CN112965083A - 一种智能汽车的多传感信息融合系统 - Google Patents
一种智能汽车的多传感信息融合系统 Download PDFInfo
- Publication number
- CN112965083A CN112965083A CN202110143616.4A CN202110143616A CN112965083A CN 112965083 A CN112965083 A CN 112965083A CN 202110143616 A CN202110143616 A CN 202110143616A CN 112965083 A CN112965083 A CN 112965083A
- Authority
- CN
- China
- Prior art keywords
- image
- laser radar
- fusion
- range
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 63
- 238000003384 imaging method Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 238000005516 engineering process Methods 0.000 claims abstract description 7
- 238000001914 filtration Methods 0.000 claims description 9
- 230000003287 optical effect Effects 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000010521 absorption reaction Methods 0.000 claims description 3
- 230000002146 bilateral effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000000750 progressive effect Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims 1
- 230000002123 temporal effect Effects 0.000 claims 1
- 230000003044 adaptive effect Effects 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/66—Tracking systems using electromagnetic waves other than radio waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Abstract
本发明公开了一种智能汽车的多传感信息融合系统，涉及汽车多传感信息融合系统技术领域；为了减少交通的拥堵和交通事故；该多传感信息融合系统具体包括成像激光雷达模块和图像增强模块，所述成像激光雷达模块包括MGD距离选通脉冲激光雷达系统、MGD编码单元和MGD方法距离估计单元，所述图像增强模组包括视觉传感器模块、Retinex算法和自动色阶理论模块，所述MGD距离选通成像激光雷达系统基于距离选通技术，所述选通技术设置可以通过数字编码控制。本发明通过对目标反射激光器发射脉冲返回时间和探测器增益的选通探测功能，依据脉冲回波返回时间的先后探测不同距离的目标，选通时刻和选通时间可以通过数字编码控制。
Description
技术领域
本发明涉及汽车多传感信息融合系统技术领域，尤其涉及一种智能汽车的多传感信息融合系统。
背景技术
在交通领域，为了减少交通的拥堵和交通事故的发生，需要对交通方式进行改变，使得交通朝向智能交通领域进行发展，为了保证车辆运行的安全，因此需要在车上安装必要的传感器和驾驶辅助装置先进驾驶辅助系统是利用安装于车上的各式各样的传感器，在第一时间收集车内外的环境数据，进行静、动态物体的辨识、侦测与追踪等技术上的处理，从而能够让驾驶者在最快的时间察觉可能发生的危险，以引起注意和提高安全性的主动安全技术。
经检索，中国专利申请号为CN201710057663.0的专利，公开了一种智能驾驶汽车的传感器自检系统及多传感融合系统，其为一个集成的多传感器自检系统，在检测智能驾驶汽车各传感器状态时，综合了所有传感器的自检结果，并对检查结果进行了分类，利用多个同类别传感器带来的感知冗余，进一步地进行传感器验错检测，合理判断智能驾驶车辆的综合传感器状态。
上述专利中的一种智能驾驶汽车的传感器自检系统及多传感融合系统存在以下不足：在多个传感器进行融合的过程中，融合方式较为单一，无法保证传感器之间进行融合工作的效率。
发明内容
本发明的目的是为了解决现有技术中存在的在多个传感器进行融合的过程中，融合方式较为单一，无法保证传感器之间进行融合工作的效率的缺点，而提出的一种智能汽车的多传感信息融合系统。
