77G车载雷达目标跟踪技术研究
发布时间:2023-10-06 18:50
车载雷达作为ADAS系统重要的传感器,在无人驾驶汽车中扮演着关键角色,而目标跟踪作为雷达信息处理领域的主要技术问题之一,是实现ADAS系统各项功能的基础与前提。77GHz毫米波雷达与24GHz毫米波雷达相比具有更高的探测精度、更低的工作功耗,在提升了性能的同时也对77GHz毫米波雷达数据处理工作提出了更高的要求。本文以77GHz车载毫米波雷达为基础,对雷达目标跟踪技术进行研究,研究内容包括:(1)分析基于AWR1642的77GHz毫米波雷达系统结构,研究车载毫米波雷达对目标的位置、速度与角度信息的获取方式。(2)针对77GHz毫米波雷达能够获取目标点云数据的特点,对77GHz毫米波雷达点云数据进行聚类研究,为后续目标跟踪做准备工作。主要包括基于点云位置信息的K-means算法、AGNES层次聚类算法与DBSCAN密度聚类算法的研究与实验,分析传统聚类算法的缺陷,并根据传统算法的不足给出一种基于多普勒频率的77GHz车载毫米波雷达快速聚类算法,经过仿真实验验证了该改进算法可提升点云聚类准确性的同时降低因计算维度增加所带来的时间消耗。(3)针对一般道路环境,对基于数据关联方式的车载雷达目标...
【文章页数】:100 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究历史与现状
1.3 本文主要工作及章节安排
第二章 车载雷达系统与数据获取
2.1 雷达传感器AWR1642介绍
2.2 77GHz车载毫米波雷达数据获取原理
2.2.1 位置信息获取
2.2.2 速度信息获取
2.2.3 角度信息获取
2.3 本章小结
第三章 雷达数据聚类算法研究
3.1 基于位置信息的目标聚类算法
3.1.1 聚类相似性测度
3.1 2 K-means聚类算法
3.1.3 AGNES层次聚类算法
3.1.4 DBSCAN密度聚类算法
3.1.5 基于位置信息聚类算法对比分析
3.2 基于多普勒频率的77GHz毫米波雷达快速聚类算法
3.2.1 算法原理
3.2.2 多条件算法仿真对比分析
3.2.3 实测数据实验
3.3 本章小结
第四章 一般道路环境下目标跟踪研究
4.1 道路目标运动模型
4.1.1 CV与CA模型
4.1.2 一阶时间相关模型
4.1.3 “当前”统计模型
4.1.4 CT模型
4.2 航迹起始
4.2.1 航迹起始波门
4.2.2 直观法
4.2.3 逻辑法
4.2.4 Hough变换法
4.2.5 修正的Hough变换法
4.2.6 算法仿真对比分析
4.3 目标跟踪滤波算法
4.3.1 卡尔曼滤波
4.3.2 线性卡尔曼滤波仿真
4.3.3 扩展卡尔曼滤波
4.3.4 无迹卡尔曼滤波
4.3.5 非线性扩展卡尔曼与无迹卡尔曼滤波仿真
4.4 数据关联
4.4.1 最邻近数据关联算法
4.4.2 概率数据关联算法
4.4.3 联合概率数据关联算法
4.4.4 算法仿真对比分析
4.5 本章小结
第五章 复杂道路环境下目标跟踪研究
5.1 随机集多目标跟踪理论
5.1.1 随机有限集理论
5.1.2 基于随机有限集的多目标跟踪算法
5.2 多目标基于PHD的随机集跟踪
5.2.1 线性高斯混合概率假设密度滤波GM-PHD
5.2.2 非线性扩展卡尔曼-高斯混合概率假设密度滤波EK-GMPHD
5.2.3 非线性无迹卡尔曼-高斯混合概率假设密度滤波UK-GMPHD
5.3 算法仿真对比分析
5.3.1 性能评估指标
5.3.2 线性GM-PHD仿真
5.3.3 非线性EK-GMPHD与UK-GMPHD仿真
5.4 本章小结
第六章 总结与展望
6.1 工作总结
6.2 研究展望
致谢
参考文献
攻读硕士学位期间取得的成果
本文编号:3852269
【文章页数】:100 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究历史与现状
1.3 本文主要工作及章节安排
第二章 车载雷达系统与数据获取
2.1 雷达传感器AWR1642介绍
2.2 77GHz车载毫米波雷达数据获取原理
2.2.1 位置信息获取
2.2.2 速度信息获取
2.2.3 角度信息获取
2.3 本章小结
第三章 雷达数据聚类算法研究
3.1 基于位置信息的目标聚类算法
3.1.1 聚类相似性测度
3.1 2 K-means聚类算法
3.1.3 AGNES层次聚类算法
3.1.4 DBSCAN密度聚类算法
3.1.5 基于位置信息聚类算法对比分析
3.2 基于多普勒频率的77GHz毫米波雷达快速聚类算法
3.2.1 算法原理
3.2.2 多条件算法仿真对比分析
3.2.3 实测数据实验
3.3 本章小结
第四章 一般道路环境下目标跟踪研究
4.1 道路目标运动模型
4.1.1 CV与CA模型
4.1.2 一阶时间相关模型
4.1.3 “当前”统计模型
4.1.4 CT模型
4.2 航迹起始
4.2.1 航迹起始波门
4.2.2 直观法
4.2.3 逻辑法
4.2.4 Hough变换法
4.2.5 修正的Hough变换法
4.2.6 算法仿真对比分析
4.3 目标跟踪滤波算法
4.3.1 卡尔曼滤波
4.3.2 线性卡尔曼滤波仿真
4.3.3 扩展卡尔曼滤波
4.3.4 无迹卡尔曼滤波
4.3.5 非线性扩展卡尔曼与无迹卡尔曼滤波仿真
4.4 数据关联
4.4.1 最邻近数据关联算法
4.4.2 概率数据关联算法
4.4.3 联合概率数据关联算法
4.4.4 算法仿真对比分析
4.5 本章小结
第五章 复杂道路环境下目标跟踪研究
5.1 随机集多目标跟踪理论
5.1.1 随机有限集理论
5.1.2 基于随机有限集的多目标跟踪算法
5.2 多目标基于PHD的随机集跟踪
5.2.1 线性高斯混合概率假设密度滤波GM-PHD
5.2.2 非线性扩展卡尔曼-高斯混合概率假设密度滤波EK-GMPHD
5.2.3 非线性无迹卡尔曼-高斯混合概率假设密度滤波UK-GMPHD
5.3 算法仿真对比分析
5.3.1 性能评估指标
5.3.2 线性GM-PHD仿真
5.3.3 非线性EK-GMPHD与UK-GMPHD仿真
5.4 本章小结
第六章 总结与展望
6.1 工作总结
6.2 研究展望
致谢
参考文献
攻读硕士学位期间取得的成果
本文编号:3852269
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3852269.html