基于信息融合的行人快速检测跟踪方法技术

本发明专利技术公开了一种基于信息融合的行人快速检测跟踪方法，其特征在于，该方法包括以下步骤：步骤S1：利用激光扫描仪以固定的频率扫描周围环境，得到激光数据；步骤S2：滤除所述激光数据中的无效数据，得到候选目标数据；步骤S3：对于激光扫描仪和摄像机之间的坐标参数进行标定，得到两个坐标系之间的坐标转换参数；步骤S4：基于所述候选目标数据，对于其中的候选目标进行确认；步骤S5：建立实时跟踪模型，并根据所述实时跟踪模型对于所述步骤S4确认的候选目标进行跟踪。本发明专利技术很好的综合了激光传感器和视觉传感器的优点，有效地提高单一传感器对行人进行检测跟踪的精确度和时效性。

【技术实现步骤摘要】

本专利技术属于多传感器，多源信息融合
，涉及数字图像处理，模式识别，数 据关联等多方面内容，尤其是一种，用于智能车辆 技术中的重要组成部分一一车辆辅助安全驾驶系统，对驾驶环境中最不可控的因素一一行 人进行感知，检测，跟踪，分析，预警，从而保障车辆行驶安全。
技术介绍
智能车辆技术按功能主要分为自主导航和安全保障两个方面。自主导航技术的 应用依赖于整个智能交通系统（ITS)的建立和完善，短期内难以达到实用化，而安全保障 技术却可以独立应用于辅助驾驶系统，通过对周围的行驶环境做出检测跟踪，从而判断可 能对驾驶员造成的威胁，因此对于解决因驾驶员主观因素产生的交通事故可以提供技术支 持。 智能车辆安全保障技术分为安全监测与预警和主动安全保障，安全监测与预警主 要指借助传感器和报警系统来监测车辆驾驶者状况、车辆隐患、特殊环境等，从而帮助驾驶 员实现安全驾驶，而其中针对车辆前方的人体目标检测与跟踪致力于通过传感器对周边环 境进行非接触探测来提高行驶安全。 用激光和视觉图像融合进行前方障碍物检测跟踪，不仅可以克服单独应用视觉图 像传感器进行检测时易受天气状况和光照条件变化影响且无法得到检测跟踪对象的深度 信息的缺点，也可以克服激光测距无法判断障碍物类别，无法可视处理，冗余报警的缺点。
技术实现思路
本专利技术通过融合从激光扫描仪得到的深度数据和从CCD摄像机得到的图片信 息，来实现对行人目标的准确和快速检测跟踪，给予分析和预警，从而达到辅助驾驶员安全 驾驶的目的。本专利技术同时利用两种不同种类的传感器，利用各自的优点完成对路面行人的 快速检测跟踪，实现优势互补，并且能够最大程度地在夜间、光照条件差、雾霾天气等复杂 条件下为驾驶员提供正确快速的驾驶参考，实现辅助安全驾驶。 为实现本专利技术的目的，本专利技术提供的，充 分利用激光、图像的优点实时进行交通驾驶环境下行人的快速检测和跟踪，其包括以下步 骤： 步骤S1:利用激光扫描仪以固定的频率扫描周围环境，得到激光数据； 步骤S2:滤除所述激光数据中的无效数据，得到候选目标数据； 步骤S3:对于激光扫描仪和摄像机之间的坐标参数进行标定，得到两个坐标系之 间的坐标转换参数； 步骤S4 :基于所述候选目标数据，对于其中的候选目标进行确认； 步骤S5 :建立实时跟踪模型，并根据所述实时跟踪模型对于所述步骤S4确认的候 选目标进行跟踪。 本专利技术的有益效果是：本专利技术充分利用激光传感器和视觉传感器的联合在交通场 景下行人检测跟踪方面的优势，其替代了传统视觉中所涉及的具体理论和方法，同时，针对 复杂交通路面、复杂遮挡问题有了可靠的解决方法。与传统单一传感器检测跟踪方法相比， 本专利技术在实时性和准确性等方面均有质的飞跃。【附图说明】 图1是本专利技术流程图； 图2a为未滤除无效数据的激光数据集合，图2b为滤除无效数据后得到的候选目 标数据集合；图3是根据本专利技术一实施例的激光扫描仪与摄像机矫正参数安装示意图； 图4是根据本专利技术一实施例的候选区域生成结果示意图； 图5a是根据本专利技术一实施例的H0G特征示意图，图5b是根据本专利技术一实施例的 人体检测示意图； 图6是根据本专利技术一实施例的划分观测空间示意图； 图7是利用本专利技术方法的检测跟踪结果示意图。【具体实施方式】 为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照 附图，对本专利技术进一步详细说明。 