基于最小回环检测的多车协同SLAM框架

为了提升自动驾驶车辆的感知效率和准确率,解决协同感知算法中对协同条件的限制和多源数据融合等问题,本文引入基于激光雷达的即时定位与建图(Simultaneous Localization and Mapping,SLAM)算法,提出面向自动驾驶的多车协同SLAM框架.首先,车辆运行单车SLAM,构建本地约束并共享地图和位姿数据.同时车辆接收并处理其他车的数据,若其他车辆与本车已建立坐标系转换关系则直接完成数据融合,否则基于重叠区域相似点云配准解算多车坐标系转换关系.采用图的连通分支和生成森林理论跟踪数据融合情况并构建多车回环约束,基于通用图优化(General Graph Optimization,G2O)理论对全局地图优化.真实场景与KITTI数据集的实验结果表明,本文的框架无需构建包含所有车辆相对位姿的全局坐标系或满足多车相遇等约束条件,即可实现多车协同SLAM,并在SLAM的效率和准确率等指标上具有优势.     

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...     

6G车联网络通感融合方法与性能仿真

为了满足自动驾驶、远程驾驶等未来6G车联网应用对高速率、低时延传输以及高精度感知的性能需求，业界提出将无线通信与无线感知功能进行融合，在6G车联网络中实现无线传输与感知定位极致性能的同时满足。提出了一种基于通信感知信号时频域正交体制的通信感知融合方法，采用OFDM通信信号完成对目标的探测、定位，并利用短窗化矩阵分解参数估计方法完成对探测目标的感知信息提取。同时，搭建了系统级仿真平台对不同的时频资源配比下所提方法的通信/感知性能进行了评估，分析了所提融合方法下通信感知性能间的相互影响，并给出通信感知性能折中的设计方案。     

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。     

基于多源数据关联融合的交通图像深度补全技术

随着城市化进程的加速，智慧交通领域得到了越来越多的关注。利用深度补全技术提取物体深度信息对实现车辆目标跟踪、目标间距离计算等任务具有重要作用，但在实际中收取的多源深度补全数据存在关联偏差，导致产生较难纠正的精度误差。针对该问题，文中研究了基于多源数据关联融合的深度补全技术。该技术通过计算多通道置信度增强深度图，将图像和毫米波雷达点云数据进行更精准的数据层逐点关联。通过设计多尺度注意力融合模块，实现了对多粒度关联数据的自适应融合，生成了高质量的深度图。文中在公开的nuScenes数据集中开展了大量实验，实验结果表明文中所提方法平均绝对误差为1.142 m,低于现有基准方法的1.472 m。     

感知-通信-计算融合的智能车联网挑战与趋势

针对单车感知无法满足未来自动驾驶安全需求的现状,面向多车传感器信息融合与时效性共享问题,提出了基于感知-通信-计算融合的智能车联网方法与解决思路。该方法有助于提高自动驾驶车辆的协同环境感知能力,并通过移动边缘计算(MEC)技术降低车间感知信息传输负载,提高多车协同的信息融合与处理效率,最终实现基于多车智能协同的安全自动驾驶。     

基于毫米波传感器与激光雷达信号融合的自动驾驶障碍物感知方法

由于自动驾驶无法准确感知障碍物信息，且感知误差较高，为了提高自动驾驶避障能力，提出基于毫米波传感器与激光雷达信号融合的自动驾驶障碍物感知方法。将毫米波传感器内置于自动驾驶装置中，采集自动驾驶装置与障碍物之间的激光雷达回波信号，采用匹配滤波器进行干扰滤波处理，提取传感信号的功率谱密度特征量，采用小波多尺度分解的方法实现信号时频转换，通过Wigner-Vill分布检测和多分辨特征聚类，分析自动驾驶激光雷达毫米波传感信号回波特征，根据波束形成和信号融合结果实现对障碍物感知和自适应定位。测试结果表明，采用该方法进行自动驾驶障碍物感知的准确性较高，感知误差较低，最低为0.01,响应速度较快，最快为0.1 s,收敛迭代步数较小，定位能力较强，提高了自动驾驶的环境适应性。     

面向无人机网络的通信感知一体化的高效能波形选择方法

将感知功能集成入通信设备实现通信感知一体化功能，正在成为无人机通信网络的一个关键特征。现有通信感知融合方案集中于单一波形下的设计，缺乏对无人机飞行场景和波形的适配性研究；此外，无人机感知方式集中于雷达主动探测感知，无人机网络内存在较大的感知信息共享开销。基于此，首先梳理了典型通感融合波形的算法复杂度、载荷能力以及在高动态场景下的误码率性能等指标，引入综合效能指标以表征不同波形的综合能效特征，提出了一种基于感知信息驱动的通感融合波形选择机制，并针对该选择机制中所需决策算法进行了讨论分析，设计了一种“基于先验信息辅助的Q-Learning”波形决策算法，通过结合无人机事先已训练所得“感知信息-波形”先验信息映射与应用“Q-Learning”方法对实际飞行场景进行动态学习，实现在不同场景下无人机所采取通信方案的综合效能提升。为进一步降低主动感知无人机间系统开销，基于所提波形选择机制又提出了一种信号发送端主动感知与信号接收端被动感知相结合的主被动融合感知方案。最后通过仿真证明所提波形选择机制可以显著提高综合效能，验证了“基于先验信息辅助的Q-Learning”波形决策算法性能近似于理想判决，同...     

