详情

原文传递基于测距雷达和机器视觉数据融合的前方车辆检测系统

论文题名：	基于测距雷达和机器视觉数据融合的前方车辆检测系统
关键词：	前方车辆检测系统;毫米波雷达;机器视觉;多传感器融合;行车安全
摘要：	汽车保有量的持续增加使得道路交通事故频繁发生，造成严重的生命财产损失。车辆主动避撞系统能够较少或避免碰撞事故的发生，提高驾驶的安全性，成为汽车生产商和国内外学者的研究重点。车辆主动避撞系统涉及到行车环境感知、车辆动力学建模与控制、行车安全距离模型及决策等关键技术。本文以车辆主动避撞系统中行车环境感知为研究对象，研发前方车辆检测系统，利用安装于车辆上的多种传感器实时获取前方行车环境信息。研究各传感器数据处理算法和多传感器信息融合算法，为车辆主动避撞决策控制提供准确、可靠、具有鲁棒性的行车环境数据，对提高车辆主动避撞系统性能、减少碰撞事故发生具有重要意义。　　本文的研究工作主要包括: 　　1、进行前方车辆检测系统方案设计。分析检测系统功能，进行数据采集总体方案设计和数据处理总体方案设计;确定实现系统功能所需的关键技术，明确各关键技术间的相互关系。　　2、研究基于毫米波雷达的目标识别跟踪及运动信息获取算法。分析毫米波雷达各种测量工况及相应工况下测量数据特点;以同车道纵向距离最近原则进行有效（危险）目标初选;按照相邻两个数据采集周期内目标物理运动状态变化具有一定极限范围这一物理事实，进行有效目标一致性检验;采用生命周期算法，通过对有效目标设置生命阈值进行有效目标决策，消除虚假目标、漏检现象、车辆颠簸和横摆等对有效目标选取的干扰;利用四阶经典卡尔曼滤波对有效目标运动状态进行最优估计;考虑到系统随机噪声统计特性未知时变的特性，采用Sage-Husa自适应卡尔曼滤波进行改进，提出防止滤波发散的方法，减少估计误差，提高估计准确性和实时跟踪性能。　　3、研究基于机器视觉的车辆检测算法。研究图像的Haar-like矩形特征;利用积分图方法快速计算矩形特征值，建立特征值向量;采用AdaBoost算法从矩形特征值向量中提取若干个有效特征，针对每个有效特征建立相应的弱分类器，根据各弱分类器分类正确率高低，将弱分类器加权组合成强分类器;构建级联分类器，进行车辆检测。　　4、研究多传感器数据融合模型。分析摄像机针孔成像原理及其线性模型，建立摄像机坐标系与像素坐标系间的线性转换关系;考虑到实际镜头成像的畸变现象，对理想线性模型进行非线性畸变校正;根据雷达和摄像机安装相对位置固定已知，建立雷达坐标系和摄像机坐标系转换关系;构建多传感器数据空间融合模型。由于雷达和摄像机工作频率不同，以频率较低的雷达数据为基准，采用多线程同步程序设计方式，构建多传感器数据时间融合模型。利用多传感器融合模型计算出雷达探测目标在图像上的投影点，并以投影点为中心建立包含雷达目标图像的感兴趣区域。利用级联分类器在感兴趣区域内进行搜索以完成车辆检测，避免了整幅图片上进行遍历性搜索，提高检测速度。　　5、进行前方车辆检测系统平台设计和试验。根据系统设计方案，进行平台的软硬件设计。将雷达数据处理算法、多传感器融合模型和训练好的分类器集成到系统平台软件中，进行总体实车试验验证。结果表明，本系统较好实现车辆检测功能。
作者：	庞成
专业：	仪器科学与技术
导师：	秦文虎
授予学位：	硕士
授予学位单位：	东南大学
学位年度：	2015
正文语种：	中文