智能車輛環境感知傳感器的應用現狀

摘 要：介紹了智能車輛環境感知傳感器的優缺點，分析了環境感知傳感器在智能車輛技術中尤其是在車道線識別、障礙物檢測中的應用現狀。由于車輛運行環境的復雜性和傳感器的局限性，僅利用某一種傳感器難以保證在任何時刻都能提供完全可靠的信息，基于此，討論了多傳感器信息融合技術在智能車輛技術中的應用現狀及其發展方向，以便在今后的應用中根據實際需要選擇適當的傳感器和檢測方法。

關鍵詞：智能車輛;環境感知;傳感器;信息融合

中圖分類號：TP18文獻標識碼：B文章編號：1004373X(2008)1915106

Application Statement of Intelligent Vehicle Environment Perception Sensor

GAO Dezhi，DUAN Jianmin，ZHENG Banggui，TIAN Bingxiang

(Intelligent Measure Control Laboratory，Beijing University of Technology，Beijing，100022，China)

Abstract：

Advantages and disadvantages of Intelligent Vehicle(IV) environment perception sensor is introduced，application and development trends of them used in the IV especially in lane recognition and obstacle detection are analyzed.Because of limitation of sensor and complexity of operating environment，it is difficult to supply the completely reliable information by some sensor in any time.So，the application and development direction of multi-sensor information fusion technology in the IV is introduced，in order to choose suitable sensor and detection method.

Keywords：intelligent vehicles;environment sensing;sensors;information fusion

1 引 言

傳感器是一種變換器，可以將來自外界的各種信號轉變成計算機能夠識別的電信號^［1］

。已經廣泛地應用于能源、交通、通信、家電、金融、鋼鐵、化工、商業、農業和機械制造等行業。在智能車輛 (Intelligent Vehicles，IV) 技術中，傳感器負責采集車輛所需要的信息，包括感知汽車自身、汽車行駛的周圍環境及駕駛員本身的狀態等，為智能車的安全行駛提供及時、準確、可靠的決策依據。因此，在智能車輛技術中，傳感器就相當于系統的感受器官，快速、精確地獲取信息，是實現車輛安全行駛的保證。傳感器技術作為促進汽車智能化發展的關鍵技術之一，承擔著重要的角色，已被廣泛用于智能車的防碰撞、車道保持、自巡航等系統中。各種傳感器都有其特有的性質，它們的局限性決定了在實際應用中不能滿足系統的某些需求。為此，研究人員利用多傳感器信息融合技術，將不同傳感器的信號相互融合形成對同一個目標的映射，通過處理來自不同傳感器的冗余、互補的信息提高傳感器系統的能力。隨著對智能車輛技術研究的深入以及智能車輛應用的范圍多樣化，多傳感器信息融合技術在智能車輛技術中有著廣泛的應用前景。

圖1所示為2007年在北京展覽館舉行的第十四屆智能交通世界大會上參展的凌志展示車以及該車所安裝的傳感器系統。由圖可以看到該系統用到了多種環境感知傳感器，例如雷達、超聲波傳感器、立體攝像頭等實現了道路的識別和障礙物的檢測等功能。本文首先介紹幾種環境感知傳感器以及它們在智能車輛技術中的應用現狀，接著敘述了多傳感器信息融合技術的應用現狀，最后總結了傳感器技術和傳感器信息融合技術的發展趨勢。

2 環境感知傳感器的應用現狀

智能車輛系統主要有環境感知模塊、分析模塊、控制模塊等部分組成^［1］，其中環境感知模塊是利用各種傳感器對本車所處的周邊環境進行數據采集，獲取道路環境信息，再處理所得環境信息，從而得到本車和周圍障礙物所處的位置信息以及周圍車輛等障礙物的距離、速度等信息，進而為各種控制決策提供信息依據。該模塊中所用到的環境感知傳感器主要有機器視覺、雷達傳感器、超聲波傳感器、紅外線傳感器等。

