【技术实现步骤摘要】
本专利技术涉及智能交通，尤其涉及一种基于多元数据融合的车辆有向包围盒生成方法。
技术介绍
1、在智能路侧泊车监控领域，通常存在严重目标遮挡造成的感知识别错误问题，比如检测不准或漏检，这对系统整体的数据管理造成了严重困扰，相应增大了管理流程中的人工成本。因此在相关任务下，针对被遮挡目标的感知增强是亟待解决的重要问题。当前随着前端设备和技术的不断迭代更新，可通过其他感知结果来对原有结果进行信息融合，提升最终获取信息的准确率。
2、当前在泊车管理中一项常用的识别数据为图片车辆的有向包围框(obb)，受限于前端采集设备的种类和已有的标注数据类型，多采用单目目标姿态检测方案实现obb构建，但当对应目标的视角前方存在明显的遮挡物时(比如停车区域内视角前端的车辆)，会存在预测结果出现偏差的情况，尤其是目标的高度信息偏差会造成车辆底面投影出现明显位置偏移，进一步造成在停车管理中车辆泊位匹配精度下降，造成后续数据管理逻辑偏差。
技术实现思路
1、本申请实施例通过提供一种基于多元数据融合的车辆有向包围盒生成方法，解决了现有技术中受障碍物影响导致得到的位置信息出现位置偏移的问题，实现了车辆位置计算的准确性。
2、本申请实施例提供了一种基于多元数据融合的车辆有向包围盒生成方法，包括：
3、步骤1：针对单目图片中的目标车辆进行目标姿态识别，并对同场景下的双目识别结果进行一次信息融合，获取更新的目标姿态数据和投影结果；
4、步骤2：根据前场设备获取场景的点云数据
5、步骤3：针对更新的目标姿态数据和投影结果与目标相关点云对应的obb重建结果进行信息融合，优化目标尺寸估计值。
6、步骤1的具体实现方式如下所述：
7、步骤101，获取摄像机对应的单目图片，对单目图片中的目标车辆进行图像检测，得到原图片坐标系的目标坐标；
8、步骤102，如果前端设备是由双目摄像头，则对另一个单目摄像头采样同步骤101同样的操作，获取另一个单目摄像头中目标车辆在原图片坐标系内的目标坐标，并将该单目摄像头与预测的相对尺度信息的均值，作为当前更新的相对尺度信息；
9、步骤103，利用单幅图片的目标检测结果，通过位置相关性计算各个目标车辆的目标遮挡率。
10、步骤101的具体实现方式包括：
11、步骤1011，对单目图片进行进行目标检测，裁剪出目标区域，并对目标区域进行目标姿态估计，得到目标姿态数据；
12、步骤1012，对目标区域进行边缘检测，提取出目标图像在投影后的边界框，并提取目标区域对应的相对尺度信息；
13、步骤1013，根据目标姿态数据和相对尺度信息，计算在分割后单目图片局部区域的目标坐标，并将局部区域的目标坐标投影到原图片坐标系内，得到原图片坐标系的目标坐标。
14、步骤2的具体实现方式包括：
15、步骤201，通过设备提取场景内的点云数据，并进行预处理，比如滤波、去除地面反射和周边无效静态物体等干扰；
16、步骤202，对点云数据进行目标识别，提取各个目标车辆对应的点云数据组，并进一步提取目标点云周边的干扰数据；
17、步骤203，利用目标点云的三维信息和目标特征尺寸结构特征，计算目标车辆的三维坐标，并根据已配准可知的相机外参计算图片内的投影坐标，并获取目标车辆对应的绝对物理尺寸信息。
18、步骤3的具体实现方式包括：
19、步骤301，求取原图片坐标系的目标坐标与投影坐标的逐点均值和逐点平均方差；
20、步骤302，根据逐点平均方差与目标遮挡率的大小，将目标车辆对应的obb坐标进行更新，根据更新后的obb坐标输出为目标尺寸估计值。
21、本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
