概率。对于迫近碰撞的检测来说边界状况是最具挑战性情况。如果实际路线在碰撞或安全区域中的其它地方，则我们的检测要求和假警报要求也将得到满足。 \n[0052] 在优选实施例中，确定物体沿着碰撞路线和避让路线的概率需要测量物体的范围(range)，然后比较在该范围中的碰撞路线和避让路线上的物体的方向角(bearing)上的概率密度分布。在该实施例中，假设物体范围的测量具有比物体方向角测量更高的精度。\n本文特别关注的是感测系统中的方向角偏差。例如，在SRR系统中，方向角的标准偏差目前大概是4°。这是很显著的，在一个较长的范围内当方向角上4°的误差可以很容易意味着在碰撞路线上和不在碰撞路线上的物体之间的差异时尤其显著。例如，在100ft的范围内，方向角上4°的误差等同于7ft的差异-这通常足以使观测到的物体在碰撞区域之内或之外。SRR的范围标准偏差明显小于方向角的标准偏差，典型的小于4cm。因此，优选地，对于在碰撞路线和避让路线上的实际物体，使用范围将 观测到的物体的方向角与方向角的概率密度分布相互关联起来。但是，应当注意，如果范围的精度小于方向角，则对于在碰撞和避让路线上的实际物体，可以使用物体方向角将在同样方向角的观测到的物体与范围的概率密度分布相互关联起来。 \n[0053] 参考图3和图6(a)，给定的观测到的物体Xθ具有观测范围X和观测方向角θ，其关于感测系统来测量得到。观测范围X可以用作真实范围的估计值，现在我们考虑观测方向角θ实际上是位于几个路线之一上的物体的观测的概率。感兴趣的路线是第一避让路线308、第一碰撞路线306、第二碰撞路线307、第二避让路线309。每个路线上的感兴趣位置是具有等于来自观测感测系统的X的范围的位置。将这些位置分别表示为Xa1、Xc1、Xc2、Xa2。请注意，这些位置的方向角分别等于a1、c1、c2、a2。 \n[0054] 图6(a)图示了观测到的方向角的四个方向角概率密度函数601、602、603、604，每个分别居中在各感兴趣的方向角值中的一个a1、c1、c2、a2。概率密度函数提供了一种确定一个值发生在特定间隔内的概率的方法。特别是，该概率是通过在感兴趣的间隔上对该概率密度函数积分得到的。针对我们的用法，我们认识到该概率密度函数提供了与在一些非常小的间隔内发生的概率成比例的一个值。 \n[0055] 可以用理论或试验的方法确定概率密度函数的形状。两种概率密度函数(例如，\n601和602)可用于确定两个实际方向角(例如a1和c1)中的哪个更可能与观测方向角值(如θ)相对应。特别地，我们可以通过形成观测方向角θ处的概率密度函数601的值与观测方向角θ处的概率密度函数602的值的比率而确定相对概率。在图6(a)的示例中，给定所指示的观测方向角θ，由于概率密度函数601和602在θ处的值相等，所以实际方向角等于a1和c1的可能性相等。 \n[0056] 当物体接近感测系统时，在给定范围处不同路线位置之间的方向角上的差值倾向于增加。例如，参考图6(b)，相比于具有较大值的范围X的6(a)的示例，对应于范围Y的概率密度分布611、612、613、614在方向角上分散得多。这更有助于确定观测到的物体是在碰撞路线上还是在避让路线上。即使在概率密度函数的值接近于零的时候，这种陈述也是有效的。例如，观测方向角φ处的概率密度函数613的值比观测方向角φ处的概率密度函数614的值大很多倍。因而，相比于a4的实际方向角，观测角φ更有可能出现在实 际方向角c4。因此，本发明的方法能够随着要碰撞时间变短而以更大的确定性计算是否在碰撞路线上。 \n[0057] 优选地，在比较的意义上使用观测到的物体位于碰撞路线或避让路线上的概率，以便以足够高的确定性确定迫近碰撞的情况是否存在。