基于雷达信息巡航车前方关键目标的判别研究

发布时间：2017-10-19 17:35

  本文关键词：基于雷达信息巡航车前方关键目标的判别研究

  更多相关文章： 自适应巡航 雷达信息 本车状态估计 扩展卡尔曼滤波 关键目标判别 仿真验证

【摘要】：在自适应巡航系统工作时,本车跟随的目标车被称为关键目标,具体来说就是距本车纵向距离最近的本车道内的前方目标车或者是相邻车道要切入本车道的车辆。将关键目标信息送入到自适应巡航控制系统中,系统将自动控制本车纵向速度,使得本车与前车保持合适的安全距离。因此,准确快速的判别出巡航车前方的关键目标对于自适应巡航系统控制本车具有重要意义。论文基于雷达信息对自适应巡航车前方关键目标的判别进行了理论研究与仿真验证。论文主要包括五部分。第一部分,介绍论文的研究背景、研究意义、研究现状及论文的主要研究内容。第二部分,进行了基于扩展卡尔曼滤波的本车状态估计,建立了以前轮转角为输入,质心侧偏角和横摆角速度为输出汽车的二自由度动力学模型。同时建立了扩展卡尔曼滤波的车辆状态估计模型。第三部分,分别针对直道和弯道行驶工况,采用不同的研究方法对前方目标车辆进行关键目标的有效判别。在弯道工况下,通过本车状态估计,实现了道路曲率的实时在线估计。建立了弯道关键目标判别模型,通过几何关系计算目标车距本车行驶轨迹中心线的距离,以判别目标车是否在本车道内,进而判别弯道处的关键目标。对于直道行驶条件除考虑本车道内前方目标外,还需考虑相邻车道内前方目标车辆切入本车道的可能性。论文采用模糊控制理论,建立了以相邻车道侧向相对距离与相对速度为输入变量,以换道的可能性为输出变量的模糊控制器,实现直道行驶车辆换道行为的判别,进而确定直道关键目标。第四部分,通过CarSim和Matlab/Simulink进行仿真,对直道和弯道行驶等工况进行了仿真并对结果进行了相应分析。仿真结果表明:论文提出的巡航车前方关键目标判别方法能够准确识别前方关键目标。第五部分为结论,对论文所取得的研究成果进行了总结,并提出了进一步需要探讨的问题。论文的研究成果对于汽车自适应巡航系统控制功能的完善与产品开发具有重要的参考价值。
【关键词】：自适应巡航 雷达信息 本车状态估计 扩展卡尔曼滤波 关键目标判别 仿真验证
【学位授予单位】：辽宁工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U463.6
【目录】：

• 摘要5-6
• Abstract6-10
• 1 绪论10-14
• 1.1 论文的研究背景及意义10-11
• 1.2 国内外研究现状11-13
• 1.2.1 国外研究现状11-12
• 1.2.2 国内研究现状12-13
• 1.3 论文的主要研究内容13-14
• 2 基于扩展卡尔曼滤波的本车状态估计14-26
• 2.1 卡尔曼滤波理论14-18
• 2.1.1 经典卡尔曼滤波算法14-16
• 2.1.2 扩展卡尔曼滤波算法16-18
• 2.2 基于扩展卡尔曼滤波的本车状态估计算法18-25
• 2.2.1 二自由度汽车模型19-20
• 2.2.2 本车状态估计算法过程20-22
• 2.2.3 本车状态估计仿真验证22-25
• 2.3 本章小结25-26
• 3 巡航车前方关键目标判别方法研究26-37
• 3.1 巡航车前方关键目标判别流程26-27
• 3.2 弯道工况下巡航车前方关键目标判别27-30
• 3.2.1 道路曲率计算27-28
• 3.2.2 弯道关键目标判别28-30
• 3.3 基于模糊控制直道工况下巡航车前方关键目标判别方法30-36
• 3.3.1 模糊控制器结构与原理31-32
• 3.3.2 模糊控制器设计32-36
• 3.3.3 直道关键目标判别36
• 3.4 本章小结36-37
• 4 巡航车前方关键目标判别的仿真与分析37-54
• 4.1 仿真软件简介37-40
• 4.1.1 Simulink简介37-39
• 4.1.2 CarSim仿真软件简介39-40
• 4.2 仿真设置40-42
• 4.2.1 传感器模型设置40-41
• 4.2.2 交通场景设置41
• 4.2.3 道路模型设置41-42
• 4.3 直道工况下前方关键目标判别研究的仿真与分析42-46
• 4.3.1 仿真实验工况参数设置42-44
• 4.3.2 直道工况仿真结果分析44-46
• 4.4 弯道工况下前方关键目标判别研究的仿真与分析46-52
• 4.4.1 弯道工况仿真实验工况参数设置46-49
• 4.4.2 弯道工况仿真结果分析49-52
• 4.5 本章小结52-54
• 5 结论54-56
• 5.1 全文总结54
• 5.2 研究展望54-56
• 参考文献56-58
• 致谢58

