Nghiên cứu và phát triển hệ thống radar cảnh báo va chạm cho ô tô

1 TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI VIỆN ĐIỆN TỬ - VIỄN THÔNG  LUẬN VĂN TỐT NGHIỆP ĐỀ TÀI: NGHIÊN CỨU VÀ PHÁT TRIỂN HỆ THỐNG RADAR CẢNH BÁO VA CHẠM CHO Ô TÔ Giảng viên hướng dẫn : PGS.TS NGUYỄN THÚY ANH Sinh viên thực : NGUYỄN MINH TUẤN Khóa : CH2019A Lớp : Kỹ thuật viễn thông (KH) Hà Nội - 2021 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI NGUYỄN MINH TUẤN NGHIÊN CỨU VÀ PHÁT TRIỂN HỆ THỐNG RADAR CẢNH BÁO VA CHẠM CHO Ô TÔ LUẬN VĂN TỐT NGHIỆP Hà Nội – 2021 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI NGUYỄN MINH TUẤN NGHIÊN CỨU VÀ PHÁT TRIỂN HỆ THỔNG RADAR CẢNH BÁO VA CHẠM CHO Ô TÔ Ngành: Kỹ thuật viễn thông (KH) Mã số: LUẬN VĂN TỐT NGHIỆP GIẢNG VIÊN HƯỚNG DẪN: PGS.TS Nguyễn Thúy Anh Hà Nội – 2021 i LỜI CAM ĐOAN Tôi xin cam đoan luận văn “Nghiên cứu phát triển hệ thống radar cảnh báo va chạm cho ô tô” cơng trình nghiên cứu khoa học riêng tơi hướng dẫn PGS.TS Nguyễn Thúy Anh Tôi cam đoan số liệu kết nghiên cứu luận văn trung thực, không trùng lặp với đề tài khác thông tin sử dụng luận văn rõ nguồn gốc Hà Nội, ngày 20 tháng 01 năm 2021 Tác giả luận văn Nguyễn Minh Tuấn ii LỜI NÓI ĐẦU Ngày phát triển bùng nổ IoT Big Data tạo phát triển mạnh mẽ nhiều lĩnh vực khoa học công nghệ cao ứng dụng quân dân Trong năm gần đây, công nghệ radar phát triển ứng dụng nhiều cho hệ thống định vị, hệ thống dự báo thời tiết, cảnh báo thiên tai, hệ thống kiểm sốt khơng lưu, Với phát triển khoa học, công nghệ vi điện tử công nghệ thông tin ngày tạo tiền đề cho phát triển Radar Những Radar giới có tính ưu việt: cự ly phát xa, độ phân giải mục tiêu cao, thiết bị gọn nhẹ, hệ thống xử lý tớn hiệu hiển thị số, nhiều khõu xử lý tớn hiệu tự động hoá thuận lợi cho người sử dụng Gần đây, ứng dụng radar ngành công nghiệp ô tô bắt đầu xuất nhằm hỗ trợ đỗ xe cảnh báo chệch đường cho người lái xe, giúp giảm thiểu va chạm dẫn đến tai nạn, giúp an tồn cho người tham gia giao thơng người điều khiển phương tiện giao thông Nghiên cứu phát triển hệ thống radar cảnh báo va chạm ô tơ cần thiết, vừa có ý nghĩa học thuật vừa có ý nghĩa thực tế với nhu cầu đất nước ta Đề tài mang tính thực tiễn cao, đáp ứng yêu cầu làm chủ công nghệ ứng dụng rộng rãi ngành cơng nghiệp ô tô, đặc biệt ngành công nghiệp ô tô nước iii MỤC LỤC LỜI CAM ĐOAN i LỜI NÓI ĐẦU ii MỤC LỤC iii DANH MỤC HÌNH ẢNH v DANH MỤC BẢNG BIỂU vii DANH MỤC TỪ VIẾT TẮT viii MỞ ĐẦU M1 Tính cấp thiết đề tài M2 Mục tiêu nghiên cứu M3 Đối tượng nghiên cứu M4 Phạm vi nghiên cứu M5 Phương pháp nhiệm vụ nghiên cứu CHƯƠNG TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU 1.1 Tổng quan công nghệ băng thông siêu rộng UWB 1.1.1 Lịch sử UWB 1.1.2 Tín hiệu UWB giới hạn phát xạ FCC 1.1.3 Ưu điểm UWB 14 1.1.4 Ứng dụng bật UWB 16 