Multiple vehicle tracking by fusion of radar and camera data

Automation technology and artificial intelligence are emerging trends within the automotive sector: driver assistance technologies in today's vehicles help to save lives, prevent crashes and increase the convenience of the driving experience. These features allow the identification and, in some cases, reaction to risks of the surrounding environment. The aim of this thesis is to develop a process able to track vehicles' movement through the use of camera and radar sensors; we exploit the potential arising from the fusion of these two sensors, with the advantage that their presence is granted on most of the modern cars. The applied algorithm is based on a Kalman filter. The resulting performances of the process proves to be satisfactory: the tracking results guarantee a reasonable assessment of the real scene, and are comparable to those obtained with other methods working with more expensive devices.

La tecnologia automotiva e l'intelligenza artificiale sono argomenti emergenti nel settore automobilistico: oggigiorno le tecnologie di assistenza alla guida presenti nei veicoli aiutano a salvare vite, a prevenire incidenti e ad accrescere la praticità dell'esperienza di guida. Queste tecnologie permettono l'identificazione e, in qualche caso, la reazione ai rischi dell'ambiente circostante. Lo scopo di questa tesi è di sviluppare un processo in grado di tracciare il movimento dei veicoli attraverso l'utilizzo di camera e radar; sfruttiamo il potenziale ottenuto dalla fusione tra questi due sensori, avvantaggiandoci della loro implicita presenza nella maggioranza delle auto moderne. L'algoritmo applicato si basa su un filtro di Kalman. Le prestazioni ottenute del processo si dimostrano soddisfacenti: i risultati di tracciamento garantiscono una valutazione ragionevole dello scenario reale, e sono confrontabili con quelli ottenuti da altri metodi che usano dispositivi più costosi.