为了实现上述目的，本发明采用了如下技术方案：
一种智能汽车的多传感信息融合系统，包括成像激光雷达模块和图像增强模块，所述成像激光雷达模块包括MGD距离选通脉冲激光雷达系统、MGD编码单元和MGD方法距离估计单元，所述图像增强模组包括视觉传感器模块、Retinex算法和自动色阶理论模块，所述MGD距离选通成像激光雷达系统基于距离选通技术，所述选通技术设置可以通过数字编码控制。
优选的：所述MGD距离选通脉冲激光雷达系统包括脉冲激光器、激光发射天线、光学接收天线、滤光片、CMOS阵列探测器、计算机数据处理器以及PIN光电二极管辅助信号电路和距离选通控制电路。
优选的：所述MGD距离选通脉冲激光雷达系统的操作方法包括以下步骤：
S1：激光器发射激光脉冲信号，激光脉冲信号通过光学系统扩束后，向目标方向传输；
S2：激光脉冲信号在大气中传播，在传播过程中，会受到大气吸收、大气散射、后向散射和背景辐射等影响，淹没真正的激光脉冲回波信号；
S3：目标散射激光脉冲信号，激光回波信号返回距离选通成像激光雷达系统时，设定选通门开启，让距离选通成像激光雷达系统接收目标反射的激光脉冲信号；
S4：在距离选通成像激光雷达系统接收目标反射的激光脉冲信号完成后，选通门关闭。
优选的：所述MGD编码设计单元的控制方法是在距离选通成像激光雷达系统测距原理的基础上，令多个激光发射脉冲顺序延迟编码、结算而提高系统分辨率的方法。
优选的：所述视觉传感器模块采用Progressive Scan CMOS图像传感器，所述视觉传感器的模块的使用方法，包括以下步骤：
S21：将RGB空间转变到HSI空间，再对其中的亮度分量进行多尺度retinex算法；
S22：采用双边滤波，对整体图像进行去噪处理；
S23：采用自动色阶算法对图像进行调整。
优选的：所述Retinex算法流程包括以下步骤：
S31：将入射光分量和反射光分量进行分离；
S32：用高斯模板对原图像做卷积，得到低通滤波后的图像；
S33：在对数域中用原图减去低通滤波后的图像；
S34：取反对数得到高频增强后的图像；
S35：将不同尺度的计算结果进行叠加。
优选的：成像雷达和视觉传感器的融合包括数据级融合、特征层融合和决策层融合，所述数据级融合对传感器信息进行简单预处理后就进行融合，所述特征级的信息融合将信息源提取其特征信息然后进行融合，所述决策级融合对决策可信度进行评价，综合各优化指标得到决策结果。
在前述方案的基础上：所述信息融合包括以下步骤：
S41：将激光雷达和视觉传感器安装在车辆的固定位置，进行校准；
S42：根据激光雷达和视觉传感器安装相对位置，建立激光雷达坐标系和像素坐标系的关联，构建数据时间和空间融合模型；
S43：成像激光雷达对前方进行探测，测量目标的距离像后，系统将距离像转化为灰度像，在进行图像的特征提取和目标识别；
S44：视觉传感器将取得的目标彩色图像转化为灰度像，再将灰度像进行特征提取和目标识别；
S45：激光雷达系统和视觉传感器所得数据将通过系统总线进行汇总，同时系统将汇集相关的车辆行驶状态信息，如速度等，进行多传感器信息融合，按照ICP算法对目标进行判别；
S46：将激光雷达和视觉传感器得到的观测值预处理后，与上一个周期的目标值相匹配，对已经确认的雷达和图像的观测值进行融合，得到当前目标值，构建数据时间融合模型；
S47：对融合的目标进行多周期管理，进行目标滤波处理。
在前述方案的基础上优选的：所述信息融合模块的使用流程，包括以下步骤：
S51：激光雷达和视觉传感器的数据时空配准；
S52：目标检测数据融合；
S53：传感器间信息控制。
在前述方案的基础上进一步优选的：S51步骤中的数据时空配准，包括激光雷达与视觉传感器空间配准和激光雷达与视觉传感器时间配准。
本发明的有益效果为：
1.通过设置有MGD距离选通成像激光雷达是通过对距离门的起始位置进行时间延迟，选通门可以为相机快门或者光开关完成，选通门的开启时间可以由延迟线等设备完成，系统还将对延迟时刻和延迟时长进行编码，再根据探测的顺序对目标距离像进行编码和解算，得到激光雷达系统的高分辨率距离像。
2.通过设置有图像增强技术已经可以较好的解决了恶劣环境下视觉传感器采集图像退化的问题，保留和突出了图像更多的目标信息,本项目将在原SSD透雾算法和自适应透雾算法的基础上，融合自适应直方图Retinex算法，根据人眼对光线入射分量进行自适应调节，使图像得到更进一步的增强，可以更好的满足低照度和低对比度的图像获取。
3.通过GPS传感器负责获取汽车位置信息，将为汽车稳定行驶提供数据，并根据地图，提供汽车前方固定障碍物与汽车间的距离信息，为激光雷达设定最远探测距离提供数据，速度传感器将提供汽车速度信息，为计算汽车安全距离提供帮助，温度传感器为激光雷达提供环境温度信息，为激光雷达计算信噪比提供帮助。
附图说明
图1为本发明提出的一种智能汽车的多传感信息融合系统的整体图；
图2为本发明提出的一种智能汽车的多传感信息融合系统的成像激光雷达模块示意图；
图3为本发明提出的一种智能汽车的多传感信息融合系统的图像增强模块示意图。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