1.2 Tổng quan công nghệ Lidar 24 1.2.1 Sơ lược lịch sử hình thành phát triển Lidar 24 1.2.2 Các thành phần hệ thống Lidar điển hình .26 1.2.3 Cách thức hoạt động Lidar .28 1.2.4 Ưu điểm Lidar 29 iv 1.2.5 Phân loại ứng dụng Lidar 31 1.3 Kết luận chương 33 CHƯƠNG MƠ HÌNH HỆ THỐNG RADAR CẢNH BÁO VA CHẠM TRÊN Ô TÔ 34 2.1 Hệ thống UWB radar 34 2.1.1 Tổng quan hệ thống UWB radar .34 2.1.2 Các tính hệ thống UWB radar .37 2.1.3 Hệ thống radar .38 2.2 Xu hướng thị trường ô tô radar Lidar 42 2.3 Hệ thống radar kết hợp lidar cảnh báo va chạm ô tô 47 2.3.1 Giới thiệu .47 2.3.2 Mơ hình kết hợp cảm biến hệ thống cảnh báo va chạm 49 2.4 Kết luận chương 55 CHƯƠNG MƠ HÌNH THUẬT TỐN VÀ MƠ PHỎNG TÍNH NĂNG HỆ THỐNG 56 3.1 Tính tốn vận tốc với radar 56 3.2 Tính tốn khoảng cách với Lidar 58 3.3 Mơ tính hệ thống 60 3.3.1 Giới thiệu .60 3.3.2 Mô phát đối tượng với radar 61 3.3.3 Mô phát đối tượng với Lidar 74 3.3.4 Mô hệ thống kết hợp radar lidar cảnh báo va chạm ô tô 78 3.4 Kết luận chương 82 KẾT LUẬN 84 TÀI LIỆU THAM KHẢO 86 v DANH MỤC HÌNH ẢNH Hình M1.1: Mơ tả tổng quan hệ thống hỗ trợ lái xe an tồn [nguồn:tinhte.vn] Hình M1.2: Mối quan hệ độ phân giải với băng thơng .3 Hình M1.3: So sánh phân biệt đối tượng băng thông GHz GHz .3 Hình 1.1: Xung Gauss đơn chu kỳ 500 pico giây (a) miền thời gian (b) miền tần số [4] Hình 2: Dạng sóng xung Gauss đạo hàm từ bậc đến 15 10 Hình 1.3: PSD đạo hàm bậc n xung Gauss cho hệ thống UWB 11 Hình 1.4: Giới hạn phát xạ FCC hệ thống thông UWB 13 Hình 1.5: Tổng quan ứng dụng mà UWB cung cấp [Nguồn: ERCIM News] 16 Hình 1.6: Các radar chống trộm, tránh xung đột đo độ cao xác [Nguồn: multispectral.com] .24 Hình 1.7: Sơ đồ nguyên lý hệ thống Lidar [Nguồn: in3dplus.com] 27 Hình 1.8: Mơ tả cách thức hoạt động hệ thống Lidar [Nguồn: blickfeld.com] 29 Hình 1.9: Lidar sử dụng để tính tốn liệu địa lý xác [Nguồn: blickfeld.com] 30 Hình 1.10: Ứng dụng Lidar đo đạc đồ không [Nguồn: vietmachine.com.vn] 32 Hình 2.1 Nguyên lý radar UWB [Nguồn: ripublication.com] .35 Hình 2.2: Sơ đồ khối thiết bị thu phát TM-UWB [Nguồn: timedomain.com] 36 Hình 2.3 Các tính ADAS sử dụng cảm biến Lidar RADAR ô tô [Nguồn: electronicspecifier.com] 43 Hình 2.4 Các loại hình cảm biến radar tơ [Nguồn: electronicspecifier.com] 45 Hình 2.5: Cấu trúc cảm biến Sáu radar Lux đơn (đỏ) TRW (xanh lục)[16] .50 Hình 2.6: Kiến trúc kết hợp cảm biến hệ thống [16] 51 vi Hình 2.7: Truy dấu: trì lịch sử cho giả thiết chướng ngại vật [16] 52 Hình 2.8: Đo lường vận tốc với radar (a) v vận tốc thực tế ô tô theo sau, v// vận tốc đo cảm biến radar (b) v’// vận tốc giả thiết.