2006年3月第29卷第3期
重庆大学学报（自然科学版）
JournaI of Chongging University （NOturOI Science Edition ）
Mar. 2006 VoI. 29 No. 3
文章编号：1000-582X （2006）03-0006-05
车辆控制系统中的信息融合技术
郝 奕，李以农，郭 旭，刘建房
（重庆大学机械传动国家重点实验室，重庆 400030）
＊
摘 要：智能化是未来汽车的发展方向，而智能化的基础是信息技术的发展. 信息融合技术是一种
信息处理的新方向，具有多信息量、多层次、多手段等优点，在各个领域中有着广阔的应用前景. 阐述了信息融合技术的基本概念，并对国内外信息融合技术在现代汽车控制系统中的应用作了详细深入的介绍，指出了信息融合的关键技术，对信息融合技术在汽车领域中的美好应用前景给与展望.
关键词：信息融合；多传感器；汽车控制系统 中图分类号：TP24文献标识码：A 汽车作为代步和运输的工具已经有100多年的历
电子、信史. 从最早的复杂机械体逐渐转变为集机械、
息、传感技术等于一身的机电一体化综合体. 汽车技术逐渐与相关技术融合，作为一项综合技术而不断发展. 在这个发展过程中，电子技术、计算机技术、信息技术、
信息技术革传感器技术等起了十分重要的作用. 现在，
命正在把汽车设计推向一个新的领域，自动化、智能化、多功能将成为21世纪汽车发展的新趋势. 电脑技术、自动控制技术以及信息融合技术与汽车相结合，更
信是增加了汽车的安全性、舒适性和方便性. 而其中，
息融合技术正在扮演着越来越重要的角色，被广泛地应用于有关汽车行业的各个系统中.
信息融合原理与技术是国内外近30年迅速发展的一个技术领域. 它的研究始于美国在1973年对军事自动数据融合研究，当时着重研究增强计算能力、有效联合数据方法和改进传感器的性能. 在20世纪80年代中期，信息融合技术首先在军事研究领域中取得了
各个相当的进展. 随着研究的深入和应用领域的扩大，
领域的研究人员日益认识到信息融合技术的重要性. 迄今为止，信息融合技术已经成功地运用于工业工程监视、太空站、机器人、交通管制、医疗诊断、遥感监测、精确制导武器系统等民事和军事应用领域.
面过程，以便获得准确的状态和身份估计、完整而及时的战场态势和威胁估计. WaItz 和LIinas 对上述定义进行了补充和修改，用状态估计代替了位置估计，并加上了探测能力，从而给出以下定义：信息融合是一种多层次的、多方面的处理过程，这个过程是对多源数据进行探测、结合、相关、估计和组合以达到精确的状态估计和身份估计，以及完整、及时的态势评估和威胁估计. 多传感器信息融合是人类或其他逻辑系统中常见的功
（眼、能. 人类运用这一能力把来自人体各个传感器
耳、鼻、四肢）的信息（景物、声音、气味、触觉）组合起来，并使用先验知识去估计、理解周围环境和正在发生的事件. 多传感器的信息处理是对人脑的一种高水平的模仿. 多传感器信息融合可以对不同知识源和多个传感器所获得的信息进行综合处理，消除多传感器信息之间可能存在的冗余和矛盾，利用信息互补，降低不确定性，以形成对系统环境相对完整一致的理解，从而可以提高智能系统决策、规划的科学性，反应的快速性和正确性，进而降低决策风险的过程. 1. 2 信息融合系统的功能模型
信息融合系统的结构目前还没有形成统一的分类形式，从信息融合的功能角度，可将信息融合分为5个
［1］
层次，如图1所示：第一层次为检测、判决融合；第二层次为空间状态融合；第三层次为属性融合；第四层次为态势评估；第五层次为威胁度估计. 其中态势评估和威胁度估计主要用于军事领域.
检测级融合的功能可以概括为判断目标的有无，它与传感器的布置密切相关. 状态级融合可以概括为
1 信息融合技术的基本概念
1. 1 基本定义和原理
信息融合最早用于军事领域，定义为一个处理探测、互联、估计以及组合多源信息和数据的多层次多方
＊
收稿日期：2005-11-20
基金项目：国家自然科学基金资助项目（50475064）；重庆市科委基金资助项目（8366）
作者简介：郝奕（1982-），女，四川雅安人，重庆大学硕士研究生，研究方向为汽车系统动力学与控制.
