用于撞击时间和撞击速度的预测的方法和系统

摘要

提供一种包括至少一个传感器的碰撞检测系统。该传感器的数据输入至递归滤波器，该递归滤波器选择性地使用该输入以预测目标物体相对于本车的运动。该递归滤波器持续使用来自该传感器的数据直到该目标物体在本车的临界距离内。在该临界距离内，该传感器不能可靠地提供精确的数据。因此，当该目标物体在该临界距离内时，该递归滤波器从运动估测中忽略该传感器数据，这导致在目标运动预测中的显著改进。

说明书

技术领域

本公开大体上涉及在车辆碰撞检测系统中的改进的撞击时间和撞击速度的预测。

背景技术

在使车辆更安全的持续的努力中，更多的汽车制造商开始在他们的车辆中集成碰撞检测系统。碰撞检测系统通常包括物体追踪系统(object tracking system)，该物体追踪系统接收来自安装在本车(host vehicle)上的传感器的输入。这些传感器通常检测在本车附近的物体。该物体追踪系统使用来自这些传感器的信息以确定该目标物体的轨迹。该目标物体的轨迹通常包括如该目标物体相对于本车的位置，速度和加速度的信息。尽管碰撞检测系统只能使用单一的传感器，但该系统通常包括多个传感器共同运行以更精确地定位和追踪目标物体。该物体追踪系统使用由这些传感器提供的信息执行计算以确定关于该目标物体相对运动的信息。

该碰撞检测系统使用的测距传感器通常包括短程，中程和远程传感器的组合。远程和中程传感器通常包括雷达系统和视觉系统，其可识别关于距物体的距离的信息，以及物体的尺寸和形状的信息，虽然该物体距本车还有相对远的距离。远程传感器还可以是LIDAR(光强化检测和测距)或LADAR(光放大检测和测距)传感器。这些传感器提供目标物体的预先报警，允许随着本车接近追踪该物体。短程传感器通常用于在紧邻本车的范围内提供关于物体的更精确的数据，以允许在碰撞前提供可能的最精确的读数。短程传感器通常以比远程传感器高的频率工作，允许从其提供的信息可以更频繁地更新。一种常规短程传感器是LIDAR(光检测和测距)传感器。LIDAR系统使用激光来提供精确的，高频信号来识别近距离的物体。

为了提供最佳视野，并由此从该短程传感器获得最佳效果，因此希望将该传感器安装在该车辆上最高的实用点处。在实践中，这通常致使该短程传感器安装在挡风玻璃后面靠近车顶线，安置成稍向下的角度。在挡风玻璃后面安装该传感器不仅保护该传感器，而且通过使用挡风玻璃刮水器该传感器的视野可保持清晰。当光束路径覆盖本车前的宽的垂直范围(spectrum)时，该光束路径的向下的角度是有用的。即，即使物体非常接近地面，该光束也能检测到这些物体。此外，来自该短程传感器的光束很可能在最接近本车的点上接触目标，以向该传感器提供精确的距离信息。远程传感器，尤其是LIDAR或视觉传感器，有时也安装在挡风玻璃后面以保护该传感器并且通过使用挡风玻璃刮水器保持视野清晰。

该物体追踪系统使用由这些传感器提供的信息以显现出该目标物体的相对运动的精确图像。物体追踪系统通常使用递归滤波器(recursive filter)以显示和优化该目标物体的运动的估测。常用在汽车应用中的一种递归滤波器是卡尔曼滤波器(KaLman Filter)。使用如卡尔曼滤波器这样的递归滤波器的优点在于，该滤波器能够根据例如由这些传感器提供的噪声输入数据来提供特性的精确估测。该滤波器显示出所需的一个或多个特性，如位置，速度，加速度等的初始估测，然后将该估测与随后的传感器读数对比。这些特性被称为状态。然后根据由随后的传感器读数增加的数学估测优化该估测以生成更精确的估测。这个循环利用每个随后的传感器读数继续以持续地更新状态估测。因此，只要该传感器向该滤波器提供精确的信息，该估测将持续改进。当多个传感器是可用的时，多个传感器读数可用以改进估测。然而，当近距离目标被短程传感器和远程传感器两者检测到时，来自该短程传感器的读数将支配由该递归滤波器所执行的计算，因为来自该短程传感器的读数可能更精确，并且更新更频繁。

