摘要
随着汽车保有量的增加和交通环境的日益复杂,汽车行驶安全性和交通事故发生率成为交通安全领域内重点关注的问题,通过智能辅助驾驶技术可以有效提升驾驶安全和降低交通事故发生率.为了提高智能驾驶辅助技术中环境感知的可靠性,提出了一种基于改进D-S证据理论的毫米波雷达与摄像头融合目标检测和识别方法.采用皮尔逊相关性系数改进了D-S证据理论,分析了雷达目标类别与雷达探测信息多参数耦合关系,建立了一种毫米波雷达稀疏点云的目标识别方法.在此基础上,对毫米波雷达信息和视觉检测信息进行加权,提升融合算法在不同工况下目标检测的准确性.实验结果表明,融合算法在不同工况下检测准确率达到93.29％,误检率和漏检率得到降低.相较于其他融合检测算法,本算法在视觉传感器发生漏检时,利用雷达检测算法仍可以对视觉漏检目标进行识别并给出相应的置信度.本工作为毫米波雷达与摄像头的数据融合提供了一种新方法.
基金项目
国家自然科学基金资助项目(12272121)
基础加强计划重点基础研究项目(2019-JCJQ-ZD-142-00)
维普
万方数据