论文部分内容阅读
现如今,智能驾驶辅助系统已经成为提高汽车行驶安全的关键技术之一,其中用于环境感知的传感器技术受到越来越多的关注。由于生产技术和自身条件的限制,单传感器在实际应用过程中有时会出现对目标漏检和误检的情况,这样会严重干扰系统对目标的有效判断,因此,联合传感器间的优势进行信息融合的技术成为了国内外学者研究的热点。本文采用毫米波雷达与摄像头组合的方式作为环境信息检测工具,建立了分布式融合架构,通过对采集的目标数据的筛选、检测和识别,将来自不同传感器的轨迹相互关联并融合以获取目标轨迹,为驾驶员的主动避撞决策提供实时、准确的行车环境信息。研究内容如下:(1)筛选毫米波雷达数据,初步确定有效目标。首先对雷达数据进行了预处理,主要是对空信号、静止目标和无效目标进行了筛选和剔除,然后结合同车道有效目标的判断方法,对相邻车道的非危险目标进行了滤除,获取初选目标,最后通过生命周期检验方法进一步验证目标存在的有效性,并建立卡尔曼滤波模型对数据信息进行滤波处理,降低噪声的干扰。(2)基于机器视觉的前方车辆检测方法研究。本文采用Haar-like方法提取车辆特征,同时利用积分法加快对特征值的计算速度,基于这些特征值,通过结合Adaboost算法迭代训练多个弱分类器并将其组合构建强分类器,最后将多个强分类器串联建立级联分类器。考虑到获取的车辆图像在时间和空间上的连续性,本文基于无迹卡尔曼滤波算法建立了车辆跟踪模块,增强系统对车辆目标轨迹的实时追踪。(3)建立多传感器融合模型。利用毫米波雷达坐标系、世界坐标系、摄像头坐标系、图像坐标系和像素坐标系之间的空间位置转换关系,实现雷达和摄像头的空间融合。针对毫米波雷达和摄像头采样频率不同的问题,本文采用多线程法来实现传感器间的时间同步。本文基于扩展信息融合和无迹信息融合原理,建立了一种改进的无迹信息融合算法,该算法能够消除更新方程中的测量信息,增强对目标的估计精度,解决各传感器间的目标信息无法进行有效结合的问题。(4)对融合系统的仿真和实车验证。本文选用六自由度QJ-4B1动感型模拟驾驶仪对融合系统进行仿真测试,通过人机交互界面建立了虚拟的传感器、道路工况和背景环境,最大限度的还原实车试验。在实车试验中,完成了对传感器的安装和试验平台的搭建,并对实车试验场地以及人员进行了相应的安排。