车辆周边目标物的检测方法技术

本发明专利技术公开了一种车辆周边目标物的检测方法，利用装在车辆上的雷达和摄像头获取的信息，通过处理器，先将对雷达信息和摄像头分别进行卡尔曼预测处理后，再对这两类目标物信息进行坐标匹配，坐标匹配中将二者距离小于设定值的目标合并，并赋予合并目标预测信息量的加权值，坐标匹配中将二者距离等于或大于设定值的雷达目标物和图像目标物分别赋予预测信息量加权值，最后将这些加权计算了预测信息量的目标预测信息进行卡尔曼预测得到车辆周边的融合目标物信息。该方法可以解决现有同类技术中目标物漏检率较大的问题。

Detection Method of Vehicle Peripheral Objects

【技术实现步骤摘要】
车辆周边目标物的检测方法
本专利技术涉及对车辆行驶周边目标物检测
，尤其是一种通过获取雷达波反馈信息和摄像头摄取图像信息相结合对车辆周边目标物进行识别和定位的方法。
技术介绍
对车辆周边目标物的实时识别和定位的准确性和对于辅助人工驾驶甚至是智能无人驾驶的行车安全至关重要。现有一种通过获取雷达波反馈信息和摄像头摄取图像信息相结合对车辆周边目标物进行识别和定位的方法是专利技术专利申请“用于无人驾驶汽车的前方目标物检测系统”(申请公布号为CN107966700A)，该申请对前方目标物检测的方法是：首先采集毫米波雷达数据和视觉相机数据并进行空间同步和时间同步；其后使用基于卡尔曼滤波的数据处理算法对雷达数据进行虚假目标物排除；最后取两种传感器均探测到的目标物作为最终目标物输出。该技术对于车辆前方目标物检测存在明显缺陷：由于受雷达波自身物理性质限制，从雷达波对目标物的检出准确度不高，而对于图像识别方式而言视觉相机也容易受到外界环境的影响，在光线复杂或不足的恶劣环境中对目标物的检出准确度也不高，因此，这种技术对于从视觉相机检出了的目标物而毫米波雷达信号未检出或虽检出而被误筛掉的目标物就会被误排出，以及对于从毫米波雷达信号检出了的目标物而视觉相机未检出的目标物就会被误排出，检测系统整体发生漏检的概率较大。
技术实现思路
本专利技术的目的是提供一种车辆周边目标物的检测方法，它可以解决通过获取雷达波反馈信息和摄像头摄取图像信息相结合进行对目标物识别方法中目标物漏检较大的问题。为了解决上述问题，本车辆周边目标物的检测方法采用的技术方案是：包括有装在车辆上用于探测车辆周边目标物的雷达和用于摄取车辆周边图像的摄像头，以及接收和处理雷达信息和摄像头信息的处理器，先所述雷达信息作为预测信息进行卡尔曼预测处理，更新的雷达目标物信息得到雷达目标物更新信息，所述摄像头信息作为预测信息进行卡尔曼预测处理，更新图像目标物信息得到图像目标物更新信息；再将雷达目标物更新信息与图像目标物更新信息进行坐标匹配，对两者中的目标物进行配对比较：A、如果雷达目标物与图像目标物的欧式距离等于或大于设定值的，则雷达目标物预测信息状态量赋值：ZL(xL，yL，vXL，vYL，angle)，式中ZL为雷达目标物信息状态量，xL为雷达目标物纵向位置、yL为雷达目标物横向位置、vXL为雷达目标物纵向速度、vYL为雷达目标物横向速度、angle为雷达目标物角度，图像目标物预测信息状态量赋值：ZS(xS,yS,vXS,vYS,type),式中ZS为图像目标物信息状态量，xS为图像目标物纵向位置、yS为图像目标物横向位置、vXS为图像目标物纵向速度、vYS为图像目标物横向速度、type为图像目标物类型；B、如果雷达目标物与图像目标物的欧式距离小于设定值的，则将这两个目标物配对融合为一个目标物，这个融合后的目标物预测信息状态量赋值：Z(x,y,vx,vY,type,angle),式中x为融合目标物纵向位置、y为融合目标物横向位置、vX为融合目标物纵向速度、vY为融合目标物向横向速度，type为融合目标物类型，angle为融合目标物角度，ZL为雷达目标预测信息状态量，为雷达目标物赋予的加权系数，为图像目标物赋予的加权系数，这两个值根据所选取的雷达、摄像头的属性及识别灵敏度的期望来设定；最后将雷达目标物信息状态量，图像目标物预测信息状态量和融合后的目标物预测信息状态量作为预测信息用于卡尔曼预测处理，更新目标物信息后得到车辆周边目标物状态信息。