基于视觉与雷达信息融合的障碍物检测识别方法研究

目录

声明

1 绪论

1.1 研究背景及意义

1.2 国内外研究综述

1.2.1 基于视觉的障碍物检测研究现状

1.2.2 基于毫米波雷达的障碍物检测研究现状

1.2.3 基于多传感器信息融合的障碍物检测研究现状

1.3 论文主要工作及结构安排

2 障碍物检测识别方案设计

2.1 基于信息融合的障碍物检测识别方案设计

2.2 基于毫米波雷达的有效目标确定

2.3 基于视觉的障碍物检测识别方法

2.3.1 算法评价标准

2.3.2 基于深度学习的目标检测识别算法比较

2.3.3 基于SSD算法的障碍物检测识别

2.4 本章小结

3 基于毫米波雷达的前方目标识别算法

3.1 毫米波雷达实验平台系统组成

3.2 有效目标初选方法

3.3 有效目标一致性检验

3.4 有效目标决策

3.5 基于改进Sage-Husa的线性自适应平方根卡尔曼滤波算法

3.5.1 卡尔曼滤波算法

3.5.2 Sage-Husa自适应滤波算法

3.5.3 线性自适应平方根卡尔曼滤波算法

3.6 实验仿真验证

3.7 本章小结

4 基于SSD算法的障碍物检测识别实验与结果分析

4.1 SSD算法在Caffe框架上的实现

4.1.1 Caffe实验平台的搭建

4.1.2 标准数据集制作

4.1.3 训练参数优化

4.2 SSD算法基网络的研究比较及实验

4.2.1 SSD+VGG16实验结果及分析

4.2.2 SSD+ZF实验结果及分析

4.2.3 基网络的选取

4.3 基于改进SSD的障碍物检测识别算法实现

4.3.1 网络模型的改进

4.3.2 实验结果与改进效果分析

4.3.3 不同算法的实验对比

4.4 本章小结

5 基于毫米波雷达和视觉的数据融合算法实现

5.1 多传感器数据空间融合

5.1.1 雷达坐标系与世界坐标系的转换

5.1.2 世界坐标系与摄像机坐标系的转换

5.1.3 摄像机坐标系与图像像素坐标系的转换

5.2 摄像机标定

5.3 多传感器时间融合

5.4 动态感兴趣区域的建立

5.5 仿真与实验验证

5.6 基于信息融合的障碍物检测识别实验及结果分析

5.7 本章小结

6 总结与展望

6.1 总结

6.2 展望

致谢

参考文献

附录