一种面向智能驾驶的毫米波雷达与激光雷达融合的鲁棒感知算法

基于多传感器融合感知是实现汽车智能驾驶的关键技术之一,已成为智能驾驶领域的热点问题.然而,由于毫米波雷达分辨率有限,且易受噪声、杂波、多径等因素的干扰,激光雷达易受天气的影响,现有的融合算法很难实现这两种传感器数据的精确融合,得到鲁棒的结果.针对智能驾驶中准确鲁棒的感知问题,该文提出了一种融合毫米波雷达和激光雷达鲁棒的...     

车载激光雷达和视觉传感器融合算法研究

随着交通技术的发展,智能交通工具受到了广泛的关注。其中,车载激光雷达技术是智能驾驶系统的基础,在复杂的交通环境中,某些方面可能会受到环境干扰,导致车载激光雷达控制受损,尤其是对车辆详细信息的判断和数据搜集的准确性降低。针对以上问题,文章开展了基于激光雷达与视觉传感器融合算法的技术研究。     

基于多传感器信息融合的障碍物感知追踪系统设计

自动驾驶系统是指采用先进的通信、计算机、网络和控制技术,对车辆实现实时、连续控制。自动驾驶研究领域中,对车身周围障碍物的感知追踪是自动驾驶车辆安全行驶的基础和前提。因此,重点研究了基于激光雷达、IMU、北斗卫星信号多源信息融合的障碍物感知与追踪系统。利用激光雷达提供的三维点云数据划分最大最小高度差栅格实现自动驾驶车辆周围的障碍物感知功能。基于激光雷达点云的障碍物感知算法中,针对特殊的悬空类型障碍物,采用高度划分的点云栅格中的点云概率密度作为悬空障碍物是否能够通行的判断依据,能够有效提升障碍物感知系统的鲁棒性。利用IMU和北斗卫星信号紧耦合方式实现自动驾驶车辆的轨迹跟踪,从而利用车辆运动状态信息结合匈牙利匹配算法实现多传感器信息融合的障碍物追踪功能。在基于多传感器信息融合的障碍物感知追踪系统中,利用IMU和北斗卫星紧耦合方式得到的转移矩阵信息去除由于车辆运动造成的激光雷达点云畸变,从而提升车辆障碍物感知追踪系统的准确度。通过实际采集得到的激光雷达、IMU及北斗卫星数据验证了提出的基于多传感器信息融合的障碍物感知追踪系统的有效性和实用性。     

激光雷达电子行业助力自动驾驶汽车产业升级的路径研究

激光雷达主流技术路线包括机械式、固态式和MEMS混合固态式三种类型,MEMS混合固态式较另外两种相比体积更小、探测距离更远、价格更低,但MEMS混合固态式激光雷达同样需要提升远距离、高分辨率快速扫描的能力,这是实现高级别自动驾驶技术的关键。激光雷达技术的进步将为自动驾驶汽车提供更加精准、可靠的环境感知,从而提高汽车的安全性和驾驶效率,推动自动驾驶汽车技术的革新。自动驾驶汽车技术变得更加成熟,市场认可度变得更高,更多人选择自动驾驶汽车,自动驾驶汽车将在汽车消费领域占据更大市场份额,进一步助力经济发展。     

调频连续波毫米波雷达的智能驾驶感知

随着自动驾驶概率的热度逐渐升温,大量社会资源倾入自动驾驶领域,而智能驾驶的实现第一步就是感知周围的环境.本文讨论的是基于毫米波雷达的目标追踪方案,通过设置多个收发天线的方式,造成同一连续变频波在接收端的相位差,相位差变化的大小即可捕捉并追踪目标物的方位.对于方位、速度都差不多的探测点即可聚类为单一目标.     