2.1 機器視覺

雖然機器視覺受天氣狀況和光照條件變化的影響很大并且無法直接得到檢測對象的深度信息，但是它具有檢測范圍廣、信息容量大、成本低等優點，并且通過對其所得的圖像進行處理可以識別、檢測對象，所以越來越多的人對利用機器視覺感知車輛行駛環境產生很大的興趣，以致使機器視覺在智能車輛研究領域得到廣泛的應用，成為最受歡迎的傳感器之一。機器視覺主要用于車道線的識別、障礙物的檢測與跟蹤與駕駛員狀態監測等。近些年來，隨著許多國家的政府機構、汽車制造商和供應商都積極投身于智能車輛的研究，機器視覺的應用也相應的取得了令人矚目的成果，例如由德國UBM大學Dickmans教授的智能車輛研究小組研制的EMS-Vision (Expectation-based Multi-focal Saccadic Vision System)視覺系統^［2］，該系統能隨車速的變化自動調節攝像機的焦距；具有較寬的感知范圍；能適應顛簸的路徑環境；能夠獲得立體視覺的解釋信息。該視覺系統已經應用于德國UBM大學和奔馳汽車公司聯合研制的VaMoRs和VaMoRs-P兩種實驗車中，試驗車的傳感器系統由3個慣性線性加速計和角速度變化傳感器、測速表、發動機狀態測量儀以及4個小型彩色CCD攝像機，其中4個小型彩色CCD攝像機構成兩組雙目視覺系統，一組安裝在車體后視鏡附近特制的平臺上，另一組固定在車體后部擋風板的上方，主要實現車道線的識別與跟蹤和障礙物的檢測與跟蹤。意大利MOB-LAB研究所研制的GOLD(Generic Obstacle and Lane Detection)系統^［3］，它利用立體視覺同時進行車道線的識別和障礙物的檢測，并已經應用到意大利University of Parma大學研制的ARGO試驗車中，該實驗車裝有兩個攝像機，利用模式匹配技術實現車道線的識別，為了降低搜索前方車輛的時間，采用立體圖像對技術完成障礙物的檢測，并利用車輛左右邊緣灰度值和邊緣結構對稱的特征確定車輛位置。法國的Romuald Aufrere提出的一種視覺方法^［4］，該方法使用一臺攝像機得到路面信息，采用車道的統計模型進行匹配；利用三個模型實現有路標和無路標兩種情況下的道路跟蹤，此三個模型實現的功能分別是：一個從圖像中提取道路的邊緣特征，另一個用于定位車輛所在車道的位置，第三個用于提供可靠的時間間隔。

2.2 雷達

雖然到目前為止，雷達傳感器在檢測遠距離的小障礙物時有一些不足之處，但是它具有遠距離測距能力，能提供本車前方道路和目標車輛的方位和速度信息，同時還能夠可靠地提供本車周圍障礙物的深度信息，易于解決機器視覺技術在深度信息方面的難題，而且不受天氣、陽光等影響，可以準確地發現本車周圍存在的障礙物以及前方車輛和行人。由于雷達在準確提供遠距離的車輛和障礙物信息方面有著得天獨厚的優勢，因此在車輛的防碰撞系統中有著廣闊的應用前景。目前應用于環境感知模塊中的雷達主要有微波雷達、毫米波雷達、激光雷達和電波雷達。

2.2.1 微波雷達

微波雷達能夠直接獲得被測物體的距離、速度信息，比紅外線或激光雷達傳感器氣象適應性好，并且具有探測距離遠、技術成熟等優點，一些系統利用微波雷達實現車輛和盲區的檢測。例如Valeo Raytheon系統^［5］利用24 GHz的微波雷達探測本車兩側的盲區，它的檢測范圍是150°，測檢距離為40 m。該系統將微波雷達安裝在后部的保險杠上，如果有車輛進入盲區，視覺警告信號將會提醒駕駛員。Visteon系統^［6］也利用24 GHz的微波雷達探測本車兩側的盲區，它的檢測距離是可編程的，當檢測到靜止物體時該系統不發出警告。美國TRW公司研制的車載防撞微波雷達已投入應用到貨車和公共汽車上^［7］。

