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...     

毫米波雷达目标模拟器模拟雷达目标的测试研究

介绍雷达目标模拟器的原理,对毫米波雷达在雷达目标模拟器上的静态、动态目标识别能力进行测试,分析雷达目标模拟器存在的不足,为雷达目标模拟器的应用提供参考。     

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...     

基于角毫米波雷达的目标筛选

随着ADAS系统在汽车领域的普及,基于角毫米波雷达的ADAS系统由于其成本低、环境适应能力强被广泛应用。其中,使用角毫米波雷达的盲区监测系统能够有效辅助驾驶员对车辆周围环境的感知。根据24GHz角毫米波雷达的特性,使用2个角毫米波雷达对驾驶员盲区进行辅助监控,建立基于角毫米波雷达的盲区监测系统。而毫米波雷达输出目标存在一定的误检,文章使用角毫米波雷达连续5帧数据,建立反馈目标值运动模型,对目标位置数据进行更新,使用K-means算法对检测目标数据进行聚类,使用聚类结果判断检测目标是否真实存在,以消除毫米波雷达的误检,从而实现角毫米波雷达的目标筛选。     

毫米波雷达目标模拟器校验方法研究

随着汽车保有量的与日俱增,交通安全问题一直是大家关注的焦点,且近年来随着智能交通系统的提出,智能化网联化成为了解决以上问题的研究重点。而实现汽车智能网联化技术离不开毫米波雷达等零部件的应用,因此对其进行的性能测试是必不可少的。而测试过程中较为重要的一环是要保证测试设备的可靠性,因此本文通过对雷达测试设备、目标性能测试项目及测试方法进行阐述,利用雷达目标模拟器对探测目标的模拟,提出对毫米波雷达目标模拟器模拟目标参数稳定性的校验方法。     

基于毫米波雷达组群的全域车辆轨迹检测技术方法

高精度车辆轨迹数据对于高速公路交通管理和智慧服务具有非常重要的研究及应用价值,然而现有的车辆轨迹感知技术难以获得全域全时车辆轨迹数据。为此,提出一种基于毫米波雷达的全域车辆轨迹跟踪技术方法,该方法包括：雷达原始数据获取及适配、轨迹数据清洗及降噪、道路线形感知及还原、车辆轨迹匹配及拼接。其中,雷达原始数据获取及适配通过构建雷达帧数据适配表将雷达数据格式标准化,并通过构建的轨迹可信度评价指标K,剔除镜像车辆轨迹数据,进而基于历史行车轨迹的统计学特征,采用聚类方法还原道路线形,最终通过雷达群组间车辆轨迹特征分析及匹配拼接,实现设备内部及跨设备对车辆轨迹的持续跟踪。利用载波相位差分技术(Real-time Kinematic, RTK)和基于无人机航拍视频定位技术分别对单车及多车轨迹跟踪精度进行检验。研究结果表明：在单目标跟踪状态下,系统的纬度偏差均值为-0.284 m,经度偏差均值为-0.352 m,纬度误差均值为0.712 m,经度误差均值为0.539 m;在多目标跟踪状态下,系统丢车率约为8%,轨迹定位与真实位置偏差均值为0.990 m,具备良好的轨迹跟踪精度。该方法为未来从更加宏观的范围内研究个体驾驶行为风险转移分析、微观水平的驾驶风险的时空演化提供了数据支撑。     

智能网联汽车毫米波雷达技术分析

本文选择智能网联汽车毫米波雷达技术来展开深入分析,首先简述车载毫米波雷达的概念及原理,然后分析车载毫米波雷达在智能联网汽车中的应用原理和应用场景及其存在的问题,并提出了应对措施,最后探讨了毫米波雷达技术未来的发展趋势,以期为提高智能联网汽车在道路行驶过程中的安全性和稳定性,保障车内人员和路边行的安全,为智能网联汽车相关的技术研究提供一定的借鉴和参考价值。     

智能网联汽车中毫米波雷达的应用研究分析

伴随着国家经济发展和科学技术水平的提高,能够充分彰显出大国综合实力的重要方式为掌握各种高尖端技术.因为科学技术是第一生产力,所以当前在智能网联汽车中应用毫米波雷达技术已逐渐受到国家层面的重视.但是研究人员在深化探究过程中依然会在研究方向上产生困惑,因此所以文章通过简述智能网联汽车和毫米波雷达的基本概念,在详细介绍当前研...     

