智能汽车摄像头与雷达信息融合开题报告

本科生毕业设计（论文）开题报告学生姓名：孟浩磊导师姓名、职称：邹斌（副教授）所属学院：汽车工程学院专业班级：热能与动力工程1201设计（论文）题目：智能汽车摄像头与雷达信息融合方法研究2016年3月2日1.目的及意义（含国内外的研究现状分析）随着社会的进步和公路交通系统的飞速发展，汽车保有量迅速增加。汽车已成了人们日常生活中最为有效的交通工具之一，它在给人们的生活带来便利的同时，由于汽车大量使用所造成的资源、环境、社会等问题在全球范围内困扰着广大的发达国家及发展中国家，也因此该问题得到了世界各国政府的广泛关注[1]。1990年，智能交通系统(IntelligentTransportationSystem，ITS)计划正式被提出[2]，其主要致力于提高车辆的安全性、智能性以及提供友好的人车交互界面。智能车辆作为智能交通系统的重要组成部分，将环境感知、规划决策、自动驾驶以及多等级辅助驾驶等功能融于一身，能够极大的提高交通安全，并且提高现有道路的车辆通行效率，在一定程度上降低运送单位质量货物的能源消耗，从而减小污染物排放。由于具备以上优点，智能车辆的概念一经提出便成为学界所研究的热点[3]。现代的智能化汽车是环境感知，规划决策，多等级辅助驾驶等功能综合为一体的系统。它集中于用了计算机、现代传感、信息融合通信、人工智能、自动控制等技术。是典型的高新技术综合体[4]。从辅助驾驶系统到无人驾驶，智能汽车中的相关技术成为最近几年汽车电子市场开发的热点。无论是高级辅助驾驶，还是自动驾驶，都离不开汽车的感知系统[5]。而汽车的感知系统当中，最重要的就是车载雷达与车载摄像头[6]。单独采用摄像头或者激光雷达都难以全面而精确的完成障碍物检测和定位，所以有必要利用多种传感器的数据融合，实现优势互补提高障碍物检测和定位可靠性、精确性和全局性。用摄像机来获取周围环境的二维图像，同时由激光雷达来提供障碍物的第三维距离信息[7][8]，融合的结果能更精确提供有关障碍物的信息[9]。在本文中，主要工作是将安装在车上的激光雷达传感器和车载摄像头传感器[10]获取到的车辆前方动态障碍物信息进行融合[11][12]，对前方的多目标航迹进行推算，为进一步实现汽车的主动防撞以及汽车的无人驾驶奠定坚实的基础[13]。多传感器信息融合的实质是对人脑综合处理来自人体各个传感器（耳、鼻、眼等）的信息（声音、气味、景物）组合的一种功能模仿[14]。多传感器信息融合也称为信息融合，根据国内外研究成果，信息比较确切的定义可以概括为：利用计算机技术对按时序获得的若干传感器的观测信息在一定准则下加以自动分析、综合以完成所需的决策和估计任务而进行的信息处理过程[15]。国内对信息融合的研究起步比较晚，速度相对比较缓慢。从20世纪80年代末，国内文献中开始出现信息融合技术及其相关研究的报道。到20世纪90年代初，随着各类传感器陆续研制成功，在军方和各方面基金部门的资助下，国内一批研究所和高校开始从事信息融合及其相关技术的研究工作，取得了一些研究成果[16]。从20世纪90年代至今，信息融合技术在国内已经逐步发展成为多方关注的共同性关键技术，许多研究机构与学者致力于分布式信息融合、机动多目标跟踪、威胁判断[17]、决策信息融合、告警系统、身份识别、态势估计[18]等研究。多传感器信息融合技术从理论研究向实用化方面发展，无论是在军用的系统，还是在民用的一般性工业控制系统都有广阔的需求空间，基础理论研究与实际需求互相促进，必将极大提高我国在信息融合技术及其应用方面的实力。当前所运用的主要信息融合方法主要有基于灰色理论的多传感器信息融合，改进的加权信息融合算法。基于灰色理论的多传感器数据融合方法主要通过计算多传感器测量数据的灰色关联矩阵，进行灰色优势分析，然后进行数据融合。此方法考虑了各传感器测量数据的精确度，而且删除掉了测量比较差或测量不到的数据。仿真结果表明，应用该方法可进一步提高多传感器的测量精度和可靠性，适用于多传感器的数据融合[19]。而将新兴的随机加权估计应用于多传感器信息融合得到的一种基于随机加权估计的多传感器信息融合算法[20]，用于解决多传感器对目标同一参数进行测量时权的最优分配问题。仿真结果表明，随机加权融合估计算法优于传统的平均值估计融合算法，并且随着测量次数的增大，均方误差越来越小[21]，从而得到可靠的数据信息。对于现代智能汽车的感知系统，目前比较普遍的融合是，基于机器视觉[22]和激光雷达之间的融合[23][24]。这样可以较好地满足智能车辆前方障碍物检测。已经广泛应用于参与各类挑战赛的智能车辆上，具有较好的效果。对于智能汽车的多传感器信息融合可以全方位全天候检测车辆周围的环境，特别适合智能车辆进入城市化的需求[25]。本文研究的对象就是智能车中激光雷达与摄像头信息融合技术[26]。2．研究（设计）的基本内容、目标、拟采用的技术方案及措施基本内容与目标：（1）了解多传感器信息融合的概念，层次和方法。（2）学习了解摄像头及雷达信息的通讯及采集方法，构建摄像头及雷达信息融合试验平台。（3）学习了解视频及图像数据的软件处理方法。（4）学习了解雷达数据的软件处理方法。（5）研究摄像头及雷达信息融合方法，并进行试验研究。拟采用的技术方案及措施：（1）通过查阅相关的专业书籍及网络资源，了解多传感器融合的基本方法步骤。（2）基于PC计算机平台构建摄像头及雷达信息融合平台，调查摄像头及雷达的数据通讯方式，以USB接口或CAN接口将传感器信息传递给计算机。（3）主要利用Matlab进行传感器信息处理及信息融合研究，通过相关书籍与视频学习熟悉Matlab及其相关工具箱的使用方法。（4）图像处理将主要基于OpenCV进行，将学习OpenCV的图像处理方法。（5）学习调研雷达信息在Matlab中的处理方法。（6）利用Matlab建立合适的算法，通过仿真与试验，使从摄像头与雷达得到的有效信息进行融合，辅助进行智能汽车的障碍物检测。3．