下面详细描述本专利的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利，而不能理解为对本专利的限制。
在本专利的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利的限制。
在本专利的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“设置”应做广义理解，例如，可以是固定相连、设置，也可以是可拆卸连接、设置，或一体地连接、设置。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利中的具体含义。
实施例1：
一种智能汽车的多传感信息融合系统，如图1所示，包括成像激光雷达模块和图像增强模块，所述成像激光雷达模块包括MGD距离选通脉冲激光雷达系统、MGD编码单元和MGD方法距离估计单元，所述图像增强模组包括Retinex算法和自适应直方图算法，所述MGD距离选通成像激光雷达系统基于距离选通技术，所述选通时刻和选通时间的设置可以通过数字编码控制；MGB距离选通成像激光雷达系统通过对目标反射激光器发射脉冲返回时间和探测器增益的选通探测功能，依据脉冲回波返回时间的先后探测不同距离的目标，选通时刻和选通时间的设置可以通过数字编码控制，使系统能够实现信号的相关和积累检测，同时还可以在编码中融合正交复合编码，达到多探测器同时检测效果，通过设置有图像增强模块可以在低能度调节下保证图像的视觉效果，有利于对图像中的目标进行跟踪、识别和理解。
所述MGD距离选通脉冲激光雷达系统包括脉冲激光器、激光发射天线、光学接收天线、滤光片、CMOS阵列探测器、计算机数据处理器以及PIN光电二极管辅助信号电路和距离选通控制电路。
所述MGD距离选通脉冲激光雷达系统的操作方法包括以下步骤：
S1：激光器发射激光脉冲信号，激光脉冲信号通过光学系统扩束后，向目标方向传输；
S2：激光脉冲信号在大气中传播，在传播过程中，会受到大气吸收、大气散射、后向散射和背景辐射等影响，淹没真正的激光脉冲回波信号；
S3：目标散射激光脉冲信号，激光回波信号返回距离选通成像激光雷达系统时，设定选通门开启，让距离选通成像激光雷达系统接收目标反射的激光脉冲信号；
S4：在距离选通成像激光雷达系统接收目标反射的激光脉冲信号完成后，选通门关闭。
所述MGD编码设计单元的控制方法是在距离选通成像激光雷达系统测距原理的基础上，令多个激光发射脉冲顺序延迟编码、结算而提高系统分辨率的方法。
所述视觉传感器模块采用Progressive Scan CMOS图像传感器，所述视觉传感器的模块的使用方法，包括以下步骤：
S21：将RGB空间转变到HSI空间，再对其中的亮度分量进行多尺度retinex算法；
S22：采用双边滤波，对整体图像进行去噪处理；
S23：采用自动色阶算法对图像进行调整。
所述Retinex算法流程包括以下步骤：
S31：将入射光分量和反射光分量进行分离；
S32：用高斯模板对原图像做卷积，得到低通滤波后的图像；
S33：在对数域中用原图减去低通滤波后的图像；
S34：取反对数得到高频增强后的图像；
S35：将不同尺度的计算结果进行叠加。
所述自动色阶理论基于自适应直方图Retinex增强算法对雾霭天气图像进行图像增强去雾处理。
实施例2：
一种智能汽车的多传感信息融合系统，成像雷达和视觉传感器的融合包括数据级融合、特征层融合和决策层融合，所述数据级融合对传感器信息进行简单预处理后就进行融合，所述特征级的信息融合将信息源提取其特征信息然后进行融合，所述决策级融合对决策可信度进行评价，综合各优化指标得到决策结果。
所述信息融合包括以下步骤：
S41：将激光雷达和视觉传感器安装在车辆的固定位置，进行校准；
S42：根据激光雷达和视觉传感器安装相对位置，建立激光雷达坐标系和像素坐标系的关联，构建数据时间和空间融合模型；
S43：成像激光雷达对前方进行探测，测量目标的距离像后，系统将距离像转化为灰度像，在进行图像的特征提取和目标识别；
S44：视觉传感器将取得的目标彩色图像转化为灰度像，再将灰度像进行特征提取和目标识别；
S45：激光雷达系统和视觉传感器所得数据将通过系统总线进行汇总，同时系统将汇集相关的车辆行驶状态信息，如速度等，进行多传感器信息融合，按照ICP算法对目标进行判别；
S46：将激光雷达和视觉传感器得到的观测值预处理后，与上一个周期的目标值相匹配，对已经确认的雷达和图像的观测值进行融合，得到当前目标值，构建数据时间融合模型；
S47：对融合的目标进行多周期管理，进行目标滤波处理。
所述信息融合模块的使用流程，包括以下步骤：
S51：激光雷达和视觉传感器的数据时空配准；
S52：目标检测数据融合；
S53：传感器间信息控制。
所述S51步骤中的数据时空配准，包括激光雷达与视觉传感器空间配准和激光雷达与视觉传感器时间配准。
