![](https://csdnimg.cn/release/download_crawler_static/10541219/bg1.jpg)
1
环境感知系统在智能汽车中的应用有望提高道路交通的安全性。众所周知的
环境感知传感器有雷达,激光或视觉传感器等,它们能够使汽车检测路上的威胁,
预计出现危险的驾驶情况并采取主动行为避免碰撞。除了汽车传感器系统中的多
传感器融合,复杂的信号处理和传感器数据融合策略对整个系统的可用性和稳定
性具有非常重要的意义。在本文中,我们考虑原始传感器的数据融合(低层次)
和预处理测量点(高层次)的数据融合方法。我们对传感器配置、道路交通情景、
数据融合样式和信号处理算法进行建模研究并且通过离散事件模拟将传感器数
据对结合到不同抽象层次上的多传感器系统进行性能研究。
关键词:多传感器数据融合,仿真,智能车,环境感知,汽车
增加道路交通安全并减少致命车祸的发生是对于全球的汽车制造商和全球
研究机构最具有挑战性的工作。除了智能道路的基础设施之外,先进的交通调度
和可观的信息服务也可以用来提高车辆的智能水平。目前,传感器技术已经应用
于军事和民用航空等领域。雷达、激光、超声波或视频设备可用于主动或被动的
感知周围有关环境和并判断可能存在的威胁。这显著提高了汽车预见危险的能力
并且有助于采取行动从而及早有效地避免碰撞或者至少通过积极主动的方式减
少事故的严重程度。一组环境传感器的智能程度对于驾驶辅助系统(ADAS)进行
环境感知来说是至关重要的。传感器的重要属性包括探测范围、视场(FOV)、对
于天气的稳定性、功耗和布局限制。单传感器系统通常具有不可避免的弱点因此
需要使用多传感器系统。但是,对来自多个设备的传感器信号处理和传感器数据
融合是一个复杂的过程,包括决定系统性能和可靠性的重要设计等。多个算法在
聚类测量点,数据关联以及真实世界的对象和传感器的过滤信息等条件下已被进
行调查[1]。决定系统的融合数据集成发生在一个特定的数据抽象级别范例中。
在低级数据融合中,来自各种设备的原始数据在信号处理的早期阶段被应用到测
量点的聚集中。在高级数据融合的策略中每个传感器分别对信息进行单独的预处
理,例如每个传感器都能够进行专用聚类,关联和过滤并将编辑过的信息进行融
合,从而得到被检测对象的列表。这两种方法在信息熵、计算复杂度和自适应性
方面都有一定的优点和缺点。在本文中,我们使用用于分析模型的离散事件仿真
概念来分析各种多传感器系统、成像雷达和激光束反射的现象以及道路交通情景
和传感器数据融合策略。仿真结果对数据融合范式、低层次或高级别的融合以及
在哪种情况下表现最佳从而得到最大检测而言优选性能进行了比较,其中包括稳
定性和可靠性的 ADAS 应用程序。该论文的组织形式为如下:第 2 章介绍相关