面向L2智能驾驶控制器的传感器仿真建模方法及装置.pdf

《面向L2智能驾驶控制器的传感器仿真建模方法及装置.pdf》由会员分享，可在线阅读，更多相关《面向L2智能驾驶控制器的传感器仿真建模方法及装置.pdf（16页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010368186.1 (22)申请日 2020.05.01 (71)申请人 东风汽车集团有限公司 地址 430056 湖北省武汉市武汉经济技术 开发区东风大道特1号 (72)发明人 罗丰山张宇探聂琦刘永臣 方柯 (74)专利代理机构 武汉开元知识产权代理有限 公司 42104 代理人 俞鸿 (51)Int.Cl. G05B 17/02(2006.01) (54)发明名称 一种面向L2智能驾驶控制器的传感器仿真 建模方法及装置 (57)摘要 本发明公开了一种面向L2智能驾驶。

2、控制器 的传感器仿真建模方法， 步骤如下： S1、 车道线信 息需求判断； S2、 摄像头模型开发： 开发车道线插 值点数据集， 拟合车道线插值点横纵坐标， 输出 车道线信息； S3、 雷达信号处理； S4、 信号的聚类 及打包处理。 本发明还公开了一种面向L2智能驾 驶控制器的传感器仿真建模装置， 包括： 车道线 信息需求判断模块； 摄像头模型开发模块： 开发 车道线插值点数据集， 拟合车道线插值点横纵坐 标， 输出车道线信息； 雷达信号处理模块； 信号的 聚类及打包处理模块。 本发明能进行L2级智能驾 驶的感知融合及规划决策算法的仿真测试， 实现 算法的快速迭代更新， 可以广泛应用于汽车开。

3、发 领域。 权利要求书3页 说明书8页 附图4页 CN 111736486 A 2020.10.02 CN 111736486 A 1.一种面向L2智能驾驶控制器的传感器仿真建模方法， 其特征在于： 包括如下步骤： S1、 车道线信息需求判断： 首先， 根据所开发的L2智能驾驶控制算法判断是否需要车道 线信息； 如需要， 则进入摄像头模型开发步骤S2； 如不需要， 则进入雷达信号处理步骤S3； S2、 摄像头模型开发： 开发车道线插值点数据集， 拟合车道线插值点横纵坐标， 输出车 道线信息； S3、 雷达信号处理： 对于摄像头检测到的目标物包括相对速度、 相对纵向距离和相对横 向距离信息， 确。

4、定每个目标物与被控车辆的相对车道关系， 将摄像头检测的相对纵向距离 带入各车道线方程， 确定目标物在哪两条车道线之间； S4、 信号的聚类及打包处理： 设置模式开关， 将雷达/摄像头检测的信息或者按目标物 进行分类， 或者按同类型的信息进行分类。 2.根据权利要求1所述的面向L2智能驾驶控制器的传感器仿真建模方法， 其特征在于： 所述步骤S2中， 具体过程如下： S21、 车道线插值点数据集开发： 在智能驾驶场景及车辆动力学软件的安装路径下实现 车道线数据结构体的定义， 以配置的摄像头为原点， 汽车前进方向为X正向， 以汽车前进方 向左侧的水平方向为Y正向； 将原点到Y正向方向的车道线统计为左。

5、侧车道线集合LLine， 将原点到Y负向方向的车 道线统计为右侧车道线集合RLine； 以摄像头视野为一个立体空间， 将所述立体空间与地面的交界面内每条车道线摄像头 X正向第一个点为P0， 以P0开始， 在该条车道线上间隔取点， 分别命名为P1-P29， 每条车道线 合计取30个插值点， 每个插值点包含摄像头坐标系下的横纵坐标信息x,y； 将各插值点的横纵坐标赋值给包含了摄像头/车道线/插值点信息的相应变量； 完成车道线数据结构体的定义及编辑， 所述车道线数据结构体包含左侧车道线/右侧 车道线及每条车道线上的插值点/各插值点的横纵坐标信息， 并将车道线数据输出到 Matlab/Simulink。

6、； S22、 车道线插值点横纵坐标拟合： 在Matlab/Simulink通过变量读取模块读取要拟合 的车道线上各插值点的x,y坐标， 通过polyfit函数进行3次方程拟合， 得到yc0+c1*x+c2* x2+c3*x3表达式的车道线系数； S23、 车道线信息输出： 前述信号通过编译定义为新的变量。 3.根据权利要求2所述的面向L2智能驾驶控制器的传感器仿真建模方法， 其特征在于： 所述步骤S21中， 所述左侧车道线集合LLine输出3条车道线名称标识， 分别命名为L1/L2/ L3； 所述右侧车道线集合RLine输出3条车道线名称标识， 分别命名为R1/R2/R3； 每条车道线 上插值。

