2636 IEEE SENSORS JOURNAL, VOL. 11, NO. 11, NOVEMBER 2011

Combined Capacitive and Ultrasonic Distance

Measurement for Automotive Applications

Thomas Schlegl, Thomas Bretterklieber, Member, IEEE, Markus Neumayer, and Hubert Zangl, Member, IEEE

Abstract—This work presents a sensor fusion concept based on capacitive and ultrasonic techniques for distance measurement in automotive applications. Although ultrasonic sensors are a well accepted technology for distance sensing applications, they reveal drawbacks in the immediate vicinity of a vehicle. Capacitive sen-sors are suited for distance measurements of up to 0.3 m and may also provide information about the approaching object itself. The measurement range of the proposed fusion concept reaches up to 2 m whereby blind spots are avoided and means for object classifi-cation are provided. The feasibility of the approach and its robust-ness against environmental influences are demonstrated by means of experimental investigations.

Index Terms—Automotive sensors, capacitive sensing, object de-tection, sensor fusion, ultrasonic (US).

I. INTRODUCTION

_F OR PROSPECTIVE parking aid and pedestrian safety applications, the Electronic Control Unit (ECU) requires accurate information about class and position of an approaching object. Based on this information, the ECU may trigger several safety measures in case of an accident. Efforts have been reported for sensing vehicle surroundings with different vis-ible, nonvisible (infrared) light and time-of-flight (e.g., Radar scanner) sensors [1]. Imaging sensors provide a perspective view of the scene with high angular resolution but low distance resolution. In addition, complex signal processing methods in order to extract relevant information are required. On the other side, time-of-flight sensors provide accurate information about the distance to an object but do not provide information about material properties of the object [1]. According to [2], Ultrasonic (US) sensors exhibit a dead zone directly in front of the sensor plane. In this dead zone, accurate measurements cannot be taken with reasonable efforts (higher hardware com-plexity, etc.). In comparison to US sensors, capacitive sensing technology offers the advantage of a volumetric measurement principle which can be used also for short distance sensing [3]. This technique allows for both, detection and classification of

Manuscript received February 02, 2011; revised March 28, 2011; accepted April 25, 2011. Date of publication May 16, 2011; date of current version Oc-tober 19, 2011. This work was supported in part by the Austrian Science Fund under Grant P21855. This is an expanded paper from the IEEE SENSORS 2010 Conference and published in its proceedings. The associate editor coordinating the review of this paper and approving it for publication was Dr. Thomas Kenny.

The authors are with the Institute of Electrical Measurement and Mea-surement Signal Processing, Graz University of Technology, 8010 Graz, Austria (e-mail: thomas.schlegl@tugraz.at; thomas.bretterklieber@tugraz.at; markus.neumayer@tugraz.at; hubert.zangl@tugraz.at).

Color versions of one or more of the figures in this paper are available online at http://ieeexplore.ieee.org.

Digital Object Identifier 10.1109/JSEN.2011.2155056

Fig. 1. Measurement system comprising capacitive sensors and an US sensor array. The US sensor array and the ECU are taken from a commercially available parking assist system.

objects [4]. Combined with US sensors, this can be exploited to design an improved distance measurement system, which provides the possibility to classify the object. The feasibility of such an approach was presented in [5].

In the following sections, we propose a distance measurement system based on a capacitive and an US sensing principle. For the sensor fusion, two Kalman filter approaches are proposed to estimate the distance to an unknown approaching object.

II. EXPERIMENTAL SETUP AND MEASUREMENT RESULTS

Fig. 1 shows the relevant components of the measurement system. It basically comprises a host computer to analyze the measurement data and to control the sensor devices. The capaci-tive measurement unit (based on an Analog Devices IC AD7143 [6]) is connected to a microcontroller board and the electrodes. The US sensors are controlled by means of an ECU, which es-tablishes the connection to the host computer. The US sensors and the ECU are taken from a commercially available US-based parking assist system.

A. Ultrasonic Measurements for Approaching Objects

Typical measurement results for approaching objects are shown in Fig. 2. The US distance measurements are mainly influenced by the surface of an approaching object and less affected by the material of the object. Thus, as can be seen in Fig. 2, measurements for a plastic tube with different content (air, stones, or water) are nearly the same. Also, a trailer with a

1530-437X/$26.00 copy; 2011 IEEE

SCHLEGL et al.: COMBINED CAPACITIVE AND ULTRASONIC DISTANCE MEASUREMENT FOR AUTOMOTIVE APPLICATIONS

2637

Fig. 2. US measurements for different approaching objects. The sensitive re-gion is marked by (I). Due to the dead zone of the US sensor, no reliable distance measurements can be taken for distances (region II).

Fig. 4. Relative change of capacitances and for an approaching human.