基于估测的物体的相对运动，该碰撞检测系统可估测是否可能在本车和物体之间发生碰撞。如果很可能发生这样的碰撞，该系统可估测这种碰撞什么时候发生(“撞击时间”)，以及该车辆在那个时间的相对速度(“撞击速度”)。碰撞检测系统可使用这个信息来准备和激活车辆内的安全装置，如座椅安全带预紧器(pretensioner)和安全气囊，以帮助确保车辆乘员的安全。

尽管上述方法导致在防碰撞系统中持续改进的性能，但仍有难题并且另外的改进是可能的。在现有系统中的递归滤波器使用短程传感器的读数持续更新运动特性的估测，直到碰撞实际发生。尽管这可能看起来像最理想的情况，允许物体的最精确的追踪，但并不一直是这种情况。该递归滤波器的随后的估测的精度受限于从这些传感器接收到的信息的质量。尽管传感器可在非常邻近本车的区域内提供精确的信息，但是目标物体的几何形状实际上会导致在即将碰撞前的时刻错误的读数(即，具有非高斯(non-Gaussian)错误)。

如前所述，短程传感器和某些远程传感器通常安装在挡风玻璃的后上方，设为向下的角度。假设该传感器是短程LIDAR传感器，该传感器发射出一系列光束。这些光束向下传播直到它们撞击到目标，在该撞击点上它们反射回该传感器。通过分析反射的信号，可确定到目标的距离，并且优化该距离，如上所解释的。部分由于向下设置的传感器和该多个光束，该传感器检测物体最接近本车的点。这允许最精确的对本车什么时候将与物体碰撞(当本车在最接近的点与该物体碰撞)的预测。只要该传感器可以“看见”该目标物体最近的点，这都起作用。然而，当本车和目标物体彼此间的距离在特定的范围内，从该本车发出的光束的几何形状可以使从该传感器发出的光束不会撞击该目标最近的点。例如，如果本车从后面接近目标车辆，该光束最初撞击该目标车辆的后面。然而，随着本车接近，该光束会撞击该目标车辆的后部轮廓，如行李箱上部向内倾斜的表面。随着车辆更接近，该光束甚至会撞击后窗。当该光束撞击在不是最接近本车的点时，这些传感器读数将不正确。换句话说，该传感器测量误差有偏差并且不满足该递归滤波器所假设的高斯分布。因此，目标物体的相对运动和位置的估测就不正确，撞击时间和撞击速度的估测也不正确。这个现象也存在于安装在挡风玻璃中的远程传感器。因此，所需要的是一种碰撞检测系统，其具有改进的短程性能以提供撞击时间和撞击速度的更精确的预测。

发明内容

本公开涉及用于碰撞检测的改进的系统和方法，提供撞击时间和撞击速度的改进的预测。示例性系统包括具有至少一个传感器的车辆，该传感器能够读取关于目标物体的数据，该目标物体如行人，树或另一车辆。该系统还包括递归滤波器，如卡尔曼滤波器，该递归滤波器与该传感期通信。该递归滤波器使用来自该传感器的数据以确定该目标物体的相对运动，如该物体相对于本车的位置，速度和加速度，以及预测本车将撞击该目标物体的时间和速度。该传感器持续采集关于目标物体的信息，该信息持续提供给该递归滤波器。该滤波器使用这些传感器信息以优化预测的撞击时间和撞击速度，直到该目标物体进入距该本车特定的距离内，该距离在下文中称为“临界距离”。当该目标物体位于这个临界距离内时，该传感器有可能获取错误的读数，如上所解释的。即，当到该目标物体的距离在该临界距离内时，不能依赖该传感器提供精确的数据。由于传感器数据缺少可靠性，当本车在这个距该目标物体的特定距离内时，该滤波器将忽略额外的传感器输入。该撞击时间和撞击速度预测将基于最后“接收”的传感器读数。这些撞击时间和撞击速度预测由，例如，车辆安全系统使用以预紧座椅安全带，施行制动，展开安全气囊，或任何其他所需要的行动，以防止或减轻事故造成的损伤。