7、点的数量为5-30个， 间隔可自定义， P0点与最远点的间距为50-100m。 4.根据权利要求3所述的面向L2智能驾驶控制器的传感器仿真建模方法， 其特征在于： 所述步骤S3中， 将摄像头检测的目标物相对纵向距离x_obj， 带入各车道线方程yc0+c1*x +c2*x2+c3*x3， 得到各车道线横向距离y_L1,y_L2,y_L3,y_R1,y_R2,y_R3， 在摄像头的坐 标系下， 将目标物相对横向距离y_obj与车道线相对横向距离y_L1,y_L2,y_R1,y_R2分别进 行比较， 确定目标物相对横向距离y_obj在哪两条车道线之间。 5.根据权利要求4所述的面向L2智能驾驶控制。

8、器的传感器仿真建模方法， 其特征在于： 还包括步骤S5， 具体过程如下： 权利要求书 1/3 页 2 CN 111736486 A 2 S5、 嵌入仿真环境： 所述仿真环境包括离线仿真系统和实时仿真系统； 所述离线仿真系统包括智能驾驶场景及车辆动力学系统和Matlab/Simulink， 所述智 能驾驶场景及车辆动力学系统提供： 道路/车道线/交通信号灯/路标/建筑静态交通模型、 被控车辆的动力学模型、 被控车辆在仿真环境下的交通流模型和雷达/摄像头模型， Matlab/Simulink与智能驾驶场景及车辆动力学系统进行数据交互； 所述实时仿真系统包括NI实时处理系统PXI-8840、 NI 。

9、CAN板卡和EA车载电源模拟器， NI实时处理系统PXI-8840负责车辆动力学模型任务的实时运算， EA车载电源模拟器模拟提 供控制器运行所需的KL15/KL30供电， NI实时处理系统PXI-8840通过NI CAN板卡与控制器 进行数据交互。 6.根据权利要求4所述的面向L2智能驾驶控制器的传感器仿真建模方法， 其特征在于： 还包括步骤S5， 具体过程如下： S5、 嵌入仿真环境： 所述仿真环境包括离线仿真系统和实时仿真系统； 所述离线仿真系统包括智能驾驶场景及车辆动力学系统和Matlab/Simulink， 所述智 能驾驶场景及车辆动力学系统提供： 道路/车道线/交通信号灯/路标/建筑。

10、静态交通模型、 被控车辆的动力学模型、 被控车辆在仿真环境下的交通流模型和雷达/摄像头模型， Matlab/Simulink与智能驾驶场景及车辆动力学系统进行数据交互； 所述实时仿真系统包括NI实时处理系统PXI-8840、 NI CAN板卡和EA车载电源模拟器， NI实时处理系统PXI-8840负责车辆动力学模型任务的实时运算， EA车载电源模拟器模拟提 供控制器运行所需的KL15/KL30供电， NI实时处理系统PXI-8840通过NI CAN板卡与控制器 进行数据交互。 7.一种面向L2智能驾驶控制器的传感器仿真建模装置， 其特征在于： 包括以下部分： 车道线信息需求判断模块： 首先， 。

11、根据所开发的L2智能驾驶控制算法判断是否需要车 道线信息； 如需要， 则进入摄像头模型开发步骤S2； 如不需要， 则进入雷达信号处理步骤S3； 摄像头模型开发模块： 开发车道线插值点数据集， 拟合车道线插值点横纵坐标， 输出车 道线信息； 雷达信号处理模块： 对于摄像头检测到的目标物包括相对速度、 相对纵向距离和相对 横向距离信息， 确定每个目标物与被控车辆的相对车道关系， 将摄像头检测的相对纵向距 离带入各车道线方程， 确定目标物在哪两条车道线之间； 信号的聚类及打包处理模块： 设置模式开关， 将雷达/摄像头检测的信息或者按目标物 进行分类， 或者按同类型的信息进行分类。 8.根据权利要求7。

12、所述的面向L2智能驾驶控制器的传感器仿真建模装置， 其特征在于： 所述摄像头模型开发模块包括以下部分： 车道线插值点数据集开发单元： 在智能驾驶场景及车辆动力学软件的安装路径下实现 车道线数据结构体的定义， 以配置的摄像头为原点， 汽车前进方向为X正向， 以汽车前进方 向左侧的水平方向为Y正向； 将原点到Y正向方向的车道线统计为左侧车道线集合LLine， 将原点到Y负向方向的车 道线统计为右侧车道线集合RLine； 以摄像头视野为一个立体空间， 将所述立体空间与地面的交界面内每条车道线摄像头 X正向第一个点为P0， 以P0开始， 在该条车道线上间隔取点， 分别命名为P1-P29， 每条车道线 。