第29卷第3期 郝 奕，等： 车辆控制系统中的信息融合技术
7
2. l 组合导航系统
为了正确可靠地对运动载体或目标进行精确导航，导航与制导系统必须为整个系统提供足够精确和可靠的位置、速度和姿态等信息. 为适应这个要求，导航系统已经由单一传感器类型系统发展到组合导航系统，将多种类型的传感器进行优化配置，性能互补，从而达到提高系统精确度和可靠性的目的.
图l 多传感器信息融合功能级别
导航系统中多传感器的融合是根据系统的物理模型和系统模型及传感器的噪声的统计假设，将观测数估计目标的状态（距离、运动速度等），分为集中式、分散式和分级式结构. 这3种基本结构还可以构成多种不同的混合结构. 属性级融合的目的是确定目标的身份. 按照数据抽象的3个层次，可以将属性级融合分为
数据层融合、特征层融合和决策层融合［2］.
l. 3 信息融合的方法
信息融合作为一种信息综合和处理技术，实际上是许多传统科学和新技术的集成和应用. 从融合的功能模型可看到，融合的基本功能是相关、估计和识
别［3］. 用于相关处理的常用算法有：最近邻法则、最大
似然法、最优差别、统计相关、联合统计关联等. 用于估计的算法有：最小二乘法、最大似然估计法、卡尔曼滤波器等. 用于识别的算法比较多，大概可分为3类：物理模型类识别算法有最小二乘法、最大似然估计法、卡尔曼滤波等；参数分类识别算法有经典推理、贝叶斯法、
D -S 算法、熵法、神经网络、聚类分析、模板法；认识模型类识别算法有逻辑模板、专家系统和模糊集合论.
2 信息融合技术在先进车辆控制系统中的
应用
信息融合技术给现代汽车带来了更加光明的前景. 车辆能够利用多传感器集成技术以及融合技术，结合环境信息、交通状况信息做出一个最优决策，实现车辆自动感知前方的障碍物，及时采取措施进行避让；通过对前方信号的识别，自动停车或继续运行；通过对路标的自动识别，避免违章行为等，从而可以大大降低车辆事故的发生，同时减轻司机驾驶的负担，尽量降低司机疲劳驾驶的可能性. 将信息技术应用于汽车上已经成为美国、日本等汽车生产大国未来概念车的新趋势.
先进车辆控制系统AVCS （Advanced VehicIe Con-troI System ）
是借助于车辆设备及基础设施或其协调系统中的检测设备来检测输入周围对驾驶员和车辆产生影响的各种因数，进行自动控制驾驶以达到行车安全高效和增加道路通行能力目的的系统. 它包括了驾驶员辅助、驾驶员警告、自动驾驶系统等.
据映射到状态矢量空间. 一组导航系统的状态变量，如位置、速度、角速度、姿态和各种失调偏差量等，可以用来描述系统的运行状态，精确测定载体的运动行为. 导航系统多传感器信息融合的最终目的和结果，是以最优估计方法进行系统的状态矢量估计.
目前导航系统应用最广泛的有两种组合方式. 一种是惯性导航系统INS （InertiaI Navigation System ）与全球定位系统GPS （GIobaI Position System ）的组合. INS 可以弥补GSP 在动态环境中可靠性差，易受地形遮挡而定位中断的缺点，而GPS 可以解决INS 误差随时间迅速累积增长的问题. 还有一种是航位推算DR Dead -Reckoning ）与GPS 的组合，如图2所示. 它们两者与GPS /INS 一样，有很强的互补性. 通过组合导航技术，把两个相互独立的分系统构成多传感器系统，可以获得单独一种导航系统无法达到的导航精确度和可靠性.
图2 GPS /DR 组合导航系统信息融合结构框图
在融合方法上，通过建立观测误差的数学模型，采用联合卡尔曼滤波的方法，可以对组合导航系统中两个分系统的观测误差进行补偿. 为了提高系统的容错能力和可靠性，分系统可以先进行局部卡尔曼滤波，智能模块以对各传感器和各子滤波器的状态评估为基础
进行系统的重构和自适应调整［4］
. 不过由于卡尔曼滤
波对测量噪声模型变化不能很好进行最优估计，因此可以引入模糊自适应理论，实时地在线修正信息协方差值，以改善滤波器的性能，提高组合导航的精
确度［5］.
