论文部分内容阅读
针对毫米波雷达在智能驾驶辅助系统应用过程中,雷达数据存在着较高的虚假预警率、目标漏检的问题,本文提出一种机器视觉与毫米波雷达数据并行信息融合的日间前方车辆检测算法。首先基于雷达扫描车道和车速阈值的范围剔除一部分无效目标,并采用本文提出一种有效车辆目标滤波算法,进一步消除雷达数据中由于自身工作原因和外部干扰信号产生的无效虚假目标,以获得雷达检测车辆的在图像上投影的ROI(region of interest)区域。其次以车辆底部阴影位置初步定位车辆可能存在的ROI区域,分析车辆存在的ROI区域特点,使用Canny算子检测算ROI区域内的轮廓特征,采用ROI区域图像轮廓对称度以判断车辆存在性。最后通过视觉辅助雷达检测车辆的信息融合方式,将雷达与基于图像特征的视觉车辆检测ROI区域数据关联,以判断雷达检测ROI区域车辆存在性,并使用Haar特征分类器对雷达与视觉检测的不关联ROI区域进行复检以判定车辆存在性。本文基于VS2010 C++平台搭建起雷达与机器视觉信息融合的车辆检测算法程序,研究如何充分挖掘毫米波雷达与机器视觉传感器单独对车辆检测能力,并进一步研究了基于图像特征和基于Haar特征分类器两种算法在车辆检测方面的性能特点,最后深入研究和分析雷达与视觉信息融合在消除雷达数据存在的车辆目标漏检和误检的具体应用问题。研究结果表明:采用毫米波雷达目标滤波算法能够剔除大量无效目标,但由于雷达内部和外部干扰,存在少量目标漏检和误检的问题。基于图像特征算法检测车辆的执行效率高于基于Haar特征分类器算法,基于Haar特征分类器与基于图像特征融合的车辆检测算法可以有效降低机器视觉的误检率和提高检测正确率。基于雷达与机器视觉数据并行信息融合算法,能够有效弥补雷达误检、漏检的缺点,比传统的基于单一传感器车辆检测算法具有更好的检测正确率和较低的漏检率,能够为车辆驾驶辅助系统提供较为准确的近距车辆检测结果。