这样的系统的实施例包括至少一个测距传感器，如短程LIDAR传感器，其与如卡尔曼滤波器这样的递归滤波器通信。

为了提供理想的结果，所提出的系统选择性地基于该目标物体的相对距离，利用来自该测距传感器的信号。当目标物体在本车的给定距离内时，该系统停止基于传感器读数优化该状态估测。通过忽略额外的传感器读数，由于目标车辆的接近而由该测距传感器提供的不正确的信息并没有计算在轨迹计算内。这导致撞击时间和撞击速度预测的显著改进。

还提供一种用于预测撞击时间和撞击速度的方法。该方法包括使用至少一个传感器感知目标物体的相对运动，该目标物体如行人，树或者另一车辆。该方法还包括使用递归滤波器，如卡尔曼滤波器，以确定该目标物体的轨迹，如相对物体距离，速度，加速度等，以及预测本车可能撞击该目标物体的时间和速度。当目标物体在本车给定的距离内时，该递归滤波器在优化该状态估测时停止结合更新的传感器读数，并由此停止将该传感器读数计算入撞击时间和撞击速度的预测内。这样一来，上述方法提供显著改进的撞击时间和撞击速度的预测。

附图说明

图1A至图1C是根据本公开的实施例的使用短程传感器的车辆的侧视图；

图1D是根据本公开的实施例的使用短程传感器的车辆的侧视图，示出在两种不同的路面上行驶的最坏的情形；

图2是示出用于根据本公开的实施例的碰撞检测系统一方面的示例性方法的流程图。

图3A是示出在使用本公开之前的目标距离估测的图表。

图3B是示出当使用本公开的实施例时的目标距离估测的图表。

图4A是示出在使用本公开之前的预测的撞击时间的图表。

图4B是示出当使用本公开的实施例时的预测的撞击时间的图表。

图5是示出在使用本公开之前的预测的撞击速度，以及当使用本公开的实施例时的预测的撞击速度的图表。

具体实施方式

现在参考附图，详细示出优选的示例性实施例。尽管这些附图表现了一些实施例，这些附图不必按比例绘制且某些特征可放大，去除或部分剖开以更好地说明和解释本公开。此外，在此阐述的实施例并不是全部的或者将权利要求限制或限定为如附图所示的和下面的详细描述中所公开的确切形式和配置。可以理解的是，在这里所列出的传感器的类型和位置仅仅是说明性的，而且可以使用其他的传感器类型和位置而不背离本公开的范围。

图1A-图1C示出使用一系列传感器作为碰撞检测系统一部分的车辆。图1A-图1C中所示的系统是当前使用的许多系统的示例。这一系列附图例证了防碰撞系统的现有问题，并且进一步例证本公开如何克服这些缺陷。此处，该系统仅用于示例性目的而不具有限制意义。

本车10如图所示正在接近目标物体20，该目标物体在这个例子中为另一车辆。该目标物体也可以是任何其他物体而不背离本公开的范围。尽管该系统可包括单一传感器，或者可包括三个或多个传感器，在这个实施例中所示的本车10具有两个传感器30和34，而不背离本公开的范围。本车10还包括碰撞检测系统(未示)，该系统包括递归滤波器。该碰撞检测系统使用由传感器30提供的信息以估测目标物体20的相对距离，速度和加速度。可以理解的是该碰撞检测系统也可以确定由给定的情况所要求的其他的运动特性。

本车10逐渐地接近目标物体20。在图1A中，本车10行驶(12)穿过第一区域40，其间短程传感器30检测到目标物体20的后面。图1B中，本车10通过临界点46，在该点上，该短程传感器30开始检测目标车辆20的上后部轮廓。从本车10到达临界点46的那一刻并行驶穿过临界距离42起，直到本车10在点38与目标物体20碰撞，该碰撞检测系统忽略来自该短程传感器30的读数。

本车10具有安装在挡风玻璃后面的传感器30。在一个实施例中，该传感器30是短程传感器，如LIDAR系统，不过该传感器可以是适于该应用的任何形式。该示例性实施例的本车还包括传感器34。传感器34可以是远程传感器，如雷达系统，中程传感器，或适于给定的情况的任何其他类型的传感器。远程或中程传感器34对于追踪超出该短程传感器30范围之外的物体是有用的。尽管远程和中程传感器通常也可在短距离内检测物体，但通常在短距离内并不理想，因为它们的频率通常低于短距离物体检测所期望的频率并且它们的测量误差较大。