[16] 55 Hình 3.1: Hàm vận tốc theo vị trí [16] 58 Hình 3.2: Thiết lập mô phát radar 63 Hình 3.3 Sai số vị trí dọc ngang radar 64 Hình 3.4: Thiết lập mơ phép đo vận tốc radar .67 Hình 3.5: Sai số vận tốc dọc ngang radar 67 Hình 3.6: Thiết lập mơ hiệu suất phát radar 69 Hình 3.7: SNR phát phương tiện người với radar tầm xa phạm vi 100m 70 Hình 3.8: SNR phát phương tiện người với radar tầm trung phạm vi 50m 71 Hình 3.9: Thiết lập mơ phát đối tượng có khoảng cách gần 73 Hình 3.10: Sai số vị trí dọc ngang radar với đối tượng có khoảng cách gần 73 Hình 3.11 Mơ hình đo lường cảm biến thể ba chiều khơng gian X, Y, Z 76 Hình 3.12 Mơ theo dõi vận tốc đối tượng với lọc IMM 77 Hình 3.13 Mơ ước lượng quỹ đạo xe chuyển .77 Hình 3.14 Mơ hoạt động trì theo dõi đối tượng .78 Hình 3.15: Cấu hình cảm biến liệu cảm biến 79 Hình 3.16: Quá trình theo dõi cảnh báo va chạm 80 Hình 3.17: Đánh giá định lượng qua Missed Target False Track 81 Hình 3.18: Đánh giá độ xác hệ thống kết hợp radar lidar 82 vii DANH MỤC BẢNG BIỂU Bảng 1.1: Các thông số cho hệ thống UWB indoor outdoor [6] 11 Bảng 1.2: Giới hạn FCC cho hệ thống indoor outdoor [4] 13 Bảng 2.1: Đặc điểm kỹ thuật radar lidar ứng dụng tơ .44 Hình 3.9: Thiết lập mơ phát đối tượng có khoảng cách gần Vẽ biểu đồ sai số vị trí dọc ngang radar Bằng cách phân tích sai số vị trí báo cáo cho xe máy, xác định phạm vi mà radar khơng cịn phân biệt hai xe máy đối tượng Hình 3.10: Sai số vị trí dọc ngang radar với đối tượng có khoảng cách gần Phát tạo từ phía sau dọc theo bên xe máy Các sai số màu đỏ từ xe máy bên trái, sai số màu vàng từ xe máy bên phải điểm màu tím cho thấy điểm phát hợp hai xe máy Các 73 xe máy cách 1,8 m theo phương dọc (một xe trước, xe theo sau) Mỗi xe máy có chiều rộng 0,6 m chiều dài 2,2 m Hai xe cách 1,2 m theo phương ngang 3.3.3 Mô phát đối tượng với Lidar Phần tiến hành thực nghiệm theo dõi phương tiện giao thông cách sử dụng phép đo từ cảm biến lidar gắn đầu xe Cảm biến lidar báo cáo phép đo dạng đám mây điểm Dữ liệu lidar sử dụng thực nghiệm ghi lại từ tình lái xe đường cao tốc Trong thực nghiệm sử dụng liệu ghi để theo dõi phương tiện trình theo dõi liên kết liệu xác suất chung (JPDA) phương pháp tiếp cận nhiều mơ hình tương tác (IMM) 3.3.3.1 Mơ hình dị 3D với cảm biến lidar Do khả phân giải cao cảm biến lidar, lần quét từ cảm biến chứa số lượng lớn điểm, thường gọi đám mây điểm Dữ liệu thô phải xử lý trước để trích xuất đối tượng quan tâm, chẳng hạn ô tô, người xe đạp người Phần mơ sử dụng mơ hình phát hộp giới hạn chức Computer Vision Toolbox ™ (được hỗ trợ Matlab) sử dụng để thực quy trình hoạt động hệ thống cảnh báo va chạm với lidar Nó hiển thị thuộc tính lớp hỗ trợ điều khiển trình 3.3.3.2 Trạng thái đối tượng mơ hình đo lường cảm biến Bước việc theo dõi đối tượng xác định trạng thái mơ hình xác định chuyển đổi trạng thái phép đo tương ứng Hai tập phương trình gọi chung mơ hình khơng gian trạng thái mục tiêu Để lập mơ hình trạng thái phương tiện để theo dõi cách sử dụng lidar, mô sử dụng mơ hình