本发明涉及汽车驾驶辅助系统传感器的优选配置方法，特别指出一种针对汽车驾驶辅助系统环境感知传感器的筛选寻优及配置优化方法。
背景技术：
环境感知传感器是汽车驾驶辅助系统的重要组成部分，主要用来感知交通环境、探测并识别周围交通参与者及交通标志等，包括毫米波雷达、激光雷达、超声波雷达及视觉传感器等。随着人们对汽车驾驶辅助功能需求的不断提高，越来越多的传感器被集成在汽车上，环境感知系统愈加复杂，采用传统叠加集成或依赖经验配置的方法易造成结构冗余、资源浪费和系统成本激增，给汽车智能驾驶辅助系统的升级和优化带来了困难。因此迫切需要一种传感器优选配置方法，对系统所需传感器进行自动筛选寻优与配置优化，使之在满足环境信息感知需求的同时，优化传感器的构成与布置，降低系统成本。
技术实现要素：
针对汽车驾驶辅助系统环境感知传感器集成的需要和现有配置方法存在的繁冗不优化的问题，本发明的目的是提供一种汽车驾驶辅助系统传感器优选配置方法，以实现对其传感器选型与布置的综合优化。
为解决上述问题，本发明采取以下技术方案：一种汽车驾驶辅助系统传感器优选配置方法，其特征在于，包括如下步骤：
首先，根据汽车驾驶辅助系统功能定位，选取典型应用场景，对系统所需感知的环境信息进行统一描述，包括汽车驾驶辅助系统需要感知的范围、精度、信息类型；
其次，从包含有成本、功能和可靠性的多个维度，构建汽车驾驶辅助系统传感器配置的指标评价体系，进而建立多维综合评价指标模型；
再次，建立备选传感器的感知功能模型，描述传感器的感知范围、感知精度、探测率及在车上不同安装位置的感知范围；
最后，根据筛选条件和综合评价指标模型，采用全局搜索算法，对备选传感器及备选安装位置进行筛选寻优，实现传感器最优配置的计算机求解。
进一步地，还包括在对备选传感器及备选安装位置进行筛选寻优之后，对优选出的配置方案进行系统测试与评价、循环修正的步骤，包括：
首先，在仿真软件中搭建典型交通场景；
其次，按照优选的传感器配置方案在汽车上配置传感器；
然后，对汽车驾驶辅助系统功能进行仿真测试与验证；
最后，根据验证效果，循环修正传感器配置方案。
进一步地，对建立传感器配置多维综合评价指标模型的方法是：
首先，从传感器的功能、成本、可靠性三个维度，分别构建评价指标；
其次，采用德尔菲法确定各性能指标的权重系数；
再次，对各指标进行归一化处理；
最后，对各维度下的评价指标进行线性加权求和，即为最终的综合性能评价指标：
式中，j(xn)为综合评价指标，xn代表配置的传感器集合，共有n个传感器，i＝1,2,3分别代表功能、成本、可靠性三种指标，ji分别代表三种指标归一化后的指标值，δi分别代表三种指标的权重系数，可根据德尔菲法确定。
传感器功能指标，包含但不限于，用感知覆盖范围占比s(xn)评价：
s(xn)＝f(xn)/sr
其中，xn代表配置的传感器集合，共有n个传感器，f(xn)代表该配置下的传感器感知范围，sv代表系统所需的感知范围。
传感器成本指标，包含所选传感器的成本价格和安装成本，用下式定义：
其中，p(xn)为配置的传感器总成本，mi为第i种传感器数量，共有m种，pri为第i种传感器单价；lij为第i种传感器在车上第j个位置的安装成本，共有l个安装位置。
传感器可靠性指标，包含但不限于，采用配置的传感器集合xn中平均无故障工作时间指标最小值作为传感器的可靠性指标，用下式定义：
t(xn)＝min[mttf(xi)]
其中t(xn)为传感器配置的平均无故障工作时间，mttf(xi)代表第i种传感器的平均无故障工作时间。
进一步地，对建立传感器感知功能模型的方法是：
根据汽车驾驶辅助系统常用传感器的感知机理和技术参数，分层次建立其感知功能模型，具体分为如下三个层次，从中选取一种方式：
真值层：不考虑传感器性能，只考虑传感器在车辆上的安装位置，输出传感器探探测目标距离和方位，属于几何模型；
性能层：根据传感器技术参数，输出传感器探测目标距离、误差范围及探测率，属于参数模型；
能量层：考虑天气衰减、探测目标具体反射面积等因素，建立能量反射模型，输出传感器探测目标反射回的能量，描述其探测率，属于能量模型。
进一步地，对备选传感器及其位置进行筛选寻优的方法是：
首先，设定传感器的初选约束条件，包括但不限于，从传感器配置评价指标体系中选取一个或多个指标限值设定约束条件；
其次，根据约束条件对常用的传感器种类进行初选，筛选掉明显不满足约束条件的传感器，进而将满足初选要求的传感器确定为备选传感器；
然后，根据备选传感器的外形特征及安装要求，确定它们在车上的所有适合安装的位置，为备选安装位置；