13、权利要求书 2/3 页 3 CN 111736486 A 3 合计取30个插值点， 每个插值点包含摄像头坐标系下的横纵坐标信息x,y； 将各插值点的横纵坐标赋值给包含了摄像头/车道线/插值点信息的相应变量； 完成车道线数据结构体的定义及编辑， 所述车道线数据结构体包含左侧车道线/右侧 车道线及每条车道线上的插值点/各插值点的横纵坐标信息， 并将车道线数据输出到 Matlab/Simulink； 车道线插值点横纵坐标拟合单元： 在Matlab/Simulink通过变量读取模块读取要拟合 的车道线上各插值点的x,y坐标， 通过polyfit函数进行3次方程拟合， 得到yc0+c1*x+c2* x2。

14、+c3*x3表达式的车道线系数； 车道线信息输出单元： 前述信号通过编译定义为新的变量。 9.根据权利要求8所述的面向L2智能驾驶控制器的传感器仿真建模装置， 其特征在于： 所述车道线插值点数据集开发单元中， 所述左侧车道线集合LLine输出3条车道线名称标 识， 分别命名为L1/L2/L3； 所述右侧车道线集合RLine输出3条车道线名称标识， 分别命名为 R1/R2/R3； 每条车道线上插值点的数量为5-30个和间隔可以自定义， P0点与最远点的间距 为50-100米。 10.根据权利要求9所述的面向L2智能驾驶控制器的传感器仿真建模装置， 其特征在 于： 所述雷达信号处理模块中， 将摄像。

15、头检测的目标物相对纵向距离x_obj， 带入各车道线 方程yc0+c1*x+c2*x2+c3*x3， 得到各车道线横向距离y_L1,y_L2,y_L3,y_R1,y_R2,y_ R3， 在摄像头的坐标系下， 将目标物相对横向距离y_obj与车道线相对横向距离y_L1,y_L2, y_R1,y_R2分别进行比较， 确定目标物相对横向距离y_obj在哪两条车道线之间。 11.根据权利要求10所述的面向L2智能驾驶控制器的传感器仿真建模装置， 其特征在 于： 还包括嵌入仿真环境模块， 具体内容如下： 嵌入仿真环境模块： 所述仿真环境包括离线仿真系统和实时仿真系统； 所述离线仿真系统包括智能驾驶场景及。

16、车辆动力学系统和Matlab/Simulink， 所述智 能驾驶场景及车辆动力学系统提供： 道路/车道线/交通信号灯/路标/建筑静态交通模型、 被控车辆的动力学模型、 被控车辆在仿真环境下的交通流模型和雷达/摄像头模型， Matlab/Simulink与智能驾驶场景及车辆动力学系统进行数据交互； 所述实时仿真系统包括NI实时处理系统PXI-8840、 NI CAN板卡和EA车载电源模拟器， NI实时处理系统PXI-8840负责车辆动力学模型任务的实时运算， EA车载电源模拟器模拟提 供控制器运行所需的KL15/KL30供电， NI实时处理系统PXI-8840通过NI CAN板卡与控制器 进行数。

17、据交互。 权利要求书 3/3 页 4 CN 111736486 A 4 一种面向L2智能驾驶控制器的传感器仿真建模方法及装置 技术领域 0001 本发明涉及汽车开发领域， 特别是涉及一种面向L2智能驾驶控制器的传感器仿真 建模方法及装置。 背景技术 0002 目前国内汽车市场迎来了智能化产品的推陈出新， 以自适应巡航系统ACC/自动紧 急制动AEB/车道偏离预警LDW/车道保持辅助LKA为代表的L1(辅助驾驶， 可以实现车辆对极 少一部分功能的操作)级ADAS(Advanced Driving Assistance System， 高级驾驶辅助系 统)系统在新车上的搭载以成为新常态。 并在此基。

18、础上， 发展出以横向/纵向耦合控制的L2 (半自动驾驶， 包含的功能有： 全速自适应巡航、 自动泊车、 主动车道保持、 自动变道、 限速识 别等功能)级智能驾驶系统， 在搭载上车的同时逐渐成为主机厂产品的技术竞争焦点。 L2级 智能驾驶系统， 一般以毫米波雷达+摄像头为传感器做感知融合， 输出给控制器作为执行横 纵向一体化控制的输入。 当前的一个技术难点在于， 如何对控制器进行充分的测试验证， 缩 短实车测试的人力/试验设备等时间/经济成本。 0003 从L2级智能技术系统的架构进行分析， 感知部件+感知融合+规划决策+控制+执行 器， 其中感知部件承担感知信息输入， 控制器承担着感知融合+规。