2. 2 防撞系统
车辆防撞系统CAS （CoIIision Avoidance System ）可
（
8
重庆大学学报（自然科学版） 2006年
以有效地防止交通事故发生，因此有着重要地研究意义和应用空间. 它主要是通过安装在车辆上的探测器或传感器来探测车辆周围的情况，为驾驶员提供信息，防止或减少车辆与车辆、车辆与障碍物之间的碰撞. 但是汽车防撞系统的工作环境恶劣，干扰因素众多，只用单一雷达传感器做出判断容易产生虚警，为了提高对目标的识别和估计能力，就要引入多传感器融合技术. 其中，传感器包括距离测量传感器、车辆速度及加速度传感器、节气门位置传感器、踏板及离合器动作传感器接联系，那么当前方突然有车辆并入时，由于滞后性ACC 系统不能提供足够的制动力. 因此，可将ACC 系统直接与汽车制动防抱死/驱动防滑转ABS /ASR （An-ti -Iock Braking System /Automatic SIip ReguIation ）系统联合起来，形成ABS /ASR /ACC 集成化系统，实现
［l0］
ACC 控制系统中的快速自动制动功能. 采用信息融
合技术不但可以考虑到ABS 、ASR 、ACC 3个系统之间的相互关系，而且可充分利用车辆所能提供的各种信息，同时有利于控制程序的稳定性、可靠性和可维护发动机转速传感器和制动油压传感器等. 把分布在不同位置的多个同类或不同类传感器所提供的多源信息，进行综合处理，其目的就是降低探测的不确定性，形成对系统环境相对一致的感知描述，以便得到一个准确可靠的分析和判断结果，从而提高系统的决策能
力. 一般包括3个方面［6］
：l. 基于多传感器信息融合技
术的目标识别. 2. 基于多传感器信息融合技术的距离估计. 3. 基于多传感器信息融合技术的危险评估. 图3所示为防撞系统的工作框图.
图3 车辆防撞系统工作框图
在防碰撞系统中，使用最广泛的是毫米波雷达、激光雷达和远红外摄像机，特别是在考虑环境因素的时候，毫米波雷达最为常用. 有一种混合式汽车防撞系统信息结构模型
［7-8］
，采用分级信息融合实现目标跟踪，
基于跟踪残留误差和预测误差共同校正提出融合算法，在此基础上利用模糊积分方法融合多种相关信息，确定汽车应采用的安全模式，实现主动安全防撞策略. 在多传感器融合的防撞系统中，应用较多的方法是模糊逻辑和神经网络. 随着理论的进一步发展，模糊逻辑、神经网络和传感器技术逐渐结合起来用于避撞研究控制，利用多个非摄像类的超声波和红外线传感器探测环境信息，采用多传感器融合技术对传感器信号
进行处理
［9］
，能够在比较复杂的环境下正确引导汽车避开障碍，不失为一种车辆自主避撞的可行方案. 2. 3 ABS /ASR /ACC 集成化系统
自适应巡航控制系统ACC （Adaptive Cruise Con-troI ）除了拥有标准的巡航控制功能外，还能够在单车道上对相邻两车之间的相对车速和距离实现智能控制，根据交通流的要求，自动地调整车速，保持安全车距. 如果ACC 对车速的调节与汽车的制动系统没有直
性. ABS /ASR /ACC 信息融合系统由相关融合、综合融合和ACC 启动开关及目标车辆位置确定算法组
成［ll ］，如图4所示.
R —单脉冲雷达；V —车辆；C l —ACC 开关信号；C 2—相对距离；C 3—方位角；C 4—相对速度；C 5—相对加速度；C 6—车轮转速；C 7—节气门开度；S l —目标位置；S 2—预测及判断结果；S 3—理想减速度；S 4—理想车速；S 5—理想安全距离；
S 6—滑移率；S 7—制动压力控制信号；S 8—节气门控制信号；S 9—警报；P l —手动制动；Y l —相关融合；Y 2—相关融合；Y 3—相关融合；Y 4—综合融合；S —屏蔽开关
图4 ABS /ASR /ACC 信息融合系统结构图
相关融合分别得出控制ACC 所需的信息、参考车速、路面信息和车轮的滑移率，并且实现相互关联. 综合融合的主要任务是兼顾ABS 、ASR 、ACC 3个安全行驶系统对车轮滑移率、滑转率和车辆行驶速度的要求，依据信息融合的结果以及此时的车辆状态，输出该时刻ABS 、ASR 和ACC 系统要达到控制目标所需控制量的大小及其控制逻辑，以获得相应的车轮制动力. 该信息融合系统共用3个主要信息来源：一是通过雷达探测主车与目标车之间的相对运动和相对位置关系；二是通过轮速传感器获得4个车轮转速信号；三是通过ACC 控制开关和加速、制动踏板获得驾驶员意图信息. 来自3方面的信息在整个系统中相互交错，在实现信息共享的同时，提高控制参数的计算精度，达到改善控制品质的目的. 驾驶员通过控制开关启动/关闭
ACC 系统
［l2］
. 当开关开启时，融合中心同时处理ABS ，ASR ，ACC 3个系统的全部功能；当开关关闭时，融合中心只处理ABS 和ASR 两项功能.
