科研之友
微信
新浪微博
Facebook
分享链接
摘要
战场环境下，无人驾驶车辆的感知系统易受烟雾、扬尘等天气的影响，对关键目标的检测与跟踪能力大大下降，造成目标漏检、目标误检、目标丢失等严重后果。针对该问题，开发了毫米波雷达和红外相机融合系统，采用目标级融合方式，建立简洁有效的融合规则，提炼和组合各传感器的优势信息，最终输出稳定的目标感知结果。对毫米波雷达的目标进行有效性检验和提取，并提出改进DBSCAN聚类算法，减少了毫米波雷达噪音干扰。以YOLOv4算法为基础，引入MobileNetv2主干网络，在网络训练过程中，运用迁移学习方法，同时对红外数据样本进行扩充，解决了红外图像训练样本少的问题。试验结果表明，相较于仅基于红外相机的算法，融合检测算法在烟雾环境下的精度显著提升，且算法实时性高，实现了烟雾环境下毫米波雷达与红外相机融合的目标检测与跟踪，提高了无人驾驶车辆目标检测与跟踪系统的抗烟雾干扰能力。
- 单位
