【技术实现步骤摘要】
一种视觉和成像毫米波雷达点云融合方法、系统和设备
[0001]本申请涉及一种对目标检测跟踪的视觉和成像毫米波雷达点云融合方法、系统和设备,属于无人驾驶事件检测
技术介绍
[0002]在无人驾驶领域的事件检测算法中,为了避免复杂路况、极端天气等因素对视频事件检测技术的不利影响,综合4D毫米波雷达和视频监控在事件检测
的优势,将4D毫米波雷达探测技术与视频检测技术相融合,即雷视融合感知技术。
[0003]随着毫米波芯片技术的发展,应用于车载的毫米波雷达系统得到了大规模应用,4D毫米波雷达技术突破了传统车载雷达的局限性,可以以很高的分辨率同时探测目标的距离、速度、水平方位和俯仰方位,使得:一、最远探测距离大幅可达300多米,比激光雷达和视觉传感器都要远。
[0004]二、4D毫米波雷达系统水平角度分辨率较高,通常可以达到1 的角度分辨率,可以区分 300m 处的两辆近车。
[0005]三、4D毫米波雷达系统可以测量俯仰角度,可达到优于2
°
的角度分辨率,可在 150m 处区分地物和立交桥。
[0006]四、当有横穿车辆和行人,多普勒为零或很低时通过高精度的水平角和高精度的俯仰角可以有效识别目标。
[0007]五、目标点云更密集,信息更丰富,更适合与深度学习框架结合。
[0008]4D毫米波雷达另外还能够提供真实的路径规划,可以在300米以上的范围内创建道路的详细图像,捕捉和识别汽车周围物体的大小、位置和速度数据。
[0009]目前,在 ...
【技术保护点】
【技术特征摘要】
1.一种视觉和成像毫米波雷达点云融合方法,对目标检测跟踪,其特征在于,包括以下步骤:S1、获取4D毫米波雷达点云、图像数据和车身信息数据;S2、建立图像检测节点,图像检测节点获取图像数据,处理后得到目标2D检测框坐标、id、置信度、类别和检测框变化速度数据;S3、建立点云处理节点,点云处理节点获得图像数据、4D毫米波雷达点云、图像检测节点的数据和车身信息数据,选出在检测框内的点云并聚类点云,计算每团点云的2D框大小和图像检测框的大小,计算交并比,得到与检测框有关联的点云和没有关联的点云;S4、建立UKF节点,UKF节点获得点云处理节点的数据,计算每个量测点概率得到加权结果,使用检测框关联目标,使用无迹卡尔曼滤波进行预测滤波;对有框无点和有点无框的目标设置波门,将航迹与波门内点关联,更新目标信息。2.如权利要求1所述的一种视觉和成像毫米波雷达点云融合方法,其特征在于,步骤S2中,图像检测节点获取图像数据,以YOLOX
‑
X模型为权重检测并跟踪目标,得到目标2D检测框坐标值(t,l,w,h),检测框变化速度(vt,vl,va,vh),目标类别label,目标置信度score,和目标跟踪id;其中,像素坐标系是图像左上角为坐标原点建立的坐标系,t是检测框的横坐标,l是纵坐标,w是宽,h是高,vt是横坐标变化速度,vl是纵坐标变化速度,va是宽/高比变化速度,vh是高度变化速度。3.如权利要求2所述的一种视觉和成像毫米波雷达点云融合方法,其特征在于,步骤S3中,点云处理节点获取图像数据、4D毫米波雷达点云、图像检测节点的数据和车身信息数据;通过车身信息数据提供的车身速度、俯仰角、翻滚角、相对速度算得目标对地速度,利用相邻帧时间差和检测框变化速度对检测框大小进行补偿,得到实时的检测框坐标,然后选出所有投影到2D平面后在检测框内的点云;对得到的点云以DBSCAN方式聚类,聚类过程如下:S31、确定两个参数:epsilon:在一个点周围邻近区域的半径;minPts:邻近区域内至少包含点的个数;S32、任意选择一个点,计算它的密度空间判断是否为核点;如果是,在该点周围建立一个类,否则,设定为外围点;S33、遍历其他点,直到建立一个类;把直接密度可达的点加入到类中,接着把密度可达的点也加进来;如果标记为外围的点被加进来,修改状态为边缘点;S34、重复步骤S32和S33,直到所有的点满足在类中或者为外围点;S35、利用轮廓函数对算法进行评估,得出最优参数;然后计算每一团点云投影到2D平面后的矩形框,再获得每个检测框的边界,计算点云矩形框与检测框的交并比;对于每团点云,选择具有最大交并比的检测框,将检测框信息与这团点云关联,输出坐标、速度、id、label、score信息;对于交并比为0的点云,只输出坐标和速度信息。4.如权利要求3所述的一种视觉和成像毫米波雷达点云融合方法,其特征在于,步骤S4中,UKF节点获取点云处理节点的数据,处理过程如下:S41、初始化目标,将有id且id相同的一团点云初始化为一个目标,量测值为init_x,init_y,init_v,分别表示点云中最近点的横坐标、纵坐标和相对速度;S42、对于无迹变换,就是在原状态分布中,按照规则选取一定的采样点;将这些采样点
带入非线性函数中,得到非线性函数值点集,通过这些点集求取变换后的均值和协方差;这里选取2L+1()个点和对应权重,计算方法如下:)个点和对应权重,计算方法如下:
ꢀꢀꢀ
i=1,
…
,L
ꢀꢀ
i=L+1,
…
,2L,...
【专利技术属性】
技术研发人员:赵丁甲,陆新飞,李家松,薛旦,史颂华,刘畅,
申请(专利权)人:上海几何伙伴智能驾驶有限公司,
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。