针对弯道场景的角毫米雷达数据处理研究

车辆盲区监测系统作为辅助驾驶员视角的系统,对减少驾驶员观测盲区具有重要意义。角毫米波雷达数据基于直角坐标系进行数据处理,而当车辆处于弯道行驶时,常用方法很难判断后方车辆是否与本车辆在同一车道上。基于此,提出基于车辆转向模型和最小二乘法轨迹圆拟合相结合的道路曲率计算方法,从而判断其它车辆与本车之间的相对车道位置,以此推测其它车辆是否对本车的正常行驶带来危险,从而当车辆在弯道行驶时降低盲区监测系统的误报率。     

车辆盲区监测系统测试评价方法研究

随着汽车车载ADAS系统越来越普及,如何有效评价ADAS系统的性能和确定使用条件边界条件成为重点。车辆盲区监测系统作为重要的辅助驾驶员安全预警系统,针对如何有效评价一套车辆盲区监测系统、以及使用何种指标、关键参数进行评价,提出使用虚拟仿真测试与实车测试相结合的办法,并提出百公里误报率、漏报率评价指标和不同驾驶员驾驶体验评价体系,综合评价盲区监测系统的性能,从而为改进盲区监测系统提供指导。     

基于神经网络的智能驾驶模式识别研究

为满足智能驾驶汽车高级驾驶辅助系统(ADAS)功能研发和验证的需求,提高ADAS功能的准确性,设计了一款基于神经网络的智能驾驶模式识别程序,该程序由数据采集、目标检测、场景识别预测3个模块组成.数据采集模块利用ESR毫米波雷达、前置摄像头对交通环境及周围车辆的数据信息进行采集;目标监测模块通过控制算法选择判断触发各类A...     

2022款比亚迪汉EV创世版盲区监测系统报警

<正>故障现象一辆2022款比亚迪汉EV创世版，行驶里程为13 248km,VIN码为LC0CF6CD1N126****，据车主反映：该车盲区监测系统无法使用，仪表台上出现橙色的盲区监测系统报警图标(图1)。故障诊断与排除接车后，使用比亚迪原厂诊断仪VDS2100进行全车扫描，发现ADAS控制器(博世)内存有3个故障码：B1F7980-DASy检出RFLE2E错误前左角毫米波雷达私CANChecksum/alivecounter错误；B1F7A80-前角毫米波雷达通讯错误；     

一种雷达目标俯仰角判定方法

毫米波雷达在ADAS系统中广泛应用,针对ADAS系统车载雷达需要实现俯仰检测这一需求,本文在不明显增加运算量的前提下,提出了一种新的基于天线俯仰宽窄波设计的俯仰判定方法。该方法原理简单,实现方便,在不影响方位测角的情况下使雷达具备俯仰判定能力。暗室数据和道路测试数据验证了算法的有效性。     

基于UDS协议的并线辅助系统动态校准

并线辅助作为汽车智能安全技术的重要组成部分,越来越被重视,它通过车载毫米波雷达检测车辆后方目标的运动情况,提醒驾驶者安全范围内有无障碍物或来车,从而消除视线盲区,提高驾驶员的行车安全。由于车辆自身及雷达支架结构的误差,新安装后的雷达需要进行校准,而UDS诊断协议作为产线设备及售后诊断设备的基础通信协议,将为并线辅助系统动态校准提供网络通信支持。     

基于毫米波雷达和机器视觉融合的车辆检测

针对车辆检测中使用传统单一传感器的识别效果差、易受干扰等缺点,本文提出一种基于毫米波雷达和机器视觉融合的车辆检测方法。首先利用分层聚类算法对雷达数据进行处理,过滤无效目标;利用改进的YOLO v2算法降低漏检率,提高检测速度;然后运用目标检测交并比和全局最近邻数据关联算法实现多传感器数据融合;最后基于扩展卡尔曼滤波算法进行目标跟踪,而得出最终结果。实车试验结果表明,该方法的车辆识别效果优于单一传感器,且在多种路况下识别效果良好。     