再次，对符合初选条件的备选传感器及备选安装位置分别编号，采用全局搜索算法，包括但不限于序列浮动前向选择算法，对备选传感器及其安装位置不断选入和剔除，每选入一个传感器到车上一个安装位置，计算该配置的综合性能评价指标值j(xn)，指标值增加就选入，指标值减少就剔除，按编号顺序不断选入和剔除，直至选出配置方案的综合性能评价指标达到最优；
最后，实现传感器优化配置方案的计算机求解。
本发明所实现的有益效果是：本发明首先构建了汽车驾驶辅助系统传感器配置的多维综合评价模型，将之作为传感器优选的目标函数和评价准则；其次建立了不同种类传感器的感知功能模型，描述各传感器的感知范围等性能；最后，采用全局搜索算法，对备选传感器种类、数量及安装位置进行筛选寻优。本发明实现了汽车驾驶辅助系统中关键传感器的筛选寻优与配置优化，所求方案在满足环境信息感知需求的同时，优化了汽车驾驶辅助系统传感器的构成与布置，兼顾系统可靠性的同时，降低了系统成本。
附图说明
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
图1是汽车驾驶辅助系统传感器配置优选方法示意图；
图2是汽车全景环视监控系统传感器筛选寻优的流程图；
图3是汽车全景环视监控系统传感器配置图。
具体实施方式
下面结合附图，并以汽车全景环视监控系统为实施例对本发明进行详细的描述，但本领域的技术人员应该知道，以下实施例并不是对本发明技术方案作的唯一限定，凡是在本发明技术方案精神实质下所做的任何等同变换或改动，均应视为属于本发明的保护范围。
汽车全景环视监控系统作为一种驾驶辅助系统，其主要功能定位是：为汽车驾驶员提供更为直观的辅助驾驶图像信息，让驾驶员清楚查看车辆周边是否存在障碍物并了解障碍物的相对方位与距离，帮助驾驶员停泊车辆或低速通过复杂路况，有效减少刮蹭、碰撞、陷落等事故的发生。
采用本发明所提方法对全景环视监控系统传感器进行优选配置的流程，逐一包括如下步骤：
(1)对驾驶辅助系统的环境信息感知需求进行统一描述；
(2)建立传感器配置多维综合评价模型，作为传感器优选的目标函数；
(3)建立传感器感知功能模型；
(4)对备选传感器及备选安装位置进行筛选寻优；
(5)对传感器系统功能仿真测试、评价与循环修正。
具体解释如下：
(1)对驾驶辅助系统的环境信息感知需求进行描述
对本实施例所提的全景环视监控系统，根据系统功能定位，分别考虑两种应用场景：泊车场景和低速通过复杂路况的场景。泊车场景中车辆对周围交通环境信息的感知需求为：车辆周围360度有视觉图像，便于观察停车线和周边障碍物，能探测周边至少3米以内障碍物距离。低速通过复杂路况的场景中，公路车道宽度一般为3.5米，驾驶员期望能看到周围交通参与者的距离与方位信息，以避免刮蹭或碰撞；对周围交通环境信息的感知需求为：车辆周围360度有视觉图像，前方能探测到至少5米以内的障碍物(前车或行人)，同时左、右两侧也能探测到靠近两侧车道线的车辆或行人，探测距离应大于车辆外侧到车道线的距离。
(2)建立驾驶辅助系统传感器配置的多维综合评价模型
1)首先，根据车辆对环境信息的感知需求，从传感器系统功能、成本和可靠性三个维度分别建立评价指标。
在本实施例传感器配置中，功能指标选用视觉覆盖范围占比s1(xn)和测距覆盖范围占比s2(xn)来分别评价，用下两式定义：
s1(xn)＝f1(xn)/sv
s2(xn)＝f2(xn)/sd
其中，xn代表配置的传感器集合，共有n个传感器，f1(xn)代表配置的视觉传感器总探测范围，f2(xn)代表配置的测距传感器总探测范围，sv代表系统所需的视觉探测范围，sd代表系统所需的测距探测范围。
成本指标包含所选传感器的成本价格和安装成本，其中安装成本跟安装位置有关，用下式定义：
其中，p(xn)为传感器配置总成本，mi为第i种传感器数量，共有m种，pri为第i种传感器单价；lij为第i种传感器在车上第j个位置的安装成本，共有l个安装位置。
可靠性指标用来评价所选传感器的质量特性，主要评价指标有平均无故障工作时间mttf、平均故障间隔时间mtbf等，本实施例选用传感器的平均无故障工作时间mttf作为单一传感器的可靠性评价指标，选用配置的传感器集合xn中该指标的最小值作为传感器配置的可靠性指标，用下式定义：
t(xn)＝min[mttf(xi)]
其中t(xn)为该传感器配置的平均无故障工作时间，mttf(xi)代表第i个传感器的平均无故障工作时间，i＝1、2、…n。
2)其次，对上述各指标进行归一化处理，将有量纲的表达式变换为无量纲的表达式，并把数据映射到(-1,1)范围内处理，建立各维度下的评价指标ji，i＝1,2,3，代表功能、成本和可靠性三种指标，并对各评价指标进行加权求和，即为综合评价指标：