19、划决策+控制的工作， 有必 要把控制器或算法从系统架构中解耦出来， 单独进行仿真测试。 可以为系统的感知部件选 型提供技术指导。 0004 鉴于此， 需要建立面向L2智能驾驶控制器的传感器仿真模型。 更需要注意的， 控制 算法的开发是迭代更新的， 从模型到代码再到与控制器硬件的集成， 也对所搭建的传感器 模型提出了更高的要求， 即能满足MIL-SIL-HIL(MIL： Model in loop,验证控制算法模型是 否满足功能需求； SIL： Software in loop， 在PC上验证模型是否与代码功能一致； HIL： Hardware in loop， 在ECU/EPP/整套系统上验证。

20、代码是否与需求功能一致)的全开发流程 需要。 发明内容 0005 本发明的目的是为了克服上述背景技术的不足， 提供一种面向L2智能驾驶控制器 的传感器仿真建模方法及装置， 依照本方法仅依靠智能驾驶场景及车辆动力学软件， 就能 进行L2级智能驾驶的感知融合及规划决策算法的仿真测试， 实现算法的快速迭代更新。 本 发明不需要CAN卡以外的其他数据转化硬件， 低成本地解决了智能驾驶算法模型在环及控 制器硬件在环测试的需求。 更重要的是， 本发明可用于实现对L2+级别的智能驾驶系统仿真 测试。 0006 本发明提供的一种面向L2智能驾驶控制器的传感器仿真建模方法， 包括如下步 骤： S1、 车道线信息。

21、需求判断： 首先， 根据所开发的L2智能驾驶控制算法判断是否需要车道 线信息； 如需要， 则进入摄像头模型开发步骤S2； 如不需要， 则进入雷达信号处理步骤S3； S2、 摄像头模型开发： 开发车道线插值点数据集， 拟合车道线插值点横纵坐标， 输出车道线 说明书 1/8 页 5 CN 111736486 A 5 信息； S3、 雷达信号处理： 对于摄像头检测到的目标物包括相对速度、 相对纵向距离和相对 横向距离信息， 确定每个目标物与被控车辆的相对车道关系， 将摄像头检测的相对纵向距 离带入各车道线方程， 确定目标物在哪两条车道线之间； S4、 信号的聚类及打包处理： 设置 模式开关， 将雷达。

22、/摄像头检测的信息或者按目标物进行分类， 或者按同类型的信息进行分 类。 0007 在上述技术方案中， 所述步骤S2中， 具体过程如下： S21、 车道线插值点数据集开 发： 在智能驾驶场景及车辆动力学软件的安装路径下实现车道线数据结构体的定义， 以配 置的摄像头为原点， 汽车前进方向为X正向， 以汽车前进方向左侧的水平方向为Y正向； 将原 点到Y正向方向的车道线统计为左侧车道线集合LLine， 将原点到Y负向方向的车道线统计 为右侧车道线集合RLine； 以摄像头视野为一个立体空间， 将所述立体空间与地面的交界面 内每条车道线摄像头X正向第一个点为P0， 以P0开始， 在该条车道线上间隔取点。

23、， 分别命名 为P1-P29， 每条车道线合计取30个插值点， 每个插值点包含摄像头坐标系下的横纵坐标信 息x,y； 将各插值点的横纵坐标赋值给包含了摄像头/车道线/插值点信息的相应变量； 完成 车道线数据结构体的定义及编辑， 所述车道线数据结构体包含左侧车道线/右侧车道线及 每条车道线上的插值点/各插值点的横纵坐标信息， 并将车道线数据输出到Matlab/ Simulink； S22、 车道线插值点横纵坐标拟合： 在Matlab/Simulink通过变量读取模块读取要 拟合的车道线上各插值点的x,y坐标， 通过polyfit函数进行3次方程拟合， 得到yc0+c1*x +c2*x2+c3*x。

24、3表达式的车道线系数； S23、 车道线信息输出： 前述信号通过编译定义为新 的变量。 0008 在上述技术方案中， 所述步骤S21中， 所述左侧车道线集合LLine输出3条车道线名 称标识， 分别命名为L1/L2/L3； 所述右侧车道线集合RLine输出3条车道线名称标识， 分别命 名为R1/R2/R3； 每条车道线上插值点的数量为5-30个， 间隔可以自定义， P0点与最远点的间 距为50-100米。 0009 在上述技术方案中， 所述步骤S3中， 将摄像头检测的目标物相对纵向距离x_obj， 带入各车道线方程yc0+c1*x+c2*x2+c3*x3， 得到各车道线横向距离y_L1,y_L。

25、2,y_L3, y_R1,y_R2,y_R3， 在摄像头的坐标系下， 将目标物相对横向距离y_obj与车道线相对横向距 离y_L1,y_L2,y_R1,y_R2分别进行比较， 确定目标物相对横向距离y_obj在哪两条车道线之 间。 0010 在上述技术方案中， 还包括步骤S5， 具体过程如下： S5、 嵌入仿真环境： 所述仿真环 境包括离线仿真系统和实时仿真系统； 所述离线仿真系统包括智能驾驶场景及车辆动力学 系统和Matlab/Simulink， 所述智能驾驶场景及车辆动力学系统提供： 道路/车道线/交通信 号灯/路标/建筑静态交通模型、 被控车辆的动力学模型、 被控车辆在仿真环境下的交通流。

