(相關(guān)資料圖)

在智能駕駛飛速發(fā)展的今天，精準(zhǔn)感知路面小目標(biāo)是保障行車安全的核心技術(shù)之一。但當(dāng)遇到暴雨霧雪的惡劣天氣，多車輛遮擋的復(fù)雜路況環(huán)境，單一傳感器易造成錯誤識別。將毫米波雷達(dá)與相機(jī)信息融合，提高目標(biāo)的識別率，就像為智能車輛裝上了“慧眼”，讓車輛目標(biāo)檢測更精準(zhǔn)、更可靠。

單一的雷達(dá)傳感能較好適應(yīng)環(huán)境變化，卻難分辨小尺寸的目標(biāo)；單一的相機(jī)傳感能識別小尺寸目標(biāo)，但在光線較暗、惡劣天氣中使用受限。不過，這一難題有望被毫米雷達(dá)波和相機(jī)融合的車輛檢測方法破解。該論文成果近期刊登在中國計量測試學(xué)會主辦的《計量學(xué)報》上。

“我們的核心思路就是讓兩者優(yōu)勢互補(bǔ)，解決實際駕駛中存在的環(huán)境干擾、小目標(biāo)物識別率低的檢測痛點。融合系統(tǒng)的視覺核心是采用在原始模型的關(guān)鍵部位加入注意力機(jī)制，相當(dāng)于給視覺檢測加了特定位置的框，避免環(huán)境干擾、多個車輛重疊的影響。”通訊作者、中國計量大學(xué)機(jī)電工程學(xué)院碩士生導(dǎo)師馬小龍解釋說，兩種不同模態(tài)的傳感器協(xié)同工作，采用時空同步的方法，以雷達(dá)采樣為觸發(fā)點，確保數(shù)據(jù)來源于同一時刻，在空間上則通過算法完成坐標(biāo)系轉(zhuǎn)換。

項目組成員王建宇補(bǔ)充道，傳統(tǒng)算法只看目標(biāo)距離，但當(dāng)多個車輛遮擋時容易發(fā)生匹配錯誤。“我們構(gòu)造了包含檢測框重疊率和中心點距離的關(guān)聯(lián)矩陣，結(jié)合匈牙利算法實現(xiàn)最優(yōu)匹配，關(guān)聯(lián)精確率比傳統(tǒng)算法提高2.91%。通過設(shè)置閾值和生命周期篩選，先剔除無效信息，再用卡爾曼濾波算法實現(xiàn)平滑跟蹤，讓車輛軌跡更貼合真實運動狀態(tài)。”王建宇介紹，科研人員替換了原有識別算法中的損失函數(shù)，讓目標(biāo)框定位更準(zhǔn)，新增了小目標(biāo)檢測層，用于解決遠(yuǎn)距離車輛圖像小造成的漏檢問題。改進(jìn)后的模型在公開數(shù)據(jù)集和自制數(shù)據(jù)集上驗證，白天能精準(zhǔn)識別被綠化帶遮擋的路邊車輛，夜晚可克服強(qiáng)光干擾捕捉目標(biāo)，融合檢測率達(dá)88.09%。

據(jù)悉，該項目得到浙江省自然科學(xué)基金支持，研究團(tuán)隊完成了從理論推導(dǎo)到實車驗證工作，破解了單一傳感器的檢測局限。未來，還將拓展技術(shù)適用場景，讓智能出行更安全、更安心。

關(guān)鍵詞： 中國創(chuàng)投網(wǎng) 最新資訊