关于此点，在优选实施例中，序贯概率比检验(SPRT)算法的调整(adaptation)用于确定备选物体是否具有迫近碰撞的轨迹。SPRT的一般概念和原理是公知的(如，参见A.Wald，Sequential Analysis，New York：\nWiley，1947)，尽管据申请人所知，该分析技术从未被调整用于碰撞检测目的。 \n[0058] 在调整该方法用于迫近碰撞的检测时，设f(φ，μ)为观测图像的概率密度函数，其中φ是观测方向角，μ是图像的假定方向角。给定观测图像具有来自备选轨迹中的方向角φ1，...φM，其是方向角轨迹μ1，...μM的观测的概率度量由下式给出： \n[0059] p＝f(φ1，μ1)f(φ2，μ2)...f(φMμM) (1) \n[0060] 考虑到确定两个不同方向角轨迹中的哪一个是对于观测方向角的真实轨迹的问题，将一个轨迹，μ01，...μ0M表示为零假设(null hypothesis)，将另一个轨迹μ11，...μ1M表示为备择假设(alternative hypothesis)。在这种情况下，分别由(2)和(3)给出做为零假设和备择假设的观测的概率度量。 \n[0061] p0＝f(φ1，μ01)f(φ2，μ02)...f(φMμ0M) (2) \n[0062] p1＝f(φ1，μ11)f(φ2，μ12)...f(φMμ1M) (3) \n[0063] 在改编SPRT分析用于迫近碰撞的检测时，零假设是碰撞路线，而备择假设是离碰撞路线最近的避让路线。例如，参考图3和4，如果零假设是第一碰撞路线306、404，则备择假设是第一避让方向308、408。注意，每个零假设-备择假设对有两种情况--图3中是左和右(与物体独立的碰撞状态)，图4中是前和后(与物体相关的碰撞状态)。因此，第一假设对是基于第一碰撞路线和避让路线的，第二假设对是基于第二碰撞路线和避让路线的。 [0064] 当 \n[0065] p0/p1＞B (4) \n[0066] 时，确定观测到的物体处于碰撞路线上。 \n[0067] 用如表1中所指定的检测概率来确定阈值B，在本文中该阈值也称作第一值。特别地，Wald建议使用下面的近似： \n[0068] B≈(1-α)/β (5) \n[0069] 在(5)中，α是零假设的错误检测的概率，β是假警报的概率(即，当备择假设是正确选择时却选择了零假设)。习知(如，见M.Woodroofe，NonlinearRenewal Theory in Sequential Analysis，Philadelphia：SIAM，1982)阈值B的最佳值是概率密度函数的复杂函数。尽管如此，公式(5)用作方便的近似，其对特殊的α、β值的性能可通过模拟验证。\n举例来说，已经证明，对于零假设的检测概率(即，1-α)为80％，假警报(即，β)的概率为0.001％已经展示了适当的结果。给定备选轨迹，将SPRT确定结果分别用于第一假设对，然后用于第二假设对。如果第一假设对的SPRT检验接受了零假设，则可理解为真实的轨迹位于第一碰撞路线右侧。同样的，如果第二假设对的SPRT检验接受了零假设，则可理解为真实的轨迹在第二碰撞方向的左侧。当两种检验均接受它们的零假设时，则可理解为备选轨迹为在碰撞带内的轨迹的一次观测。这种情况验证了备选轨迹为迫近碰撞的轨迹。 [0070] 将使用图3的场景和图6(a)和6(b)的概率密度分布提供该检验如何工作的示例。如果我们规定零假设的错误检测的概率α等于0.2，假警报的概率β等于0.00001，则利用等式(5)确定我们的决定阈值B等于80000。 \n[0071] 参考图3，在我们的第一图像扫描中，我们观测对应于观测范围X的Xθ 及观测方向角θ。利用观测范围X，我们确定在该范围中相应于第一避让路线和第一碰撞路线的方向角值分别为a1和c1。