基于測距雷達(dá)和機(jī)器視覺數(shù)據(jù)融合的前方車輛檢測系統(tǒng).pdf

1、汽車保有量的持續(xù)增加使得道路交通事故頻繁發(fā)生，造成嚴(yán)重的生命財(cái)產(chǎn)損失。車輛主動避撞系統(tǒng)能夠較少或避免碰撞事故的發(fā)生，提高駕駛的安全性，成為汽車生產(chǎn)商和國內(nèi)外學(xué)者的研究重點(diǎn)。車輛主動避撞系統(tǒng)涉及到行車環(huán)境感知、車輛動力學(xué)建模與控制、行車安全距離模型及決策等關(guān)鍵技術(shù)。本文以車輛主動避撞系統(tǒng)中行車環(huán)境感知為研究對象，研發(fā)前方車輛檢測系統(tǒng)，利用安裝于車輛上的多種傳感器實(shí)時獲取前方行車環(huán)境信息。研究各傳感器數(shù)據(jù)處理算法和多傳感器信息融合算法，為車

2、輛主動避撞決策控制提供準(zhǔn)確、可靠、具有魯棒性的行車環(huán)境數(shù)據(jù)，對提高車輛主動避撞系統(tǒng)性能、減少碰撞事故發(fā)生具有重要意義。
　　本文的研究工作主要包括:
　　1、進(jìn)行前方車輛檢測系統(tǒng)方案設(shè)計(jì)。分析檢測系統(tǒng)功能，進(jìn)行數(shù)據(jù)采集總體方案設(shè)計(jì)和數(shù)據(jù)處理總體方案設(shè)計(jì);確定實(shí)現(xiàn)系統(tǒng)功能所需的關(guān)鍵技術(shù)，明確各關(guān)鍵技術(shù)間的相互關(guān)系。
　　2、研究基于毫米波雷達(dá)的目標(biāo)識別跟蹤及運(yùn)動信息獲取算法。分析毫米波雷達(dá)各種測量工況及相應(yīng)工況下測量數(shù)據(jù)

3、特點(diǎn);以同車道縱向距離最近原則進(jìn)行有效（危險）目標(biāo)初選;按照相鄰兩個數(shù)據(jù)采集周期內(nèi)目標(biāo)物理運(yùn)動狀態(tài)變化具有一定極限范圍這一物理事實(shí)，進(jìn)行有效目標(biāo)一致性檢驗(yàn);采用生命周期算法，通過對有效目標(biāo)設(shè)置生命閾值進(jìn)行有效目標(biāo)決策，消除虛假目標(biāo)、漏檢現(xiàn)象、車輛顛簸和橫擺等對有效目標(biāo)選取的干擾;利用四階經(jīng)典卡爾曼濾波對有效目標(biāo)運(yùn)動狀態(tài)進(jìn)行最優(yōu)估計(jì);考慮到系統(tǒng)隨機(jī)噪聲統(tǒng)計(jì)特性未知時變的特性，采用Sage-Husa自適應(yīng)卡爾曼濾波進(jìn)行改進(jìn)，提出防止濾波發(fā)散

4、的方法，減少估計(jì)誤差，提高估計(jì)準(zhǔn)確性和實(shí)時跟蹤性能。
　　3、研究基于機(jī)器視覺的車輛檢測算法。研究圖像的Haar-like矩形特征;利用積分圖方法快速計(jì)算矩形特征值，建立特征值向量;采用AdaBoost算法從矩形特征值向量中提取若干個有效特征，針對每個有效特征建立相應(yīng)的弱分類器，根據(jù)各弱分類器分類正確率高低，將弱分類器加權(quán)組合成強(qiáng)分類器;構(gòu)建級聯(lián)分類器，進(jìn)行車輛檢測。
　　4、研究多傳感器數(shù)據(jù)融合模型。分析攝像機(jī)針孔成像原理

5、及其線性模型，建立攝像機(jī)坐標(biāo)系與像素坐標(biāo)系間的線性轉(zhuǎn)換關(guān)系;考慮到實(shí)際鏡頭成像的畸變現(xiàn)象，對理想線性模型進(jìn)行非線性畸變校正;根據(jù)雷達(dá)和攝像機(jī)安裝相對位置固定已知，建立雷達(dá)坐標(biāo)系和攝像機(jī)坐標(biāo)系轉(zhuǎn)換關(guān)系;構(gòu)建多傳感器數(shù)據(jù)空間融合模型。由于雷達(dá)和攝像機(jī)工作頻率不同，以頻率較低的雷達(dá)數(shù)據(jù)為基準(zhǔn)，采用多線程同步程序設(shè)計(jì)方式，構(gòu)建多傳感器數(shù)據(jù)時間融合模型。利用多傳感器融合模型計(jì)算出雷達(dá)探測目標(biāo)在圖像上的投影點(diǎn)，并以投影點(diǎn)為中心建立包含雷達(dá)目標(biāo)圖像的