基于雷达和机器视觉的现代有轨电车障碍物识别技术的研究

发布时间：2023-03-02 10:37

　　随着经济的快速发展,人们生活越来越富裕,汽车的使用也越来越普及,但由此带来的环境问题和交通拥挤问题也愈来愈严重。为解决能源危机、环境污染、交通拥堵等问题,现代有轨电车走进了人们的视野。现代有轨电车以其运输量大、外形美观、绿色节能等优点受到市民和政府的肯定,现代有轨电车正在成为发展城市公共交通的重点。我国现代有轨电车的建设多数是对既有道路进行改造建设的。在这种模式下,有轨电车与社会车辆或行人共享路权,车道受其他车辆或行人的干扰大,容易造成交通事故,因此需要开发一种障碍物识别技术来保证有轨电车的安全行驶。文章采用基于毫米波雷达和机器视觉的多传感器融合来对前方障碍物进行识别检测。首先,对于雷达部分,文章主要使用的是雷达传感器,它具有快速安全,能很好的处理测量性能与高安全性之间的矛盾、稳定性好、可实时检测目标的距离并根据当前车速判断是否存在碰撞风险和可靠性强等优点。主要是根据障碍物探测系统通信协议,用VC++编写毫米波雷达数据采集程序的程序控制界面。然后对毫米波雷达获取的现代有轨电车前方障碍物信息进行有效目标确定。在实际运行环境中,毫米波雷达探测到的前方物体可能来自于有效障碍物,也可能来自于无...

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 论文的研究背景
    1.2 论文的研究目的及意义
    1.3 国内外研究现状
        1.3.1 国内研究现状
        1.3.2 国外研究现状
    1.4 论文结构及主要内容
2 基于毫米波雷达的障碍物识别
    2.1 毫米波雷达
    2.2 毫米波雷达探测工作
    2.3 初选有效目标
    2.4 目标有效性检验和决策
    2.5 雷达数据实验验证
    2.6 小结
3 基于机器视觉的障碍物检测
    3.1 类Haar-like特征
        3.1.1 原始Haar-like特征
        3.1.2 扩展Haar-like特征
    3.2 基本Adaboost算法
    3.3 级联分类器
    3.4 基于Haar-like的 Adaboost算法识别
    3.5 小结
4 基于毫米波雷达和机器视觉融合的障碍物检测
    4.1 空间数据融合
        4.1.1 三维世界空间坐标系与毫米波雷达坐标系的转换
        4.1.2 三维世界空间坐标系与摄像机坐标系的转换
        4.1.3 测距模型
        4.1.4 测距模型的选择
        4.1.5 摄像机标定
        4.1.6 摄像机镜头畸变
    4.2 空间融合参数
        4.2.1 模型搭建
        4.2.2 参数求取
    4.3 时间数据融合
    4.4 验证及分析
    4.5 小结
结论
致谢
参考文献
攻读学位期间的研究成果



本文编号：3752259