重型卡车ADAS系统应用

正随着汽车智能化的迅速发展,ADAS系统(高级驾驶辅助系统)逐步开始在重卡车型上应用,目前可实现的功能包括:车道偏离预警(LDW)、碰撞预警(FCW)、自动紧急制动(AEB)、自适应巡航(ACC)等。雷达、摄像头安装位置如图3所示。1)毫米波雷达ADAS系统的前置毫米波雷达安装在车辆前保险杠内侧。     

毫米波雷达研究现状及其测试项目

毫米波雷达作为ADAS系统的核心传感器之一,随着ADAS系统从原本局限在高端市场到现如今发展到中低端市场所带来的迅速增长的需求,很多车企已经逐渐看重对毫米波雷达的测试检验。毫米波雷达的测试主要包括其射频信号的性能测试和雷达的功能测试,性能测试是雷达厂商所关心的,而功能测试则是车企所看重的。本文主要介绍国内外对毫米波雷达的研究现状、毫米波雷达的探测原理以及测试。     

一种视频暗箱摄像头标定方法

高级驾驶辅助系统ADAS(Advanced Driving Assistance System)利用安装在汽车上的传感器,如摄像头、毫米波雷达、激光雷达和超声波等,在第一时间收集车外的环境数据,进行静、动态物体辨识、侦探与追踪等技术处理,从而能让驾驶者在最快的时间内采取被动或主动的刹车,规避可能存在危险。早期的ADAS技术主要以被动式报警为主,现在主动式干预应用已很普遍。     

用于汽车ADAS系统测试的软目标车研究进展

软目标车在汽车高级驾驶辅助系统(Advanced Driving Assistance System,ADAS)测试中发挥着重要作用,它提高了试验的安全性和效率。介绍了软目标车研发的关键技术和研究进展,通过分析乘用车的电磁散射特性、视觉及光学特性,论述了软目标车对于毫米波雷达、视觉传感器以及激光雷达在特征识别方面的设计要求,重点阐述了软目标车对毫米波雷达的探测及识别目标的响应特征——雷达散射截面(Radar Cross Section,RCS)的特征分布及其测量和数据处理方法,为软目标车的开发和使用提供参考依据。     

基于改进YOLOv2模型的驾驶辅助系统实时行人检测

为解决驾驶辅助系统(ADAS)对复杂背景行人和小尺寸行人检测精度较低的问题,基于深度神经网络模型YOLOv2建立了ADAS实时行人检测模型YOLOv2-P。首先在特征提取网络中采用参数化修正线性单元激活函数,以从训练数据中自适应地学习参数,并在行人检测网络中采用多层特征图融合方法,将低层特征图信息与高层特征图信息进行融合;然后使用交叉熵损失函数替代YOLOv2模型中的sigmoid激活函数,并对宽度、高度损失函数进行归一化处理;最后采用迭代自组织数据分析算法对行人数据集中行人边界框尺寸进行聚类。试验结果表明:相比于YOLOv2,YOLOv2-P对复杂背景行人及小尺寸行人的检测精度有明显提升,能够满足ADAS行人检测准确性和实时性需要。     

360度全景系统推进ADAS技术应用

<正>作为一种智能摄像头系统,360度全景系统不仅能解决盲点问题,还能提高驾驶安全性。大陆集团正在开发一系列基于360度全景系统的高级驾驶员辅助技术。NCAP法规的日趋严苛以及汽车技术的升级换代,推动着高级驾驶员辅助系统(ADAS)的快速发展。包括大陆集团在内的汽车零部件供应商正加速ADAS技术的研发,整个ADAS应用市场也逐步从高端车型向低端车型渗透。作为ADAS的核心技术,摄像头和雷达在汽车上的应用不断增多。其中,基于鱼眼摄像头的360度全景系统正越来越多地应用于倒车辅助、自动泊车技术,还能取代传统后视镜实现后视功能。     

基于多传感器的军用车辆前方目标提取和融合算法研究

在目标车辆识别算法中,通常采用单一传感器作为感知器件。不论是摄像头还是雷达,都因为自身缺陷导致识别出的目标不准确,给ADAS系统的决策控制带来困难。文章提出了一种基于视觉传感器和毫米波雷达相融合的目标识别算法。该算法利用多传感器信息融合技术,按照本车道前方最危险目标(CIPV)的原则,并结合滤波原理,对目标车辆进行识别、提取和跟踪,以剔除无效目标,保留唯一、有效、可靠、稳定的目标,为ADAS系统的决策控制提供依据。     

