camera不足以独立完成自动驾驶感知任务,与视觉传感器相比,毫米波雷达的检测性能受极端天气的影响较小。此外,毫米波雷达不仅测量距离,还可以利用运动物体反射信号的多普勒效应测量速度矢量。然而,毫米波雷达无法提供目标的轮廓信息,并且难以区分相对静止的目标。从这个方面看,视觉传感器和毫米波雷达的探测能力可以相互补充。基于毫米波雷达和视觉融合的检测算法可以显著提高自主车辆的感知能力,帮助车辆更好地应对复杂场景中的目标检测任务。
基于毫米波雷达和视觉融合的目标检测过程如下图所示,毫米波雷达与视觉融合过程包括三个部分:传感器选择、传感器标定和传感器融合,为了实现毫米波雷达和视觉融合目标检测的预期性能。
随着大数据、云计算和 5G 技术的成熟, 智能驾驶快速发展。车辆识别是智能驾驶的重要技术之一,针对传统单一传感器方法识别效果差、易受干扰等缺点,利用毫米波雷达与摄像头实现对路面障碍物的检测与定位。
简介毫米波雷达和摄像头融合算法开发项目包含传感器信息采集技术、多源信息融合技术、深度学习技术等,应用于无人驾驶领域。
张炳力教授科研团队主要研究方向: 智能汽车技术、 电动汽车技术、汽车动力学及控制技术、 汽车CAE、汽车产业发展,其团队承担多项纵向研究类项目、产业研究类项目、部分企业委托项目,张炳力教授本人 中国汽车工程学会电动汽车分会委员、 中国汽车技术中心特聘专家、合肥市智能网联汽车专家委员会委员
评价单位:“科创中国”新能源汽车产业科技服务团 (中国汽车工程学会)
评价时间:2022-11-10
综合评价
经评审,该技术应用于智能网联汽车L2级辅助驾驶,符合市场发展趋势,项目符合国家产业政策,对促进当地行业技术进步、扩大就业、增加地方税收,都起到了积极的推动作用。
查看更多>