?

基于雷達和視覺傳感器融合的車輛識別算法在自動緊急制動中應(yīng)用

提出了一種基于雷達和視覺傳感器的車輛識別算法在自動緊急制動中的應(yīng)用。現(xiàn)在的駕駛輔助系統(tǒng)多數(shù)都是采用雷達和視覺傳感器融合技術(shù)檢測前方多車輛。對傳感器融合的方法多以融合水平進行分類。低水平的融合方法將雷達和視覺的原始數(shù)據(jù)融合以產(chǎn)生新的原始數(shù)據(jù)，預(yù)計將比原始數(shù)據(jù)更翔實，但需要大量的計算。許多混合級融合的方法是在雷達測量范圍內(nèi)定義一個感興趣區(qū)域（ROI），然后利用多種圖像處理技術(shù)驗證這些潛在檢測區(qū)域，這樣可以改善所檢測到目標的橫向位置精度，并從雷達上消除鬼影。最后的高水平融合使用雷達和視覺傳感器獨立檢測到的物體信息，進行匹配、聯(lián)結(jié)，并分別驗證兩個傳感器的跟蹤信息。

商業(yè)雷達既能檢測車輛，也能檢測包括護欄和隧道等道路基礎(chǔ)設(shè)施，并且一般不區(qū)分機動車和非機動車。此外，該雷達盡管在橫向（或方位）精度較低，但是在縱向（或徑向）精度是很高的。這些雷達的特性可能會導致錯誤檢測原車，即在同一車道上最接近的車輛，從而導致自動緊急事故的自動激活制動。因此，本文提出的車輛識別算法主要是用于區(qū)分檢測對象是機動車還是非機動車。為了提高由于雷達和視覺傳感器的不同測量特性導致虛假檢測場景，車輛識別算法同時考慮了物體形狀屬性和運動屬性。運動屬性的檢測是為了確定對象是靜態(tài)還是動態(tài)；形狀屬性的檢測是通過傳感器融合來判斷目標是否是車輛。此外，通過在實際駕駛情況下測試數(shù)據(jù)進行車輛識別算法的實地驗證。在不久的將來，有必要進一步考慮交通擁堵和車道變換場景等更復雜的情況。

Heong- tae Kim. 13th International Confe- rence on Control, Automa- tion and Systems (ICCAS 2013), 2013.

編譯：魯蘭