随着汽车技术的不断发展,汽车的安全性越来越受到重视,作为主动安全系统的一种,自适应巡航系统可以有效的减缓驾驶者疲劳,提高汽车行驶的安全性和舒适性。而准确、快速的识别即将跟随的前方目标车辆是目前自适应巡航系统的技术核心和关键。因此,对巡航车前方的关键目标进行有效识别具有重大的理论研究意义。论文针对目前汽车上普遍采用的自适应巡航系统提出了一种目标判别方法,该方法以卡尔曼滤波为理论基础,以毫米波雷达的测量数据为依据实现车辆状态的预估。首先介绍了目前汽车自适应巡航系统可以实现的功能、存在的主要局限以及自适应巡航系统开发的意义,然后通过分析国内外的研究现状和目前巡航车目标识别方法存在的缺陷提出了本论文的研究方法。论文具体研究内容和结论如下:(1)基于扩展卡尔曼滤波理论对巡航车本车状态进行估计。首先,建立了汽车三自由度汽车模型和对应的扩展卡尔曼滤波器。然后通过Matlab/simulink和Carsim进行联合仿真验证,以双移线工况的方向盘转角作为输入,估计巡航车本车的横摆角速度和质心侧偏角。结果表明该方法可以准确、有效的估计本车状态并应用于自适应巡航系统目标识别方法之中。(2)自适应巡航系统目标判别方法研究。基于毫米波雷达测量到目标车的距离和方位角数据,建立目标车状态估计卡尔曼滤波器,估计目标车的侧向和纵向速度以及横摆角速度。根据目标车辆的横摆角速度和车速计算得到目标当前的道路曲率。然后,根据建立的道路模型就可以确定本车未来的道路形状,通过本车方向角修正确定本车未来预期行驶轨迹。最后,计算各个目标车距离本车道未来预期轨迹中心线的横向偏移。如果横向偏移小于半车道宽,而且距离本车最近,则该目标即为ACC系统中有效目标。(3)借助Matlab/simulink和Carsim对本文提出的目标判别方法进行联合仿真验证。首先验证了通过目标车的横摆角速度和速度信息估计道路曲率的有效性和准确性。然后验证了目标状态跟踪滤波器对目标纵、横向速度估计的合理性和准确性。最后,分别进行了巡航车在直道、弯道、直道入弯道、弯道入直道及车辆换道等工况下的前方有效目标识别验证。结果表明,本文提出的目标识别方法可以实现多目标车辆的有效识别,并且在直道入弯道、弯道入直道及换道等复杂工况下,依然可以有效、精准、稳定地识别前方多目标车辆中的有效目标。本文提出的ACC系统目标车辆识别方法对于改进传统的定曲率目标识别方法和提高自适应巡航系统的性能和稳定性具有一定的参考价值和指导意义。