基于视觉和毫米波雷达融合的前方车辆检测算法研究

发布时间：2023-04-02 05:44

　　在无人驾驶系统中,感知是极其重要的一环,而准确实时的检测到前方车辆,可以为后续决策和规划提供充分的先验条件,从而避免交通事故的出现。毫米波雷达和摄像头在目标检测方面各有优劣,雷达可以有效获取道路目标的相对距离、相对速度、相对角度等信息,但无法准确获得目标的宽度信息;而摄像头可以获得前方车辆的目标宽度、类别等信息,但无法精确对目标进行测距、测速等,且使用单雷达或单摄像头时可能存在目标的虚检或漏检。基于上述分析,本文提出了一种基于毫米波雷达和视觉融合的车辆检测算法,通过时空转换将毫米波雷达目标点投影到图像上,通过目标关联算法实现雷达目标序列和摄像头目标序列的关联,对关联成功的目标进行更完整信息的输出,对未关联的目标同样进行输出,相较于单雷达或单视觉算法,可以获取更完整的道路目标信息。具体研究内容如下:1、雷达有效车辆目标序列的获取。首先利用Kvaser CAN总线分析仪实现对雷达目标信号的接收,通过对回波信号中空目标、静止目标和无效目标信号的特点进行分析,提出了本文基于雷达的有效车辆目标序列获取算法。通过雷达信号本身特点滤除空目标信号,通过两帧之间的阈值来滤除无效目标信号,通过自车与目标之...

【文章页数】：93 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题的研究背景和意义
    1.2 国内外无人驾驶汽车研究现状
        1.2.1 国外无人驾驶汽车发展现状
        1.2.2 国内无人驾驶技术的发展现状
    1.3 无人驾驶汽车前方车辆检测的研究现状
        1.3.1 基于机器视觉的车辆检测
        1.3.2 基于毫米波雷达的车辆检测
        1.3.3 基于激光雷达的车辆检测
        1.3.4 基于多传感器融合的车辆检测
    1.4 本文的研究内容和章节安排
第2章 基于毫米波雷达的车辆检测
    2.1 毫米波雷达的性能和特点
    2.2 毫米波雷达的工作原理
    2.3 毫米波雷达的选型
    2.4 毫米波雷达的数据接收和处理
    2.5 毫米波雷达有效目标获取
        2.5.1 雷达采集信号分析
        2.5.2 毫米波雷达滤波算法
        2.5.3 滤波算法验证
    2.6 本章小结
第3章 基于深度学习的前方车辆检测和距离测量
    3.1 卷积神经网络
        3.1.1 神经网络概述
        3.1.2 卷积神经网络特性
        3.1.3 卷积神经网络层级结构
        3.1.4 卷积神经网络工作原理
    3.2 目标检测算法介绍
        3.2.1 传统目标检测算法介绍
        3.2.2 基于深度学习的目标检测算法介绍
    3.3 基于CAFFE的 SSD车辆检测
        3.3.1 SSD算法原理
        3.3.2 实验数据准备
        3.3.3 网络训练和实验结果分析
    3.4 基于单目视觉的车辆测距
        3.4.1 基于小孔成像的测距模型
        3.4.2 基于单帧图像的测距模型
        3.4.3 基于序列图像的测距模型
    3.5 测距模型的实现
    3.6 测距模型的实验验证
    3.7 本章小结
第4章 基于毫米波雷达和视觉融合的车辆检测
    4.1 毫米波雷达和相机的空间同步
        4.1.1 传感器位置和坐标系定义
        4.1.2 雷达坐标系和世界坐标系的转换
        4.1.3 像素坐标系和世界坐标系的转换
        4.1.4 相机内外参数标定
        4.1.5 雷达坐标系和相机坐标系的联合标定
    4.2 毫米波雷达和相机的时间同步
    4.3 基于视觉与雷达融合的车辆检测算法
        4.3.1 毫米波雷达和相机的目标关联算法
        4.3.2 车辆目标信息生成策略
    4.4 本章小结
第5章 系统平台设计与实验
    5.1 系统平台设计
        5.1.1 无人车总体架构
        5.1.2 硬件架构设计
        5.1.3 软件架构设计
    5.2 实车算法验证与分析
    5.3 本章小结
总结与展望
    1 研究内容总结
    2 工作展望
参考文献
致谢



本文编号：3778662