hình khối với quy ước sau: 𝑥𝑥 = [𝑥𝑥𝑐𝑐đ 𝜃𝜃 𝑙𝑙 𝑤𝑤 ℎ] 74 xcđ biểu thị phần trạng thái điều khiển chuyển động trung tâm chuyển động, 𝜃𝜃 góc nghiêng Chiều dài, chiều rộng, chiều cao khối lập phương mơ hình hóa dạng số, ước tính chúng phát triển theo thời gian giai đoạn hiệu chỉnh lọc Trong mô sử dụng hai mơ hình khơng gian-trạng thái: mơ hình hình khối vận tốc khơng đổi (cv) mơ hình hình khối tốc độ quay khơng đổi (ct) Các mơ hình khác cách chúng xác định phần động học trạng thái, mô tả đây: 𝑥𝑥𝑐𝑐𝑐𝑐 = [𝑥𝑥 𝑥𝑥̇ 𝑦𝑦 𝑦𝑦̇ 𝑧𝑧 𝑧𝑧̇ 𝜃𝜃 𝑙𝑙 𝑤𝑤 ℎ] 𝑥𝑥𝑐𝑐𝑐𝑐 = �𝑥𝑥 𝑥𝑥̇ 𝑦𝑦 𝑦𝑦̇ 𝜃𝜃̇ 𝑧𝑧 𝑧𝑧̇ 𝜃𝜃 𝑙𝑙 𝑤𝑤 ℎ� Các mơ hình helperCvmeasCuboid helperCtmeasCuboid mơ hình đo lường mơ tả cách cảm biến nhận biết trạng thái vận tốc không đổi tốc độ quay không đổi tương ứng chúng trả phép đo hộp giới hạn Vì trạng thái chứa thơng tin kích thước mục tiêu, mơ hình đo lường bao gồm ảnh hưởng độ lệch tâm điểm co lại hộp giới hạn, cảm biến cảm biến, hiệu ứng tự tắc [1] Hiệu ứng mô hệ số co ngót tỷ lệ thuận với khoảng cách từ xe theo dõi đến cảm biến Hình ảnh minh họa mơ hình đo hoạt động mẫu không gian trạng thái khác 75 Hình 3.11 Mơ hình đo lường cảm biến thể ba chiều khơng gian X, Y, Z Một trình theo dõi liên kết liệu xác suất chung (trackerJPDA) kết hợp với lọc IMM (trackingIMM) sử dụng để theo dõi đối tượng mô Bộ lọc IMM sử dụng mơ hình tốc độ không đổi tỷ lệ rẽ không đổi khởi tạo hàm hỗ trợ helperInitIMMFilter Cách tiếp cận IMM giúp theo dõi chuyển đổi mơ hình chuyển động đạt độ xác ước tính tốt kiện điều động chuyển đường Hình ảnh bên cho thấy hiệu việc trộn mơ hình vận tốc không đổi tốc độ quay không đổi giai đoạn dự đoán lọc IMM 76 Hình 3.12 Mơ theo dõi vận tốc đối tượng với lọc IMM Bộ lọc IMM cập nhật xác suất mơ hình sửa đổi với phát từ đối tượng Hình ảnh bên cho thấy quỹ đạo ước tính xe kiện chuyển xác suất ước tính tương ứng mơ hình Hình 3.13 Mơ ước lượng quỹ đạo xe chuyển 77 Hình 3.14 cho thấy mô thời gian = giây thời gian = 16 giây Lưu ý xe mơ T10 T6 trì ID quỹ đạo chúng khoảng thời gian Tuy nhiên, dấu vết T9 bị cảm biến xe bị trượt (không phát hiện) thời gian dài Ngồi ra, thấy đối tượng theo dõi trì hình dạng tâm động học chúng cách định vị điểm phát phần nhìn thấy xe Ví dụ: T7 di chuyển phía trước, phát hộp giới hạn bắt đầu rơi vào phần phía sau nhìn thấy theo dõi trì kích thước thực xe Điều minh họa hiệu ứng bù đắp co ngót mơ hình hóa chức đo lường Hình 3.14 Mơ hoạt động trì theo dõi đối tượng 3.3.4 Mơ hệ thống kết hợp radar lidar cảnh báo va chạm ô tô Phần mô sử dụng công cụ hỗ trợ thư viện Matlab R2021a như: − Automated Driving Toolbox: Thiết kế, mô thử nghiệm ADAS hệ thống lái xe tự động 78 − Lidar Toolbox: Thiết kế, phân tích thử nghiệm hệ thống xử lý lidar − Sensor Fusion and Tracking Toolbox: Thiết kế, mô thử nghiệm hệ thống định vị theo dõi đa cảm biến Về mơ hình hệ thống kết hợp cảm biến trình bày Hình 2.6 Kịch mô tạo cách sử dụng hàm tạo kịch lái xe drivingscenario (Automated Driving Toolbox) Dữ liệu từ cảm biến radar cảm biến lidar mô cách sử dụng hàm drivingRadarDataGenerator (Automated Driving Toolbox) hàm lidarPointCloudGenerator (Automated Driving Toolbox) Các cấu hình cảm biến liệu cảm biến mơ sau: − Xe ô tô gắn bốn cảm biến radar 2-D − Cảm biến radar phía trước phía sau có trường quan sát 45 độ − Cảm biến radar bên trái bên phải có trường quan sát 150 độ − Mỗi radar có độ phân giải góc phương vị độ tầm xa 2,5 mét − Ơ tơ gắn cảm biến lidar 3-D với trường nhìn 360 độ theo phương vị 40 độ độ cao − Lidar có độ phân giải 0,2 độ theo phương vị 1,25 độ độ cao (32 kênh độ cao) Hình 3.15: Cấu hình cảm biến liệu cảm biến 79 Kết thực nghiệm: − Time Step/bước thời gian − Theo dõi cảnh báo với phương tiện di chuyển đường F1, F2, F3, F4 Hình 3.16: Quá trình theo dõi cảnh báo va chạm Đánh giá định lượng hiệu hệ thống với thành phần mục tiêu bị bỏ lỡ giá trị cao chậm trễ trình thiết lập xuống khoảng 5-10 bước cho hệ thống theo dõi Ngoài ra, thành phần theo dõi sai tất hệ thống, điều cho thấy khơng có theo dõi sai xác nhận 80 (a) Đánh giá mục tiêu bị bỏ lỡ (b) Đánh giá theo dõi sai Hình 3.17: Đánh giá định lượng qua Missed Target False Track 81 Đánh giá độ xác cấp độ theo dõi hệ thống kết hợp cảm biến radar lidar bước thời gian Giá trị thấp cho thấy độ xác việc theo dõi tốt Vì khơng có mục tiêu bị bỏ lỡ theo dõi sai, nên số ghi lại lỗi cục ước tính trạng thái xe Hình 3.18: Đánh giá độ xác hệ thống kết hợp radar lidar Từ kết Hình 3.18 cho thấy ước lượng hệ thống kết hợp thấp so với hệ thống radar lidar, điều cho thấy độ xác đường tăng lên sau kết hợp ước lượng theo dõi từ cảm biến 3.4 Kết luận chương Chương trình bày mơ hình thuật toán phương pháp tiếp cận tổng hợp theo dõi, phát đối tượng với Lidar radar hiệu thời gian thực, kết hợp ưu điểm hai - ước tính vị trí xác khả dụng cao với Lidar ước tính vận tốc xác với radar Các thuật toán xác định vận tốc khoảng cách mô tả mô mơ hình kịch thiết lập để theo dõi phát với radar lidar, hệ thống kết hợp cảm biến Trong thực nghiệm, mơ điểm mạnh điểm yếu radar lidar xác định khoảng cách vận tốc đối tượng/vật cản Từ thấy, hệ 82 thống cảnh báo va chạm tối ưu cần kết hợp kiến trúc loại cảm biến với để tăng độ tin cậy, tính xác, hiệu hỗ trợ lái xe an toàn 83 KẾT LUẬN Đã gần 70 năm từ dây đai an toàn giới thiệu, với phát triển nhanh chóng cơng nghệ điện tử, việc điều khiển ô tô ngày trở nên dễ dàng an toàn nhiều Về lý thuyết, hệ thống an toàn chủ động nói chung hệ thống cảnh báo va chạm nói riêng hoạt động dựa sở thơng tin tín hiệu thu thập từ q trình vận hành xe điều kiện xung quanh Từ đó, hệ thống phát điều kiện nguy hiểm phát cảnh báo đến người lái hay chí can