MM1314午夜免费视频

                    24小時論文定制熱線

                    咨詢電話

                    熱門畢設:土木工程工程造價橋梁工程計算機javaasp機械機械手夾具單片機工廠供電采礦工程
                    您當前的位置:論文定制 > 畢業設計論文 >
                    快速導航
                    畢業論文定制
                    關于我們
                    我們是一家專業提供高質量代做畢業設計的網站。2002年成立至今為眾多客戶提供大量畢業設計、論文定制等服務,贏得眾多客戶好評,因為專注,所以專業。寫作老師大部分由全國211/958等高校的博士及碩士生設計,執筆,目前已為5000余位客戶解決了論文寫作的難題。 秉承以用戶為中心,為用戶創造價值的理念,我站擁有無縫對接的售后服務體系,代做畢業設計完成后有專業的老師進行一對一修改與完善,對有答辯需求的同學進行一對一的輔導,為你順利畢業保駕護航
                    代做畢業設計
                    常見問題

                    聯合自適應卡爾曼濾波的縮微車目標檢測系統開發

                    添加時間:2018/11/17 來源:吉林大學 作者:高思偉
                    車輛的目標檢測主要是通過車載傳感器對局部環境感知來實現,其中最重要的部分是估計車輛前方目標的運動狀況。車輛行駛過程中對前方目標運動狀態的估計是智能車輔助駕駛系統中的重要研究課題。
                    以下為本篇論文正文:

                    摘要

                      車輛的目標檢測主要是通過車載傳感器對局部環境感知來實現,其中最重要的部分是估計車輛前方目標的運動狀況。車輛行駛過程中對前方目標運動狀態的估計是智能車輔助駕駛系統中的重要研究課題,其主要包括實時測量搭載傳感器的實驗車與前方目標的相對橫縱向速度、相對橫縱向加速度和相對位置等狀態變量。傳統的單傳感器目標檢測只能根據傳感器的特性獲取某一方面的數據,而多傳感器可以為縮微車提供更加完整的數據信息。因此可以將自適應卡爾曼濾波模型和聯合卡爾曼濾波模型做出融合,達到了避免單傳感器信息采集盲區的問題并且提高了濾波器系統穩定性的目的,最終達到提高多數據源信息融合的質量目的,為進一步的判斷和決策提供了良好的基礎。另一方面采用縮微車技術可以降低實驗成本、降低實驗風險、提高系統維護性并且提供了模擬大規模車輛的功能,這些特點使得縮微車成為了智能交通實驗的良好載體。

                      本文以場景中的縮微車為基礎,即每個車輛都可以獲得一定范圍內的其他車輛和障礙物的狀態信息,通過以下兩個方面對該系統進行設計與實現:

                     。1)實現對縮微車前方目標檢測:縮微車在行駛過程中通過攝像頭、雷達和車載光電編碼器不斷采集車輛前方的局部交通情況,然后通過 mini2440 處理器對來自不同傳感器的信息進行集中處理。在 mini2440 中將進行如下算法:采用基于 HOG+SVM 行人識別提取圖像數據的行人目標、采用區域分割法提取雷達數據的目標運動信息以及通過光電編碼器獲取車輛自身車速。最后經過處理的信息將發送到服務器端并進行數據融合完成局部交通環境的顯示。

                     。2)實現多傳感器數據融合:基于新息自適應卡爾曼濾波,提出了一種多傳感器聯合濾波的方法來提高估計前方行駛車輛的運動狀態的精度。該濾波方式以激光雷達和毫米波雷達作為局部濾波器,通過自適應過程實時調整局部濾波器的測量噪聲協方差和系統噪聲協方差,并利用測量噪聲協方差計算出聯合濾波中各局部濾波器的信息分配因子,最后根據信息分配因子來完成最優信息融合并將全局濾波結果反饋到各局部濾波器。聯合卡爾曼濾波可以結合多種傳感器的測量優勢,使每次得到的濾波結果是各個局部濾波器中最優的,并且利用反饋機制提高了測量精度。

