论文部分内容阅读
交通事故频发导致的财产损失和人员伤亡给人们生产生活带来了严重影响。为了减少碰撞产生的交通事故,汽车主动安全避撞系统应运而生,该系统根据装在自车车身周围的多种传感器对自车行车环境实时监控,避免因碰撞产生的交通事故,保证驾驶人员安全。本文主要对自车前方目标检测进行研究,根据安装在车身上的雷达与视觉传感器识别前方目标类型,获取前方目标的运动状态,优化了前方车辆检测系统。对提高驾驶人员安全,降低碰撞事故发生率具有重要意义。研究工作主要包括:（1）本文首先对国内外行车环境感知的研究成果进行分析与总结。结合研究现状的优缺点提出本文的研究方法以及思路,对联合雷达与视觉传感器的车辆检测方案进行设计,解决各传感器间的空间和时间融合问题,实现系统功能。（2）对基于毫米波雷达的检测系统进行设计。分析毫米波雷达基本工作原理,对本文选取的Delphi ESR毫米波雷达获取的数据信息进行处理,依据设置的同车道阈值y0滤除无效信息并进行目标初选;根据在有限时间内汽车的运动状态变化有一定的上下限这一情况,将初选目标与有效目标的运动状态进行对比判断初选目标是否有效,该方法通过对目标的角度?k,位移dk和速度vk阈值进行设定滤除虚假目标;利用生命周期算法,设置目标三个时期的运动状态,消除因自车俯仰和横摆等原因对有效目标选取产生的干扰;对获取的数据采取滤波处理减少数据噪声,为自动紧急制动系统等一系列主动安全避撞系统提供有效的参考数据。（3）对基于视觉传感器的目标识别追踪系统进行设计。采用Haar-like矩形特征作为识别图像中车辆的依据;使用积分图计算方法缩短矩形特征中计算特征值的运算时间;根据Adaboost算法将有效矩形特征值构建的弱分类器加权组成强分类器,其中弱分类器基于样本图片中的特征值获得;再将每个强分类器组成级联分类器进行目标检测,通过对误检率的关注,提升级联分类器的性能;引入时空上下文快速跟踪算法对检测出的车辆目标进行跟踪,通过计算求取适合的形状参数?,提高识别追踪的准确率。相比于视觉跟踪分解方法（VTD）、布点场式跟踪方法（DF）以及压缩跟踪方法（CT）三种检测算法,本文方法在检测成功率上平均提高了8.9%,最大可达17.53%;漏检率平均降低了11.46%,最大可达16.06%;误差率方面也有所改善;单帧识别耗时45.7ms满足避撞性能要求。（4）解决雷达与视觉传感器之间因安装坐标不统一以及采集数据时间点不对应使数据无法融合的问题。研究摄像机、雷达、世界坐标系的变换关系,通过矩阵旋转、向量平移等方法实现坐标系间的空间融合;对镜头畸变的原因进行分析并进行畸变校正;采用线程同步方法解决传感器采集信息时,时间点不一致的问题。最后对模型进行验证。（5）对本文设计的传感器融合识别追踪系统进行模拟驾驶仪仿真以及实车验证。开展基于6自由度QJ-4B动感型模拟驾驶仪的仿真试验,通过仿真对本文设计的系统进行稳定性测试,在效果良好的基础上再进行实车验证。结果表明,该方法可以完成前方车辆的实时检测,满足主动安全避撞对识别率和实时性的要求。