基于多源信息融合的汽车盲区检测及预警关键技术研究.pdf

摘要

针对当前交通事故频发的现状，将人工智能技术应用于车辆安全研究已经成

为一种趋势。为了提高道路上车辆性的安全性，本文提出了基于多源信息融合的

盲区检测以及变道预警系统。目前的目标检测模型较大，由于嵌入式设备资源有

限，所以实时性较差，而且单目传感器获取到的目标信息准确性和可靠性略有不

足，根据以上问题，本文主要做了以下内容。

(1)本文首先对目标检测算法YOLOv4-Tiny在网络结构上进行了优化。通过

将原模型的普通卷积替换为参数量更少的深度可分离卷积，对模型进行了压缩。

然后又在模型上添加特征融合模块和新设计的SPP模块提高模型提取特征的能力，

以增强模型对行人、骑行者等小目标的检测性能。通过实验对比，本文优化后的

模型mAP为72.77%，比原模型YOLOv4-Tiny高了1.36个点，权重大小只有

5.1M，并在Zynq7020平台上运行速度达到了22.6FPS。

(2)为弥补摄像机对获取到的目标信息准确性和可靠性的不足，使用多源信息

融合的策略增加信息的冗余度。根据本文传感器安装位置提出了多传感器融合方

案，将图像目标作为全局对象，并用卡尔曼滤波来进行追踪，图像目标和雷达目

标通过匈牙利算法与全局对象进行关联。经过实验测试后，在50米内融合测距

的误差率不超过3.4%，该方案相比于单目传感器明显提高了目标信息的准确性。

(3)根据驾驶员变道过程的安全距离和驾驶员和汽车制动的反应时间进行了分

析，设计了一个变道过程的安全距离模型，制定了一个合理的预警策略。并对预

警系统的软件和硬件进行了设计。经过对预警系统进行测试分析后，验证了本文

的变道预警系统在道路上有较好的预警效果。

关键词：盲区检测，变道预警，多源信息融合

ABSTRACT

Inviewofthecurrentsituationoffrequenttrafficaccidents,ithasbecomeatrend

toapplyartificialintelligencetechnologytovehiclesafetyresearch.Inordertoimprove

thesafetyofvehiclesontheroad,thesisproposesablindspotdetectionandlanechange

warningsystembasedonmulti-sourceinformationfusion.Thecurrenttargetdetection

modelislargeandcannotmeetthereal-timerequirementsonembeddeddevices,and

theaccuracyandreliabilityofthetargetinformationobtainedbythemonocularsensor

isslightlyinsufficient.Accordingtotheaboveproblems,thesismainlydoesthe

followingwork:

(1)First,theYOLOv4-Tinydetectionmodelisoptimized,andthemodelis

compressedbyreplacingtheordinaryconvolutionoftheoriginalmodelwitha

depthwiseseparableconvolution.Then,afeaturefusionmoduleandanewlydesigned

SPPmoduleareaddedtothemodeltoimprovethemodelsabilitytoextractfeatures,so

astoenhancethemodelsdetectionperformanceforsmalltarge