融合毫米波雷达与机器视觉的雾天车辆检测

车辆检测对于辅助驾驶系统至关重要，由于雾天道路场景严重退化，图像中的车辆信息不明显，导致车辆检测存在漏检、误检的问题。针对上述问题，本文提出了一种融合毫米波雷达和机器视觉的雾天车辆检测方法。首先，采用暗通道去雾算法对图像进行预处理，提高雾天图像中车辆信息的显著性。然后，采用知识蒸馏改进YOLOv5s算法，在YOLOv5s的特征提取网络中引入知识蒸馏，在目标定位和分类阶段计算蒸馏损失，对损失进行反向传播训练小型网络模型，在保证视觉检测准确度的同时提高检测速度。最后，采用基于潜在目标检测区域搜索的距离匹配算法对视觉检测结果和毫米波雷达检测结果进行决策级融合。以检测目标的类型和距离为匹配依据，滤除干扰信息和错误信息，保留毫米波雷达检测和视觉检测融合后的检测置信度较高的目标，从而提高车辆检测的准确率。实验结果表明，该方法在雾天下最高检测准确率达92.8%，召回率达90.7%，能够实现雾天对车辆的检测。     

多传感器信息融合的前方车辆检测

为提升辅助驾驶系统对于道路环境中车辆的感知能力,通过机器视觉与毫米波雷达信息融合技术对前方车辆进行了检测。融合系统中对摄像头和毫米波雷达进行了联合标定,借助三坐标测量仪确定两者的数据转换的关系,优化了深度学习算法SSD的候选框,提高了车辆的检测速度,选用长焦和短焦两种摄像头进行前方图像采集,并将两者重合图像进行融合,提升了前方小目标图像的清晰度,同时对毫米波雷达数据进行了处理,借助雷达模拟器确定合适阈值参数实现对车辆目标的有效提取,根据雷达有效目标数据对摄像头采集的图像进行选择与建立感兴趣区域,通过改进的SSD车辆识别算法对区域中的车辆进行检测,经过测试,车辆的检测准确率最高达到95.3%,单帧图像平均处理总时间为32 ms,该算法提升系统前方车辆检测的实时性和环境适应性。     

基于视觉感知的V2V毫米波波束对准技术

针对V2V毫米波通信中传统波束搜索方法开销较大、实时性差的问题，结合视觉感知技术，提出采用一种基于视觉感知的V2V毫米波波束对准方法，以降低波束对准的时延和开销。该方法首先利用车载单目相机采集的实时场景图像，通过FCOS3D目标检测算法，估计场景中车辆目标的三维位置；而后，对车辆目标位置进行坐标变换获得空间角度和距本车体的距离，并由此推导出模拟波束成形矢量，实现波束对准。仿真结果表明，该方法能够通过高精度的目标位置估计，在较低硬件开销的情况下，完成相对精确的波束对准。     

交通监测毫米波雷达数据预处理方法研究

毫米波雷达交通监测场景中待检测目标较多、各目标间点迹特征接近,导致点迹凝聚精度低,对此, 文中提出一种改进的交通监测毫米波雷达数据预处理方法。首先通过短时多帧数据积累提高车辆目标点迹密度, 随后利用加权欧式距离度量点间距离以提高密集间隔目标的类间距离,并对点间距离分布进行曲线拟合实现聚类 算法参数的自适应求解,最后利用基于密度的噪声空间聚类(DBSCAN)算法对点迹进行凝聚处理。由雷达实测数据 进行实验验证,相较于传统方法,原始点迹数据经凝聚后跟踪得到车流量统计精度提高10. 97%,结果表明所提方法 能够对车辆点迹信息进行较为精确的凝聚,改善了毫米波雷达在交通监测领域的应用效果。     

基于77GHz毫米波雷达与工业相机的目标检测与精度分析

本文主要讨论了基于AWR1642毫米波雷达和工业相机的目标检测方法与结果分析。本文以AWR1642毫米波雷达以及acA 1600-20gc工业相机为硬件基础,在进行正确配置后,通过程序分别对雷达开发板以及相机进行简单的编译和开发。运用简单算法对串口数据进行处理得到毫米波雷达目标检测数据,之后通过MATLAB平台创建界面,进而实现对获取数据的实时显示。根据帧差原理,通过Visual Studio平台调用OpenCV视觉库,实现对相机获取图像的处理,得到并显示视觉检测数据。之后,设立典型目标和参照,整合通过两种方式获取的数据并进行分析,得出二者检测能力的差异和特点。本设计能够满足分别通过毫米波雷达和工业相机实现目标检测与定位的基本需求,并且测试精确度较高,可针对运动目标进行检测。     

