基于毫米波雷达和机器视觉融合的车辆检测*

张炳力，詹叶辉，潘大巍，程 进，宋伟杰，刘文涛

（1. 合肥工业大学汽车与交通工程学院，合肥 230041；2. 安徽省智能汽车工程实验室，合肥 230009；3. 合肥长安汽车有限公司，合肥 230031）

前言

环境感知作为关键技术之一，主要是通过雷达、摄像头等传感器获取车辆周围的环境信息，是实现智能驾驶的前提和基础。在环境感知系统中，前向车辆识别是关键，准确可靠的前向车辆识别结果对智能汽车的安全行驶意义重大［1］。

目前广泛使用的道路环境感知设备主要有摄像头、毫米波雷达和激光雷达等。但由于单一传感器不能全面、精确地对车辆周围所有环境信息进行采集，因此往往采用两种以上感知设备进行信息融合。多传感器信息融合技术可以实现各传感器优势互补，最大程度采集环境信息，提升环境感知系统的可靠性、实时性和抗干扰能力。综合各传感器的优劣，本文中选择摄像头和毫米波雷达进行数据融合，完成前向车辆识别。

Zhang 等［2］使用毫米波雷达检测障碍物的位置和速度，图像处理模块通过深度学习，使用边框回归算法精确定位和识别障碍物。Kim 等［3］提出了一种基于目标运动状态及形状特征的车辆识别方法，通过毫米波雷达和摄像头分别采集目标的运动状态和形状特征，从而识别前向车辆，并应用于自动紧急制动系统。Chang 等［4］提出了一种利用毫米波雷达和视觉传感器进行障碍物检测的空间注意融合（SAF）方法，考虑了雷达点的稀疏性，并可以嵌入特征提取阶段，有效地利用了毫米波雷达和视觉传感器的特性。……