智能车辆多传感器信息融合方法研究
发布时间：2021-08-21 15:47
智能驾驶技术具有减少交通事故,缓解交通拥堵的巨大潜力,已成为当前汽车行业的一大研究热点。在智能驾驶的众多研究方向中,对车载传感器网络中各个传感器的目标进行稳定的跟踪,对网络中不同传感器跟踪的目标进行准确地信息融合是智能汽车做出正确决策的前提,也是智能汽车安全行驶的重要保障。在车载传感器网络多传感器信息融合的过程中,存在着以下两个难点:一个是如何准确的估计所检测目标的运动状态,并对所检测目标进行稳定的跟踪;另一个是不同传感器跟踪的目标如何进行准确有效地关联和融合,得到一个关于真实目标的综合描述。本文对智能车辆多源异类传感器信息融合方法进行研究,主要包括多感知源多目标跟踪数据关联算法和非线性运动状态估计方法,以及多感知源之间目标关联与信息融合方法,并通过虚拟场景仿真进行了验证。本文主要研究内容如下:1.针对局部传感器多目标跟踪数据关联问题,本文介绍了多目标跟踪的基本原理,对智能车辆常用的目标运动模型进行了推导,并对联合概率数据关联算法以及多假设跟踪算法两种数据关联算法进行了分析。2.针对局部传感器多目标跟踪状态估计问题,考虑到多数车载传感器进行目标跟踪状态估计的过程属于非线性状态估计过程,...
【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】：110 页
【学位级别】：硕士
【部分图文】：
车辆常用感知传感器及优缺点智能车辆感知外部真实世界主要通过车辆所搭载的传感器，其主要分为两类：
吉林大学硕士学位论文8较矩阵。利用各准则量化值之间的方差构造模糊偏好关系矩阵，代替方案层的成对比较矩阵，然后将准则层和方案层的权重结合起来，得到每一个证据的最终权重。目前市场上大绝大部分相关产品都是通过增加传感器的种类和数量来提高信息的冗余性与互补性，进而提升检测的可靠性，与单传感器检测相比，特别是单一种类的传感器，多传感器信息融合扩大了探测的视野范围，提升了探测的分辨率，并且在获取不同类型的测量数据方面更具优势。图1.7丰田Pre-CollisionSystem多传感器融合过程丰田Pre-CollisionSystem[72-74]的传感器融合过程如图1.7。融合系统以毫米波雷达得到的识别目标为主，以毫米波雷达目标为基准设置一个检测门，然后在检测门区域中搜索是否存在摄像头检测到的目标，如果存在则它将两个传感器目标的信息整合在一起以提高目标的检测精度；如果不存在摄像头检测目标但是雷达信号较强，可将其作为置信度较高且持续存在的目标，因此将单个雷达目标作为融合目标输出；如果雷达目标置信度低且不稳定，则将其判断为杂波干扰目标并进行滤波。当在融合目标跟踪期间摄像头目标突然消失时，继续对摄像头目标信息连续的滤波跟踪和插值以更新目标的融合信息。如果连续多周期摄像头目标持续丢失，则可以认为目标离开摄像头的视野范围或者被其他目标阻挡，因此无法检测到。在融合过程中，根据目标的存在概率和其他相关信息对目标的碰撞安全水平进行综合评估，最终通过两种传感器数据融合可以提高系统的可靠性和稳定性。
假设树及假FAT2
【参考文献】：
期刊论文
[1]基于联合概率数据关联的车用多传感器目标跟踪融合算法[J]. 王鹏宇,赵世杰,马天飞,熊晓勇,程馨. 吉林大学学报(工学版). 2019(05)
[2]自动驾驶汽车道路测试安全制度分析:中日立法的比较[J]. 张韬略. 科技与法律. 2019(04)
[3]德国智能汽车立法及《道路交通法》修订之评介[J]. 张韬略,蒋瑶瑶. 德国研究. 2017(03)
[4]美国政府《联邦自动驾驶汽车政策》解读与探讨[J]. 陈燕申,陈思凯. 综合运输. 2017(01)
[5]Multiple hypothesis tracking based on the Shiryayev sequential probability ratio test[J]. Jinbin FU,Jinping SUN,Songtao LU,Yingjing ZHANG. Science China（Information Sciences）. 2016(12)
[6]解读中国制造2025战略下的汽车智能化发展路径[J]. 朱宏任. 汽车纵横. 2015(11)
