基于视觉横向位置的雷达检测改进方法

基于视觉横向位置的雷达检测改进方法

设计了一种综合系统，通过融合视觉传感器来改善雷达对车辆侧向位置的估计。该方法基于车辆后部进行对称性检测，不同于基于边缘轮廓的对称性检测典型方法，该方法利用块匹配以及鲁棒性代价函数。在雷达检测到目标的相应图像区域中，通过局部对称性检测可改进雷达对目标的横向位置初始测量值。

整个系统由几个模块组成。将雷达数据、摄像机图像以及车速输入到系统。遮挡判断模块只选择遮挡的雷达目标，用对称性检测来改进雷达目标的侧向位置。为了提高整个系统的鲁棒性，附加的对称性确认模块用于分析检测模块的检测结果，可以排除无效目标，最后应用卡尔曼滤波器跟踪位移、速度以及加速度。该方法的关键因素之一是使用SNCC的方法找到车辆后部的对称轴。SNCC的优点是对局部轮廓边缘具有较好的鲁棒性，这样即使车辆有不对称的部分也可以有很好的检测结果。另一个关键因素是检测可能出现对称性计算错误的检测条件，这样可以确保雷达和对称性信息融合得到侧向位置的结果好于单独使用雷达传感器。试验结果表明，用卡尔曼滤波器的雷达检测侧向位置精度为21cm，而用雷达和对称性融合的方法可将精度提高到3cm，将误差减小7倍。此外，融合了对称性的侧向位移检测方法没有延迟的现象。该方法显著地增强了先进驾驶员辅助系统的安全性，因为其可以反应更快，鲁棒性更强。

Nishigaki,M.et al.2012 IEEE International Conference on Intelligent Transportation Systems, United States-September 16-19, 2012.

编译：孔悦