基于毫米波雷达与摄像头前融合的智能汽车远距离目标检测与跟踪系统设计.docxVIP

PAGE2

基于毫米波雷达与摄像头前融合的智能汽车远距离目标检测与跟踪系统设计

摘要

随着智能汽车向高阶自动驾驶演进，复杂路况下的环境感知能力成为制约系统安全与可靠性的关键瓶颈。单一传感器在远距离、恶劣天气及低光照场景中易出现漏检与误检，难以满足全天候感知需求。本课题围绕智能网联汽车与车联网领域，设计了一种基于毫米波雷达点云与视觉图像前融合的远距离目标检测与多目标跟踪系统。

研究首先分析了远距离感知的核心痛点，明确了系统设计目标与功能指标。随后，论文依次完成需求分析、总体架构设计、融合与跟踪算法详细设计、系统实现与测试验证。核心方案包括：构建毫米波雷达与摄像头时空同步的前融合数据层，提出基于注意力机制的多模态特征融合检测网络，以及结合扩展卡尔曼滤波与匈牙利算法的多目标跟踪框架。测试结果表明，系统在150米范围内对车辆与行人的检测精度提升显著，在雨雾模拟场景中表现出良好的鲁棒性。本设计的创新点在于将雷达点云密度特征与图像纹理信息早期融合，有效改善了远距离弱小目标的检测稳定性。

第一章绪论

1.1研究背景

近年来，智能网联汽车产业高速发展，L3级及以上自动驾驶系统对感知距离和环境适应能力提出了严苛要求。在高速公路自动驾驶、城市快速路巡航等场景中，车辆需要准确检测150米乃至200米以外的目标，以确保有足够的决策与制动时间。然而，当前主流的视觉感知方案受限于摄像头物理焦距与分辨