[7]多信息融合的城市燃气管道泄漏诊断技术研究[J]. 王新颖,江志伟,于永亮,陈海群,王凯全. 中国安全科学学报. 2014(06)
[8]一种基于弹道模型的机动目标跟踪算法[J]. 张丕旭,石章松,刘忠. 弹箭与制导学报. 2009(04)
[9]多传感器信息融合及其新技术研究[J]. 王凤朝,黄树采,韩朝超. 航空计算技术. 2009(01)
[10]粒子滤波进展与展望[J]. 杨小军,潘泉,王睿,张洪才. 控制理论与应用. 2006(02)
博士论文
[1]基于异类传感器信息融合的目标跟踪理论与方法研究[D]. 王琪龙.北京交通大学 2017
[2]基于激光雷达的智能车辆目标识别与跟踪关键技术研究[D]. 周俊静.北京工业大学 2014
[3]航天器相对导航中的非线性滤波问题研究[D]. 魏喜庆.哈尔滨工业大学 2013
[4]非线性Bayesian滤波及其在SINS/GPS紧耦合导航中的应用研究[D]. 张召友.哈尔滨工程大学 2013
[5]容积卡尔曼滤波算法研究及其在导航中的应用[D]. 葛磊.哈尔滨工程大学 2013
[6]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
[7]非线性滤波在通信与导航中的应用研究[D]. 张鑫明.北京邮电大学 2012
[8]水下航行器导航及数据融合技术研究[D]. 杨峻巍.哈尔滨工程大学 2012
[9]粒子滤波改进算法研究与应用[D]. 蒋蔚.哈尔滨工业大学 2010
[10]非线性SPKF滤波算法研究及其在组合导航中的应用[D]. 王小旭.哈尔滨工程大学 2010
硕士论文
[1]雷达摄像头数据融合在智能辅助驾驶的应用[D]. 王贺.吉林大学 2019
[2]自主驾驶汽车局部运动规划研究[D]. 熊晓勇.吉林大学 2019
[3]多传感器多目标的航迹关联技术研究[D]. 路娜.西安电子科技大学 2019
[4]复杂环境下多传感器目标跟踪技术研究[D]. 李秋旭.西安电子科技大学 2018
[5]SAR海洋溢油监测多源信息融合研究[D]. 朱宗斌.中国海洋大学 2015
[6]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
[7]基于多种激光雷达数据融合的障碍检测技术的研究[D]. 杨光祖.北京工业大学 2013
[8]多目标跟踪的数据关联算法研究[D]. 吴佳芯.西安电子科技大学 2013
[9]多传感器多目标航迹跟踪与融合算法研究[D]. 严康.南京理工大学 2012
[10]多传感器多目标航迹关联与融合算法研究[D]. 程跃兵.南京理工大学 2010
本文编号：3355894
【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】：110 页
【学位级别】：硕士
【部分图文】：
车辆常用感知传感器及优缺点智能车辆感知外部真实世界主要通过车辆所搭载的传感器，其主要分为两类：
吉林大学硕士学位论文8较矩阵。利用各准则量化值之间的方差构造模糊偏好关系矩阵，代替方案层的成对比较矩阵，然后将准则层和方案层的权重结合起来，得到每一个证据的最终权重。目前市场上大绝大部分相关产品都是通过增加传感器的种类和数量来提高信息的冗余性与互补性，进而提升检测的可靠性，与单传感器检测相比，特别是单一种类的传感器，多传感器信息融合扩大了探测的视野范围，提升了探测的分辨率，并且在获取不同类型的测量数据方面更具优势。图1.7丰田Pre-CollisionSystem多传感器融合过程丰田Pre-CollisionSystem[72-74]的传感器融合过程如图1.7。融合系统以毫米波雷达得到的识别目标为主，以毫米波雷达目标为基准设置一个检测门，然后在检测门区域中搜索是否存在摄像头检测到的目标，如果存在则它将两个传感器目标的信息整合在一起以提高目标的检测精度；如果不存在摄像头检测目标但是雷达信号较强，可将其作为置信度较高且持续存在的目标，因此将单个雷达目标作为融合目标输出；如果雷达目标置信度低且不稳定，则将其判断为杂波干扰目标并进行滤波。当在融合目标跟踪期间摄像头目标突然消失时，继续对摄像头目标信息连续的滤波跟踪和插值以更新目标的融合信息。如果连续多周期摄像头目标持续丢失，则可以认为目标离开摄像头的视野范围或者被其他目标阻挡，因此无法检测到。在融合过程中，根据目标的存在概率和其他相关信息对目标的碰撞安全水平进行综合评估，最终通过两种传感器数据融合可以提高系统的可靠性和稳定性。