                      根據實驗結果可知,本文提出的縮微車目標檢測系統的功能正確完善,可以達到實時監控局部交通環境的目的。同時聯合自適應卡爾曼濾波方式有良好的環境適應能力和系統容錯率,當一個傳感器的濾波性能出現異常時,該系統的濾波結果并未產生異常。

                      在整個實驗過程中,該方法相較于標準卡爾曼濾波和單傳感器的新息自適應濾波具有最高的測量精度。

                      關鍵詞:目標檢測,運動狀態估計,多傳感器,縮微車,行人識別,聯合自適應卡爾曼濾波

                    Abstract

                      Target detection for vehicles based on local environment perception by vehicle-sensors, then estimating the motion state information of the forwards target. The estimation for driving vehicles is an important research topic in intelligent vehicle auxiliary driving system,it mainly includes the Real-time measurement experimental car carrying sensor and relative horizontal longitudinal velocity, the relative target in front of the transverse longitudinal acceleration and the relative position of state variables.But the single sensor may be easily affected by the environmental change, so the the multi-sensor fusion will be introduced to the miniature intelligent vehicles, the paper proposed a multi-layer filter through extending Innovation-based Adaptive Estimation. Compared with traditional target detection in single sensor, this solution significantly improve accuracy and variety of target information.it adopts multi buffer pools to reduce time error and space error,thereby improving system efficiency. On the other hand, the miniature intelligent vehicles technology can reduce experiment costs and risks, make the experiment easy to maintain and realize simulation of mass vehicle motions, which provides good protection for the experiment.

                      The paper based on miniature intelligent vehicles in the scene. So every miniature vehicle can get the motion state information of other vehicles and obstacle. The design and implementment of target detection systemis as the following two aspects:

                      (1) Implementation of miniature car in front of the target detection: Miniature car use cameras,radar and in the process of driving vehicle photoelectric encoder to continually collect vehicle in front of local traffic conditions,then use the mini2440 processor of information from different sensors to centralized processing. In mini2440 the algorithm is as follows: Based on HOG + SVM pedestrian recognition to extract the image data of pedestrian targets, use the region segmentation method to extract the target movement information radar data and use the photoelectric encoder to obtain its own speed.In the end,the information which processing is completed will be sent to the server for data fusion display of local traffic environment.

                      (2) A multi-sensorial Federated Kalman Filter algorithm based on Innovation-based Adaptive Estimation (IAE) is proposed(JAKF), which is used to estimate motion state of the vehiclesahead. In this system, Lidar and Radar become local filter, local filters adjust measurement noise covariance Rand system noise covarianceQadaptively, then global filter uses the measurement noise covariance and system noise covariance to calculate information allocation factor for Federated Kalman Filtering, finally, according to the information distribution factor to complete the optimal information fusion and the global filtering results feedback to each local filter. Federated Kalman Filter combine advantage of multiple sensors, so the global filtering’s results is optimal than each local filtering’s results, in addition, the feedback mechanism can improve the filter measurement accuracy.

                      According to the result of experiment shows that the proposed miniature car function of target detection system is correct and can achieve the goal of real-time monitoring local traffic environment.Experiment results show that the algorithm has great adaptive capacity and error-tolerant capacity. When a sensor filtering performance is abnormal, the system of filtering result does not have exception.And the algorithm has the most accurate estimate than the standard one does and single sensor one does.

