自動駕駛的實現(xiàn)需要感知周圍環(huán)境，單一感知手段無法覆蓋全部環(huán)境。在各種傳感器中，視覺與毫米波雷達恰好優(yōu)劣勢互補，融合檢測可以保留兩種方式優(yōu)點，避免缺陷，低成本覆蓋全部環(huán)境的感知，是自動駕駛感知模塊的一種具有重要研究價值的方案。但現(xiàn)有融合算法存在種種問題，需要更加實用的融合算法。本項目在充分研究現(xiàn)有方法的基礎上提出一種新的融合檢測算法，使用一些創(chuàng)新性的方法手段避免現(xiàn)有算法問題，取得良好的效果，相比單一檢測手段在檢出率和測量精度上都有提升，并且適用檢測目標和場景多，滿足了企業(yè)要求。

目前開源的毫米波雷達與圖像融合算法，一般性能較低或配置復雜，依賴于視覺，對毫米波雷達信息使用不足，尤其對夜間情況沒有深入研究，沒有驗證同時完成汽車和行人檢測的能力，難以具備實際應用價值，因此需要滿足實際應用、可快速部署、能夠形成產(chǎn)品原型的融合算法。檢測算法部署在車載計算平臺上，檢測目標類別包括車輛和行人，適用場景覆蓋日間和夜間，檢出率高于純視覺檢測，識別速度每幀小于0.1秒。

從毫米波雷達獲取原始數(shù)據(jù)，通過使用閾值過濾與生命周期法管理，以及卡爾曼濾波器，提高毫米波雷達數(shù)據(jù)的可信度和測量精度。

視覺使用YOLOv5算法進行目標檢測，對檢測目標通過多目標跟蹤和坐標系轉換實現(xiàn)單靠視覺獲取車輛坐標系下位置速度信息。

提出了一種新的融合檢測算法，使用一些創(chuàng)新性的方法手段避免現(xiàn)有算法問題，取得良好的效果，相比單一檢測手段在檢出率和測量精度上都有提升，尤其是夜間檢出率提高約20%，并且適用檢測目標和場景滿足了企業(yè)要求。