假设树及假FAT2
【参考文献】：
期刊论文
[1]基于联合概率数据关联的车用多传感器目标跟踪融合算法[J]. 王鹏宇,赵世杰,马天飞,熊晓勇,程馨. 吉林大学学报(工学版). 2019(05)
[2]自动驾驶汽车道路测试安全制度分析:中日立法的比较[J]. 张韬略. 科技与法律. 2019(04)
[3]德国智能汽车立法及《道路交通法》修订之评介[J]. 张韬略,蒋瑶瑶. 德国研究. 2017(03)
[4]美国政府《联邦自动驾驶汽车政策》解读与探讨[J]. 陈燕申,陈思凯. 综合运输. 2017(01)
[5]Multiple hypothesis tracking based on the Shiryayev sequential probability ratio test[J]. Jinbin FU,Jinping SUN,Songtao LU,Yingjing ZHANG. Science China（Information Sciences）. 2016(12)
[6]解读中国制造2025战略下的汽车智能化发展路径[J]. 朱宏任. 汽车纵横. 2015(11)
[7]多信息融合的城市燃气管道泄漏诊断技术研究[J]. 王新颖,江志伟,于永亮,陈海群,王凯全. 中国安全科学学报. 2014(06)
[8]一种基于弹道模型的机动目标跟踪算法[J]. 张丕旭,石章松,刘忠. 弹箭与制导学报. 2009(04)
[9]多传感器信息融合及其新技术研究[J]. 王凤朝,黄树采,韩朝超. 航空计算技术. 2009(01)
[10]粒子滤波进展与展望[J]. 杨小军,潘泉,王睿,张洪才. 控制理论与应用. 2006(02)
博士论文
[1]基于异类传感器信息融合的目标跟踪理论与方法研究[D]. 王琪龙.北京交通大学 2017
[2]基于激光雷达的智能车辆目标识别与跟踪关键技术研究[D]. 周俊静.北京工业大学 2014
[3]航天器相对导航中的非线性滤波问题研究[D]. 魏喜庆.哈尔滨工业大学 2013
[4]非线性Bayesian滤波及其在SINS/GPS紧耦合导航中的应用研究[D]. 张召友.哈尔滨工程大学 2013
[5]容积卡尔曼滤波算法研究及其在导航中的应用[D]. 葛磊.哈尔滨工程大学 2013
[6]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
[7]非线性滤波在通信与导航中的应用研究[D]. 张鑫明.北京邮电大学 2012
[8]水下航行器导航及数据融合技术研究[D]. 杨峻巍.哈尔滨工程大学 2012
[9]粒子滤波改进算法研究与应用[D]. 蒋蔚.哈尔滨工业大学 2010
[10]非线性SPKF滤波算法研究及其在组合导航中的应用[D]. 王小旭.哈尔滨工程大学 2010
硕士论文
[1]雷达摄像头数据融合在智能辅助驾驶的应用[D]. 王贺.吉林大学 2019
[2]自主驾驶汽车局部运动规划研究[D]. 熊晓勇.吉林大学 2019
[3]多传感器多目标的航迹关联技术研究[D]. 路娜.西安电子科技大学 2019
[4]复杂环境下多传感器目标跟踪技术研究[D]. 李秋旭.西安电子科技大学 2018
[5]SAR海洋溢油监测多源信息融合研究[D]. 朱宗斌.中国海洋大学 2015
[6]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
[7]基于多种激光雷达数据融合的障碍检测技术的研究[D]. 杨光祖.北京工业大学 2013
[8]多目标跟踪的数据关联算法研究[D]. 吴佳芯.西安电子科技大学 2013
[9]多传感器多目标航迹跟踪与融合算法研究[D]. 严康.南京理工大学 2012
[10]多传感器多目标航迹关联与融合算法研究[D]. 程跃兵.南京理工大学 2010
本文编号：3355894
本文链接：https://www.wllwen.com/kejilunwen/qiche/3355894.html
