一种基于多传感器融合的车辆检测与跟踪方法

针对城市道路环境,提出了一种基于激光雷达和视觉的车辆检测与跟踪方法.首先,采用透视变换和多传感器联合标定,根据激光雷达数据生成包含车辆假设的兴趣区域,以提高车辆检测的可靠性和降低图像处理的计算量;然后,提出了一种基于多维特征空间马氏距离的车辆检测算法,通过提取兴趣区域内图像特征向量,并将其与标准向量间的马氏距离作为车辆状态估计;最后,采用Kalman滤波实现车辆运动跟踪.为了提高鲁棒性,将粒子滤波算法与Kalman滤波相结合,以在雷达信息不准确的情况下准确地实现目标状态估计.实验结果表明,该方法在城市环境中取得了比较理想的车辆跟踪效果.     

基于多传感器融合的路面车辆检测

为了高效地检测路面车辆目标,提出了一种基于毫米波雷达及视觉传感器融合的车辆检测方法.采用了底层的数据融合策略.在雷达数据通道,利用霍夫变换及切比雪夫定理排除非路面车辆目标点,生成稀疏概率图.在图像数据通道,结合稀疏概率图与图像底层特征,建立视觉显著模型并生成车辆显著图像.在显著图上利用过分割方法快速定位路面车辆的位置.本方法在结构化道路下进行了大量实验,结果表明:本方法有效的克服了基于视觉传感器的车辆检测方法对光照敏感的缺陷,相比于基于单一传感器的车辆检测方法,本文方法具有更高的精确度和鲁棒性.     

一种雷达网络偏差估计补偿方法

为了提高雷达目标跟踪精度,针对雷达网络跟踪系统的时变配准偏差补偿问题,该文提出了一种通用的估计补偿方法.该方法根据雷达提供的测量信息,引入伪测量方程和等价偏差的概念,结合卡尔曼滤波方法估计出雷达的量测偏差和位置,用于补偿和修正量测信息.该方法使雷达的跟踪精度比补偿前明显提高.统计意义下的仿真结果显示了该方法的有效性.     

融合视觉与雷达数据的改进粒子滤波车辆目标跟踪

针对视觉跟踪中由于尺寸变化累积误差导致目标丢失的问题,提出一种融合视觉与毫米波雷达数据的改进粒子滤波车辆跟踪算法。首先,引入遗传算法改善标准粒子滤波中的粒子退化与粒子衰退问题,根据退化程度计算动态自适应的遗传交叉概率,并利用高斯分布替代平均分布计算种群适应度。然后,将图像HSV直方图特征与改进粒子滤波算法结合,实现车辆多目标跟踪。最后,通过雷达目标投影点与视觉跟踪框的位置关系实现关联匹配,利用深度信息修正跟踪框的位置与尺寸。实验结果表明,相对于标准粒子滤波,改进的粒子滤波算法可以使平均跟踪准确率与精度分别提高22.1%与21.1%。相对于仅采用视觉跟踪,融合雷达数据的跟踪算法能够使车辆目标跟踪精度再次提高9.2%。     

基于路面垂直轮廓B样条拟合的车辆运动估计偏移抑制

针对用视觉里程计估计车辆运动时因相对测量误差累积而导致偏移的问题,提出了一种基于路面垂直轮廓B样条拟合动态跟踪的偏移抑制方法.当车辆行驶过程中一直紧贴路面时,由于车辆的运动轨迹与路面在垂直方向上的轮廓形状相吻合,故可以通过跟踪路面的垂直轮廓用于抑制视觉里程计估计车辆的运动轨迹时产生的偏移.因为路面垂直轮廓跟踪和车辆运动估计在时间上不同步,所以建立了一种具有固定滞后的卡尔曼偏移抑制器.实验结果表明,所提出的方法对于抑制视觉里程计运动估计中的偏移是有效的.     

一种基于雷达和红外的粒子滤波融合跟踪方法

针对Kalman滤波不能处理雷达与红外传感器量测信息融合中的非线性问题,提出了一种基于粒子滤波方法的融合跟踪算法.该算法通过利用量测方程的非线性分析和粒子滤波器计算状态估计值,从而以线性迭代的方式得到系统的最优估计.仿真结果表明,与采用Kalman滤波的方法相比,该算法具有更高的估计精度,同时减小了计算量.     