26、 模型和雷达/摄像头模型， Matlab/Simulink与智能驾驶场景及车辆动力学系统进行数据交 互； 所述实时仿真系统包括NI实时处理系统PXI-8840、 NI CAN板卡和EA车载电源模拟器， NI 实时处理系统PXI-8840负责车辆动力学模型任务的实时运算， EA车载电源模拟器模拟提供 控制器运行所需的KL15/KL30供电， NI实时处理系统PXI-8840通过NI CAN板卡与控制器进 行数据交互。 0011 本发明还提供了一种面向L2智能驾驶控制器的传感器仿真建模装置， 包括以下部 分： 车道线信息需求判断模块： 首先， 根据所开发的L2智能驾驶控制算法判断是否需要车道 说明。

27、书 2/8 页 6 CN 111736486 A 6 线信息； 如需要， 则进入摄像头模型开发步骤S2； 如不需要， 则进入雷达信号处理步骤S3； 摄 像头模型开发模块： 开发车道线插值点数据集， 拟合车道线插值点横纵坐标， 输出车道线信 息； 雷达信号处理模块： 对于摄像头检测到的目标物包括相对速度、 相对纵向距离和相对横 向距离信息， 确定每个目标物与被控车辆的相对车道关系， 将摄像头检测的相对纵向距离 带入各车道线方程， 确定目标物在哪两条车道线之间； 信号的聚类及打包处理模块： 设置模 式开关， 将雷达/摄像头检测的信息或者按目标物进行分类， 或者按同类型的信息进行分 类。 0012 。

28、在上述技术方案中， 所述摄像头模型开发模块包括以下部分： 车道线插值点数据 集开发单元： 在智能驾驶场景及车辆动力学软件的安装路径下实现车道线数据结构体的定 义， 以配置的摄像头为原点， 汽车前进方向为X正向， 以汽车前进方向左侧的水平方向为Y正 向； 将原点到Y正向方向的车道线统计为左侧车道线集合LLine， 将原点到Y负向方向的车道 线统计为右侧车道线集合RLine； 以摄像头视野为一个立体空间， 将所述立体空间与地面的 交界面内每条车道线摄像头X正向第一个点为P0， 以P0开始， 在该条车道线上间隔取点， 分 别命名为P1-P29， 每条车道线合计取30个插值点， 每个插值点包含摄像头坐。

29、标系下的横纵 坐标信息x,y； 将各插值点的横纵坐标赋值给包含了摄像头/车道线/插值点信息的相应变 量； 完成车道线数据结构体的定义及编辑， 所述车道线数据结构体包含左侧车道线/右侧车 道线及每条车道线上的插值点/各插值点的横纵坐标信息， 并将车道线数据输出到Matlab/ Simulink； 车道线插值点横纵坐标拟合单元： 在Matlab/Simulink通过变量读取模块读取要 拟合的车道线上各插值点的x,y坐标， 通过polyfit函数进行3次方程拟合， 得到yc0+c1*x +c2*x2+c3*x3表达式的车道线系数； 车道线信息输出单元： 前述信号通过编译定义为新 的变量。 0013 。

30、在上述技术方案中， 所述车道线插值点数据集开发单元中， 所述左侧车道线集合 LLine输出3条车道线名称标识， 分别命名为L1/L2/L3； 所述右侧车道线集合RLine输出3条 车道线名称标识， 分别命名为R1/R2/R3； 每条车道线上插值点的数量为5-30个和间隔可以 自定义， P0点与最远点的间距为50-100米。 0014 在上述技术方案中， 所述雷达信号处理模块中， 将摄像头检测的目标物相对纵向 距离x_obj， 带入各车道线方程yc0+c1*x+c2*x2+c3*x3， 得到各车道线横向距离y_L1, y_L2,y_L3,y_R1,y_R2,y_R3， 在摄像头的坐标系下， 将目。

31、标物相对横向距离y_obj与车道线 相对横向距离y_L1,y_L2,y_R1,y_R2分别进行比较， 确定目标物相对横向距离y_obj在哪两 条车道线之间。 0015 在上述技术方案中， 还包括嵌入仿真环境模块， 具体内容如下： 嵌入仿真环境模 块： 所述仿真环境包括离线仿真系统和实时仿真系统； 所述离线仿真系统包括智能驾驶场 景及车辆动力学系统和Matlab/Simulink， 所述智能驾驶场景及车辆动力学系统提供： 道 路/车道线/交通信号灯/路标/建筑静态交通模型、 被控车辆的动力学模型、 被控车辆在仿 真环境下的交通流模型和雷达/摄像头模型， Matlab/Simulink与智能驾驶场。