智能网联汽车中毫米波雷达的应用研究

智能网联汽车强调对网络技术及现代通信技术的应用,能够通过车载传感器、控制器及执行器来完成驾驶,并最终实现无人安全驾驶。智能网联汽车的发展及应用能够减少驾驶人员的疲劳感,为驾乘人员提供更加舒适的出行体验。而毫米波雷达指的是工作在毫米波波段的雷达,其具有探测距离远、可靠性高、全天候工作等优势及特点,能够对外界环境进行感知,将其应用到智能网联汽车中,能够有效提高出行的安全性。基于此,研究了智能网联汽车中毫米波雷达的应用情况,以期能够帮助有关单位及人员进一步改进自身工作,提高毫米波雷达的应用水平,促进智能汽车领域的发展。     

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。     

高速公路中毫米波雷达防撞技术的研究

结合高速公路营运的特点，为解决恶劣天气对高速公路的影响，对基于毫米波雷达的防撞技术进行了研究。在不增加系统复杂度的情况下对雷达波段进行改进，提高目标的识别率以满足实际运用的需要。     

一种车载前向毫米波雷达下线校准方法

本文介绍了一种车载智能驾驶前向毫米波雷达的下线标定校准要求和流程,包括工站搭建要求、毫米波雷达标定金属板的安装位置要求等。     

基于深度学习的车辆目标检测算法综述

车辆目标检测是自动驾驶环境感知的重要组成部分。近年来随着深度学习在目标识别领域取得重大突破,基于深度学习的车辆目标检测算法逐渐成为该领域的研究热点。论文对当前主流的两阶段车辆目标检测算法和单阶段车辆目标检测算法进行简要介绍,分析了其中几种具有代表性的卷积神经网络算法的优缺点,最后总结目前车辆目标检测存在的问题以及未来的发展方向。     

基于毫米波雷达的雾天行车安全系统设计

针对雾天能见度较低的情况,本文通过利用毫米波雷达对前方道路进行探测,识别其他车辆的行驶状态以及位置,采用可视化显示方式将探测结果向驾驶员进行提示,提高驾驶员对于前方道路的把握程度,保障车辆的安全运行。     

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...     

一种AEBS毫米波雷达的测试方法及其应用

提出一种AEBS毫米波雷达性能的测试方法,并进行测试应用。该方法测试设备简单,能够降低测试成本,同时能够测试不同厂家、不同型号的毫米波雷达,对新产品的研发具有重要意义。     

防患于未然——汽车毫米波雷达

伴随着汽车电子科技的发展，汽车雷达已经发展成为主动安全系统中不可或缺的重要技术。丰田国王的“侧前方预防碰撞安全系统”作为新一代汽车雷达的代表。更是展示出了其毫米波雷达的绝对优势。侧前方预防碰撞安全系统共有三个毫米波雷达（全车共有四个毫米波雷达），除了原来用于检测前方车辆的毫米波雷达之外，还在保险杆的左右侧安装了侧前方用毫米波雷达，从而扩大了检测范围。     

防患于未然——汽车毫米波雷达

伴随着汽车电子科技的发展,汽车雷达已经发展成为主动安全系统中不可或缺的重要技术。丰田国王的“侧前方预防碰撞安全系统”作为新一代汽车雷达的代表。更是展示出了其毫米波雷达的绝对优势。侧前方预防碰撞安全系统共有三个毫米波雷达（全车共有四个毫米波雷达）,除了原来用于检测前方车辆的毫米波雷达之外,还在保险杆的左右侧安装了侧前方用毫米波雷达,从而扩大了检测范围。     

基于YOLOv5的车辆目标检测算法轻量化改进

针对传统路端车辆目标检测算法参数多、检测速度较慢等问题,提出了基于YOLOv5 的车辆目标检测算法轻量化改进。首先,选用轻量化 EfficientnetV2 卷积神经网络对原骨干网络进行重构,同时在网络中引入 GAM 注意力机制;其次,为平衡 CIoU 损失和 IoU 损失在损失函数中的权重,引入 α-CIoU 损失代替原有的 CIoU 损失;最后,使用 soft-NMS 算法替换原有的 NMS 非极大值抑制算法。结果表明：相比原算法,改进后算法的精度提升了.51%,检测速度提升了 8.6%,模型大小降低了 31.7%;改进后的模型在提升检测速度的同时,还提高了路端车辆目标的检测性能。