用于目标识别的多传感器信息融合算法研究

提出了一种用于目标识别的多传感器的雅息融合算法－－后验概率检测算法。在该算法中，难事合中心将各个传感器送入的识别结果进行综合处理，得出最终的决策。仿真结果表明我传感器系统探测目标的性能优于单传感器系统，该算法运算量小，适于进行快速的实时处理     

基于最小临近点迹和航迹关联的多源目标融合方法

针对智能车辆多传感器的目标融合问题,提出了一种改进的基于欧氏距离与余弦相似度的点迹和航迹数据关联的车用多传感器目标跟踪融合算法。该方法需获取由毫米波雷达系统和Mobileye视觉系统检测到的目标物数据列表,并对两个传感系统检测到的目标物数据进行匹配关联;然后对目标物进行匹配跟踪,更新目标物的生命周期状态;最后对上述两个传感系统输出的目标物的数据进行融合。该算法能够融合视觉系统和雷达系统两个传感系统的优点,以达到精确感知环境信息的目的,从而解决单一传感器难以满足感知系统精度及可靠性需求的问题。     

对高速公路移动目标跟踪的多传感器采集数据融合

针对目前多传感器数据融合算法存在的问题,提出了一种基于冗余信息的多传感器数据融合算法。此算法利用分布式融合结构的优点和强跟踪滤波对于机动目标获得局部状态估计值,通过提取各局部状态估计之间存在的冗余信息建立局部状态估计间的相互支持度,从而实现对其权系数动态的合理分配;通过理论分析和Monte-Carlo仿真表明,本文提出的算法得到的融合估计效果明显地优于利用单传感器测量数据得到的滤波估计结果,算法受外界随机干扰的影响较小,也证明了用分布式融合结构和强跟踪滤波对机动目标的局部状态估计值可信度高,基于冗余信息的多传感器数据融合算法具有较好的鲁棒性。     

面向高级辅助驾驶雷达和视觉传感器信息融合算法的研究

为提高高级辅助系统对车辆前方环境识别的准确性,提出一种基于雷达和视觉传感器信息融合的目标识别方法。雷达与视觉融合算法是基于决策级的雷达与视觉检测目标,在世界坐标系中进行目标时间空间对准、数据关联匹配、滤波,最后根据应用功能输出融合目标信息。结果表明该算法具有较强的环境适应性和准确率,弥补了单一传感器在目标识别中的不足。     

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。     

基于相机与激光雷达融合多目标检测算法研究

准确的多目标感知系统是自动驾驶技术的关键。本文提出了一种基于相机与激光雷达融合的多目标检测算法。针对相机传感器无法获得准确的目标距离等深度信息,激光雷达无法获得准确的目标类别信息的问题,首先采用嵌入自适应特征融合模块的YOLOv7网络处理相机数据,同时对激光雷达数据进行点云预处理以消除无用的噪声点;其次,利用坐标变换将激光点云数据和相机数据转换到像素坐标系中;最后,采用基于ROI感兴趣区域的方法对点云进行聚类处理,以参数加权的方式融合两种传感器的检测结果。实验结果表明,嵌入改进YOLOv7网络的融合算法能够检测出更加准确的目标信息。     

基于交叉注意力机制的多模态感知融合方法

针对智能汽车道路目标检测任务中单一传感器感知能力有限、多传感器后融合处理复杂等问题,提出了一种基于Transformer交叉注意力机制的多模态感知融合方法。首先,利用交叉注意力机制能较好地融合多模态信息的优势,搭建了基于深度学习方式的端到端融合感知网络,用以接收视觉与点云检测网络的输出,并进行后融合处理。其次,对点云检测网络的三维目标信息进行高召回处理,与视觉图像检测器输出的道路目标信息一同作为网络的输入。最后,通过网络实现二维目标信息向三维信息的融合,输出对三维目标检测信息的修正,从而得到准确度更高的后融合检测信息。在KITTI公开数据集上的验证指标表明,通过所提融合方法引入二维检测信息后,相比较PointPillars、PointRCNN、PV-RCNN及CenterPoint四种基准方法,对车辆、骑行人、行人3种类别的综合平均提升分别为7.07%、2.82%、2.46%、1.60%。通过与基于规则的后融合方法对比,所提融合网络在行人和骑行人中等、困难样本检测上,分别有平均1.88%与4.90%的提升。进一步表明所提方法具有更强的适应性与泛化能力。最后,进行了实车试验平台的搭建及算...     

基于全局位置精度损失最小化的路侧多传感器目标关联匹配方法

针对路侧单传感器存在感知盲区、多传感器协同感知存在大量冗余信息且位置精度较差、车辆位姿准确值无法在线获取等问题,提出一种基于全局位置精度损失最小化的路侧多传感器目标关联匹配方法.首先,根据各传感器历史数据,以方差最小化为优化目标进行多传感器权重分配;然后,基于级联KM匹配算法处理多传感器存在大量冗余信息的目标级数据,实...     

