2026《多传感器数据融合的前车识别研究》开题报告4900字.docxVIP

  • 0
  • 0
  • 约7.91千字
  • 约 7页
  • 2026-02-02 发布于湖北
  • 举报

2026《多传感器数据融合的前车识别研究》开题报告4900字.docx

多传感器数据融合的前车识别研究开题报告

1.1论文研究背景及意义

近年来,迅猛发展的汽车工业不仅给人们生活带来了诸多便捷,也进一步促进了社会的经济发展。但随之而来的道路交通问题也日渐凸显,传统机动车行驶过程中出现超速、酒驾等问题屡见不鲜,给人们出行安全带来巨大隐患,而采用智能交通系统(Intelligenttransportationsystem,ITS)[1]能有效的解决这一问题。该系统具有全方位安全体系,能够形成地面交通综合监管,有效控制车辆,而无人驾驶系统通过感知传感器感知周围环境,从而对目标车辆、道路及障碍物进行有效反馈,确保车辆行驶安全。行驶中通过车载控制系统能够控制速度与转向,及时应对突发情况从而减少事故发生[2-3]。

根据目前数据显示由于人工智能迅速发展,单一传感器已不能满足车辆在复杂道路交通环境下的目标检测,造成人身安全隐患。数据融合被应用到各个领域,包括军事、物体识别、探测等领域[4]。各国政府出台相应政策加大数据融合研究力度弥补单一传感器探测精度低、易受外界环境干扰(如室外天气、硬件设备故障、光线影响)无法应对复杂行驶环境等问题。数据融合通过传感器对周围环境感知,通过融合算法解决跟踪、识别、探测、定位等问题,增强监测系统精度的实时性。为满足复杂多变的环境,保证行驶安全,我国开始重点发展这一技术,大量科研人员在政府出台政策下对多传感器数据融合进行研究。

多传感器数据融合分为Data、Feature、Decision三种层次融合方式。毫米波雷达传感器判别位置信息能力强但覆盖区域局限,存在检测盲点。视觉摄像头能够有效获取目标特征,但无法获取位置信息。针对上述问题进行研究以适应现代交通发展趋势,与单一传感器相比,数据融合的优势在于同时处理多个数据信息,实时检测周边环境,综合人工智能技术减少数据处理的冗余矛盾[5],进行数据分析,从而减少事故风险。

利用传感器数据融合弥补单一传感器存在的问题,提高检测效率与实时性研究中传感器的选定类型与数量成为提升环境感知目标检测的方法,国内外研究学者针对不同算法作为目标检测的底层架构的课题开展研究,常用毫米波雷达与摄像头、激光雷达与摄像头融合结合的方式进行检测。数据融合能够满足当前汽车环境行驶需求,是未来国防发展必不可少的要素,因此,减少多传感器数据融合处理时间成为科研人员的研究新热点。

课题研究的激光雷达与摄像头数据融合的前车识别方法,发挥单一传感器检测优势的同时与多个传感器形成优势互补,能够满足无人驾驶系统发展的需求,上述研究处于发展阶段,为未来智能驾驶领域的发展发挥基石的作用并针对未来无人驾驶系统的研发提供可靠理论参考。

1.2多传感器数据融合的国内外研究现状

1.2.1多传感器数据融合的国外研究现状

多传感器数据融合系统需要对各个传感器的各项性能参数有深入研究,针对分析不同场景所需传感器的检测需求,通过测试分析目标检测准确度来完成环境感知系统的实时运行。包括对目标物体的速度、距离以及行驶情况进行检测能相对减少危险事故发生。

数据融合在1970年首次被美国提出,用于军事用途,随后美国将多传感器数据融合与军事用途紧密结合并将其确定为重点研究对象。该技术的出现推动世界各国进行数据融合的课题研究,西方国家每年创办数据融合专题会议,深入探究该技术的进一步发展,相继成立专题研究组,促进进一步技术交流。

Vladimir等人[6]提出无监督式算法即将雷达与摄像头在GAN非监督式学习算法下进行融合。通过CMGGANs网络可以将雷达点云数据生成摄像头图像检测雷达传感器中的环境,并在真实场景中验证融合算法。该算法与InfoGANs对照比较检测效率更好。

Wei等人[7]提出一种减少激光雷达假阳性检测的融合方法,利用在相机图像上放置信标通过神经网络实现相机到LiDAR的投影,信标能够提高激光雷达检测目标的能力从而实现避免假阳性的检测,该方法有效提升目标位置的检测性和信息标记能力。

Rahul等人[8]研究在ROS系统下的数据融合模型,该模型是通过将相机目标与雷达点云聚类耦合的方法标记距离,将雷达点云数据与相机数据利用分类器映射检测到的物体,在ROS系统下将来自两个传感器的数据进行分类从而完成传感器数据同步,该融合算法在验证融合系统时选取0-150米距离范围,通过变速及在不同天气条件下检测融合系统测试及跟踪目标的有效程度,验证表明在此算法下分类精确度好。

Mokhtar等人[9]研究一种可转移信念函数模型下的融合系统提高车辆在不同环境下检测效果。该融合系统受环境影响较小,可以在模型精度不高时重新分配,保证传感器在识别过程中检测目标物体的连续性,该文在分析检测模块时指出,通过模拟场景分析五种检测情况,采用Bayesian融合,减少误检率。

Felix等人[10]提出CameraRadar

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档