基于多源信息融合的目标跟踪方法研究

筛选毫米波雷达数据，初步确定有效目标。首先对雷达数据进行了预处理，主要是对空信号、静止目标和无效目标进行了筛选和剔除，然后结合同车道有效目标的判断方法，对相邻车道的非危险目标进行了滤除，获取初选目标，最后通过生命周期检验方法进一步验证目标存在的有效性，并建立卡尔曼滤波模型对数据信息进行滤波处理，降低噪声的干扰。 基于机器视觉的前方车辆检测方法研究。本文采用 Haar-like 方法提取车辆特征，同时利用积分法加快对特征值的计算速度，基于这些特征值，通过结合Adaboost 算法迭代训练多个弱分类器并将其组合构建强分类器，最后将多个强分类器串联建立级联分类器。考虑到获取的车辆图像在时间和空间上的连续性，本文基于无迹卡尔曼滤波算法建立了车辆跟踪模块，增强系统对车辆目标轨迹的实时追踪。 建立多传感器融合模型。利用毫米波雷达坐标系、世界坐标系、摄像头 坐标系、图像坐标系和像素坐标系之间的空间位置转换关系，实现雷达和摄像头 的空间融合。针对毫米波雷达和摄像头采样频率不同的问题，本文采用多线程法 来实现传感器间的时间同步。本文基于扩展信息融合和无迹信息融合原理，建立 了一种改进的无迹信息融合算法，该算法能够消除更新方程中的测量信息，增强 对目标的估计精度，解决各传感器间的目标信息无法进行有效结合的问题。 对融合系统的仿真和实车验证。本文选用六自由度 QJ-4B1 动感型模拟驾驶仪对融合系统进行仿真测试，通过人机交互界面建立了虚拟的传感器、道路工况和背景环境，最大限度的还原实车试验。在实车试验中，完成了对传感器的安装和试验平台的搭建，并对实车试验场地以及人员进行了相应的安排。