所述S3步骤中的传感器包括温度传感器、GPS传感器和速度传感器。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种智能汽车的多传感信息融合系统，包括成像激光雷达模块和图像增强模块，其特征在于，所述成像激光雷达模块包括MGD距离选通脉冲激光雷达系统、MGD编码单元和MGD方法距离估计单元，所述图像增强模组包括视觉传感器模块、Retinex算法和自动色阶理论模块，所述MGD距离选通成像激光雷达系统基于距离选通技术，所述选通技术设置可以通过数字编码控制。
2.根据权利要求1所述的一种智能汽车的多传感信息融合系统，其特征在于，所述MGD距离选通脉冲激光雷达系统包括脉冲激光器、激光发射天线、光学接收天线、滤光片、CMOS阵列探测器、计算机数据处理器以及PIN光电二极管辅助信号电路和距离选通控制电路。
3.根据权利要求1所述的一种智能汽车的多传感信息融合系统，其特征在于，所述MGD距离选通脉冲激光雷达系统的操作方法包括以下步骤：
S1：激光器发射激光脉冲信号，激光脉冲信号通过光学系统扩束后，向目标方向传输；
S2：激光脉冲信号在大气中传播，在传播过程中，会受到大气吸收、大气散射、后向散射和背景辐射等影响，淹没真正的激光脉冲回波信号；
S3：目标散射激光脉冲信号，激光回波信号返回距离选通成像激光雷达系统时，设定选通门开启，让距离选通成像激光雷达系统接收目标反射的激光脉冲信号；
S4：在距离选通成像激光雷达系统接收目标反射的激光脉冲信号完成后，选通门关闭。
4.根据权利要求1所述的一种智能汽车的多传感信息融合系统，其特征在于，所述MGD编码设计单元的控制方法是在距离选通成像激光雷达系统测距原理的基础上，令多个激光发射脉冲顺序延迟编码、结算而提高系统分辨率的方法。
5.根据权利要求1所述的一种智能汽车的多传感信息融合系统，其特征在于，所述视觉传感器模块采用Progressive Scan CMOS图像传感器，所述视觉传感器的模块的使用方法，包括以下步骤：
S21：将RGB空间转变到HSI空间，再对其中的亮度分量进行多尺度retinex算法；
S22：采用双边滤波，对整体图像进行去噪处理；
S23：采用自动色阶算法对图像进行调整。
6.根据权利要求1所述的一种智能汽车的多传感信息融合系统，其特征在于，所述Retinex算法流程包括以下步骤：
S31：将入射光分量和反射光分量进行分离；
S32：用高斯模板对原图像做卷积，得到低通滤波后的图像；
S33：在对数域中用原图减去低通滤波后的图像；
S34：取反对数得到高频增强后的图像；
S35：将不同尺度的计算结果进行叠加。
7.根据权利要求1所述的一种智能汽车的多传感信息融合系统，其特征在于，成像雷达和视觉传感器的融合包括数据级融合、特征层融合和决策层融合，所述数据级融合对传感器信息进行简单预处理后就进行融合，所述特征级的信息融合将信息源提取其特征信息然后进行融合，所述决策级融合对决策可信度进行评价，综合各优化指标得到决策结果。
8.根据权利要求1所述的一种智能汽车的多传感信息融合系统，其特征在于，所述信息融合包括以下步骤：
S41：将激光雷达和视觉传感器安装在车辆的固定位置，进行校准；
S42：根据激光雷达和视觉传感器安装相对位置，建立激光雷达坐标系和像素坐标系的关联，构建数据时间和空间融合模型；
S43：成像激光雷达对前方进行探测，测量目标的距离像后，系统将距离像转化为灰度像，在进行图像的特征提取和目标识别；
S44：视觉传感器将取得的目标彩色图像转化为灰度像，再将灰度像进行特征提取和目标识别；
S45：激光雷达系统和视觉传感器所得数据将通过系统总线进行汇总，同时系统将汇集相关的车辆行驶状态信息，如速度等，进行多传感器信息融合，按照ICP算法对目标进行判别；
S46：将激光雷达和视觉传感器得到的观测值预处理后，与上一个周期的目标值相匹配，对已经确认的雷达和图像的观测值进行融合，得到当前目标值，构建数据时间融合模型；
S47：对融合的目标进行多周期管理，进行目标滤波处理。
9.根据权利要求8所述的一种智能汽车的多传感信息融合系统，其特征在于，所述信息融合模块的使用流程，包括以下步骤：
S51：激光雷达和视觉传感器的数据时空配准；
S52：目标检测数据融合；
S53：传感器间信息控制。
10.根据权利要求9所述的一种智能汽车的多传感信息融合系统，其特征在于，所述S51步骤中的数据时空配准，包括激光雷达与视觉传感器空间配准和激光雷达与视觉传感器时间配准。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110143616.4A CN112965083A (zh) | 2021-02-02 | 2021-02-02 | 一种智能汽车的多传感信息融合系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110143616.4A CN112965083A (zh) | 2021-02-02 | 2021-02-02 | 一种智能汽车的多传感信息融合系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112965083A true CN112965083A (zh) | 2021-06-15 |
