论文部分内容阅读
车流量和交叉口队列长度是交通系统中的重要参数。毫米波雷达以其全天候工作、高精度测速测距、环境适应性强的优点在安防监控和交通监控中发挥着重要作用。在图像处理和机器学习火热的当下,视频在交通应用中的重要性也是不言而喻。毫米波雷达不如摄像机获取的信息丰富,但是视频缺少深度信息且会受到光照变化等环境影响。本文围绕毫米波雷达与视频在车流量和交叉口队列长队检测中的应用问题,进行了如下的研究工作:(1)毫米波雷达多目标检测与跟踪:阐述了毫米波雷达进行多目标检测的原理,介绍了线性卡尔曼滤波(Linear Kalman Filter,LKF)和扩展卡尔曼滤波(Extended Kalman Filter,EKF),并进行了仿真。通过仿真数据和实测数据验证了研究过程中发现的同时对观测噪声和过程噪声进行自适应卡尔曼滤波,会导致滤波发散的问题。设计了自适应线性卡尔曼滤波器(Adaptive Linear Kalman Filter,ALKF),并应用于DSP硬件系统中。应用滤波速度对解检测速度模糊的方法进行了改进。在实时交通场景下对提出的基于雷达获取交叉口队列长度的方法进行了测试,可以满足交通雷达实际应用需求。(2)利用视频进行交通流检测:设计了一种基于背景差分的车流量检测统计方法和一种利用边缘检测与形态学滤波结合的交叉口队列检测方法。用不同场景下的实测数据验证了视频车流量检测方法的可行性和准确性,而视频检测交叉口队列可以解决雷达检测队列长度出现的异常跳变问题。(3)介绍了雷达与视频空间标定与时间同步的具体方法。设计了雷达与视频在线标定系统,改进了空间标定中的不足。提出了雷达与视频联合检测交叉口队列长度的方法和联合车流量检测的方法。用实测数据验证了视频检测可以解决雷达获取交叉口队列长度的异常跳变问题,且雷达与视频联合车流量检测的准确率要高于单一传感器检测的准确率。(4)基于Visual Studio 2017在Windows平台下设计了WinForms应用软件。软件框架为微软的.NET Framework 4.5.2,可以进行雷达与视频标定、交叉口队列长度检测和车流量检测等。