【技术实现步骤摘要】
基于图像特征的图像和单帧毫米波雷达目标的匹配方法
[0001]本申请涉及自动驾驶
,尤其是涉及基于图像特征的图像和单帧毫米波雷达目标的匹配方法。
技术介绍
[0002]目前,自动驾驶车辆面临的挑战之一是复杂场景中精确的目标检测和跟踪,因毫米波雷达使用的是毫米波信号,其波长比形成雾、雨和雪的微小粒子大,穿透能力强,并且具有全天候全天时的特点,适用于复杂场景中精确的目标检测和跟踪。
[0003]但是,现有的图像和毫米波雷达目标的匹配方法采用了伪图,因伪图是稀疏图,冗余了大量的伪信息(元素值为0),导致构造时耗费的计算机资源较多,运算速度慢,在车载芯片上的运行难度大,实时性难以满足自动驾驶的要求。
[0004]针对上述中的相关技术,专利技术人发现现有的图像和毫米波雷达目标的匹配方法存在有在车载芯片上的运行难度大,实时性差的问题。
技术实现思路
[0005]为了提升图像和毫米波雷达目标匹配时的实时性能,本申请提供了基于图像特征的图像和单帧毫米波雷达目标的匹配方法。
[0006]第一方面,本申请提供一种基于图像特征的图像和单帧毫米波雷达目标的匹配方法。
[0007]本申请是通过以下技术方案得以实现的:一种基于图像特征的图像和单帧毫米波雷达目标的匹配方法,包括以下步骤,基于时间同步下的图像和该时间下的毫米波雷达目标,将所述毫米波雷达目标投影到所述图像上,获得所述毫米波雷达目标在所述图像上的投影点坐标;将所述图像输入预设的目标检测器中,获得图像的融合特征和图像的目标区域,并根据 ...
【技术保护点】
【技术特征摘要】
1.一种基于图像特征的图像和单帧毫米波雷达目标的匹配方法,其特征在于,包括以下步骤,基于时间同步下的图像和该时间下的毫米波雷达目标,将所述毫米波雷达目标投影到所述图像上,获得所述毫米波雷达目标在所述图像上的投影点坐标;将所述图像输入预设的目标检测器中,获得图像的融合特征和图像的目标区域,并根据所述目标区域的中心点位置和所述毫米波雷达目标在所述图像上的投影点坐标,在所述融合特征上分别提取出所述目标区域的中心点特征以及所述毫米波雷达目标的初始雷达目标特征;将所述目标区域的中心点特征以及所述毫米波雷达目标的初始雷达目标特征输入至预设的匹配模型中,在所述初始雷达目标特征中额外加入雷达点信息,并进行特征提取,得到与所述目标区域的中心点特征维度一致的第一雷达目标特征;将所述目标区域的中心点特征和第一雷达目标特征进行特征再加工,得到加工后的目标区域的中心点特征和第一雷达目标特征;根据加工后的目标区域的中心点特征和加工后的第一雷达目标特征,确定所述图像与所述毫米波雷达目标之间的匹配矩阵;基于所述匹配矩阵,解析得到所述图像和所述单帧毫米波雷达目标的匹配结果。2.根据权利要求1所述的基于图像特征的图像和单帧毫米波雷达目标的匹配方法,其特征在于,所述将所述图像输入预设的目标检测器中,获得图像的融合特征和图像的目标区域,并根据所述目标区域的中心点位置和所述毫米波雷达目标在所述图像上的投影点坐标,在所述融合特征上分别提取出所述目标区域的中心点特征以及所述毫米波雷达目标的初始雷达目标特征的步骤包括,所述目标检测器包括CSPdarknet53层、Neck层、Head层和NMS层的网络结构,CSPdarknet53层的输出端连接Neck层的输入端,Neck层的输出端连接Head层的输入端,Head层的输出端连接NMS层的输入端;将所述图像输入所述目标检测器的CSPdarknet53层,得到图像的特征金字塔,并将所述特征金字塔进行特征融合,得到融合特征;所述特征金字塔经过所述目标检测器的Neck层、Head层和NMS层,得到所述目标区域的中心点位置、宽度和高度;基于所述目标区域的中心点位置,结合所述融合特征,得到所述目标区域的中心点特征;基于所述毫米波雷达目标在所述图像上的投影点坐标,结合所述融合特征,得到所述毫米波雷达目标的初始雷达目标特征。3.根据权利要求1所述的基于图像特征的图像和单帧毫米波雷达目标的匹配方法,其特征在于,所述匹配模型的训练过程包括,将属于真实世界的同一个目标物体的所述图像与所述单帧毫米波雷达目标一一对应,获得匹配关系;以所述目标区域的中心点特征以及所述毫米波雷达目标的初始雷达目标特征为输入,以所述图像和所述单帧毫米波雷达目标之间的匹配矩阵为输出,根据所述匹配关系对预设的匹配模型进行训练;
其中,所述匹配模型包括雷达特征融合网络、特征再加工网络和匹配矩阵生成网络;在训练时,所述雷达特征融合网络对初始雷达目标特征和额外加入的雷达信息进行融合并提取,得到与所述目标区域的中心点特征维度一致的第二雷达目标特征;所述特征再加工网络,用于将所述目标区域的中心点特征和第二雷达目标特征进行二次加工;所述匹配矩阵生成网络,用于根据加工后的目标区域的中心点特征和加工后的第二雷达目标特征生成所述图像和所述单帧毫米波雷达目标之间的匹配矩阵;在训练完毕后生成所述匹配模型。4.根据权利要求3所述的基于图像特征的图像和单帧毫米波雷达目标的匹配方法,其特征在于,还包括以下步骤,每次监督训练时,基于负对数似然函数,计算匹配模型的匹配损失;根据所述匹配损失,利用优化器优化所述匹配模型;重复上述步骤,直至匹配模型收敛,得到图像和单帧毫米波雷达目标的匹配模型;其中,所述...
【专利技术属性】
技术研发人员:杨超,刘国清,杨广,王启程,
申请(专利权)人:深圳佑驾创新科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。