Family
ID=76273412
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110143616.4A Pending CN112965083A (zh) | 2021-02-02 | 2021-02-02 | 一种智能汽车的多传感信息融合系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112965083A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113687384A (zh) * | 2021-08-23 | 2021-11-23 | 阿波罗智联(北京)科技有限公司 | 探测装置、路侧传感设备以及智能交通系统 |
| WO2023066156A1 (zh) * | 2021-10-18 | 2023-04-27 | 长沙中车智驭新能源科技有限公司 | 一种视觉雷达感知融合方法及终端设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102176024A (zh) * | 2011-02-22 | 2011-09-07 | 哈尔滨工业大学 | 多脉冲门延迟距离选通激光成像雷达 |
| CN105654433A (zh) * | 2015-12-28 | 2016-06-08 | 桂林电子科技大学 | 基于改进多尺度Retinex的彩色图像增强方法 |
| CN106447617A (zh) * | 2016-03-24 | 2017-02-22 | 华南理工大学 | 一种改进的Retinex图像去雾方法 |
| CN106840242A (zh) * | 2017-01-23 | 2017-06-13 | 驭势科技（北京）有限公司 | 一种智能驾驶汽车的传感器自检系统及多传感融合系统 |
| CN108053374A (zh) * | 2017-12-05 | 2018-05-18 | 天津大学 | 一种结合双边滤波与Retinex的水下图像增强方法 |
| CN109300101A (zh) * | 2018-10-18 | 2019-02-01 | 重庆邮电大学 | 一种基于Retinex理论的多曝光图像融合方法 |
| CN110211075A (zh) * | 2019-05-31 | 2019-09-06 | 天津大学 | 照度不均匀电子散斑干涉条纹图像增强方法 |
| CN110673112A (zh) * | 2019-12-05 | 2020-01-10 | 湖南国天电子科技有限公司 | 一种条纹管激光雷达距离选通门控制方法及装置 |
-
2021
- 2021-02-02 CN CN202110143616.4A patent/CN112965083A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102176024A (zh) * | 2011-02-22 | 2011-09-07 | 哈尔滨工业大学 | 多脉冲门延迟距离选通激光成像雷达 |
| CN105654433A (zh) * | 2015-12-28 | 2016-06-08 | 桂林电子科技大学 | 基于改进多尺度Retinex的彩色图像增强方法 |
| CN106447617A (zh) * | 2016-03-24 | 2017-02-22 | 华南理工大学 | 一种改进的Retinex图像去雾方法 |
| CN106840242A (zh) * | 2017-01-23 | 2017-06-13 | 驭势科技（北京）有限公司 | 一种智能驾驶汽车的传感器自检系统及多传感融合系统 |
| CN108053374A (zh) * | 2017-12-05 | 2018-05-18 | 天津大学 | 一种结合双边滤波与Retinex的水下图像增强方法 |
| CN109300101A (zh) * | 2018-10-18 | 2019-02-01 | 重庆邮电大学 | 一种基于Retinex理论的多曝光图像融合方法 |
| CN110211075A (zh) * | 2019-05-31 | 2019-09-06 | 天津大学 | 照度不均匀电子散斑干涉条纹图像增强方法 |
| CN110673112A (zh) * | 2019-12-05 | 2020-01-10 | 湖南国天电子科技有限公司 | 一种条纹管激光雷达距离选通门控制方法及装置 |
Non-Patent Citations (4)
| Title |
|---|
| 刘伟: "基于激光雷达和机器视觉的智能车前方障碍物检测研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 08, pages 035 - 186 * |
| 杨鑫 等: "面向高级辅助驾驶雷达和视觉传感器信息融合算法的研究", 《汽车实用技术》, no. 1, pages 37 - 40 * |