thiệp, hỗ trợ tình khó vừa đánh lái vừa phanh gấp Hệ thống cảnh báo va chạm đặt cảm biến radar/lidar phía trước xe, thường giấu bên lưới tản nhiệt Từ đây, chúng liên tục phát đợt sóng radar tần số cao Khi gặp chướng ngại vật, chúng dội ngược lại cảm biến Nhờ đó, xử lý trung tâm ECU xe tính tốn khoảng cách thời gian từ xe đến vật thể dựa tốc độ xe q trình điều khiển người lái Nói cách đơn giản, nhờ thông tin mà cảm biến radar/lidar gửi về, hệ thống nhận biết vị trí xe gần mình, khoảng cách vận tốc tương đối hai xe cách liên tục Và có thay đổi yếu tố dẫn đến nguy tai nạn, hệ thống phát cảnh báo hỗ trợ người lái tránh va chạm Kết đạt Luận văn tập trung nghiên cứu hệ thống radar, công nghệ lidar, lý thuyết cảm biến ứng dụng ngành công nghiệp ô tô phát triển Nó cung cấp nhìn tổng quan công nghệ cảm biến tiềm ứng dụng lĩnh vực đời sống, đặc biệt hỗ trợ lái xe an toàn Luận văn đạt số kết định sau: − Nghiên cứu lý thuyết hệ thống radar − Lý thuyết công nghệ lidar − Xu hướng thị trường ô tô radar lidar 84 − Đề xuất xây dựng mơ hình hệ thống radar cảnh báo va chạm ô tô − Nghiên cứu mơ hình thuật tốn xác định vận tốc khoảng cách với hệ thống radar cảnh báo va chạm tơ − Mơ tính hệ thống (phát đối tượng) minh họa cho kết lý thuyết Hướng phát triển Công việc tương lai tập trung vào việc tích hợp thêm radar điểm mù định hướng phía sau để thực hành vi chuyển an tồn xác Hơn nữa, hệ thống theo dõi cảnh báo va chạm kết hợp nhiều công nghệ cảm biến hướng phát triển nghiên cứu tương lai Do chủ đề tương đối Việt Nam, có nhiều hội để nghiên cứu phát triển thêm nhiều ứng dụng Rõ ràng, phương pháp chưa sẵn sàng để áp dụng vào thực tế nhiều yếu tố giá thành, độ tin cậy, kích thước phần cứng, Thêm vào đó, hầu hết phương pháp nhiều thời gian cho việc tính tốn, trở ngại lớn để sử dụng chúng ứng dụng thời gian thực Những phương pháp mở đầu cho hệ thống cảnh báo va chạm thực tế ứng dụng thực tế phức tạp đòi hỏi nhiều nghiên cứu để xử lí tốt tín hiệu chế tạo phần cứng radar loại cảm biến Tất bước xử lý tín hiệu bao gồm hiệu chuẩn, tiền xử lý, chuyển động, hình ảnh hiển thị tốt cho phần cứng hệ thống radar có khả tuyệt vời cho cải tiến tương lai Nó dự kiến phức tạp hơn, nhiều tính tốn với Big data, liên kết IoT tương lai để trở thành hệ thống ưu việt 85 TÀI LIỆU THAM KHẢO Tài liệu tiếng Anh [1] C Blanc, L Trassoudaine, Y L Guilloux, and R Moreira Track to track fusion method applied to road obstacle detection In IEEE International Conference on Information Fusion, 2004 [2] M Buehler, K Iagnemma, and S Singh Special issue: Special issue on the 2007 darpa urban challenge Journal of Field Robotics, 25(8):423 – 566, August 2008 [3] M Darms, P Rybski, and C Urmson An adaptive model switching ap-proach for a multisensor tracking system used for autonomous driving in an