随着经济的快速发展,人们生活越来越富裕,汽车的使用也越来越普及,但由此带来的环境问题和交通拥挤问题也愈来愈严重。为解决能源危机、环境污染、交通拥堵等问题,现代有轨电车走进了人们的视野。现代有轨电车以其运输量大、外形美观、绿色节能等优点受到市民和政府的肯定,现代有轨电车正在成为发展城市公共交通的重点。我国现代有轨电车的建设多数是对既有道路进行改造建设的。在这种模式下,有轨电车与社会车辆或行人共享路权,车道受其他车辆或行人的干扰大,容易造成交通事故,因此需要开发一种障碍物识别技术来保证有轨电车的安全行驶。文章采用基于毫米波雷达和机器视觉的多传感器融合来对前方障碍物进行识别检测。首先,对于雷达部分,文章主要使用的是雷达传感器,它具有快速安全,能很好的处理测量性能与高安全性之间的矛盾、稳定性好、可实时检测目标的距离并根据当前车速判断是否存在碰撞风险和可靠性强等优点。主要是根据障碍物探测系统通信协议,用VC++编写毫米波雷达数据采集程序的程序控制界面。然后对毫米波雷达获取的现代有轨电车前方障碍物信息进行有效目标确定。在实际运行环境中,毫米波雷达探测到的前方物体可能来自于有效障碍物,也可能来自于无效目标,如电线杆,栅栏等,而且毫米波雷达在颠簸上下的过程中可能会出现搜不到信号等现象,所以需要对毫米波雷达探测到的信息进行有效筛选。此时利用同车道距离最近原则对毫米波雷达获取的行人车辆等障碍物信息进行最初选择;然后使用Kalman滤波方法对选择后的目标障碍物进行预测,判断测量的目标信息和预测的目标信息是否一致,不一致则使用有效目标生命周期对目标进行最终决策。其次,对于机器视觉部分,文章主要是利用CCD(Charge Coupled Device,电荷耦合器件)摄像机将被摄取目标转换成图像信号,经过对毫米波雷达障碍物信息进行一致性检验后,不同的有效目标信息成为感兴趣区域。文章先采集大量车辆及行人样本建立图片库,利用类Haar-like提取图片中相关特征,然后引入“积分图”的概念,再利用Adaboost与级联分类器结合生成识别分类器完成对前方车辆及行人等障碍物的识别。然后,对于多传感器融合部分,先将毫米波雷达坐标系下的障碍物信息转换到三维空间坐标下,然后再通过模型转换到摄像机坐标下,最后投影到图像坐标系下,再结合张正友标定原理求出了建立融合模型所需的CCD摄像机的内、外参数和畸变参数,完成空间上的信息融合部分。利用多线程方法完成毫米波雷达和机器视觉在时间上的融合。最后,对模型进行软件设计,并将融合系统在真实道路环境下进行行车实验。实验结果表明该方法能够高效准确地进行前方障碍物的检测识别。