论文部分内容阅读
在无人驾驶系统中,感知是极其重要的一环,而准确实时的检测到前方车辆,可以为后续决策和规划提供充分的先验条件,从而避免交通事故的出现。毫米波雷达和摄像头在目标检测方面各有优劣,雷达可以有效获取道路目标的相对距离、相对速度、相对角度等信息,但无法准确获得目标的宽度信息;而摄像头可以获得前方车辆的目标宽度、类别等信息,但无法精确对目标进行测距、测速等,且使用单雷达或单摄像头时可能存在目标的虚检或漏检。基于上述分析,本文提出了一种基于毫米波雷达和视觉融合的车辆检测算法,通过时空转换将毫米波雷达目标点投影到图像上,通过目标关联算法实现雷达目标序列和摄像头目标序列的关联,对关联成功的目标进行更完整信息的输出,对未关联的目标同样进行输出,相较于单雷达或单视觉算法,可以获取更完整的道路目标信息。具体研究内容如下:1、雷达有效车辆目标序列的获取。首先利用Kvaser CAN总线分析仪实现对雷达目标信号的接收,通过对回波信号中空目标、静止目标和无效目标信号的特点进行分析,提出了本文基于雷达的有效车辆目标序列获取算法。通过雷达信号本身特点滤除空目标信号,通过两帧之间的阈值来滤除无效目标信号,通过自车与目标之间相对速度关系来滤除静止目标信号,最后实现对有效车辆目标信息的获取。2、摄像头有效车辆目标序列获取。首先对传统目标检测算法原理进行分析,提出本文基于SSD(Single Shot multibox Detector)的车辆检测算法。其次对KITTI数据集进行处理得到本文训练的样本数据,并通过CAFFE完成网络模型的搭建与训练。最后通过KITTI测试集和真实道路样本测试集对模型鲁棒性进行验证,结果显示模型检测效果良好。3、基于单目视觉的前方车辆距离测量。在进行车辆检测后本文还进行基于单目视觉的前方车辆测距。首先分析目前基于单目视觉测距原理及存在的不足,进而提出本文基于像素拟合的车辆距离测量方法,最后通过SSD车辆检测边界框下边界像素坐标和拟合曲线进行实际距离的求取,实验结果表明,算法在30m范围内检测精度较高。4、毫米波雷达和摄像头的时空同步。首先通过对相机进行标定建立像素坐标系和世界坐标系的关系,再通过雷达标定建立雷达坐标系和世界坐标系的关系,实现将雷达点投影到像素坐标系上,完成雷达和相机的空间同步。最后利用QT多线程实现雷达和相机的时间同步。5、毫米波雷达目标和摄像头目标关联。首先对毫米波雷达目标信息和摄像头目标信息进行分析,通过利用二者目标的多特征设计代价函数进行雷达目标和摄像头目标的关联。6、车辆检测系统设计和实验。根据本文算法方案进行实验平台的硬件架构和软件架构设计,并将雷达算法、视觉算法和多传感器融合算法移植到系统中。实验证明,本文提出算法可有效避免单雷达或单摄像头车辆检测过程中漏检问题,且能输出更完整的道路目标信息。