發(fā)布時(shí)間：2021-06-21 08:20

　　當(dāng)前,發(fā)展智能汽車已成為國家戰(zhàn)略,成為推動(dòng)國家經(jīng)濟(jì)戰(zhàn)略轉(zhuǎn)型、落實(shí)供給側(cè)改革的重要抓手。相比于其他技術(shù),感知能力不足已成為制約智能汽車快速落地的關(guān)鍵瓶頸,只有準(zhǔn)確實(shí)時(shí)地探測和感知到汽車本身所處的環(huán)境及周圍路況,才能為智能汽車正確的預(yù)警與控制決策提供可靠的依據(jù)。因此,融合傳統(tǒng)車載傳感設(shè)備、發(fā)展高效車載傳感裝置成為解決問題的重要手段,具有重要的現(xiàn)實(shí)意義和工程價(jià)值。論文研究內(nèi)容包括:（1）基于多源信息融合的智能汽車環(huán)境感知系統(tǒng)架構(gòu)研究。論文在分析多源信息融合基礎(chǔ)理論和智能汽車環(huán)境感知發(fā)展歷程的基礎(chǔ)上,歸納總結(jié)單車多傳感協(xié)同感知與多車多傳感協(xié)同定位中的信息融合功能框架,分析了智能汽車多傳感融合輸入數(shù)據(jù)的主要特征:多源、異構(gòu)和變尺度,并總結(jié)了信息融合感知方法的五大關(guān)鍵技術(shù),為后續(xù)單車/多車多傳感信息融合感知方法研究奠定理論基礎(chǔ)。（2）智能汽車單車多傳感信息融合感知方法研究。針對(duì)目前智能汽車工程應(yīng)用領(lǐng)域中單一傳感器不能有效地識(shí)別前方車輛目標(biāo)的問題,提出一種基于雷達(dá)與攝像頭信息融合的目標(biāo)識(shí)別方案;融合方案采用雷達(dá)為主攝像頭為輔的硬件框架,引入馬氏距離進(jìn)行目標(biāo)序列的觀測值匹配,基于JPDA（聯(lián)合概率函數(shù)... 

【文章來源】：江蘇大學(xué)江蘇省

【文章頁數(shù)】：132 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

智能汽車技術(shù)示意圖

標(biāo)級(jí)融合的信息融合感知方法。作為一種工程上最佳的實(shí)現(xiàn)方式，目標(biāo)級(jí)融合既沒有丟失過多信息量，同時(shí)又保證了處理效率，具有多源、異構(gòu)和變尺度的數(shù)據(jù)特點(diǎn)，如圖2.2 所示。多源是指傳感器類型多，有視覺、雷達(dá)、V2X 等多種傳感器；異構(gòu)是指不同傳感器的輸入數(shù)據(jù)結(jié)構(gòu)不完全相同，有目標(biāo)點(diǎn)數(shù)據(jù)、地圖數(shù)據(jù)、自身 GNSS 坐標(biāo)等；變尺度指的是對(duì)于某些相同的數(shù)據(jù)結(jié)構(gòu)，不同的傳感器其分辨率和時(shí)空基準(zhǔn)是不一樣的，比如視覺和毫米波雷達(dá)其測量精度就不一樣，而且由于它們擺放位置以及工作時(shí)鐘不同，導(dǎo)致其時(shí)空基準(zhǔn)是不一樣的，這些就是智能車輛環(huán)境感知信息融合輸入數(shù)據(jù)的主要特征。

第二章 基于多源信息融合的智能汽車環(huán)境感知系統(tǒng)過時(shí)空距離和軌跡相關(guān)進(jìn)行多目標(biāo)關(guān)聯(lián)，保證后續(xù)的目標(biāo)級(jí)融合順利進(jìn)行（3）參數(shù)融合技術(shù)：對(duì)于目標(biāo)的一個(gè)參數(shù)，有多個(gè)傳感器的觀測，比如毫雷達(dá)和視頻都可以得到目標(biāo)的距離，此時(shí)通過最大似然估計(jì)等融合方法可以對(duì)目標(biāo)參數(shù)的估計(jì)精度。（4）多目標(biāo)跟蹤與預(yù)測技術(shù)：在得到目標(biāo)的點(diǎn)跡后，就可以通過運(yùn)動(dòng)方程標(biāo)的軌跡進(jìn)行跟蹤和預(yù)測，從而得到形成局部環(huán)境的交通態(tài)勢圖，由此進(jìn)一以估計(jì)出本車的可行駛區(qū)域；（5）目標(biāo)分類識(shí)別技術(shù)：通過多傳感器的目標(biāo)關(guān)聯(lián)，可以獲得目標(biāo)的多個(gè)，因此可以大大提高對(duì)目標(biāo)的識(shí)別概率。比如視頻只能通過圖像來識(shí)別，但合了雷達(dá)以后，還可以獲得目標(biāo)的速度信息和 RCS 信息，將這些信息結(jié)合，可以大大提高目標(biāo)的識(shí)別率。