基于最近迭代点的毫米波雷达点云数据处理方法

毫米波雷达具有小型化、低成本等特点,可全天候、全天时工作,在高级辅助驾驶系统中发挥着重要作用。基于多芯片级联方案的多发多收（multiple-input multiple-out, MIMO）技术可有效提高毫米波雷达的角度分辨率,使得毫米波雷达点云成像成为可能。针对毫米波雷达图像点云稀疏、噪点多等问题,本文提出了一种基于最近迭代点的毫米波雷达多帧融合和自适应邻域半径的DBSCAN算法。首先,利用MIMO毫米波雷达技术获得多帧观测场景目标点云图像。其次,利用辅助信息得到点云匹配的初值,通过最近迭代点算法估计平移旋转矩阵进行精确匹配,实现多帧数据融合以改善图像点云稀疏问题。然后,设计自适应阈值的DBSCAN算法去除噪声,获得目标的点簇信息,再对聚类后的点簇目标求取最小外接矩形,结合目标散射强度,实现对车辆和围栏等不同类型目标区分。最后,利用外场（典型停车场场景）测试数据,对本文所提算法的有效性进行了验证。     

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...     

车载毫米波雷达目标检测综述

目标检测技术作为主动刹车系统的重要组成部分,对测距传感器的检测精度要求极高,毫米波雷达传感器是目标检测的最优选择。综述了毫米波雷达的发展状况、国内外现状、毫米波雷达目标检测算法,介绍了国内外多个重点实验室对毫米波雷达目标检测算法的研究情况,重点放在多传感器融合检测和毫米波雷达多目标检测上。阐述了车载毫米波雷达目标检测的技术难点,对未来毫米波雷达的发展方向提出了建议,以期为后续的研究开发做准备。     

融合颜色和梯度直方图反投影的运动阴影检测

针对智能视频监控中运动阴影影响目标跟踪和识别准确性的问题,提出了一种基于颜色和梯度直方图反投影的阴影检测算法。以视觉背景提取模型检测得到的运动目标区域为基础,首先在HSI颜色空间利用亮度和色度信息筛选出阴影像素,然后通过梯度直方图反投影的方法区分运动目标和阴影,最后将上述两种方法的检测结果进行合理融合得到最终的阴影检测区域。与典型算法的对比实验结果表明,所提算法有效提高了阴影检测的准确性和鲁棒性,适用于运动目标的实时检测和识别。     

融合多种特征的路面车辆检测方法

提出一种融合多种目标特征的单目视觉车辆检测方法。首先,利用车辆尾部的结构对称性提取出感兴趣区域(ROI),减少搜索范围;然后,利用车辆底部的阴影特征,在ROI中搜寻车辆可能出现的位置,找出假设目标;最后,利用亮度和轮廓信息对假设目标进行对称性验证,排除虚假目标,同时对车辆在图像中的位置实现精确定位。通过实验,验证了提出方法的有效性和鲁棒性。     

基于车底阴影的车前障碍物检测

基于计算机视觉的道路车辆检测是智能车辆导航的核心问题,实时准确地检测前方运动车辆的位置信息是车辆安全驾驶的前提。文中采用车底阴影的前方运动车辆检测算法,在基于车道线检测的基础上,通过车底阴影检测,实时准确地检测前方车辆。该算法通过使用Otsu阈值分割提取出车道线,生成AOI区域,再进行两次自适应阈值分割提取车底与路面的交线,从而检测出前方运动车辆。经过在高速公路上对运动车辆检测实验证明,该算法基本满足车辆安全驾驶的需求,并能准确实时地检测出前方运动车辆,进而减少了交通事故的发生。     

基于小波神经网络的毫米波雷达目标距离像识别

给出一种隐层由小波基组成的神经网络用于实现频率步进毫米波雷达目标一维距离像的识别。利用小波变换所具有的良好的时频分析特性，实现了输入输出之间映射关系的多分辨学习。介绍了小波神经网络的数学框架及其误差反向学习算法。详细描述了用小波神经网络进行识别的步骤。将所提出的小波神经网络用于频率步进毫米波雷达目标一维距离像的识别。实验结果表明该方法对目标距离像的识别是有效的。     

