一种车辆检测跟踪方法和装置制造方法及图纸

本发明专利技术实施例提供一种车辆检测跟踪方法和装置，获取周边环境图像，并基于已训练的车辆检测模型检测周边车辆，获取周边车辆的位置信息和大小信息；基于相机成像原理和周边车辆的位置信息、大小信息获取与周边车辆的相对位置信息，并基于毫米波雷达测距对所述相对位置信息进行修正。通过深度学习算法检测出周围车辆，获取其位置和大小信息，通过对图像采用数据增强、前后景分离等手段，增加前景比例，排除环境干扰，提高跟踪效果，对检测出的物体进行了图像增强，扩充样本量，提升跟踪精度；同时采用图像计算的距离和毫米波雷达测得的距离进行融合，既有毫米波雷达精确度高的优点，又有高速摄像头帧率高的特点。

A vehicle detection and tracking method and device

【技术实现步骤摘要】
一种车辆检测跟踪方法和装置
本专利技术实施例涉及自动驾驶
，尤其涉及一种车辆检测跟踪方法和装置。
技术介绍
随着移动互联网的流量天花板逐渐见顶，互联网与实体行业如农业、工业、建筑行业和服务行业等传统行业的数字融合将成为新的趋势，产业互联网结合5G和云计算等技术将加快实体经济转型。汽车作为产业互联网场景下必不可少的智能移动设备，随着新一代的汽车技术革命如新能源、智能网联、自动驾驶的创新，将结合不同落地场景打造可复制循环的商业模式闭环。自动驾驶是指智能汽车通过安装配备在车上的传感器设备(包括2D摄影视觉感知、激光雷达、毫米波雷达等)感知汽车周围的驾驶环境，结合导航的高精度地图，进行快速的运算与分析，在不断模拟和深度学习潜在的路况环境并作出判断，进一步借助算法规划汽车最理想或最合适的行驶路线及方式，再通过芯片反馈给控制系统进行刹车、方向盘控制等实际操作动作。自动汽车在行驶过程中，需要对周边环境进行一个采样、处理及反馈的过程，以使得汽车行驶的状态能够应对周边环境，检测周围车辆并测距是无人自动驾驶中不可或缺的功能。目前主流的方法是采用单目摄像头采集数据，利用检测算法检测出车辆，再利用跟踪算法跟踪目标区域，大量缩短时间以达到实时检测效果。同时采用小孔成像原理，计算目标车辆的相对位置，过近时报警或者采取制动功能。该方法比较成熟，但在跟踪阶段，由于复杂环境的干扰，跟踪效果往往不佳，必须经常检测校正，同时单目测距的精度较差，也很难准确估计与周围车辆的距离。
技术实现思路
本专利技术实施例提供一种车辆检测跟踪方法和装置，用以解决现有技术中由于复杂环境的干扰，跟踪效果往往不佳，必须经常检测校正，同时单目测距的精度较差，也很难准确估计与周围车辆的距离的问题。第一方面，本专利技术实施例提供一种车辆检测跟踪方法，包括：获取周边环境图像，并基于已训练的车辆检测模型检测跟踪周边车辆，获取周边车辆的位置信息和大小信息；基于相机成像原理和周边车辆的位置信息、大小信息获取与周边车辆的相对位置信息，并基于毫米波雷达测距对所述相对位置信息进行修正。作为优选的，基于已训练的车辆检测模型检测跟踪周边车辆前，还包括：获取周边车辆的图像信息并进行背景分割，分割出车辆区域图像，对所述车辆区域图像进行前景背景分离处理，得到车体部分图像；对所述车体部分图像进行图像增强处理，以扩充车体部分图像样本，并基于所述车体部分图像样本进行机器学习，得到车辆检测模型。作为优选的，所述图像增强处理包括平移、旋转和缩放。作为优选的，基于相机成像原理和周边车辆的位置信息、大小信息获取与周边车辆的相对位置信息，具体包括：基于获取的周边车辆的位置信息及大小信息和相机参数信息，通过小孔成像原理算出与周边车辆的相对位置信息。作为优选的，并基于毫米波雷达测距对所述相对位置信息进行修正，具体包括：对同一时刻通过周边环境图像获取到的周边车辆的相对位置信息，以毫米波雷达获取的位置数据为基准进行修正；若当前时刻毫米波雷达无位置数据，则以前一时刻通过周边环境图像获取的相对位置信息为基准进行修正。作为优选的，还包括：基于设定若干帧以内的相对位置信息分析判断自车与周边车辆的相对位置关系以及相对速度变化，并发送给车辆控制单元。作为优选的，还包括：每间隔设定时间段重新获取周边环境图像，以检测是否有新增的周边车辆出现。第二方面，本专利技术实施例提供一种车辆检测跟踪装置，包括：车辆检测模块，用于获取周边环境图像，并基于已训练的车辆检测模型检测跟踪周边车辆，获取周边车辆的位置信息和大小信息；车辆跟踪模块，用于基于相机成像原理和周边车辆的位置信息、大小信息获取与周边车辆的相对位置信息，并基于毫米波雷达测距对所述相对位置信息进行修正。第三方面，本专利技术实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本专利技术第一方面实施例所述车辆检测跟踪方法的步骤。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如本专利技术第一方面实施例所述车辆检测跟踪方法的步骤。本专利技术实施例提供的一种车辆检测跟踪方法和装置，通过深度学习算法检测出周围车辆，获取其位置和大小信息，在训练阶段，通过对图像采用数据增强、前后景分离等手段，增加前景比例，排除环境干扰，提高跟踪效果，对检测出的物体进行了图像增强，扩充样本量，提升跟踪精度；同时采用和毫米波雷达融合的方式，提高测距精度，图像计算的距离和毫米波雷达测得的距离进行融合，既有毫米波雷达精确度高的优点，又有高速摄像头帧率高的特点。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为根据本专利技术实施例提供的车辆检测跟踪方法流程框图；图2为根据本专利技术实施例提供的车辆检测跟踪方法具体流程图；图3为根据本专利技术实施例提供的设备实施例结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。自动汽车在行驶过程中，需要对周边环境进行一个采样、处理及反馈的过程，以使得汽车行驶的状态能够应对周边环境，检测周围车辆并测距是无人自动驾驶中不可或缺的功能。目前主流的方法是采用单目摄像头采集数据，利用检测算法检测出车辆，再利用跟踪算法跟踪目标区域，大量缩短时间以达到实时检测效果。同时采用小孔成像原理，计算目标车辆的相对位置，过近时报警或者采取制动功能。该方法比较成熟，但在跟踪阶段，由于复杂环境的干扰，跟踪效果往往不佳，必须经常检测校正，同时单目测距的精度较差，也很难准确估计与周围车辆的距离。因此，本专利技术实施例通过深度学习算法检测出周围车辆，获取其位置和大小信息，在训练阶段，通过对图像采用数据增强、前后景分离等手段，增加前景比例，排除环境干扰，提高跟踪效果，对检测出的物体进行了图像增强，扩充样本量，提升跟踪精度；同时采用和毫米波雷达融合的方式，提高测距精度，图像计算的距离和毫米波雷达测得的距离进行融合，既有毫米波雷达精确度高的优点，又有高速摄像头帧率高的特点。以下将通过多个实施例进行展开说明和介绍。图1和图2为根据本专利技术实施例提供一种车辆检测跟踪方法，包括：S11、获取周边环境图像，并基于已训练的车辆检测模型检测跟踪周边车辆，获取周边车辆的位置信息和大小信息；S12、基于本文档来自技高网...