短程传感器30具有适于该传感器类型的检测方法。图1A-图1C中所示的示例性传感器是LIDAR传感器，其使用一束或多束光束32以检测目标物体20。当物体20在短程传感器30的范围之内时，该传感器30提供对到该目标物体20的距离的精确测量是关键。当然，所测量的有用的距离是到目标物体20的最近的点的距离，该点为在碰撞的情况下本车10首先接触的点。这在图1A中示出，其中传感器30的光束32撞击在该目标物体20的后面。通过在该目标物体20后面与其接触，该传感器30获取到该目标物体20的距离的精确读数。因此，由该读数计算的估测的距离44是精确的。

图1B示出更加接近该目标物体20的本车10。在这个实施例中该目标物体20的设计包括后部轮廓，形成例如行李箱或后备箱。随着本车10接近目标物体20，传感器30的光束32开始撞击该目标物体20后部的上部轮廓。随着该光束逐渐进一步向上撞击该目标物体20的后轮廓，该传感器30读取的距离不是到该目标物体20后面的距离，而是到该光束32撞击的后轮廓的这个部分的距离。

图1C示出在撞击点38撞击目标物体20的本车10。由于该车辆10，20互相撞击，它们之间的距离为零。然而，光束32撞击的不是该撞击点38，而是撞击在该目标物体20后轮廓更上面的点48，该点48可在行李箱更上面或者沿后窗等。因此，传感器30会继续读取到目标物体20的错误的距离并且传感器位置偏移补偿距离将大于零。

该传感器30开始提供不准确信息的点在下文中称为临界点。这个点在图1中用标号46示出。当本车10到达该临界点46时，传感器30的光束32开始向该碰撞检测系统(未示)提供不准确的数据。该传感器30继续提供不准确的数据直到本车10达到位置38，此时本车10撞击目标物体20。本车10行驶穿过的在临界点46和撞击点38之间的区域称为临界距离42。

由于该传感器30所采集的信息是不正确的，基于该信息的任何对撞击时间和撞击速度的预测都是相应地有缺陷的。因此，当本车10在目标物体20的临界距离42内时，本公开通过从撞击时间和撞击速度预测中忽略来自传感器30的信息以克服这个缺陷。换句话说，当本车10接近目标物体20时，该递归滤波器最初使用该目标物体状态(动力学特性)的当前预测，连同关于那个动力学特性的最新的传感器读数，以进一步优化(更新)该状态估测以及撞击时间和撞击速度的预测。然而，一旦本车10通过相对于该目标物体20的临界点46，当确定撞击时间和撞击速度时，该递归滤波器忽略来自传感器30的任何更新读数。该滤波器可持续预测该物体的轨迹，随着时间来更新估测的该物体“当前”位置，而估测将全部基于数学模型，从前面接收的传感器读数预测物体行进。

当该目标物体20在本车10的临界距离42之内时，撞击时间和撞击速度的进一步预测是理论的，没有传感器30读数的辅助。这不同于现有的预测撞击时间和撞击速度的方法，现有方法持续结合来自传感器30的数据直到撞击。通过忽略有缺陷的传感器数据，撞击时间和撞击速度的预测变得更加精确。

为了确定预期的撞击时间和撞击速度，碰撞检测系统中的递归滤波器以至少一种算法重复运行传感器数据。这提供该目标物体的相对运动的持续估测，以及撞击时间和撞击速度的持续预测。当该碰撞检测系统确定该目标物体来到该临界距离内时，使用最后接收到的传感器读数执行最终的状态更新。基于这个最终更新的状态，预测该撞击时间和该撞击速度。撞击时间和撞击速度的任何进一步的预测，以及该目标物体的状态的仅通过预测过程的进一步估测，完全是数学建模。

因此，在一个实施例中，该递归滤波器将使用恒定的加速度模型估测撞击时间和撞击速度。该恒定的加速度计算值由先前从该短程传感器获得的目标物体的相对速度和相对加速度的估测获得。如果当该目标物体在该临界距离内时该目标物体的相对加速度改变，撞击时间和撞击速度预测的精确度就会受到不利的影响。因此，为了使本公开的系统和方法有效，在加速度在临界距离内改变的这种情况下的误差必须十分低。

