[發(fā)明專利]基于運動?xùn)鸥竦恼系K物檢測方法、系統(tǒng)和智能終端

在審

• 申請?zhí)枺?/td>: 202110860695.0
• 申請日: 2021-07-29
• 公開（公告）號: CN113657205A
• 公開（公告）日: 2021-11-16
• 發(fā)明（設(shè)計）人: 王欣亮;楊超;朱海濤;肖志鵬;盧士強(qiáng)
• 申請（專利權(quán)）人: 北京中科慧眼科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T7/55;G06T7/246;G06T7/277
• 代理公司: 北京遠(yuǎn)立知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11502
• 代理人: 李海燕

1.一種基于運動?xùn)鸥竦恼系K物檢測方法，其特征在于，所述方法包括：

獲取雙目相機(jī)的視差圖，并經(jīng)過路面刪除處理后將視差圖數(shù)據(jù)投影到柵格地圖上；

生成運動粒子，并基于柵格地圖和概率計算得到理論柵格粒子數(shù)量；

對運動粒子進(jìn)行重采樣修正，基于運動粒子的重采樣修正結(jié)果，估算各個柵格的位置和速度；

基于柵格聚類通過反投影得到障礙物目標(biāo)。

2.根據(jù)權(quán)利要求1所述的障礙物檢測方法，其特征在于，所述獲取雙目相機(jī)的視差圖，并經(jīng)過路面刪除處理后將視差圖數(shù)據(jù)投影到柵格地圖上，具體包括：

利用雙目相機(jī)的校準(zhǔn)圖像，逐點計算視差，以得到與校準(zhǔn)圖像對應(yīng)的視差圖；

將視差圖轉(zhuǎn)換為空間三維點云圖；

刪選出空間三維點云圖中目標(biāo)范圍內(nèi)的三維空間點；

將目標(biāo)范圍內(nèi)的三維空間點投影到柵格地圖上。

3.根據(jù)權(quán)利要求1所述的障礙物檢測方法，其特征在于，所述生成運動粒子，并基于柵格地圖和概率計算得到理論柵格粒子數(shù)量，具體包括：

生成運動粒子；

預(yù)測粒子狀態(tài)；

通過概率計算得到理論柵格粒子數(shù)量。

4.根據(jù)權(quán)利要求3所述的障礙物檢測方法，其特征在于，所述生成運動粒子，具體包括：

設(shè)定障礙物目標(biāo)由有限的運動粒子組成，定義運動粒子為柵格的狀態(tài)為：

s＝(r，c，vr，vc)

其中，r為粒子在柵格上的行位置，c為粒子在柵格上的列位置；

vr為粒子在柵格上的行運動速度，vc為粒子在柵格上的列運動速度；

初始情況下粒子速度狀態(tài)未知，設(shè)置粒子速度狀態(tài)為均值0方差σ的隨機(jī)數(shù)值，其中，

x,z分別表示空間三維點p在x和z軸方向的坐標(biāo)值。

5.根據(jù)權(quán)利要求3所述的障礙物檢測方法，其特征在于，所述預(yù)測粒子狀態(tài)，具體包括：

粒子初始化之后，根據(jù)車輛信息預(yù)測出當(dāng)前幀的運動粒子狀態(tài)，所述運動粒子狀態(tài)包括自車運動和目標(biāo)運動；

自行運動的粒子狀態(tài)運動模型為：

其中：v車輛運行速度，φ車輛偏航角，車輛偏航角速率；

目標(biāo)運動的粒子狀態(tài)運動模型為：

其中：σ_rσ_c代表著粒子在對應(yīng)柵格的位置過程噪聲，符合N(0,σ²)均值為0，方差為σ_rσ_c的隨機(jī)數(shù)；σ_vrσ_vc代表粒子在對應(yīng)柵格的速度過程噪聲，符合N(0,σ²)均值為0，方差為σ_vrσ_vc的隨機(jī)數(shù)。

6.根據(jù)權(quán)利要求1所述的障礙物檢測方法，其特征在于，所述通過概率計算得到理論柵格粒子數(shù)量，具體包括：

根據(jù)柵格投影上的占用、空置概率計算公式計算窗口空間內(nèi)的理論柵格粒子數(shù)量：

p(m(r，c)|free)=1-p(m(r,c)|occupied)

其中：

∑∑O(row，col)為在柵格(row，col)位置，窗口(2σ_row+1)×(2σ_col+1)大小的空間上理論柵格粒子數(shù)量。