基于决策融合的城市道路交通事件自动检测算法研究

为了提高城市道路交通事件自动检测算法的性能,引入算法性能可靠度概念对基于浮动车数据和感应线圈数据的事件自动检测算法检测结果进行决策融合。决策融合算法包括3个模块：①感应线圈数据算法模块：选择流量、占有率、路段长度、前一个检测周期的检测参数作为输入参数,训练BP网络进行事件判别;②浮动车数据算法模块：使用误差分析理论确定满足数据精度要求的最小浮动车样本量,选择路段行程时间、行程速度作为BP网络输入参数,进行事件判别;③决策融合模块。引入算法性能可靠度概念,计算模块一和模块二判别结果的权重值,使用加权平均法进行决策融合。通过Vissim仿真获得数据,在Matlab中编程实现算法的计算,仿真结果表明决策融合算法的性能优于单数据源事件自动检测算法。     

面向运营隧道结构健康监测系统大数据压缩感知研究

为解决运营隧道健康监测系统中多节点传感器网络下高频采样带来的大数据储存和传输问题,在运营隧道结构健康监测系统数据采集和传输层引入传感器网络框架表示模型,对传统的压缩采样数据重构算法进行改进,用迭代方法求解最小化范数问题,提出基于传感器网络的压缩感知重构算法,并通过工程实例对提出的方法进行了验证。结果表明:1)在一定采样率条件下,基于传感器网络的压缩感知重构算法可以有效地增加数据恢复的效率,加速度信号采样率越大其重构精度越高; 2)相同采样率条件下,基于传感器网络的压缩感知重构算法得到的重构数据精度要高于传统单节点压缩感知重构算法; 3)压缩采样率为60%以上时,信号重构误差不超过20%,符合工程应用标准; 4)基于传感器网络的压缩感知重构算法具有局限性,传感器节点个数存在耦合上限,当传感器节点超过6个时,重构信号的精度无明显变化。     

雷达与视频融合的交通信息感知技术研究

交通信息感知作为交通信息基础设施最为关键的功能之一，可为交通态势预判、信号控制等交通应用场景提供重要的数据与决策支撑，是践行“交通强国”战略的基石。目前，常用交通信息感知手段主要包括地磁线圈、雷达、视频、红外等，但这些单一的交通信息感知设备普遍存在信息感知不全面、精度不高的问题。本文研究基于雷达与视频融合的交通信息感知技术，将毫米波雷达和视觉传感器两者的检测数据有机融合，从而实现大范围、精准而全面的交通信息感知，以期为交通的智能化、信息化发展奠定基础。     

机场场面多传感器多轴向感知信号的融合方法

为实现对机场场面航空器/车辆的识别,提出基于D-S证据理论的多轴向传感器二级融合方法,对多个磁阻传感器获取的非协作目标感知特征进行融合.通过最大隶属度原则确定单轴向基本概率分配函数,采用基于证据间相似系数的一级融合方法确定单传感器的3个轴向合成概率分配函数;考虑到传感器网络中的各传感器的感知磁信号的差异性,通过地磁信号能量值的方法分配各证据权重,利用加权综合法进行二级融合.实验结果显示,不考虑3轴向之间相关性及证据间信号能量权重的融合方法的总体识别率仅为63.1%;仅考虑3轴向之间相关性的融合方法的总体识别率为65.6%;仅考虑证据间信号能量权重的融合方法的总体识别率为69.6%;而基于证据间相似系数和信号能量值权重二级数据融合方法的总体识别率高达81.1%.      

数据融合技术在公路隧道火灾探测系统中的应用

介绍了几种常用公路隧道火灾探测器,如温度探测器、烟雾探测器、火焰探测器等。针对其各自在隧道火灾探测系统中应用时容易产生反应延迟、漏报和误报等缺点,提出了在隧道火灾探测系统中采用经典的自适应加权融合估计算法进行多探测器系统的数据融合。并分别对单传感器、多传感器和异类传感器火灾探测系统的数据融合进行了可信度分配。结果表明,与采用单一类型火灾探测器系统相比,多探测器系统的数据融合结果具有更高的准确度和可信度。     

基于检测无迹信息融合算法的多传感融合方法

针对单一传感器对目标车辆识别准确率低的问题,提出一种基于毫米波雷达和摄像头信息融合的目标跟踪方法,同时,基于扩展信息融合(EIF)和无迹信息融合(UIF)原理建立了检测无迹信息融合(CUIF)算法,对多传感器信息进行融合。CUIF算法采用分布式融合结构,将来自不同传感器的轨迹相互关联并融合以获得目标轨迹,并利用分布式检测系统对获取的传感器延迟信息进行实时系统状态补偿,从而解决了单传感器信号延迟、丢包等问题。通过CarSim与Simulink联合搭建仿真和试验平台对所研究的融合模型进行算法验证。试验结果表明,CUIF算法的目标丢失率比EIF和UIF减少了10%以上,它将时间延迟缩短至5 ms,满足系统对实时性的要求。     