上述的车辆周边目标物的检测方法中更优的方案可以是所述雷达信息先经过雷达目标物初筛后再作为预测信息进行卡尔曼预测处理；所述摄像头信息先经过图像目标物初筛后再作为预测信息进行卡尔曼预测处理。也可以是所述雷达信息先经过去除雷达无效目标物信息的处理再作为预测信息进行卡尔曼预测处理；所述摄像头信息先经过去除图像目标物的处理后再作为预测信息进行卡尔曼预测处理；还可以是所述雷达信息先经过雷达目标物初筛，再经过去除雷达无效目标物信息的处理，然后再作为预测信息进行卡尔曼预测处理，所述摄像头信息先经过图像目标物初筛后再经过去除图像目标物的处理后然后再作为预测信息进行卡尔曼预测处理。所述雷达目标物初筛是将在某个周期前设定的N1个周期内从雷达信息中检出达到设定的n1次的目标物的信息选出；所述图像目标物初筛是将在某个周期前设定的M1个周期内从摄像头信息中检出达到设定的n1次的目标物的信息选出。所述去除雷达无效目标物信息的处理是去除满足与所述车辆的横向距离和纵向距离均为零，自身长度为零，自身宽度为零，与所述车辆的横向距离大于横向设定值，雷达检测到目标物的次数与雷达连续检测目标物的检测次数的比值小于设定值中任一种情况的目标物的信息；所述去除图像目标物的处理是去除与所述车辆的横向距离和纵向距离均为零，自身长度为零，自身宽度为零，与所述车辆的横向距离大于横向设定值中任一种情况的目标物的信息。上述的车辆周边目标物的检测方法的各种方案中将雷达选为超声波雷达，摄像头选为单目摄像头时，所述雷达目标物赋予的加权系数可以取值为：汽车或卡车为0.7，行人或两轮车为0.3，其它为0.5。由于采用了上述技术方案，本专利技术与现有技术相比具有如下有益效果：1、由于对雷达目标物原始信息增加了去除雷达无效目标物信息的处理，以及对图像目标物原始信息增加了去除图像无效目标物信息的处理，因此可获得减少目标误识别。2、由于对于雷达目标物更新信息和图像目标物更新信息由现有技术采用逻辑“与”运算的处理改为赋值加权的逻辑“或”运算的叠加融合，因此可获得提高检出目标的可信度，解决了现有通过获取雷达波的反射信息和摄像头摄取图像的信息相结合进行对目标物识别方法漏检较大的问题。附图说明图1是本专利技术实施例1-实施例5中雷达和摄像头在车辆上的安装位置示意图。图2是本专利技术实施例1中雷达信息和摄像头信息处理流程图。图3是本专利技术实施例2中雷达信息和摄像头信息处理流程图。图4是本专利技术实施例3中雷达信息和摄像头信息处理流程图。图5是本专利技术实施例4中雷达信息和摄像头信息处理流程图。具体实施方式下面结合附图实施例对本专利技术作进一步详述：图1所示，在车辆的前端安装有三个用于探测车辆周边目标物的超声波雷达1，在车辆的顶端装有用于采集自车前方目标物图像信息的单目摄像头2(在其它实施例中，可以设置多个雷达环绕在车辆周围，以及可以观测车辆周围各方的多个摄像头)，三个超声波雷达1和单目摄像头2通过线路将雷达信息和摄像头信息输入处理器3中，雷达信息和摄像头信息经过处理器3将检出的车辆周边目标物的信息传输到车辆的执行机构或显示器中，可为车辆的无人驾驶或辅助人工驾驶提供条件。图2所示的实施例1中，对于车辆周边目标物的检测方法是：先将雷达信息作为预测信息进行卡尔曼预测处理，更新雷达目标物信息得到雷达目标物更新信息；将摄像头信息作为预测信息进行卡尔曼预测处理，更新图像目标物信息得到图像目标物更新信息。将雷达目标物更新信息与图像目标物更新信息进行坐标匹配，对两者中的目标物进行配对比较：A、如果雷达目标物与图像目标物的欧式距离不符合小于0.2米的设定值，即图2中的N支路，则对雷达和摄像头探测到的目标分别赋值，即雷达目标物预测信息状态量赋值：ZL(xL，yL，vXL本文档来自技高网...

