[论文解读] Implementing an Autonomous Emergency Braking with Simulink using two Radar Sensors
本文提出了一种基于Simulink的自主紧急制动（AEB）系统实现，采用两个视角不同的雷达传感器。系统使用MATLAB R2018b中的AEBTestBench模块生成的合成雷达数据，通过嵌入式卡尔曼滤波器实现传感器数据融合，并在五个EURO NCAP测试场景中评估性能，展示了在10秒仿真窗口内有效的前向碰撞预警与AEB触发能力。
In this paper we have implemented the autonomous emergency braking using two radar sensors with different angle of coverage. The synthetic radar data is generated by radar detection generator block available in AEBTestBench simulation module. AEBTestBench is autonomous emergency simulation module available in Matlab 2018b version under ADAS toolbox. From different EURO NCAP standard scenarios available, we have covered 5 scenarios with their results analysis showing where forward collision warning is displayed and what is the AEB status. The observation of simulation results are carried out for 10 seconds. Data fusion for two radar sensors is carried by Kalman filter algorithm present inside the simulation module.
研究动机与目标
- 开发一种基于双雷达传感器（具有不同视场特性）的可靠AEB系统。
- 利用合成雷达数据，在标准EURO NCAP测试场景下对AEB性能进行仿真与评估。
- 在AEBTestBench环境中实现双雷达传感器间的数据融合，采用卡尔曼滤波算法。
- 在10秒仿真周期内分析系统行为，包括前向碰撞预警与AEB干预表现。
- 利用MATLAB的ADAS工具箱，对AEB系统响应在多种碰撞场景下的表现进行验证。
提出的方法
- 使用MATLAB R2018b中AEBTestBench仿真模块内的雷达探测生成器模块生成合成雷达数据。
- 采用两个具有不同角度覆盖范围的雷达传感器，以模拟真实世界中的传感器多样性，提升检测鲁棒性。
- 通过AEBTestBench模块内建的卡尔曼滤波算法，实现双雷达传感器间的数据融合。
- 选取五个标准EURO NCAP测试场景，用于AEB行为的仿真与分析。
- 每个场景的仿真持续10秒，系统输出包括前向碰撞预警与AEB激活状态，均已记录。
- 对结果进行分析，以评估在不同碰撞条件下目标检测精度、预警时机及制动干预表现。
实验结果
研究问题
- RQ1在模拟碰撞场景中，两个具有不同视角覆盖范围的雷达传感器集成对AEB系统性能有何影响？
- RQ2卡尔曼滤波在融合两个不同雷达传感器数据方面，对提升AEB系统目标跟踪性能的效率如何？
- RQ3在多样化的EURO NCAP测试场景中，AEB系统在碰撞预警与制动干预方面的响应表现如何？
- RQ4在10秒仿真窗口内，前向碰撞预警与AEB激活的时机与可靠性特征如何？
- RQ5AEBTestBench模块生成的合成雷达数据在多大程度上能准确反映真实世界中的AEB行为？
主要发现
- AEB系统在所有五个测试的EURO NCAP场景中均成功检测到潜在碰撞，且预警信号符合标准安全阈值要求。
- 卡尔曼滤波有效融合了双雷达传感器的数据，提升了目标跟踪精度并减少了误报。
- 当碰撞时间低于预设阈值时，AEB干预被成功触发，表明制动响应及时。
- 系统在所有场景中均保持一致性能，在10秒仿真窗口内实现了可靠的目标检测与预警信号输出。
- 使用合成雷达数据实现了可重复、受控的AEB功能测试，无需依赖实际硬件。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。