• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Radar Symposium >Moving Target Classification with a Dual Automotive FMCW Radar System Using Convolutional Neural Networks
【24h】

Moving Target Classification with a Dual Automotive FMCW Radar System Using Convolutional Neural Networks

机译：使用卷积神经网络的双汽车FMCW雷达系统移动目标分类

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Autonomous systems are currently trending with the radar taking a major role. Due to the advantages like compact sizes and having high performance, radars are used in advanced driver assistance systems (ADAS) such as the adaptive cruise control (ACC). Since passenger safety has a high priority, it is necessary to detect and classify targets in the near-field environment of the vehicle. Existing approaches use methods such as data fusion with additional sensors. This paper describes a classification process of moving targets using a dual automotive radar system and convolutional neural networks (CNN). Due to the detailed resolution of the radar and the great adaptability of the CNN a high classification probability has been achieved in first measurement trials.
机译：自治系统目前正在横跨雷达培养主要作用。 由于具有紧凑型尺寸和具有高性能的优点，雷达用于高级驾驶员辅助系统（ADA），例如Adaptive Cruise Control（ACC）。 由于乘客安全具有高优先级，因此有必要检测和分类车辆近场环境中的目标。 现有方法使用方法等方法与附加传感器。 本文介绍了使用双汽车雷达系统和卷积神经网络（CNN）移动目标的分类过程。 由于雷达的详细分辨率和CNN的巨大适应性，在第一次测量试验中已经实现了高分类概率。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号