一种新的混合式数据融合方法及其在雷达组网中的应用

针对雷达组网中多型雷达数据融合存在的问题，本文对多型雷达在探测距离、探测精度、数据率以及处理时延等方面的差异进行研究，提出一种新的混合式数据融合方法。该方法对组网内同型雷达进行聚类并对聚类内雷达量测数据采用集中式融合策略生成局部融合航迹，对不同聚类间的局部融合航迹采取分布式融合策略，并在每个融合节点形成一致的全局融合航迹。通过仿真实验验证，该方法与组网内所有雷达均采用集中式融合方法相比在航迹精度、航迹实时性以及航迹连续性等方面均有不同程度的提升，证明该方法是一种可行的工程化实现方法。     

毫米波雷达与相机两级融合的3D目标检测方法研究

多传感器融合是当前自动驾驶领域感知系统的重点。针对在恶劣复杂天气场景下目标以及远距离小目标检测效果差的问题,提出一种基于毫米波雷达与相机两级融合的3D目标检测方法。该方法先在数据层将毫米波雷达条码化处理与相机信息融合建立三通道图像,然后输入到加入注意力机制的特征提取网络中进行初级检测;在特征层采取截锥体数据关联的方式,将毫米波雷达信息与初级检测结果进行关联,进一步提升检测精度。实验结果显示,在大型自动驾驶数据集nuScenes下的mini集对融合网络进行评估,相比基准网络Centerfusion,平均精度(mAP)提升了1.09%,检测指标(NDS)提升了1.21%。     

光通信网络中通信信号智能感知方法研究

在光通信网络中,通信信号的感知分为单节点感知 与多节点协作感知,其中多节点的传感因能克服多径衰弱和隐藏终端的影响而被广泛研究, 但多节点的传感知在通信开销和融合方法上仍然存在许多难题有待解决。本文提出一种量化 与编码的方法来减少当地节点与融合中心之间的通信开销,在融合方法上提出一种基于节点 特征的加权融合方法来提升融合中心的判决准确性,该融合方法有效反应各个节点在认知网 络中的实际作用。此外,为了提升感知效率,利用强化学习的方法来得升熟悉环境下的感知 效率。实验结果表明:本文中的频谱感知方法与传统方法相比在同等条件下可减少通信开销 ,提升判决准确率并减少感知时间。     

一种基于数据融合处理的导弹抗干扰方法

以某种双模复合导弹为研究背景，面对对敌攻击中可能遇到的干扰，提出了一种采用数据融合处理与雷达多源检测相结合的导弹抗干扰方法。仿真实验表明，所提方法是有效的。     

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。     

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。     

通信感知一体化混合波束赋形技术

为解决无线通信与感知的性能日益强大而带来的频谱资源紧缺的问题，通信感知一体化(Integrated Sensing and Communication, ISAC)技术逐渐开始受到重视。在目前最有发展潜力的毫米波(millimeter Wave, mmWave)多输入输出(Multiple Input Multiple Output, MIMO)混合波束赋形系统基础上，提出了一种通信感知一体化的波束赋形算法。使用均方误差(Mean Square Error, MSE)衡量该系统的通信和雷达的性能，通过引入权重因子将通信与雷达的性能指标综合考虑，得到通感一体化波束赋形系统的最优解。针对求解过程中的非凸优化问题，提出了基于坐标迭代的交替优化算法对问题进行求解。针对不同权重因子，对通信的频谱效率和雷达的波束方向图进行了仿真，仿真结果验证了所提方案可以实现通信感知一体化系统下通信与感知性能的折中。     

雷达-通信共存系统中雷达脉冲串信号的高效协同感知算法

该文针对与雷达共存的认知无线电通信系统,为实现通信系统对雷达频段空闲频谱的机会利用,提出一种对转动扫描雷达脉冲串信号的高效协同感知算法。该算法由中心处理节点协同各感知节点进行感知,通过各协作感知节点的相似度判决处理和中心处理节点的基于时序准则判别的数据融合方法,提高了检测概率并降低了虚警概率。相比于现有的雷达信号感知方法,该感知算法无需雷达先验信息,在快速可靠感知雷达脉冲串信号的同时,能够确定雷达的特征参数,如扫描周期、扫描方向、距离等。最后,仿真结果表明了所提算法的有效性和正确性。     

目标探测.识别和跟踪的传感器数据融合

多传感器组合系统数据融合技术是当代探测，识别领域的一项新技术，本文在介绍多传感器组合与数据融合技术优点的基础上，介绍了成像激光雷达与前视红外传感器数据融合技术，重点介绍了红外行扫描器和红外成像摄像机的数据融合技术。     

毫米波雷达和红外融合处理平台硬件设计

文章首先分析了毫米波雷达和红外融合处理流程 ,然后给出了毫米波雷达和红外融合处理平台基于多片ADSP 2 10 6 0的详细的硬件实现 ,并给出了多片DSP仿真时JTAG接口跳线的设计。     

无人地面车辆感知技术综述

无人地面车辆(Unmanned Ground Vehicle, UGV)由于能够大大降低人员伤亡、作战灵活高效以及无人化设计优势等，成为构建兼具轻装部队的机动性和重装部队的杀伤力和生存力的新型目标部队的重要组成。实用的UGV对智能化的要求非常高，要求具备自主寻找、判断和识别目标以及实施作战行动的能力，因此，研究UGV系统的感官：UGV场景感知技术变得尤为重要。本文首先介绍了UGV场景感知技术在单传感器检测和多传感器融合等方面的发展，并对UGV场景感知技术的发展进行了展望，包括无人控制飞行器(Unmanned Aerial Vehicle, UAV)与UGV的空地结合、UGV间的数据共享、多传感器数据融合、增强毫米波雷达性能等。