利用我们关于方向角的概率密度分布函数的知识，如601和602所示，可以确定在观测方向角θ处每个函数的值。注意，方向角值a1和c1用来恰当地定位概率密度函数601和602。在该实施例中，在观测方向角θ处，概率密度函数601和602具有同样的值。所以，这两个值的比为1，小于计算确定的决定阈值B。因此，根据等式(4)，我们不能够确定物体就在第一碰撞路线上。 \n[0072] 参考图3，在稍后某时刻进行的第二次图像扫描中，我们观测到对应于观测范围Y的Yφ及观测方向角φ。重复与前次扫描同样的过程，我们能够得到分别对应于第一避让路线和第一碰撞路线的方向角值a3和c3及概率密度函数611和612。确定在φ值处概\n率密度函数612的值是例如1.2E-5，及在φ值处概率密度函数611的值是6.6E-9。这两个值的比为1818。如公式(2)和(3)要求的，我们必须将这个比率乘以前次扫描所得到的比率(即，1.0)来得到积累比率1818。利用等式(4)，我们确定1818小于决定阈值(即，\n80000)，所以我们还是不能断言观测到的物体位于第一碰撞路线上。 \n[0073] 报告生成 \n[0074] 在优选实施例中，一旦在上述步骤102中确定迫近碰撞，就生成碰撞报告。如果在步骤102中确定多个碰撞，则虽然包括碰撞的严重性在内的其它的优先方法是可能的，但是优选的是关于最短的要碰撞时间的轨迹生成报告。 \n[0075] 迫近碰撞的报告包括目标参数，该目标参数典型地包括估计要碰撞时间及相对速度。但是也可以确定附加的碰撞参数，如方向、碰撞区域、碰撞角度。有趣的是注意到，在优选实施例中，仅在确定处于车辆的碰撞路线上后，目标参数以比单个的图像更高的精度被估计。这种情况发生是由于迫近碰撞的确定是用其可能的结果只有真(即，存在迫近碰撞)或假(即，不能确定存在迫近碰撞)的检测过程来表示的，。 \n[0076] 可以利用许多已知的估计技术确定目标参数。在优选实施例中，通过利用最小平方准则用线性轨迹拟合观测来估计目标参数。该线性拟合也用作核实(qualify)轨迹的一种额外的方法。特别地，如果利用公式(6)计算的误差平方度量(metric)超过确定阈值时，则丢弃迫近碰撞的轨迹。该最后的核实用消除从多个物体的观测形成的轨迹。 \n[0077] \n[0078] 在等式(6)中，φi表示第i次观测方向角，ψi表示最佳拟合轨迹的第i次的方\n2\n向角，σφ 是观测方向角的方差。假定方向角误差是独立的、无偏的正态分布，则metric是M自由度的卡方(chi-square)分布。例如，当metric值超过95％(即，当轨迹实际上有效时，预期只有百分之5的时间被超过的值)时，可以否定该轨迹。当M为6时，所对应的metric值为13。 \n[0079] 虽然最小平方准则对计算目标参数及验证观测到的物体位于与车辆碰撞的路线上是优选的，但是这并不是确定该信息的唯一方法。本领域的技术人员应该理解，存在可在观测数据上执行的其它技术以确定这些参数和/或验证即迫近轨迹，例如包括利用本发明所描述的方法检测碰撞区域和/或与迫近碰撞相关联的碰撞角度的技术。这可以涉及具有不同碰撞区域和/角度的碰撞路线的假设、SPRT算法的利用以确定当满足所声明的检测概率和假警报概率时是否选择了一个路线。 \n[0080] 打开碰撞减缓措施 \n[0081] 一旦生成迫近碰撞的报告，就将其发送到控制器，该控制器适于基于迫 近碰撞的报告中提供的目标数据在适当的时刻打开碰撞减缓措施。优选地，在剩余要碰撞时间(考虑到估计时间值的不确定性可加上一些附加的余量)少于有效打开特定措施所需要的时间之前，将打开每个碰撞减缓措施。