Vẽ biểu đồ sai số vị trí dọc và ngang của radar. Bằng cách phân tích các sai số vị trí được báo cáo cho từng xe máy, có thể xác định phạm vi mà radar không
còn có thể phân biệt hai xe máy là đối tượng duy nhất.
Hình 3.10: Sai số vị trí dọc và ngang của radar với các đối tượng có khoảng cách
gần nhau
Phát hiện được tạo ra từ phía sau và dọc theo bên trong của mỗi xe máy. Các sai số màu đỏ là từ xe máy bên trái, các sai số màu vàng là từ xe máy bên phải và
74
xe máy cách nhau 1,8 m theo phương dọc (một xe đi trước, một xe theo sau). Mỗi chiếc xe máy có chiều rộng 0,6 m và chiều dài 2,2 m. Hai xe chỉ cách nhau 1,2 m
theo phương ngang.
3.3.3. Mô phỏng phát hiện đối tượng với Lidar
Phần này tiến hành thực nghiệm theo dõi các phương tiện giao thông bằng cách sử dụng các phép đo từ một cảm biến lidar được gắn trên đầu của một chiếc xe
hơi. Cảm biến lidar báo cáo các phép đo dưới dạng một đám mây điểm. Dữ liệu
lidar được sử dụng trong thực nghiệm này được ghi lại từ một tình huống lái xe trên đường cao tốc. Trong thực nghiệm này sử dụng dữ liệu đã ghi để theo dõi các phương tiện bằng trình theo dõi liên kết dữ liệu xác suất chung (JPDA) và phương
pháp tiếp cận nhiều mô hình tương tác (IMM).
3.3.3.1. Mô hình bộ dò 3D với cảm biến lidar
Do khảnăng phân giải cao của cảm biến lidar, mỗi lần quét từ cảm biến chứa một sốlượng lớn các điểm, thường được gọi là đámmây điểm. Dữliệu thô này phải
được xửlý trước để trích xuất các đối tượng quan tâm, chẳng hạn như ô tô, người đi xe đạp và người đi bộ.
Phần mô phỏng này sử dụng các mô hình phát hiện hộp giới hạn và các chức
năng của Computer Vision Toolbox ™ (được hỗ trợ trong Matlab) được sử dụng để
thực hiện từng quy trình hoạt động trong hệ thống cảnh báo va chạm với lidar. Nó
cũng hiển thị các thuộc tính của lớp hỗ trợ điều khiển mỗi quá trình.
3.3.3.2. Trạng thái đối tượng và mô hình đo lường cảm biến
Bước đầu tiên trong việc theo dõi một đối tượng là xác định trạng thái của nó
và các mô hình xác định sự chuyển đổi trạng thái và phép đo tương ứng. Hai tập
phương trình này được gọi chung là mô hình không gian trạng thái của mục tiêu. Để lập mô hình trạng thái của các phương tiện để theo dõi bằng cách sử dụng lidar, mô
phỏng này sử dụng mô hình hình khối với quy ước sau: 𝑥𝑥 = [𝑥𝑥𝑐𝑐đ 𝜃𝜃𝑙𝑙𝑤𝑤ℎ]
75
xcđ biểu thị phần trạng thái điều khiển chuyển động của trung tâm chuyển động, và 𝜃𝜃là góc nghiêng. Chiều dài, chiều rộng, chiều cao của khối lập phương được mô
hình hóa dưới dạng hằng số, các ước tính của chúng phát triển theo thời gian trong các giai đoạn hiệu chỉnh của bộlọc.
Trong mô phỏng này sử dụng hai mô hình không gian-trạng thái: mô hình hình khối vận tốc không đổi (cv) và mô hình hình khối tốc độquay không đổi (ct). Các mô hình này khác nhau vềcách chúng xác định phần động học của trạng thái, như được mô tảdưới đây:
𝑥𝑥𝑐𝑐𝑐𝑐 = [𝑥𝑥𝑥𝑥̇𝑦𝑦𝑦𝑦̇𝑀𝑀𝑀𝑀̇𝜃𝜃𝑙𝑙𝑤𝑤ℎ]
𝑥𝑥𝑐𝑐𝑡𝑡 =�𝑥𝑥𝑥𝑥̇𝑦𝑦𝑦𝑦̇𝜃𝜃̇𝑀𝑀𝑀𝑀̇𝜃𝜃𝑙𝑙𝑤𝑤ℎ�
Các mô hình helperCvmeasCuboid và helperCtmeasCuboid mô hình đo lường mô tả cách cảm biến nhận biết các trạng thái vận tốc không đổi và tốc độ quay không đổi tương ứng và chúng trả về các phép đo hộp giới hạn. Vì trạng thái chứa thông tin vềkích thước của mục tiêu, mô hình đo lường bao gồm ảnh hưởng của độ lệch tâm điểm và sự co lại của hộp giới hạn, như được cảm biến bởi cảm biến, do các hiệu ứng như tự tắc [1]. Hiệu ứng này được mô phỏng bằng hệ số co
ngót tỷlệ thuận với khoảng cách từxe được theo dõi đến cảm biến.
Hình ảnh dưới đây minh họa mô hình đo hoạt động ở các mẫu không gian trạng thái khác nhau.
76
Hình 3.11. Mô hình đo lường cảm biến thể hiện trên ba chiều không gian X, Y, Z
Một trình theo dõi liên kết dữ liệu xác suất chung (trackerJPDA) được kết hợp với một bộ lọc IMM (trackingIMM) được sử dụng để theo dõi các đối tượng
trong mô phỏng này. Bộ lọc IMM sử dụng mô hình tốc độ không đổi và tỷ lệ rẽ không đổi và được khởi tạo bằng hàm hỗ trợ helperInitIMMFilter. Cách tiếp cận
IMM giúp các theo dõi chuyển đổi giữa các mô hình chuyển động và do đó đạt
được độ chính xác ước tính tốt trong các sự kiện như điều động hoặc chuyển làn đường. Hình ảnh bên dưới cho thấy hiệu quả của việc trộn mô hình vận tốc không
77
Hình 3.12. Mô phỏng theo dõi vận tốc đối tượng với bộ lọc IMM
Bộlọc IMM cập nhật xác suất của từng mô hình khi nó được sửa đổi với các phát hiện từ đối tượng. Hình ảnh bên dưới cho thấy quỹ đạo ước tính của xe trong
sự kiện chuyển làn và xác suất ước tính tương ứng của từng mô hình.