The invention discloses a high-precision detection and tracking method for moving objects, including A0: extracting vehicle points and pedestrian points from the original data by background filtering algorithm, marking the frame information; A1: fusing the vehicle points and pedestrian points data of adjacent frames, processing the fused data with clustering algorithm, marking the cluster information by using each point; In the frame information, the data of the same frame are separated, and the recognition and association of vehicles and pedestrians are realized according to the cluster information. The advantages of the present invention are: without building complex vehicle model and vehicle trajectory model, using simple clustering algorithm, the accuracy of vehicle detection can be improved on the basis of simple clustering algorithm, and the vehicle trajectory can be extracted directly.
【技术实现步骤摘要】
一种运动目标高精度检测与追踪方法
本专利技术属于智能交通
,具体涉及一种运动目标高精度检测与追踪方法。
技术介绍
研究交通行为可以有效的减少交通事故,缩短旅行时间。目前人们主要是通过建模和通过采集地磁,图像等宏观的数据对交通行为进行研究。虽然这两种传统的方法在一定程度上能够较好的研究交通行为,推进交通的发展,但是随着激光雷达技术的出现,为了更好地理解交通行为,我们可以通过激光雷达传感器获得微观的高精度信息。例如,采用16线激光雷达VLP-16进行数据采集,将激光雷达水平放置于路边,对整个空间进行数据采集,从而得到庞大的点云数据。采集得到的数据包含了这个场景的信息,为了研究交通行为,需要从庞大的数据中提取出车辆及行人的数据。3D激光雷达VLP-16体积很小,成本更低,可以大规模生产。同时,它保留了Velodyne激光雷达的突破性的关键特点:实时,360°,3D数据采集和测量。VLP-16的测量距离半径可达100米。Velodyne的VLP-16支持16个通道,水平视场360°,垂直视场30°,上下±15°。VLP-16没有明显的外部旋转部件(旋转部分在内部),使得在具有挑战性的环境中,具有高度适应性。在滤除背景点之后得到的车辆点和行人点,将属于同一个对象的点聚类,进而识别车辆等目标。将不同帧的同一目标进行关联,达到车辆追踪的目的。目前应用激光雷达进行车辆检测和追踪的主要方法是先识别车辆,再进行追踪。识别车辆主要是通过利用聚类算法和构建车辆模型两种方法。其中,构建车辆模型主要是通过提取车辆扫描点的方向向量、拐点、中心点和两个垂直边的尺寸,建立车辆模型。车 ...
【技术保护点】
1.一种运动目标高精度检测与追踪方法,其特征在于,包括:A0:通过背景滤除算法,将车辆点和行人点从原始数据中提取出来,标记所在帧信息;A1:将相邻帧的车辆点和行人点数据进行融合,用聚类算法将融合之后的数据进行处理,标记类簇信息;A2:利用每个点所在帧的信息,将同一帧的数据分离开,根据所述类簇信息实现车辆和行人的识别和关联。
【技术特征摘要】
1.一种运动目标高精度检测与追踪方法,其特征在于,包括:A0:通过背景滤除算法,将车辆点和行人点从原始数据中提取出来,标记所在帧信息;A1:将相邻帧的车辆点和行人点数据进行融合,用聚类算法将融合之后的数据进行处理,标记类簇信息;A2:利用每个点所在帧的信息,将同一帧的数据分离开,根据所述类簇信息实现车辆和行人的识别和关联。2.根据权利要求1所述的方法,其特征在于,所述聚类算法为DBSCAN算法。3.根据权利要求1所述的方法,其特征在于,所述背景滤除算法包括如下步骤:S0:在雷达采集的数据帧中选取背景帧,所述背景帧中无车辆或在兴趣区域中无车辆;S1:将背景帧的数据与目标帧的数据融合,先按照激光束的序号laser_id排序,再对每一个激光束laser_id的点按照水平角度排序,此时背景帧点与目标帧点交错分布;S2:将背景帧点与目标帧点关联,Case(n)为两个背景帧点之间所含有的目标帧点的个数为n的情况;0f表示前一个背景帧点;0l表示后一个背景帧点;1f表示前一个目标帧点;1l表示后一个目标帧点;当这两个背景帧点满足条件:将前一个背景帧点与前一个目标帧点关联,相对应地,后一个背景帧点与后一个目标帧点关联;θ0表示单个激光束的水平角度分辨率;表示前一个背景帧点的水平角度值,表示后一个背景帧点的水平角度值;表示前一个背景帧点的与激光雷达之间的欧式距离值,表示后一个背景帧点的与激光雷达之间的欧式距离值;ρ(id)表示序号为id的激光束的两点之间距离分辨率;S3:车辆点判断;当S2中关联完成的2个背景帧点和目...
【专利技术属性】
技术研发人员:郑建颖,张桢瑶,王翔,陶砚蕴,范学良,徐浩,俄文娟,陈蓉,
申请(专利权)人:苏州大学张家港工业技术研究院,苏州大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。