基于毫米波雷达的自动紧急刹车系统设计

设计了一种基于毫米波雷达的自动紧急制动(A EB)控制系统,其能够自动检测前方的障碍,并在紧急情况下发出预警信号提醒驾驶员制动甚至主动强制制动,保证驾驶员安全。基于ARS408-21毫米波雷达,设计了上位机雷达标定软件用于配置、标定雷达参数和获取雷达检测的目标信息。基于MPC5748G微控制器设计了外围电路系统板,作为A EB系统主控制器。制定了基于车速和碰撞时间的预警和紧急制动策略。A EB系统的实车试验结果表明,系统功能符合设计要求,提升了汽车的主动安全性能。     

基于毫米波雷达的车辆测距系统

文章介绍了毫米波雷达的原理及其在驾驶辅助系统中的应用,在汽车行驶过程中与前方物体之间测距,进行评估测速,建立起汽车的主动安全防撞系统,提高汽车主动安全辅助驾驶性能。分析了毫米波雷达对比其他传感器的优点,系统计算分析了制动距离,最终实现车载计算机结合相关信息后提示驾驶员制动或者车辆自动制动。     

基于ADAS实验平台的自动泊车系统研究

自动泊车系统是高级辅助驾驶系统(Advanced Driver Assistance System)中的重要组成部分,驾驶员在泊车过程中会因为视野盲区、泊车时产生的紧张感等因素导致泊车不精准、发生泊车事故等后果。文章基于ADAS实验平台下自动泊车系统的应用,实现Simulink和CarSim软件的联合仿真。     

融合毫米波雷达与深度视觉的多目标检测与跟踪

针对现有融合毫米波雷达与传统机器视觉的车辆检测算法准确率较低与实时性较差的问题,本文中对多目标检测与跟踪进行研究。首先,利用阈值筛选和前后帧数据关联方法对毫米波雷达数据进行预处理,进而提出一种用于毫米波雷达数据跟踪的自适应扩展卡尔曼滤波算法。然后,为提高目标检测精度与速度,基于采集到的实车数据集训练卷积神经网络,完成深度视觉的多车辆检测。最后,采用决策级融合策略融合毫米波雷达与深度视觉信息,设计了一种用于复杂交通环境下前方车辆多目标检测与跟踪的框架。为验证所设计的框架,进行了不同交通环境下的实车实验。结果表明:该方法可实时检测跟踪前方车辆,具有比融合毫米波雷达与传统机器视觉的车辆检测方法更好的可靠性与鲁棒性。     

基于单目视觉车距测量方法综述

车距测量是高级驾驶辅助系统(ADAS)的关键技术,是前碰撞预警和自适应巡航等功能的基础,单目摄像头相比于毫米波雷达等传感器价格低廉,获取图像信息量丰富,在ADAS系统中应用广泛,很多学者对单目测距技术进行了深入研究。论文主要介绍了四种基于单目视觉的车距测量方法,详细阐述了几何关系法、成像模型法、数据回归建模法和逆透视变换法的原理及测距模型,通过分析基本测距方法的不足,逐步介绍其改进形式。最后给出了每一种方法的特点,并对发展趋势进行展望。     

ADAS毫米波雷达原理与电磁抗扰能力初探

智能车辆多采用毫米波雷达作为环境感知的传感器,以实现驾驶辅助功能。毫米波雷达系统的电磁抗扰能力将影响车辆辅助驾驶功能的实现和行车安全。文章在对毫米波雷达系统的原理和目标识别理论进行研究的基础上,通过模拟目标激活毫米波雷达系统,并在不同等级场强下进行毫米波雷达系统的抗扰测试。试验结果显示毫米波雷达系统在一定场强下受到了外界电磁信号干扰,出现了较严重的情况。通过这次系统的研究,不仅为企业研发试验提供了技术支持,也为相关测试规范的制订进行了技术储备。