本文選題：支持向量機(jī)　切入點(diǎn)：毫米波雷達(dá)　出處：《科學(xué)技術(shù)與工程》2017年33期

【摘要】：為提高前方車輛檢測(cè)在不同道路環(huán)境中的魯棒性和實(shí)時(shí)性,提出一種基于支持向量機(jī)的多傳感器融合前方車輛檢測(cè)方法。系統(tǒng)工作前利用多傳感器數(shù)據(jù)融合建立雷達(dá)坐標(biāo)與圖像坐標(biāo)的轉(zhuǎn)化關(guān)系,以毫米波雷達(dá)在各種復(fù)雜道路環(huán)境中前方障礙物的檢測(cè)數(shù)據(jù)為基礎(chǔ),利用支持向量機(jī)(SVM)訓(xùn)練分類器構(gòu)建車輛與非車輛識(shí)別系統(tǒng),最終根據(jù)車輛寬高比的統(tǒng)計(jì)規(guī)律,建立前方車輛識(shí)別窗口。道路試驗(yàn)結(jié)果表明該方法前方車輛識(shí)別準(zhǔn)確率為89.2%,單幀圖像的處理速度為31 ms。對(duì)于不同道路環(huán)境中的前方車輛檢測(cè)表現(xiàn)出了良好的穩(wěn)定性和準(zhǔn)確性,總體性能取得較為顯著的提高。
[Abstract]:In order to improve the robustness and real-time performance of forward vehicle detection in different road environments, a multi-sensor fusion forward vehicle detection method based on support vector machine (SVM) is proposed.Before the system works, multi-sensor data fusion is used to establish the transformation relationship between radar coordinates and image coordinates, which is based on the detection data of obstacles in front of millimeter-wave radar in various complex road environments.The support vector machine (SVM) training classifier is used to construct the vehicle and non-vehicle recognition system. Finally, according to the statistical rule of the aspect ratio of the vehicle, the forward vehicle recognition window is established.The road test results show that the accuracy of vehicle recognition in front of the method is 89. 2 and the processing speed of single frame image is 31 Ms.It shows good stability and accuracy for the forward vehicle detection in different road environments, and the overall performance can be improved significantly.
【作者單位】： 山東理工大學(xué);
【基金】：國(guó)家重點(diǎn)研發(fā)計(jì)劃(2016YFD0701101) 山東省自然科學(xué)基金(ZR2016EL19)資助
【分類號(hào)】：TP391.41;U463.6;U495

【相似文獻(xiàn)】

相關(guān)期刊論文 前1條

1 曉森;;個(gè)性車貼亟待規(guī)范[J];道路交通管理;2010年12期

相關(guān)碩士學(xué)位論文 前6條

1 佟卓遠(yuǎn);基于機(jī)器視覺(jué)的前方車輛檢測(cè)與測(cè)距系統(tǒng)設(shè)計(jì)[D];哈爾濱工業(yè)大學(xué);2015年

2 李龍;智能車的前方車輛檢測(cè)和跟蹤方法研究[D];湖南大學(xué);2016年

3 郭恩慶;基于視覺(jué)的高速公路前方車輛檢測(cè)[D];吉林大學(xué);2007年

4 秦飛;基于單目視覺(jué)的前方車輛檢測(cè)與跟蹤方法研究[D];合肥工業(yè)大學(xué);2015年

5 楊寧;基于邊緣特征的前方車輛識(shí)別[D];吉林大學(xué);2007年

6 王訊峰;基于視覺(jué)的前方車輛檢測(cè)算法的研究[D];華南理工大學(xué);2014年

，

本文編號(hào)：1701532