智能駕駛技術(shù)的迅速發(fā)展及其廣泛的應(yīng)用前景對智能輔助駕駛系統(tǒng)的性能提出了更高的要求,環(huán)境感知系統(tǒng)作為其中關(guān)鍵的一環(huán)顯得尤為重要。考慮到現(xiàn)階段量產(chǎn)應(yīng)用的單傳感器環(huán)境感知方案存在的不足,通過多傳感器信息冗余和優(yōu)勢互補,可明顯解決現(xiàn)階段的問題。為此,本文主要研究了雷達攝像頭的決策級數(shù)據(jù)融合,并基于決策層數(shù)據(jù)融合思想設(shè)計了融合框架,包括融合數(shù)據(jù)預(yù)處理、目標物數(shù)據(jù)融合、車道線數(shù)據(jù)融合及最危險目標篩選策略。融合數(shù)據(jù)預(yù)處理中,考慮到毫米波雷達目標探測原理,本文所設(shè)計的有效目標篩選算法和有效生命周期檢驗方法可剔除雷達原始數(shù)據(jù)中存在的大量噪聲和干擾信號;通過對攝像頭原始目標的連續(xù)跟蹤和目標數(shù)據(jù)關(guān)聯(lián),可解決攝像頭觀測數(shù)據(jù)與實際被探測目標不一致性問題;基于常加速度運動模型的Kalman濾波可明顯改善原始目標信號質(zhì)量。目標物數(shù)據(jù)融合中,本文通過對傳統(tǒng)歐式距離的改進,綜合考慮前方目標多種運動參數(shù),可有效對雷達和攝像頭各自獨立觀測的目標信息是否為對同一實際目標的觀測進行判斷;卡爾曼加權(quán)融合算法可綜合雷達目標和攝像頭目標的觀測數(shù)據(jù)優(yōu)勢,獲得精度較高誤差較小的融合目標信息;對融合目標進行連續(xù)多幀數(shù)據(jù)的跟蹤可有效解決單一... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：103 頁

【學(xué)位級別】：碩士

【部分圖文】：

豐田PCS系統(tǒng)數(shù)據(jù)融合框架

雷達與攝像頭傳感器的軌跡融合框圖

ADAS系統(tǒng)數(shù)據(jù)融合三級結(jié)構(gòu)模型

【參考文獻】：
期刊論文
[1]一種基于攝像雷達的雷達標定實現(xiàn)方法[J]. 朱劉影,汪成軍.  計算機產(chǎn)品與流通. 2019(02)
[2]面向高級輔助駕駛雷達和視覺傳感器信息融合算法的研究[J]. 楊鑫,劉威,林輝.  汽車實用技術(shù). 2018(01)
[3]基于信息融合的智能車障礙物檢測方法[J]. 陸峰,徐友春,李永樂,王德宇,謝德勝.  計算機應(yīng)用. 2017(S2)
[4]基于多傳感器信息融合的車輛目標識別方法[J]. 孫寧,秦洪懋,張利,葛如海.  汽車工程. 2017(11)
[5]一種基于雷達和機器視覺信息融合的車輛識別方法[J]. 王寶鋒,齊志權(quán),馬國成,陳思忠.  汽車工程. 2015(06)
[6]多傳感器多目標跟蹤及航跡融合系統(tǒng)[J]. 付琳,萬曉冬,王保曾.  計算機與現(xiàn)代化. 2014(10)
[7]車輛自適應(yīng)巡航控制系統(tǒng)有效目標辨識算法[J]. 焦新龍,米雪玉,王暢,黃國潮,劉雪蓮.  長安大學(xué)學(xué)報(自然科學(xué)版). 2014(03)
[8]一種毫米波雷達和攝像頭聯(lián)合標定方法[J]. 羅逍,姚遠,張金換.  清華大學(xué)學(xué)報(自然科學(xué)版). 2014(03)
[9]多傳感器數(shù)據(jù)融合技術(shù)研究進展[J]. 黃漫國,樊尚春,鄭德智,邢維巍.  傳感器與微系統(tǒng). 2010(03)
[10]多傳感器信息融合的目標跟蹤研究[J]. 朱安福,景占榮.  計算機工程與應(yīng)用. 2009(25)

博士論文
[1]基于多傳感器信息融合關(guān)鍵技術(shù)的研究[D]. 康健.哈爾濱工程大學(xué) 2013
[2]多傳感器目標跟蹤數(shù)據(jù)融合關(guān)鍵技術(shù)研究[D]. 崔波.西南交通大學(xué) 2012
[3]多傳感器數(shù)據(jù)關(guān)聯(lián)與航跡融合技術(shù)研究[D]. 田雪怡.哈爾濱工程大學(xué) 2012

碩士論文
[1]汽車前方車輛識別的雷達和視覺信息融合算法開發(fā)[D]. 陳曉偉.吉林大學(xué) 2016
[2]基于雷達和機器視覺融合的前方車輛障礙物檢測[D]. 那田.合肥工業(yè)大學(xué) 2016
[3]基于軌跡分析的自適應(yīng)巡航系統(tǒng)目標識別方法研究[D]. 耿石峰.吉林大學(xué) 2015
[4]基于信息融合的智能車輛前方目標識別技術(shù)研究[D]. 嚴思寧.東南大學(xué) 2015
[5]基于毫米波雷達與機器視覺融合的前方車輛檢測研究[D]. 王亞麗.吉林大學(xué) 2013
[6]基于毫米波雷達的汽車主動防撞預(yù)警目標識別[D]. 韓星.吉林大學(xué) 2013
[7]多傳感器數(shù)據(jù)融合算法的研究與應(yīng)用[D]. 邵州華.東北大學(xué) 2013
[8]基于毫米波雷達的車間位置關(guān)系識別方法[D]. 任德錕.長安大學(xué) 2012
[9]多傳感器數(shù)據(jù)融合算法研究與應(yīng)用[D]. 劉敏.南京航空航天大學(xué) 2012
[10]自適應(yīng)巡航控制系統(tǒng)中前方有效目標識別算法研究[D]. 陳達興.吉林大學(xué) 2011



本文編號：3079650