下面的例子用来说明在根据本公开的撞击时间和撞击速度的预测中的固有的误差，这是在不太可能发生的事件中的，即当相对距离在临界距离内时该目标物体的相对加速度改变。这些例子假设该临界距离为1米，而这仅仅是示例性的而不具有限制意义。实际的临界距离可根据个别的应用来确定。此外，下面的例子是用来说明什么是“最坏的情况”，在该情况下相对加速度具有最大的可能变化。在下面的例子中，本车正在接近目标车辆，如图1D中所示。假设本车10中的驾驶员看见目标车辆并且应用全制动。但是在该临界距离之前的区域内，当传感器读数假设为正确的并且用在所有的预测中时，本车行驶在结冰的路面上。因此，假设加速度为零。在该目标物体在该临界距离内的准确的点上，该传感器读数假设为不可靠的并且从所有进一步的计算中排除。在这个点上，路面由没有加速度的结冰的路况改变为允许恒定减速的干燥的铺面道路的路面。这将导致撞击时间和撞击速度的预测由于使用假设零加速度的恒定加速度模型的使用而无效。

如第一示例，其假设本车以每秒10米的初始速度接近固定目标物体。当本车接近该临界点(图1D中的46a)时，理论的撞击时间和撞击速度基于传感器读数获得。在该临界点之前的区域是结冰的路面(图1D中的40)，且因此紧接在该临界点之前的时间内的加速度为零。由于最后接收到的传感器读数是在加速度为零的时间内采集的，用来估测撞击时间和撞击速度的“理论”加速度等于零。然而，在该临界点开始并且延续到该撞击点的表面不是结冰的，而是实际上为铺面的干燥表面(图1D中的42和42a)。在这期间的加速度，即“实际”加速度假设为恒定的10m/s²的减速。该恒定的加速度模型用来预测该撞击时间和撞击速度。

该“实际”撞击时间，基于车辆遇到干燥的铺面道路，按照如下计算：

$\underset{0}{\overset{t}{\int }}({\upsilon }_0-\mathrm{a\tau })\mathrm{d\tau }=1\left(\mathrm{meter}\right),(v_0>0,a>0),$v₀：初速度(m/sec)

$\Rightarrow {\upsilon }_{0}t-\frac{1}{2}a{t}^2=1$

at²-2v₀t+2＝0

$\Rightarrow t=\frac{v_0\pm \sqrt{v_0^2-2a}}{a}$

再假设该初始速度为10m/s以及加速度为10m/s²，

$\Rightarrow t=\frac{10-\sqrt{{10}^2-2\left(10\right)}}{10}=\frac{10-\sqrt{80}}{10}\approx \frac{1.056}{10}\approx 0.106\left(\sec \right)$

相反，该碰撞检测系统将假设本车保持在结冰的路面上来估测撞击时间和撞击速度。因此，尽管初始速度仍认为是10m/s，加速度却假设为0。在一个实施例中，加速度因而被忽略。该预测的撞击速度将为10m/s，以及预测的撞击时间是简单的距离除以速度：

$\Rightarrow t=\frac{1}{10}=0.100\left(\sec \right)$

预测值的误差是在该“实际”撞击时间，0.106秒，与该“理论”撞击时间，0.100秒之间的差。因此，上述情况中的误差，其向我们显示了理论最坏情况是t＝6毫秒。

第二示例示出车辆遇到与前面示例相同的情况，其中路面是结冰的路面(图1D中的40)直到临界点(图1D的46a)，从该点起该道路变为铺面的干燥路面(图1D中的42和42a)。然而，在这个第二示例中，初始速度为20m/s。再假设该“理论”加速度为零，并且“实际”加速度再假设为恒定的10m/s²的减速。

在这个例子中，该“实际”撞击时间如下计算：

$\Rightarrow t=\frac{v_0\pm \sqrt{v_0^2-2a}}{a}$

$\Rightarrow t=\frac{20-\sqrt{{20}^2-2\left(10\right)}}{10}=\frac{20-\sqrt{380}}{10}\approx \frac{20-19.494}{10}=\frac{0.506}{10}\approx 0.051\left(\sec \right)$