urban environment In AUTOREG 2008, Steuerung und Regelung von Fahrzeugen und Motoren: Fachtagung, pages 521–530, Duesseldorf, February 2008 VDI-Verlag [4] J Dickmann, F Diewald, M Maehlisch, J Klappstein, S Zuther, S Pietzsch, and S Hahn Environmental perception for future integrated safety systems, 2009 [5] J B Gao and C J Harris Some remarks on kalman filters and for the multisensor fusion In Information Fusion, volume 3, pages 191–202, 2002 [6] N Kaempchen and K Dietmayer Data synchronization strategies for multisensor fusion In Proceedings of the IEEE Conference on Intelligent Transportation Systems, 2003 [7] N Kaempchen, K C Fuerstenberg, A G Skibicki, and K C J Dietmayer Sensor fusion for multiple automotive active safety and comfort applications In J Valldorf and W Gessner, editors, Advanced Microsystems for Automotive Applications, volume 2, pages 137–163 Springer, 2004 [8] R Kalman A new approach to linear filtering and prediction problems Transactions of the ASME - Journal of Basic Engineering, 82:35–45, 1960 [9] B C Ooi Spatial kd-tree: A data structure for geographic database In BTW, pages 247–258, 1987 86 [10] B L Scala and A Farina Choosing track association method In Information Fusion, volume 3, pages 119–133, 2002 [11] M Skutek Ein PreCrash-System auf Basis multisensorieller Umgebungserfassung PhD thesis, TU Chemnitz, 2006 [12] X H Wang, W and M Wang Out-of-sequence measurement algorithm based on gaussian particle filter Inform Technol J., 9:942–948, 2010 [13] H Winner, S Hakuli, and G Wolf Handbuch Fahrassistenzsysteme Vieweg+Teubner and GWV Fachverlag GmbH, 2009 [14] B Yamauchi All-weather perception for man-portable robots using ultrawideband radar In In IEEE International Conference on Robotics and Automation (ICRA), 2010 Trang web tham khảo [15] https://www.electronicspecifier.com/products/sensors/what-is-driving-theautomotive-lidar-and-radar-market [16].https://www.researchgate.net/publication/220774374_RadarLidar_sensor_fusio n_for_car-following_on_highways [17] https://se.mathworks.com/help/driving/ug/model-radar-sensor-detections [18] https://www.mathworks.com/help/driving/ug/track-level-fusion-of-radar-andlidar-data.html 87 ... hệ thống M3 Đối tượng nghiên cứu Hệ thống radar cảnh báo va chạm cho ô tô M4 Phạm vi nghiên cứu − Nghiên cứu lý thuyết hệ thống radar cảnh báo va chạm ô tô; − Xây dựng mơ hình hệ thống radar cảnh. .. radar cảnh báo va chạm ô tô; M5 Phương pháp nhiệm vụ nghiên cứu − Tìm hiểu nghiên cứu lý thuyết hệ thống radar lĩnh vực radar ô tô cảnh báo va chạm; − Nghiên cứu xây dựng hệ thống radar ứng dụng... giúp cho việc lái xe ngày an toàn M2 Mục tiêu nghiên cứu − Nghiên cứu sở lý thuyết hệ thống radar cảnh báo va chạm ô tô; − Xây dựng mơ hình hệ thống radar cảnh báo va chạm tơ mơ kiểm chứng tính hệ