【技术实现步骤摘要】
一种机器视觉与毫米波雷达融合的多车辆目标跟踪方法
本专利技术涉及智能汽车自动驾驶环境感知
，具体涉及一种机器视觉与毫米波雷达融合的多车辆目标跟踪方法。
技术介绍
随着智能化、信息化、自动化水平的提高，越来越多的企业和机构正在大力研发汽车的智能驾驶系统与先进驾驶员辅助系统。环境感知作为自动驾驶汽车的“眼睛”，为车辆提供前方道路交通信息，具有非常重要的作用。跟踪作为环境感知重要的一环，愈发得到研究人员的重视。目前，对多传感器信息进行融合是当前跟踪领域的研究热点。现有技术提供了一种基于视频图像和毫米波雷达数据融合的目标物识别方法，通过控制终端将卫星定位系统采集的目标物动态位置、图像采集设备获取的目标物图像行动状态以及雷达设备采集的目标物行动状态进行数据融合，来对车辆周围的目标物进行精确的识别及定位。但在实际自动驾驶过程中，需要对多车辆进行目标跟踪。在连续跟踪的过程中，通过视频图像对目标物进行图像识别时，因为自动驾驶车辆和周边目标车辆的相对位置是实时变化的，所以目标物图像的视觉跟踪边界框尺寸也会随之不断的变化。边界框尺...
【技术保护点】
1.一种机器视觉与毫米波雷达融合的多车辆目标跟踪方法，其特征在于,包括以下步骤：/n获取毫米波雷达检测数据，对数据进行滤波，得到车辆目标；/n获取道路环境图像，使用深度学习神经网络模型在所述道路环境图像中检测周边环境车辆，获得视觉跟踪目标的位置信息和尺寸信息；/n根据所述位置信息与尺寸信息，利用改进的粒子滤波算法在视觉图像中进行多目标跟踪；/n使用机器视觉与毫米波雷达融合模型，根据关联判定策略将所述车辆目标与所述视觉跟踪目标进行关联，并利用毫米波雷达测距信息对视觉跟踪边界框的位置与尺寸进行修正；/n进行轨迹信息更新，得出跟踪结果。/n
【技术特征摘要】
1.一种机器视觉与毫米波雷达融合的多车辆目标跟踪方法，其特征在于,包括以下步骤：
获取毫米波雷达检测数据，对数据进行滤波，得到车辆目标；
获取道路环境图像，使用深度学习神经网络模型在所述道路环境图像中检测周边环境车辆，获得视觉跟踪目标的位置信息和尺寸信息；
根据所述位置信息与尺寸信息，利用改进的粒子滤波算法在视觉图像中进行多目标跟踪；
使用机器视觉与毫米波雷达融合模型，根据关联判定策略将所述车辆目标与所述视觉跟踪目标进行关联，并利用毫米波雷达测距信息对视觉跟踪边界框的位置与尺寸进行修正；
进行轨迹信息更新，得出跟踪结果。
2.根据权利要求1所述一种机器视觉与毫米波雷达融合的多车辆目标跟踪方法，其特征在于，所述对数据进行滤波包括以下步骤：
对毫米波雷达数据进行预处理，初步滤除无效雷达目标；
基于三阶卡尔曼滤波器，结合目标的距离、角度、速度、加速度参数，对雷达目标进行一致性检验；
针对当前时刻每一个雷达目标，结合相邻k个时刻数据进行连续性判断。
3.根据权利要求2所述一种机器视觉与毫米波雷达融合的多车辆目标跟踪方法，其特征在于，对毫米波雷达数据进行预处理包括以下步骤：
利用雷达返回空目标的特征数值，筛除空目标；
根据目标区域范围，设置纵向、横向距离阈值，筛除区域外雷达目标。
4.根据权利要求1所述一种机器视觉与毫米波雷达融合的多车辆目标跟踪方法，其特征在于：所述深度学习神经网络为卷积神经网络。
5.根据权利要求1所述一种机器视觉与毫米波雷达融合的多车辆目标跟踪方法，其特征在于：所述改进的粒子滤波算法，采用遗传算法改进重采样步骤，在遗传算法的交叉操作中生成单个子替代换小权重粒子，在变异操作中利用标准正态分布计算种群适应度。
6.根据权利要求5所述一种机器视觉与毫米波雷达融合的多车辆目标跟踪方法，其特征在于：所述遗传算法进行个体适应度评价时，利用巴氏系数计算跟踪模板与粒子窗口之间的相似度，满足以下公式：
其中，pi表示第i个粒子表征窗口直方图，q表示模板直方图，ρ为巴氏系数。
7.根据权利要求5所述一种机器视觉与毫米波雷达融合的多车辆目标跟踪方法，其特征在于：所述改进的粒子滤波算法，在两个视觉跟踪边界框重叠时比较其观测值，较小者判定处于被遮挡状态，满足以下公式：
其中，返回Oi...
【专利技术属性】
技术研发人员：郑玲，甘耀东，张翔，李以农，高锋，詹振飞，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;50
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。