在智能車行駛的過程中,由于環(huán)境復雜性,單一傳感器或者多個同質(zhì)傳感器無法完全感知智能車周圍的交通環(huán)境。因此,需要研究異質(zhì)傳感器信息融合方案,利用異質(zhì)傳感器各自的優(yōu)點,彌補單一傳感器的不足,以實現(xiàn)多個異質(zhì)傳感器之間相互協(xié)作和相互補償?shù)墓δ�。本文通過比較不同車載傳感器的優(yōu)缺點,最終選擇了毫米波雷達和單目相機作為智能車感知前方環(huán)境的傳感器。首先,為了保證異質(zhì)傳感器識別的目標信息在空間上和時間上的統(tǒng)一性,本文確定傳感器之間的坐標轉化關系,并將傳感器坐標系映射到同一參考坐標系下。其次,并行處理毫米波雷達和單目相機目標信息。然后,在兩類信號的時間和空間同步的情況下,采用全局最近鄰（Global Nearest Neighbor,GNN）匹配算法匹配兩類信號,用加權平均法將匹配的兩個目標合并為一個目標。最后,采用擴展卡爾曼濾波（Extended Kalman Filter,EKF）算法跟蹤未匹配的目標和匹配的目標,以確定目標的狀態(tài)。本文主要研究內(nèi)容如下:1.基于毫米波雷達的有效目標確定。介紹了毫米波雷達的性能和基本參數(shù)。根據(jù)CAN協(xié)議接收并解析毫米波雷達數(shù)據(jù)。分析雷達信號中的的空信號目標、無效信號目標... 

【文章來源】：重慶郵電大學重慶市

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【部分圖文】：

傳感器安裝位置

圖 3.1 毫米波雷達掃描定義 所示，毫米波雷達可提供的中距離覆蓋區(qū)域為半徑 60m45°到 45°之間，可以較容易檢測相對鄰近車道的障礙物175m 的探測距離和-10°到 10°的探測角度，覆蓋范圍基達每幀能探測 64 個目標，每個目標包含相對距離、相達目標識別距離精確度在中長距離分別為 0.25m 和 中長距離范圍內(nèi)都為 0.12m/s，水平視角的精確度在°和 0.5°。在中距離范圍內(nèi)，雷達識別的多個目標中兩兩速度和最小水平視角分別是 1.3m、0.25m/s 和 12°；在長個目標中兩兩之間的最小距離、最小相對速度和最小5m/s 和 3.5°。

圖 3.3 CAN 標準幀存儲協(xié)議如圖 3.3 所示，每個雷達目標信息存儲在 Data[0]~Data[7]中。其中，lsb 表示最低有效位，msb 表示最高有效位。黃色區(qū)域表示角度信息，由 Data[1]的低 5 位與 Data[2]的高 5 位組成；綠色區(qū)域表示距離信息，由 Data[2]的低 3 位與 Data[2]組成；藍色區(qū)域表示相對速度信息，由 Data[6]的低 6 位與 Data[7]組成。將從最低有效位到最高有效位的數(shù)據(jù)組合成一個完整的二進制數(shù)，然后轉化為融合所需的十進制信息。解析過程以角度為例，角度的二進制信息為a=(Data[1])<<5&(Data[2]>>3) ，若 a 的首位為 1，則表示角度為負數(shù)，需要先求原碼的反碼，補碼，再轉化為十進制數(shù)，最后乘以相應的比例。表 3.1 為解析的雷達目標部分數(shù)據(jù)。

【參考文獻】：
期刊論文
[1]基于視覺顯著性的無人車圖像檢測及分割方法[J]. 張俊杰,丁淑艷,李倫波,趙春霞.  計算機工程與應用. 2017(22)
[2]車載毫米波雷達對前方目標的運動狀態(tài)估計[J]. 高振海,王竣,佟靜,李紅建,郭章勇,婁方明.  吉林大學學報(工學版). 2014(06)
[3]一種擴展小孔成像模型的魚眼相機矯正與標定方法[J]. 涂波,劉璐,劉一會,金野,湯俊雄.  自動化學報. 2014(04)
[4]基于修正Riccati方程與Kuhn-Munkres算法的多傳感器跟蹤資源分配[J]. 童俊,單甘霖.  控制與決策. 2012(05)
[5]采用投影輪廓特征的激光雷達快速目標識別[J]. 郭裕蘭,魯敏,譚志國,萬建偉.  中國激光. 2012(02)
[6]帶切向畸變的模型可視化攝像機標定[J]. 華希俊,夏樂春,高福學,薛城.  工程圖學學報. 2009(03)
[7]智能車輛環(huán)境感知傳感器的應用現(xiàn)狀[J]. 高德芝,段建民,鄭榜貴,田炳香.  現(xiàn)代電子技術. 2008(19)
[8]分布式貝葉斯檢測融合優(yōu)化算法及其計算機仿真[J]. 李宏,許世軍,劉詩斌.  計算機仿真. 2005(03)
[9]幀間差分與背景差分相融合的運動目標檢測算法[J]. 朱明旱,羅大庸,曹倩霞.  計算機測量與控制. 2005(03)
[10]時間戳協(xié)議研究[J]. 張科偉,唐曉波.  計算機應用研究. 2004(10)

博士論文
[1]高頻雷達信號處理中的若干問題研究[D]. 周浩.武漢大學 2004

碩士論文
[1]基于深度卷積神經(jīng)網(wǎng)絡的小目標檢測[D]. 郭之先.南昌航空大學 2018
[2]基于測距雷達和機器視覺數(shù)據(jù)融合的前方車輛檢測系統(tǒng)[D]. 龐成.東南大學 2015
[3]基于信息融合的智能車輛前方目標識別技術研究[D]. 嚴思寧.東南大學 2015
[4]分布式多傳感器系統(tǒng)航跡融合算法研究[D]. 李軍.太原理工大學 2011
[5]基于概率假設密度函數(shù)（PHD）的多目標跟蹤方法研究[D]. 王芝.杭州電子科技大學 2009
[6]多傳感器融合技術在移動機器人定位中的應用研究[D]. 周華.武漢理工大學 2009



本文編號：3011135