摘 要

多传感器数据融合作为近年来的一门新兴技术，主要是针对利用多种不同类型不同来源信号源方面以获得更加精确稳定的结论或者数据的研究。随着仪器技术的发展与丰富，仅仅单个传感器无法有效的应对各种环境，随之利用多传感器的数据融合技术能够有效避免缺陷。而在汽车更加智能化、层次化的当下，系统获取的信息也更加多样丰富，同时对控制系统的要求也更高。

论文主要研究了数据融合常用算法，并对国内外的数据融合算法的大致分类做简单的介绍，主要针对车载系统常备的行人检测和辅助泊车系统，详细深入多传感器数据融合的常用算法，分析比较不同算法的优缺点，参考随机类数据融合算法如加权平均法和卡尔曼滤波法进行设计并部分应用于车载控制系统的控制。提出了车载控制系统包括行人避障、紧急制动、辅助泊车部分的设计方案及流程，此外验证了卡尔曼滤波对于多传感器信号处理的作用。

关键词：数据融合；车载控制系统；多传感器；加权平均法；卡尔曼滤波

Abstract

As a new technology in recent years, multi-sensor data fusion is mainly aimed at using different types of different sources to obtain more accurate and stable conclusions or data. With the development and enrichment of instrument technology, only a single sensor can not effectively deal with various environments, and then using multi-sensor data fusion technology can effectively avoid defects. At the time when the car is more intelligent and hierarchical, the information obtained by the system is more diverse and rich, and the requirements for the control system are also higher.

This paper mainly studies the common algorithms of data fusion, and makes a brief introduction to the general classification of data fusion algorithms at home and abroad. It mainly focuses on the pedestrian detection and auxiliary parking system of the vehicle system, goes deep into the common algorithms of multi-sensor data fusion in detail, analyzes and compares the advantages and disadvantages of different algorithms, and references the random data fusion algorithms such as weighted average method and Kalman filter The wave method is designed and applied to the control of vehicle control system. The design scheme and process of vehicle control system including pedestrian avoidance, emergency braking and auxiliary parking are proposed. In addition, the effect of Kalman filter on multi-sensor signal processing is verified.

Key Words：Data fusion；Vehicle control systems；Multisensor；Weighted average method ；Kalman filtering

目录

第1章 绪论 1

1.1 数据融合技术发展现状 1

1.2 多传感器数据融合研究方向 1

1.3 研究内容章节安排 2

第2章 多传感器数据融合的车载控制系统系统设计 3

2.1 传感器融合的分割 3

2.2 车载控制系统的组成 3

2.3 直流电机PID控制原理 4

2.3.1 PID控制验证 6

2.4 本章小结 9

第3章 系统传感器选择 10

3.1 自动化变速控制系统系统 10

3.1.1 微波运动传感器 10

3.1.2 热释电传感器 11

3.2泊车辅助系统 13

3.2.1 OV7670摄像头 13

3.2.2超声波模块 13

第4章 多传感器数据融合算法 15

4.1加权平均法 15

4.2卡尔曼滤波 16

4.2.1卡尔曼滤波基本原理 16

4.2.2卡尔曼滤波性能指标 19

4.3模糊控制 20

4.4本章小结 20

第5章 车载控制系统设计 21

5.1 自动化变速控制系统系统各传感器融合 21

5.2 辅助泊车系统各传感器融合 22

第6章 结论 24

致谢 25

参考文献 26

1. 绪论

随着人们对于智能化产品的功能、精度要求越来越高，这也使得传感器、控制要求、统一标准方面等都在不断更新丰富。而车载控制系统更是自动控制技术、传感器技术、嵌入式技术、数据传输技术等的综合应用。对于本文的重点主要是传感器和算法方面，一个车载控制系统主要包括三个部分：传感器、电子控制单元和执行机构。其中电子控制单元（ECU）是系统的核心，那么传感器就是建立一个系统的基础，其作用就相当于人都眼手鼻，但是有信号就有噪声有干扰，不可能完全屏蔽，相应的不同的传感器也具有不同的适应范围，而多传感器数据融合就是对多层次多方面的数据进行分析综合支配，获得被测量的一致性结果。

近年来，多传感器数据融合技术在各方面应用广泛，除了研究更高性能的传感器，发展新型的计算方法，数据融合也是调高系统可靠性和鲁棒性行之有效的方法，并且能够充分扩大时间和空间的广度，提高系统对于环境的适应能力，有效的针对冗余信息增大计算维度，使得获得信息更加准确，是针对多个传感器这一特定方向进行数据处理的研究。

• 1. 数据融合技术发展现状

无论是智能汽车的研发还是多传感器数据融合算法的发展，国外都要领先于国内。最初的智能汽车的原型车由美国的卡内基梅隆大学研发，之后的智能车便以此为基础发展改善方案。70年代之初，控制系统多采用的是单传感器获取信息，而近年来随着硬件技术的发展，传感器的种类还是精度都得到了十足的发展，一方面也限制了稳定性和精确度的进一步提高，而数据融合能够提高估计精度，已经广泛应用于自动驾驶系统、机器人系统、医疗器械等。

数据融合发展时间较短，没有形成完整的数据融合体系，目前算法的发展最大的难点在于多数据源关联二义性，^[5]必须对观测的同一目标获取的数据得到一致性结论。数据融合目前尚处在初级阶段，只是对数据进行简单的合成，而无法有效利用冗余信息，并且还没有建立广义融合模型和数据算法理论等。

• 1. 多传感器数据融合研究方向

（1）建立统一的整合理论、系统的数据融合的体系结构并建立有效的广义融合模型；
（2）综合多学科充分利用数据的冗余信息，得出更接近测量值一致性的结论；
（3）人工智能技术具有良好的可理解性和柔性，利用集成的计算智能方法，即将多智能算法复合使用，达到提高多传感融合的性能的目的；
（4）建立兼具稳定性和准确性的数学模型，数据融合本质上仍是属于参数估计的范畴，是一个无限接近真值的发展过程；
（5）除了研究新型算法，发展数据融合的数据库也是十分必要的，但是数据量庞大也是其中的难点，需要建立空间数据库的处理办法和机制；
（6）建立有效的推理平台和多传感器管理系统；
（7）将多传感器数据融合融入现有的控制系统中，扩大数据融合的应用范围，推动算法发展及平台构筑。

• 1. 研究内容章节安排

第一章大致介绍了智能车国内外发展现状、多传感器数据融合的发展及大致框架，分析了当前发展趋势和研究方向。第二章笼统的说明本文的设计思路，方法预案，列出一些方案分析其可行性，以这些方案为中心对比不同算法的优劣。第三章基于系统控制要求设计硬件系统，详细介绍系统所需传感器的原理和方法。第四章详细介绍传感器数据处理中随机类算法中的加权平均法及卡尔曼滤波法，证明卡尔曼滤波算法在多传感器数据融合对动态噪声处理的效果。第五章展示自动化变速控制系统和辅助泊车系统的具体融合措施。

1. 多传感器数据融合的车载控制系统系统设计

2.1 传感器融合的分割