智能车辆多传感器融合策略

传统车辆自主换道研究多以理想道路曲率及车辆间简化的相对运动为前提,通过匹配采样周期将车路数据直接传入控制器,难以验证系统在真实环境下的可靠性。文章设计了一种多传感器布置方案及融合策略,并在Matlab/Simulink平台构建高速公路仿真场景,验证多传感器融合策略的有效性。其仿真结果表明,该多传感器融合策略能够在高速场景下实现对目标车辆的持续跟踪,模拟智能车辆环境感知、数据融合过程,进而为智能车辆自主换道系统的开发提供技术参考。     

无人驾驶汽车多传感器融合研究概述

传感器感知和识别是无人驾驶汽车的一个关键技术,是路径规划、智能决策和自动控制的基础,是近几年汽车发展的新兴技术.本文论述了多传感器融合技术的具体概念、分类、体系结构和主要算法,总结多传感器信息融合的发展要求和未来展望.     

基于传感器融合的车辆全球定位

采用2个光学编码器作为当地传感器,1个GPS接收器作为全球传感器,GPS接收器和编码器组合成1对互补的传感器对来进行高精度的定位.传感器融合软件由2部分组成:基于车辆运动学的动态模型,用于结合GPS接收器和光学编码器;另一部分是用来整合传感器数据的随时间变化的卡尔曼滤波器.仿真和实验结果表明:提出的定位系统效果很好,可实时精确地预测车辆位置和方位角,GPS信号中混杂的噪声可消除80%.     

智能车辆系统发展及其关键技术概述

介绍智能车辆系统的研究内容，研究与应用现状，智能车辆的使用可以改善道路安全状况，提高道路的利用率，智能车辆的行驶环境是很复杂的，为了得到一个可靠的决策，必须利用道路信息，其他车辆和目标的位置和动态信息和司机的状态信息等多源信息，智能车辆研究涉及的关键技术主要包括传感器技术，机器视角，GPS技术，通讯技术和数据融合技术等，尤其是数据融合技术中的多目标跟踪与匹配以及基于卡尔曼滤波器的状态估计技术等。     

车辆导航技术的发展现状及趋势

本介绍了国内外车辆导航技术的应用现状及发展趋势。目前，车辆导航系统主要由驾驶信息系统、交通管理系统和车队管理系统等三部分组成。本介绍了每个系统的功能、特点、应用情况及未来发展趋势。中所述内容对了解和跟踪国内外车辆导航技术现状具有重要的意义。     

多源数据融合的区问车辆速度预测算法研霸

不同的交通信息采集方式由于其硬件和采集条件的不同,数据的适用范围和准确性也不同。在短时交通预测中,对于来自于不同检测器的交通流数据进行融合,并在数据融合的基础上进行区间速度的预测,可以有效地改善预测结果的准确性和可靠性。文中提出一种基于卡尔曼滤波的数据融合和区间速度预测方法。在对数据进行预处理和交通状态划分的基础上,根据不同的交通状态,进行多源交通数据融合和区间速度的预测。研究确定了卡尔曼滤波方法中的各个参数,并使用人工神经网络的方法求解状态转移矩阵。算法验证结果表明,速度预测的精度在90％以上。     

多感知信息融合的车辆感知方法研究

为提高前方车辆检测的速度和准确率,本文采用一种毫米波雷达与机器视觉融合的感知方法。结果表明,该方法的准确率为93%,单帧数据的处理时间为42 ms,满足智能客车对前方车辆检测的要求。     

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%.     

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...     

1种基于浮动车数据的多车车速融合算法

在浮动车处理技术中,多浮动车样本车速的融合是整个计算的最后1个环节,算法的好坏直接影响到动态交通信息的准确性。从多权重系数和多种路况状态的角度构建了1种新的基于浮动车数据的多车车速融合算法,该算法从浮动车行驶特征等角度,综合考量在表征实时路况时浮动车多车样本间的共性与个性差异去融合多车车速,提高了实时路况的准确性,并且可根据实际交通环境快速调整相关参数。最后通过实证分析对其准确性进行了评估验证,结果表明能有效提高动态交通信息的准确性,具有良好的实用性。     

