基于多源传感器数据融合的车型识别研究与应用

【摘要】：目前各大城市汽车保有量逐年剧增,给城市带来了巨大的交通压力,大力发展智能交通技术迫在眉睫。车型识别是智能交通系统重要组成部分,准确地获取路面车辆车型信息对智能交通管理至关重要。而目前车辆信息检测存在方式单一、感知信息不全等缺陷,造成了车型识别准确率偏低,识别不稳定。本文提出了一种将线圈、地磁、视频三种传感器相融合的车型识别方法,充分利用各传感器的优势,分别提取车型特征,再将特征进行融合。引入基于混合核函数的相关向量机构造分类模型,并通过粒子群算法对相关参数进行优化,构造了一种基于粒子群算法优化的混合核函数相关向量机的车型分类器。然后,依据课题组承担的省级科技支撑项目“面向智能交通系统的物联网感知节点设计与实现”的要求,对车辆感知节点的设计展开了较为深入的研究。首先从宏观角度讨论了智能交通系统中车辆感知节点的总体设计。然后分别从感知节点的硬件设计和软件设计两方面展开论述。选用搭载Linux 3.01嵌入式系统的OK6410开发板作为多传感器感知节点硬件平台。为了保证多传感器数据时空同步,对感知节点的时间对准和空间对准进行分析与设计。最后,通过实地搭建感知节点采集了车辆数据,并充分提取了线圈、地磁、视频三种传感器的11类特征。通过本文设计的RVM车型分类器实现了92.73%的车型识别准确率,并对实验结果进行了对比分析。实验证明,基于混合核函数的相关向量机在车型分类应用效果较为理想。相对于单一传感器,多传感器数据融合的车型识别方法准确率更高,具有较好的推广与应用价值。