下面是碰撞减缓措施和适当的要碰撞时间触发器极限值的示例： \n[0082] 碰撞减缓措施要碰撞时间触发器 \n[0083] 音响喇2秒 \n[0084] 安全带 200毫秒 \n[0085] 可调整头枕 200毫秒 \n[0086] 打开护膝装置 100毫秒 \n[0087] 打开安全气囊 10毫秒 \n[0088] 应当理解，所介绍的这些碰撞减缓措施和它们的要碰撞时间触发器极限值只是为了说明的目的给出的而并不意欲限定本发明的范围。当然，本领域的技术人员将理解，该打开时间很大程度上依赖于用于实现该措施的技术及该措施的期望效果。此外，可以预想到，随着时间的推移，还会有更多的碰撞减缓措施被发明并且被使用在本发明中。 \n[0089] 除了这些碰撞减缓措施，步骤104也可以包括：将迫近碰撞的条件连同位置信息(如，来自GPS)一起传送到中央接收工具或紧急救援人员，以将该情况警告他人以便可以派遣救援。 \n[0090] 系统架构 \n[0091] 可以预想，可以用许多系统结构实践本发明的方法。基本上，该方法需要一个具有一个或多个感测系统的系统。优选地，以一个现有的或具有其它功能的系统实践该方法，例如，具有自动巡航控制(ACC)或停止/行走交通的系统。参考图7，示出了一种典型的SRR车辆安装。在前保险杠702的仪表板后安装了四个SRR传感器701(a)-701(d)。应当理解，SRR传感器的相似系统也可以安装到车辆的侧面和后部。 \n[0092] 当前采用的SRR传感器能够检测最大距离为30米的范围和方向角内的物体。预料，未来各代的SRR传感器将具有更大范围。传感器通过自动控制器区域网络(Controller Area Network，CAN)总线704传达到称作雷达判定单元(Radar Decision Unit，RDU)703的中心计算机。RDU 703负责传感器融合以及车辆应用程序的实现。用于前保险杠系统的应用程序可以除包括碰撞检测应用外，还包括辅助驻车，停止&行走巡航控制(即，车辆在停止&行走状态 自动与前车保持适当距离)。 \n[0093] 迫近碰撞的算法的优选实施例是用传感器软件实现的。图8中示出了该算法的数据流图800。可以将该软件分为四个模块。第一模块801是物体检测，其负责从无线电频率(radio-frequency，RF)前端所产生的信号波形中检测物体。在第二模块802中，一个物体跟踪器使用上述跟踪过滤器处理检测到的物体。第三模块803是CAN处理器，其通过CAN总线将作为结果的信息传送到RDU。优选地，迫近碰撞算法作为传感器软件中的离散模块\n804通过接受来自物体检测801的输入并且将其输出提供给CAN处理器803而与物体跟踪器802并行运行。 \n[0094] 图9提供了图8的迫近碰撞的检测模块804的详细数据流图。最初，观测物体列表作为物体检测(图8的模块801)的输出被输入到迫近碰撞模块804的轨迹检测步骤901中。物体列表提供了在当前循环中检测到的每个物体的范围和方向角信息。该物体列表还可以包括多普勒速度，其改进性能但对迫近碰撞算法的功能性不是很关键。轨迹检测步骤如上面关于步骤101描述那样计算物体轨迹。如上面所提及的，该阶段也可以采用诸如回顾/检测算法的技术以将假信息从真实的观测到的物体中过滤掉。 \n[0095] 在替代性实施例中，迫近碰撞算法804适于通过从物体跟踪器802而不是物体检测801中接受其输入。在该实施例中，将使用物体跟踪器802的输出而不是轨迹检测901的输出。 \n[0096] 一旦计算出轨迹，数据传到SPRT确认步骤902。在该步骤中，通过如上面关于该方法的步骤102所讨论的那样考虑沿着碰撞路线和避让路线的概率密度分布来考虑观测到的物体沿着碰撞路线和避让路线的概率。模块804的最后步骤是报告生成步骤903，其中如关于步骤103所述那样生成报告。在一个实施例中，每个传感器在每个循环中将迫近碰撞的报告传送到RDU703(见图7)。