32、景及车辆动力 学系统进行数据交互； 所述实时仿真系统包括NI实时处理系统PXI-8840、 NI CAN板卡和EA 车载电源模拟器， NI实时处理系统PXI-8840负责车辆动力学模型任务的实时运算， EA车载 电源模拟器模拟提供控制器运行所需的KL15/KL30供电， NI实时处理系统PXI-8840通过NI CAN板卡与控制器进行数据交互。 说明书 3/8 页 7 CN 111736486 A 7 0016 本发明一种面向L2智能驾驶控制器的传感器仿真建模方法及装置， 具有以下有益 效果： 本发明仅依靠智能驾驶场景及车辆动力学软件和Matlab/Simulink， 就能进行L2级智 能驾驶。

33、的感知融合及规划决策算法的仿真测试， 实现算法的快速迭代更新。 本发明不需要 CAN卡以外的其他数据转化硬件， 低成本地解决了智能驾驶算法模型在环及控制器硬件在 环测试的需求。 更重要的是， 本发明可用于实现对L2+级别的智能驾驶系统仿真测试。 附图说明 0017 图1为本发明面向L2智能驾驶控制器的传感器仿真建模方法涉及的传感器布局及 典型场景示例； 0018 图2为本发明面向L2智能驾驶控制器的传感器仿真建模方法的流程示意图； 0019 图3为本发明面向L2智能驾驶控制器的传感器仿真建模方法中摄像头检测车道检 测车道线模线开发场景示意图； 0020 图4为本发明面向L2智能驾驶控制器的传感。

34、器仿真建模方法中仿真环境的结构示 意图； 0021 图5为本发明面向L2智能驾驶控制器的传感器仿真建模装置的结构示意图； 0022 图6为本发明面向L2智能驾驶控制器的传感器仿真建模装置中摄像头模型开发模 块的结构示意图。 具体实施方式 0023 下面结合附图及实施例对本发明作进一步的详细描述， 但该实施例不应理解为对 本发明的限制。 0024 参见图1， L2智能驾驶一般选用前风挡玻璃后安装摄像头用以检测车道线/目标物 形状大小/目标物分类+进气格栅后安装长距毫米波雷达用以对目标物的相对距离/相对速 度等信息进行检测。 0025 参见图2， 本发明面向L2智能驾驶控制器的传感器仿真建模方法，。

35、 开始开发之前， 确认智能驾驶场景及车辆动力学软件与Matlab Simulink在试验监控电脑上的安装及软件 兼容性。 0026 具体包括如下步骤： 0027 S1、 车道线信息需求判断： 首先， 根据所开发的L2智能驾驶控制算法判断是否需要 车道线信息。 如需要， 则进入摄像头模型开发步骤S2； 如不需要， 则进入雷达信号处理步骤 S3. 0028 参见图3， S2、 摄像头模型开发： 开发车道线插值点数据集， 拟合车道线插值点横纵 坐标， 输出车道线信息 0029 S21、 车道线插值点数据集开发： 在智能驾驶场景及车辆动力学软件的安装路径下 src4sl文件夹内， 编辑Lineds.h。

36、， 实现车道线数据结构体的定义， 以配置的摄像头为原点， 汽车前进方向为X正向， 以汽车前进方向左侧的水平方向为Y正向。 0030 原点到Y正向方向， 检测的车道线为左侧车道线集合LLine， 输出3条车道线名称标 识， 分别命名为L1/L2/L3。 优选的， 左侧车道线的数量可以根据需求配置。 0031 原点到Y负向方向， 检测的车道线为右侧车道线RLine， 输出3条车道线名称标识， 说明书 4/8 页 8 CN 111736486 A 8 分别命名为R1/R2/R3。 优选的， 右侧车道线的数量可以根据需求配置。 0032 摄像头视野(为一个立体空间)与地面的交界面内每条车道线摄像头X正。

37、向第一个 点为P0， 以P0开始， 在该条车道线上每间隔2米取点， 分别命名为P1-P29,每条车道线合计取 插值点30个。 优选的， 每条车道线上插值点的数量和间隔可以自定义， 插值点数量大于等于 5， P0点与最远点的间距大于等于50米。 对于每个点， 包含了摄像头坐标系下的横纵坐标信 息即x,y。 0033 Lineds.c文件中， 将各插值点的横纵坐标赋值给相应的变量， 变量包含了摄像头/ 车道线/插值点等信息， 如Lds.L1.p1.xLineSensor0.LLines.L0.ds00。 0034 如此， 完成车道线数据结构体的定义及编辑， 包含了左侧车道线/右侧车道线及每 条车道。