【相似文献】

中国期刊全文数据库 前10条

1 王旭辉;刘云猛;裴浩东;;基于嵌入式图像处理平台的实时多目标识别算法[J];科学技术与工程;2014年03期

2 朱峰,窦丽华,杨国胜,陈文颉;基于异类传感器的战场运动目标识别算法[J];北京理工大学学报;2002年03期

3 孔刚,张启衡,许俊平;一种复杂背景下运动扩展目标识别算法[J];仪器仪表学报;2005年S1期

4 刘祥林;;复杂地面背景下多目标的检测和识别[J];飞航导弹;1988年08期

5 康鹏;现代防空系统中目标识别算法研究之一[J];现代防御技术;1998年01期

6 党二升;李丽;;激光探测“猫眼”效应目标识别算法[J];航空科学技术;2011年06期

7 梁伟;崔宁;孟东起;;一种基于复合匹配的目标识别算法[J];弹箭与制导学报;2008年02期

8 宋皓;徐小红;;基于生物视觉通路的目标识别算法[J];合肥工业大学学报(自然科学版);2012年04期

9 潘秀琴,侯朝桢,苏利敏;一种新的基于分形特征融合的图像目标识别算法(英文)[J];Journal of Beijing Institute of Technology(English Edition);2002年04期

10 聂振钢;张晓林;;一种新的无人机监控图像实时目标识别算法[J];遥测遥控;2007年02期

中国重要会议论文全文数据库 前5条

1 徐小琴;;多传感器数据融合目标识别算法综述[A];2006年全国光电技术学术交流会会议文集（D 光电信息处理技术专题）[C];2006年

2 孔刚;张启衡;许俊平;;一种复杂背景下运动扩展目标识别算法[A];第三届全国信息获取与处理学术会议论文集[C];2005年

3 常青;;分形特征目标识别算法[A];2005年中国智能自动化会议论文集[C];2005年

4 王明芬;李翠华;;基于形状外观的海面目标识别算法[A];第十四届全国图象图形学学术会议论文集[C];2008年

5 王伟明;;一种使用并行黑板模型仿真系统实现的基于知识的图象目标识别算法[A];'99系统仿真技术及其应用学术交流会论文集[C];1999年

中国博士学位论文全文数据库 前9条

1 张抒;可视目标检测与分割关键技术研究[D];电子科技大学;2015年

2 徐培;基于少量样本的快速目标检测与识别[D];电子科技大学;2014年

3 窦建方;视频图像处理中的关键技术研究[D];上海交通大学;2014年

4 于加其;基于激光成像雷达距离像的地面目标识别算法研究[D];北京理工大学;2015年

5 喻晓源;基于特征学习的目标检测、跟踪、识别算法研究[D];华中科技大学;2014年

6 严忠贞;内河在航船舶动态跟踪和航迹融合方法研究[D];武汉理工大学;2013年

7 张兵;光学图像末制导中的点目标检测与识别算法研究[D];国防科学技术大学;2005年

8 汪洋;极化合成孔径雷达图像处理及其应用研究[D];安徽大学;2007年

9 卢岩;交通监控中的运动人体目标检测与跟踪[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2011年

中国硕士学位论文全文数据库 前10条

1 韩卫洁;入侵报警系统中振动源的目标识别算法研究[D];长安大学;2015年

2 曾诚宇;基于时序光度信号的目标卫星状态特性估计[D];哈尔滨工业大学;2015年

3 闫晓敏;智能监控视频中的目标检测、识别与跟踪算法研究[D];电子科技大学;2015年

4 黄浩;双波段红外成像目标检测与识别方法研究[D];国防科学技术大学;2013年

5 周天凤;无重叠视域多摄像机目标关联研究[D];合肥工业大学;2014年

6 王彬;基于改进的ViBE和HOG的运动目标检测系统研究与实现[D];沈阳工业大学;2016年

7 朱甲林;基于雷达信息巡航车前方关键目标的判别研究[D];辽宁工业大学;2016年

8 刘明;毫米波主被动探测器目标识别算法研究[D];南京理工大学;2010年

9 谭芳;基于特征信息提取的目标识别算法研究[D];电子科技大学;2010年

10 卢硕超;一种目标识别算法验证平台的设计与实现数据存储与处理[D];西安电子科技大学;2012年

，

本文编号：1062404