| 武历颖: "无人驾驶汽车环境信息提取及运动决策方法研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》, pages 19 - 20 * |
| 陆峰 等: "基于信息融合的智能车障碍物检测方法", 《计算机应用》, vol. 37, no. 2, pages 115 - 119 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113687384A (zh) * | 2021-08-23 | 2021-11-23 | 阿波罗智联(北京)科技有限公司 | 探测装置、路侧传感设备以及智能交通系统 |
| WO2023066156A1 (zh) * | 2021-10-18 | 2023-04-27 | 长沙中车智驭新能源科技有限公司 | 一种视觉雷达感知融合方法及终端设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11348266B2 (en) | Estimating distance to an object using a sequence of images recorded by a monocular camera | |
| WO2020103533A1 (zh) | 一种轨道和道路障碍物检测方法 | |
| JP5551595B2 (ja) | 滑走路監視システムおよび方法 | |
| EP2602640B1 (en) | Vehicle occupancy detection using time-of-flight sensor | |
| US11136046B2 (en) | Method and system of vehicle alarm that alarm area is changed by visible distance, and vision system for vehicle | |
| US9262693B2 (en) | Object detection apparatus | |
| Hautière et al. | Mitigation of visibility loss for advanced camera-based driver assistance | |
| CN112215306B (zh) | 一种基于单目视觉与毫米波雷达融合的目标检测方法 | |
| EP1767960A1 (en) | Front image taking device | |
| CN105711597A (zh) | 前方局部行驶环境感知系统及方法 | |
| CN106096512B (zh) | 利用深度摄像头对车辆或行人进行识别的检测装置及方法 | |
| CN112965083A (zh) | 一种智能汽车的多传感信息融合系统 | |
| WO2003001473A1 (en) | Vision-based collision threat detection system_ | |
| CN103987575A (zh) | 用于识别制动情况的方法和设备 | |
| CN112101316B (zh) | 一种目标检测方法及系统 | |
| Kim et al. | An advanced object classification strategy using YOLO through camera and LiDAR sensor fusion | |
| CN114868148A (zh) | 信息处理装置、信息处理系统、信息处理程序及信息处理方法 | |
| Hautière et al. | Detection of visibility conditions through use of onboard cameras | |
| CN113189581A (zh) | 一种毫米波雷达与视觉融合透雾目标识别算法处理方法 | |
| US11924527B2 (en) | Optical sensor activation and fusion | |
| CN116679319B (zh) | 多传感器联合的隧道预警方法，系统，装置和存储介质 | |
| KR102643408B1 (ko) | 나이트 비전 시스템 및 이의 거리 추정 방법 | |
| US20220309776A1 (en) | Method and system for determining ground level using an artificial neural network | |
| US20220379691A1 (en) | Camera-based vehicle sunload mapping | |
| JP4052226B2 (ja) | 車両用画像処理装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |