基于多传感器数据融合的前方障碍物识别方法探析

当前汽车前方障碍物识别主要通过单一传感器进行数据采集,但传感数据极易受到环境条件的影响,使最终障碍物识别的AP值较低。本文提出基于多传感器数据融合的前方障碍物识别方法,针对毫米波雷达传感器与视觉传感器,分别进行空间对准和时间同步处理,实现基于高速摄像头的多传感器数据同步采集:引入全局最近邻算法,匹配实时传感数据与目标源,并应用D-S证据融合理论,得到多传感器融合数据和完整的环境感知数据;设计以依托于卷积神经网络为基础的特征提取模型,获取传感器数据包含的特征信息,构建时空特征向量集,应用支持向量机算法完成前方障碍物识别。实验结果显示,所提障碍物识别方法的AP值为95.5%,可以满足智能驾驶避障需求。