多传感器融合的激光雷达点云矫正与定位方法

针对单一传感器难以解决激光雷达在运动场景中因为点云畸变和误差累积产生的运动失真与定位精度差的问题,提出一种融合惯性测量单元数据和轮速计数据的激光雷达点云畸变矫正与定位方法。首先,以激光雷达数据为时刻基准,利用积分的方法对惯性测量单元和轮速计的数据进行预处理;之后,将融合数据与激光雷达数据融合,以矫正产生畸变的激光点云;最后,利用线性插值的方式来保证传感器间数据的时间同步,并将计算的位姿作为里程计迭代计算的初值,降低计算复杂度并提高里程计的定位精度。实验结果表明,相比没有采用多传感器融合的传统方案（LOAM、FLOAM）,在公开数据集实验中,所提方法的定位均方根误差分别降低了81.11%和21.54%,在自测数据集实验中,定位均方根误差分别降低了52.76%和24.29%。     

基于激光雷达与相机融合的交通锥桶检测

针对广泛应用在自动驾驶场景中的交通锥桶,对于单一传感器在自动驾驶目标检测中的局限性问题,提出一种基于激光雷达与相机融合的实时、鲁棒的交通检测锥桶方法。该方法利用交通锥桶的独特几何结构,通过激光雷达与相机检测交通锥桶的三维位置和颜色信息,将激光雷达三维点云投影到二维图像平面,对结果进行后融合。实验表明,该方法能够稳定、准确地检测出交通锥桶,在不同环境光照条件和复杂环境下检测准确率均在96%以上。     

融合激光雷达与视觉信息的小型障碍物测量方法

激光雷达相比于视觉传感器具有抗干扰能力强、测量精度高的优势.针对多线激光雷达距离小型障碍物较远时点云数据稀疏、难以进行精确测量的问题,将YOLO与HSV空间颜色直方图匹配结合进行远距离的目标检测,在机器人运动过程中,当检测区域内的激光数据量满足要求时,根据传感器标定结果对此时的激光雷达数据进行聚类、特征点提取与关键参量...     

采用传感器融合网络的单光子激光雷达成像方法

激光雷达系统采用主动照明的方式,激光发射脉冲周期信号至目标场景,激光脉冲经目标表面漫反射,由单光子雪崩二极管（Single-Photon Avalanche Diode, SPAD）探测器记录回波光子的到达时间,获得场景的深度信息。然而在探测过程中,测量结果往往会遭到环境光的干扰。传感器融合是进行单光子成像的有效方法之一。最近提出的基于LiDAR和强度相机融合的数据驱动方法大多采用扫描式激光雷达,深度获取速度慢。SPAD阵列的出现打破了帧率的限制。SPAD阵列允许同时收集多个回波光子,加速了信息采集,但分辨率较低,在探测过程中还会受到环境光的干扰,因此需要通过算法打破SPAD阵列的固有限制,从噪声中分离深度信息。针对分辨率为32×32 pixel的SPAD阵列探测器,提出了一种卷积神经网络结构,旨在强度图的引导下,将低分辨率TCSPC直方图映射至高分辨率深度图。该网络采用多尺度方法提取输入特征,并基于注意力模型融合深度数据和强度数据。另外,设计了一个损失函数组合,适用于处理TCSPC直方图数据的网络。在采集数据上进行了验证,提出方法能成功将深度数据的空间分辨率提升4倍,并在质量和数据指标上都优于其他算法。     

基于TDC的自动驾驶激光雷达测距方法研究

在应用于自动驾驶的相位调制连续波（PhMCW）激光雷达测距系统中,测量中频（IF）信号的脉冲宽度是关键问题,时间数字转换器（TDC）模块对IF信号的测量决定了PhMCW激光雷达的测距范围与精度。然而传统的TDC实现方法测量范围很小,且实现大测量范围时系统复杂度高,难以应用于自动驾驶。为了实现高精度大范围的TDC模块,采用基于现场可编程门阵列（FPGA）的严格计数链法,在保证比较高的测量精度的前提下,增加很少的资源使用量就可以扩大测量范围,设计简单。该TDC模块能够实现1.24μs的时间测量范围,对应最大探测距离为186 m。利用信号源产生不同脉宽的被测信号进行实际测试,获得了最佳为26.42 ps的测量精度,对应测距精度为3.96 mm,优于现有商用激光雷达50 mm的测距精度。对200 ns脉宽的过采样数据包进行了频谱分析,证明了TDC测试结果受开关电源噪声影响。最后,搭建PhMCW激光雷达系统进行应用验证,实现了0.3～7 m飞行时间探测,从而证明了该TDC测量方法的可行性。该方法在激光雷达测距领域具有广阔的应用前景。     