视频序列中运动目标跟踪新方法

提出了一种跟踪视频图像序列中运动目标的新方法.该方法利用一种基于动态信息窗口的自适应背景更新方法解决背景的复杂性问题,结合一种新的计算颜色模型解决运动阴影问题,从而得到具有精确边缘的特定运动目标.计算了运动目标灰度质心,在坐标系中记录其位置,并采用最小二乘法拟合实现了对运动目标的跟踪.实验结果表明这种方法能有效地跟踪并预测视频序列中的运动目标.     

基于平方根Unscented卡尔曼滤波的车辆融合跟踪

针对车辆运动的机动性和跟踪系统的非线性，提出了一种基于平方根Unsoented卡尔曼滤波(SR-UKF)的多传感器融合跟踪方法．该方法采用动力学模型建立系统的状态方程和量测方程，充分利用了多传感器的量测信息，更好地满足了目标的机动特性．采用基于UKF的数据融合方法处理系统的非线性问题，避免了扩展卡尔曼滤波(EKF)产生的线性化误差．同时，在滤波过程中，以协方差平方根阵代替协方差阵参加速代运算，有效地避免了滤波器的发散，提高了滤波算法的收敛速度和稳定性，实验证明，与基于EKF的融合算法相比，基于SR-UKF的融合算法使系统的位置和方向角的跟踪精度分别提高了18．22％和34．81％。     

基于多传感器融合的前方车辆识别方法研究

为提高汽车安全辅助驾驶系统对前方车辆识别的准确性和实时性,提出了一种基于摄像头和毫米波雷达信息融合的前方车辆检测方法。首先将毫米波雷达和摄像头进行联合标定,并确定两个传感器坐标系之间的相互转化关系,对毫米波雷达数据进行预处理快速分割图像,以获得前方车辆识别的感兴趣区域;然后采用自适应阈值对感兴趣区域内的图像进行二值化处理以获得车辆底部阴影信息,利用边缘检测和霍夫变换得到车辆上下边界的位置信息;通过底部阴影和上下边界信息获得车辆识别的高度与宽度,最后根据车辆对称性特征建立识别窗口。试验验证表明,该方法前方车辆检测准确率为90.2%,单帧图像的处理速度为32 ms,能够满足智能汽车应用中的实时性和准确性的要求。     

粒子滤波融合跟踪方法

针对Kalman滤波不能处理多传感器量测信息融合中的非线性问题,提出了一种基于粒子滤波方法的融合跟踪算法.通过对量测方程的非线性分析,利用粒子滤波器计算目标状态估计值,通过线性迭代的方式得到系统的最优估计.仿真结果表明,与采用Kalman滤波的方法相比,该算法具有更高的估计精度和更少的计算量.相比于单传感器,减少了量测信息的模糊性,提高了资源的利用率.     

基于机动动作元的敌机战术机动在线识别方法

敌机战术机动动作的在线识别可为空战态势感知、任务规划和辅助决策提供重要参考信息.针对雷达数据不能提供敌机姿态信息,导致战术机动动作难以直接描述的问题,提出了一种基于空战机动动作元的两级识别方法.首先分析了雷达传感器提供的特征信息;其次根据战术动作的航迹曲线,将空战战术动作分解为11种基本的机动动作元,降低了动作描述的复杂度;然后采用随机森林和支持向量机设计了两级识别方法,层级1利用航迹参数识别机动动作元,层级2根据动作元序列和运动参数识别战术动作.通过对仿真飞行数据进行验证,表明机动动作元能有效描述典型机动动作,提出的方法能够实现敌机战术机动的准确在线识别.      

多传感器数据融合与航迹预测的模型设计

文中建立了功能完整的多传感器数据融合模型,使用最邻近数据关联(NNDA)算法提取目标航迹,采用三次样条插值实现时间配准,并将传感器性能作为权重应用到航迹对的融合中,使用加权平均的方法融合航迹对.引用回声状态网络(ESN)技术实现航迹的预测.基于雷达数据在不同运动场景中测试模型性能,对于匀速直线运动和机动转弯的目标,模型具有较高的跟踪和预测精度.     