第29卷第3期 郝 奕，等： 车辆控制系统中的信息融合技术
9
2. 4 辅助驾驶系统
随着人们对驾驶的安全性与舒适性的重视，辅助驾驶系统得到了飞速地发展. 一系列辅助驾驶技术系统的应用将大大提高驾驶的安全性. 针对当前常用系统中存在的一些场景误识别问题，研究者们引入了多传感器信息融合技术. 基于视觉系统的传感器可以提供大量的场景信息，其它传感器（如雷达或激光等）可以测定距离、范围等信息，对两方面的信息融合处理后
［13］就能给出更可靠的识别信息. 辅助驾驶系统中障碍
车辆的各个控制系统使用不同传感器传来的信息，这些传感器可分为自我位置探测传感器和目标探测传感器. 立体视觉传感器用来探车道标识，并在三维坐标中输出车道的边界. 这些信息同来自DGPS 传感器及数字地图的数据组合得出车辆的精确位置以及公路的几何形态. 行车环境中的障碍物是用视觉传感器、四个激光扫描仪和一个雷达来探测. 信息的融合过程包括了数据对准、数据关联和状态估计，采用自适应滤波的方法，如图6所示.
识别常用算法结构如图5所示.
图5 障碍识别算法结构图
Beaurais 等人提出CLARK 算法［14］
，用于精确测
量障碍位置和道路状况的方法，它同时使用来自距离传感器（雷达）和摄像机的信息. 该算法主要由两部分组成：使用多传感器融合技术对障碍进行鲁棒探测；在LOIS （Likelihood of Image Shape ）道路探测算法中综合考虑上述信息，以提高远距离道路和障碍的识别性能. 另外，以多传感器信息融合技术为基础，还可以推测道路状况、可以减轻在上下坡路和雨雪路上驾驶操作负担
［15］
.
2. 5 自动驾驶系统
车辆自动驾驶系统主要是应用现代化的传感器技术、通信技术、计算机技术以及检测技术等装备车辆及智能交通系统，并通过车路间通信和车车间通信，达到车辆可以自动控制方向、速度、车间距等，从而使车辆自动行驶在智能化公路上.
实现自动驾驶有两个基本关键技术：1）车道检测；2）障碍物检测. 在实现车辆感知外部环境方面，在经过多方面的探索之后，证明利用及其视觉是最有效的感知方式. 基于立体视觉软件系统的GOLD （Generic Obstacle and Lane Detection —障碍物和车道检测）系统，常用在移动车辆上，辨识一般障碍物（在对称和形状上无约束）以及在结构环境下的车道位置（绘有道路标识）. 利用反转透视映射几何变换，可以将透视效果从左右立体图像中删除；单幅图像可以借助一系列的数学形态逻辑滤波辨识道路标识，利用立体图像来辨识车辆前方的自由立体空间.
图6 自动驾驶系统的多传感器信息融合结构模型
还有一种方法采用激光雷达或扫描仪来探测远距离的障碍物，感知汽车前方的环境状态；而超声波传感
器可以在相对比较近的区域内检查车辆后方和侧面的行车环境；CCD 摄像机使汽车保持航线，控制汽车的横向运动. 另外转向执行器控制着车辆的纵向运动，D /A 转换器产生驾驶信号，这样安装在制动踏板附近
的直流电动机就能够控制车辆的纵向运动
［16］
. 在一系列传感器测量信息的基础上对动态的行车环境进行重建. 这样做一是由于行车环境里包含着运动的和静止的障碍物，因此对障碍物的检测可能不精确、不完整或是被干扰；二是由于行车环境是一个动态的自然环境，障碍物会随时进入或驶出传感器的视觉范围，或被别的物体遮挡. 为了解决这些问题，就要在正确测量和评估的基础上进行信息融合，采用两级式的行车环境跟踪. 在第一级，每一个传感器都根据本身的探测情况建立局部目标跟踪航迹，再把局部预测送入第二级融合中心进行融合，得出更为精确的结果，配合预测-匹配-校正的算法可保持环境预测的时空一致性
［17］. 3 结束语
从前面的叙述可以看出，信息融合技术作为复杂大系统的信息处理技术，具有多信息量、多层次、多手段等优点与特点. 能够综合来自多传感器的丰富信息，实现不同级别的融合，信息处理的方法也是多种多样. 将信息融合技术引入与应用到系统结构复杂、行驶方式变化大、所处环境高度综合的汽车系统中来，充分发挥其强大的信息处理优势，可以改善汽车系统在信息处理技术上的一些不足，使车辆实现高智能化，极大地改善车辆人机系统的安全性，避免事故的发生和减少伤害程度.
