原文传递
基于融合感知的车辆高精度碰撞预警系统研究
| 论文题名： | 基于融合感知的车辆高精度碰撞预警系统研究 |
| 关键词： | 车辆高精度碰撞预警系统;融合感知;目标检测 |
| 摘要： | 随着自动驾驶技术的快速发展，提高道路安全并降低交通事故的发生率已经成为当前交通领域的重点。一个高精度、高准确率的碰撞预警系统对于自动驾驶系统至关重要。预警系统的核心在于对周围环境的精确感知，而单一传感器有其局限性，传感器融合是提高环境感知能力的最佳方案，主流是采用毫米波雷达和相机进行融合。针对现有融合中并没有充分发挥传感器的优势导致融合系统漏检和误检的问题，为进行更深层次的信息互补，本文采用毫米波雷达和相机分别去检测目标的位置信息，最后进行决策级融合作为预警系统的输入，完成预警。 在相机检测方面，首先基于SSD目标检测神经网络，利用D2-City数据集训练检测模型，将模型部署在TDA2S嵌入式平台。根据相机成像的原理，采用基于点的逆透视变换实现单目测距，使用张正友标定法标定相机内参，并优化到亚像素级别，使用solvePnP和RANSAC结合的方法求解外参，提高了标定参数的精度，针对测距特征点选取不准带来的测距误差，提出基于灰度突变和尾灯检测来优化测距特征点的纵向位置和横向位置，提高测距精度。针对俯仰角变化对动态测距的影响，利用地平线的特性使用还原的思想来补偿俯仰角变化，为了维护抵抗俯仰角法中的比例信息，基于卡尔曼滤波和KM匹配实现多目标跟踪，针对远距离时相机测距数据的跳变采用卡尔曼滤波进行稳定。 在雷达检测方面，通过解析报文获取检测数据，根据相对速度滤除静止目标，根据横向距离滤出相邻车道之外的目标，采用卡尔曼滤波和生命周期算法等对雷达数据进行跟踪和滤波预处理，去除虚假目标。 在融合方面，对两个传感器获取的目标检测数据，基于坐标转换关系建立空间同步，基于拉格朗日插值法实现数据同步，然后将两传感器的目标进行关联和数据融合，并对关联成功的目标建立跟踪，以降低传感器的漏检和虚检。得到融合后的目标信息后基于时间的预警的模型，将TTC与碰撞时间阈值关系作为预警的判断条件。最后，本文将融合系统部署于TDA2S嵌入式平台，基于VisionSDK算法框架，设计实现了各模块算法link，通过测试，得到90.1%的预警准确率。 |
| 作者： | 罗向东 |
| 专业： | 电子信息 |
| 导师： | 何十全 |
| 授予学位： | 硕士 |
| 授予学位单位： | 电子科技大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
