欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2017112191573
申请人: 苏州大学
专利类型:发明专利
专利状态:已下证
专利领域: 信号装置
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于激光雷达的连续车辆速度检测方法,其特征在于,所述方法采用16线激光雷达连续采集行车道的路面场景数据,然后根据采集的K帧数据获得当前帧数据中车辆的平均速度,具体过程为:

1)、根据相邻两帧数据计算获得相邻帧数据所有车辆之间的距离矩阵:其中,第k帧数据中有mk辆车,Sij表示第k帧数据中的第i辆车的类中心与第k-1帧数据中的第j辆车的类中心之间的距离,i∈(0,mk],j∈(0,mk-1],其中, 表示第k帧数据中第i辆车的类中心的横坐标, 表示第k-1帧数据中第j辆车的类中心的横坐标, 表示第k帧数据中第i辆车的类中心的纵坐标, 表示第k-1帧数据中第j辆车的类中心的纵坐标;

k=2,3…K,获得多个相邻帧数据所有车辆之间的距离矩阵;

2)、根据上述距离矩阵获得的车辆关联矩阵:根据获得的所有相邻两帧数据的车辆的距离矩阵获得对应的相邻两帧数据的车辆关联数据,汇总所有相邻两帧数据的车辆关联数据获得车辆关联矩阵为:其中,akj表示第k-1帧数据中与第k帧数据中第j辆关联成功的车辆类号,J表第K帧数据中含有车辆最多的数据帧中的车辆数,j∈(0,J];当第k帧数据中的车辆数mk小于J时,则有: 均为0;

3)、遍历第k帧数据中所有车辆,获得已检测到的车辆集合P={Vid=1,Vid=2,…,Vid=count},具体过程为:

判断第i辆车对应的aki是否为0,

若aki为0,则判断第i辆车的属性id是否为0,若为0,针对所述第i辆车新建车辆id,id=count+1,同时更新count=count+1,并创建Vid=count对象,并将该对象添加入已检测到的车辆集合P={Vkl=1,Vkl=2…,Vid=count}中;否则,所述第i辆车的属性id不变;

若aki不为0,则将第i辆车与已检测到的车辆集合中的车辆相关联,如果关联成功,则该辆车的id与关联成功的车辆的id相对应,并将其加入关联成功的车辆集合P′中,如果关联失败,则针对所述第i辆车新建车辆id,id=count+1,同时更新count=count+1,并创建对象Vid=count,并将该对象添加入已检测到的车辆集合P={Vid=1,Vid=2,…,Vid=count}中;

遍历第k帧数据中所有车辆之后,获得已检测的车辆集合P={Vid=1,Vid=2,…,Vid=count},以及关联成功的车辆集合P′={V′id=1,V′id=2,…,V′id=count′},count′≤count;

4)、针对上述关联成功的车辆集合中每辆车计算其车辆的平均速度其中,kindex′,s表示车辆id为index′的车辆首次出现的数据帧的序号,kindex′,e表示车辆id为index′的车辆最后一次所出现的数据帧的序号, 表示车辆id为index′的车辆的特征点ForE在第kindex′,e帧数据中x轴坐标, 表示车辆id为index′的车辆的特征点ForE在第kindex′,s帧数据中x轴坐标, 表示车辆id为index′的车辆的特征点ForE在第kindex′,e帧数据中y轴坐标, 表示车辆id为index′的车辆的特征点在第kindex′,s帧数据中y轴坐标,tindex′,s为第kindex′,s帧数据帧的时间戳,tindex′,e为第kindex′,e帧数据帧的时间戳。

2.根据权利要求1所述的基于激光雷达的连续车辆速度检测方法,其特征在于,步骤2)中所述的获得相邻两帧数据的车辆关联数据的方法为:根据步骤1)获得的距离矩阵,依次选取每行的最小距离Sia,该最小距离为第k-1帧数据中的第a辆车与第k帧数据中的第i辆车之间的距离,然后进一步判断下述两个条件:条件1:Sia≤Tmax_xy_move,其中Tmax_xy_move是一辆车在相邻帧之间能够行驶的最大距离;

条件2:yo(i)-yo(a)≤Tmax_y_move,Tmax_y_move表示一辆车在相邻帧之间的纵轴最大偏移量,该偏移量表示车辆与行驶方向的偏移量;