【技术保护点】
1.一种车辆周边目标物的检测方法，有装在车辆上用于探测车辆周边目标物的雷达和用于摄取车辆周边图像的摄像头，以及接收和处理雷达信息和摄像头信息的处理器，其特征在于：所述雷达信息作为预测信息进行卡尔曼预测处理，更新的雷达目标物信息得到雷达目标物更新信息，所述摄像头信息作为预测信息进行卡尔曼预测处理，更新图像目标物信息得到图像目标物更新信息；将雷达目标物更新信息与图像目标物更新信息进行坐标匹配，对两者中的目标物进行配对比较：A、如果雷达目标物与图像目标物的欧式距离等于或大于设定值的，则雷达目标物预测信息状态量赋值：ZL(xL，yL，vXL，vYL，angle)，式中ZL为雷达目标物信息状态量，xL为雷达目标物纵向位置、yL为雷达目标物横向位置、vXL为雷达目标物纵向速度、vYL为雷达目标物横向速度、angle为雷达目标物角度，图像目标物预测信息状态量赋值：ZS(xS，yS，vXS，vYS，type)，式中ZS为图像目标物信息状态量，xS为图像目标物纵向位置、yS为图像目标物横向位置、vXS为图像目标物纵向速度、vYS为图像目标物横向速度、type为图像目标物类型；B、如果雷达目标物与图像目标物的欧式距离小于设定值的，则将这两个目标物配对融合为一个目标物，这个融合后的目标物预测信息状态量赋值：Z(x，y，vX，vY，type，angle)，...

【技术特征摘要】
1.一种车辆周边目标物的检测方法，有装在车辆上用于探测车辆周边目标物的雷达和用于摄取车辆周边图像的摄像头，以及接收和处理雷达信息和摄像头信息的处理器，其特征在于：所述雷达信息作为预测信息进行卡尔曼预测处理，更新的雷达目标物信息得到雷达目标物更新信息，所述摄像头信息作为预测信息进行卡尔曼预测处理，更新图像目标物信息得到图像目标物更新信息；将雷达目标物更新信息与图像目标物更新信息进行坐标匹配，对两者中的目标物进行配对比较：A、如果雷达目标物与图像目标物的欧式距离等于或大于设定值的，则雷达目标物预测信息状态量赋值：ZL(xL，yL，vXL，vYL，angle)，式中ZL为雷达目标物信息状态量，xL为雷达目标物纵向位置、yL为雷达目标物横向位置、vXL为雷达目标物纵向速度、vYL为雷达目标物横向速度、angle为雷达目标物角度，图像目标物预测信息状态量赋值：ZS(xS，yS，vXS，vYS，type)，式中ZS为图像目标物信息状态量，xS为图像目标物纵向位置、yS为图像目标物横向位置、vXS为图像目标物纵向速度、vYS为图像目标物横向速度、type为图像目标物类型；B、如果雷达目标物与图像目标物的欧式距离小于设定值的，则将这两个目标物配对融合为一个目标物，这个融合后的目标物预测信息状态量赋值：Z(x，y，vX，vY，type，angle)，，式中x为融合目标物纵向位置、y为融合目标物横向位置、vX为融合目标物纵向速度、vY为融合目标物向横向速度，type为融合目标物类型，angle为融合目标物角度，ZL为雷达目标预测信息状态量，为雷达目标物赋予的加权系数，为图像目标物赋予的加权系数，将雷达目标物信息状态量，图像目标物预测信息状态量和融合后的目标物预测信息状态量作为预测信息用于卡尔曼预测处理，更新目标物信息后得到车辆周边目标物状态信息。2.根据权利要求1所述的车辆周边目标物的检测方法，其特征在于：所述雷达信息先经过雷达目标物初筛后再作为预测信息进行卡尔曼预测处理，所述雷达目标物初筛是将在某个周期前设定的N1...

【专利技术属性】
技术研发人员：冼伯明，高锋，张博闻，熊禹，吴祖亮，廖黎，周翔，
申请(专利权)人：东风柳州汽车有限公司，
类型：发明
国别省市：广西,45