【參考文獻(xiàn)】：
期刊論文
[1]基于GNSS/DSRC融合的協(xié)同車輛定位方法[J]. 劉江,蔡伯根,王云鵬.  交通運(yùn)輸工程學(xué)報(bào). 2014(04)
[2]多源信息融合關(guān)鍵問題、研究進(jìn)展與新動(dòng)向[J]. 陳科文,張祖平,龍軍.  計(jì)算機(jī)科學(xué). 2013(08)
[3]基于DS證據(jù)理論的灰色航跡關(guān)聯(lián)技術(shù)研究[J]. 張靖,計(jì)文平,石教華.  中國電子科學(xué)研究院學(xué)報(bào). 2013(03)
[4]智能車輛自由換道軌跡規(guī)劃研究[J]. 楊志剛,戚志錦,黃燕.  重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(03)
[5]無線車聯(lián)網(wǎng)WAVE的車地通信初步研究[J]. 張繼永,楊斌.  通信技術(shù). 2012(10)
[6]通信丟包影響下的智能車隊(duì)縱向控制[J]. 賈曉燕.  蘭州交通大學(xué)學(xué)報(bào). 2011(06)
[7]Wiener濾波,Kalman濾波和信息融合濾波理論研究進(jìn)展[J]. 鄧自立.  黑龍江大學(xué)工程學(xué)報(bào). 2011(03)
[8]基于角點(diǎn)特征的立體視覺車輛環(huán)境感知系統(tǒng)研究[J]. 姜巖,高峰,徐國艷.  機(jī)械工程學(xué)報(bào). 2011(14)
[9]基于高斯粒子JPDA濾波的多目標(biāo)跟蹤算法[J]. 張俊根,姬紅兵,蔡紹曉.  電子與信息學(xué)報(bào). 2010(11)
[10]基于多信息融合的視覺目標(biāo)類識(shí)別算法研究[J]. 江愛文,王春恒,肖柏華,程剛.  計(jì)算機(jī)科學(xué). 2010(09)

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]多傳感器信息融合方法及其在空間目標(biāo)識(shí)別中的應(yīng)用[D]. 張池平.哈爾濱工業(yè)大學(xué) 2006
[3]基于信息融合的圖像理解方法研究[D]. 胡良梅.合肥工業(yè)大學(xué) 2006

碩士論文
[1]部分車輛聯(lián)網(wǎng)條件下多車協(xié)同避撞算法研究[D]. 徐成.清華大學(xué) 2015
[2]面向車載自組網(wǎng)的可靠廣播機(jī)制研究[D]. 張旭東.大連理工大學(xué) 2015
[3]基于多傳感器信息融合的動(dòng)態(tài)目標(biāo)檢測與識(shí)別[D]. 閆光.北京理工大學(xué) 2015
[4]基于毫米波雷達(dá)與機(jī)器視覺融合的前方車輛檢測研究[D]. 王亞麗.吉林大學(xué) 2013
[5]碰撞預(yù)判系統(tǒng)中車輛的圖像雷達(dá)聯(lián)合識(shí)別方法[D]. 姚遠(yuǎn).清華大學(xué) 2013
[6]基于多種激光雷達(dá)數(shù)據(jù)融合的障礙檢測技術(shù)的研究[D]. 楊光祖.北京工業(yè)大學(xué) 2013
[7]基于奇異值分解與正交可判別向量的圖像識(shí)別算法研究[D]. 張綠云.廣西師范大學(xué) 2013
[8]多傳感器多目標(biāo)跟蹤的數(shù)據(jù)關(guān)聯(lián)算法研究[D]. 高祺.西安電子科技大學(xué) 2013
[9]基于車車通信的安全車距研究[D]. 杜江偉.武漢理工大學(xué) 2012
[10]基于信息融合的道路和障礙物檢測方法研究[D]. 唐祥燕.南京理工大學(xué) 2012



本文編號(hào)：3240333