机器视觉与毫米波雷达融合的前方车辆检测方法研究
发布时间：2021-01-11 12:20
随着我国汽车保有量的增加以及交通事故的频发,自动驾驶及辅助驾驶技术得到了广泛的关注和研究。前方车辆检测技术是自动驾驶汽车与高级辅助驾驶系统的关键技术之一,准确、实时的车辆检测技术可以为自主式驾驶辅助系统提供有效决策依据,对提高车辆的行驶安全性和驾驶舒适性具有重要意义。毫米波雷达和机器视觉是车辆检测常用的两种传感器,毫米波雷达能够准确探测障碍物的位置和速度,且具有较强环境适应性,但无法识别障碍物类型,易受噪声影响;机器视觉获取信息丰富,在目标识别及分类中极具优势,且成本较低,但其检测实时性不高,易受天气影响。因此,毫米波雷达与机器视觉数据融合技术被认为是提高车辆检测准确性与实时性的有效途径。基于此,本文以车辆自动驾驶系统中的道路环境感知技术为研究对象,开发了一套前方车辆检测系统,该系统利用安装在车辆上的相机和毫米波雷达实时获取前方道路信息,通过各传感器的数据接收、处理以及融合算法,实现及时、准确、可靠、具有环境适应性的前方车辆检测,具体研究重点及创新如下:1、实现基于毫米波雷达有效目标的确定。通过分析毫米波雷达探测到的目标特征,将大量干扰目标分类为无效目标、静止目标和非危险车辆目标,并针...
【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】：77 页
【学位级别】：硕士
【部分图文】：
自动驾驶汽车系统架构
图 1.1 自动驾驶汽车系统架构采集汽车的车内与周围信息实现自动驾驶能够安全、高效、实时和精准地采集信多种传感器，如负责采集汽车附近的行米波雷达（Millimeter Wave Radar）、激负责对汽车进行精确定位和规划路径的全元（Inertial Measurement Unit）。目前摄像机、毫米波雷达和激光，如图 1.2 所感器被开发并装备在汽车中，这些传感性能，然而这些传感器在一定程度上仍的稳定性、数据实时性和成本因素等，的性能之间也存在相互制约的因素。另到对汽车周边环境所有信息的精确感知驶的安全，往往是两种以上的感知设备
图 1.3 用于环境感知的多传感器布局国外方面，Kadow 等[38]提出了一种利用对称性检测、机器学习和对象级造多传感器融合的方法。Liu[39]等利用车底阴影特征识别感兴趣区域的毫达探测目标。Wang 等[40]通过改进坐标系转换方程提出一种新的毫米波雷觉融合方案。意大利菲亚特公司利用远红外摄像头和毫米波雷达，通过集数据融合方法对前方车辆、行人等障碍物和行驶道路进行检测及跟踪[41]。田汽车公司利用毫米波雷达和相机融合实现车辆前方障碍物分类检测，首毫米波雷达探测目标进行图像选择与感兴趣区域建立，然后基于神经网络别感兴趣区域内的车辆或行人，但其神经网络方法的检测精度较低且实时42]。国内方面，清华大学罗逍等[43]提出了以车辆纵向对称平面为基准的摄像米波雷达融合的联合标定方法，建立了两种传感器之间的坐标转换关系。学金立生等[44]利用毫米波雷达探测目标在图像上形成感兴趣区域，运mpster-Shafer（D-S）证据理论，融合特征信息，得到总的信任度值，以此兴趣区域内的车辆。西安交通大学的“春晖”智能车，通过集成单目摄像
【参考文献】：
期刊论文
[1]汽车金融迎来“裂变” 以租代购模式走红[J]. 胡新. 珠江水运. 2017(14)
[2]基于Adaboost分类器的车辆检测与跟踪算法[J]. 陈拥权,陈影,陈学三. 计算机技术与发展. 2017(10)
[3]基于Haar-like特征与Adaboost算法的前方车辆辨识技术研究[J]. 朱志明,乔洁. 电子测量技术. 2017(05)
[4]2016年中国汽车市场高位增长原因分析及2017年市场预测[J]. 秦超. 汽车零部件. 2017(03)
[5]自动驾驶汽车感知系统关键技术综述[J]. 王艺帆. 汽车电器. 2016(12)
[6]基于毫米波雷达和机器视觉的夜间前方车辆检测[J]. 金立生,程蕾,成波. 汽车安全与节能学报. 2016(02)
[7]无人驾驶汽车的发展综述[J]. 冯学强,张良旭,刘志宗. 山东工业技术. 2015(05)
[8]四种提高FMCW测距精度的方案及性能分析[J]. 朱恺,秦轶炜,许建中,万夕干,陈煜. 无线电工程. 2015(01)
[9]车辆多目标自适应巡航控制系统（ACC）动力学与控制方法研究[J]. 机械工程学报. 2014(16)
