本发明专利技术公开了一种障碍物体运动轨迹的确定方法及装置，属于智能交通领域。所述方法包括：确定障碍物体在视觉传感器获取的连续n帧图像中每一帧图像中的横坐标，所述n为大于1的整数；根据预设的曲线拟合算法对所述障碍物体在所述连续n帧图像中的横坐标进行曲线拟合，得到所述障碍物体的运动轨迹。本发明专利技术通过对车辆上设置的视觉传感器获取到的图像进行分析处理，从而确定障碍物体的运动轨迹，解决了相关技术中数据处理时复杂度过高的问题，实现了降低障碍物体的检测成本，以及提高传感器数据处理效率的效果。本发明专利技术用于确定障碍物体的运动轨迹。
【技术实现步骤摘要】
本专利技术涉及智能交通领域，特别涉及一种障碍物体运动轨迹的确定方法及装置。
技术介绍
为了检测车辆周围的道路环境，车辆中一般设置有视觉传感器、毫米波雷达传感 器和激光雷达传感器等多种传感器。该多种传感器能够对车辆周围的障碍物体的方位和移 动速度进行监测，以便驾驶员能够对障碍物体的行驶状态进行更准确的判断。 相关技术中，车辆需要对视觉传感器、毫米波雷达传感器和激光雷达传感器等多 种传感器采集的数据进行融合处理，即对该多个传感器采集的测量数据进行互补和优化组 合以生成更可靠更精确的信息，进而提高车辆对周围道路环境的探测能力。 毫米波雷达传感器和激光雷达传感器的检测精度虽然较高，但该两种传感器的成 本较高；并且，当车辆上设置的传感器种类较多时，车辆需要对多种传感器的数据进行融合 处理，数据处理时的复杂度较高，数据处理的效率较低。
技术实现思路
为了解决现有技术的问题，本专利技术实施例提供了一种障碍物体运动轨迹的确定方 法及装置。所述技术方案如下： -方面，提供了一种障碍物体运动轨迹的确定方法，所述方法包括： 确定障碍物体在视觉传感器获取的连续η帧图像中每一帧图像中的横坐标，所述 η为大于1的整数； 其中，确定所述障碍物体在所述连续η帧图像中的第t帧图像It(x, y)中的横坐 标的过程包括： 根据哈里斯角点特征算法对所述第t帧图像It (X，y)进行水平特征提取，获取所 述第t帧图像It(x，y)中属于同一水平直线的候选点集合Z= {(x'，y'）}，其中，所述t为 大于等于1，小于等于η的整数，X'，y'为所述属于同一水平直线的候选点在所述第t帧图 像中的横坐标和纵坐标； 基于所述属于同一水平直线的候选点集合Z，确定所述障碍物体在所述第t帧图 像It (X，y)中的横坐标X⑴： 其中，e表示属于，g表示不属于，h为所述第t帧图像的高度，Wt(x，y)为预设的 权值矩阵，当所述第t帧图像中的坐标点（X，y)属于预设的中心点集合时，W t(X，y)取值 为1，当所述第t帧图像中的坐标点（X，y)不属于预设的中心点集合时，Wt(X，y)取值为0， Lt(x，y)为水平分割系数，当所述第t帧图像中的坐标点（x，y)属于所述属于同一水平直线 的候选点集合Z时，L t (X，y)取值为1，当所述第t帧图像中的坐标点（X，y)不属于所述属 于同一水平直线的候选点集合Z时，Lt (X，y)取值为0 ; 根据预设的曲线拟合算法对所述障碍物体在所述连续η帧图像中的横坐标进行 曲线拟合，得到所述障碍物体的运动轨迹。 可选的，所述根据哈里斯角点特征算法对所述第t帧图像It(X，y)进行水平特征 提取，获取所述第t帧图像I t(x，y)中属于同一水平直线的候选点集合Z= {(x'，y'）}，包 括： 计算所述第t帧图像It(x, y)在垂直方向的微分Γ t(x, y): 将所述微分"y(x，y)中大于预设阈值δ的I' y(x，y)所对应的坐标点确定为 备选坐标点； 将所述备选坐标点中，垂直方向上的像素点差值小于预设像素点阈值的坐标点确 定为属于同一水平直线的候选点。 可选的，在所述确定所述障碍物体在所述第t帧图像中的横坐标x(t)之后，所述 方法还包括： 获取所述障碍物体在所述第t帧图像中的水平速度分量： 其中，f为所述视觉传感器的焦距，Z (t)为所述障碍物体在实际场景中沿Z轴方向 的坐标，！；和T z分别为所述实际场景坐标系与所述视觉传感器坐标系之间的X轴方向与Z 轴方向的坐标变换系数，Ry为所述视觉传感器的偏航角速度。 可选的，在所述获取所述障碍物体在所述第t帧图像中的水平速度分量之后，所 述方法还包括： 根据所述障碍物体在所述第t帧图像中的横坐标x(t)和水平速度分量v(t)，建立 所述障碍物体的观测模型（x(t)，v(t)); 确定所述观测模型（x(t)，v(t))下，所述障碍物体为目标障碍物体的后验概率 P(Ct)： P(Ct) = max； 确定所述观测模型（x (t)，v (t))下，所述障碍物体为背景的后验概率P (Bt): P(Bt) = max； 其中，P(Ct)+P(Bt) = 1，且 P(Ct|Btl) = 0.5, P(Bt|Btl) = 0.5, P(Ct|Ctl) = 0.8， P(Bt|Ctl) =0.2,初始状态下，P(Cq) =0.7, P(Bq) =0.3; 判断所述障碍物体为目标障碍物体的后验概率P (Ct)是否大于所述障碍物体为背 景的后验概率P (Bt); 当所述障碍物体为目标障碍物体的后验概率P (Ct)大于所述障碍物体为背景的后 验概率P (Bt)时，将所述障碍物体确定为目标障碍物体。 