發(fā)布時(shí)間：2022-01-26 22:00

　　隨著我國(guó)人民生活水平的不斷提升,越來越多的人選擇汽車作為出行工具。隨之而來的則是交通追尾事故的頻發(fā)。減少交通追尾事故的發(fā)生成為了交通發(fā)展與汽車產(chǎn)業(yè)發(fā)展共同面臨的問題。為解決這一社會(huì)問題,針對(duì)汽車行車安全的主動(dòng)安全技術(shù)也得到了快速的發(fā)展。自動(dòng)緊急制動(dòng)系統(tǒng)作為一項(xiàng)重要的汽車主動(dòng)安全技術(shù),能夠在碰撞發(fā)生之前通過預(yù)警和主動(dòng)制動(dòng)的方式阻止碰撞的發(fā)生,受到了國(guó)內(nèi)外各大車企的青睞。本文結(jié)合某預(yù)研項(xiàng)目,采用基于毫米波雷達(dá)和攝像頭視覺的數(shù)據(jù)融合算法,對(duì)乘用車自動(dòng)緊急制動(dòng)系統(tǒng)（AEB）的控制策略進(jìn)行了相關(guān)研究。首先針對(duì)自動(dòng)緊急制動(dòng)系統(tǒng)（AEB）的目標(biāo)識(shí)別部分提出了基于毫米波雷達(dá)與攝像頭數(shù)據(jù)融合的車輛檢測(cè)方法。先后完成了基于閾值篩選的毫米波雷達(dá)目標(biāo)初選和潛在危險(xiǎn)目標(biāo)篩選,構(gòu)建了基于Haar-like特征和Adaboost車輛目標(biāo)檢測(cè)算法,在此基礎(chǔ)上搭建了毫米波雷達(dá)與攝像頭融合模型,對(duì)多傳感器數(shù)據(jù)融合策略展開研究,完成了車輛ROI劃分和目標(biāo)信息的修正,實(shí)現(xiàn)了毫米波雷達(dá)與攝像頭在空間與時(shí)間上的融合。接著對(duì)自動(dòng)緊急制動(dòng)系統(tǒng)的安全模型進(jìn)行了研究。討論了安全模型的制定要求,并對(duì)基于碰撞時(shí)間和安全車距的典型安全模型進(jìn)行... 

【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(jí)別】：碩士

【部分圖文】：

ARS4ARS408-21毫米波雷達(dá)采用調(diào)頻連

( ) ( ) ( ) < ···························，k 表示采樣序號(hào)， 為雷達(dá)采樣周期， ( )、 ( )分別為 k 和橫向坐標(biāo)， = 、 = 分別為縱向和橫向、 分別車輛實(shí)際行車過程中縱向和橫向加速度的最大潛在危險(xiǎn)目標(biāo)篩選將在接下來的一段時(shí)間內(nèi)會(huì)對(duì)本車行車安全構(gòu)成威脅的道路中危險(xiǎn)目標(biāo)。經(jīng)過虛假目標(biāo)排除后，并不是所有的目標(biāo)都為潛在輸入至數(shù)據(jù)融合部分危險(xiǎn)目標(biāo)的百分比，減少數(shù)據(jù)融合的運(yùn)算撞潛在危險(xiǎn)區(qū)來對(duì)非潛在危險(xiǎn)目標(biāo)進(jìn)行過濾。車行駛過程中，只有當(dāng)本車與前方障礙物沿行駛方向的投影存能發(fā)生碰撞，即前方障礙物的輪廓應(yīng)落在潛在危險(xiǎn)區(qū)，如圖 2

圖 2.5 任意矩形區(qū)域像素和 A 區(qū)域所有像素點(diǎn)的像素值之和。則有： M( , ) [M( , ) + M( , )] + M( , )Adaboost 的強(qiáng)分類器訓(xùn)練獲得了大量的圖片的 Haar-like 特征，然而，這測(cè)的參考，因此引入 Adaboost 算法挑選出對(duì)分daboost 訓(xùn)練流程如圖 2.6 所示：樣本權(quán)重值初始化創(chuàng)建樣本集開始