【技术保护点】
1.一种车辆检测跟踪方法，其特征在于，包括：/n获取周边环境图像，并基于已训练的车辆检测模型检测跟踪周边车辆，获取周边车辆的位置信息和大小信息；/n基于相机成像原理和周边车辆的位置信息、大小信息获取与周边车辆的相对位置信息，并基于毫米波雷达测距对所述相对位置信息进行修正。/n

【技术特征摘要】
1.一种车辆检测跟踪方法，其特征在于，包括：
获取周边环境图像，并基于已训练的车辆检测模型检测跟踪周边车辆，获取周边车辆的位置信息和大小信息；
基于相机成像原理和周边车辆的位置信息、大小信息获取与周边车辆的相对位置信息，并基于毫米波雷达测距对所述相对位置信息进行修正。


2.根据权利要求1所述的车辆检测跟踪方法，其特征在于，基于已训练的车辆检测模型检测跟踪周边车辆前，还包括：
获取周边车辆的图像信息并进行背景分割，分割出车辆区域图像，对所述车辆区域图像进行前景背景分离处理，得到车体部分图像；
对所述车体部分图像进行图像增强处理，以扩充车体部分图像样本，并基于所述车体部分图像样本进行机器学习，得到车辆检测模型。


3.根据权利要求2所述的车辆检测跟踪方法，其特征在于，所述图像增强处理包括平移、旋转和缩放。


4.根据权利要求1所述的车辆检测跟踪方法，其特征在于，基于相机成像原理和周边车辆的位置信息、大小信息获取与周边车辆的相对位置信息，具体包括：
基于获取的周边车辆的位置信息及大小信息和相机参数信息，通过小孔成像原理算出与周边车辆的相对位置信息。


5.根据权利要求1所述的车辆检测跟踪方法，其特征在于，并基于毫米波雷达测距对所述相对位置信息进行修正，具体包括：
对同一时刻通过周边环境图像获取到的周边车辆的...

【专利技术属性】
技术研发人员：程德心，夏良俊，王婷，卫扬道，
申请(专利权)人：武汉光庭信息技术股份有限公司，
类型：发明
国别省市：湖北;42