汽车ACC毫米波雷达和视觉传感器目标级融合方法研究

自适应巡航控制系统是实现未来智能化汽车辅助驾驶的重要功能之一,以往该系统主要采用毫米波雷达感知周围环境,但是容易出现较多的误识别和漏识别情况。针对现存的问题,文章研究了自适应巡航感知系统,不同于以往单一雷达的方案,本设计采用毫米波雷达和视觉传感器融合的办法改善感知系统的性能。通过搭建电动车传感器数据采集系统,编写CAN通信报文解析程序,分析毫米波雷达和视觉传感器特性等,完成了对雷达和视觉信号的采集及处理,实现了感知系统目标级融合。并在巡航和跟车工况下进行离线仿真,验证了目标级融合方案能够有效地提高感知系统的准确性和合理性。

隧道环境内无人驾驶车辆目标决策两级信息融合感知策略

基于隧道内的特殊行驶环境和无人驾驶感知需求,选择合适的传感器及硬件搭建试验车辆,构建了毫米波雷达与摄像头多传感器融合的感知系统;基于YOLOv4目标级信息融合算法和改进D-S证据理论决策级信息融合算法,提出了一种“目标决策”两级信息融合策略;最后,在城市道路隧道环境内开展了感知信息两级融合验证试验,试验结果表明:相比单一的摄像头或毫米波雷达感知效果,基于摄像头与毫米波雷达传感器感知ROI区域关联实现的目标级融合结果可以提高9.51%的识别准确率,弥补了单一传感器在隧道环境内感知技术的不足;基于目标级融合感知结果,利用改进后的D-S证据理论算法再进行决策级融合,相比于单一的目标级融合结果,误检率降低了3.61%,显著提高了检测精度。采取多传感器感知信息目标决策两级融合策略能够满足隧道特殊环境内无人驾驶车辆可靠感知需求,为推动无人驾驶技术落地应用提供了理论与技术支撑。

多传感器融合的割草机器人障碍物检测方法

为了提高割草机器人自主作业时的环境感知能力,提出一种基于相机和低成本固态激光雷达融合的障碍物检测方法.首先,基于改进的DBSCAN聚类算法,得到一种可自适应确定聚类参数的KANN-DBSCAN算法,利用该算法对固态激光雷达采集到的三维点云聚类分析,得到障碍物点云并通过相机和固态激光雷达联合标定结果投影到二维图像上;其次,基于SSD目标检测网络完成障碍物样本训练,并对图像信息进行检测识别;最后,为了避免因光线不足或远距离雷达点云稀疏聚类困难,导致视觉或雷达检测性能受限,提出一种优势互补的目标级信息融合策略.试验结果表明:所提信息融合策略在融合两传感器检测结果的基础上,有效避免了环境条件改变单一传感器检测性能受限时,环境感知出现的漏检和误检,经过信息融合后的障碍物综合检出率约为87.5%,相较于单一传感器具有很大的提高,使环境感知信息更加全面可靠.