10参考文献：
重庆大学学报（自然科学版） 2006年
［10］ LIU ZHAO-DU ，LU JIANG ，SHI KAI-BIN ，et ai. Integrated
［J ］. Journai of Beijing In-ABS /ASR /ACC System for cars
stitute of Technoiogy ，2001，10（3）：327-329.
［11］ 张景波，刘昭度. 基于信息融合技术的ABS /ASR /ACC
系统仿真［J ］. 计算机仿真，2004，21（6）：155-158.
［12］ 张景波，马岳峰. 信息融合技术在汽车安全行驶系统中
. 系统仿真学报，2003，15（9）：1208-1210. 的应用［J ］
［13］ 赵敏华，安毅生，黄永宣. 多传感器信息融合技术在智能
. 电子应用技术，2003，（1）：驾驶系统中的应用［J ］30-32.
［14］ BEAUVAIS M ，LAKSHMANAN CLARK S. A Heterogeneous
Sensor Fusion Method for Finding Lanes and Obstacies ［J ］. Image and Vision Computing ，2000，18（5）：397-413.
［15］ 车胜新. 驾驶辅助装置在汽车上的应用现状与发展［J ］.
世界汽车，1994，（1）：10-13.
［16］ YUN DUK-SUN ，SHIM JAE-HEUNG. The System Integra-tion of Unmanned Vehicie and Driving Simuiator with Sen-sor Fusion System ［J ］. IEEE ，2001，（20）：115-120.
［17］ VAHE DER GHARAPETIAN ，MICHELE ROMBAUT. An
Object-oriented Data Fusion System for Mobiie Vehicie ［J ］. IEEE ，1995，（2）：1404-1409.
［1］ 范新南，苏丽媛，郭建甲. 多传感器信息融合综述［J ］. 河海
大学常州分校学报，2005，19（1）：1-4.
［2］ 涂小强. 信息融合的原理与方法概述［J ］. 电讯技术，
1999，（3）：1-6.
［3］ WU OIUPING ，WAN DEJUN. An Adaptive Information Fu-sion Method to Vehicie Integrated Navigation ［J ］. IEEE ，2002，（18）：248-253.
［4］ 寇艳红，张其善，李先亮. 车载GPS /DR 组合导航系统的
信息融合新方案［J ］. 遥测遥控，2002，23（1）：7-9.
［5］ 许丽佳，陈阳舟，崔平远. GSP /INS 组合导航系统中的信
息融合算法研究［J ］. 计算机仿真，2004，21（5）：20-23.
［6］ 李鸿征，邱卫红. 基于多传感器信息融合的车辆主动防撞
控制系统［J ］. 传感器世界，2003，（9）：28-31.
［7］ AMDITIS A ，EVAN GELOS B. Muitipie-sensor-coiiision A-voidance System for Automotive Appiication Using an IMM Approach for Obstacie Tracking ［A ］. 5th Internationai Con-ference on Information Fusion ［C ］. Annapoiis ：IEEE Georgia 2002. 812-817. Tech Res Inst ，
［8］ 廖传锦，柴毅，黄席樾. 汽车防撞系统中目标跟踪与防撞
决策研究［J ］. 中国公路学报，2004，17（2）：113-118.
［9］ 冯建农，柳明，吴捷. 基于信息融合的模型小车ANN 避障
控制［J ］. 控制理论与应用，1997，14（6）：847-852.
Technigue of Information Fusion in Vehicle Control System
HAO Yi ，LI Yi-nong ，GUO Xu ，LIU Jian-fang
（State Key Laboratory of Mechanicai Transmission ，Chongging University ，Chongging 400030，China ）Abstract ：In the future ，vehicie wiii be deveioped inteiiigentiy ，which is based on the deveiopment of information tech-noiogy. Now ，information fusion technigue is a new direction of information management. It has the advantages of more information ，arrangements and methods and has been appiied to a iot of research fieids. The basic principie of informa-tion fusion is discussed and its appiications in domestic and internationai modern vehicie controi system are introduced. Moreover ，the authors point out the key technoiogy of information fusion and the bright prospects of its appiication in automotive fieid are proposed.
Key words ：information fusion ；muitipie sensor ；vehicie controi system
（编辑 成孝义）