【參考文獻(xiàn)】：
期刊論文
[1]ADAS毫米波雷達(dá)原理與電磁抗擾能力初探[J]. 王文峰,張悅,張旭,丁一夫,張廣玉.  上海汽車. 2018(06)
[2]發(fā)改委:2020年智能汽車新車占比將達(dá)50%[J]. 蘇漢.  中國(guó)汽配市場(chǎng). 2017 (06)
[3]基于多傳感器信息融合的車輛目標(biāo)識(shí)別方法[J]. 孫寧,秦洪懋,張利,葛如海.  汽車工程. 2017(11)
[4]《汽車產(chǎn)業(yè)中長(zhǎng)期發(fā)展規(guī)劃》發(fā)布[J]. 申桂英.  精細(xì)與專用化學(xué)品. 2017(05)
[5]車輛防碰撞Carsim/Simulink仿真研究[J]. 楊丹,杜釗,徐彬.  電氣電子教學(xué)學(xué)報(bào). 2017(01)
[6]節(jié)能與新能源汽車技術(shù)路線圖[J]. 雷洪鈞.  時(shí)代汽車. 2017(01)
[7]基于駕駛員狀態(tài)的高速公路安全車距模型[J]. 呂長(zhǎng)民,譚德榮,于廣鵬,于洋.  山東交通學(xué)院學(xué)報(bào). 2015(04)
[8]自主緊急制動(dòng)系統(tǒng)避撞策略的研究[J]. 李霖,朱西產(chǎn),董小飛,馬志雄.  汽車工程. 2015(02)
[9]基于視覺和毫米波雷達(dá)的車輛檢測(cè)(英文)[J]. 靳璐,付夢(mèng)印,王美玲,楊毅.  紅外與毫米波學(xué)報(bào). 2014(05)
[10]汽車前向主動(dòng)報(bào)警/避撞策略[J]. 裴曉飛,齊志權(quán),王保鋒,劉昭度.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2014(03)

博士論文
[1]基于環(huán)境感知技術(shù)的客運(yùn)車輛危險(xiǎn)行駛狀態(tài)辨識(shí)技術(shù)研究[D]. 劉永濤.長(zhǎng)安大學(xué) 2015

碩士論文
[1]機(jī)器視覺與毫米波雷達(dá)融合的前方車輛檢測(cè)方法研究[D]. 譚力凡.湖南大學(xué) 2018
[2]汽車主動(dòng)避撞系統(tǒng)穩(wěn)定性控制策略研究[D]. 徐志江.南京航空航天大學(xué) 2017
[3]汽車主動(dòng)防撞預(yù)警系統(tǒng)的安全策略研究[D]. 李文娜.吉林大學(xué) 2016
[4]基于測(cè)距雷達(dá)和機(jī)器視覺數(shù)據(jù)融合的前方車輛檢測(cè)系統(tǒng)[D]. 龐成.東南大學(xué) 2015
[5]基于毫米波雷達(dá)與機(jī)器視覺融合的前方車輛檢測(cè)研究[D]. 王亞麗.吉林大學(xué) 2013
[6]汽車縱向主動(dòng)避撞系統(tǒng)的建模與仿真[D]. 沈忱.武漢理工大學(xué) 2012
[7]汽車主動(dòng)防撞系統(tǒng)控制模式的研究[D]. 李朋.南京航空航天大學(xué) 2012
[8]基于車—車通信安全距離模型的駕駛員輔助決策研究[D]. 梁忠艷.哈爾濱工業(yè)大學(xué) 2010
[9]車輛液壓制動(dòng)系統(tǒng)建模及路面參數(shù)估計(jì)方法研究[D]. 馬鐲.哈爾濱工業(yè)大學(xué) 2007



本文編號(hào)：3611238