基础交通信息融合方法综述

文章介绍了几种经典算法在基础交通信息融合中的应用,包括卡尔曼滤波、人工神经网络、统计分析(加权平均,指数平滑法,平均值的递推估计算法),以及交通流量和行程时间预测方法。各种方法均通过实际验证其有效性及可靠性。融合后的数据能够满足智能交通系统的子系统ATMS相关应用领域对信息的精度要求,为下一步的交通状态估计提供可靠信息。     

基于多传感信息融合的智能车辆定位方法

针对高精度定位系统中地图的重要性问题,将定位问题分为无地图定位与基于地图定位,分别对智能车辆的定位问题进行探索.对研究的智能车辆、传感器及其定位问题进行建模分析,再对该平台实施传感器校准以减小系统误差.对于无地图定位问题,利用扩展卡尔曼滤波算法将里程计与惯性测量单元(IMU)数据相融合,通过试验证明航迹推测法存在累计误...     

基于多传感器融合的复杂越野环境人员识别方法

军用无人车辆的一大应用场景是班组伴随功能,复杂越野环境下的人员识别技术,是军用无人车辆的关键技术,实时、准确地检测出车辆周边的人员,是班组伴随实现的前提条件.针对激光雷达和摄像头融合感知下的人员识别问题,提出基于多传感器融合的解决方案,针对激光雷达采用基于KDTree加速的欧式聚类方法,针对摄像头信息设计改进的YOLO...     

导航路网数据改进模型及其组织方法

提出了一种支持高性能车辆导航的多尺度路网数据模型,该模型根据不同功能对导航数据内容与尺度的要求,将用于计算的路网拓扑数据与用于描述的路网几何数据分离,并分别在垂直方向进行分层抽象,在水平方向进行区域划分;几何数据以显式比例尺作为分层标准,通过多弧段来描述道路几何信息;拓扑数据以道路等级作为分层标准,通过节点-弧段结构来描述路网连通关系;参照动态分段思想设计了一种弧段编码体系,以描述模型上下层弧段之间、单弧段与多弧段之间的对应关系。结果表明:提出的模型能有效地支持导航应用中的多级地图显示与分层路径规划。     

智能车辆的障碍物检测研究方法综述

按照使用传感器的不同类型来分类，对智能车辆的障碍物检测和识别技术进行了综述，并分析各种障碍物检测方法。这些方法中主要包括基于立体视觉方法、基于激光雷达的方法：基于彩色机器视觉的方法及基于结构光的方法等等，同时作者指出任何一种有效的障碍物检测系统不能只依靠单一传感器进行环境感知，因此利用多种传感器信息融合技术检测智能车辆前方障碍物，是未来该领域的研究重点与难点。另外，还介绍了近几年一些研究机构在该领域的研究成果，并对所使用的一些算法进行简要的概括，为我国在智能车辆的障碍物检测领域的发展提供借鉴。     

基于浮动车移动检测与感应线圈融合技术的行程时间估计模型

综合考虑到浮动车检测技术与感应线圈检测技术的优缺点,为了提高道路行程时间估计的精度及完备性,提出基于浮动车与感应线圈的融合检测技术的行程时间估计模型。该模型利用神经网络技术对两种检测技术同一路段的检测数据进行融合,从而达到提高道路行程时间估计精度和完备性的目的。最后,以广州市7 000多辆装有GPS装置的出租车所提供的浮动车数据、100多个安装在广州市各主要道路口上的感应线圈检测器提供的感应线圈数据以及广州市交通电子地图为基础,在10条道路上分别随机选取的500个两种检测数据对提出的模型进行了验证,试验结果表明,此模型在道路行程时间估计的精度方面较浮动车移动检测技术与感应线圈技术有较大提高。     

自动驾驶汽车事件数据记录系统方案设计

随着汽车自动驾驶技术的发展,目前的EDR的标准无法满足自动驾驶汽车事故重建的要求.本文设计了自动驾驶汽车事件数据记录系统,包括系统的组成及控制原理,并定义了事件检测触发模块、数据缓存模块、数据记录模块.同时还设计了基于统一诊断服务读取/清除自动驾驶汽车事件数据的方法,用于辅助分析自动驾驶事故原因以及自动驾驶系统验证评估...