2.2.2 毫米波雷達

與微波雷達相比，毫米波雷達波束窄，分辨率高，抗干擾能力強，具有較好的環境適應性，下雨、大霧或黑夜等天氣狀況對毫米波的傳輸幾乎沒有影響，因此可在各種環境下可靠地工作。隨著單片微波集成電路技術的發展，毫米波雷達的價格和外型尺寸都有很大的下降。因此，近年來國外一些公司對毫米波雷達在智能車上的應用表現出了極大的興趣。像日本豐田公司使用毫米波雷達和機器視覺共同探測前方障礙物。該系統中毫米波雷達用于探測障礙物的距離和相對速度，CCD攝像頭實現車道線識別和車道上前行車輛的檢測，同時完成對雷達方向的控制。三菱汽車ASV-2所安裝的傳感器系統包括前后視覺攝像機，能探測前方車輛的距離和相對速度的微波雷達，具有高分析能力的激光雷達以及其他檢測道路環境的傳感器^［7］。毫米波雷達的不足是進行目標識別時，一般不能識別出正在轉彎與正在換道的車輛。

2.2.3 激光雷達

與機器視覺相比，激光雷達能解決圖像模糊問題，通過激光雷達技術可以跟蹤目標，獲得周圍環境的深度信息；再者激光雷達方向性好、波束窄、無電磁干擾、獲得距離及位置探測精度高，因此它廣泛應用于障礙物檢測、環境三維信息的獲取、車距保持、車輛避障中。

由于光學系統的脆弱性，激光雷達在智能車輛系統的應用受到了限制，但是從激光雷達所得的測距圖像中可以直接獲取環境的三維信息，因此激光距離成像的研究受到重視。被廣泛的應用于機器人領域，而且已被應用到智能車輛領域，例如文獻［8，9］均用激光雷達實現障礙物的檢測，再如日本馬自達公司研制的行人避撞系統將激光雷達安裝于汽車前部，利用發射垂直的激光帶來實現路上行人的檢測，根據行人衣服顏色和布料的不同，該系統的探測距離范圍是35~60 m，還能檢測到直道和彎道上行人，能夠計算出本車與行人的距離以及行人的行走方向。德國大眾汽車公司研制的“特定車道障礙物預警系統^［1］”利用多光束激光測距傳感器掃描汽車前部至障礙物的距離，同時，利用一種影像處理系統監視前方道路。該系統能夠識別本車道及相鄰車道上的車輛及障礙物，并能根據相應的多光束測距雷達測得的距離及其相對變化得到接近車輛的行駛速度。

2.2.4 電波雷達

電波雷達兼有超聲波傳感器的波動特征和激光雷達的快速傳輸特性，并且與激光雷達一樣，與障礙物之間的距離可以用反射時間進行計算。由于電波雷達的波長約幾毫米左右，因此不容易受到霧等反射的影響。另外，它不以空氣作為傳播媒體，所以不太受風的影響，這一點比激光雷達和超聲波傳感器都優越。再者，利用從反射接收波和發送波之間的頻率差能直接測定相對速度，這是電波雷達的一個很大優點。因為樹脂等難以反射電波，所以電波雷達對由樹脂等構成的對象物不能檢測，這也是電波雷達的缺點。但由于電波雷達抗環境性好，距離信息和相對速度信息能同時測出，結合上述優點，價格低廉的電波雷達傳感器的開發對智能車輛系統的研究有著重要的意義。

2.3 超聲波傳感器

超聲波傳感器的數據處理簡單、快速，主要用于近距離障礙物檢測，一般能檢測到的距離大約為1~5 m，但檢測不出來詳細的位置信息。超聲波停車裝置^［10］已經在歐洲銷售的BMW車上使用，這種系統利用一片單片機進行控制，在車的前、后保險杠上安裝上超聲波傳感器，前部傳感器的探測距離為0.6 m，后面的探測距離達到1.5 m，當倒車進入要停放的位置時，在后面的汽車約1.5 m時，停車裝置將會發出連續而緩慢的警告聲，倒車越接近停放的車輛，警告聲就越急促，當距離為幾厘米時，警告聲變為沉穩，此時向前開車時警告聲會變得急促。

