研究基于毫米波雷达和摄像机的多异构传感器数据融合方法.

科学领域:

• 智能汽车系统 智能汽车系统
• 传感器融合式传感器
• 感知系统 感知系统

背景情况:

• 准确的目标跟踪和感知对于智能汽车安全至关重要.
• 现有的系统面临着数据融合,噪音和在复杂环境中预测风险的挑战.

研究的目的:

• 为智能汽车开发一种新的多式联通异质感知交叉融合框架.
• 通过整合毫米波雷达和摄像头数据来提高目标跟踪精度和系统稳定性.

主要方法:

• 利用多式联动交互策略来改进目标运动预测.
• 实施了改进的联合概率数据关联,用于测量匹配.
• 采用了自适应式根-平均平方立方度卡尔曼波器来估计噪声特征.

主要成果:

• 在一个真实的车辆平台上,在具有挑战性的交通场景中表现出更好的可靠性和稳定性.
• 成功解决了数据融合不足,泄漏,误判障碍和不准确的碰撞风险预测等问题.
• 通过交叉模式融合实现了增强的目标跟踪精度.

结论:

• 拟议的框架大大提高了智能汽车的目标跟踪和感知能力.