基于驾驶意图及多源信息感知的外部危险预警研究

摘要

基于人机共驾的智能驾驶辅助平台集内部驾驶员动作分析预测以及外部环境感知、分析与预测，目的是对驾驶员进行辅助预警。通过对驾驶员的监测，可以很容易获得其驾驶状态从而有利于进一步对其进行驾驶状态分析。外部环境监测一般使用雷达和相机两种传感器，雷达数据具有精确地深度信息，并且对于光照的鲁棒性较强。普通相机虽然在二维平面上具有很高的分辨率，但是不具有深度信息，对光照强度比较敏感。近年来，结合二者的传感器融合技术综合了二者的优点，大大增加了监测准确率，因此被广泛研究与使用。本文主要研究重点是，基于处于十字路口情景时对内部驾驶员头部转向分析同时结合外部相机与雷达融合跟踪技术对潜在危险进行的主动预警。　　本文首先分析了面部转向动作对最终驾驶员采取驾驶动作的影响。对于面部转向动作采取深度学习获得特征点，对于连续的几张图片的特征点，采用训练的SVM对驾驶行为（左转、右转、直行、左换道、右换道）进行了预测。对于外部障碍物跟踪算法，首先对相机雷达进行各自坐标系相对于世界坐标系的标定以及联合标定进行了介绍。对于雷达采用栅格法进行投影，采用DBSCAN进行障碍物聚类并且对地面以及过高的点进行了选择性的剔除。为了解决雷达与相机融合时由于频率不统一导致数据时空上不匹配的问题，采用了卡尔曼滤波进行了基于雷达点云障碍物的动态预测。对于跟踪算法的前后帧关联，采用激光雷达障碍物外接矩形长、宽、位置，特别的加入障碍物上雷达点云颜色的相似度计算，大大增加了在不同光照强度下对物体的跟踪效果，同时算法对十字路口处树木的遮挡也具有很强的抗干扰性能。对于场景安全主要分析了车辆、行人、以及其他动态的物体，并对运动的物体结合车速进行了进行了运动轨迹拟合预测。对于综合实验，考虑到光照对摄像头的影响，树木对雷达的遮挡以及颠簸对雷达预测的影响，主要分析了光照以及车速对提前2.5s进行障碍物临近预警准确率的影响。综合实验证明了驾驶动作预测的准确性以及在城乡路口情况下提前预警有较好的精度和实时性。

目录

声明

第一章 绪论

1.1研究背景与意义

1.2研究现状现状

1.2.1驾驶员意图分析

1.2.2基于雷达和相机的融合感知技术

1.3论文内容及结构

第二章 驾驶员面部特征分析

2.1基于SVM的分类算法

2.2基于卷积神经网络的特征提取

2.2.1卷积神经网络的训练

2.2.2训练参数的初始化

2.3面部特征提取

2.4面部朝向时间与道路转向分析

2.4.1面部朝向分析

2.4.2面部特征分析

第三章 基于相机和雷达的物体跟踪

3.1激光雷达的介绍

3.2激光雷达的安装

3.3激光雷达的标定

3.4聚类与检测

3.4.1激光雷达数据通过栅格地图表示的方法

3.4.2点云图像初步滤波

3.4.3物体聚类

3.4.4Graham Scan凸包算法

3.5相机雷达的联合标定

3.5.1棋盘格角点的检测方法

3.5.2联合标的反向投影

3.6卡尔曼滤波

3.6.1卡尔曼滤波器的的数学原理

3.6.2扩展卡尔曼滤波器

3.7图像与雷达融合的物体跟踪方法

3.7.1先检测后跟踪算法进行物体跟踪

3.7.2基于视距雷达的融合感知检测

第四章 实验与结果

4.1驾驶行为预测实验

4.1.1面部特征点预测

4.1.2头部转向预测

4.2外部物体跟踪实验

4.3综合实验

第五章 总结与展望

5.1总结

5.2 展望

参考文献

在学期间的研究成果

致谢