(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(chē)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(chē)輛遮擋的復(fù)雜路況環(huán)境，單一傳感器易造成錯(cuò)誤識(shí)別。將毫米波雷達(dá)與相機(jī)信息融合，提高目標(biāo)的識(shí)別率，就像為智能車(chē)輛裝上了“慧眼”，讓車(chē)輛目標(biāo)檢測(cè)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(shí)別小尺寸目標(biāo)，但在光線較暗、惡劣天氣中使用受限。不過(guò)，這一難題有望被毫米雷達(dá)波和相機(jī)融合的車(chē)輛檢測(cè)方法破解。該論文成果近期刊登在中國(guó)計(jì)量測(cè)試學(xué)會(huì)主辦的《計(jì)量學(xué)報(bào)》上。

“我們的核心思路就是讓兩者優(yōu)勢(shì)互補(bǔ)，解決實(shí)際駕駛中存在的環(huán)境干擾、小目標(biāo)物識(shí)別率低的檢測(cè)痛點(diǎn)。融合系統(tǒng)的視覺(jué)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(jué)檢測(cè)加了特定位置的框，避免環(huán)境干擾、多個(gè)車(chē)輛重疊的影響。”通訊作者、中國(guó)計(jì)量大學(xué)機(jī)電工程學(xué)院碩士生導(dǎo)師馬小龍解釋說(shuō)，兩種不同模態(tài)的傳感器協(xié)同工作，采用時(shí)空同步的方法，以雷達(dá)采樣為觸發(fā)點(diǎn)，確保數(shù)據(jù)來(lái)源于同一時(shí)刻，在空間上則通過(guò)算法完成坐標(biāo)系轉(zhuǎn)換。

項(xiàng)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(gè)車(chē)輛遮擋時(shí)容易發(fā)生匹配錯(cuò)誤。“我們構(gòu)造了包含檢測(cè)框重疊率和中心點(diǎn)距離的關(guān)聯(lián)矩陣，結(jié)合匈牙利算法實(shí)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(guò)設(shè)置閾值和生命周期篩選，先剔除無(wú)效信息，再用卡爾曼濾波算法實(shí)現(xiàn)平滑跟蹤，讓車(chē)輛軌跡更貼合真實(shí)運(yùn)動(dòng)狀態(tài)。”王建宇介紹，科研人員替換了原有識(shí)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(cè)層，用于解決遠(yuǎn)距離車(chē)輛圖像小造成的漏檢問(wèn)題。改進(jìn)后的模型在公開(kāi)數(shù)據(jù)集和自制數(shù)據(jù)集上驗(yàn)證，白天能精準(zhǔn)識(shí)別被綠化帶遮擋的路邊車(chē)輛，夜晚可克服強(qiáng)光干擾捕捉目標(biāo)，融合檢測(cè)率達(dá)88.09%。

據(jù)悉，該項(xiàng)目得到浙江省自然科學(xué)基金支持，研究團(tuán)隊(duì)完成了從理論推導(dǎo)到實(shí)車(chē)驗(yàn)證工作，破解了單一傳感器的檢測(cè)局限。未來(lái)，還將拓展技術(shù)適用場(chǎng)景，讓智能出行更安全、更安心。

關(guān)鍵詞： 中國(guó)創(chuàng)投網(wǎng) 最新資訊