基于单线激光雷达的目标车辆位姿检测方法

对目标车辆的信息进行高效、准确的检测是自动泊车、智能交通等领域的关键技术之一。针对智能泊车机器人对目标车辆进行近距离测量的需求,提出了一种基于单线激光雷达的车辆位姿检测方法。利用激光雷达扫描目标车辆底部区域,并使用DBSCAN聚类算法分割点云。将车轮点云簇视作L形特征,提出了一种基于特征点搜索的车轮拟合算法,同时给出了两种特征角点搜索准则。针对获取的车轮集合,提出了一种筛选目标车辆车轮的策略,假定了两种车辆位姿检测工况并设计了对应的算法。通过实车环境下的测试,验证了方法的实时性、准确性,满足了泊车机器人的位姿检测需求。     

改进型ViBe算法在运动目标检测中的应用

作为计算机视觉领域的热门方向之一,运动目标检测具有很高的理论研究价值和很广的实际应用空间。传统视觉背景提取器(Visual Background Extractor, ViBe)目标检测算法实时性高且内存消耗低,但存在受光照影响大、不能有效抑制拖影区域、无法消除阴影以及检测图像内部空洞等问题。鉴于以上不足,提出3点针对性改进策略：(1)优化算法核心参数。筛选最优值来替换以往经验值,从而提高算法性能,增强算法适应性。(2)引入光强检测算子。阈值半径随光强变化自适应,避免因光照变化而出现拖影区域。(3)增加阴影检测模型。利用感兴趣区域(Region of Interest, ROI)像素分布确定阴影位置,结合运动目标自身特性分割出目标区与阴影区。仿真实验结果证明：改进型ViBe算法不仅能够完整地检测、抓取运动目标,而且还可以有效地抑制拖影区域并消除目标阴影。     

一种无人飞行器监控数据预处理方法

阐述了对无人飞行器进行监控的必要性和重要意义,设计了一种无人飞行器监控数据预处理流程。首先采用空间对准算法将各传感器数据统一到空管系统坐标系下。然后根据无人飞行器的运动特点提出了基于改进“当前”统计模型的自适应卡尔曼目标滤波算法对航迹数据进行平滑滤波,该算法根据滤波新息的变化自适应调整机动频率,仿真表明改进后的算法能够实现对目标更为精确的跟踪。之后对航迹数据中的野值进行了判别和剔除。最后规范统一了各传感器的数据帧格式,实现了对监控数据进行预处理的目的。     

小波谱估计用于雷达目标成像和识别

研究了小波变换谱估计用于频率步进毫米波高分辨力雷达目标一维距离像的成像方法．选用已调高斯函数作为小波基函数,进行小波变换的信号功率谱估计,获得高质量的频率步进毫米波雷达目标的一维距离像．实验结果表明这种方法对于提高目标识别率是有效的     

车型识别系统中利用阴影特点快速定位车体

阴影在车型识别系统中对于车体的准确定位产生很大的影响，为了能准确地定位车体，提出一种快速定位阴影与车体之间边界的算法即根据平行投影知识和原理的方法不定位阴影与车体之间的边界，同时利用该算法也能找出货车本身所具有的特征和华车的车头和车尾的定位，利用所寻找的特征点也可以进一步判断车所属的大致类型。利用该算法进行了大量的实验，从实验结果来看，该算法具有较好的稳定性和有效性。从该算法的计算时间来看也满足实时系统的需要。     

基于单目视觉的汽车追尾预警系统研究

汽车追尾预警是智能车辆视觉导航系统中的重要研究内容。设计了一个应用于结构化道路环境,基于单目视觉的汽车追尾预警系统。该系统按照摄像机提供的道路图像序列,首先利用一种新的边缘检测算法识别前方道路,然后利用灰度、边缘和对称性等特征识别前方车辆,接下来根据前后车距判断其威胁等级,最终向驾驶员提供相应的声光报警信号。该系统已在合肥的高速公路上进行了实验。实验结果显示,系统运行速度达到车辆驾驶的实时性要求,能够完成车辆检测和碰撞预警的任务。     

基于视频图像的车速检测方法

基于视频图像对车辆速度进行检测,调用OpenCV自带的运动目标检测框架,来实现对行驶车辆的检测与跟踪,接着根据摄像机标定结果获取图像坐标与世界坐标的转换关系,求得检测车辆在实际空间中的行驶距离,最后依据速度公式便能得到所检测车辆车速。经测试,该方法具有较高的检测精度,满足实际应用的需求。