[發明專利]基于運動柵格的障礙物檢測方法、系統和智能終端在審
| 申請號: | 202110860695.0 | 申請日: | 2021-07-29 |
| 公開(公告)號: | CN113657205A | 公開(公告)日: | 2021-11-16 |
| 發明(設計)人: | 王欣亮;楊超;朱海濤;肖志鵬;盧士強 | 申請(專利權)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: | 北京遠立知識產權代理事務所(普通合伙) 11502 | 代理人: | 李海燕 |
| 地址: | 100085 北京市海淀*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 運動 柵格 障礙物 檢測 方法 系統 智能 終端 | ||
本發明公開了一種基于運動柵格的障礙物檢測方法、系統和智能終端,方法包括:獲取雙目相機的視差圖,并經過路面刪除處理后將視差圖數據投影到柵格地圖上;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量;對運動粒子進行重采樣修正,基于運動粒子的重采樣修正結果,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。解決了現有技術中障礙物檢測準確性較差的技術問題。
技術領域
本發明涉及障礙物檢測技術領域,具體涉及一種基于運動柵格的障礙物檢測方法、系統和智能終端。
背景技術
隨著自動駕駛技術的發展,人們對于輔助駕駛車輛安全性和舒適性的要求也日益提高。并且,隨著深度學習技術的發展,基于深度學習的識別方法在無人駕駛、安防以及工業檢測領域都有較多的應用。尤其是在輔助駕駛領域中,無人駕駛的障礙物感知方向時,需要識別不同障礙物的類別屬性,為后期的功能策略提供基礎數據依據。
近年來,隨著自動駕駛和輔助駕駛技術的發展,對車載傳感器的要求也在不斷提高。特別在深度學習快速迭代的情況下,攝像頭在障礙物感知上成為必不可少的一項。其他傳感例如毫米波雷達和激光雷達都是可以和攝像頭搭配成為一個解決方案。毫米波雷達對非金屬的目標容易漏檢測;激光雷達需要安裝在車體外側,成本較高,有機械損耗不易于維護;這兩個傳感器的短處都限制了自動駕駛和輔助駕駛在中低端車型的普及。雙目立體相機正好補充這樣一個需求的市場。雙目相機可以兼具單目相機的全部功能,同時輸出質量優于毫米波雷達,準確略低于激光雷達的點云數據,以直接代替或從功能安全角度備份冗余毫米波和激光雷達的點云數據。雙目立體相機輸出的點云數據和圖像像素一一對應,能夠解決非金屬障礙物和其他非標準障礙物的感知問題。雙目相機安裝在前擋風玻璃內,無機械損耗易于保養。整體成本上一個雙目相機只比單目相機多了一個相機模組成本,性價比優于單目加毫米波雷達方案,單一傳感器就能完成兩個傳感器組合的所以功能,極具優勢。
雙目立體相機近距離點云數據比較準確,目標檢測的效果和激光雷達比較接近。但是,隨著距離增加誤差也會快速增加,同時雙目立體匹配自身存在的誤匹配問題也會降低數據的可靠性。
發明內容
為此,本發明實施例提供一種基于運動柵格的障礙物檢測方法、系統和智能終端,以解決現有技術中障礙物檢測準確性較差的技術問題。
為了實現上述目的,本發明實施例提供如下技術方案:
一種基于運動柵格的障礙物檢測方法,所述方法包括:
獲取雙目相機的視差圖,并經過路面刪除處理后將視差圖數據投影到柵格地圖上;
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量;
對運動粒子進行重采樣修正,基于運動粒子的重采樣修正結果,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。
進一步地,所述獲取雙目相機的視差圖,并經過路面刪除處理后將視差圖數據投影到柵格地圖上,具體包括:
利用雙目相機的校準圖像,逐點計算視差,以得到與校準圖像對應的視差圖;
將視差圖轉換為空間三維點云圖;
刪選出空間三維點云圖中目標范圍內的三維空間點;
將目標范圍內的三維空間點投影到柵格地圖上。
進一步地,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量,具體包括:
生成運動粒子;
預測粒子狀態;
通過概率計算得到理論柵格粒子數量。
進一步地,所述生成運動粒子,具體包括:
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京中科慧眼科技有限公司,未經北京中科慧眼科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110860695.0/2.html,轉載請聲明來源鉆瓜專利網。





