[發(fā)明專利]基于數(shù)據(jù)融合的車輛檢測跟蹤算法

在審

• 申請?zhí)枺?/td>: 201810591490.5
• 申請日: 2018-06-10
• 公開（公告）號: CN109085570A
• 公開（公告）日: 2018-12-25
• 發(fā)明（設計）人: 盛衛(wèi)星;湯偉
• 申請（專利權）人: 南京理工大學
• 主分類號: G01S13/72
• 分類號: G01S13/72;G01S13/86
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 陳鵬

1.一種基于數(shù)據(jù)融合的車輛檢測跟蹤算法，其特征在于，包含以下步驟：

使用圖像識別跟蹤方法對CCD攝像機采集的視頻圖像目標進行識別跟蹤；

使用毫米波雷達測量前方運動目標的速度、方位以及距離信息；

搭建雷達與光學圖像的數(shù)據(jù)融合模型，將不同傳感器的信息做時間和空間上的匹配，將雷達獲取的車輛信息轉化到視頻圖像識別的車輛上進行標注，實現(xiàn)多傳感器數(shù)據(jù)融合的車輛檢測。

2.根據(jù)權利要求1所述的基于數(shù)據(jù)融合的車輛檢測跟蹤算法，其特征在于，所述圖像識別跟蹤方法具體為：

根據(jù)場景不同，圖像識別跟蹤方法分為自適應背景差分法和基于Haar-like特征的Adaboost算法；自適應背景差分算法應用于攝像機固定的情況下；基于Haar-like特征的Adaboost算法應用于攝像機運動的場景。

3.根據(jù)權利要求2所述的基于數(shù)據(jù)融合的車輛檢測跟蹤算法，其特征在于，自適應背景差分法具體為：

根據(jù)視頻的某一時刻選定一幀作為背景圖像；將當前時刻的圖像像素與背景圖像相減得到差分圖像，設定閾值T，若當前幀與背景幀模型灰度值相差大于T則認為該點為運動目標，并將其二值化為1；反之，則認為該點是背景點，將其二值化為0，從而實現(xiàn)分割運動目標，提取出圖像的前景。

4.根據(jù)權利要求2或3所述的基于數(shù)據(jù)融合的車輛檢測跟蹤算法，其特征在于，識別出車輛目標后使用Kalman濾波對物體進行跟蹤。

5.根據(jù)權利要求1所述的基于數(shù)據(jù)融合的車輛檢測跟蹤算法，其特征在于，搭建雷達與光學圖像的數(shù)據(jù)融合模型，將不同傳感器的信息做時間和空間上的匹配，具體為：

根據(jù)張友正標定法，利用MATLAB攝像機標定工具箱，確定攝像機內參數(shù)；

采用最小二乘法迭代求取攝像機的畸變參數(shù)；

根據(jù)攝像機與雷達的安裝位置進行攝像機外參數(shù)的求取；

根據(jù)世界坐標系到像素坐標系的轉換公式，將雷達獲取的目標速度、距離信息轉換到圖像的像素坐標上，通過計算雷達信息對應的車輛質心像素坐標與光學圖像識別的車輛質心像素坐標，當像素坐標差值小于設定的閾值則認為目標為同一車輛，將車輛的速度，距離信息顯示在圖像識別的車輛上，從而實現(xiàn)兩種傳感器的信息融合模型的搭建，完成空間上的融合；對于時間上的融合，采用多線程同步的方式使得數(shù)據(jù)同步更新。

6.根據(jù)權利要求5所述的基于數(shù)據(jù)融合的車輛檢測跟蹤算法，其特征在于，在進行坐標轉換時選取雷達坐標系為世界坐標系，根據(jù)雷達的距離、方位角和俯仰角三個信息得到物體在世界坐標系下的三維坐標[X,Y,Z]；設[u,v]分別是視頻檢測出的車輛質心的橫坐標與縱坐標，K為相機內參，R和T是世界坐標系轉換到相機坐標系的旋轉和平移矩陣，即相機的外參，s是比例因子；從世界坐標系到圖像坐標系的投影關系表示為：