基于1R1V感知信息融合的若干关键问题研究

针对单一传感器无法实现对车辆周围环境的准确感知,通常需要多种类型的传感器同时作为感知源提供信息.基于1R1V的感知架构,研究梳理1R1V信息融合过程中的几个重要问题.首先开展毫米波雷达和摄像头的联合标定,实现1R1V的空间配准;其次通过系列算法实现毫米波雷达和摄像头的时间同步;最后挖掘整理1R1V多传感器在智能驾驶中的...     

计算机泛视觉系统中多传感器信息融合技术研究

建立了航空透明件的超声无损检测系统,把多传感器的检测信息和人的感知信息利用模糊积分进行融合,实现对航空透明件的缺陷识别。实验结果表明,采用多传感器信息融合技术可以降低系统的不确定性,使超声检测与识别系统的性能提高。     

毫米波雷达微弱行人轨迹跟踪-预测一体化方法

针对城市道路场景微弱行人目标雷达回波信号极易被强背景杂波淹没,导致目标轨迹跟踪及预测失效难题,提出了一种基于调频连续波-多输入多输出毫米波雷达的微弱行人轨迹跟踪-预测一体化方法。 首先,利用递归贝叶斯检测前跟踪算法,直接从未经阈值处理的雷达三维原始频谱数据中提取目标运动轨迹,解决了传统阈值决策信息丢失带来的跟踪性能下降问题,并在此基础上提出了一种基于 Transformer 的端到端轨迹预测模型,进一步挖掘隐藏在跟踪轨迹中的时空相关性,完成了微弱行人目标轨迹的精准预测。 实验结果表明,方法在信噪比大于-20 dB 时,预测轨迹的平均位移误差和最终位移误差分别小于 0. 706、1. 215 m,均优于高斯过程、长短期记忆网络等传统方法。     

基于信息融合的前方车辆检测技术

为了避免出现交通事故,使车辆检测效率与准确率得到提高,提出基于车辆阴影、纹理、边缘等信息融合的前方车辆检测技术。基于机器视觉使用多特征结合方法对目标车辆进行确定,通过激光扫描得到车辆距离与宽度,对目标特征提取创建车辆验证函数。之后,根据车辆验证函数创建分类器,验证视觉图像跟踪车辆,之后融合视觉传感器和激光扫描信息。通过验证表示,能够对前方车辆精准检测,能够避免汽车碰撞。     

车辆组合导航系统中多传感器信息的自适应融合

首先介绍了车辆组合导航系统的工作原理及系统间的相互校正和切换问题,然后研究了联合卡尔曼滤波技术的应用,最后提出了一种自适应信息融合方法,实现了ＧＰＳ定位系统和航位推算系统间的最优综合校正。     

基于传感器信息融合的AGV路径跟踪技术设计与应用

简要阐述了AGV在仓库物流搬运过程中的基本行驶轨迹类型以及如何利用车载的多个传感器进行信息融合以估算车辆的位置和姿态。在此基础上,提出了一种路径跟踪技术,能对AGV在各种行驶轨迹中实时进行位置和姿态误差控制,根据对AGV在实际项目现场运行数据的分析,该技术能较好地适用于常规仓库路面上AGV的运行。     

制造系统的状态监测与多传感器信息融合

运用多传感器信息融合理论与技术，针对高级制造系统设备与过程状态监测的特点、难 与要求，探讨建立柔性制造单元智能状态监测与诊断决策模型，并给出一具体ＦＭＣ状态监测系统及监测结果分析。     

路面机动目标的融合跟踪

针对自主车辆的机动目标跟踪问题提出了一个利用雷达和图像传感器的融合跟踪方法.采用动力学模型对车辆运动进行描述以适应车辆机动的情形.利用雷达的距离信息建立视觉窗口,利用三维线框模型从窗口图像中获取车辆转向角,然后通过数据融合技术,充分利用雷达与图像传感的量测信息,提高对机动目标的状态估计精度.三维仿真实验证明,与单纯基于雷达量测的跟踪方法相比,该融合方法大大提高了对机动目标的跟踪精度.     