Fig. 3. Sketch of a planar multi electrode layout used for distance measure-ment. The capacitances to between the receiver electrodes to and a common transmitter electrode are determined by means of a capacitance to digital converter.

metallic surface provides similar measurement results. Below a distance of

剩余内容已隐藏，支付完成后下载完整资料

---

结合电容和超声波的距离测量的汽车应用

摘要:在汽车应用中研制了一种基于电容传感器和超声波传感器融合的概念用于测量距离。尽管超声波传感器测距技术在距离传感应用中被广泛接受,但是它们在近距离的车辆应用方面表现出了缺点。电容传感器的合适测量距离高达0.3米,还可以提供正在接近对象本身的物体的信息。所提出的融合概念的测量范围达到2米,同时可以避免盲点和提供对象分类的方法。方法的可行性和它的稳定性及其对环境的影响都通过实验调查的方法得到了演示。

关键词：汽车传感器、电容式感应、对象检测、传感器融合、超声波

1 引言

对未来停车援助和行人安全应用而言,电子控制单元(ECU)需要获得一个正在接近的物体的位置和分类的准确信息。基于这些信息,ECU可能采取一些安全措施,以防事故发生。已经做出了努力感应车辆周围不同的可见物,不可见物如红外光和飞行时间以及雷达扫描仪等传感器。成像传感器所提供一个场景的透视图分辨率高但是距离分辨率较低。此外,为了提取相关信息，复杂的信号处理方法是必需的。另一方面,飞行时间传感器提供到一个对象的距离的准确信息,但不提供对象的材料属性信息。超声波传感器在测量传感器前面的飞机时候具有死区。在这个死区,更多的努力也不能获得更精确的信息(需要更复杂的硬件等等)。相比超声波的传感器、电容传感技术提供了利用体积测量原理这一优点，可用于近距离感应，这种技术允许对象的检测和分类。

图1 测量系统组成的电容传感器阵列，传感器阵列和ECU取自一个商用停车辅助系统

结合超声波传感器,可以利用这个来设计一种改进的距离测量系统,它提供了对对象进行分类的可能，同时给出了这种方法的可行性。

在下面几节中,超声波提出一个基于电容和超声波传感原理的距离测量系统。对这一传感器的融合,提出了两种卡尔曼滤波的方法来估计未知接近物体的距离。

2 实验装置和测量结果

图1显示了测量系统的相关组件。它基本上由一个分析测量数据的主机和控制传感器设备的主机组成。电容测量单元(基于模拟设备IC AD7143)被连接到一个单片机板和电源。超声波传感器通过一个ECU进行控制,它建立了与主机的联系。超声波传感器和ECU取自商用超声波停车辅助系统。

A 超声波测量接近对象

图2 超声波对不同的接近对象测量，标记出了敏感地区(I)。由于超声波传感器的死区,没有可靠的测量方法测量距离(II)。

典型的测量结果接近对象图2所示。超声波距离测量主要是受到接近物体的表面的影响，同时也受到物体材料的较小的影响。因此,如图2所示,测量塑料管与不同的物体(空气、石头或水)所得的结果几乎是相同的。另外,有金属表面的拖车提供了类似的测量结果。低于0.2米的距离,没有可靠的超声波测量方法可以用于商业系统(比较图2中的地区II)。虽然可以测量较短的距离,相关的问题(有限孔径角,窄带系统的多次反射的抑制,声阻抗匹配等)使得目前在没有最近的保险杠的盲点条件下，在商业方面获得高空间覆盖率是不可行的。此外,超声波系统不能提供关于对象的信息当他们只能识别反射表面的存在时。

B 基于电容的距离测量

图3所示。用于距离比重的多电极布局草图平面，功放和接收器电极之间的一个共发射器电极的电容数字转换器。

为了确定一对电极之间的电容,使用了一个集成在模拟设备ICAD7143上的250 kHz的电容数字转换器。为了得到一个正在靠近的对象的明确距离信息,必须使用多极配置。图3中描述了一个这样的平面电极配置。由于接收电极（R1到R4）和普通发射电极（T）之间的距离不同,对于不同的物体，就能够获得不同的电容痕迹。测量电极能够被铜盘检测到,这一铜盘的厚度为100微米,宽度为60毫米,长度为30毫米。两个电极之间的间距为50 mm。