如果同时满足上述两个条件,认为关联成功。

3.根据权利要求1所述的基于激光雷达的连续车辆速度检测方法,其特征在于,步骤3)中所述的,若aki不为0,则将第i辆车与已检测到的车辆集合中的车辆相关联的方法为:判断条件1:被关联的车辆是否位于待关联车辆所在车道或者其附近,即,当满足条件时,则认为被关联车辆在待关联车辆所在车道或者附近,其中,yO,ki表示待关联的车辆的类中心纵坐标,所述待关联车辆为第k帧数据中的第i辆车; 为被关联的车辆在其最后一次所出现的数据帧中的类中心纵坐标,所述被关联车辆为已检测到的车辆集合中车辆id为index的车辆,Tmax_xy_move表示一辆车在相邻帧之间的纵轴最大偏移量;

判断条件2:被关联的车辆是否在待关联车辆出现的数据帧之前较近的数据帧中出现,当满足条件

时,则认为被关联的车辆在待关联车辆出现的数据帧之前较近的数据帧中出现了,其中,Kki待关车辆所在数据帧的序号, 表示被关联车辆最后一次所出现在的数据帧的序号,Tmax_frame_lose表示允许的最大丢失帧数;

判断条件3:被关联的车辆是否在待关联车辆出现位置以前出现,首先获得车辆运动方向:

其中,v_direction表示车辆运动方向,当其取值为+1时表示车辆运动方向为沿横轴正方向,当其取值为-1时表示车辆运动方向为沿横轴负方向,Tv_change_lane表示车辆运动方向开始改变的车道距离,yO,ki表示待关联车辆的类中心纵坐标,则待关联车辆与被关联车辆位置关系应当满足条件:其中,xO,ki表示待关联车辆的类中心的横坐标, 被关联车辆在最后一次出现的数据帧中其类中心的横坐标;

同时满足上述三个条件,则初步判定车辆关联成功;

然后,针对上述初步判定关联成功的每个被关联车辆与待关联车辆,推算二者在当前帧所处的位置的距离差,然后选定所述距离差中的最小值所对应的被关联车辆与待关联车辆关联成功。

4.根据权利要求3所述的基于激光雷达的连续车辆速度检测方法,其特征在于,所述针对上述初步判定关联成功的每个被关联车辆与待关联车辆,推算二者在当前帧所处的位置的距离差的过程为:

根据被关联车辆的平均速度vindex′估计该车辆在当前帧的位置为:Sindex′=vindex′(tki-tindex′e),k为当前帧的数据帧序号,tki为当前帧的时间戳,tindex′e为被关联车辆最后一次出现的数据帧的时间戳;

待关联车辆与被关联车辆之间的距离为:

其中,xForE,ki表示当前帧数据中待关联车辆的特征点ForE的x轴坐标,yForE,ki表示当前帧数据中待关联车辆的特征点ForE的y轴坐标;

获得被关联车辆与待关联车辆在当前帧所处的位置的距离差|Sindex′,ki-Sindex′|。

5.根据权利要求3所述的基于激光雷达的连续车辆速度检测方法,其特征在于,所述选定所述距离差中的最小值所对应的被关联车辆与待关联车辆关联成功的过程为:取待关联的车辆与所有被关联车辆的距离之差中的最小值:ΔSmin_index′,ki=arg min|Sindex′,ki-Sindex′|min_index′为所有被关联车辆中与待关联车辆的距离之差最小的车辆id,当所述最小值满足条件ΔSmin_index′,ki≤Tmin_ΔS时,则判定关联成功,将待关联车辆的id赋值为min_index′,Tmin_ΔS表示距离估算允许的误差值。

6.根据权利要求1所述的基于激光雷达的连续车辆速度检测方法,其特征在于,所述车辆的类中心是指,将激光雷达获得的数据中的车辆数据采用车辆盒子模型的形式表达,所述车辆盒子模型中包含的车辆特征点有E点、F点、O点和组合特征点ForE,其中O点表示车辆的中心点,又称为车辆的类中心。

7.根据权利要求6所述的基于激光雷达的连续车辆速度检测方法,其特征在于,所述E点和F点通过分别选择距离A、B最近的N个点取其x轴坐标和y轴坐标的平均值得到,其时间戳信息是取距离最近的N个点的时间戳的平均值。