摘 要

伴随着自动驾驶技术的兴起，单一传感器已经难以满足实际运用需求，为了保证驾驶信息获取的准确性和汽车行驶的安全性，多传感器信息融合技术在汽车上的应用变得极为重要。本文主要针对面向城市公路的自动驾驶汽车，在两种选定的传感器的基础上，探讨特定的融合算法，以实现汽车在特定的场景中的自动驾驶。

文章首先介绍多传感器信息融合技术的基本理论，包括拓扑结构和融合层次等内容，接着分别介绍本研究使用的两种传感器，即毫米波雷达和摄像头传感器的工作原理和布置方案，然后对两种传感器的初级融合方案进行探讨。

随后，文章介绍了基于BP神经网络的多传感器信息融合算法，算法引入模糊思想，将输入输出进行模糊分类，通过计算所得的样本数据进行学习训练，实现自动驾驶汽车在城市道路上的变道及超车动作。并通过MATLAB仿真，验证该种算法的优越性和可靠性。

关键词：多传感器信息融合技术；神经网络；毫米波雷达；摄像头传感器

ABSTRACT

With the rise of automatic driving technology, a single sensor has been difficult to meet the actual application needs. In order to ensure the accuracy of driving information acquisition and the safety of vehicle driving, the application of multi-sensor information fusion technology in the vehicle has become very important. In this paper, we focus on the automatic driving vehicle for complex city environment, and discuss the specific fusion algorithm based on two selected sensors to achieve the automatic driving of vehicles in specific scenes.

This paper first introduces the basic theory of multi-sensor information fusion technology, including topology structure and fusion level, then introduces the working principle and layout scheme of two kinds of sensors used in this study, namely millimeter wave radar and camera sensor, and then discusses the primary fusion scheme of two kinds of sensors.

Subsequently, the article introduces the multi-sensor information fusion algorithm based on BP neural network. The algorithm introduces fuzzy thinking, classifying input and output, and learning and training through the calculated sample data, so as to realize the automatic lane changing and overtaking actions on the city road. Through MATLAB simulation, the superiority and reliability of this algorithm are verified.

KEYWORDS: Multi-sensor information fusion technology; Neural network; Millimeter wave radar; Camera sensor

目 录

第一章 绪论 1

1.1 课题背景 1

1.2 国外外研究现状 2

1.3 研究目的及意义 2

1.4 研究内容 3

第二章 摄像头与毫米波雷达融合 3

2.1 多传感器信息融合结构 3

2.2 多传感器信息融合层次 5

2.3 多传感器信息融合方法 8

2.4 毫米波雷达结构与原理 11

2.4.1 毫米波雷达特性 11

2.4.2 目标信号预处理 12

2.4.3 毫米波雷达测量原理 15

2.4.4 毫米波雷达选型 16

2.5 摄像头传感器结构与原理 18

2.5.1 图像信息预处理 18

2.5.2 Adaboost算法 20

2.5.3 摄像头传感器选型 21

2.6 传感器信息融合模型的搭建 22

2.6.1 空间融合 22

2.6.2 时间融合 24

2.7 传感器在整车上的安装布置 25

2.8 本章小结 25

第三章 基于BP神经网络的多传感器融合算法 26

3.1 BP神经网络简介 26

3.2 算法原理 26

3.3 BP算法控制器 31

3.3.1 场景分析 32

3.3.2 构建控制器 32

3.4 BP神经网络结构 33

3.5 学习与仿真结果分析 34

3.6 本章小结 37

第四章 总结与展望 37

4.1 研究总结 37

4.2 研究展望 38

致谢 39

参考文献 40

附录 41

A. 训练用样本数据 41

B. BP算法代码 43

第一章 绪论

1.1 课题背景

近年，自动驾驶和新能源汽车成为一大热门研究课题。随车汽车行业的发展，汽车产销量连年递增，在促进了社会经济的同时，也加重了环境污染和资源消耗，与可持续发展观相去甚远，因此，传统的燃油汽车势必被淘汰，取而代之的是以电动汽车为主的新能源汽车^[1]。新能源汽车的推广不仅减少了环境污染，降低了能源损耗，而且促进了汽车产业模式的调整，引领汽车行业往节能环保、科技创新的方向前进。国家政府也为新能源汽车的发展制定了一系列的政策，在充分考虑我国国情和市场经济的基础上，落实基础设施的建设，为新能源汽车的发展提供了一个有利的环境条件。

此外，伴随着智能网联汽车的兴起和智能化、信息化的深入，自动驾驶已成大势所趋。首先自动驾驶能为人们提供极大的方便，在道路上解放双手双脚将不再是设想，而且在安全方面也有及其显著的优势，系统精准的计算使人为的道路事故发生率下降，因此无论是在便利性还是在安全性上，自动驾驶汽车都是传统手动汽车不可比拟的。近年来，5G技术的普及和北斗系统的全球化更是为我国自动驾驶技术的发展提供了一个绝佳的机会^[2]，信息传输延迟减小，导航定位精度提高，从而使汽车快速准确地对路况做出判断，极大地促进了自动驾驶技术的发展。国家也为自动驾驶技术的研发投入大量地人力物力，各大车企、科研中心纷纷展开自动驾驶的试验，完全自动驾驶将指日可待。

然而，目前自动驾驶还存在许多尚未解决的问题。首先是技术还不成熟，自动驾驶车辆交通事故屡有发生，美国的优步公司就在进行无人驾驶汽车试验时发生过重大的车祸，随后被迫暂停了无人驾驶车辆项目的研究工作；其次是事故责任的归咎问题，无人驾驶车辆发生交通事故后责任归于驾驶员还是汽车公司，目前还没有一个明确的规定，需要各企业和政府共同探讨，制定相应的法规条文。总之对于自动驾驶目前首要解决的无外乎安全问题，为了提高自动驾驶的安全性，汽车上逐渐开始使用多种传感器，以保证信息获取的准确性和可靠性。从20世纪70年代起，多传感器信息融合技术便迅速地发展起来，并在现代军事指挥、控制、通信以及医疗诊断、天气预报、组织管理决策等众多领域得到了广泛的应用^[3]。