为降低车辆前方障碍物检测的误警率及冗余报警率,建立毫米波雷达与摄像机数据融合模型;通过毫米波雷达检测初选出有效目标物,借助OpenCV对摄像机采集的图像进行处理,获得障碍物轮廓信息,识别出障碍物;分析障碍物底部阴影特征,并建立图像感兴趣区域,从而判断其是否是车辆类型障碍物;最后在联合卡尔曼滤波算法的基础上提出多传感器信息融合障碍物检测方法。仿真结果表明,运用毫米波雷达与摄像机信息融合能够更有效地检测障碍物相关信息,并提高系统的精确度。

以Ahmed车辆为研究对象,采用CFD数值模拟的方法,研究非光滑棱纹仿生结构对车辆空气动力学特性的影响。对不同行驶速度下原车尾涡速度矢量分布以及升阻力系数的仿真计算,并根据风洞试验结果验证数值模拟的有效性。在原车尾部设计非光滑棱纹仿生结构,以阻力系数和升力系数为优化设计目标函数,以仿生结构的几何尺寸,空间布置尺寸,以及行驶车速作为设计变量,建立Kriging近似模型,并采用多目标遗传算法进行带有棱纹仿生结构的Ahmed车辆模型优化分析。经CFD验证,优化后的带有棱纹仿生结构的Ahmed车辆模型阻力系数降幅约为5%,升力系数降幅约为29.35%,能够起到显著的减阻增稳效果。计算结果也表明,建立的Kriging近似模型的误差为2%左右,可信度较高。

运用双动态条件研究追尾事故中车辆防撞预警方法,提出一种基于毫米波雷达和PTZ摄像机相结合的前方车辆检测方法。解决摄像机、雷达、世界坐标系的变换关系,实现空间上的融合;采用线程同步方式实现时间上的融合。目标识别过程中,在图像中生成感兴趣区域,通过三阶Kalman滤波算法对当前周期内获取的初始目标信息进行预测,基于已训练好的级联分类器进行多尺度识别,得到感兴趣区域内的车辆。将单目测距获得的距离与毫米波雷达获得的实际距离进行比对,以验证上述算法的准确性,试验结果表明,测量距离与实际距离误差率为1.96%,可控制在用户可接受的区间内。