[10]一种毫米波雷达和摄像头联合标定方法[J]. 罗逍,姚远,张金换. 清华大学学报(自然科学版). 2014(03)
硕士论文
[1]基于数据关联算法的汽车主动防撞预警系统多目标跟踪研究[D]. 李秋燕.吉林大学 2015
[2]视细胞光学模型的研究[D]. 胡雷庭.南京邮电大学 2015
[3]FMCW雷达测距系统的研究与实现[D]. 岳文豹.中北大学 2013
[4]无人驾驶智能车的导航系统研究[D]. 王培.西安工业大学 2012
[5]毫米波汽车防撞雷达的设计与实现[D]. 郑锐.江苏大学 2010
本文编号：2970753
【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】：77 页
【学位级别】：硕士
【部分图文】：
自动驾驶汽车系统架构
图 1.1 自动驾驶汽车系统架构采集汽车的车内与周围信息实现自动驾驶能够安全、高效、实时和精准地采集信多种传感器，如负责采集汽车附近的行米波雷达（Millimeter Wave Radar）、激负责对汽车进行精确定位和规划路径的全元（Inertial Measurement Unit）。目前摄像机、毫米波雷达和激光，如图 1.2 所感器被开发并装备在汽车中，这些传感性能，然而这些传感器在一定程度上仍的稳定性、数据实时性和成本因素等，的性能之间也存在相互制约的因素。另到对汽车周边环境所有信息的精确感知驶的安全，往往是两种以上的感知设备
图 1.3 用于环境感知的多传感器布局国外方面，Kadow 等[38]提出了一种利用对称性检测、机器学习和对象级造多传感器融合的方法。Liu[39]等利用车底阴影特征识别感兴趣区域的毫达探测目标。Wang 等[40]通过改进坐标系转换方程提出一种新的毫米波雷觉融合方案。意大利菲亚特公司利用远红外摄像头和毫米波雷达，通过集数据融合方法对前方车辆、行人等障碍物和行驶道路进行检测及跟踪[41]。田汽车公司利用毫米波雷达和相机融合实现车辆前方障碍物分类检测，首毫米波雷达探测目标进行图像选择与感兴趣区域建立，然后基于神经网络别感兴趣区域内的车辆或行人，但其神经网络方法的检测精度较低且实时42]。国内方面，清华大学罗逍等[43]提出了以车辆纵向对称平面为基准的摄像米波雷达融合的联合标定方法，建立了两种传感器之间的坐标转换关系。学金立生等[44]利用毫米波雷达探测目标在图像上形成感兴趣区域，运mpster-Shafer（D-S）证据理论，融合特征信息，得到总的信任度值，以此兴趣区域内的车辆。西安交通大学的“春晖”智能车，通过集成单目摄像
【参考文献】：
期刊论文
[1]汽车金融迎来“裂变” 以租代购模式走红[J]. 胡新. 珠江水运. 2017(14)
[2]基于Adaboost分类器的车辆检测与跟踪算法[J]. 陈拥权,陈影,陈学三. 计算机技术与发展. 2017(10)
[3]基于Haar-like特征与Adaboost算法的前方车辆辨识技术研究[J]. 朱志明,乔洁. 电子测量技术. 2017(05)
[4]2016年中国汽车市场高位增长原因分析及2017年市场预测[J]. 秦超. 汽车零部件. 2017(03)
[5]自动驾驶汽车感知系统关键技术综述[J]. 王艺帆. 汽车电器. 2016(12)
[6]基于毫米波雷达和机器视觉的夜间前方车辆检测[J]. 金立生,程蕾,成波. 汽车安全与节能学报. 2016(02)
[7]无人驾驶汽车的发展综述[J]. 冯学强,张良旭,刘志宗. 山东工业技术. 2015(05)
[8]四种提高FMCW测距精度的方案及性能分析[J]. 朱恺,秦轶炜,许建中,万夕干,陈煜. 无线电工程. 2015(01)
[9]车辆多目标自适应巡航控制系统（ACC）动力学与控制方法研究[J]. 机械工程学报. 2014(16)
[10]一种毫米波雷达和摄像头联合标定方法[J]. 罗逍,姚远,张金换. 清华大学学报(自然科学版). 2014(03)
硕士论文
[1]基于数据关联算法的汽车主动防撞预警系统多目标跟踪研究[D]. 李秋燕.吉林大学 2015
[2]视细胞光学模型的研究[D]. 胡雷庭.南京邮电大学 2015
[3]FMCW雷达测距系统的研究与实现[D]. 岳文豹.中北大学 2013
[4]无人驾驶智能车的导航系统研究[D]. 王培.西安工业大学 2012
[5]毫米波汽车防撞雷达的设计与实现[D]. 郑锐.江苏大学 2010
本文编号：2970753
本文链接：https://www.wllwen.com/kejilunwen/qiche/2970753.html