该报告传达关于所检测到的一个或多个迫近碰撞物体的信息，如果在当前循环中检测到的话。RDU迫近碰撞的应用程序基于来自一个或多个传感器的报告对安全系统的激活做出适当决定。 \n[0097] 应当理解，图7到图9中所图示的系统和软件结构只是为了描述目的，并且仅代表本发明的系统可以采用的众多实施例中的一个。例如，出于安全系统设计的原因，迫近碰撞的应用程序可以驻留于一个单独的电子控制单元(electronic control unit，ECU)中，该ECU监控传感器的CAN-总线通信。 \n[0098] 另外，不是在传感器水平执行迫近碰撞模块804，优选的在ECU中进行这些计算。\n在这样的一个实施例中，检测传感器可以将原始图像数据提供给ECU，ECU可以执行迫近碰撞模块804。还认为，不是通过CAN总线704将碰撞报告提供给RDU 703，可以优选地从检测器传感器701(a)-701(d)直接执行碰撞减缓措施。甚至认为，通过将来自传感器系统的图像数据传送给中心处理设备，可以在车辆外部完成对该图像数据的处理，该中心处理设备接收、监控和产生多部车辆的迫近碰撞的报告。所以，将计算分析分布在各种传感器中或聚集在一个或多个处理单元中的程度是本领域技术人员根据本公开内容可以执行的优化问题。 \n[0099] 实施例 \n[0100] 示例1 \n[0101] 该示例表明了本发明方法以确定概率检测迫近碰撞并且避免假警报的可靠性。在该示例中，迫近碰撞的检测算法是在与物体独立的公式表示中完成的。为此，利用相对于车辆的1-7位置的物体运行了多个仿真。表III的第一列规定了位置编号。位置1是车辆路线中的死点(dead center)，位置3沿着一个碰撞路线，位置7沿着避让方向。用C编程语言实现迫近碰撞的检测算法。在表I中阐述迫近碰撞要求，而表II提供了在仿真中使用的假定值。 \n[0102] 表I迫近碰撞的要求(概念性的) \n[0103] \n 参数 值\n 最小靠近速度 10mph(4.5米/秒)\n 最大靠近速度 90mph(40.25米/秒)\n 检测概率(碰撞区域) 最小0.8\n 假警报(避让区域) 最大10-5\n 中间区域的宽度 1.5米\n 检测的最大要碰撞时间 500毫秒\n 检测所希望的要碰撞时间： \n 预触发安全气囊 10毫秒\n 可逆约束 50-200毫秒\n[0104] [0102] 表II仿真参数 \n[0105] \n 参数 值\n 传感器位置 保险杠中心\n 传感器循环时间 20毫秒\n 物体速度 -90mph(-40.25米/秒)\n 物体检测的概率 100％\n 最大物体检测范围 20米\n 物体范围的标准偏差 4厘米\n 物体方向角的标准偏差 4度\n[0106] 通过在Matlab中的仿真方案实现该算法。通过一百万试验模拟每个轨迹。表III提供了平行于碰撞方向轨迹的几个不同轨迹的检测概率结果。 \n[0107] 表III检测概率(仿真结果) \n[0108] \n 位置 距离碰撞路线轨迹的偏差量 概率\n 1 -0.75米(即，碰撞区域的中心) 0.993322\n 2 -0.375米 0.989825\n 3 0米(即，碰撞路线) 0.964225\n 4 +0.375米 0.799434\n 5 +0.75米 0.094678\n 6 +1.125米 0.000526\n 7 +1.5米(即，避让路线) 0.000000\n[0109] 在碰撞区域(即，位置1-3)，检测的概率是96％或更大，远远超过检测碰撞的最小概率80％。中间区域(即，位置4-6)的碰撞概率是从接近碰撞路线的高概率79.9434％到接近避让路线的低概率0.0526％范围。安全区域(即，位置7)的碰撞概率指示与假警报要求符合地没有检测到迫近碰撞。