22、通过单目图片中的目标姿态识别以及双目识别结果的融合，可以更准确地获取目标车辆的姿态数据和投影结果。这种融合方式能够减少单一数据源带来的误差，提高目标检测的稳定性和准确性。
23、结合点云数据对目标车辆进行obb重建，可以获取目标车辆的几何尺寸、位置信息和航向角。点云数据提供了丰富的三维信息，有助于更精确地重建目标车辆的形状和姿态。同时，通过信息融合，可以优化目标尺寸估计值，提高obb重建的鲁棒性。
24、通过计算目标遮挡率，可以更准确地评估目标车辆被遮挡的程度。这有助于在后续的数据处理和obb重建中考虑遮挡因素的影响，从而提高目标车辆识别的准确性。
25、充分利用了单目图片、双目识别结果和点云数据等多种数据源的信息，通过信息融合来优化目标尺寸估计值。这种多源数据融合的方式可以提高数据处理的全面性和准确性，为车辆有向包围盒生成提供更可靠的支持。
本文档来自技高网...【技术保护点】
1.一种基于多元数据融合的车辆有向包围盒生成方法，其特征在于，包括：步骤1：针对单目图片中的目标车辆进行目标姿态识别，并对同场景下的双目识别结果进行一次信息融合，获取更新的目标姿态数据和投影结果；
2.如权利要求1所述的一种基于多元数据融合的车辆有向包围盒生成方法，其特征在于，所述的步骤1的具体实现方式如下所述：
3.如权利要求2所述的一种基于多元数据融合的车辆有向包围盒生成方法，其特征在于，所述的步骤101的具体实现方式包括：
4.如权利要求2所述的一种基于多元数据融合的车辆有向包围盒生成方法，其特征在于，所述的目标姿态数据包括获取目标车辆的姿态角、相对位置；相对尺度信息表示为size1＝(wr,1,hr)＝(wo/lo,1,ho/lo)；
5.如权利要求3所述的一种基于多元数据融合的车辆有向包围盒生成方法，其特征在于，计算各个目标车辆的目标遮挡率的实现方式包括：
6.如权利要求3所述的一种基于多元数据融合的车辆有向包围盒生成方法，其特征在于，所述的步骤2的具体实现方式包括：
7.如权利要求6所述的一种基于
8.如权利要求6所述的一种基于多元数据融合的车辆有向包围盒生成方法，其特征在于，对于目标车辆的几何尺寸、位置信息和航向角的获取方式包括以下实现方式：
9.如权利要求6所述的一种基于多元数据融合的车辆有向包围盒生成方法，其特征在于，所述的步骤3的具体实现方式包括：
10.如权利要求9所述的一种基于多元数据融合的车辆有向包围盒生成方法，其特征在于，对目标车辆对应的OBB坐标坐标进行更新时，遵循以下条件：
...【技术特征摘要】
1.一种基于多元数据融合的车辆有向包围盒生成方法，其特征在于，包括：步骤1：针对单目图片中的目标车辆进行目标姿态识别，并对同场景下的双目识别结果进行一次信息融合，获取更新的目标姿态数据和投影结果；
2.如权利要求1所述的一种基于多元数据融合的车辆有向包围盒生成方法，其特征在于，所述的步骤1的具体实现方式如下所述：
3.如权利要求2所述的一种基于多元数据融合的车辆有向包围盒生成方法，其特征在于，所述的步骤101的具体实现方式包括：
4.如权利要求2所述的一种基于多元数据融合的车辆有向包围盒生成方法，其特征在于，所述的目标姿态数据包括获取目标车辆的姿态角、相对位置；相对尺度信息表示为size1＝(wr,1,hr)＝(wo/lo,1,ho/lo)；
5.如权利要求3所述的一种基于多元数据融合的车辆有向包围盒生成方法，其特征在于，计算各...
【专利技术属性】
技术研发人员：闫昊，王永飞，
申请(专利权)人：智慧互通科技股份有限公司，
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。