基于激光雷达的无人驾驶汽车道路、交通标志与障碍物识别方法

在无人驾驶汽车技术中,现有的传统雷达容易受扫描角度和距离及复杂环境的影响,探测精度较低,同时使用传统的几何轮廓特征和运动状态特征的方法,无人驾驶汽车对环境的感知能力特别是障碍物的识别率和准确性也较低。针对这些不足,文章首先从道路、交通标志方面提出一种视觉感知方法,以及一种基于激光雷达的时空特征向量的障碍物识别方法来提高无人驾驶汽车对环境特别是障碍物的识别率和准确性。     

基于毫米波雷达的人体生命体征感知方法

文中旨在探讨基于毫米波雷达技术的人体生命体征感知方法。毫米波雷达作为一种无线传感技术,在生命体征感知领域具有广泛的应用潜力。它能实现非侵入性、远距离、高分辨率的生命体征监测,包括呼吸、心跳、运动等关键参数的测量。文中详细介绍了毫米波雷达技术,探讨了其在生命体征感知中的优势,研究并设计了一种利用毫米波雷达进行人体生命体征感知算法的系统,旨在为毫米波雷达在生命体征感知领域的应用提供参考,为未来研究和创新提供有力支持。     

基于矩阵感知的毫米波MIMO系统信道估计方法

在使用混合波束形成的毫米波大规模多输入多输出系统中,射频链路少于天线数,信道估计非常具有挑战性。当天线阵列缺陷导致未知相位和增益误差时,压缩感知信道估计器的性能会下降。为提高系统鲁棒性,提出了一种新型的基于矩阵感知的信道估计方案。该方案利用毫米波信道的低秩特性,采用凸函数差框架设计信道估计器。理论分析及仿真结果证明,所提方案不受阵列相位和增益误差的影响,与压缩感知方案比较增强了系统的鲁棒性,可获得比矩阵补全方案更好的估计性能。     

基于三维激光雷达的道路障碍物目标位姿检测算法

提出一种基于随机采样一致(RANSAC)的道路障碍物目标位姿检测算法,利用这一算法对道路障碍物目标进行检测,构建目标障碍物的盒模型,输出盒模型的位姿信息。引入扇形盒分割方法,改进地面分割模块,使用基于激光雷达参数的自适应阈值方法改进聚类分割模块。基于三种激光雷达数据集进行实验验证,本文算法能够准确地对道路障碍物进行位姿信息检测,且具有较高的实时性。相较于最小包围矩形法及三点估计法,本文算法的准确度分别提升8.14%、6.57%,检测时间分别缩短23.81%、24.71%。     

基于生成式人工智能的网联自动驾驶：通感融合决策技术

探讨了生成式人工智能在网联自动驾驶技术中的潜在价值。现有研究主要侧重于传统感知决策和车联网技术,但却忽视了生成式人工智能在推动自动驾驶方面的重要作用。首先讨论了生成式人工智能技术如何提高自动驾驶决策、训练、感知和导航等模块的性能,接着探讨了其在融合了语义通信、通感一体和新型空口技术的下一代车联网中的角色,然后提出了基于人工智能代理的网联自动驾驶模型,最后强调生成式人工智能是实现车辆高级别自动驾驶的关键。     

基于注意力的毫米波雷达与视觉融合方法

针对毫米波雷达与视觉传感器融合在数据层融合时对行人和小物体的检测效果不佳,以及特征层融合时权重难以分配的问题,提出一种基于注意力的融合方法,能够有效地解决以上两个问题.首先,在数据层的空间上利用雷达的空间信息确定重点检测区域,并且突出重点检测区域的特征,形成空间上的软注意力;其次,在特征层的通道上用通道注意力权重学习方...