雷达摄像头数据融合在智能辅助驾驶的应用

发布时间：2021-03-13 05:26

　　智能驾驶技术的迅速发展及其广泛的应用前景对智能辅助驾驶系统的性能提出了更高的要求,环境感知系统作为其中关键的一环显得尤为重要。考虑到现阶段量产应用的单传感器环境感知方案存在的不足,通过多传感器信息冗余和优势互补,可明显解决现阶段的问题。为此,本文主要研究了雷达摄像头的决策级数据融合,并基于决策层数据融合思想设计了融合框架,包括融合数据预处理、目标物数据融合、车道线数据融合及最危险目标筛选策略。融合数据预处理中,考虑到毫米波雷达目标探测原理,本文所设计的有效目标筛选算法和有效生命周期检验方法可剔除雷达原始数据中存在的大量噪声和干扰信号;通过对摄像头原始目标的连续跟踪和目标数据关联,可解决摄像头观测数据与实际被探测目标不一致性问题;基于常加速度运动模型的Kalman滤波可明显改善原始目标信号质量。目标物数据融合中,本文通过对传统欧式距离的改进,综合考虑前方目标多种运动参数,可有效对雷达和摄像头各自独立观测的目标信息是否为对同一实际目标的观测进行判断;卡尔曼加权融合算法可综合雷达目标和摄像头目标的观测数据优势,获得精度较高误差较小的融合目标信息;对融合目标进行连续多帧数据的跟踪可有效解决单一... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：103 页

【学位级别】：硕士

【部分图文】：

丰田PCS系统数据融合框架

雷达与摄像头传感器的轨迹融合框图

ADAS系统数据融合三级结构模型

【参考文献】：
期刊论文
[1]一种基于摄像雷达的雷达标定实现方法[J]. 朱刘影,汪成军.  计算机产品与流通. 2019(02)
[2]面向高级辅助驾驶雷达和视觉传感器信息融合算法的研究[J]. 杨鑫,刘威,林辉.  汽车实用技术. 2018(01)
[3]基于信息融合的智能车障碍物检测方法[J]. 陆峰,徐友春,李永乐,王德宇,谢德胜.  计算机应用. 2017(S2)
[4]基于多传感器信息融合的车辆目标识别方法[J]. 孙宁,秦洪懋,张利,葛如海.  汽车工程. 2017(11)
[5]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)
[6]多传感器多目标跟踪及航迹融合系统[J]. 付琳,万晓冬,王保曾.  计算机与现代化. 2014(10)
[7]车辆自适应巡航控制系统有效目标辨识算法[J]. 焦新龙,米雪玉,王畅,黄国潮,刘雪莲.  长安大学学报(自然科学版). 2014(03)
[8]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)
[9]多传感器数据融合技术研究进展[J]. 黄漫国,樊尚春,郑德智,邢维巍.  传感器与微系统. 2010(03)
[10]多传感器信息融合的目标跟踪研究[J]. 朱安福,景占荣.  计算机工程与应用. 2009(25)

博士论文
[1]基于多传感器信息融合关键技术的研究[D]. 康健.哈尔滨工程大学 2013
[2]多传感器目标跟踪数据融合关键技术研究[D]. 崔波.西南交通大学 2012
[3]多传感器数据关联与航迹融合技术研究[D]. 田雪怡.哈尔滨工程大学 2012

硕士论文
[1]汽车前方车辆识别的雷达和视觉信息融合算法开发[D]. 陈晓伟.吉林大学 2016
[2]基于雷达和机器视觉融合的前方车辆障碍物检测[D]. 那田.合肥工业大学 2016
[3]基于轨迹分析的自适应巡航系统目标识别方法研究[D]. 耿石峰.吉林大学 2015
[4]基于信息融合的智能车辆前方目标识别技术研究[D]. 严思宁.东南大学 2015
[5]基于毫米波雷达与机器视觉融合的前方车辆检测研究[D]. 王亚丽.吉林大学 2013
[6]基于毫米波雷达的汽车主动防撞预警目标识别[D]. 韩星.吉林大学 2013
[7]多传感器数据融合算法的研究与应用[D]. 邵州华.东北大学 2013
[8]基于毫米波雷达的车间位置关系识别方法[D]. 任德锟.长安大学 2012
[9]多传感器数据融合算法研究与应用[D]. 刘敏.南京航空航天大学 2012
[10]自适应巡航控制系统中前方有效目标识别算法研究[D]. 陈达兴.吉林大学 2011



本文编号：3079650