基于毫米波雷达与机器视觉信息融合的道路车辆检测与跟踪算法研究

摘要

随着社会汽车保有量的增加，频发的交通事故带来大量的人员伤亡和财产损失，同时也存在交通拥堵和环境污染等问题，因此有关汽车智能化技术的研究受到广泛关注。环境感知是智能汽车中的一个关键技术，提供实时、准确的道路车辆目标信息是实现精准决策、规划与控制的前提。本文基于毫米波雷达与摄像头的多传感器信息融合研究道路车辆检测与跟踪算法，主要研究内容如下：　　①研究了毫米波雷达有效目标确定方法。首先分析毫米波雷达的工作原理与采集目标的数据特征，利用特征值判定筛选空目标。然后设置相对车速阈值、纵横向车距阈值得到初选目标。最后设计一种扩展卡尔曼滤波器，根据目标的距离、角度、速度与加速度等运动学参数进行连续时刻的目标关联与管理，获取有效目标。　　②研究了基于机器视觉的道路车辆目标检测算法。由于单一算法在光照条件变化时或不同环境背景下存在局限性，因此本文采用了两种不同的车辆检测方法。一方面基于图像特征，先根据底部阴影特征寻找车辆存在候选区域，再利用对称特征进行验证。另一方面采用Haar-like特征结合Adaboost算法通过大量正负样本离线训练得到级联分类器，在线调用分类器完成车辆检测。　　③提出一种基于改进遗传算法的粒子滤波车辆跟踪。针对传统粒子滤波中的粒子退化、以及经典重采样中的样本枯竭问题，本文利用遗传算法改进重采样步骤，并在交叉操作中生成单个子代替换小权重粒子、利用高斯函数计算种群适应度及完成变异操作，以逼近真实运动规律。将改进的粒子滤波算法与车辆跟踪相结合，在保证实时性的前提下解决车辆多目标跟踪中的尺度变化与遮挡问题。最后将车辆检测与跟踪技术相结合，实现长期行驶状态下的道路车辆目标准确感知。　　④实现毫米波雷达与机器视觉的信息融合的车辆检测与跟踪。首先通过内外参数标定实现毫米波雷达坐标系与图像像素坐标系间的坐标转换，并完成多传感器时间对准。然后设计算法实现雷达数据投影点与视觉跟踪边界框之间的目标关联。最后利用毫米波雷达返回目标的运动学参数修正视觉跟踪边界框尺寸，避免连续跟踪时边界框过大或过小造成误差累积以致丢失有效目标。

目录

1 绪 论

1.1 研究背景与意义

1.2 国内外研究现状

1.2.1 基于视觉的车辆检测

1.1.2 基于视觉的车辆跟踪

1.2.3 多传感器融合算法

1.3 本文主要工作内容

2 基于毫米波雷达的车辆目标识别

2.1 毫米波雷达工作原理与数据解析

2.1.1 毫米波雷达工作原理

2.1.2 毫米波雷达数据解析

2.2 毫米波雷达目标数据初选

2.2.1 空信号目标的去除

2.2.2 有效目标初选

2.3 基于扩展卡尔曼滤波的车辆有效目标选取

2.4 本章小结

3 基于机器视觉的车辆检测

3.1 基于图像特征的车辆检测

3.1.1 车辆存在性假设

3.1.2 车辆存在性验证

3.2 基于特征级联分类器的车辆检测

3.2.1 Haar-like 矩形特征

3.2.2 Adaboost 算法原理

3.2.3 分类器的训练与实现

3.3 车辆检测仿真实验

3.3.1 基于图像特征的车辆检测

3.3.2 基于特征级联分类器的车辆检测

3.4 本章小结

4 基于遗传算法改进粒子滤波的车辆跟踪

4.1 粒子滤波算法

4.1.1 粒子滤波基本理论

4.1.2 粒子退化与重采样

4.2 基于遗传算法改进重采样

4.2.1 遗传算法基本原理

4.2.2 遗传算法改进重采样

4.2.3 改进粒子滤波算法在车辆跟踪中的实现步骤

4.3 车辆检测与跟踪融合框架

4.4 车辆跟踪仿真实验

4.4.1 基于改进粒子滤波的车辆跟踪

4.4.2 车辆检测与跟踪融合框架的仿真

4.5 本章小结

5 基于雷达与视觉信息融合的车辆检测与跟踪

5.1 多传感器空间坐标转换

5.2 摄像机内外参数求取

5.2.1 摄像机内参数标定

5.2.2 摄像机外参数标定

5.3 多传感器时间对准

5.4 基于信息融合的车辆检测与跟踪

5.4.1 雷达目标投影ROI 区域

5.4.2 雷达透视投影与视觉跟踪目标关联

5.4.3 跟踪边界框修正

5.4.4 跟踪框修正的仿真实验

5.5 本章小结

6 总结与展望

6.1 全文总结

6.2 工作展望

参考文献

附 录

A. 作者在攻读学位期间发表的科研论文目录

B. 作者在攻读学位期间参与的科研项目目录

C. 学位论文数据集

致 谢