[發(fā)明專利]一種無人駕駛的多特征融合的動態(tài)障礙物檢測跟蹤方法在審
| 申請?zhí)枺?/td> | 202210056867.3 | 申請日： | 2022-01-18 |
| 公開（公告）號： | CN114550127A | 公開（公告）日： | 2022-05-27 |
| 發(fā)明（設(shè)計）人： | 梁甲華;黃秀美;王志義 | 申請（專利權(quán)）人： | 淮安永道智能科技有限公司 |
| 主分類號： | G06V20/58 | 分類號： | G06V20/58;G06V10/75;G06V10/774;G06V10/764;G06V10/80;G06K9/62 |
| 代理公司： | 重慶卓茂專利代理事務(wù)所(普通合伙) 50262 | 代理人： | 許沖 |
| 地址： | 223200 江蘇省*** | 國省代碼： | 江蘇;32 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 無人駕駛 特征 融合 動態(tài) 障礙物 檢測 跟蹤 方法 | ||
本發(fā)明公開了一種無人駕駛的多特征融合的動態(tài)障礙物檢測跟蹤方法，包括步驟一：車輛通過基于時空特征向量特征對障礙物圖片展開模型訓(xùn)練，并得到訓(xùn)練后的分類模型；步驟二：車輛通過訓(xùn)練后的模型對環(huán)境進行識別分類；步驟三：車輛對動態(tài)障礙物的檢測匹配及運動狀態(tài)軌跡的估算，根據(jù)感知的信息提供給控制系統(tǒng)并作出決策，合理規(guī)避動態(tài)障礙物；采用本發(fā)明的技術(shù)，在相同的無人駕駛場景動態(tài)路路況下，通過時空維度特征結(jié)合無人駕駛車輛的位姿變化構(gòu)建時空特征向量，得到一個高性能的動態(tài)障礙物分類模型，有效提升了動態(tài)障礙物識別的準確性和實時性，有助于指導(dǎo)無人駕駛車輛生成更正確的決策意見并返回給無人駕駛控制系統(tǒng)。
技術(shù)領(lǐng)域
本發(fā)明屬于計算機圖像處理技術(shù)領(lǐng)域，具體涉及一種無人駕駛的多特征融 合的動態(tài)障礙物檢測跟蹤方法。
背景技術(shù)
無人駕駛車輛感知、決策與運動規(guī)劃研究基礎(chǔ)上提出了基于激光雷達的無 人駕駛車輛動態(tài)障礙物檢測跟蹤方法、基于時空柵格地圖的無人駕駛汽車避撞 系統(tǒng)和基于駕駛意圖檢測的動態(tài)車輛避撞方法。
上述公開的技術(shù)一定程度上提升了無人駕駛車輛在行駛中的安全性，但由 于動態(tài)障礙物檢測跟蹤使用的是基于幾何特征的方法，具有以下缺點：無匹配 率較高，且由于缺乏動態(tài)障礙物的類別信息，無入駕駛車輛對于不同種類的障 礙物的避撞策略相同，缺乏合理性；由于沒有考慮動態(tài)障礙物不同的行為意圖 對其行駛軌跡的影響，動態(tài)障礙物的軌跡預(yù)測結(jié)果誤差大，導(dǎo)致無人駕駛車輛 碰撞檢測距離短，最終執(zhí)行激烈的避撞行為，降低了安全性和平順性。因此無 法直接用于無人駕駛控制系統(tǒng)的開發(fā)中。
發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種無人駕駛的多特征融合的動態(tài)障礙物檢測跟蹤 方法，以解決上述背景技術(shù)中提出的問題。
為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種無人駕駛的多特征融合的動 態(tài)障礙物檢測跟蹤方法，包括步驟一：車輛通過基于時空特征向量特征對障礙 物圖片展開模型訓(xùn)練，并得到訓(xùn)練后的分類模型；
步驟二：車輛通過訓(xùn)練后的模型對環(huán)境進行識別分類；
步驟三：車輛對動態(tài)障礙物的檢測匹配及運動狀態(tài)軌跡的估算，根據(jù)感知 的信息提供給控制系統(tǒng)并作出決策，合理規(guī)避動態(tài)障礙物。
優(yōu)選的，所述的時空特征向量特征包括空間維度特征、時間維度特征、以 及無人駕駛汽車位姿。
優(yōu)選的，空間維度特征是根據(jù)不同種類的障礙物的輪廓特點構(gòu)造幾何特征， 幾何特征分為3類：通用特征(是指在判斷障礙物是否是任意某一類障礙物時 都要使用的特征)、行人特征和車輛特征。
優(yōu)選的，時間維度特征是從多幀疊加數(shù)據(jù)中提取出更加有效的障礙物特征， 需具備的性質(zhì)以下：可重復(fù)性：相同種類的物體在不同場景下共同擁有的特征 越多越好；準確性：特征定位要精確，不僅包括特征的位置還包含特征的尺度； 不變性：特征不隨障礙物圖像的尺度變化或旋轉(zhuǎn)變化而改變；魯棒性：特征對 小的變形不能過于敏感，這些變形包括離散化效應(yīng)和測量噪聲。
優(yōu)選的，通過空間維度和時間維度特征及車輛位姿設(shè)計出動態(tài)障礙物形式：
F＝({zt}N，M，(Pt)N)。
與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：采用本發(fā)明的技術(shù)，在相同的無 人駕駛場景動態(tài)路路況下，通過時空維度特征結(jié)合無人駕駛車輛的位姿變化構(gòu) 建時空特征向量，得到一個高性能的動態(tài)障礙物分類模型，有效提升了動態(tài)障 礙物識別的準確性和實時性，有助于指導(dǎo)無人駕駛車輛生成更正確的決策意見 并返回給無人駕駛控制系統(tǒng)。
附圖說明
圖1為本發(fā)明的流程示意圖；
圖2為本發(fā)明的訓(xùn)練所用部分正樣本圖像示意圖；
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于淮安永道智能科技有限公司，未經(jīng)淮安永道智能科技有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210056867.3/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