该“理论”撞击时间和撞击速度再次假设本车保持在结冰的路面上，以及加速度近似等于0。该初始速度再次假设为20m/s。在这个例子中，预测的撞击时间为简单的距离除以时间：

$\Rightarrow t=\frac{1}{20}=0.050\left(\sec \right)$

该“理论”撞击时间的误差再次简单地为该“实际”撞击时间，0.051秒和该“理论”撞击时间，0.050秒之间的差。因此，上述情况中的误差为t＝1毫秒，即为计算得到的“实际”撞击时间与预测撞击时间的差。

因此，该撞击时间预测误差在初始相对速度为10(m/s)(＝22.5mph)时最多为6毫秒，以及在初始速度为两倍高时为1毫秒。随着初始速度增加，该误差减小。

另一个重要的预测是预期发生的碰撞的速度。这是重要的，因为撞击速度可用于确定，例如，安全气囊展开的方法。

在前面的两个例子中，该“理论”撞击速度将与初始速度相同，因为加速度被假设为零。该“实际”撞击速度将简单地等于初始速度减去加速度乘以时间。

因此，在该第一示例中，当初始速度为10m/s时，撞击速度的误差为：

$\left(\begin{array}{c}{v}_0=10(m/\sec )\\ a=10(m/{\sec }^2)\end{array}\right)\Rightarrow t\approx 0.106\left(\sec \right)\Rightarrow \mathrm{\Delta v}\approx 0.106\times 10=1.06(m/\sec ),$

在该第二示例中，其中该初始速度为20m/s，撞击速度的误差为：

$\left(\begin{array}{c}{v}_0=20(m/\sec )\\ a=10(m/{\sec }^2)\end{array}\right)\Rightarrow t\approx 0.051\left(\sec \right)\Rightarrow \mathrm{\Delta v}\approx 0.051\times 20=1.02(m/\sec )$

因此，该撞击速度误差在该初始速度为10m/s时为1.06m/s，并且在该初始速度翻倍时，这个误差会更低，为1.02m/s。随着初始速度持续增大，该误差持续降低。

图2显示了示出可实现本公开的教导的示例性方法的流程图。这个方法在步骤80开始，传感器获取关于目标物体的信息。该方法在步骤82继续，读取该传感器数据。步骤84产生由该传感器检测的目标的初始状态。在步骤86，检查该状态的距离项，其是否大于零。如果其不大于零，就不计算该预测的撞击时间和该撞击速度，并且该在考虑中的目标的程序在步骤98终止。另一方面，如果该距离大于零，在步骤88计算该预测的撞击时间和该撞击速度。然后，在步骤90中的下一步时间内预测该目标状态。然后，在步骤92中将该目标的预测状态中的距离项与临界距离对比。如果该距离大于该临界距离，则在步骤94该传感器读取新的输入，然后在步骤96利用该传感器输入更新(优化)该目标状态(相对位置，速度和加速度)。然后，其返回步骤86以运行下一个循环操作。但是如果该距离等于或小于该临界距离，该碰撞检测系统忽略新的传感器读数并且绕回步骤86。

图3-图5用图表示出使用本公开的实施例的实测结果。该测试仅仅是根据本公开的实施例的示例而不具有限制意义。该测试包括安装两个传感器，短程LIDAR传感器和远程雷达传感器的本车，与固定的目标物体碰撞。用于这个测试的目标物体是轿车形状的大气球。用于该测试的临界距离设为1米。这些图用来说明通过实施本公开的实施例所获得的改进。这些改进通过标出实施本公开的实施例之前和之后的预测值，以及标出用于该估测数据的实际值来说明。图3A和图3B说明在预测到目标物体的距离中获得的改进。图4A和图4B说明在预测即将发生的碰撞的撞击时间中获得的改进。最后，图5以图表说明在实施本公开的实施例之前和之后预测撞击速度中获得的改进。

图3A和图3B示出在实施本公开的实施例之前和之后，到目标物体的距离估测。图3A和图3B都示出了短程传感器读数52和远程传感器读数54。将短程传感器读数52与远程传感器读数54比较可以看出该短程传感器的频率比该远程传感器的频率高很多。这个更高的频率允许采集更多目标物体的读数，并改进预测精确度。除了更高的频率，该短程传感器通常比远程传感器具有更好的测量精确度。出于这个原因，来自该短程传感器的信号支配该递归滤波器的状态估测。基于该短程传感器读数52，该递归滤波器估测到该目标物体的距离50a和50b。

