面向智能车的毫米波雷达与单目相机信息融合方法研究
发布时间：2021-01-31 15:26
在智能车行驶的过程中,由于环境复杂性,单一传感器或者多个同质传感器无法完全感知智能车周围的交通环境。因此,需要研究异质传感器信息融合方案,利用异质传感器各自的优点,弥补单一传感器的不足,以实现多个异质传感器之间相互协作和相互补偿的功能。本文通过比较不同车载传感器的优缺点,最终选择了毫米波雷达和单目相机作为智能车感知前方环境的传感器。首先,为了保证异质传感器识别的目标信息在空间上和时间上的统一性,本文确定传感器之间的坐标转化关系,并将传感器坐标系映射到同一参考坐标系下。其次,并行处理毫米波雷达和单目相机目标信息。然后,在两类信号的时间和空间同步的情况下,采用全局最近邻（Global Nearest Neighbor,GNN）匹配算法匹配两类信号,用加权平均法将匹配的两个目标合并为一个目标。最后,采用扩展卡尔曼滤波（Extended Kalman Filter,EKF）算法跟踪未匹配的目标和匹配的目标,以确定目标的状态。本文主要研究内容如下:1.基于毫米波雷达的有效目标确定。介绍了毫米波雷达的性能和基本参数。根据CAN协议接收并解析毫米波雷达数据。分析雷达信号中的的空信号目标、无效信号目标...
【文章来源】：重庆邮电大学重庆市
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
传感器安装位置
图 3.1 毫米波雷达扫描定义 所示，毫米波雷达可提供的中距离覆盖区域为半径 60m45°到 45°之间，可以较容易检测相对邻近车道的障碍物175m 的探测距离和-10°到 10°的探测角度，覆盖范围基达每帧能探测 64 个目标，每个目标包含相对距离、相达目标识别距离精确度在中长距离分别为 0.25m 和 中长距离范围内都为 0.12m/s，水平视角的精确度在°和 0.5°。在中距离范围内，雷达识别的多个目标中两两速度和最小水平视角分别是 1.3m、0.25m/s 和 12°；在长个目标中两两之间的最小距离、最小相对速度和最小5m/s 和 3.5°。
图 3.3 CAN 标准帧存储协议如图 3.3 所示，每个雷达目标信息存储在 Data[0]~Data[7]中。其中，lsb 表示最低有效位，msb 表示最高有效位。黄色区域表示角度信息，由 Data[1]的低 5 位与 Data[2]的高 5 位组成；绿色区域表示距离信息，由 Data[2]的低 3 位与 Data[2]组成；蓝色区域表示相对速度信息，由 Data[6]的低 6 位与 Data[7]组成。将从最低有效位到最高有效位的数据组合成一个完整的二进制数，然后转化为融合所需的十进制信息。解析过程以角度为例，角度的二进制信息为a=(Data[1])<<5&(Data[2]>>3) ，若 a 的首位为 1，则表示角度为负数，需要先求原码的反码，补码，再转化为十进制数，最后乘以相应的比例。表 3.1 为解析的雷达目标部分数据。
【参考文献】：
期刊论文
[1]基于视觉显著性的无人车图像检测及分割方法[J]. 张俊杰,丁淑艳,李伦波,赵春霞. 计算机工程与应用. 2017(22)
[2]车载毫米波雷达对前方目标的运动状态估计[J]. 高振海,王竣,佟静,李红建,郭章勇,娄方明. 吉林大学学报(工学版). 2014(06)
[3]一种扩展小孔成像模型的鱼眼相机矫正与标定方法[J]. 涂波,刘璐,刘一会,金野,汤俊雄. 自动化学报. 2014(04)
[4]基于修正Riccati方程与Kuhn-Munkres算法的多传感器跟踪资源分配[J]. 童俊,单甘霖. 控制与决策. 2012(05)
[5]采用投影轮廓特征的激光雷达快速目标识别[J]. 郭裕兰,鲁敏,谭志国,万建伟. 中国激光. 2012(02)
[6]带切向畸变的模型可视化摄像机标定[J]. 华希俊,夏乐春,高福学,薛城. 工程图学学报. 2009(03)
[7]智能车辆环境感知传感器的应用现状[J]. 高德芝,段建民,郑榜贵,田炳香. 现代电子技术. 2008(19)
[8]分布式贝叶斯检测融合优化算法及其计算机仿真[J]. 李宏,许世军,刘诗斌. 计算机仿真. 2005(03)
[9]帧间差分与背景差分相融合的运动目标检测算法[J]. 朱明旱,罗大庸,曹倩霞. 计算机测量与控制. 2005(03)
[10]时间戳协议研究[J]. 张科伟,唐晓波. 计算机应用研究. 2004(10)
博士论文
[1]高频雷达信号处理中的若干问题研究[D]. 周浩.武汉大学 2004
硕士论文
[1]基于深度卷积神经网络的小目标检测[D]. 郭之先.南昌航空大学 2018