                      Keywords:Target detection, Estimation of the motion state, Multi-sensor fusion, Miniature intelligent vehicles, Pedestrian recognition,JAKF

                      近年來,物聯網技術飛速發展,全球各發達國家對 ITS 智能交通系統的發展的重視程度不斷提高。在 ITS 中人、車與環境形成一個緊密聯系的整體,通過融合搭載在汽車上的多種傳感器的信息來實現對汽車周圍環境的感知。當汽車的周圍存在潛在危險時,ITS 中的汽車還將收到危險警告,當情況緊急時,ITS 將采取有效措施控制汽車,來保證行車安全。而該系統的核心部分在于汽車主動安全的實現。

                      仿真技術的優勢在于成本低廉、易于維護、可見性強、可控性優良以及安全穩定,因此將其運用在智能交通系統的搭建上有很大的實用價值。將仿真技術運用在智能車研究上一方面可以保證實驗結果的真實性和正確性,另一方面還可以縮減實驗成本,減少時間和精力的投入。智能車輛技術主要包括三大部分:感知層、決策層和執行層[1]。感知層的工作原理是通過搭載在車輛上的通信裝置、電子設備、車載調度系統以及公路旁的基礎設施中的傳感器,無線識別等技術,達到在系統中采集所有車輛的運行信息并進行分析計算再加以利用。目前,感知層主要采用多種傳感器融合技術,彌補了傳統單傳感器信息采集的局限性,采集的信息越全面,汽車的環境感知效果越好,決策層作出的判斷越準確。采用多傳感器感知技術的智能車充分發揮各個傳感器的優勢,結合不同傳感器的特點進行更好的定位、特征估計以及全面和實時地對局部交通環境進行評估。例如:激光雷達傳感器可探測智能車周圍一定范圍內的障礙物的狀態信息和運動信息,但無法獲得各個障礙物的視覺信息。視覺信息傳感器可以識別車道線、識別車輛周圍障礙物的類型(人、車、物),但無法準確地獲取距離信息以及識別目標的詳細狀態。車輛內部信息傳感器提供了車輛內部環境中的自身屬性,而前兩種傳感器往往無法獲取該類信息。

                      車輛附近目標的運動狀態的采集是車輛自主駕駛功能實現的基礎,因此車輛目標運動狀態估計的算法需要更加準確。目前在智能車輔助駕駛系統中常使用的測距傳感器包括激光雷達和毫米波雷達[2]。DARPA 城市挑戰賽中很多成功的案例表明,這兩類傳感器已廣泛應用于車輛目標檢測[3-5]。激光雷達具有更加精確的檢測精度、更高的精測頻率以及更大的檢測范圍等優點,并可以直接獲取目標的距離,進而通過簡單換算獲取目標速度和加速度等參數。但由于激光在傳播中容易衰減的特點,激光雷達對環境和天氣變化的適應性較差,因此在陰天或是雨雪天氣激光雷達的性能將大幅下降。毫米波雷達也是一種可以獲取目標多種狀態信息的傳感器,毫米波雷達相較于激光雷達在檢測精度上有所降低,但是毫米波具有更優秀的穿透能力,受環境和天氣的影響更小。因此,利用這兩種傳感器具有不同頻譜的特點,它們能夠相互補償對方的缺點。這一特性使它們成為傳感器處理和數據融合系統的最佳研究對象[6]。

