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。     

基于前车偏置场景的AEB系统性能测试与分析

针对2台采用不同感知方案的乘用车自动紧急制动(AEB)系统,在前车低速场景下进行100%正碰和50%偏置的性能测试,在C-NCAP的性能评价指标外,引入预警时刻T_TC、与前车最小间距和最大减速度对其性能和舒适性进行分析。结果表明,在100%正碰场景下,毫米波雷达和摄像头融合感知方案在性能表现上与单毫米波雷达感知方案差异较小,但在目标识别较难的50%偏置场景下,融合感知方案的性能表现优于单毫米波雷达感知方案。     

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。     

自适应巡航控制系统中主目标车辆的识别与跟踪

实时准确的识别与跟踪目标车辆的能力决定了自适应巡航系统性能。根据目标识别和目标跟踪的不同特点,在对毫米波雷达信号初步过滤的基础上,开发了具备目标识别、跟踪及功能切换的算法,提高了目标数据的连续性和稳定性。同时,为减少弯道误报问题,开发了基于CAPL的雷达数据处理程序。通过实车与DGPS差分定位对比试验数据表明,该算法能够在直道和弯道工况下实现目标的准确识别,为自适应巡航系统开发提供了保障。     

基于多传感器信息融合的车辆目标识别方法

鉴于传统车辆避撞系统中,因采用单一传感器进行目标识别,在感知范围、识别准确性等方面存在的固有缺陷,本文中提出了一种基于雷达与机器视觉信息融合的目标识别方法。该方法获取目标序列后,在目标级融合方法的基础上,引入马氏距离进行观测值匹配。再应用联合概率数据关联(JPDA)算法进行数据融合,建立系统观测模型与状态模型,从而实现了基于信息融合的目标识别。试验验证结果表明,该方法基于雷达与摄像头数据,可实现目标的准确识别与定位,其工程适应面更广。     

77GHz毫米波雷达传感器技术研究

汽车主动安全越来越被重视,很多国家已将其列入法规要求中,现有的汽车主动安全技术有前碰撞预警系统、自动紧急制动系统、自适应巡航系统、盲区监测系统等,而实现上述功能的核心部件便是毫米波雷达传感器。文章主要研究了77GHz毫米波雷达传感器,并对其工作原理、软硬件框架以及实车匹配做了系统描述。     

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。     

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。     

面向低速清扫车的信息融合车辆跟踪方法

交通参与者运动的准确跟踪与预测对智能车行为决策的有效性至关重要。传统运动目标的跟踪系统多采用单一传感器，难以保证数据的精度与可信度。为提高系统的鲁棒性与可靠性，设计一种融合毫米波雷达和相机的目标跟踪方案，该方案针对多目标的特征级信息进行融合。首先，考虑低速行驶的自动驾驶清扫车所处环境杂波较多，方案选择基于IMM/JPDA的多目标跟踪方法估计局部航迹。为降低JPDA数据关联的计算复杂度，结合基于马氏距离构造的椭圆关联门和基于车辆非完整性约束构造的扇形关联门，实现关联门的自适应调整，减少关联杂波的干扰。其次，结合传感器的配置与特性，对目标的航迹状态进行空间对准和时间对准，按照航迹点间的欧氏距离和互协方差选择融合模式，进行局部航迹融合。最后，为验证多目标跟踪和航迹融合方法的有效性与实用性，分别设计基于MATLAB/PreScan环境的仿真试验和基于智能清扫车平台的实车试验。研究结果表明：在横、纵方向上，融合后的系统状态都比单一传感器的估计状态更为准确，融合结果对单一传感器的估计误差有35%以上的提升；实车试验证明，该方案能有效融合ESR毫米波雷达和Mobileye单目前视相机的状态估计信息，能基本正确地跟踪目标和估计航迹；融合状态的横、纵向误差都在可接受范围以内，且融合状态比单一传感器的估计波动更小。     

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。     

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。     

车载ADAS传感器毫米波雷达解析

ADAS-汽车驾驶辅助系统正在当前的汽车市场中迅速普及。车载雷达作为ADAS系统的重要组成,其技术发展直接影响着汽车智能化进程。毫米波雷达因为其波长的物理特性不受恶劣的环境影响,同时相比激光雷达又有较大的价格优势,已经成为当前厂家的首选。与24 GHz传感器相比,77 GHz传感器的分辨率和精度更高,体积小,正逐渐成为当前汽车领域的主流传感器。同国外雷达传感器供应商相比,国内车载毫米波雷达仍属于起步阶段,国内企业要在市场上与外企竞争并占有一席之地还有很长的路要走。     