式中，δ1、δ2、δ3分别为功能、成本和可靠性指标的权重系数，可根据德尔菲法确定；j1、j2、j3分别代表系统功能、成本和可靠性三个指标归一化后的指标值。
(3)建立传感器感知功能模型
根据汽车驾驶辅助系统常用的超声波雷达、毫米波雷达、激光雷达、单目视觉、双目视觉、鱼眼相机等传感器的感知机理和技术参数，建立描述其探测范围的几何模型和描述探测精度/分辨率的性能参数模型。
其中，各单一传感器探测范围几何模型是关于探测距离d与视角θ的函数：
s＝f(d,θ)＝π·θ·d2/360
简化起见，本实施例中传感器的探测精度等性能直接用传感器技术参数表示。多个传感器安装在车上后的感知功能包含了总探测范围、平均探测精度等性能，其中总探测范围除了跟所选单个传感器的探测范围有关外，还跟传感器安装位置有关，安装位置相邻的传感器，探测范围重叠区域为冗余部分，总探测范围用下式表示：
式中，stotal表示k个传感器总探测范围，si表示配置的第i个传感器的探测范围，soverlap表示传感器探测重叠范围，可根据相邻传感器的相对距离几何关系求得。
(4)对备选传感器及备选安装位置进行筛选寻优
1)首先，设定传感器初选的约束条件。根据市场调研和对比现有同类产品，定位所设计的产品为低成本的全景环视监控系统，由此确定系统最大成本价格不超过y元为约束条件。在该步骤除了设置系统成本作为约束条件外，还可根据产品技术要求设置传感器最低探测距离、探测精度、最低分辨率等性能约束条件，以筛选掉明显不符合约束条件的传感器。约束条件可以是从多维评价指标中选择一项或几项指标作为约束。
2)其次，根据约束条件对常用传感器进行初选，剔除明显不满足约束条件(成本)的如激光雷达、毫米波雷达、双目视觉、低分辨率相机等传感器；进而将符合初选条件的传感器确定为备选传感器；
3)然后，根据备选传感器的外形特征及安装要求，确定它们在车上适合安装的位置(有多个)，为备选安装位置；
4)再次，对备选传感器及备选安装位置分别编号，采用序列浮动前向选择算法，对备选传感器及其安装位置进行选入和剔除。
传感器选入准则是：在已初选入的传感器集合xk(有k个)的基础上，再从其他备选传感器(共有n个)中选入某个传感器xi到车上一个备选安装位置上，若选入xi后的传感器集合xk+1的综合评价指标值j(xk+1)增大，则该传感器可选入，即满足公式：
j(xk+1)＝j(xk+xi)>j(xk)
传感器剔除准则是：从已初选的传感器集合xk中剔除某个传感器xr，若剔除后的综合评价指标值j(xk-1)增大，则该传感器剔除，即满足公式：
j(xk-1)＝j(xk-xr)>j(xk)
实施例中对备选传感器及其安装位置进行选入和剔除流程如图2所示：
①先对视觉传感器进行选入，对备选安装位置选入传感器，每增加一个传感器，计算一次j(xk)，随着视觉覆盖范围增加的同时，成本相应也会增加，直至发现j(xk+1)最大时为止，不再继续加入；因为有可能存在冗余，所以还需要再从已选的传感器集合中逐渐剔除传感器，观察综合评价指标值，直至当剔除某个(或某些)传感器后的指标值j(xk-1)最大为止，此时的传感器集合xk-1就是最优配置。
②然后同样对雷达传感器进行选入，对备选安装位置选入雷达传感器，每增加一个传感器，计算一次j(xk)，随着测距覆盖范围增加的同时，成本响应也增加，直至发现j(xk+1)最大时为止，不再继续加入；然后再从已选传感器集合中剔除传感器，使剔除后的j(xk-1)最大。
各类传感器的选择过程是一样的，这里只是表达对两类传感器分别选择。
③最后，序列前向浮动选择算法在matlab中编程，实现最优传感器配置的计算机求解。
(5)对筛选寻优后的系统功能仿真测试、评价与循环修正
为了验证所求传感器配置方案的合理性，借助prescan仿真软件进行仿真测试。首先在仿真平台中搭建泊车场景和拥堵路况场景；其次按照优选出的传感器配置方案在汽车上配置传感器；然后选用常用的控制方法运行车辆进行泊车或通过拥堵路况，测试汽车全景环视监控功能；最后根据验证效果，循环修正传感器配置方案，进一步优化配置方案。
在本实施例中，如，备选视觉传感器有c1、c2、c3、c4四种，备选雷达传感器有u1、u2、u3、u4四种，备选安装位置有车辆四周30个点。采用本发明所提方法可求得：在低成本约束条件下，选入的传感器为4个编号为c4、位置为3、9、18、27的鱼眼相机和12个编号为u3、位置为1、2、4、5、6、14、16、17、19、20、22、30的超声波传感器，安装位置如图3所示。所求结果跟现有产品配置方案一致，而成本降低，证明了所提方法的可行性和有效性。