                      在局部交通環境感知的整體框架上,本文提出了一個客戶端/服務器(C/S)架構的微縮仿真實驗平臺。在交通沙盤中,五輛縮微小車(Client)多種傳感器不斷獲取車輛附近的局部交通環境,并在多傳感器采集的數據基礎上進行行人識別和目標運動狀態信息一區,最后將多源數據和從中提取出的信息進行數據分包,以數據包的形式發送到服務器(Server)。服務器的主要功能是對多源進行分類和融合,并將融合后的數據可以作為局部環境感知的基礎數據來實現為車輛行駛過程中四周目標運動狀態的實時監控,同時還可以將融合數據存儲在本地數據庫中。以文獻[7]的聯合卡爾曼濾波的融合復位結構(FR)和文獻[8]的新息自適應卡爾曼濾波(AKF)為基礎,利用激光雷達和毫米波雷達的數據,提出了一種激光雷達與毫米波雷達組合進行目標運動狀態估計的聯合自適應卡爾曼濾波器(FAKF)。該方法將激光雷達與毫米波雷達作為局部濾波器,各局部傳感器之間以并行的方式進行新息自適應濾波,然后通過坐標轉換和時間統一對局部濾波器的數據進行預處理,最后進行聯合自適應濾波,并將局部濾波器 LF 的測量噪聲協方差 R 作為計算信息分配因子 β 的依據,β 用來控制 LF 的狀態矢量 X 占最優融合狀態的權重和調節 LF的狀態矢量協方差 P。當激光雷達傳感器受天氣影響而性能降低時,其對應的 R 隨之增大,相應的 β 也將隨之改變,從而降低該傳感器的數據對整體濾波結果的噪聲污染。本文的濾波方式結合了激光雷達傳感器與毫米波雷達傳感器各自的性能特點,實現了一種更加穩定的環境適應能力更強的前車運動狀態測量的方法。

                      聯合自適應卡爾曼濾波的縮微車目標檢測系統模型:

                    URG 和 ESR 的噪聲強度
                    URG 和 ESR 的噪聲強度

                    噪聲協方差矩陣
                    噪聲協方差矩陣

                    URG 的濾波結果和誤差分析
                    URG 的濾波結果和誤差分析

                    ESR 的濾波結果和誤差分析
                    ESR 的濾波結果和誤差分析

                    目 錄

                      第 1 章 緒論
                        1.1 研究背景及意義
                        1.2 本文的主要工作
                        1.3 本文的組織結構
                      第 2 章 相關工作
                        2.1 國內外研究現狀
                          2.1.1 智能交通系統
                          2.1.2 卡爾曼濾波器
                        2.2 亟需解決的問題
                        2.3 本文的優勢
                        2.4 本章小結
                      第 3 章 縮微車目標檢測系統設計
                        3.1 系統架構
                        3.2 客戶端數據采集系統
                          3.2.1 視頻模塊與行人識別算法
                          3.2.2 激光雷達模塊與目標信息提取算法
                          3.2.3 車輛內部信息模塊
                          3.2.4 通信協議
                        3.3 服務器數據處理系統
                          3.3.1 時間統一與數據糾正
                          3.3.2 激光雷達數據與攝像頭數據融合
                          3.3.3 車輛定位
                        3.4 仿真實驗
                        3.5 本章小結
                      第 4 章 聯合自適應卡爾曼濾波模型分析
                        4.1 聯合自適應卡爾曼濾波模型
                        4.2 局部卡爾曼濾波器
                        4.3 全局卡爾曼濾波器
                        4.4 時間一致性與空間一致性
                          4.4.1 時間一致性
                          4.4.1 空間一致性
                        4.5 仿真實驗
                          4.5.1 可行性驗證
                          4.5.2 實驗分析
                        4.6 本章小結
                      第 5 章 總結與展望
                        5.1 全文總結
                        5.2 未來工作
                      參考文獻
                      作者簡介及在學期間所取得的科研成果
                      致 謝

                    (如您需要查看本篇畢業設計全文,請您聯系客服索。

                    相關內容
                    好優論文定制中心主要為您提供代做畢業設計及各專業畢業論文寫作輔導服務。 網站地圖
                    所有論文、資料均源于網上的共享資源以及一些期刊雜志,所有論文僅免費供網友間相互學習交流之用,請特別注意勿做其他非法用途。
                    如有侵犯您的版權或其他有損您利益的行為,請聯系指出,論文定制中心會立即進行改正或刪除有關內容!

                    將微信二維碼保存到相冊

                    打開微信掃一掃從相冊識別

                    1.點擊下面按鈕復制QQ號

                    3008637063

                    2.打開QQ→添加好友/群

                    粘貼QQ號,加我為好友

                    MM1314午夜免费视频