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: 2020101516183
申请人: 吉林大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
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:

1.一种智能汽车恶劣天气条件下车辆检测方法,其特征在于,包括以下步骤:步骤1、车辆感兴趣区域生成:分别通过毫米波雷达和热成像相机进行车辆目标检测和图像捕获;将毫米波雷达检测到的车辆目标通过坐标变换投影到热成像相机捕获的红外热图像,获得车辆检测目标在红外热图像中的近似位置分布;提取与分割车辆感兴趣区域;

步骤2、车辆假设验证:采用DMP目标检测算法对车辆感兴趣区域进行假设验证,并对车辆的检测边框进行回归预测;

步骤3、目标融合与跟踪:通过计算代价矩阵对毫米波雷达及热成像相机的车辆检测目标进行融合,最后采用卡尔曼滤波对融合后的车辆检测目标进行跟踪。

2.如权利要求1所述的一种智能汽车恶劣天气条件下车辆检测方法,其特征在于,所述步骤1车辆感兴趣区域生成具体包括以下步骤:步骤1.1、将毫米波雷达及热成像相机分别固定在车辆指定位置;

步骤1.2、利用张定友标定法对热成像相机进行参数标定,根据相机成像原理和投影变换将环境中物点p(xw,yw,zw)转化到图像坐标p(u,v),转化公式如下:步骤1.3、定义世界坐标系与车辆坐标系相同,且其中雷达坐标系XrOrYr平面和世界坐标系的XOY平面平行,两平面垂直方向的距离为Zo,Y方向的距离为Yo,则雷达坐标系下任意一点P(R,α),转化到车辆坐标系下可以表示为:步骤1.4、根据步骤1.2和步骤1.3得到物点P在雷达坐标系和相机坐标系的转化关系为:步骤1.5、采用时间戳对齐的方式确保毫米波雷达和热成像相机信息传输的同步;

步骤1.6、对毫米波雷达检测到的车辆目标进行筛选,获得有效车辆目标;

步骤1.7、利用步骤1.4的坐标转化公式,将步骤1.6筛选后的有效车辆目标投影到红外热图像,获得车辆检测目标在红外热图像中的近似位置分布;

步骤1.8、根据车辆分布对热红外图像中的车辆感兴趣区域进行动态提取;

步骤1.9、采用适应灰度增强算法对每一块提取的车辆感兴趣区域进行图像增强,提高车辆检测目标的辨识度。

3.如权利要求2所述的一种智能汽车恶劣天气条件下车辆检测方法,其特征在于,所述步骤1.8车辆感兴趣区域的动态提取具体包括以下步骤:步骤1.8.1、选择实验场地,将道路长度均分并画线;

步骤1.8.2、选择实验车辆,并将试验车分别停靠在实验场地的画线上;

步骤1.8.3、保持相机不动,依次记录车辆距离相机不同距离的图像信息,对每一幅图像中车辆像素的宽度信息进行提取和记录;

步骤1.8.4、通过上述步骤获得若干组车辆在图像中的宽度与距离的映射组合K=(li,wi),i∈[1,20],其中li代表第i个测量点距相机的距离,wi代表在i个测量点车辆的像素宽度;

步骤1.8.5、采用不同函数对所述若干组测量点的函数关系进行回归拟合,车辆像素宽度W与距离l的函数关系表达式如下所示:W=905.6l-0.9246-3.472

步骤1.8.6、毫米波雷达可以精确探测到车辆的距离l,将l带入到步骤1.8.5的公式中求出车辆在图像中的像素宽度W;车辆宽高比的统计值为1.2,则车辆在图像中的像素高度H=W/1.2;以毫米波雷达检测的车辆质心为中心,以求解的车辆像素宽度W和高度H为边界,建立车辆动态感兴趣区域;为了防止车辆细节的缺失,对规划的感兴趣区区域再进行1.2倍地拓展。

4.如权利要求2所述的一种智能汽车恶劣天气条件下车辆检测方法,其特征在于,所述步骤2车辆假设验证包括以下具体步骤:步骤2.1、训练样本采集与预处理:采用实车实验分别采集不同恶劣环境下的雷达和热成像相机的感知信息;对红外热图像的车辆目标和非车辆目标进行标注,收集正训练样本图片和负训练样本图片;

步骤2.2、训练样本增广;

步骤2.3、DPM建模与训练:随机选取80%的样本作为训练样本,20%的样本作为测试样本;训练样本被平均分成若干份,在训练时进行交叉验证;经过反复训练和迭代获得车辆检测分类器;

步骤2.4、采用多用多尺度滑动窗口对车辆感兴趣区域进行DPM特征提取,利用训练好的车辆分类器对车辆进行识别,最后采用非极大值抑制算法对车辆目标的检测边框进行回归预测。

5.如权利要求4所述的一种智能汽车恶劣天气条件下车辆检测方法,其特征在于,所述步骤3目标融合与跟踪包括以下具体步骤:步骤3.1、假设所述步骤2中的车辆检测边框的左上角和右下角的坐标分别为(x1,y1)和(x2,y2),则所检测的车辆中心坐标 可表示为:步骤3.2、将所有雷达检测目标和热成像相机检测目标分别用集合R和C表示,其中x和y分别代表目标在像平面的横坐标和纵坐标;

步骤3.3、对所有检测目标的x和y分别采用最大最小值法进行归一化处理:x=(x-xmin)/(xmax-xmin)

y=(y-ymin)/(ymax-ymin)

步骤3.4、计算任意两个传感器目标之间的代价函数值,代价矩阵的计算公式如下:步骤3.5、根据代价函数的计算结果对两传感器的检测目标进行融合,获得有效车辆检测目标列表;

步骤3.6、雷达直接检测车辆的速度、距离、角度,热成像相机通过DPM目标检测算法获得车辆的检测边框,将检测边框的位置信息代入步骤1.4的公式中,求得实际车辆的高度、宽度,将融合后的测量信息更新到目标列表;

步骤3.7、采用卡尔曼滤波算法对融合后的车辆目标进行跟踪。