可选的，在所述将所述障碍物体确定为目标障碍物体之后，所述方法还包括： 计算所述目标障碍物体的运动轨迹的曲率； 根据所述曲率确定所述目标障碍物体的行驶状态，所述行驶状态包括：左拐、右 拐、直行或者掉头。 可选的，所述根据所述曲率判断所述目标障碍物体的行驶状态，包括： 当所述曲率大于等于10度，且小于60度时，确定所述目标障碍物体的行驶状态为 右拐； 当所述曲率大于等于60度，且小于120度时，确定所述目标障碍物体的行驶状态 为直行； 当所述曲率大于等于120度，且小于150度时，确定所述目标障碍物体的行驶状态 为左拐； 当所述曲率大于等于150度，且小于180度时，确定所述目标障碍物体的行驶状态 为掉头。 另一方面，提供了一种障碍物体运动轨迹的确定装置，所述装置包括： 第一确定模块，用于确定障碍物体在视觉传感器获取的连续η帧图像中每一帧图 像中的横坐标，所述η为大于1的整数； 其中，确定所述障碍物体在所述连续η帧图像中的第t帧图像It(x, y)中的横坐 标的过程包括： 根据哈里斯角点特征算法对所述第t帧图像It (X，y)进行水平特征提取，获取所 述第t帧图像It(x，y)中属于同一水平直线的候选点集合Z= {(x'，y'）}，其中，所述t为 大于等于1，小于等于η的整数，X'，y'为所述属于同一水平直线的候选点在所述第t帧图 像中的横坐标和纵坐标； 基于所述属于同一水平直线的候选点集合Z，确定所述障碍物体在所述第t帧图 像It (X，y)中的横坐标X⑴： 其中，e表示属于，g表示不属于，h为所述第t帧图像的高度，Wt(x，y)为预设的 权值矩阵，当所述第t帧图像中的坐标点（X，y)属于预设的中心点集合时，W t(X，y)取值 为1，当所述第t帧图像中的坐标点（X，y)不属于预设的中心点集合时，Wt(X，y)取值为0， Lt(x，y)为水平分割系数，当所述第t帧图像中的坐标点（x，y)属于所述属于同一水平直线 的候选点集合Z时，L t (X，y)取值为1，当所述第t帧图像中的坐标点（X，y)不属于所述属 于同一水平直线的候选点集合Z时，Lt (X，y)取值为0 ; 拟合模块，用于根据预设的曲线拟合算法对所述障碍物体在所述连续η帧图像中 的横坐标进行曲线拟合，得到所述障碍物体的运动轨迹。 可选的，所述第一确定模块还用于： 计算所述第t帧图像It(x, y)在垂直方向的微分Γ t(x, y): 将所述微分"y(x，y)中大于预设阈值δ的I' y(x，y)所对应的坐标点确定为 备选坐本文档来自技高网...
【技术保护点】
一种障碍物体运动轨迹的确定方法，其特征在于，所述方法包括：确定障碍物体在视觉传感器获取的连续n帧图像中每一帧图像中的横坐标，所述n为大于1的整数；其中，确定所述障碍物体在所述连续n帧图像中的第t帧图像It(x,y)中的横坐标的过程包括：根据哈里斯角点特征算法对所述第t帧图像It(x,y)进行水平特征提取，获取所述第t帧图像It(x,y)中属于同一水平直线的候选点集合Z＝{(x',y')}，其中，所述t为大于等于1，小于等于n的整数，x',y'为所述属于同一水平直线的候选点在所述第t帧图像中的横坐标和纵坐标；基于所述属于同一水平直线的候选点集合Z，确定所述障碍物体在所述第t帧图像It(x,y)中的横坐标x(t)：x(t)=max[Σy=-h/2h/2Wt(x,y)Lt(x,y)],Lt(x,y)=1,(x,y)∈ZLt(x,y)=0,(x,y)∉Z;]]>其中，∈表示属于，表示不属于，h为所述第t帧图像的高度，Wt(x,y)为预设的权值矩阵，当所述第t帧图像中的坐标点(x,y)属于预设的中心点集合时，Wt(x,y)取值为1，当所述第t帧图像中的坐标点(x,y)不属于预设的中心点集合时，Wt(x,y)取值为0，Lt(x,y)为水平分割系数，当所述第t帧图像中的坐标点(x,y)属于所述属于同一水平直线的候选点集合Z时，Lt(x,y)取值为1，当所述第t帧图像中的坐标点(x,y)不属于所述属于同一水平直线的候选点集合Z时，Lt(x,y)取值为0；根据预设的曲线拟合算法对所述障碍物体在所述连续n帧图像中的横坐标进行曲线拟合，得到所述障碍物体的运动轨迹。...
【技术特征摘要】
【专利技术属性】
技术研发人员：谷明琴，张绍勇，杜金枝，
申请(专利权)人：奇瑞汽车股份有限公司，
类型：发明
国别省市：安徽;34
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。