因而，在所有情况下，本发明的系统和方法以期望的确定性检测到在碰撞区域中物体的存在。 \n[0110] 另一个重要的性能参数是当做出迫近碰撞判断时剩余的将发生碰撞的时间。特别是，这确定了可以打开的可用碰撞减缓措施。如表IV中所示，第一列是警告时间，第二和第三列分别提供了对于中心线(即，位置1)和碰撞路 线(即，位置3)上的物体满足这些警告时间的仿真概率。对于99％的中心线能够提供十毫秒或更长的警告，对于碰撞路线轨迹的96％能够提供十毫秒或更长的警告。这是预触发安全气囊所需要的时间的代表。回想表I可以知道可逆约束需要50-200ms。对于中心线轨迹，警告时间分别达到该时间的98％到\n85％。对于碰撞路线轨迹，它分别满足95％到52％。 \n[0111] 表IV要碰撞时间分布(仿真结果) \n[0112] \n[0113] 这些结果是针对-90mph的物体速度的，这是最差的情况。对于更低的速度来说结果显著地更好。例如，在-70mph，80％的碰撞方向轨迹以200毫秒时间检测到。 \n[0114] 示例2 \n[0115] 该示例表示本发明方法在现实世界应用中发挥作用以提供迫近碰撞的可靠报告。\n所使用的算法与在实施例1中所使用的算法相同，还使用表I和II中相同的检验参数和假定。 \n[0116] 在从安装在Mercedes E320汽车上的SRR传感器记录的数据上练习该算法。迫近碰撞的物体是一个静止的、竖直的、直径为3英尺的PVC杆。 \n[0117] 进行了几个实验。第一和第二实验验证了车辆侥幸免撞脱险(nearmiss)。在一个实验中，测试车辆以25mph的速度经过距离车辆左侧0.75米的杆。随后对在车辆右侧的\n0.75米的杆重复试验。从表III可以看出，仿真结果提示，在与车辆这种偏差距离上，我们可以预期迫近碰撞的检测在9.4％的时候发生。该两个真实世界试验都没有生成迫近碰撞报告。虽然不是结论性的，但是这些结果与期望是一致的。第三种实验是在车辆以15mph的速度直接驶向杆期间进行的。刚好及时地应用了制动以避免撞击杆。为了模仿明显的迫近碰撞的状况，以30毫秒的循环时间操纵传感器，但是输入迫近碰撞的 算法的是其为20毫秒。这将视速度(apparent velocity)提高了50％。表V提供了作为结果的迫近碰撞的报告。 \n[0118] 表V迫近碰撞的报告(真实世界的数据) \n[0119] \n 循环 要碰撞时间 速度 距离\n 922 477ms 22mph 4.42米\n 923 444ms 21mph 4.26米\n 924 442ms 21mph 4.09米\n 925-931 没有报告 - -\n 932 388ms 17mph 2.91米\n 933 372ms 17mph 2.76米\n 934 375ms 16mph 2.64米\n 935-940 没有报告 - -\n 941 336ms 13mph 1.93米\n 942 369ms 11mph 1.86米\n 943 380ms 10mph 1.77米\n[0120] 第一迫近碰撞的报告在在循环922中当杆在4.42米处，估计碰撞时间为447毫秒时产生。注意在925-931和935-940中没有产生迫近碰撞的报告。这种情况发生是因为轨迹检测需要六次连续观测。第一个迫近碰撞的报告的缺失是由循环925中的遗漏的物体检测及循环926中的糟糕的物体范围(太长，-14厘米)造成的。循环935中的遗漏的检测造成了随后的缺失。通过升级轨迹检测以更好地处理遗漏的检测可以避免这些缺失。由于相对速度在10mph以下，所以在循环943后不再有迫近碰撞的报告了。 \n[0121] 这些迫近碰撞报告提供了本发明的系统和方法的示例，该示例如设计那样进行操作并且准确地而且在打开碰撞减缓措施所需的时间之内报告迫近碰撞的状况。