基于多传感器信息融合的车辆检测与定位技术研究
发布时间：2021-06-11 06:17
目前无人驾驶车辆技术是交通运输领域的前沿和热点。它通过先进的传感器系统、信息处理系统和执行系统等对周围环境、车辆自身状态进行监控,从而代替驾驶员完成各项操作。而车辆导航系统作为无人驾驶汽车最为重要模块之一,能够指引车辆如何从起始点高效地到达目的地。前车检测和车辆定位模块则是该系统的重要组成部分。本文在分析总结现有车辆检测、定位技术的基础上,从多传感器数据融合的角度,对现有的技术进行改进。主要工作如下:（1）基于毫米波雷达和机器视觉数据融合的前车检测该系统首先对毫米波雷达和视觉传感器进行组合标定,确定雷达坐标系和摄像头像素坐标系的换算关系。对前方目标进行检测中,首先获取过滤后的目标雷达信息,并在图像中形成感兴趣区域;然后提取感兴趣区域中的阴影特征;最后根据两坐标系的转换关系计算车辆的宽度,并根据车宽对检测结果进行进一步验证。结果表明,该算法在诸多环境下均具有良好的检测效果,能弥补单一传感器的不足。（2）基于GPS和VANET数据融合的车辆定位本文提出一种基于贝叶斯理论的车辆组合定位方法,融合GPS数据和来自VANET的车间相对距离、方位角信息,以减少GPS传感器的噪声;进而利用卡尔曼滤波...
【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
智能交通概念与无人车辆技术车辆导航系统作为高级辅助驾驶及无人驾驶车辆的重要模块之一，其主要面
硕士学位论文3(a)(b)图1.2摄像头产品一定的高宽比。(2)对称性特征：相对于路面其他障碍物来说，汽车具有很强的灰度、水平对称。(3)边界特征：车辆的顶部、底部、车牌以及车辆两侧的垂直边界均具有明显的边界信息。(4)灰度特征：车辆在光照下一般在车辆底部会形成一部分阴影，此处的灰度值较其他部分更低[16]。光流场法是一种利用视频多帧之间的比对，来确定运动障碍物的方法。此方法运用于车辆检测领域应满足三个条件：(1)物体相对相机具有一定的运动。(2)目标物体具有显著的像素差异。(3)成像投影，即当物体进行平面的投影效果时，运动形成的位置或者大小的变化可投在平面上。当运动中的目标障碍物满足上述三个条件时，可以利用光流场法对障碍物进行检测，该方法不仅可以成功的对前车进行检测，而且还可以确定障碍物的个数、运动状态等[17]。模型法是一种根据车辆已有的二维或者三维模型与图像标本进行比对，来确定目标物体是否为车辆的方法。由于车辆姿态、形状的复杂性，模型的建立存在一定的难度，且模型匹配过程耗时巨大，因此模型法一般实际不应用于车辆检测中[18]。当然国内外诸多专家、学者对前车检测方法都做了大量的研究工作。Chang.C等人提出AdaBoost分类算法[19]，其是一种在线学习算法，能够准确地识别出前方车辆，并且能够适应众多环境工况。然而缺点是运行时间太长，效率较低。国内宋晓琳等人提出基于阴影和类Haar特征的动态车辆检测方法，克服了传统边缘算子易受外界因素影响的特点，并且具有良好的实时性[20]。Hoffmann等学者基于车辆的阴影、对称性特征生成车辆假设区域，进而利用多模型交互的方法进行车辆跟踪，取得了较好的检测与跟踪效果[21]。1.2.1.2基于雷达的前车检测基于雷达的前车检测主要包括基
毫米
【参考文献】：
期刊论文
[1]基于阴影和类Haar特征的动态车辆检测[J]. 宋晓琳,邬紫阳,张伟伟. 电子测量与仪器学报. 2015(09)
[2]一种基于雷达和机器视觉信息融合的车辆识别方法[J]. 王宝锋,齐志权,马国成,陈思忠. 汽车工程. 2015(06)
[3]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)
[4]世界智能车辆的关键共性技术研究现状[J]. 胡国强,陈昌生,熊明洁. 轻型汽车技术. 2011(03)
[5]基于激光雷达的车辆跟踪与识别方法[J]. 甘志梅,王春香,杨明. 上海交通大学学报. 2009(06)
[6]基于单目视觉的路面车辆检测及跟踪方法综述[J]. 胡铟,杨静宇. 公路交通科技. 2007(12)
[7]基于阴影特征和Adaboost的前向车辆检测系统[J]. 李云翀,何克忠,贾培发. 清华大学学报(自然科学版). 2007(10)
[8]雷达与机器视觉的空间同步方法[J]. 郭磊,刘志峰,王建强,李克强,连小珉. 清华大学学报(自然科学版). 2006(11)
[9]一种基于特征的车辆检测方法[J]. 郭磊,李克强,王建强,连小珉. 汽车工程. 2006(11)
[10]基于自适应噪声抵消与小波滤波的GPS监测误差分析[J]. 伊廷华,李宏男,伊晓东,王国新. 武汉大学学报(信息科学版). 2006(11)
硕士论文
[1]基于汽车雷达和摄像头信息融合的目标检测方法研究[D]. 向滨宏.重庆大学 2017
[2]基于多信息融合的车辆危险工况预警技术研究[D]. 熊琦玮.湖南大学 2016
[3]基于粒子滤波的GPS/DR组合导航算法研究[D]. 李方园.中国矿业大学 2015
[4]基于多传感器融合的车辆检测与跟踪[D]. 麦新晨.上海交通大学 2011
本文编号：3223994
【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
智能交通概念与无人车辆技术车辆导航系统作为高级辅助驾驶及无人驾驶车辆的重要模块之一，其主要面
硕士学位论文3(a)(b)图1.2摄像头产品一定的高宽比。(2)对称性特征：相对于路面其他障碍物来说，汽车具有很强的灰度、水平对称。(3)边界特征：车辆的顶部、底部、车牌以及车辆两侧的垂直边界均具有明显的边界信息。(4)灰度特征：车辆在光照下一般在车辆底部会形成一部分阴影，此处的灰度值较其他部分更低[16]。光流场法是一种利用视频多帧之间的比对，来确定运动障碍物的方法。此方法运用于车辆检测领域应满足三个条件：(1)物体相对相机具有一定的运动。(2)目标物体具有显著的像素差异。(3)成像投影，即当物体进行平面的投影效果时，运动形成的位置或者大小的变化可投在平面上。当运动中的目标障碍物满足上述三个条件时，可以利用光流场法对障碍物进行检测，该方法不仅可以成功的对前车进行检测，而且还可以确定障碍物的个数、运动状态等[17]。模型法是一种根据车辆已有的二维或者三维模型与图像标本进行比对，来确定目标物体是否为车辆的方法。由于车辆姿态、形状的复杂性，模型的建立存在一定的难度，且模型匹配过程耗时巨大，因此模型法一般实际不应用于车辆检测中[18]。当然国内外诸多专家、学者对前车检测方法都做了大量的研究工作。Chang.C等人提出AdaBoost分类算法[19]，其是一种在线学习算法，能够准确地识别出前方车辆，并且能够适应众多环境工况。然而缺点是运行时间太长，效率较低。国内宋晓琳等人提出基于阴影和类Haar特征的动态车辆检测方法，克服了传统边缘算子易受外界因素影响的特点，并且具有良好的实时性[20]。Hoffmann等学者基于车辆的阴影、对称性特征生成车辆假设区域，进而利用多模型交互的方法进行车辆跟踪，取得了较好的检测与跟踪效果[21]。1.2.1.2基于雷达的前车检测基于雷达的前车检测主要包括基
毫米
【参考文献】：
期刊论文
[1]基于阴影和类Haar特征的动态车辆检测[J]. 宋晓琳,邬紫阳,张伟伟. 电子测量与仪器学报. 2015(09)
[2]一种基于雷达和机器视觉信息融合的车辆识别方法[J]. 王宝锋,齐志权,马国成,陈思忠. 汽车工程. 2015(06)
[3]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)
[4]世界智能车辆的关键共性技术研究现状[J]. 胡国强,陈昌生,熊明洁. 轻型汽车技术. 2011(03)
[5]基于激光雷达的车辆跟踪与识别方法[J]. 甘志梅,王春香,杨明. 上海交通大学学报. 2009(06)
[6]基于单目视觉的路面车辆检测及跟踪方法综述[J]. 胡铟,杨静宇. 公路交通科技. 2007(12)
[7]基于阴影特征和Adaboost的前向车辆检测系统[J]. 李云翀,何克忠,贾培发. 清华大学学报(自然科学版). 2007(10)
[8]雷达与机器视觉的空间同步方法[J]. 郭磊,刘志峰,王建强,李克强,连小珉. 清华大学学报(自然科学版). 2006(11)
[9]一种基于特征的车辆检测方法[J]. 郭磊,李克强,王建强,连小珉. 汽车工程. 2006(11)
[10]基于自适应噪声抵消与小波滤波的GPS监测误差分析[J]. 伊廷华,李宏男,伊晓东,王国新. 武汉大学学报(信息科学版). 2006(11)
硕士论文
[1]基于汽车雷达和摄像头信息融合的目标检测方法研究[D]. 向滨宏.重庆大学 2017
[2]基于多信息融合的车辆危险工况预警技术研究[D]. 熊琦玮.湖南大学 2016
[3]基于粒子滤波的GPS/DR组合导航算法研究[D]. 李方园.中国矿业大学 2015
[4]基于多传感器融合的车辆检测与跟踪[D]. 麦新晨.上海交通大学 2011
本文编号：3223994
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3223994.html