[2]基于测距雷达和机器视觉数据融合的前方车辆检测系统[D]. 庞成.东南大学 2015
[3]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
[4]分布式多传感器系统航迹融合算法研究[D]. 李军.太原理工大学 2011
[5]基于概率假设密度函数（PHD）的多目标跟踪方法研究[D]. 王芝.杭州电子科技大学 2009
[6]多传感器融合技术在移动机器人定位中的应用研究[D]. 周华.武汉理工大学 2009
本文编号：3011135
【文章来源】：重庆邮电大学重庆市
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
传感器安装位置
图 3.1 毫米波雷达扫描定义 所示，毫米波雷达可提供的中距离覆盖区域为半径 60m45°到 45°之间，可以较容易检测相对邻近车道的障碍物175m 的探测距离和-10°到 10°的探测角度，覆盖范围基达每帧能探测 64 个目标，每个目标包含相对距离、相达目标识别距离精确度在中长距离分别为 0.25m 和 中长距离范围内都为 0.12m/s，水平视角的精确度在°和 0.5°。在中距离范围内，雷达识别的多个目标中两两速度和最小水平视角分别是 1.3m、0.25m/s 和 12°；在长个目标中两两之间的最小距离、最小相对速度和最小5m/s 和 3.5°。
图 3.3 CAN 标准帧存储协议如图 3.3 所示，每个雷达目标信息存储在 Data[0]~Data[7]中。其中，lsb 表示最低有效位，msb 表示最高有效位。黄色区域表示角度信息，由 Data[1]的低 5 位与 Data[2]的高 5 位组成；绿色区域表示距离信息，由 Data[2]的低 3 位与 Data[2]组成；蓝色区域表示相对速度信息，由 Data[6]的低 6 位与 Data[7]组成。将从最低有效位到最高有效位的数据组合成一个完整的二进制数，然后转化为融合所需的十进制信息。解析过程以角度为例，角度的二进制信息为a=(Data[1])<<5&(Data[2]>>3) ，若 a 的首位为 1，则表示角度为负数，需要先求原码的反码，补码，再转化为十进制数，最后乘以相应的比例。表 3.1 为解析的雷达目标部分数据。
【参考文献】：
期刊论文
[1]基于视觉显著性的无人车图像检测及分割方法[J]. 张俊杰,丁淑艳,李伦波,赵春霞. 计算机工程与应用. 2017(22)
[2]车载毫米波雷达对前方目标的运动状态估计[J]. 高振海,王竣,佟静,李红建,郭章勇,娄方明. 吉林大学学报(工学版). 2014(06)
[3]一种扩展小孔成像模型的鱼眼相机矫正与标定方法[J]. 涂波,刘璐,刘一会,金野,汤俊雄. 自动化学报. 2014(04)
[4]基于修正Riccati方程与Kuhn-Munkres算法的多传感器跟踪资源分配[J]. 童俊,单甘霖. 控制与决策. 2012(05)
[5]采用投影轮廓特征的激光雷达快速目标识别[J]. 郭裕兰,鲁敏,谭志国,万建伟. 中国激光. 2012(02)
[6]带切向畸变的模型可视化摄像机标定[J]. 华希俊,夏乐春,高福学,薛城. 工程图学学报. 2009(03)
[7]智能车辆环境感知传感器的应用现状[J]. 高德芝,段建民,郑榜贵,田炳香. 现代电子技术. 2008(19)
[8]分布式贝叶斯检测融合优化算法及其计算机仿真[J]. 李宏,许世军,刘诗斌. 计算机仿真. 2005(03)
[9]帧间差分与背景差分相融合的运动目标检测算法[J]. 朱明旱,罗大庸,曹倩霞. 计算机测量与控制. 2005(03)
[10]时间戳协议研究[J]. 张科伟,唐晓波. 计算机应用研究. 2004(10)
博士论文
[1]高频雷达信号处理中的若干问题研究[D]. 周浩.武汉大学 2004
硕士论文
[1]基于深度卷积神经网络的小目标检测[D]. 郭之先.南昌航空大学 2018
[2]基于测距雷达和机器视觉数据融合的前方车辆检测系统[D]. 庞成.东南大学 2015
[3]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
[4]分布式多传感器系统航迹融合算法研究[D]. 李军.太原理工大学 2011
[5]基于概率假设密度函数（PHD）的多目标跟踪方法研究[D]. 王芝.杭州电子科技大学 2009
[6]多传感器融合技术在移动机器人定位中的应用研究[D]. 周华.武汉理工大学 2009
本文编号：3011135
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3011135.html
