在智能車行駛的過程中,由于環(huán)境復(fù)雜性,單一傳感器或者多個(gè)同質(zhì)傳感器無法完全感知智能車周圍的交通環(huán)境。因此,需要研究異質(zhì)傳感器信息融合方案,利用異質(zhì)傳感器各自的優(yōu)點(diǎn),彌補(bǔ)單一傳感器的不足,以實(shí)現(xiàn)多個(gè)異質(zhì)傳感器之間相互協(xié)作和相互補(bǔ)償?shù)墓δ堋１疚耐ㄟ^比較不同車載傳感器的優(yōu)缺點(diǎn),最終選擇了毫米波雷達(dá)和單目相機(jī)作為智能車感知前方環(huán)境的傳感器。首先,為了保證異質(zhì)傳感器識(shí)別的目標(biāo)信息在空間上和時(shí)間上的統(tǒng)一性,本文確定傳感器之間的坐標(biāo)轉(zhuǎn)化關(guān)系,并將傳感器坐標(biāo)系映射到同一參考坐標(biāo)系下。其次,并行處理毫米波雷達(dá)和單目相機(jī)目標(biāo)信息。然后,在兩類信號(hào)的時(shí)間和空間同步的情況下,采用全局最近鄰（Global Nearest Neighbor,GNN）匹配算法匹配兩類信號(hào),用加權(quán)平均法將匹配的兩個(gè)目標(biāo)合并為一個(gè)目標(biāo)。最后,采用擴(kuò)展卡爾曼濾波（Extended Kalman Filter,EKF）算法跟蹤未匹配的目標(biāo)和匹配的目標(biāo),以確定目標(biāo)的狀態(tài)。本文主要研究?jī)?nèi)容如下:1.基于毫米波雷達(dá)的有效目標(biāo)確定。介紹了毫米波雷達(dá)的性能和基本參數(shù)。根據(jù)CAN協(xié)議接收并解析毫米波雷達(dá)數(shù)據(jù)。分析雷達(dá)信號(hào)中的的空信號(hào)目標(biāo)、無效信號(hào)目標(biāo)... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

傳感器安裝位置

圖 3.1 毫米波雷達(dá)掃描定義 所示，毫米波雷達(dá)可提供的中距離覆蓋區(qū)域?yàn)榘霃?60m45°到 45°之間，可以較容易檢測(cè)相對(duì)鄰近車道的障礙物175m 的探測(cè)距離和-10°到 10°的探測(cè)角度，覆蓋范圍基達(dá)每幀能探測(cè) 64 個(gè)目標(biāo)，每個(gè)目標(biāo)包含相對(duì)距離、相達(dá)目標(biāo)識(shí)別距離精確度在中長(zhǎng)距離分別為 0.25m 和 中長(zhǎng)距離范圍內(nèi)都為 0.12m/s，水平視角的精確度在°和 0.5°。在中距離范圍內(nèi)，雷達(dá)識(shí)別的多個(gè)目標(biāo)中兩兩速度和最小水平視角分別是 1.3m、0.25m/s 和 12°；在長(zhǎng)個(gè)目標(biāo)中兩兩之間的最小距離、最小相對(duì)速度和最小5m/s 和 3.5°。

圖 3.3 CAN 標(biāo)準(zhǔn)幀存儲(chǔ)協(xié)議如圖 3.3 所示，每個(gè)雷達(dá)目標(biāo)信息存儲(chǔ)在 Data[0]~Data[7]中。其中，lsb 表示最低有效位，msb 表示最高有效位。黃色區(qū)域表示角度信息，由 Data[1]的低 5 位與 Data[2]的高 5 位組成；綠色區(qū)域表示距離信息，由 Data[2]的低 3 位與 Data[2]組成；藍(lán)色區(qū)域表示相對(duì)速度信息，由 Data[6]的低 6 位與 Data[7]組成。將從最低有效位到最高有效位的數(shù)據(jù)組合成一個(gè)完整的二進(jìn)制數(shù)，然后轉(zhuǎn)化為融合所需的十進(jìn)制信息。解析過程以角度為例，角度的二進(jìn)制信息為a=(Data[1])<<5&(Data[2]>>3) ，若 a 的首位為 1，則表示角度為負(fù)數(shù)，需要先求原碼的反碼，補(bǔ)碼，再轉(zhuǎn)化為十進(jìn)制數(shù)，最后乘以相應(yīng)的比例。表 3.1 為解析的雷達(dá)目標(biāo)部分?jǐn)?shù)據(jù)。