如通过比较图3A和图3B可以看出，该距离估测50a和50b从时间3.5秒起直到时间约为3.9秒是相同的。一旦时间达到3.9秒，该碰撞检测系统确定到该目标物体的距离为1米，其导致该目标物体在设定的临界距离内。一旦该目标物体在该临界距离内，这些图表就出现差异。

图3A示出使用现有方法的距离估测50a，其中来自该短程传感器的信息被该递归滤波器在估测目标物体距离中继续使用，直到实际碰撞。在另一方面，图3B示出根据使用本公开的实施例的碰撞检测系统的距离估测50b。当目标物体在临界距离内时，来自该短程传感器的信号52被任何距离估测忽略。

该垂直线段56示出本车与该目标物体碰撞的时刻。在该点上，到该目标物体的距离为零。图3A示出在点56上，预测的目标距离约为0.5米。图3B示出约为0.1米的估测距离。换句话说，本公开提供具有是现有方法5倍精确度的物体距离估测。

图4A和图4B分别示出在实施本公开的实施例之前(线58a)和之后(线58b)的预测的撞击时间。类似于在图3A和图3B中标出目标距离，线58a和58b在时距图的初期部分是相同的。同样，这些线条在约3.9秒时出现差异，此时该目标物体进入该临界距离。

撞击时间和撞击速度估测通常用于某些目的，如准备或激活安全装置。因此，预测的撞击时间必须在实际撞击之前发送到车辆安全系统中，以允许系统采取所需要的任一行动。在当前的例子中，明确要将该预测的撞击时间在预期的撞击前50毫秒发送。即，一旦距撞击的预测时间少于50毫秒，该时间预测发送至合适的车辆安全系统。虚线68指明该50毫秒点。线56的垂直部分指明实际撞击时间，当本车与该目标物体相撞时，为4.050秒。

图4A示出线58a，使用现有撞击时间预测的方法的撞击时间预测。根据现有方法的预测示出，在时间4.104秒指明，距撞击的时间为34毫秒。因此，使用现有方法的撞击的预测时间是4.138秒。

线58b，其示出使用本公开的实施例的撞击时间预测，在时间4.014秒指明，该撞击将在44毫秒内发生。因此，使用本实施例的撞击预测时间是4.058秒。

预测方法的误差是预测值和实际值之间的差。使用现有方法，该误差等于4.138-4.050秒＝0.088秒。使用本公开的实施例，该误差仅为4.058-4.050秒＝0.008秒。因此，本公开的实施例的使用提供比现有方法精确超过90％的撞击时间预测。

图5示出在实施本公开的实施例之前(线62a)和之后(线62b)的预测的撞击速度62。垂直线56指出撞击发生的实际时间。点66指出在撞击时的实际速度，其从车辆防锁死制动系统(ABS)模块读取，为6.01米/秒。实际的速度在图表上延迟，因为速度传感器信号发送的时间延迟。在这个例子中，该目标物体是固定的，且因此，来自ABS传感器的本车速度和本车与目标物体的相对速度是相同的。

如前面的图一样，预测62是相同的直到目标物体进入临界距离，在这点上它们不同。线62a指出使用现有方法的撞击速度预测。使用现有方法，该撞击速度预测为5.19米/秒。线62b示出使用本公开的实施例的撞击速度预测。该线62b指出预测的撞击速度为5.93米/秒。

预测撞击速度的两种方法所固有的误差是每个预测值与实际值之间的差。如上所述，实际的撞击速度是6.01米/秒。现有方法62a具有的误差为6.01-5.19米/秒＝0.82米/秒。另一方面，使用本公开的实施例的预测62b具有的误差为6.01-5.93米/秒＝0.08米/秒。因此，本公开的实施例的使用提供的撞击速度预测比现有技术的方法精确90％以上。

在本公开的实施例中，该临界距离设定为1米。可以理解的是该临界距离可以设为任何需要的距离，而不限于1米。此外，可以理解的是，该临界距离可以动态确定，如通过使用视觉系统确定何时该短程传感器将撞击在目标物体上不希望的点。此外，该临界距离可从储存在查找表，或存储器中的一系列值中选取。