对于一个正在靠近的人(1.85米高,80公斤的体重)，测量的高度0.5米，图4显示了C1和C2的的相对变化,屏蔽模式和耦合模式的改变发生在大约0.04米的距离。

与电容测量原则有关的一个问题分别是C1和C2的变化趋势的零碎信息。虽然总的趋势是已知的,可以用数学公式表示,其中表示到遥感飞机的距离,这是一个所有被测量的对象需要运用在以后的融合算法的必要参数。当基于仿真的目的不可使用时,函数必须通过使用测量数据进行运算来得到一个近似结果。图5给出了这一过程的一个示例。在这种情况下,测量的点之间的趋势是由一个使用邻近测量点得到的线性函数表示。尽管这个查表的方法很有吸引力当在汽车里使用ECU时,对于查表，他们的CPU 体系结构进行了优化,但是因为测试数据的噪音(嘈杂的插值)，线性插值是不合适的。因此,不得不使用更高的插值方案。熟知的方法有多项式插入,样条方法,或其他近似方案,如径向基函数。尤其是多项式方法似乎是一个更有吸引力的方法,通过导数的运算可以做一个多项式的计算较低的等级。然而,随着测量的数量太少以至于不能提供一个适当的拟合多项式,这种方法不被使用。下面有两个更合适的插值方法。

1. 插值样条函数

图6显示了通过带有样条插值函数的电容传感器所得到的测量插值点。两个对象(一个人类和一个空的管)正在靠近。特别是对于短距离和高电容的变化,带有样条函数的插值的结果有很大的不同在某些区域的函数值与测量点之间。在第三部分可以看到,这个缺点会导致错误的距离估计。

1. 回归与高斯过程

另一个可选择的方法是高斯过程回归模型。这种方法假定一个高斯分布形式：

其中表示收集样本，表示输入数据。是输入是输出预测。矩阵本质上是协方差函数。鉴于这种结构,可以被计算：

进而，的协方差可以被计算：

因此,这种方法提供了预测可靠性的信息,在很少的测量点下也是合适的。在噪声测量数据的情况下,测量噪声的协方差矩阵必须添加到。对于这项工作电容测量,这是一个对角矩阵，其主对角线有,假设不同位置的噪音是不相关的。关键部分是选择一个适当的协方差函数。在这里,我们使用指数的协方差矩阵：

其中我们由最小二乘法得到参数。当协方差函数不变时,协方差矩阵是对称的,因此有这样可以减少计算机的工作量。

1. 在图6和第三部分中可以看出,,这种方法会得到更好的结果对于不同的靠近对象。采用这种评估,能够得到每个插值点的标准偏差(图6中的阴影区域),并且用于以后的距离估计。

3 传感器融合的概念

传感器融合提出这样的概念，即结合几个取自相同的距离的几个测量值,这样结合的结果是比单一度量值要更好。对于被提出的系统,为了去使用两种传感系统的优点并且减少它们的缺点，将电容传感器的属性(短距离范围的高灵敏度测量)和超声波传感器（测量长距离能力)进行了结合。在本节中,对于不同距离与对象的估计算法，提出来基于卡尔曼滤波器的两种融合方法并且讨论了测量结果。

A 采用贝叶斯风险决策的扩展卡尔曼滤波器

当试图去测量在传感器前面移动物体的距离时,需要进行状态向量的识别,其中表示到物体的距离,表示物体的速度。卡尔曼滤波器适合融合概念,特别是用于动态系统的状态估计。状态空间能够被写成：

（5）

以及测量模型：

（6）

等式(5)描述移动物体在第k步时的的动态行为(状态向量),表示采样周期。因此,(5)中的矩阵称为系统矩阵并且用表示。方程(6)表示了在第k步时的测量向量。当超声波测量系统提供出距离的直接信息时,就会给出对于第一项测量向量的线性关系。然而,从图4可以看出,和是的非线性的函数。

因此,扩展卡尔曼滤波器(EKF)是用来估计状态向量。假设过程噪音是不变的。对于超声波传感器,当距离在20厘米以下时，会出现更高的测量噪声,因此在这些距离，卡尔曼滤波器会自动加强电容测量。

为了研究融合概念,模拟了一个停车场景(见图7)。采用样条插值函数内插不同靠近对象的电容痕迹并且存储在一个数据库(图6所示为两个物体移动时接收电极的变化)。可以看到,插值结果和测量结果之间的差异是很小,除了小距离(lt;0.05m)。

基于这些数据,使用一个扩展的卡尔曼滤波器结合两传感器的距离测量通过以下步骤。

1. 卡尔曼滤波器参数进行初始化。
2. 对于每一个时间步长k:

