[發明專利]基于雷視融合的車輛目標快速檢測方法

在審

• 申請號: 202211248779.X
• 申請日: 2022-10-12
• 公開（公告）號: CN115457237A
• 公開（公告）日: 2022-12-09
• 發明（設計）人: 張林讓;余逸婷;廖桂生;羅豐;尹應增;路林偉;安怡
• 申請（專利權）人: 西安電子科技大學;西安電子科技大學杭州研究院
• 主分類號: G06T17/20
• 分類號: G06T17/20;G06V10/44;G06V10/74;G06V10/762
• 代理公司: 北京知藝互聯知識產權代理有限公司 16137
• 代理人: 陳艷

本發明公開了基于雷視融合的車輛目標快速檢測方法，首先，將毫米波雷達經過預處理后的點云信息映射到圖像像素坐標系中，得到雷達探測到的目標點云速度信息在圖像上的分布；其次，利用雷達采集到的點云速度信息進行區域補償，為圖像內全部像素點賦予對應的速度信息；然后，提取圖像所有像素點的RGB分量值和每個像素點在圖像上的坐標位置信息，接著對RGB分量值、坐標位置、速度信息這五個維度特征信息進行融合，共同張成一組特征向量，確定聚類中心數K和K個初始聚類中心向量，再運用Kmeans算法實現像素點云聚類，分離目標像素點與背景像素點，并輸出分類后結果；最后，對分類結果進行車輛目標提取，實現單幀車輛快速檢測。

技術領域

本發明涉及光學傳感器與微波傳感器交叉融合技術領域，尤其是涉及基于雷視融合的車輛目標快速檢測方法。

背景技術

在智能交通系統中，車輛檢測與跟蹤是實現交通事件行為決策的關鍵步驟，為后續車輛的決策規劃、行為控制等高層任務提供基礎支撐，所以必須使用有效的車輛目標檢測算法以便更準確地檢測并提取出運動目標，從而為后續的識別跟蹤打下良好的基礎。

黃東軍等人在其發表的論文“基于改進混合高斯模型的運動物體檢測研究”中提出了改進混合高斯模型的方法，對于前N幀采用鄰域特性與中值濾波相結合的方法來初始化每個像素點，作為初始背景圖像，對后面幀的每個像素點進行混合高斯模型更新匹配，匹配成功則判定像素點是背景點，否則判定為目標點，最后利用鄰域特性，根據鄰域像素點所屬分類的概率決定該像素點的最終所屬分類，從而提取出運動目標。該方法存在的不足之處在于若前面N幀中一直存在運動物體，那么在背景構建時離真實背景就會存在偏差，從而會影響像素點的判定結果。其次，由于背景建模是基于顏色空間的建模，運動目標的顏色與背景顏色的高斯背景模型相匹配，會導致顏色相近的區域被認為是背景而使目標區域產生部分空洞現象。

在視頻中對運動車輛最常使用的方法是背景差分法，然而通過背景差分法獲取運動車輛目標最為關鍵的是背景模型的建立，實際交通環境中，場景復雜、環境多變，干擾較多，尤其是當車輛目標顏色與背景顏色相近時，會出現將目標像素點判定為背景像素點的情況，因此很難估計出真實的背景圖像，導致在實際車輛目標提取時，會出現空洞現象。

綜上，如何在場景環境復雜多變特別是車輛目標顏色與背景顏色相近情況下，準確識別車輛目標輪廓，解決車輛目標提取時產生的空洞問題，快速準確實現車輛目標的檢測是一個具有挑戰性的問題。

發明內容

本發明目的是提出基于雷視融合的車輛目標快速檢測方法，解決復雜場景環境多變情況下，由于背景構建不準確，車輛目標提取時產生空洞現象的問題，進而實現對車輛目標快速準確檢測，提升車輛檢測精度。

本發明的基于雷視融合的車輛目標快速檢測方法，包括如下步驟：

S1、通過坐標轉換將雷達的點云投影到攝像機的圖像上，獲取雷達探測的點云速度信息在圖像上的分布；

S2、利用點云速度信息進行區域補償，為圖像內全部像素點賦予速度信息；

S3、提取圖像中所有像素點的RGB顏色分量特征和像素坐標特征；

S4、從RGB分量值、坐標位置、速度信息維度對像素點進行聚類，確定聚類中心數K及每個聚類中心的初始聚類中心向量；

S5、運用Kmeans算法對聚類中心重新聚類，從而實現背景、車輛目標分類；

S6、利用聚類結果進行車輛目標提取。

進一步的，S1步驟的具體過程如下：

S11、對雷達探測的原始點云信息進行預處理，濾除掉非必要雜波，保留目標的多雷達反射點；

S12、從時間起點和數據幀兩個角度對雷達數據和視頻數據進行時間匹配；