發(fā)布時間：2023-04-02 05:44

　　在無人駕駛系統(tǒng)中,感知是極其重要的一環(huán),而準(zhǔn)確實時的檢測到前方車輛,可以為后續(xù)決策和規(guī)劃提供充分的先驗條件,從而避免交通事故的出現(xiàn)。毫米波雷達和攝像頭在目標(biāo)檢測方面各有優(yōu)劣,雷達可以有效獲取道路目標(biāo)的相對距離、相對速度、相對角度等信息,但無法準(zhǔn)確獲得目標(biāo)的寬度信息;而攝像頭可以獲得前方車輛的目標(biāo)寬度、類別等信息,但無法精確對目標(biāo)進行測距、測速等,且使用單雷達或單攝像頭時可能存在目標(biāo)的虛檢或漏檢�；谏鲜龇治�,本文提出了一種基于毫米波雷達和視覺融合的車輛檢測算法,通過時空轉(zhuǎn)換將毫米波雷達目標(biāo)點投影到圖像上,通過目標(biāo)關(guān)聯(lián)算法實現(xiàn)雷達目標(biāo)序列和攝像頭目標(biāo)序列的關(guān)聯(lián),對關(guān)聯(lián)成功的目標(biāo)進行更完整信息的輸出,對未關(guān)聯(lián)的目標(biāo)同樣進行輸出,相較于單雷達或單視覺算法,可以獲取更完整的道路目標(biāo)信息。具體研究內(nèi)容如下:1、雷達有效車輛目標(biāo)序列的獲取。首先利用Kvaser CAN總線分析儀實現(xiàn)對雷達目標(biāo)信號的接收,通過對回波信號中空目標(biāo)、靜止目標(biāo)和無效目標(biāo)信號的特點進行分析,提出了本文基于雷達的有效車輛目標(biāo)序列獲取算法。通過雷達信號本身特點濾除空目標(biāo)信號,通過兩幀之間的閾值來濾除無效目標(biāo)信號,通過自車與目標(biāo)之...

【文章頁數(shù)】：93 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題的研究背景和意義
    1.2 國內(nèi)外無人駕駛汽車研究現(xiàn)狀
        1.2.1 國外無人駕駛汽車發(fā)展現(xiàn)狀
        1.2.2 國內(nèi)無人駕駛技術(shù)的發(fā)展現(xiàn)狀
    1.3 無人駕駛汽車前方車輛檢測的研究現(xiàn)狀
        1.3.1 基于機器視覺的車輛檢測
        1.3.2 基于毫米波雷達的車輛檢測
        1.3.3 基于激光雷達的車輛檢測
        1.3.4 基于多傳感器融合的車輛檢測
    1.4 本文的研究內(nèi)容和章節(jié)安排
第2章 基于毫米波雷達的車輛檢測
    2.1 毫米波雷達的性能和特點
    2.2 毫米波雷達的工作原理
    2.3 毫米波雷達的選型
    2.4 毫米波雷達的數(shù)據(jù)接收和處理
    2.5 毫米波雷達有效目標(biāo)獲取
        2.5.1 雷達采集信號分析
        2.5.2 毫米波雷達濾波算法
        2.5.3 濾波算法驗證
    2.6 本章小結(jié)
第3章 基于深度學(xué)習(xí)的前方車輛檢測和距離測量
    3.1 卷積神經(jīng)網(wǎng)絡(luò)
        3.1.1 神經(jīng)網(wǎng)絡(luò)概述
        3.1.2 卷積神經(jīng)網(wǎng)絡(luò)特性
        3.1.3 卷積神經(jīng)網(wǎng)絡(luò)層級結(jié)構(gòu)
        3.1.4 卷積神經(jīng)網(wǎng)絡(luò)工作原理
    3.2 目標(biāo)檢測算法介紹
        3.2.1 傳統(tǒng)目標(biāo)檢測算法介紹
        3.2.2 基于深度學(xué)習(xí)的目標(biāo)檢測算法介紹
    3.3 基于CAFFE的 SSD車輛檢測
        3.3.1 SSD算法原理
        3.3.2 實驗數(shù)據(jù)準(zhǔn)備
        3.3.3 網(wǎng)絡(luò)訓(xùn)練和實驗結(jié)果分析
    3.4 基于單目視覺的車輛測距
        3.4.1 基于小孔成像的測距模型
        3.4.2 基于單幀圖像的測距模型
        3.4.3 基于序列圖像的測距模型
    3.5 測距模型的實現(xiàn)
    3.6 測距模型的實驗驗證
    3.7 本章小結(jié)
第4章 基于毫米波雷達和視覺融合的車輛檢測
    4.1 毫米波雷達和相機的空間同步
        4.1.1 傳感器位置和坐標(biāo)系定義
        4.1.2 雷達坐標(biāo)系和世界坐標(biāo)系的轉(zhuǎn)換
        4.1.3 像素坐標(biāo)系和世界坐標(biāo)系的轉(zhuǎn)換
        4.1.4 相機內(nèi)外參數(shù)標(biāo)定
        4.1.5 雷達坐標(biāo)系和相機坐標(biāo)系的聯(lián)合標(biāo)定
    4.2 毫米波雷達和相機的時間同步
    4.3 基于視覺與雷達融合的車輛檢測算法
        4.3.1 毫米波雷達和相機的目標(biāo)關(guān)聯(lián)算法
        4.3.2 車輛目標(biāo)信息生成策略
    4.4 本章小結(jié)
第5章 系統(tǒng)平臺設(shè)計與實驗
    5.1 系統(tǒng)平臺設(shè)計
        5.1.1 無人車總體架構(gòu)
        5.1.2 硬件架構(gòu)設(shè)計
        5.1.3 軟件架構(gòu)設(shè)計
    5.2 實車算法驗證與分析
    5.3 本章小結(jié)
總結(jié)與展望
    1 研究內(nèi)容總結(jié)
    2 工作展望
參考文獻
致謝



本文編號：3778662