图1是本专利技术的流程图，如图1所示，所述 方法包括以下步骤： 步骤S1 :利用激光扫描仪以固定的频率扫描周围环境，得到激光数据； 在本专利技术一实施例中，选用的激光扫描仪为二维激光扫描仪SICKLMS291，其扫描 范围是1〇〇°，角度分辨率为0.25°，距离范围在80米之内。 所述二维激光扫描仪所返回的数据是其二维扫描平面内一组长度有限的离散数 据点，这些数据能够反映周围物体的几何位置和形状，其中，每个数据还能够表示对应方 向上与最近目标之间的距离。具体的离散数据点数与激光扫描仪的角度分辨率有关，在 本专利技术一实施例中，每次返回400个离散数据，这些离散数据由极坐标形式给出，S卩：lz = (dz,<})Z)T，z= 1. ? ? 400,在笛卡尔坐标系中可表不为：uz=(xz,yz)T,z= 1. . . 400,其中，xz=dzcosz,yz=dzsin。 步骤S2:滤除所述激光数据中的无效数据，得到候选目标数据； 由于激光扫描仪对不同材质、不同颜色的物体存在测量误差，因此在返回的激光 数据中可能会出现无效数据，而在无效数据中，很大一部分表现为零值和超出最大测距范 围的值，另外还有因阳光辐射、车辆颠簸及反射物体材质造成的噪声点，可通过滤波将这部 分无效数据去掉。 所述步骤S2进一步包括以下步骤： 令集合L= {1J表示一组激光数据，其中，z= 1，. . .，Z，Z表示激光数据点数。 首先，将集合L与核模板进行卷积，保留点间距在一定范围内的数据点， 得到粗去噪结果集合：c= {c丄n= 1，. . . .N，其中，N表示粗去噪结果集合中激光数据点 数； 然后，对于粗去噪结果集合C 进行聚类操作，得到一组候选目标数据集 合S〇 其中，所述聚类操作具体为： 聚类初始，将每一数据点作为一类，计算新类与单个样本数据点之间的距离，若相 邻两类h和(^之间的间距属于某一预定阈值范围内，则认为它们属于同一类，否则就认为 属于不同类，并以当前的单个样本数据点作为新增类的起始点。 在聚类的过程中，大量的无效激光数据点被排除，最终得到了表示类似障碍物的 一组候选目标数据集合S= {sm}，其中，m= 1，--M,表示候选目标的数量。这些候选目 标在横向长度上与所检测目标类似，其特征包括了深度、长度及位置信息。 图2a为未滤除无效数据的激光数据集合，图2b为滤除了无效数据后得到的候选 目标数据集合。 步骤S3 :对于激光扫描仪和摄像机之间的坐标参数进行标定，得到两个坐标系之 间的坐标转换参数（4>，A)，其中<})为旋转矩阵，A为平移向量； 该步骤在激光扫描仪与图像标定技术中移动平面模板的标定方法的基础上，加入 了激光扫描仪本身所在的激光坐标系（二维扫描面），其核心在于利用标定板被激光扫描 仪和摄像机同时捕获的方法来求得激光坐标系和摄像机坐标系之间的旋转和平移矩阵。 图3示出了参数标定时激光扫描仪和摄像机的安装位置，图中，XfYfZf表示激光扫 描仪的三维坐标平面，XeYeZ。表示摄像机的三维坐标。从摄像机坐标系p到激光坐标系pf 的变换关系如（1)式所示，其中，巾为摄像机坐标系变换到激光坐标系的旋转矩阵，表示激 光扫描仪和摄像机之间的相对方向；△为从摄像机坐标系变换到激光坐标系的平移向量， 表示两者之间的相对位置：pf= <i>p+A, (1) 在摄像机坐标系下，将标定板参数化为一个三维向量N，此向量的方向平行于标定 板的法向，I|N| |等于摄像机到标定板的距离。在摄像机坐标系下取标定板上的任一点p， 由于P位于被参数化为N的标定板上，则有：N.p= | |N||2， (2)当前第1页1 2 本文档来自技高网...

【技术保护点】
一种基于信息融合的行人快速检测跟踪方法，其特征在于，该方法包括以下步骤：步骤S1：利用激光扫描仪以固定的频率扫描周围环境，得到激光数据；步骤S2：滤除所述激光数据中的无效数据，得到候选目标数据；步骤S3：对于激光扫描仪和摄像机之间的坐标参数进行标定，得到两个坐标系之间的坐标转换参数；步骤S4：基于所述候选目标数据，对于其中的候选目标进行确认；步骤S5：建立实时跟踪模型，并根据所述实时跟踪模型对于所述步骤S4确认的候选目标进行跟踪。

【技术特征摘要】

【专利技术属性】
技术研发人员：焦建彬，高山，韩振军，叶齐祥，庞丽金，
申请(专利权)人：中国科学院大学，
类型：发明
国别省市：北京;11