毫米波雷達和機器視覺融合的前方車輛檢測與跟蹤算法研究
發(fā)布時間:2022-04-18 21:05
隨著汽車技術(shù)的發(fā)展以及快節(jié)奏生活的到來,汽車在人們生活中占據(jù)著越來越重要的地位,汽車帶來的交通事故也讓人們對汽車安全愈加重視。環(huán)境感知技術(shù)使用車載傳感器采集和處理車輛周邊環(huán)境信息,為車輛系統(tǒng)和駕駛員提供可靠的決策和控制依據(jù),是汽車高級駕駛輔助系統(tǒng)(ADAS系統(tǒng))的核心技術(shù)。識別準確率高、實時性好的的前方車輛檢測技術(shù)可以為ADAS系統(tǒng)提供有效的環(huán)境感知信息,對提高汽車的駕駛安全性、改善駕駛環(huán)境有著重要意義。因此,本文以ADAS系統(tǒng)中道路環(huán)境感知技術(shù)為研究對象,研究基于毫米波雷達和機器視覺的前方車輛檢測和跟蹤方法,并建立雷達與視覺的信息融合檢測方法,實現(xiàn)準確、實時的前方車輛檢測。本文的主要研究內(nèi)容如下:(1)基于毫米波雷達的車輛檢測和跟蹤。首先對雷達數(shù)據(jù)進行預處理,通過濾掉空目標,設(shè)置相對車速和車道范圍閾值,初選出有效車輛目標。提出一種多目標跟蹤算法,該算法框架融合無跡卡爾曼濾波算法,考慮多目標的數(shù)據(jù)關(guān)聯(lián)和航跡管理,并采用該跟蹤算法對有效車輛目標進行持續(xù)跟蹤。(2)基于機器視覺的車輛檢測和跟蹤。首先基于車底陰影和尾部對稱性特征提出一種基于圖像特征的車輛檢測算法,用于快速生成車輛假設(shè)區(qū)域;然...
【文章頁數(shù)】:90 頁
【學位級別】:碩士
【文章目錄】:
中文摘要
英文摘要
1 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 基于毫米波雷達的前方車輛檢測與跟蹤方法
1.2.2 基于機器視覺的前方車輛檢測與跟蹤方法
1.2.3 基于多傳感器融合的車輛識別
1.3 論文主要研究工作
2 基于毫米波雷達的車輛檢測與跟蹤
2.1 毫米波雷達工作原理
2.2 毫米波雷達選型與數(shù)據(jù)解析
2.3 毫米波雷達數(shù)據(jù)預處理
2.3.1 空目標濾波
2.3.2 相對車速濾波
2.3.3 車道范圍濾波
2.4 車輛目標跟蹤算法
2.4.1 多目標跟蹤算法框架
2.4.2 多目標跟蹤算法
2.4.3 算法驗證
2.5 本章小結(jié)
3 基于機器視覺的車輛目標檢測與跟蹤
3.1 基于圖像特征的車輛檢測算法
3.1.1 圖像預處理
3.1.2 生成車輛ROI區(qū)域
3.1.3 車輛存在性判斷
3.1.4 基于圖像特征的車輛檢測算法驗證
3.2 基于Haar-like+Adaboost車輛檢測算法
3.2.1 Haar-like矩形特征
3.2.2 Adaboost算法原理
3.2.3 基于OpenCV的檢測算法實現(xiàn)
3.3 核相關(guān)濾波跟蹤算法
3.3.1 核相關(guān)濾波跟蹤算法原理
3.3.2 結(jié)合KCF跟蹤算法的車輛檢測方法
3.3.3 跟蹤算法驗證
3.4 本章小結(jié)
4 基于毫米波雷達與機器視覺的信息融合算法研究
4.1 多傳感器信息空間融合
4.1.1 毫米波雷達坐標系與世界坐標系轉(zhuǎn)換
4.1.2 世界坐標系與攝像機坐標系轉(zhuǎn)換
4.2 攝像機選型與標定
4.2.1 攝像機傳感器的選型
4.2.2 相機標定
4.3 多傳感器信息時間融合
4.4 基于雷達與機器視覺的信息融合算法研究
4.4.1 雷達投影ROI區(qū)域
4.4.2 融合算法機器視覺檢測區(qū)域分割
4.4.3 視覺與雷達信息融合的關(guān)聯(lián)算法
4.5 信息融合算法驗證
4.6 本章小結(jié)
5 總結(jié)與展望
5.1 全文總結(jié)
5.2 工作展望
參考文獻
附錄
A 作者在攻讀學位期間發(fā)表的專利
B 作者在攻讀學位期間發(fā)表的論文
C 作者在攻讀學位期間參與的科研項目
D 學位論文數(shù)據(jù)集
致謝
本文編號:3646364
【文章頁數(shù)】:90 頁
【學位級別】:碩士
【文章目錄】:
中文摘要
英文摘要
1 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 基于毫米波雷達的前方車輛檢測與跟蹤方法
1.2.2 基于機器視覺的前方車輛檢測與跟蹤方法
1.2.3 基于多傳感器融合的車輛識別
1.3 論文主要研究工作
2 基于毫米波雷達的車輛檢測與跟蹤
2.1 毫米波雷達工作原理
2.2 毫米波雷達選型與數(shù)據(jù)解析
2.3 毫米波雷達數(shù)據(jù)預處理
2.3.1 空目標濾波
2.3.2 相對車速濾波
2.3.3 車道范圍濾波
2.4 車輛目標跟蹤算法
2.4.1 多目標跟蹤算法框架
2.4.2 多目標跟蹤算法
2.4.3 算法驗證
2.5 本章小結(jié)
3 基于機器視覺的車輛目標檢測與跟蹤
3.1 基于圖像特征的車輛檢測算法
3.1.1 圖像預處理
3.1.2 生成車輛ROI區(qū)域
3.1.3 車輛存在性判斷
3.1.4 基于圖像特征的車輛檢測算法驗證
3.2 基于Haar-like+Adaboost車輛檢測算法
3.2.1 Haar-like矩形特征
3.2.2 Adaboost算法原理
3.2.3 基于OpenCV的檢測算法實現(xiàn)
3.3 核相關(guān)濾波跟蹤算法
3.3.1 核相關(guān)濾波跟蹤算法原理
3.3.2 結(jié)合KCF跟蹤算法的車輛檢測方法
3.3.3 跟蹤算法驗證
3.4 本章小結(jié)
4 基于毫米波雷達與機器視覺的信息融合算法研究
4.1 多傳感器信息空間融合
4.1.1 毫米波雷達坐標系與世界坐標系轉(zhuǎn)換
4.1.2 世界坐標系與攝像機坐標系轉(zhuǎn)換
4.2 攝像機選型與標定
4.2.1 攝像機傳感器的選型
4.2.2 相機標定
4.3 多傳感器信息時間融合
4.4 基于雷達與機器視覺的信息融合算法研究
4.4.1 雷達投影ROI區(qū)域
4.4.2 融合算法機器視覺檢測區(qū)域分割
4.4.3 視覺與雷達信息融合的關(guān)聯(lián)算法
4.5 信息融合算法驗證
4.6 本章小結(jié)
5 總結(jié)與展望
5.1 全文總結(jié)
5.2 工作展望
參考文獻
附錄
A 作者在攻讀學位期間發(fā)表的專利
B 作者在攻讀學位期間發(fā)表的論文
C 作者在攻讀學位期間參與的科研項目
D 學位論文數(shù)據(jù)集
致謝
本文編號:3646364
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3646364.html
最近更新
教材專著