38、线上的插值点/各插值点的横纵坐标信息。 0035 User.c中增加Lineds.h， makefile文件里增加 0036 Object-needed files: 0037 OBJSCM_Main.o CM_Vehicle.o User.o Lineds.o， 生成新的可执行文件， 并在 GUI选择， 完成对车道线数据输出到Matlab/Simulink。 0038 S22、 车道线插值点横纵坐标拟合： Matlab/Simulink工具箱中找到CM4SL， 选择 plug-in， 在plug-in中， 通过变量读取模块读取要拟合的车道线上各插值点x,y坐标， 通过 polyfit函数进行。

39、3次方程拟合， 得到yc0+c1*x+c2*x2+c3*x3表达式的几个系数， 即为 车道线系数。 0039 S23、 车道线信息输出： 这些信号通过编译定义为新的变量。 0040 S3、 雷达信号处理： 对于摄像头检测到的目标物， 包含了相对速度/相对纵向距离/ 相对横向距离等信息。 每个目标物与自车的相对车道关系， 将摄像头检测的相对纵向距离 x_obj， 带入各车道线方程yc0+c1*x+c2*x2+c3*x3得到y_L1,y_L2,y_L3,y_R1,y_R2,y_ R3。 由于车道线/目标物都在摄像头的坐标系下， 可以将y_obj与y_L1,y_L2,y_R1,y_R2进行 比较， 。

40、看y_obj落在哪个区间。 即确定目标物在哪两条车道线之间。 0041 S4、 信号的聚类及打包处理： 设置模式开关， 将雷达/摄像头检测的信息按不同方 式输出， 既可以按目标物进行分类， 又可以按同类型的信息进行分类 0042 参见图4， S5、 嵌入仿真环境： 离线仿真系统和实时仿真系统， 0043 1.离线仿真系统： 一台高性能笔记本电脑作为试验监控电脑， 安装智能驾驶场景 及车辆动力学软件。 0044 智能驾驶场景及车辆动力学软件提供道路/车道线/交通信号灯/路标/建筑等静 态交通模型； 被控车辆的动力学模型； 被控车辆在仿真环境下的交通流模型； 雷达/摄像头 模型。 Matlab/S。

41、imulink(MATLAB是美国MathWorks公司出品的商业数学软件， 用于算法开 发、 数据可视化、 数据分析以及数值计算的高级技术计算语言和交互式环境， Simulink是 MATLAB中的一种可视化仿真工具， 是一种基于MATLAB的框图设计环境， 是实现动态系统建 模、 仿真和分析的一个软件包， 被广泛应用于线性系统、 非线性系统、 数字控制及数字信号 处理的建模和仿真中)具有与智能驾驶场景及车辆动力学软件数据交互的模块， 也是L2智 能驾驶算法的开发环境。 0045 2.实时仿真系统： 在离线仿真系统基础上， 增加NI(National Instruments， 美国 国家仪器。

42、有限公司)实时处理系统PXI-8840,NI CAN(Controller Area Network,控制器局 说明书 5/8 页 9 CN 111736486 A 9 域网络)板卡， EA车载电源模拟器。 0046 NI实时处理系统PXI-8840负责车辆动力学模型任务的实时运算， EA(德国Elektro Automatik公司)程控电源为提供控制器运行所需的KL15/KL30供电， 实时运算系统与控制 器的数据通过CAN与控制器进行交互。 0047 智能驾驶场景及车辆动力学软件提供道路/车道线/交通信号灯/路标/建筑等静 态交通模型； 被控车辆的动力学模型； 被控车辆在仿真环境下的交通流。

43、模型； 基于RCS (Radar Cross section,雷达散射截面)的雷达模型/摄像头模型。 0048 通过对智能驾驶场景及车辆动力学软件的二次开发， 输出摄像头视野范围内的车 道线位置(左1或左2或左3/右1或右2或右3)/车道线类型/各车道线上30个插值点相对于摄 像头的X/Y坐标； 优选的， 插值点的间距可以进行调整， 建议值2米。 0049 Matlab/Simulink具有与智能驾驶场景及车辆动力学软件数据交互的模块， 也是 L2智能驾驶算法的开发环境。 将智能驾驶场景及车辆动力学软件二次开发输出的车道线上 插值点的坐标引入Matlab/Simulink， 通过3次曲线拟合，。

44、 得到拟合方程的4个系数， 即为车 道线方程。 摄像头视野范围内每条车道线上的最远点的距离赋值为该条车道线可视范围。 0050 Camera对目标物的探测信息： 目标物宽度， 目标相对纵向距离， 目标相对横向距 离， 目标相对速度。 0051 Camera检测目标物信息与检测车道线融合分析， 0052 1)对智能驾驶场景及车辆动力学软件的二次开发， 输出被控车辆左右侧各两条车 道线合计4条车道线上插值点坐标集合； 0053 2)摄像头/雷达/全局坐标系的统一； 0054 3)对插值点进行曲线拟合， 输出方程及系数； 0055 4)对雷达探测的目标物信息打包分类； 0056 5)根据雷达输出信息。