A.计算测量值

B.确定预测：

C.对当前状态确定最可能的测量函数，然后用探测器进行描述。

D.预测向量的线性化

其中和分别为和测量函数的斜率。

E.对于预测状态向量，计算测量向量

其中是预测状态向量的第一个元素。

F.计算扩展卡尔曼滤波器的新等式

G.如果预测距离，将其设为0，因为在实际生活中，不可能为负值。

综上所述,当接近传感器平面(图5进行了比较)，每一个对象类会导致特定测量轨迹。对于一个对象类中有代表性的物体,在靠近传感器时的电容的痕迹被记录并且存储。然而,在实际应用中,一个靠近物体的测量跟踪不不会精确匹配跟踪录制的信号轨迹。因此,如果一个物体正在靠近时,卡尔曼滤波器需要一个决定(基于测量结果),应该选择所存储的哪一类的轨迹（靠近函数和）去预测正在靠近物体的测量趋势。因为卡尔曼滤波器依赖于测量和测量轨迹，所以这个决定是很有必要的。采用测量轨迹(确定为哪一类),它提供了最接近实际测量值的电容值(一定程度上是最临近的对象分类)似乎是显而易见的,但不是最安全的决定。例如,与真实测量值相比，带有一个更大或更小电容的测量轨迹将会得出一个比真实距离更大或更小的距离。因此,出于安全原因,我们应该考虑采取这样的测量轨迹，它提供了一个更加接近带有保险杠的距离值而不是接近真正的距离值(图8中进行了比较)。否则,在接触估计之前，将会产生带有保险杆的接触。

在这一工作中,上面描述的决定对象的分类(确定测量轨迹)是由贝叶斯风险决策来做出的,它为每一种决定都分配代价：

其中和表示测量轨迹,分别传达出一个更近或者更远的距离，并且和分别表示做出和的决定的代价。决定阈值代表在安全决定（对象类别传达出一个更近的距离）和错误决定（由于选择了一个不能最好匹配测量结果的对象类别，导致平均距离更高）之间的权衡。

B 采用最大似然决定的卡尔曼滤波

可以对系统5采用一个不同的状态估计方法,即用下面的式子取代(6)的测量向量：

其中表示一种最大似然估计的距离,它能够根据电容数据和测量痕迹来获得。使用这种方法使系统本身变成一个线性系统。最大似然估计如下。定义一个误差向量：

最大似然估计通过测量和来计算：

其中表示电容的测量噪声的协方差矩阵。通过应用(12)的测量函数,可以确定对象的分类,如正确对象分类的似然函数的值最高。此外,也可以估算出方差,，它通过高斯分布表示出了的不确定性。

滤波操作方法如下：

（1）初始化卡尔曼滤波参数。

（2）对于每一个时间步长k:

1. 测量，和的值

B.得到预测值：

以及它的协方差：

其中表示过程噪声的协方差矩阵

C.根据和计算的最大似然估计并且确定对象分类和协方差

D.设置测量噪声的协方差矩阵

并且用标准卡尔曼滤波进行处理

G.如果预测距离，将其设为0，因为在实际生活中，不可能为负值。

C.结果

所提出的算法（在第三部分A篇和B篇进行描述）已经通过仿真进行了分析。在以上两种算法中，都将一个人作为正在靠近的物体。图7中展示了超声波和电容传感器测量的结果。仿真一个真实的情况，对于已经从所存储的轨迹中删除的人类的轨迹，证明两种算法的鲁棒性，因此，这一算法不得不选择另一个（错误的）测量轨迹（分析测试），另外，两种方法的测量结果应该相互比较。

对于扩展卡尔曼滤波器，从图9中可以看出，在对象的栅栏和基石之间的探测开关的适用距离大约为0.04米到0.2米。对于0.04米以下的距离，适用对象分类的栅栏。从图5中可以看出，当对于栅栏的信号与一个人类的信号相似时，这是好的决定。如果一个人进入到小于0.04米的范围（测量值与所选择的对象类别的值差别最大），扩展卡尔曼滤波器得出一个比真实距离更近的距离。因此，探测器是必要的并且扩展卡尔曼滤波器提供了预期的估算值。

然而，在特定情况下，当物体在远离的时候估算的距离会变小甚至不变（从图9 中第二次远离的时候可以看出），原因在于和所提供的模糊的距离信息，我们假设一个正在靠近的人停在0.02-0.03米左右的距离。如果物体开始再次移动的时候（靠近或者远离），预估器会得到一个被认为更近或者更远距离的电容值（由于信息的模糊）。当有一个来自第二个接受电极（梯度小）的微弱信号时，扩展卡尔曼滤波器可能会预估出一个错误的方向，这就导致滤波器得到了一个错误的预估距离，在图9 和图11中可以观察到结果。

当使用带有最大似然估计的卡尔曼滤波时，一个错误的距离估计没有发生。从图10和图11中可以看到，即使与靠近对象相对应的测量轨迹从数据库中删除时，无论是靠进还是与那里模仿，距离估计仍然工作的很好并且很稳定。lt;

剩余内容已隐藏，支付完成后下载完整资料

---

资料编号：[147378]，资料为PDF文档或Word文档，PDF文档可免费转换为Word