基于視覺橫向位置的雷達(dá)檢測(cè)改進(jìn)方法

設(shè)計(jì)了一種綜合系統(tǒng)，通過融合視覺傳感器來改善雷達(dá)對(duì)車輛側(cè)向位置的估計(jì)。該方法基于車輛后部進(jìn)行對(duì)稱性檢測(cè)，不同于基于邊緣輪廓的對(duì)稱性檢測(cè)典型方法，該方法利用塊匹配以及魯棒性代價(jià)函數(shù)。在雷達(dá)檢測(cè)到目標(biāo)的相應(yīng)圖像區(qū)域中，通過局部對(duì)稱性檢測(cè)可改進(jìn)雷達(dá)對(duì)目標(biāo)的橫向位置初始測(cè)量值。

整個(gè)系統(tǒng)由幾個(gè)模塊組成。將雷達(dá)數(shù)據(jù)、攝像機(jī)圖像以及車速輸入到系統(tǒng)。遮擋判斷模塊只選擇遮擋的雷達(dá)目標(biāo)，用對(duì)稱性檢測(cè)來改進(jìn)雷達(dá)目標(biāo)的側(cè)向位置。為了提高整個(gè)系統(tǒng)的魯棒性，附加的對(duì)稱性確認(rèn)模塊用于分析檢測(cè)模塊的檢測(cè)結(jié)果，可以排除無效目標(biāo)，最后應(yīng)用卡爾曼濾波器跟蹤位移、速度以及加速度。該方法的關(guān)鍵因素之一是使用SNCC的方法找到車輛后部的對(duì)稱軸。SNCC的優(yōu)點(diǎn)是對(duì)局部輪廓邊緣具有較好的魯棒性，這樣即使車輛有不對(duì)稱的部分也可以有很好的檢測(cè)結(jié)果。另一個(gè)關(guān)鍵因素是檢測(cè)可能出現(xiàn)對(duì)稱性計(jì)算錯(cuò)誤的檢測(cè)條件，這樣可以確保雷達(dá)和對(duì)稱性信息融合得到側(cè)向位置的結(jié)果好于單獨(dú)使用雷達(dá)傳感器。試驗(yàn)結(jié)果表明，用卡爾曼濾波器的雷達(dá)檢測(cè)側(cè)向位置精度為21cm，而用雷達(dá)和對(duì)稱性融合的方法可將精度提高到3cm，將誤差減小7倍。此外，融合了對(duì)稱性的側(cè)向位移檢測(cè)方法沒有延遲的現(xiàn)象。該方法顯著地增強(qiáng)了先進(jìn)駕駛員輔助系統(tǒng)的安全性，因?yàn)槠淇梢苑磻?yīng)更快，魯棒性更強(qiáng)。

Nishigaki,M.et al.2012 IEEE International Conference on Intelligent Transportation Systems, United States-September 16-19, 2012.

編譯：孔悅