基于毫米波雷达与机器视觉融合的汽车安全换道方法技术

本发明专利技术提出了一种基于毫米波雷达与机器视觉融合的汽车安全换道方法，包括以下步骤：S1、将毫米波雷达获取的目标进行分类，通过滤波剔除干扰目标，获取有效目标；S2、将有效目标映射至视觉图像中，并生成相应的雷达目标ROI，实现雷达与视觉的空间融合；S3、对雷达目标ROI进行对称性分析，改进雷达目标ROI横向位置；S4、判断雷达目标ROI中是否含有车辆，若雷达目标ROI内存在车辆，则采用KCF算法跟踪该车辆，根据自车与前车的相对距离与相对速度判断自车是否可以换道；若雷达目标ROI内不存在车辆，则保持车辆在原车道行驶。本发明专利技术打破了单传感器自身设计的局限性，综合了雷达与视觉的优势，具有准确率高、鲁棒性好的特点。

【技术实现步骤摘要】
基于毫米波雷达与机器视觉融合的汽车安全换道方法
本专利技术属于汽车高级辅助驾驶的
，尤其涉及一种基于毫米波雷达与机器视觉融合的汽车安全换道方法。
技术介绍
随着智能交通系统的发展，人们对自动驾驶汽车的普遍兴趣越来越大。汽车制造商已经开始将自动驾驶技术商业化。例如，高级驾驶辅助系统(ADAS)[1]开发了一种支持司机安全和舒适驾驶的系统。ADAS提供多种交通便利系统，如前方碰撞警告(FCW)、车道保持辅助(LKA)和智能巡航控制(SCC)。这些辅助驾驶系统以各种车辆传感器为基础工作。传感器识别和监控周围的环境，收集分析所需的数据。为了提高检测精度，通常将各种辅助系统组合在一起。这种驾驶辅助系统可被视为迈向完全自主驾驶的中间一步。
技术实现思路
为了提供一种精度高、速度快的安全换道方法，为此，本专利技术提出了一种基于毫米波雷达与机器视觉融合的汽车安全换道方法，具体方案如下：基于毫米波雷达与机器视觉融合的汽车安全换道方法，包括以下步骤：S1、将毫米波雷达获取的目标进行分类，通过滤波剔除干扰目标，获取有效目标；本文档来自技高网...

【技术保护点】
1.基于毫米波雷达与机器视觉融合的汽车安全换道方法，其特征在于，包括以下步骤：/nS1、将毫米波雷达获取的目标进行分类，通过滤波剔除干扰目标，获取有效目标；/nS2、将有效目标映射至视觉图像中，并生成相应的雷达目标ROI，实现雷达与视觉的空间融合；/nS3、对雷达目标ROI进行对称性分析，改进雷达目标ROI横向位置；/nS4、判断雷达目标ROI中是否含有车辆，若雷达目标ROI内存在车辆，则采用KCF算法跟踪该车辆，若雷达目标ROI内不存在车辆，根据自车与前车的相对距离与相对速度判断自车是否可以换道；若雷达目标ROI内不存在车辆，则保持车辆在原车道行驶。/n

【技术特征摘要】
1.基于毫米波雷达与机器视觉融合的汽车安全换道方法，其特征在于，包括以下步骤：
S1、将毫米波雷达获取的目标进行分类，通过滤波剔除干扰目标，获取有效目标；
S2、将有效目标映射至视觉图像中，并生成相应的雷达目标ROI，实现雷达与视觉的空间融合；
S3、对雷达目标ROI进行对称性分析，改进雷达目标ROI横向位置；
S4、判断雷达目标ROI中是否含有车辆，若雷达目标ROI内存在车辆，则采用KCF算法跟踪该车辆，若雷达目标ROI内不存在车辆，根据自车与前车的相对距离与相对速度判断自车是否可以换道；若雷达目标ROI内不存在车辆，则保持车辆在原车道行驶。


2.根据权利要求1所述的基于毫米波雷达与机器视觉融合的汽车安全换道方法，其特征在于，步骤S2中将有效目标映射至视觉图像中采用基于伪逆的单值化估计的方法。


3.根据权利要求1所述的基于毫米波雷达与机器视觉融合的汽车安全换道方法，其特征在于，步骤S3中对雷达目标ROI进行对称性分析是通过对称轴检测算法。


4.根据权利要求1所述的基于毫米波雷达与机器视觉融合的汽车安全换道方法，其特征在于，步骤S4中判断雷达目标ROI中是否含有车辆是采用基于Adaboost算法训练的车辆检测器。


5.根据权利要求1所述的基于毫米波雷达与机器视觉融合的汽车安全换道方法，其特征在于，步骤S4分别设置速度阈值V1与相对距离阈值X1，若目标车辆的速度与相对距离满足公式则车辆可调换车道。


6.根据权利要求1所述的基于毫米波雷达与机器视觉融合的汽车安全换道方法，其特征在于，步骤S1的分步骤如下：
S11、将雷达探测的任一目标数据描述为如下向量：
x＝(r,α,v)#(1)
其中r表示探测物体的距离；a表示探测物体的方位角；v表示探测物体的速度；
S12、将雷达探测目标的相对距离分解为：相对纵向距离distY与相对横向距离distX，其求解公式如式(2)：



S13、通过设定横向范围X1与纵向范围Y1，约束distX和distY的范围，保留满足公式(3)的目标作为备选跟踪目标：



S14、确定待跟踪目标，设定4个参数：某个雷达目标连续被探测到的次数FindTimes、对应雷达目标连续丢失的次数LostTimes、TF与TL；TF与TL分别为对应雷达目标连续被探测到的次数FindTimes与雷达目标连续丢失的次数LostTimes的判别阈值；雷达目标连续被探测到的次数FindTimes与雷达目标连续丢失的次数LostTimes的初始值均为0，设定目标连续被探测到的次数FindTimes大于TF的目标为待跟踪目标；
S15、利用扩展卡尔曼滤波算法预测下一周期目标信息；Xn＝[xn,yn,vxn,vyn]为描述目标运动的状态向量，xn、yn、vxn、vyn分别为第n周期内获得的有效目标横向相对距离、纵向相对距离、横向相对速度以及纵向相对速度，下一周期目标预测值可通过式(4)获得：



其中，T为雷达扫描周期，xn+1|n、yn+1|n、vxn+1|n、vyn+1|...

【专利技术属性】
技术研发人员：魏振亚，陈无畏，张先锋，刘菲，崔国良，丁雨康，
申请(专利权)人：安徽卡思普智能科技有限公司，
类型：发明
国别省市：安徽;34