(相關資料圖)

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

單一的雷達傳感能較好適應環(huán)境變化，卻難分辨小尺寸的目標；單一的相機傳感能識別小尺寸目標，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波和相機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會主辦的《計量學報》上。

“我們的核心思路就是讓兩者優(yōu)勢互補，解決實際駕駛中存在的環(huán)境干擾、小目標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鍵部位加入注意力機制，相當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、中國計量大學機電工程學院碩士生導師馬小龍解釋說，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，以雷達采樣為觸發(fā)點，確保數據來源于同一時刻，在空間上則通過算法完成坐標系轉換。

項目組成員王建宇補充道，傳統(tǒng)算法只看目標距離，但當多個車輛遮擋時容易發(fā)生匹配錯誤。“我們構造了包含檢測框重疊率和中心點距離的關聯(lián)矩陣，結合匈牙利算法實現(xiàn)最優(yōu)匹配，關聯(lián)精確率比傳統(tǒng)算法提高2.91%。通過設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)?！蓖踅ㄓ罱榻B，科研人員替換了原有識別算法中的損失函數，讓目標框定位更準，新增了小目標檢測層，用于解決遠距離車輛圖像小造成的漏檢問題。改進后的模型在公開數據集和自制數據集上驗證，白天能精準識別被綠化帶遮擋的路邊車輛，夜晚可克服強光干擾捕捉目標，融合檢測率達88.09%。

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

關鍵詞： 中國創(chuàng)投網 最新資訊