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。     

卡尔曼滤波算法在车载毫米波雷达中的应用

文章介绍了基于车载毫米波雷达的卡尔曼滤波算法的应用,对卡尔曼滤波算法中的递推算法思想进行了分析,以车辆匀速运动状态为例,简单阐述了卡尔曼滤波算法的工作原理。仿真结果表明卡尔曼滤波算法能够较准确的实现对障碍物运动轨迹的追踪和预测,起到辅助汽车自动控制的作用。     

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。     

汽车雷达场景仿真方法的研究

文章基于电大尺寸电磁波仿真技术,提出民一种能够根据电磁波仿真结果 S参数计算出实际雷达回波信号的方法。该方法能够模拟运动在多目标复杂场景下的雷达回波信号,综合了天线参数、目标RCS变化和地面多径影响等多方面因素。将仿真结果与实测进行对比发现,二者吻合较好,证明了仿真结果的正确性与可靠性。由于仿真工具可以在不进行实车测试的情况下提供准确的雷达数据用于优化雷达算法,文中建立的场景仿真方法可大幅提高毫米波雷达研发的验证效率。     

毫米波雷达识别问题分析及解决措施

针对L3级自动驾驶车辆所配备的77 GHz长距毫米波雷达和中距毫米波雷达在感知识别中的主要问题进行了分析,并对毫米波雷达与整车系统适配过程中存在的两类问题提出了解决措施。一是在毫米波雷达与整车系统的适配过程中,需考量车身材质和形状对其回波的干扰;二是结合车速、应用场景对雷达输出信息进行滤波,减少虚警和误报,使雷达系统获得更稳定、准确的感知结果。     

低能见度驾驶员视觉主动增强系统设计

通过对低能见度恶劣天气条件下，前方道路场景图像清晰度评价、增强和道路环境场景图像实时再现等同题的研究，提出了基于车载红外传感器和毫米波雷达传感器的驾驶员视觉增强系统设计方案，并运用信息融合和图像增强策略改善低能见度天气条件下的道路环境场景。     

汽车ACC系统纵向控制六模式切换策略仿真研究

为了增强现有六模式汽车自适应巡航(ACC)系统全工况下的适应性,文中综合考虑了2车相对速度、相对距离和本车速度等参数对ACC系统控制策略的影响,提出了1种六模式ACC系统控制模式的划分方法,并定量地确定了控制模式划分的边界条件.为了使ACC系统能够根据车辆行驶工况做出合理的响应,分别设计了各控制模式的加速度算法.将模式划分方法及控制策略建立相应的Simulink模型,考虑到PreScan具有场景建立便利性和可视化等优点,采用PreScan仿真场景并通过CarSim车辆动态模型,对所设计的六模式ACC系统进行了仿真试验.仿真结果表明:提出的六模式ACC系统,在全工况特别是前车切入等复杂工况下,较现有的六模式ACC系统表现出更好的适应性.      

基于卡尔曼滤波的半挂汽车列车状态估计

准确获取车辆的状态信息是汽车主动安全控制研究的关键。文中主要研究半挂汽车列车稳定性控制中的状态估计问题,研究了基于线性四自由度(4-DOF)半挂汽车列车模型,利用卡尔曼滤波(KF)算法估计半挂汽车列车的横摆角速度与质心侧偏角;基于商用车动力学仿真标准软件TruckSim,通过标准双移线仿真工况进行验证,结果表明,在非高速急转向工况下,所提出的估计方案能较准确地跟踪汽车列车的状态信息,为半挂汽车列车主动安全控制奠定基础。     

ADAS应用中汽车的近场RCS仿真研究

文章使用基于3D电大尺寸仿真软件搭建ADAS应用场景,模拟不同场景下防撞雷达发射电磁波照射到目标车辆并返回到雷达的过程;通过仿真某种应用场景下目标车辆相对雷达不同距离时,雷达接收到的散射能量,根据雷达方程计算出目标车辆在不同距离下的近场RCS。分别将仿真中雷达接收到的散射能量与雷达在道路上实测数据归一化并进行对比分析,二者吻合较好,证明了仿真结果的正确性与可靠性。     

考虑预期功能安全的智能汽车自动紧急制动系统

预期功能安全的提出，使得传统的自动紧急制动系统的安全性受到了挑战。为此，本文中利用基于系统理论过程分析（systems-theoretic process analysis,STPA）方法得到了自动紧急制动系统的预期功能安全要求，在传统的自动紧急制动系统基础上增加了感知盲区安全车速规划策略。然后基于盲区场景下车辆与行人相遇运动学模型，构造盲区安全车速公式。接着设计加入非线性干扰观测器的速度滑模控制器，对该速度进行跟踪控制，最后在CarSim与Simulink联合平台上开展仿真试验，比较此系统与没有增加预期功能安全要求的自动紧急制动系统的安全性，并进一步在硬件在环仿真试验台上验证。结果表明，考虑预期功能安全的自动紧急制动系统能有效降低行人碰撞风险，并确保车辆安全通过盲区的行驶效率。     

高速行驶车辆跟车安全距离预警系统设计与研究

正高速行驶车辆与前车跟车安全距离识别系统设计时,可采用毫米波雷达获得与前车的距离,并以此作为识别预警系统的基础应用数据。根据跟车距离和相对车速不会突变的特性建立预测模型,应用卡尔曼滤波理论预测相对车速,可有效消除系统状态误差和测量误差对测量精度的影响,利用跟车距离和相对车速计算安全距离报警阈值。同时,为适应不断更新的预测模型,采用深度学习的策略不断对预测模型参数进行学习训练,在大量学习样本的     

