文献类型：期刊文章

作　　者：张炳力[1,2] 詹叶辉[1,2] 潘大巍[3] 程进[1,2] 宋伟杰[1,2] 刘文涛[1,2]

Zhang Bingli;Zhan Yehui;Pan Dawei;Cheng Jin;Song Weijie;Liu Wentao(School of Automobile and Traffic Engineering,Hefei University of Technology,Hefei 230041;Anhui Engineering Laboratory of Intelligent Automobile,Hefei 230009;Hefei Changan Automobile Co.,Ltd.,Hefei 230031)

机构地区：[1]合肥工业大学汽车与交通工程学院,合肥230041 [2]安徽省智能汽车工程实验室,合肥230009 [3]合肥长安汽车有限公司,合肥230031

出　　处：《汽车工程》

基　　金：合肥长安汽车企业委托项目(W2019JSKF0220);安徽省第五批特支计划资助项目和安徽省科技重大专项(18030701199)资助。

年　　份：2021

卷　　号：43

期　　号：4

起止页码：478-484

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对车辆检测中使用传统单一传感器的识别效果差、易受干扰等缺点,本文提出一种基于毫米波雷达和机器视觉融合的车辆检测方法。首先利用分层聚类算法对雷达数据进行处理,过滤无效目标;利用改进的YOLO v2算法降低漏检率,提高检测速度;然后运用目标检测交并比和全局最近邻数据关联算法实现多传感器数据融合;最后基于扩展卡尔曼滤波算法进行目标跟踪,而得出最终结果。实车试验结果表明,该方法的车辆识别效果优于单一传感器,且在多种路况下识别效果良好。

关 键 词：车辆检测 毫米波雷达 YOLO算法  传感器融合 多目标跟踪

分 类 号：TN957.52] U463.6]