工程车辆和物体识别方法技术

本发明专利技术提供了一种工程车辆和物体识别方法，工程车辆包括第一采集装置，适于采集位置参数和运行参数；第二采集装置，适于采集图像参数；存储器，存储器存储有计算机程序；处理器，执行计算机程序时执行以下步骤：获取第一采集数据和第二采集数据；根据上述采集数据构建线性集成模型；根据线性集成模型进行隶属度计算；根据隶属度计算结果计算并输出识别结果。本发明专利技术通过根据第一采集数据和第二采集数据构建线性集成模型，并进行隶属度计算，根据隶属度计算结果输出识别结果，实现了不同类别的特征元素通过线性集成方法融合后进行隶属度计算，有利于提高隶属度计算结果的准确性，提高物体识别的准确度，提高车辆对交通环境感知能力的准确性。

【技术实现步骤摘要】
工程车辆和物体识别方法
本专利技术涉及物体识别
，具体而言，涉及一种工程车辆和物体识别方法。
技术介绍
车辆对复杂条件下的交通环境的感知能力对车辆行驶的安全性、智能性影响较大，因此，如何提高车辆对交通环境感知能力的准确性成为目前亟需解决的技术问题。
技术实现思路
本专利技术旨在至少解决现有技术或相关技术中存在的技术问题之一。为此，本专利技术的第一方面提出一种工程车辆。本专利技术的第二方面提出一种物体识别方法。有鉴于此，本专利技术的第一方面提供了一种工程车辆，包括：第一采集装置，被配置为适于采集位置参数和运行参数；第二采集装置，被配置为适于采集图像参数；存储器，存储器存储有计算机程序；处理器，处理器执行计算机程序时执行以下步骤：获取第一采集装置的第一采集数据和第二采集装置的第二采集数据；根据第一采集数据和第二采集数据构建线性集成模型；根据线性集成模型进行隶属度计算；根据隶属度计算结果计算并输出识别结果。本专利技术提供的工程车辆，包括第一采集装置、第二采集装置、存储器和处理器，其中，第一采集装置被配置为适于采集位置参数和运行参数，第二采集装置被配置为适于采集图像参数，存储器存储有计算机程序，处理器执行计算机程序时执行如下控制策略。获取第一采集装置的第一采集数据和第二采集装置的第二采集数据，由于第一采集装置和第二采集装置可以采集不同种类的特征参数，即第一采集数据和第二采集数据包括不同类别的不同特征，进而使得对物体识别的特征元素的类别有所增多，通过根据第一采集数据和第二采集数据构建线性集成模型，并根据线性集成模型进行隶属度计算，根据隶属度计算结果输出识别结果，实现了将不同类别的特征元素通过线性集成方法融合后进行隶属度计算，由于线性集成方法(OLC)具有较好的集成性能，其判决结果优于单特征的识别结构，且具有较强的鲁棒性，进而有利于提高隶属度计算结果的准确性，即提高物体识别的准确度，提高车辆对交通环境感知能力的准确性。具体地，第二采集装置为视觉传感器，视觉传感器具有成本低、采集数据信息量丰富、易于目标识别分类等优点，广泛应用于工程车辆的前方目标检测。基于视觉传感器的目标检测可以分为基于单目视觉和基于双目(多目)视觉的目标检测。其中基于单目视觉的目标检测可分为检测与识别两个过程。首先通过初始检测来获得假设目标，利用目标特征和图像运动来形成假设的目标区域，然后通过基于模板与基于机器学习的方法对假设进行核定。基于视觉的检测方法易受环境(天气、光照等)影响，且无法获取目标的准确运动信息。第一采集装置为毫米波雷达，毫米波雷达使用30GHz至300GHz频域的电磁波，穿透烟、尘等能力强，具有良好的环境适应性，可探测障碍物相对雷达的距离、速度等信息，是目前智能车辆广泛采用的传感器之一。但是，由于毫米波雷达传感器的工作原理，毫米波雷达探测噪声较大，杂波数据较多。现有雷达杂波剔除方法主要有阈值法与模型法，这类方法的参数设置通常不具有普适性与场景自适应性。此外，毫米波雷达无法获取目标的几何信息与类别信息。因此，若单独以视觉传感器的采集数据进行物体识别，或单独以雷达的采集数据进行物体识别均会降低物体识别的准确度，因此，本申请通过根据第一采集数据和第二采集数据构建线性集成模型，利用线性集成模型将视觉传感器和雷达的采集数据中的特征集成后进行识别，由于线性集成模型具有权重矢量，有利于根据特征的类别以不同的权重来进行隶属度计算，进而有利于充分利用视觉传感器、雷达采集数据的置信度，提高融合结果的准确度，进而提高物体识别的准确度。另外，本专利技术提供的上述技术方案中的工程车辆还可以具有如下附加技术特征：在上述技术方案中，进一步地，处理器执行计算机程序时执行根据隶属度计算结果输出识别结果的步骤，具体包括：记录隶属度计算结果；对相邻的至少两个隶属度计算结果进行融合，或对间隔预设数量的两个隶属度计算结果进行融合；根据融合结果，计算识别结果并输出。在该技术方案中，限定了根据隶属度计算结果输出识别结果的具体控制策略。通过记录隶属度计算结果，一方面，对相邻的至少两个隶属度计算结果进行融合，另一方面，对间隔预设数量的两个隶属度计算结果进行融合，并根据融合结果，计算识别结果并输出，引入了连续融合思想，利用前一时刻或前面任一时刻的隶属度计算结果对当前的隶属度计算结果进行校验，有利于进一步提高融合结果的准确度，进而提高物体识别的准确率和可靠性，有利于提高工程车辆行驶的安全性和智能性。进一步地，相邻的至少两个隶属度计算结果可以为相邻的两个隶属度计算结果、相邻的三个隶属度计算结果、相邻的四个隶属度计算结果等，即对相邻的两个、或三个、或四个隶属度计算结果进行融合；预设数量可以为一个、两个或满足要求的其他数量，即对当前的隶属度计算结果和其之前的第二个隶属度计算结果进行融合，或对当前的隶属度计算结果和其之前的第三个隶属度计算结果进行融合。通过不同的方法对不同数量、不同位置的隶属度计算结果进行融合，能够扩大产品的使用范围。在上述任一技术方案中，进一步地，处理器执行计算机程序时执行根据第一采集数据和第二采集数据构建线性集成模型的步骤，具体包括：根据第一采集数据和第二采集数据建立样本后验判决概率输出矩阵；根据后验判决概率输出矩阵确认样本与任一目标相对应的后验判决概率输出量；根据后验判决概率输出量和集成权重矢量建立线性集成模型。在该技术方案中，限定了根据第一采集数据和第二采集数据构建线性集成模型的具体控制策略。首先，通过第一采集数据和第二采集数据建立样本后验判决概率输出矩阵，然后，根据后验判决概率输出矩阵确认样本与任一目标相对应的后验判决概率输出量，接着，引入与任一目标相对应的集成权重矢量，根据后验判决概率输出量和集成权重矢量建立线性集成模型，由于集成权重矢量与任一目标相对应，进而有利于根据目标的类别设定不同的权重矢量，有利于进一步提高识别结果的准确性。在上述任一技术方案中，进一步地，处理器执行计算机程序时执行根据第一采集数据和第二采集数据建立后验判决概率输出矩阵的步骤，具体包括：采用公式(1)建立后验判决概率输出矩阵；式中，表示具有M个特征(f1,f2,…,fM)的输入样本x的第n个特征属于Ωi的概率，Ωi为第i类目标；在该技术方案中，限定了通过第一采集数据和第二采集数据建立后验证判决概率输出矩阵的具体控制策略。其中，公式(1)可以理解为：设(f1,f2,…,fM)为输入样本x的M个特征，Ωi为第i类目标，表示输入样本x的第n个特征属于Ωi的概率，也就是说，本申请直接采用第一采集数据和第二采集数据中各个特征与目标特征的隶属度作为线性集成的输入参数(权值)，具有权值意义清晰、计算简单的优点，进而有利于提高识别效率和对物体识别的准确率，提高工程车辆对行驶环境识别能力的准确性和及时性。进一步地，可以采用最小均方错误准则(MSE，MeanSquareError)、最小分类错误准则(MCE，MinimumClassificationError)等方法为输入样本中的各个特征分配合理的概率或权重本文档来自技高网...