45、和自车位置信息/车道线信息计算目标物相对自车的位置信 息； 0057 6)部署到离线仿真系统中即可进行测试， 如控制器硬件开发完成， 即可按后续步 骤完成实时仿真系统的搭建； 0058 7)CAN卡转化格式， 输出给控制器； 0059 8)实验室供电系统+EA车载电源模拟器转化电压； 0060 9)实时仿真测试。 0061 参见图5， 本发明面向L2智能驾驶控制器的传感器仿真建模装置， 包括以下部分： 0062 车道线信息需求判断模块： 首先， 根据所开发的L2智能驾驶控制算法判断是否需 要车道线信息； 如需要， 则进入摄像头模型开发步骤S2； 如不需要， 则进入雷达信号处理步 骤S3。 00。

46、63 摄像头模型开发模块： 开发车道线插值点数据集， 拟合车道线插值点横纵坐标， 输 出车道线信息； 0064 参见图6， 所述摄像头模型开发模块包括以下部分： 0065 车道线插值点数据集开发单元： 在智能驾驶场景及车辆动力学软件的安装路径下 实现车道线数据结构体的定义， 以配置的摄像头为原点， 汽车前进方向为X正向， 以汽车前 进方向左侧的水平方向为Y正向； 说明书 6/8 页 10 CN 111736486 A 10 0066 将原点到Y正向方向的车道线统计为左侧车道线集合LLine， 将原点到Y负向方向 的车道线统计为右侧车道线集合RLine； 其中， 所述左侧车道线集合LLine输出。

47、3条车道线名 称标识， 分别命名为L1/L2/L3； 所述右侧车道线集合RLine输出3条车道线名称标识， 分别命 名为R1/R2/R3； 每条车道线上插值点的数量为5-30个和间隔可以自定义， P0点与最远点的 间距为50-100米； 根据输出的c1系数， 反馈调节车道线插值点的数量及间距。 0067 以摄像头视野为一个立体空间， 将所述立体空间与地面的交界面内每条车道线摄 像头X正向第一个点为P0， 以P0开始， 在该条车道线上间隔取点， 分别命名为P1-P29， 每条车 道线合计取30个插值点， 每个插值点包含摄像头坐标系下的横纵坐标信息x,y； 0068 将各插值点的横纵坐标赋值给包含。

48、了摄像头/车道线/插值点信息的相应变量； 0069 完成车道线数据结构体的定义及编辑， 所述车道线数据结构体包含左侧车道线/ 右侧车道线及每条车道线上的插值点/各插值点的横纵坐标信息， 并将车道线数据输出到 Matlab/Simulink； 0070 车道线插值点横纵坐标拟合单元： 在Matlab/Simulink通过变量读取模块读取要 拟合的车道线上各插值点的x,y坐标， 通过polyfit函数进行3次方程拟合， 得到yc0+c1*x +c2*x2+c3*x3表达式的车道线系数； 0071 车道线信息输出单元： 前述信号通过编译定义为新的变量。 0072 雷达信号处理模块： 对于摄像头检测到。

49、的目标物包括相对速度、 相对纵向距离和 相对横向距离信息， 确定每个目标物与被控车辆的相对车道关系， 将摄像头检测的相对纵 向距离带入各车道线方程， 确定目标物在哪两条车道线之间。 其中， 将摄像头检测的目标物 相对纵向距离x_obj， 带入各车道线方程yc0+c1*x+c2*x2+c3*x3， 得到各车道线横向距 离y_L1,y_L2,y_L3,y_R1,y_R2,y_R3， 在摄像头的坐标系下， 将目标物相对横向距离y_obj 与车道线相对横向距离y_L1,y_L2,y_R1,y_R2分别进行比较， 确定目标物相对横向距离y_ obj在哪两条车道线之间。 0073 信号的聚类及打包处理模块。

50、： 设置模式开关， 将雷达/摄像头检测的信息或者按目 标物进行分类， 或者按同类型的信息进行分类。 0074 嵌入仿真环境模块： 所述仿真环境包括离线仿真系统和实时仿真系统； 0075 所述离线仿真系统包括智能驾驶场景及车辆动力学系统和Matlab/Simulink， 所 述智能驾驶场景及车辆动力学系统提供： 道路/车道线/交通信号灯/路标/建筑静态交通模 型、 被控车辆的动力学模型、 被控车辆在仿真环境下的交通流模型和雷达/摄像头模型， Matlab/Simulink与智能驾驶场景及车辆动力学系统进行数据交互； 0076 所述实时仿真系统包括NI实时处理系统PXI-8840、 NI CAN板。