论文部分内容阅读
随着科技的发展,智能车越来越成为国内外研究的热点。在智能车技术研究中,对环境的感知一直是一项比较重要的研究技术。由于智能车行驶环境的复杂性,采用单传感器来感知已不能完全满足智能车对环境信息的需求,因此,信息融合技术以其利用多传感器的冗余信息相互补偿,相互协作的特点,开始被普遍运用于智能车上。本文针对智能车环境感知中的目标识别技术进行研究,为提高目标识别的准确性和实时性,文章首先对毫米波雷达进行了单独的信息处理,然后采用能够依据不同传感器失效情景切换观测方程的卡尔曼滤波算法,将车车通讯信息与现有车载传感器采集信息进行信息融合。主要研究内容如下：1、对毫米波雷达的原理进行了深入的分析,重点介绍了课题组的德尔福ESR毫米波雷达,包括其探测覆盖范围、频率、数据形式等特性,同时详细地分析了该款毫米波雷达存在的一些不足。2、介绍了对德尔福ESR毫米波雷达的二次开发。毫米波雷达车载上位机软件的开发介绍,软件模块包含实时采集模块、数据存储模块、地图显示模块、后期数据显示、目标轨迹展示等。3、完成毫米波雷达原始数据的解析,同时采用能够有效剔除毫米波雷达数据中空信号、无效信号和有效范围外信号的算法对数据进行处理,采用卡尔曼滤波的方法进行了目标的有效性检测,保证毫米波雷达目标提取的有效性和高效性,并通过实验验证了算法的可行性。4、分析了基于信息融合的目标识别算法。介绍了车间信息交互的原理。在假设存在V2V通讯信息的情况下,与自车的其他车载传感器和GPS进行信息融合。本文假设在V2V信息完全正确时,能够较好地完成目标识别,而在V2V通讯失效或者GPS失效的情况下,利用其他传感器的冗余信息来辅助智能车进行目标识别。采用卡尔曼滤波的方法,建立运动学模型,同时根据V2V或者GPS的不同失效情况分别建立观测方程,随时切换观测方程,保证结果的正确性。并通过实验验证算法的可行性。