2.4 紅外線傳感器

紅外線傳感器的情況與超聲波傳感器相仿，只是紅外傳感器不受黑暗、風、沙、雨、雪、霧的阻擋，因此它的環境適應性好，且功耗低，與超聲波傳感器相比，其探測視角小，方向性和測量精度有所提高。紅外線傳感器可以增強機器視覺識別的可靠性，因此常被用于智能汽車中的夜視系統中，美國通用汽車公司利用紅外技術相繼研制成了供汽車司機在夜間行駛用的第一代和第二代夜視系統，系統中的紅外傳感器通過感知及記錄物體間溫度的差別進行區分物體，該夜視系統的顯示屏幕的亮度可調，所研制的第二代夜視系統為彩色顯示。美國美洲虎公司同樣利用紅外技術實現了夜視系統的研制。

3 多傳感器信息融合的應用現狀

為了克服傳感器的數據可靠性低、有效探測范圍小等局限性，保證在任何時刻都能為車輛運行提供完全可靠的環境信息，在智能車輛的研究中使用多個傳感器進行數據采集，利用傳感器信息融合技術對檢測到的數據進行分析、綜合、平衡，根據各個傳感器信息在時間或空間的冗余或互補特性進行容錯處理，擴大系統的時頻覆蓋范圍，增加信息維數，避免單個傳感器的工作盲區，從而得到所需要的環境信息。因此，隨著智能車的研究和應用領域逐步地深入和多樣化，傳感器信息融合技術在智能車輛技術的研究領域應用倍受歡迎。近年來，智能車輛技術研究中多傳感器信息融合技術的應用取得了許多令人振奮的成果，如美國卡內基·梅隆大學機器人研究所研制的Navlab-II智能車，它利用激光雷達和視覺傳感器進行道路、車輛、行人等目標的檢測^［11］。德國Braunschweig科技大學研制的智能車^［12］采用的傳感器系統由1個立體視覺傳感器、4個激光掃描器、1個雷達傳感器組成，這些傳感器的探測范圍在車輛前面有很大的重疊。立體視覺傳感器安裝在后視鏡后面，主要實現對中遠距離障礙物探測和路徑識別功能；在前保險杠上安裝有1個長距離、小角度雷達傳感器；并在前保險杠的左右兩端分別安裝1個激光掃描器，每個掃描器的覆蓋范圍為270°，它們對車輛正前方進行掃描；在前后保險杠的中間位置分別安裝1個激光掃描器，這個掃描器能夠發射出3個不同角度的激光束，因此比單激光束的傳感器具有更強的抗干擾能力，主要用于短、中、遠的障礙物目標探測。德國大眾公司最新研究的智能車輛系統裝有雷達、機器視覺，激光掃描等傳感器，利用傳感器之間的數據互補及冗余得到車輛所需要的可靠、穩定的全方位信息。美國國防部最新研制的智能車輛Demo系列，目的是用于危險地段的軍事偵察。Demo系列采用的關鍵技術有：感知系統、計算機處理器、導航系統、路徑規劃、車輛控制、立體視覺、地形理解以及傳感器等技術。Demo-III^［13］智能汽車采用了雷達與機器視覺融合技術用于障礙物的探測。該車中所用的立體視覺系統包括彩色攝像機、單色攝像機和紅外攝像機，并且裝有兩種雷達，一種是77 GHz的毫米雷達主要用于遠距離障礙物的探測，其有效感應距離可達128 m，角度范圍可達64°，另一種是可以發現隱藏在植物中障礙物的2 GHz的LADAR雷達。