【技术保护点】
1.一种工程车辆，其特征在于，包括：/n第一采集装置，被配置为适于采集位置参数和运行参数；/n第二采集装置，被配置为适于采集图像参数；/n存储器，所述存储器存储有计算机程序；/n处理器，所述处理器执行计算机程序时执行以下步骤：/n获取所述第一采集装置的第一采集数据和所述第二采集装置的第二采集数据；/n根据所述第一采集数据和所述第二采集数据构建线性集成模型；/n根据所述线性集成模型进行隶属度计算；/n根据隶属度计算结果计算并输出识别结果。/n

【技术特征摘要】
1.一种工程车辆，其特征在于，包括：
第一采集装置，被配置为适于采集位置参数和运行参数；
第二采集装置，被配置为适于采集图像参数；
存储器，所述存储器存储有计算机程序；
处理器，所述处理器执行计算机程序时执行以下步骤：
获取所述第一采集装置的第一采集数据和所述第二采集装置的第二采集数据；
根据所述第一采集数据和所述第二采集数据构建线性集成模型；
根据所述线性集成模型进行隶属度计算；
根据隶属度计算结果计算并输出识别结果。


2.根据权利要求1所述的工程车辆，其特征在于，所述处理器执行计算机程序时执行根据隶属度计算结果计算并输出识别结果的步骤，具体包括：
记录所述隶属度计算结果；
对相邻的至少两个所述隶属度计算结果进行融合，或对间隔预设数量的两个所述隶属度计算结果进行融合；
根据融合结果，计算所述识别结果并输出。


3.根据权利要求2所述的工程车辆，其特征在于，所述处理器执行计算机程序时执行根据所述第一采集数据和所述第二采集数据构建线性集成模型的步骤，具体包括：
根据所述第一采集数据和所述第二采集数据建立样本后验判决概率输出矩阵；
根据所述后验判决概率输出矩阵确认所述样本与任一目标相对应的后验判决概率输出量；
根据所述后验判决概率输出量和集成权重矢量建立所述线性集成模型。


4.根据权利要求3所述的工程车辆，其特征在于，所述处理器执行计算机程序时执行根据所述第一采集数据和所述第二采集数据建立后验判决概率输出矩阵的步骤，具体包括：
采用公式(1)建立所述后验判决概率输出矩阵；



式中，表示具有M个特征(f1,f2,…,fM)的输入样本x的第n个特征属于Ωi的概率，Ωi为第i类目标；
所述处理器执行计算机程序时执行根据所述后验判决概率输出矩阵确认所述样本与任一目标相对应的后验判决概率输出量的步骤，具体包括：
根据公式(1)确认所述输入样本x与第i类目标相对应的所述后验判决概率输出量为：



所述处理器执行计算机程序时执行根据所述后验判决概率输出量和集成权重矢量建立所述线...

【专利技术属性】
技术研发人员：郭武，贺志国，李纯袁，
申请(专利权)人：三一专用汽车有限责任公司，
类型：发明
国别省市：湖南;43