进度安排毕业设计预备周：年级毕业设计动员会，确定选题志愿，校内搜集资料、消化资料；第1~2周（2.22~3.4）：学生提交文献检索摘要。撰写开题报告。并完成网上提交开题报告。整理论文提纲、设计概要。第3~4周（3.7~3.18）：进行外文翻译，并提交外文翻译译文。第5~6周（3.21~4.1）：绘图，撰写毕业设计说明书（设计类）或论文（研究类）。第7~8周（4.4~4.15）：撰写毕业设计说明书（设计类）或论文（研究类），绘图。第9~11周（4.18~5.6）：完成绘图，并完成网上提交毕业设计说明书第12周（5.9~5.13）：学生书面提交毕业设计说明书、图纸或论文，并打印成册。并书面提交答辩申请，并作答辩准备；第13~14周（5.16~5.27）：教师审阅毕业设计说明书（设计类）或论文（研究类）和（图纸），审查确定学生答辩资格并予以公示。第15周（6.1~6.3）：毕业设计答辩。4．阅读的参考文献不少于25篇（其中近五年外文文献不少于5篇）[1]周俊静.基于激光雷达的智能车辆目标识别与跟踪关键技术研究[D].北京工业大学，2014.[2]付梦印，邓志红，刘彤.智能车辆导航技术[M].北京：科学出版社，2009.[3]J.Lane，B.Agnew.Introduction:Intelligentgroundvehiclecompetition(IGVC).JournalofRoboticSystems，2004，21(8):401-403.[4]张双喜.基于雷达与相机的无人驾驶智能车障碍物检测技术研究[D].长安大学硕士学位论文，2013.[5]周勇，陈超，叶庆泰基于机器视觉的自动导引车辆障碍物检测[J].机械设计与研究，2005，21（5）：74-76[6]麦新晨.基于多传感器融合的车辆检测与跟踪[D].上海交通大学，2011.[7]赵小川.MATLAB数字图像处理实战[J].机械工业出版社，2013.[8]张德丰.MATLAB数字图像处理[J].机械工业出版社，2013.[9]孙华，杨鹃.多传感器信息融合技术及其在机器人中的应用[J].传感器技术，2003.[10]L.LeonandR.Hirata，“Vehicledetectionusingmixtureofdeformablepartsmodels:Staticanddynamiccamera，”inGraphics，PatternsandImages(SIBGRAPI)，201225thSIBGRAPIConferenceon，2012，pp.237–244.[11]FeihuZhang，DanielClarke，AloisKnoll.VehicleDetectionBasedonLiDARandCameraFusion[J].IEEE17thInternationalConferenceonIntelligentTransportationSystems(ITSC)October8-11，2014.[12]S.Gidel，C.Blanc，T.Chateau，P.Checchinan，L.Trassoudaine.Non-parametricLaserandVideoDataFusion:ApplicationtoPedestrianDetectioninUrbanEnvironment.12thInternationalConferenceonInformationFusionSeattle，WA，USA，July6-9，2012.[13]赵万里.基于雷达的智能车多目标检测与跟踪技术研究[D].中南大学，2011.[14]韩崇昭，朱洪艳，段战胜.多源信息融合[M].北京：清华大学出版社，2006:15-16.[15]陈海峰.移动机器人基于多传感器数据融合的定位及地图创建研究[D].大连理工大学，2014.[16]谢振南.多传感器信息融合技术研究[D].广东工业大学，2013.[17]曲长文，何友.应用多属性决策的威胁评估方法[J].系统工程与电子技术，2000，22(5):26-28.[18]程岳，王宝树.基于分级多层黑板模型的态势估计系统结构研究[J].计算机应用研究，2002，19(6):29-31.[19]黄沛，李晓漫.基于灰色理论的一种数据融合方法[J].航空计算技术，2007，37（2）.[20]M.Perrollaz，J.-D.Yoder，A.Negre，A.Spalanzani，andC.Laugier，“Avisibility-basedapproachforoccupancygridcomputationindisparityspace”IntelligentTransportationSystems，IEEETransactionson，vol.13，no.3，pp.1383–1393，2012.[21]李伟，何鹏举，高社生.多传感器加权信息融合算法研究[J].西北工业大学学报，2010，28(5):674-678.[22]S.SivaramanandM.Trivedi，“Lookingatvehiclesontheroad:Asurveyofvision-basedvehicledetection，tracking，andbehavioranalysis，”IntelligentTransportationSystems，IEEETransactionson，vol.PP，no.99，pp.1–23，2013.[23]杨光祖.基于多种激光雷达数据融合的障碍检测技术的研究[D].北京工业大学，2013.[24]赵小川.传根器信息融合MATLAB程序实现[J].机械工业出版社，2014.[25]Z.Zhang，Aflexiblenewtechniqueforcameracalibration[J].IEEETransactionsonPatternAnalysisandMachineIntelligence22(2000):1330-1334.[26]C.Papageo