Automotive targets undergoing turns in road junctions offer large synthetic apertures over short dwell times to automotive radars that can be exploited for obtaining fine cross-range resolution. Likewise, the wide bandwidths of the automotive radar signal yield high-range resolution profiles. Together, they are exploited for generating inverse synthetic aperture radar (ISAR) images that offer rich information regarding the target vehicle's size, shape, and trajectory which is useful for object recognition and classification. However, a key requirement for ISAR is translation motion compensation and estimation of the turning velocity of the target. State-of-the-art algorithms for motion compensation trade-off between computational complexity and accuracy. An alternative low complexity method is to use an additional sensor for tracking the target motion. In this work, we propose to exploit computer vision algorithms to identify the radar target object in the sensor field-of-view (FoV) with high accuracy. Further, we propose to track the target vehicle's motion through fusion of vision and radar data. Vision data facilitates the accurate estimation of the lateral position of the target which complements the radar capability of accurate estimation of range and radial velocity. Through simulations and experimental evaluations with a monocular camera and Texas Instrument millimeter wave radar we demonstrate the effectiveness of sensor fusion for accurate target tracking for translational motion compensation and the generation of high-quality ISAR images.

中文翻译：

---

用于汽车目标跟踪的逆合成孔径雷达和相机图像的融合

在路口转弯的汽车目标在较短的停留时间内为汽车雷达提供了较大的合成孔径，可用于获得精细的横向分辨率。同样，汽车雷达信号的宽带宽产生了高范围的分辨率轮廓。它们一起被用于生成逆合成孔径雷达 (ISAR) 图像，这些图像提供有关目标车辆大小、形状和轨迹的丰富信息，这对于对象识别和分类很有用。然而，ISAR 的一个关键要求是平移运动补偿和目标转动速度的估计。最先进的运动补偿算法在计算复杂性和准确性之间进行权衡。另一种低复杂度的方法是使用额外的传感器来跟踪目标运动。在这项工作中，我们建议利用计算机视觉算法以高精度识别传感器视场 (FoV) 中的雷达目标对象。此外，我们建议通过融合视觉和雷达数据来跟踪目标车辆的运动。视觉数据有助于准确估计目标的横向位置，这补充了雷达准确估计距离和径向速度的能力。通过使用单目相机和德州仪器毫米波雷达进行模拟和实验评估，我们证明了传感器融合对平移运动补偿的精确目标跟踪和生成高质量 ISAR 图像的有效性。我们建议利用计算机视觉算法以高精度识别传感器视场 (FoV) 中的雷达目标对象。此外，我们建议通过融合视觉和雷达数据来跟踪目标车辆的运动。视觉数据有助于准确估计目标的横向位置，这补充了雷达准确估计距离和径向速度的能力。通过使用单目相机和德州仪器毫米波雷达进行模拟和实验评估，我们证明了传感器融合对平移运动补偿的精确目标跟踪和生成高质量 ISAR 图像的有效性。我们建议利用计算机视觉算法以高精度识别传感器视场 (FoV) 中的雷达目标对象。此外，我们建议通过融合视觉和雷达数据来跟踪目标车辆的运动。视觉数据有助于准确估计目标的横向位置，这补充了雷达准确估计距离和径向速度的能力。通过使用单目相机和德州仪器毫米波雷达进行模拟和实验评估，我们证明了传感器融合对平移运动补偿的精确目标跟踪和生成高质量 ISAR 图像的有效性。我们建议通过融合视觉和雷达数据来跟踪目标车辆的运动。视觉数据有助于准确估计目标的横向位置，这补充了雷达准确估计距离和径向速度的能力。通过使用单目相机和德州仪器毫米波雷达进行模拟和实验评估，我们证明了传感器融合对平移运动补偿的精确目标跟踪和生成高质量 ISAR 图像的有效性。我们建议通过融合视觉和雷达数据来跟踪目标车辆的运动。视觉数据有助于准确估计目标的横向位置，这补充了雷达准确估计距离和径向速度的能力。通过使用单目相机和德州仪器毫米波雷达进行模拟和实验评估，我们证明了传感器融合对平移运动补偿的精确目标跟踪和生成高质量 ISAR 图像的有效性。