基于红外相机和毫米波雷达融合的烟雾遮挡无人驾驶车辆目标检测与跟踪

战场环境下无人驾驶车辆的感知系统易受烟雾、扬尘等天气的影响，对关键目标的检测与跟踪能力大大下降，造成目标漏检、目标误检、目标丢失等严重后果。针对该问题，开发毫米波雷达和红外相机融合系统，采用目标级融合方式建立简洁有效的融合规则，提炼和组合各传感器的优势信息，最终输出稳定的目标感知结果。对毫米波雷达的目标进行有效性检验和提取，并提出改进的基于密度的含噪声空间聚类应用算法，以减少毫米波雷达噪音干扰。以YOLOv4网络为基础，引入MobileNetv2主干网络，在网络训练过程中运用迁移学习方法，同时对红外数据样本进行扩充，解决了红外图像训练样本少的问题。试验结果表明，相较于仅基于红外相机的算法，融合检测算法在烟雾环境下的精度显著提升，且算法实时性高，实现了烟雾环境下毫米波雷达与红外相机融合的目标检测与跟踪，提高了无人驾驶车辆目标检测与跟踪系统的抗烟雾干扰能力。