智慧公路毫米波雷达感知精度分析与验证

毫米波雷达是当前智慧公路中路侧感知系统的重要组成部分,在交通流运行态势感知与智能管控、车路协同与自动驾驶中广泛应用。然而,车辆与毫米波雷达之间的相对位置、相对姿态的变化会对雷达信号回波及点云分布产生影响,导致雷达对车辆的感知结果出现偏差,进而影响交通系统的管控决策。分析毫米波雷达感知精度的空间特征,对于指导毫米波雷达在智慧公路中的应用至关重要。为此,基于毫米波雷达的感知原理,综合考虑毫米波雷达信号处理与点云数据处理2个阶段中的感知误差来源,通过数值仿真与实测试验相结合的方式对目标在不同位置与姿态下毫米波雷达的感知精度特征进行分析与验证。研究表明：雷达纵向感知精度主要受到与车辆相对位置的影响,当车辆与雷达纵向距离小于30 m或大于200 m时,车辆位置感知结果会向车头或车尾方向显著偏移,相应产生的纵向感知误差通常超过0.5 m;雷达横向感知精度主要受到车辆横向位置及相对姿态的影响,当车辆横向位置偏离雷达中心光束超过5 m或车辆行驶的航向角超过40°时,车辆位置感知结果会向车身侧向偏移,相应产生的横向感知误差通常超过0.5 m。得到的影响因素分析结果,可进一步为智慧公路场景中毫米波雷达感知...     

汽车ACC毫米波雷达和视觉传感器目标级融合方法研究

自适应巡航控制系统是实现未来智能化汽车辅助驾驶的重要功能之一,以往该系统主要采用毫米波雷达感知周围环境,但是容易出现较多的误识别和漏识别情况。针对现存的问题,文章研究了自适应巡航感知系统,不同于以往单一雷达的方案,本设计采用毫米波雷达和视觉传感器融合的办法改善感知系统的性能。通过搭建电动车传感器数据采集系统,编写CAN通信报文解析程序,分析毫米波雷达和视觉传感器特性等,完成了对雷达和视觉信号的采集及处理,实现了感知系统目标级融合。并在巡航和跟车工况下进行离线仿真,验证了目标级融合方案能够有效地提高感知系统的准确性和合理性。     

一种复杂交通环境下的毫米波雷达目标跟踪方法

车载毫米波雷达是智能驾驶环境感知系统中重要的传感器,为实现车载毫米波雷达目标跟踪的稳定性、实时性和精确性,本文设计了一种基于联合概率数据关联(JPDA)的雷达目标跟踪算法,并提出了一种对传统JPDA算法的改进方式,该方式考虑了车载毫米波雷达运行的实际工况,通过改进点迹的选取方式以及利用生命周期理论简化关联事件的生成两个步骤,对传统JPDA算法进行了简化,解决了传统JPDA算法在密集目标环境下的组合爆炸问题,以及毫米波雷达虚警和漏检带来的数据不连贯、不稳定问题,实现了跟踪的稳定性和实时性;同时本文采用常加速度模型结合Kalman滤波对雷达目标运动状态进行了估计,解决了前后帧雷达目标运动状态不连续以及雷达信息中的噪声问题,实现了跟踪的精确性。实验结果表明:在复杂交通环境下,该毫米波雷达跟踪算法相较于传统JPDA算法,运算速率提升了50. 5%,稳定性提升了78. 46%。     

前向毫米波雷达系统自动校准功能

毫米波雷达作为车辆主动安全技术的核心传感器之一,在预警系统中,雷达的安装误差会导致其坐标系与上层应用不一致,影响系统性能甚至安全性。雷达自动校准功能借助整车运行环境中的静止目标,通过解算静止目标物相对雷达运行速度与整车实际运行速度的矢量关系,并采取批量自学习的方法以确定雷达初始安装偏差角度值,进而使用软件补偿的方式对偏差值进行修正,使雷达传感器与整车坐标系保持一致。     

基于毫米波雷达的汽车防碰撞预警系统有效目标的识别

为解决毫米波雷达识别目标不准确的问题,根据雷达采集信号的特点,提出汽车防碰撞预警系统有效目标的筛选方法。该方法首先利用卡尔曼滤波递推方法估计出前方目标与自车之间的相对加速度;然后以相对距离、相对速度和相对加速度为状态变量,利用线性预测矩阵估计下一时刻状态变量值,基于生命周期法对目标进行稳定性检查,初步筛选出连续稳定的目标;最后利用同车道纵向距离最近的原则筛选出对自车具有最大潜在威胁的目标作为最终的有效目标。试验结果表明:利用上述方法能够在保留连续稳定目标的基础上有效剔除虚假目标,鲁棒性良好。     

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。     

基于雷达和视觉技术的车辆跟踪窗口

针对基于视觉技术的运动检测鲁棒性差、计算量大的缺点,提出一种融合雷达与视觉信息建立车辆跟踪窗口的方法。采用动力学模型描述车辆运动,通过基于雷达量测的扩展卡尔曼滤波(EKF)估计,确定目标初始位置,然后根据灰度信息自适应调整跟踪窗口的中心位置及尺寸,快速而准确地建立起以目标形心为中心且适合目标大小的跟踪窗口,缩小了后续图像处理区域。三维场景仿真实验证明,该融合方法能快速有效地建立起目标的跟踪窗口。