?

一種用于智能汽車(chē)目標(biāo)檢測(cè)的多傳感器融合方法

本文主要解決智能汽車(chē)目標(biāo)感知的一些問(wèn)題，目標(biāo)感知主要通過(guò)不同傳感器（如激光雷達(dá)、車(chē)載相機(jī)或者毫米波雷達(dá)）來(lái)完成目標(biāo)檢測(cè)、目標(biāo)跟蹤以及障礙物聚類(lèi)等工作。提出了一種用于智能汽車(chē)目標(biāo)檢測(cè)的多傳感器融合方法。該方法為傳感器數(shù)據(jù)處理以及傳感器數(shù)據(jù)融合制定了規(guī)則，這樣可以盡可能地利用所有傳感器所得到的信息，最大可能地提高車(chē)輛周?chē)h(huán)境中目標(biāo)物體檢測(cè)的可靠性和準(zhǔn)確性。所提出的目標(biāo)感知模塊的實(shí)現(xiàn)以及測(cè)試通過(guò)實(shí)車(chē)試驗(yàn)的結(jié)果進(jìn)行評(píng)價(jià)。

介紹了前方目標(biāo)感知（FOP）模塊，其是通用感知平臺(tái)的一部分。FOP模塊的輸入為不同傳感器采集得到的數(shù)據(jù)，可對(duì)車(chē)輛前方的目標(biāo)檢測(cè)、跟蹤并將目標(biāo)物體進(jìn)行分類(lèi)。首先對(duì)雷達(dá)和車(chē)載相機(jī)獲得的未處理數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，并在進(jìn)一步融合前分別提取特征；然后進(jìn)行特征級(jí)的融合，融合之后決定最終的目標(biāo)后進(jìn)行輸出。

目標(biāo)檢測(cè)提供當(dāng)前時(shí)刻前方的目標(biāo)信息，包括運(yùn)動(dòng)物體和靜止物體；目標(biāo)跟蹤用于預(yù)測(cè)車(chē)輛未來(lái)允許運(yùn)動(dòng)的軌跡；目標(biāo)分類(lèi)提供了進(jìn)一步的目標(biāo)信息，這些信息包括路面上障礙物所屬的不同種類(lèi)，例如一些易受傷害的目標(biāo)（如行人）和其它車(chē)輛，這有助于其它應(yīng)用程序在出現(xiàn)危險(xiǎn)的情況下能做出合理的決策。

Trung Dung Vu et al. 2014 IEEE International Conference on Intelligent Vehicles Symposium Proceedings, Dearborn, MI, June 8-11, 2014.

編譯：孔悅