基于77GHz雷达的盲区监测系统与目标分类（车辆 行人）.docxVIP

PAGE2

基于77GHz雷达的盲区监测系统与目标分类（车辆/行人）

摘要

随着汽车智能化与安全需求的不断提升，盲区监测系统（BlindSpotDetection，BSD）已成为高级驾驶辅助系统（ADAS）的关键组成部分。然而，现有基于毫米波雷达的系统常因目标分类能力不足，导致误报率高，影响驾驶体验与用户信任。本课题旨在设计并实现一个基于77GHz毫米波雷达的盲区监测系统，核心目标在于利用雷达点云的空间分布特征（密度）与时域微多普勒特征，对盲区内的目标进行精确分类，以区分车辆、行人与自行车，从而显著减少系统误报。

本文遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进思路展开。首先，通过分析ADAS领域对高可靠性盲区监测的迫切需求，明确了系统需达成的功能与非功能指标。其次，对毫米波雷达信号处理、点云聚类及微多普勒特征提取等关键技术进行了选型与论证。在此基础上，完成了系统的总体架构设计与功能模块划分。详细设计部分重点阐述了目标检测、特征提取与分类决策三大核心模块的算法流程。系统实现基于Python与ROS（机器人操作系统）搭建了原型验证平台，并完成了核心算法的编码。最后，通过构建模拟与实车测试场景，对系统的目标分类准确率、实时性等关键指标进行了全面测试与评估。

本设计的核心创新点在于融合了雷达点云的静态空间特征与动态微多普勒特征，构建了一个轻量级的双层分类决策模型