基于数据融合技术的多传感器目标跟踪系统

数据融合技术是集多种学科于一体的前沿技术.多传感器目标跟踪是数据融合技术在目标跟踪领域的应用范例,它将多个传感器信息有机合成,估计目标的运动状态,产生比单一传感器更优越的跟踪性能,在此,阐述了数据融合技术及其在多传感器目标跟踪系统中的应用.     

基于多传感器信息融合的刀具监测技术

本文介绍了基于多传感器信息融合的刀具监测技术的形成和基本原理.并分析了监测技术的具体实施过程,同时介绍了国内外基于多传感器信息融合的刀具监测技术的进展,最后展望了多传感器信息融合技术的发展方向.     

基于CMOS传感器的循迹智能车路径识别研究

介绍了基于CMOS传感器的图像采集的方法,并对赛道信息的提取与识别进行了深入研究。给出了CMOS图像采集的工作原理、硬件设计和软件实现,通过分析差分法和传统边缘检测算法的优缺点,提出了一种更为优越的黑色指引线提取算法——跟踪边缘检测算法,并精确提取指引线的相关参数,设计路径判别器,从而识别赛道路况。实验表明,此方法有更高的执行效率和判别准度,适用于循迹智能车。     

某机载毫米波雷达天线仿真热设计

针对某型机载毫米波雷达天线热设计难题,提出了热管结合强迫风冷的新型冷却方式,设计了专用风道。应用数值模拟方法首先对T/R组件进行了热仿真计算,其次对天线背部风机抽风、吹风进行了仿真比较,再对散热翅片和风量分配进行了仿真优化,最后对3 km高空状态进行了仿真计算。计算结果表明,天线背部风机吹风明显好于抽风;翅片厚度0.8 mm,翅片数134,占空比23.8%的翅片结构散热较好;限流板阻力系数为5时风量分配较均匀;高空环境下满足天线工作要求。该方式合理可行,满足系统热设计要求,为同类产品的热设计提供了重要参考。     

某车载毫米波雷达组件热设计与参数优化

为实现毫米波雷达组件高效可靠的散热,根据前端电讯热控需求,文中提出均温板–翅片一体化风冷热控结构设计方案,并采用仿真设计软件对热设计方案进行了分析和仿真优化。研究结果显示：组件各芯片温度均在安全温度以下,发射芯片的最高结温（最高温度）为141.1?C,与传统风冷散热器相比,采用新型风冷散热器可使芯片最高温度降低9.8?C,强化散热效果明显。此外,也对风冷散热器结构参数和界面接触热阻进行了分析,确定均温板翅片高度30 mm、翅片间距3 mm为该热设计的优选方案。该研究结果可供高效风冷散热和毫米波组件热设计工程应用参考。     

基于视觉传感的焊缝跟踪控制系统

介绍了传感器在焊接生产中的应用和视觉传感原理。分析了视觉传感焊缝跟踪系统的原理和特点。提出焊缝图像特征提取方法和流程，以及实施焊缝跟踪控制的方法。系统采用条形光传感方法，选用CCD等光学器件组成焊缝图像传感系统，然后将获取的焊缝图形信息进行识别处理，获得焊接电弧与焊缝中心是否偏离、偏离方向和偏离程度的处理结果。根据这一结果，调整电孤与焊缝中心的相对位置，消除电弧与焊缝的偏离，达到焊接电弧准确跟踪焊缝的目的。     

基于传感器融合里程计的相机与激光雷达自动重标定方法

智能驾驶车辆行驶环境复杂多样,不可避免地导致传感器相对位姿发生变化,此时需要进行重新标定.针对智能驾驶车辆的相机和激光雷达发生漂移后的重标定问题,提出一种基于传感器融合里程计的自动重标定方法.基于点云投影和图像配准原理建立基准点云和观测图像之间的3D-2D点对,利用N点透视投影得到平移尺度不准的相机运动;通过融合估计的...     