與發達國家相比，我國對智能車輛技術領域的研究起步較晚，目前主要為一些高等院校和科研機構，他們相繼開展了對智能車輛的研究，并在智能車輛的視覺導航、多傳感器信息融合、路徑規劃與控制、自主駕駛等方面取得了一些積極的成果，例如清華大學的汽車安全與節能國家重點實驗室研究的汽車主動碰撞系統，該系統采用了激光雷達和毫米波雷達實現了對本車前方車輛的探測；吉林大學所研制的JUTIV-II試驗車所使用的傳感器有CCD攝像機、三維激光測距儀、GPS定位系統等，它利用視覺信息和激光雷達信息融合技術實現路徑識別與跟蹤、前方車輛的探測與跟蹤、保持本車與前方車輛安全車距等功能；西安交通大學人工智能與機器人研究所的Spring robot智能汽車^［14］安裝了毫米波雷達、SICK激光雷達、GPS和攝像機等感知傳感器，所安裝的毫米波雷達工作范圍可達120 m，掃描角度為12°，掃描目標最多可達20個，測量距離精度可達5%，速度精度可達1%，角度分辨率精度可達± 0.2°，實現動態目標的檢測，激光雷達掃描角度達到180°，角度分辨率為0.25°，距離分辨率為10 mm，實現前方靜止障礙物的檢測。該車可以實現手動駕駛和自動駕駛兩種方式，能夠實時檢測道路、行人、車輛等障礙物。

4 發展方向

近年來，在環境感知模塊中CCD攝像機是最常用的傳感器。但是，由于障礙物本身的特征和光照條件的影響，在復雜的光照條件下，傳統的CCD攝像機不能滿足實際操作中系統對傳感器動態范圍的要求。因此，傳統的基于機器視覺的障礙物檢測過程具有一定的局限性，為此，人們開始研究不用任何輔助照明的前提下能夠全天候正常工作并具有大動態范圍的攝像機并取得了一定的成功，例如由福特研究實驗室和SENTECH聯合研制的低光(low-light)攝像機^［15］，它通過對Sony X-view陣列進行特殊的設計，擴大了攝像機的動態范圍。近年來，研究者提出許多能在弱光照條件下正常工作的算法，使得傳統的基于機器視覺的障礙物檢測系統的性能得到很大的提高，同時，人們也致力于利用COMS傳感器動態范圍大，魯棒性較高等優點，提高攝像機的動態范圍，降低傳感器數據采集時間和傳輸時間。

雖然低光攝像機已經被應用到許多研究中，但是它不能夠得到可見光譜之外的重要信息和檢測目標的距離信息，相反地對光照和天氣狀況的改變不敏感的外線傳感器和雷達傳感器等卻可以，因此，基于紅外線傳感器、超聲波傳感器和雷達傳感器的智能車輛系統得到人們的關注，研究者逐步地將它們應用到智能車輛環境感知模塊中。例如Dirk Linzmeir 和他的同事們利用行人的溫度比周圍環境的溫度要高很多的原理，將溫度傳感器用于行人的檢測。利用同樣的原理，Massimo Bertozzi， Alberto Broggi和A.Lasagni 利用紅外線傳感器進行行人檢測^［15］。雖然紅外線傳感器、超聲波傳感器和雷達等受光照條件和天氣變化的影響不大，有著較強的抗環境變化的能力，但是當有多輛車一起沿同方向行駛時，同種傳感器之間的干擾是個嚴重的問題，并且他們的分辨率和精度都不能滿足智能車輛對傳感器性能的要求。

在智能車輛技術研究中，傳感器作為控制系統的信息源，是智能車輛控制系統的關鍵。在環境感知模塊中，所用傳感器的動態范圍、對光的敏感性、空間分辨率、相互融合能力等性能在很大程度上影響到系統的性能。但是由于目前傳感器的局限性使其不能滿足研究和實際應用的需要，因此研制高性能和高可靠性的智能傳感器將成為傳感器技術研究領域的一個發展方向。