【參考文獻(xiàn)】：
期刊論文
[1]基于視覺顯著性的無人車圖像檢測(cè)及分割方法[J]. 張俊杰,丁淑艷,李倫波,趙春霞.  計(jì)算機(jī)工程與應(yīng)用. 2017(22)
[2]車載毫米波雷達(dá)對(duì)前方目標(biāo)的運(yùn)動(dòng)狀態(tài)估計(jì)[J]. 高振海,王竣,佟靜,李紅建,郭章勇,婁方明.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2014(06)
[3]一種擴(kuò)展小孔成像模型的魚眼相機(jī)矯正與標(biāo)定方法[J]. 涂波,劉璐,劉一會(huì),金野,湯俊雄.  自動(dòng)化學(xué)報(bào). 2014(04)
[4]基于修正Riccati方程與Kuhn-Munkres算法的多傳感器跟蹤資源分配[J]. 童俊,單甘霖.  控制與決策. 2012(05)
[5]采用投影輪廓特征的激光雷達(dá)快速目標(biāo)識(shí)別[J]. 郭裕蘭,魯敏,譚志國(guó),萬建偉.  中國(guó)激光. 2012(02)
[6]帶切向畸變的模型可視化攝像機(jī)標(biāo)定[J]. 華希俊,夏樂春,高福學(xué),薛城.  工程圖學(xué)學(xué)報(bào). 2009(03)
[7]智能車輛環(huán)境感知傳感器的應(yīng)用現(xiàn)狀[J]. 高德芝,段建民,鄭榜貴,田炳香.  現(xiàn)代電子技術(shù). 2008(19)
[8]分布式貝葉斯檢測(cè)融合優(yōu)化算法及其計(jì)算機(jī)仿真[J]. 李宏,許世軍,劉詩(shī)斌.  計(jì)算機(jī)仿真. 2005(03)
[9]幀間差分與背景差分相融合的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J]. 朱明旱,羅大庸,曹倩霞.  計(jì)算機(jī)測(cè)量與控制. 2005(03)
[10]時(shí)間戳協(xié)議研究[J]. 張科偉,唐曉波.  計(jì)算機(jī)應(yīng)用研究. 2004(10)

博士論文
[1]高頻雷達(dá)信號(hào)處理中的若干問題研究[D]. 周浩.武漢大學(xué) 2004

碩士論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的小目標(biāo)檢測(cè)[D]. 郭之先.南昌航空大學(xué) 2018
[2]基于測(cè)距雷達(dá)和機(jī)器視覺數(shù)據(jù)融合的前方車輛檢測(cè)系統(tǒng)[D]. 龐成.東南大學(xué) 2015
[3]基于信息融合的智能車輛前方目標(biāo)識(shí)別技術(shù)研究[D]. 嚴(yán)思寧.東南大學(xué) 2015
[4]分布式多傳感器系統(tǒng)航跡融合算法研究[D]. 李軍.太原理工大學(xué) 2011
[5]基于概率假設(shè)密度函數(shù)（PHD）的多目標(biāo)跟蹤方法研究[D]. 王芝.杭州電子科技大學(xué) 2009
[6]多傳感器融合技術(shù)在移動(dòng)機(jī)器人定位中的應(yīng)用研究[D]. 周華.武漢理工大學(xué) 2009



本文編號(hào)：3011135