基于融合离散动作的双延迟深度确定性策略梯度算法的自动驾驶端到端行为决策方法

针对基于强化学习的车辆驾驶行为决策方法存在的学习效率低、动作变化不平滑等问题，研究了1种融合不同动作空间网络的端到端自动驾驶决策方法，即融合离散动作的双延迟深度确定性策略梯度算法（TD3WD）。在基础双延迟深度确定性策略梯度算法（TD3）的网络模型中加入1个输出离散动作的附加Q网络辅助进行网络探索训练，将TD3网络与附加Q网络的输出动作进行加权融合，利用融合后动作与环境进行交互，对环境进行充分探索，以提高对环境的探索效率；更新Critic网络时，将附加网络输出作为噪声融合到目标动作中，鼓励智能体探索环境，使动作值预估更加准确；利用预训练的网络获取图像特征信息代替图像作为状态输入，降低训练过程中的计算成本。利用Carla仿真平台模拟自动驾驶场景对所提方法进行验证，结果表明:在训练场景中，所提方法的学习效率更高, 比TD3和深度确定性策略梯度算法（DDPG）等基础算法收敛速度提升约30%；在测试场景中，所提出的算法的收敛后性能更好，平均压线率和转向盘转角变化分别降低74.4%和56.4%。      

基于智慧交通对无人驾驶技术风险评估模型的探究

随着我国智慧交通的不断进步,无人驾驶技术正日益发展,目前我国在无人驾驶领域取得了新的突破,但同时也面临着潜在的风险。例如,传感器性能限制下的技术风险、信息交互延迟导致的安全风险和基础设施不足引发的基建风险。本文旨在研究智慧交通发展背景下无人驾驶技术的风险评估,采用大数据感知技术和决策技术,利用RCNN、YOLO、SSD等物体检测算法和滤波算法对收集的信息进行检测与处理,进而提高追踪目标的准确性和鲁棒性;利用新兴技术构建一个基于感知信息网的新型风险评估模型,揭示无人驾驶技术在智慧交通发展中的安全性和可行性,为其广泛的应用提供科学的支持,以确保无人驾驶技术的可持续和安全发展。     

基于物联网和GIS的综合管廊通风除湿智能控制研究

为探究综合管廊通风除湿智能控制的实现路径，通过传感器获取廊内温度、湿度数据，利用地理信息系统（GIS）和物联网技术搭建温、湿度数据与空间位置信息一体化模型，以有效时长预测模型、进风状态参数控制器为理论基础，建立综合舱通风除湿智能控制网络。该控制网络主要由4部分构成： 1)感知平台负责感知空气状态参数、地理空间信息等数据信息； 2)传输平台用以实现数据的接入与传输； 3)支撑平台对运营中的综合舱通风除湿工况进行分析、预判和决策； 4)服务平台负责执行支撑平台决策后发出的控制指令，同步记录过程信息并进行反馈修正。     

基于DS-LOF与GA-XGBoost的路域环境感知数据智能检测与修复

针对目前路域环境感知系统易受路面结构和气候等众多因素影响从而造成感知数据出现异常的问题，对路域环境感知数据异常智能检测与修复问题展开研究，提出一种基于DS-LOF(Difference&Summation-Local Outlier Factor)与GA-XGBoost (Genetic Algorithm-eXtreme Gradient Boosting)的路域环境异常感知数据智能检测与修复方法。以沥青路面温湿度感知数据为实例，首先通过对感知数据进行一阶差分与线性求和计算，构建原始感知数据DS (Difference&Summation)特征向量；然后，基于DS-LOF算法对感知数据进行异常值检测，并与K-means聚类和单类支持向量机算法进行对比分析；其次，以原始感知数据集为基础，并结合异常检测结果，构建路域环境感知数据异常修复数据集；最后基于遗传算法优化XGBoost模型进行数据修复。试验结果表明：GA-XGBoost模型相比于XGBoost模型以及其他机器学习修复模型，其路域环境感知数据修复平均误差最低(M_AE=1.253 7,R     

自动驾驶多传感器融合的时间校准方法研究

针对自动驾驶感知域系统的激光雷达、图像传感器、惯性测量单元3种传感器数据融合的时基校准问题,利用机械式激光雷达自身特征设计校准设备、系统及实验方法.基于激光雷达的触发事件和车载图像传感器感知特征,实现两种传感器时基在线标定,并通过示波器测量校验证明该方法的有效性.利用激光雷达扫描频率与触发事件时间差相互关联的特征,将激...     

模糊贴近度算法在煤矿安全监测WSN系统中的应用

由于无线传感器网络具有传输通信量和传感器电源能量有限的特点,高效的数据融合节能策略成为现在无线传感网络研究热门技术之一。对于塔山矿井平台监控的复杂环境,应用无线传感器网络技术来采集矿井巷道内的数据并将数据发送给汇聚节点。而汇聚节点的数据处理方式是延长网络生命周期重要一环,为了提高汇聚节点数据传输的准确性和高效性,本文研究采用了一种高效的无线传感器网络数据融合算法。基于模糊贴近度原理,结合相对复合权重的概念,提出了基于模糊贴近度的数据融合算法。实验通过对比测温数据的平均值与模糊贴近度融合后的温度值相比较,误差较小,且误差数据偏离的越大,使用该算法的效果更优于普通的算数平均法。