傳感器的特性表明每種傳感器僅僅能得到特定的環境信息，因此單一的傳感器不能為系統提供足夠的廣泛的環境信息，為了克服單一傳感器的局限性，促進智能車的深入研究，擴大智能車的應用領域，需要研制一種能夠有效地利用來自多種傳感器包括主動傳感器和被動傳感器信息的系統，多傳感器信息融合在解決這方面的問題上有著巨大的潛力。目前多傳感器信息融合使用的方法主要有加權平均法、卡爾曼濾波法、貝葉斯估計法、統計決策理論方法、D-S 證據推理法、模糊邏輯法和人工神經網絡方法等^［16］。

盡管傳感器融合技術在為智能車提供可靠的環境特征信息方面有很大的幫助，但是發展實際的多傳感器信息融合平臺需要處理一系列的問題，包括一些傳感器融合的常規問題和存在系統設計中的特殊問題。多傳感器信息融合需要所用到的環境感知傳感器提供精確的環境信息，然而實際的應用中所得到信息大多數都是不確定信息。因此，研究多傳感器信息融合的魯棒性對于整個融合過程是很重要的，合理的描述并解決各傳感器信號間的不確定性問題將是多傳感器信息融合的一個發展方向。

多傳感器信息融合通過處理來自不同傳感器的冗余、互補的信息提高傳感器系統的能力。這些不同的傳感器共同工作，將不同傳感器的信號相互融合形成對同一個目標的映射。例如考慮到單個傳感器的可靠性和置信度，利用聲學傳感器和視覺傳感器信息的互補性，將兩種傳感器共同用在障礙物的檢測和道路的識別中能夠獲得比單個傳感器更準確的環境特征和信息。常用的環境感知傳感器有毫米波雷達、激光雷達和攝像機等。由于視覺技術具有不向外部環境發射信號、圖像信息豐富、價格低、角度和方向分辨率較高，能夠消除駕駛員的盲區等優勢。因此，利用機器視覺的優勢，結合由雷傳感器達或超聲波雷達傳感器或紅外線傳感器等獲取的距離信息實現對本車周圍環境的感知成為各國學者研究的熱點。由于各傳感器采集信號和輸出信號的方式不一樣，要合理的利用各傳感器的信息，就必須利用多傳感器信息融合技術，研究利用多傳感器信息融合技術獲得具有豐富、魯棒性及實時性高的信息，提出具有魯棒性高的融合算法將是傳感器信息融合技術的發展趨勢。

傳感器信息融合技術對智能車輛技術的發展有著巨大的潛力，自從傳感器信息融合技術應用到智能車輛領域以來取得了一些令人矚目的成果，但是，目前人們對多傳感器信息融合方法的應用研究還不深入，多數是基于規則的專家系統進行信息融合，從而使多傳感器信息融合的優勢沒有得到充分的發揮，因此，為了彌補單個傳感器的不足之處，尋找新的融合策略或提出新的傳感器融合方法，將是多傳感器信息融合的一個發展方向。

5 結 語

隨著傳感器、數據處理、人工智能以及計算機等技術的發展，對智能車輛技術的研究受到各國學者們關注，對其研究逐步地深入并且取得了令人鼓舞的成果。本文介紹了智能車常用的幾種環境感知傳感器的優勢和不足之處，總結了智能車輛環境感知傳感器技術以及多傳感器信息融合技術在智能車輛技術中的應用現狀及其發展趨勢。

參考文獻

［1］莊繼德.汽車電子控制系統工程［M］.北京:北京理工大學出版社，1998.

［2］Hofmann U，Rieder A，Dickmanns E D.EMS-Vision:Applicationto Hybrid Adaptive Cruise Control ［J］.Proceedings of the IEEE 2000 Dearborn (MI)，USA，2000:468-473.

［3］Massimo Bertozzi，Albert Broggi.Real-Time Lane and Obstacle Detection on the GOLD System ［J］.Proceedings of the IEEE Intelligent VehiclesSymposium，1996:213-218.

