科技日报记者 刘垠 通讯员 李立敏
在智能驾驶飞速发展的今天，精准感知路面小目标是保障行车安全的核心技术之一。但当遇到暴雨雾雪的恶劣天气，多车辆遮挡的复杂路况环境，单一传感器易造成错误识别。将毫米波雷达与相机信息融合，提高目标的识别率，就像为智能车辆装上了“慧眼”，让车辆目标检测更精准、更可靠。
单一的雷达传感能较好适应环境变化，却难分辨小尺寸的目标；单一的相机传感能识别小尺寸目标，但在光线较暗、恶劣天气中使用受限。不过，这一难题有望被毫米雷达波和相机融合的车辆检测方法破解。该论文成果近期刊登在中国计量测试学会主办的《计量学报》上。
“我们的核心思路就是让两者优势互补，解决实际驾驶中存在的环境干扰、小目标物识别率低的检测痛点。融合系统的视觉核心是采用在原始模型的关键部位加入注意力机制，相当于给视觉检测加了特定位置的框，避免环境干扰、多个车辆重叠的影响。”通讯作者、中国计量大学机电工程学院硕士生导师马小龙解释说，两种不同模态的传感器协同工作，采用时空同步的方法，以雷达采样为触发点，确保数据来源于同一时刻，在空间上则通过算法完成坐标系转换。
项目组成员王建宇补充道，传统算法只看目标距离，但当多个车辆遮挡时容易发生匹配错误。“我们构造了包含检测框重叠率和中心点距离的关联矩阵，结合匈牙利算法实现最优匹配，关联精确率比传统算法提高2.91%。通过设置阈值和生命周期筛选，先剔除无效信息，再用卡尔曼滤波算法实现平滑跟踪，让车辆轨迹更贴合真实运动状态。”王建宇介绍，科研人员替换了原有识别算法中的损失函数，让目标框定位更准，新增了小目标检测层，用于解决远距离车辆图像小造成的漏检问题。改进后的模型在公开数据集和自制数据集上验证，白天能精准识别被绿化带遮挡的路边车辆，夜晚可克服强光干扰捕捉目标，融合检测率达88.09%。
据悉，该项目得到浙江省自然科学基金支持，研究团队完成了从理论推导到实车验证工作，破解了单一传感器的检测局限。未来，还将拓展技术适用场景，让智能出行更安全、更安心。
网友评论
