基于毫米波雷达与机器视觉融合的车辆检测技术研究

发布时间：2021-09-15 15:28

　　智能汽车作为汽车工业的未来发展方向,是道路拥堵和交通事故等问题的有效解决方案。智能汽车环境感知系统,主要利用各类传感器准确获取车辆周边的环境信息,为智能汽车做出决策提供参考,是现阶段汽车领域的研究热点。车辆是环境感知系统需要识别的最重要目标之一,本文主要针对基于毫米波雷达和机器视觉信息融合的车辆检测技术进行了研究。首先,对当前国内外车辆检测技术的研究现状进行分析,对比多种传感器的优缺点,并总结现有车辆检测技术存在的不足,从而明确了本文的主要研究内容。然后,对雷达原始数据进行分析,总结了数据中无效信号产生的原因,在此基础上,确定基于分层聚类和设置有效区域的雷达数据预处理方法。针对雷达工作不稳定等特殊情况,利用一致性检验策略分析目标存续情况,采用生命周期方法研究目标的整个存在过程,设定了相应规则完成车辆目标的筛选。其次,融合KITTI数据集和自制样本集得到了适合国内车辆检测的数据集,使用数据集训练和分析YOLO v2网络的车辆检测性能,采用适当精简网络结构和加入多尺度检测的方法提升网络的实时性和小目标检测能力,得到了改进的YOLO v2-mini网络模型。再次,通过坐标转换和传感器标定建立... 

【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校

【文章页数】：87 页

【学位级别】：硕士

【部分图文】：

智能网联汽车Fig1.1Intelligentconnectedvehicles

谷歌firefly无人车Fig1.2Googlefireflyunmannedvehicle

通用Cruise无人车Fig1.3GMCruiseunmannedvehicle

【参考文献】：
期刊论文
[1]改进的Yolo＿v2违章车辆检测方法[J]. 张成标,童宝宏,程进,张炳力,张润.  计算机工程与应用. 2020(20)
[2]基于改进Faster R-CNN的无人机视频车辆自动检测[J]. 彭博,蔡晓禹,唐聚,谢济铭,张媛媛.  东南大学学报(自然科学版). 2019(06)
[3]基于改进SSD的特种车辆红外伪装检测方法[J]. 赵晓枫,徐明扬,王聃漂,杨佳星,张志利.  红外与激光工程. 2019(11)
[4]毫米波雷达研究现状及其测试项目[J]. 郭蓬,郭剑锐,戎辉,唐风敏,王文扬,王梦丹.  汽车电器. 2018(10)
[5]基于深度数据的车辆目标检测与跟踪方法[J]. 陆德彪,郭子明,蔡伯根,姜维,王剑,上官伟.  交通运输系统工程与信息. 2018(03)
[6]基于深度置信网络的多源信息前方车辆检测[J]. 王战古,高松,邵金菊,谭德荣,孙亮,于杰.  汽车工程. 2018(05)
[7]基于毫米波雷达和机器视觉信息融合的障碍物检测[J]. 翟光耀,陈蓉,张剑锋,张继光,吴澄,汪一鸣.  物联网学报. 2017(02)
[8]车载毫米波雷达对前方目标的运动状态估计[J]. 高振海,王竣,佟静,李红建,郭章勇,娄方明.  吉林大学学报(工学版). 2014(06)
[9]智能车辆3-D点云快速分割方法[J]. 王肖,王建强,李克强,徐成,李晓飞.  清华大学学报(自然科学版). 2014(11)
[10]基于HOG特征和机器学习的工程车辆检测[J]. 张全发,蒲宝明,李天然,孙宏国.  计算机系统应用. 2013(07)

硕士论文
[1]基于雷达和摄像头的前方车辆识别方法研究[D]. 赵逸群.吉林大学 2019
[2]空间视觉相机内参标定技术研究[D]. 关昭.中国科学院大学(中国科学院西安光学精密机械研究所) 2019
[3]面向智能车的毫米波雷达与单目相机信息融合方法研究[D]. 陈云坤.重庆邮电大学 2019
[4]基于毫米波雷达及深度学习视觉信息融合的前方车辆检测方法研究[D]. 梁翼.华南理工大学 2019
[5]基于毫米波雷达与视觉融合的前方车辆检测[D]. 刘雷.天津工业大学 2019
[6]基于视觉与雷达信息融合的智能车环境感知算法研究[D]. 莫春媚.重庆大学 2018
[7]基于测距雷达和机器视觉数据融合的前方车辆检测系统[D]. 庞成.东南大学 2015



本文编号：3396330