基于雷達(dá)和機(jī)器視覺的車輛前方障礙物檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著汽車主動(dòng)安全環(huán)境感知技術(shù)研究的不斷深入，復(fù)雜城市道路環(huán)境下的環(huán)境感知技術(shù)成為現(xiàn)代智能交通領(lǐng)域的一個(gè)熱點(diǎn)課題。目前，對(duì)車輛前方環(huán)境感知的手段主要采用雷達(dá)和機(jī)器視覺。雷達(dá)對(duì)車輛前方環(huán)境的深度信息有良好的感知能力，但是易受其他物體干擾產(chǎn)生誤判；機(jī)器視覺對(duì)物體的顏色和紋理有較好的解析能力，但對(duì)物體深度信息能力較弱，且易受特殊環(huán)境影響。本文以大型客車為研究平臺(tái)，基于雷達(dá)和機(jī)器視覺信息融合，在典型的城市道路環(huán)境特征下，對(duì)車輛前方障礙物檢測(cè)以及車

2、道線識(shí)別開展了深入的理論研究和實(shí)驗(yàn)驗(yàn)證。主要內(nèi)容如下：
　　 根據(jù)車載障礙物檢測(cè)系統(tǒng)的實(shí)際需求，對(duì)系統(tǒng)的整體框架進(jìn)行了分析，確定了系統(tǒng)的硬件結(jié)構(gòu)、信息處理流程和軟件構(gòu)架。對(duì)車載雷達(dá)、圖像傳感器和超聲波傳感器的選型進(jìn)行了分析和比較，設(shè)計(jì)了雷達(dá)處理模塊和超聲測(cè)距模塊，并編寫各模塊間CAN通信程序，實(shí)現(xiàn)了分布式采集網(wǎng)絡(luò)。設(shè)計(jì)了車載檢測(cè)系統(tǒng)的軟件，實(shí)現(xiàn)了數(shù)據(jù)的采集與處理、目標(biāo)圖形圖像顯示以及信息融合等功能。
　　 根據(jù)駕駛輔助系

3、統(tǒng)的實(shí)際需求，針對(duì)車載雷達(dá)的測(cè)量環(huán)境，設(shè)計(jì)了考慮橫向距離的同車道目標(biāo)初選方法、基于卡爾曼濾彼的目標(biāo)有效性檢驗(yàn)方法和基于生命周期的目標(biāo)決策方法。設(shè)計(jì)了基于危險(xiǎn)程度值的大型車輛全向防撞預(yù)警算法，通過在大型客運(yùn)車輛上進(jìn)行道路運(yùn)行試驗(yàn)。實(shí)路運(yùn)行試驗(yàn)表明，本文提出的預(yù)警算法具有較高的檢測(cè)率和有效報(bào)警率。
　　 根據(jù)防撞預(yù)警系統(tǒng)中車輛前方有效目標(biāo)的定義，設(shè)計(jì)了本車道分界線圖像識(shí)別的方法，縮小了有效目標(biāo)的搜索范圍。利用Canny算子和Houg

4、h變換對(duì)感興趣區(qū)域(ROI)內(nèi)的線段進(jìn)行檢測(cè)，并根據(jù)圖像坐標(biāo)中車道線的特征對(duì)候選目標(biāo)進(jìn)行逐一篩選，進(jìn)而識(shí)別出車道線。通過在不同光照以及路況條件下的實(shí)驗(yàn)，表明該車道線識(shí)別方法具有較好的適應(yīng)性和魯棒性。
　　 根據(jù)障礙物檢測(cè)系統(tǒng)對(duì)車輛檢測(cè)的準(zhǔn)確性要求，提出了基于毫米波雷達(dá)和機(jī)器視覺信息融合的檢測(cè)方法。通過雷達(dá)信息判斷出的目標(biāo)危險(xiǎn)等級(jí)，結(jié)合圖像識(shí)別得到的車道線位置，判斷目標(biāo)是否與本車處于同一車道內(nèi)，進(jìn)而得到報(bào)警等級(jí)。最后利用數(shù)據(jù)融合模