混合坐标系singer模型跟踪突发机动目标改进算法研究

针对混合坐标系下singer模型对跟踪弱机动目标初期误差出现跳变现象,且对突发机动跟踪自适应能力较差的情形,本文提出一种改进算法,通过引入渐消因子,实时调节一步预测协方差,以此调节滤波器增益,增强了滤波器跟踪突发机动目标的适应能力,同时改进了混合坐系下singer模型跟踪算法的精度.仿真结果表明,本文算法对突发机动自适应跟踪能力和弱机动目标跟踪精度都有提高     

基于HCS12X单片机的多传感器智能车控制系统设计

本文基于飞思卡尔HCS12X控制单元，利用多传感器的信息融合技术设计了一款可以自主循迹行驶的智能车。系统主要融合了GPS．视觉传感器，激光雷达传感器对智能车进行定位及轨迹控制。该控制系统在安全性，可靠性．易操作性等方面都进行了综合的优化。实验表明．该智能车可以按照设计路径自主行驶。     

前方车辆图像识别与纵向安全域控制方法研究

提出一种基于单目视觉的前方目标车辆图像识别与纵向安全域控制方法。利用目标车辆视频图像的小波分形特征进行图像识别,并采用粒子滤波对检测结果进行实时动态跟踪,在此基础上,结合单目机器视觉感知技术测量纵向车间距,并建立纵向安全域控制模型,最后进行了仿真分析。实验结果表明,该方法有效缓和了目标车辆图像检测准确性与实时性之间的矛盾,在保证行车安全的同时,兼顾了道路通行能力。     

基于有源辅助的被动跟踪系统

提出了一种有源雷达间歇辅助红外工作的雷达／红外协同跟踪系统，该系统通过减少雷达开机时间降低被敌方ESM（电子支持措施）锁定的可能性．为了改善纯角度跟踪的滤波发散问题，一方面，在滤波处理时采用了非线性逼近能力更强的Unscented卡尔曼滤波算法；另一方面，充分利用雷达、红外同时开机时的量测信息，构造出一组时间多项式，在雷达关机期间，利用该组时间多项式估计目标的运动状态，辅助红外传感器进行跟踪．计算机仿真结果表明，该方法不仅能保证跟踪精度，同时也能有效地降低雷达被敌方ESM锁定的可能性．     

基于光流分析的车辆转弯及上下坡信息获取

传统的前照灯系统存在安全隐患,自适应前照灯系统(AFS)可以有效消除安全隐患、降低交通事故率,准确获取行车环境特征信息是AFS实现自适应照明的前提条件.文章采用摄像头获取车辆夜间行车时驾驶员视野前方视频图像序列,提出了一种图像区域分割方法,结合基于光流模型的图像运动估计方法计算出各个区域的所有像素点的光流速度,并依据不同区域光流速度提出车辆行车环境特征判断准则,来获取夜间行车转弯及上下坡信息,实验证明了该方法的有效性.     

IMM算法在车辆机动目标跟踪中的应用

针对高速公路车辆的机动目标跟踪问题,采用交互多模型算法(IMM)中的2个模型分别表示车辆的匀速运动状态和匀加速运动状态,并结合目标运动模型对目标当前加速度和其方差进行蒙特卡洛仿真.仿真结果表明该算法不仅可以在匀速运动时将关键测量噪声减低,而且在机动模型中保证状态估计量比未滤波的雷达测量值精确,同时可以对运动模型进行准确的识别,从而改善路面机动目标的跟踪性能,提高车辆的安全性和可靠性.因此,交互多模型算法可以满足高速车辆机动目标跟踪的要求.     

汽车质心侧偏角观测器试验验证

提出了一种综合运动学和动力学模型估算车辆质心侧偏角的方法。引入非线性因子表征车辆的非线性状态程度,在此基础上提出了一种简化的非线性轮胎侧向力计算方法,考虑轮胎侧偏刚度补偿,基于单轨模型建立Kalman滤波器实时估计出车辆质心侧偏角。搭建基于轮速传感器、侧向加速度和横摆角速度组合传感器、方向盘转角传感器、MicroAutoBox和GPS系统的试验验证系统,在高附着路面条件下进行蛇形操纵和双移线操纵试验。试验结果表明:所设计的估计算法能在一定程度上反映车辆的实际状态,实时性和估计精度能满足稳定性控制系统的要求。