双目视觉传感器的现场标定技术

本文以凤影变换为依据,针对多视觉传感器中的双目视觉传感器中的双目视器,建立了双目视觉传感器测量空间三维坐标的模型,事先确定摄像机的部分不易变化整个系统后进行现场标定。该方法不需精确调整标定靶标,标定环境与实际测量上同,减少了安装传感器对标定参数的影响,实验结果表明,该标定方法能获得０．０５ｍｍ的空间精度。     

基于传感器数据融合的车辆目标匹配

利用毫米波雷达和相机数据融合检测前方障碍物的方法,可以为智能驾驶汽车提供准确可靠的感知信息。因而,基于多传感器数据融合的目标匹配的重要性逐渐凸显。为实现二者的目标匹配,首先构建了相机和毫米波雷达的时间融合模型和空间融合模型,实现二者数据的时间一致和空间对准,然后对毫米波雷达数据和图像数据进行处理,通过对毫米波雷达数据的预处理且引入有效目标决策算法,获取毫米波雷达的有效目标数据;利用基于深度学习的目标检测算法,实现对图像中车辆目标的检测。最后设计了二者的目标匹配算法,并通过实验验证了该方法的有效性。     

基于BP网络的压力传感器信息融合

压力传感器输出特性容易受环境温度、电压扰动等各种非目标参量的影响，从而大大降低了其性能。BP算法是一种最速下降的静态寻优算法，而对其改进的算法LMBP算法克服了标准BP算法的固有缺点，不但学习速度快，而且精度高。利用LMBP算法对压力传感器的输出进行融合，有效地消除了非目标参量特别是温度对压力传感器输出的影响，最后利用MATLAB软件对样本数据进行训练和仿真，通过对融合结果分析可知：BP网络的LMBP算法不仅提高了压力传感器的精度，而且提高了压力传感器的稳定性和可靠性。     

Sensor Fusion for the Detection of Landmines

The detection of buried anti-personnel mines (APMs) is widely considered as a problem which may only be solved with a combination of two or more complementary sensors. We present processing and fusion results obtained from a multisensor data set, acquired with a pulse induction metal detector (MD), a pulsed ultra wide band ground penetrating radar (GPR) and a 3–5 thermal infra-red (IR) camera. Various types of soils, clutter objects and burial conditions were recorded. Anti-personnel mines included minimum metal mines as well as mines with a significant metal content. We use a special projection to map a 3D GPR data cube, with time or depth as vertical co-ordinate, into a horizontal plane view 2D image. Object contours are then derived, based on an edge extraction method, followed by an automatic detection of circular shapes with a Hough-transform. In the association step, the stand-off IR image, the metal detector and GPR images and related detections are mapped onto a common cartesian grid on the ground surface. Detection results are fused on a decision level, using a Bayesian approach. Our results indicate that the GPR performance approximately matches that of the metal detector. With both sensors all metallic mines and around 60% of the minimum metal mines were detected. In the case of two false alarms per square meter combined detection probability clearly exceeds single sensor performance.     

基于激光雷达和摄像头信息融合的车辆检测算法

针对摄像头在无人驾驶系统车辆检测中易受环境干扰的问题,通过激光雷达数据和摄像头图像进行融合,提出了一种强鲁棒性实时车辆检测算法。首先,将三维激光雷达点云通过深度补全方法转换为和图像具有相同分辨率的二维密集深度图。然后将彩色图像和密集深度图分别通过 ＹＯＬＯｖ３实时目标检测框架得到各自的车辆检测信息。最后,提出了决策级融合方法将两者的检测结果进行融合,得到了最终的车辆检测结果。在 ＫＩＴＴＩ数据集上对算法进行评估,实验结果表明该算法完全满足无人驾驶车辆所需的强鲁棒性、强实时性和高检测精度的要求。