［4］徐有春，王榮本，李兵，等.世界智能車輛近況綜述［J］.汽車工程，2001，23(5):289-295.

［5］http://www.valeoraytheon.com/hazards.html，accessed Jan.2007.

［6］http://www.visteon.com/products/automotive/driverawareness.shtml，accessed Jan.2007.

［7］王榮本，李斌，儲江偉，等.世界智能車輛行駛安全保障技術的研究進展［J］.公路交通科技，2002，19(2):117-121.

［8］Wu Shunxi，Yang Ming.Landmark Pair-based Localization for Intelligent Vehicles Using Laser Radar ［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:209-214.

［9］Fadi Fayad，Véronique Cherfaoui.Tracking Objects Using a Laser Scanner in Driving Situation Based on Modeling Target Shape［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:44-49.

［10］Stefan Hoch，Manfred Schweigert.The BMW SURF Project:A Contribution to the Research on Cognitive Vehicles ［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:692-697.

［11］Rosenblum M，Gothard B.A High Fidlity Multi-sensor Scene Unerstanding Systemfor Autonomous Navigation［J］.Proceedings of the IEEE Intelligent Vehicles Symposium，2000，10:637-6 431.

［12］Jan C Becker，Andreas Simon.Sensor and Navigation Data Fusion for an Autonomous Vehicle ［J］.Proceedings of the IEEE Intelligent Vehicles Symposium，2000，10:156-1 611.

［13］Bellutta P，Manduchil R.Terrain Perception for DEMO III ［J］.Proceedings of the IEEE Intelligent Vehicles Symposium 2000，2000 10:326-331.

［14］http://unit.x_jtu.edu.cn/iv-aiar/researchfruit₃.htm.

［15］Bishop R.A Survey of Intelligent Vehicle Application Worldwide ［J］.USA:Proceedings of the IEEE Intelligent Vehicles Symposium，Dearborn，USA，2000:25-301.

［16］［美］ Lawrence A Klein.多傳感器信息融合理論及應用［M］.戴亞平，劉征，郁光輝，譯.北京:北京理工大學出版社，2004.

［17］Jyh-Yeong Chang，Chien-Wen Cho.Vision-Based Forward-Looking Traffic Scene Analysis Scheme ［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:56-61.

［18］Guanglin Ma，Su-Birm Park，Alexander Ioffee，et al.A Real-time Object Detection Approach Applied to Reliable Pedestrian Detection ［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:755-760.

［19］Yasuyuki Miyake，Kazuma Natsume，Koichi Hoshino.Road-Shape Recognition Using On-Vehicle Millimeter-wave Radar ［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:75-80.

［20］Gunnarsson J，Svensson L，Danielsson L，et al.Tracking Vehicles Using Radar Detections ［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:296-302.

［21］Roland Stahn1，Gerd Heiserich，Andreas Stopp.Laser Scanner-based Navigation for Commercial Vehicles ［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:969-974.

［22］Nikos Floudas，Aris Polychronopoulos，Olivier Aycard，et al.High Level Sensor Data Fusion Approaches for Object Recognition In Road Environment ［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:136-141.

［23］Tang-Hsien Chang，Chih-Sheng Hsu.Irregular Vehicle Behavior Warning Modules ［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:150-1 155.

［24］Dirk Bank.Short Range Radar Signal Processing for LateralCollision Warning in Road Traffic Scenarios ［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:111-116.

［25］Ulrich Kadow，Georg Schneider，Alejandro Vukotich.Radar-vision-Based Vehicle Recognition with Evolutionary Optimized and Boosted Features ［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:749-754.

作者簡介 高德芝 女，1980年出生，山東省滕州人，博士研究生。主要從事機器視覺，圖像處理與多傳感器信息融合方面的研究。

段建民 男，1959年出生，北京工業大學電子信息與控制工程學院教授，博士研究生導師。

鄭榜貴 男，1972年出生，浙江江山人，博士研究生。主要從事機器視覺與智能檢測方面的研究。