车辆巡航自适应控制研究

对模型参考自适应控制进行了深入研究,分析了其在实际应用过程中存在的问题,在此基础上提出一种基于最小二乘辨识的模型参考自适应控制方案,并将其应用到车辆巡航速度控制中。改进方案在被控对象两端加入最小二乘辨识环节对系统参数进行在线辨识,利用辨识得到的信息修正由自适应律计算得到的可调参数模型,从而使其能够快速收敛于真值。改进的控制方案有效地降低了自适应初始阶段和被控系统受到外界扰动时系统的震荡以及过渡时间。理论分析和实验仿真结果表明,该控制系统结构简单,系统的响应速度快,超调量少,过渡过程时间短,振荡次数小,具有较强的鲁棒性,有一定的实际应用价值。     

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。     

Technology analysis and low-cost design of automotive radar for adaptive cruise control system

Recently, the advanced driver assistance system (ADAS), which helps mitigate car accidents, has been developed using environmental detection sensors, such as long and short range radar, lidar, wide dynamic range cameras, ultrasonic sensors and laser scanners. Among these detection sensors, radars can quickly provide drivers with reliable information about the velocity, distance and direction of a target obstacle, as well as information about the vehicle in changing weather conditions. In the adaptive cruise control system (ACCS), three radar sensors are usually needed because two short range radars are used to detect objects in the adjacent lane and one long range radar is used to detect objects in-path. In this paper, low-cost radar based on a single sensor, which can detect objects in both the adjacent lane and in-path, is proposed for use in the ACCS. Before designing the proposed radar, we analyzed the world-wide radar technology and market trends for ACCS. Based on this analysis, we designed a novel radar sensor for the ACCS using radar components, such as an antenna, transceiver module, transceiver control module and signal processing algorithm. Finally, target detection experiments were conducted. In the experimental results, the proposed single radar can successfully complete the detection required for the ACCS. In the conclusion, the perspective and issues in the future development of the ACCS radar are described.     

大型营运客车在高速公路的换道安全性辨识

为了给大型营运客车换道预警系统设计提供参考,采用毫米波雷达、激光雷达、车道线识别传感器、GPS、视频监控系统以及控制器局域网（CAN）总线数据采集仪等设备,基于小型乘用车搭建浮动车采集平台。通过在试验线路上进行1.5×10⁴ km的驾驶试验,获取1 200余次营运客车的真实换道数据。以Jula提出的换道安全性模型为基础,结合营运客车的换道行为特征,通过分析换道进程结束后客车需要与周围车辆保持的安全距离,建立适合于营运客车的3类换道安全性识别模型（客车与自车道前方车辆、目标车道前方车辆、目标车道后方车辆）,并利用真实数据对3类模型进行验证。研究结果表明：客车换道持续时间均值为10.4 s,换道起始时刻与目标车道后方车辆的距离为10.0~40.0 m;所有换道样本中,73.3%的换道过程中客车速度要高于目标车道后方车辆,且超过90%的换道过程是由前方慢车引起;不同的速度区间下,车速和航向角联合变化情况下,驾驶人控制营运客车的横向偏移速度保持稳定,可认为客车驾驶人的心理预期换道进程存在固定经验模式,这与小型车换道的研究结论存在较大差异,传统的TTC预警算法识别率较低,在不同速度区间情况下,所提出的模型对客车与自车道前方车辆、目标车道前方车辆、目标车道后方车辆的换道安全识别评价准确率均超过了90%。     

Human driving data-based design of a vehicle adaptive cruise control algorithm

This paper presents a vehicle adaptive cruise control algorithm design with human factors considerations. Adaptive cruise control (ACC) systems should be acceptable to drivers. In order to be acceptable to drivers, the ACC systems need to be designed based on the analysis of human driver driving behaviour. Manual driving characteristics are investigated using real-world driving test data. The goal of the control algorithm is to achieve naturalistic behaviour of the controlled vehicle that would feel natural to the human driver in normal driving situations and to achieve safe vehicle behaviour in severe braking situations in which large decelerations are necessary. A non-dimensional warning index and inverse time-to-collision are used to evaluate driving situations. A confusion matrix method based on natural driving data sets was used to tune control parameters in the proposed ACC system. Using a simulation and a validated vehicle simulator, vehicle following characteristics of the controlled vehicle are compared with real-world manual driving radar sensor data. It is shown that the proposed control strategy can provide with natural following performance similar to human manual driving in both high speed driving and low speed stop-and-go situations and can prevent the vehicle-to-vehicle distance from dropping to an unsafe level in a variety of driving conditions.     

基于目标速度的汽车ACC系统油门控制策略研究

ACC系统能够根据雷达等传感器检测到的前方车辆行驶信息,并自动控制本车的油门开度和制动强度,实现自适应巡航行驶,通过对车辆行驶纵向阻力特性的分析,针对目前广泛使用的基于目标加速度的油门开度控制策略受车辆装载质量影响较大的情况,利用功率平衡原理,提出了1种基于目标车速的油门开度控制策略,并利用PreScan软件对基于目标车速的油门开度控制策略进行了仿真实验,仿真结果表明了该控制策略有效的避免了整车装载质量变化对控制目标的影响。