[發(fā)明專利]目標(biāo)分類方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210439476.X
• 申請(qǐng)日: 2022-04-25
• 公開(kāi)（公告）號(hào): CN114821499A
• 公開(kāi)（公告）日: 2022-07-29
• 發(fā)明（設(shè)計(jì)）人: 李保江;楊德鉦;馮博詢;王明明;顧炎飚;岳玉濤
• 申請(qǐng)（專利權(quán)）人: 江蘇集萃深度感知技術(shù)研究所有限公司
• 主分類號(hào): G06V20/56
• 分類號(hào): G06V20/56;G06V10/30;G06V10/762;G06V10/80;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G06T5/00;G06T5/40;G01S7/41
• 代理公司: 無(wú)錫市觀知成專利商標(biāo)代理事務(wù)所(特殊普通合伙) 32591
• 代理人: 陸旦華

1.一種目標(biāo)分類方法，其特征在于，包括：

利用毫米波雷達(dá)獲取檢測(cè)區(qū)域中的待測(cè)目標(biāo)的雷達(dá)信號(hào)，同時(shí)，利用攝像頭獲取檢測(cè)區(qū)域中的待測(cè)目標(biāo)的圖像數(shù)據(jù)；

將雷達(dá)坐標(biāo)系和圖像坐標(biāo)系進(jìn)行標(biāo)定，統(tǒng)一坐標(biāo)系；

對(duì)所述雷達(dá)信號(hào)進(jìn)行噪聲濾除以得到點(diǎn)云信號(hào)，同時(shí)對(duì)所述圖像數(shù)據(jù)進(jìn)行處理以得到精去霧圖像；

對(duì)所述點(diǎn)云信號(hào)進(jìn)行聚類、去噪以得到多組點(diǎn)跡集合，同時(shí)利用深度學(xué)習(xí)模型對(duì)所述精去霧圖像進(jìn)行訓(xùn)練以獲取視覺(jué)分類結(jié)果，其中，所述視覺(jué)分類結(jié)果包括：視覺(jué)檢測(cè)框和視覺(jué)分類置信度；

獲取所述點(diǎn)跡集合的參數(shù)信息，其中，所述參數(shù)信息包括：待測(cè)目標(biāo)的長(zhǎng)度、寬度、高度、多普勒速度和雷達(dá)反射強(qiáng)度；

根據(jù)所述點(diǎn)跡集合的參數(shù)信息和預(yù)設(shè)的參數(shù)閾值區(qū)間，對(duì)所述點(diǎn)跡集合進(jìn)行分類以獲取雷達(dá)分類結(jié)果，并計(jì)算待測(cè)目標(biāo)的雷達(dá)分類置信度，其中，雷達(dá)分類結(jié)果包括：雷達(dá)檢測(cè)框；

將所述雷達(dá)分類結(jié)果與所述視覺(jué)分類結(jié)果進(jìn)行融合以得到最終的分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的目標(biāo)分類方法，其特征在于，所述對(duì)毫米波雷達(dá)回傳的雷達(dá)信號(hào)進(jìn)行噪聲濾除以得到點(diǎn)云信號(hào)，同時(shí)對(duì)攝像頭回傳的圖像數(shù)據(jù)進(jìn)行處理以得到精去霧圖像的步驟包括：

對(duì)所述雷達(dá)信號(hào)進(jìn)行傅里葉變換以將所述雷達(dá)信號(hào)從時(shí)域轉(zhuǎn)換到頻域；

利用OS-CFAR算法對(duì)所述雷達(dá)信號(hào)進(jìn)行自適應(yīng)噪聲去除；

將所述雷達(dá)信號(hào)映射到三維坐標(biāo)系中以得到點(diǎn)云信號(hào)；

對(duì)所述圖像數(shù)據(jù)進(jìn)行去霧處理。

3.根據(jù)權(quán)利要求2所述的目標(biāo)分類方法，其特征在于，所述對(duì)所述圖像數(shù)據(jù)進(jìn)行去霧處理的步驟包括：

對(duì)所述圖像數(shù)據(jù)進(jìn)行大氣光值估計(jì)以得到大氣光的估計(jì)值；

對(duì)所述圖像數(shù)據(jù)進(jìn)行透射率粗估計(jì)以得到粗去霧圖像；

利用導(dǎo)向?yàn)V波方法對(duì)所述粗去霧圖像進(jìn)行透射率精估計(jì)以得到所述精去霧圖像。

4.根據(jù)權(quán)利要求3所述的目標(biāo)分類方法，其特征在于，所述對(duì)所述圖像數(shù)據(jù)進(jìn)行大氣光值估計(jì)以得到大氣光的估計(jì)值的步驟包括：

第一步驟：將所述圖像數(shù)據(jù)均分成四個(gè)矩形區(qū)域；其中，所述圖像數(shù)據(jù)滿足如下大氣散射模型：

I(p)＝t(p)J(p)+(1-t(p))A

其中，I(p)為有霧圖像，J(p)為無(wú)霧圖像，t(p)為透射率，A為大氣光；

第二步驟：根據(jù)各所述矩形區(qū)域的像素值的平均值和標(biāo)準(zhǔn)差，獲取各所述矩形區(qū)域的像素值的平均值與各所述矩形區(qū)域的像素值的標(biāo)準(zhǔn)差的差值，選出差值最大的矩形區(qū)域；

第三步驟：以差值最大的矩形區(qū)域作為新的圖像數(shù)據(jù)，并對(duì)新的圖像數(shù)據(jù)重復(fù)執(zhí)行所述第一步驟和所述第二步驟，直至當(dāng)前差值最大的矩形區(qū)域的面積小于預(yù)設(shè)的面積閾值，此時(shí)，將面積小于預(yù)設(shè)的面積閾值的矩形區(qū)域最亮點(diǎn)的像素值作為大氣光的估計(jì)值。

5.根據(jù)權(quán)利要求1所述的目標(biāo)分類方法，其特征在于，所述對(duì)所述點(diǎn)云信號(hào)進(jìn)行聚類、去噪以得到多組點(diǎn)跡集合，同時(shí)利用深度學(xué)習(xí)模型對(duì)所述精去霧圖像進(jìn)行訓(xùn)練以獲取視覺(jué)分類結(jié)果的步驟包括：

利用DBSCAN算法對(duì)所述點(diǎn)云信號(hào)進(jìn)行聚類以得到多個(gè)點(diǎn)跡集合；

對(duì)檢測(cè)區(qū)域的邊界位置的部分點(diǎn)跡集合進(jìn)行剔除以濾除障礙物，其中，需要剔除的所述部分點(diǎn)跡集合包括至少20個(gè)信號(hào)點(diǎn)；

對(duì)所述點(diǎn)跡集合進(jìn)行編組以給各所述點(diǎn)跡集合賦予對(duì)應(yīng)的ID；

采用深度學(xué)習(xí)模型對(duì)所述精去霧圖像進(jìn)行訓(xùn)練以對(duì)待測(cè)目標(biāo)進(jìn)行檢測(cè)與分類以獲取所述視覺(jué)分類結(jié)果，其中，所述視覺(jué)分類結(jié)果包括：視覺(jué)目標(biāo)檢測(cè)框和視覺(jué)分類置信度；所述深度學(xué)習(xí)模型為YOLOX-S模型。