一种估计车辆距离和速度的方法、装置和系统制造方法及图纸

一种估计车辆距离和速度的方法、装置和系统，所述方法包括：通过单目相机采集道路中前方多个车辆图像，确定每个车辆相对应的目标框；根据所确定的目标框分别采集每个车辆的视频数据，并利用预设的车辆跟踪方法分别确定每个车辆相对应的ID号和历史距离信息；根据所确定的ID号、历史距离信息以及车辆动力学模型计算出每个车辆的速度，以及和所述单目相机之间的距离。的距离。的距离。

【技术实现步骤摘要】
一种估计车辆距离和速度的方法、装置和系统


[0001]本申请涉及道路测量
，尤指一种估计车辆距离和速度的方法、装置和系统。

技术介绍

[0002]前向碰撞预警系统已经成为先进驾驶辅助系统(ADAS)中的必要功能，在中大型车辆已经有广泛运用，可有效减少了道路交通事故。对道路前方的目标车辆进行速度和距离检测是前向碰撞预警系统的核心模块。一些技术中，前向碰撞预警系统的主要测距传感器是单目相机、激光雷达，其中采用激光雷达的测距测速方法准确性最高，不易受到噪声影响，但是其设备成本和维护费用太高。与激光雷达方法相比，单目相机成本低廉，主要通过提取图像特征来估计前车速度和距离，但不能直接得出距离信息，且容易受到光照环境的影响，引起巨大的测量误差，其准确性完全依赖于算法模型和技术方案。因此，为了兼顾设备成本和准确性，提出一种能够稳定测量车辆距离以及速度的单目视觉算法是必要且急迫的。

技术实现思路

[0003]本申请提供了估计车辆距离和速度的方法、装置和系统，该方法能够利用深度卷积神经网络对视频图像中的车辆进行识别和跟踪，进而更加准确的测量前向碰撞预警中的车辆距离和速度。
[0004]本申请提供了一种估计车辆距离和速度的方法，包括：通过单目相机采集道路中前方多个车辆图像，确定每个车辆相对应的目标框；
[0005]根据所确定的目标框分别采集每个车辆的视频数据，并利用预设的车辆跟踪方法分别确定每个车辆相对应的ID号和历史距离信息；
[0006]根据所确定的ID号、历史距离信息以及车辆动力学模型计算出每个车辆的速度，以及和所述单目相机之间的距离。
[0007]一种示例性的实施例中，所述通过单目相机采集道路中前方多个车辆图像，确定每个车辆相对应的目标框，包括：
[0008]通过所述单目相机采集道路中前方多个车辆图像，将所采集的多个图像输入目标检测网络；
[0009]利用所述目标检测网络对所采集的多个图像进行特征提取、抽象及拟合，得到每个车辆相对应的的多个检测框；
[0010]利用非极大值抑制方法，分别从每个车辆的多个检测框中筛选出与车辆相对应的目标框。
[0011]一种示例性的实施例中，所述的车辆跟踪方法包括：基于匈牙利算法和感知哈希的多目标跟踪算法。
[0012]一种示例性的实施例中，所述根据所确定的目标框分别采集每个车辆的视频数
据，并利用预设的车辆跟踪方法分别确定每个车辆相对应的ID号和历史距离信息，包括：
[0013]计算所采集的视频数据中当前帧目标框A
i
与上一帧目标框B
j
之间的交并比IOU
i,j
，其中，i表示当前帧中目标框所对应的车辆编号，j表示上一帧中目标框所对应的车辆编号；
[0014]根据交并比的大小确定二分图的权值E
i,j
；
[0015]根据当前帧目标框A
i
、上一帧目标框B
j
以及所确定的二分图的权值E
i,j
确定每个车辆相对应的ID号和与该ID号所对应的历史距离信息；
[0016]其中，该交并比是两目标框交集面积与并集面积之间的比值。
[0017]一种示例性的实施例中，所述根据交并比的大小确定二分图的权值E
i,j
，包括：
[0018]若所计算的交并比IOU
i,j
大于0.6，则E
i,j
＝IOU
i,j
；
[0019]若所计算的交并比IOU
i,j
小于或等于0.6，则计算当前帧目标框A
i
与上一帧目标框B
j
之间的差异S
i,j
，并根据S
i,j
的大小确定二分图的权值E
i,j
。
[0020]一种示例性的实施例中，所述根据S
i,j
的大小确定二分图的权值E
i,j
，包括：
[0021]当S
i,j
小于或等于16时，则E
i,j
＝IOU
i,j
+E
add
；
[0022]当S
i,j
大于16且小于24时，则E
i,j
＝IOU
i,j
；
[0023]当S
i,j
大于或等于24时，则E
i,j
＝0。
[0024]一种示例性的实施例中，所述根据当前帧目标框A
i
、上一帧目标框B
j
以及所确定的多个二分图的权值E
i,j
确定每个车辆相对应的ID号和与该ID号所对应的历史距离信息，包括：
[0025]根据当前帧目标框A
i
、上一帧目标框B
j
以及所确定的二分图的权值E
i,j
形成以顶点集A＝{A1,A2,
…
,A
n
}、B＝{B1,B2,
…
,B
m
}，边集E＝{E
1,1
,E
1,2
,
…
,E
i,j
,
…
E
m,n
}的带权二分图，其中，n指的是当前帧中车辆目标框总数，m指的是上一帧车辆目标框总数；
[0026]对带权二分图利用匈牙利匹配算法进行匹配计算；
[0027]若当前帧目标框A
i
与上一帧目标框匹配成功，则A
i
继承匹配成功的目标框的ID号和历史距离信息。
[0028]一种示例性的实施例中，所述根据所确定的ID号、历史距离信息以及车辆动力学模型计算出每个车辆的速度，以及和所述单目相机之间的距离，包括：
[0029]针对每个车辆，分别根据车辆的行驶轨迹和预置的车辆动力学模型，利用相机模型求解当前时刻的每个车辆距离，并将该距离记录到每个车辆对应的ID号队列下；
[0030]根据ID号队列下的历史距离信息、所计算的距离，利用最小二乘法和车辆动力学模型拟合当前时刻每个车辆的速度。
[0031]一种示例性的实施例中，所述车辆动力学模型包括：
[0032][0033]上式中，K为车辆动力学矩阵，v
y
、v
z
、a
y
、a
z
分别表示车辆的纵向速度、横向速度、纵向加速度、横向加速度，t为时间；
[0034]结合所述ID号队列下的历史距离信息，利用最小二乘法和车辆动力学模型拟合当前时刻每个车辆的速度，包括：
[0035]E＝argmin[(N
‑
KM)
T
(N
‑
KM)+λKK
T
]；
[0036]对E求偏导数得到当前时刻车辆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种估计车辆距离和速度的方法，其特征在于，所述方法包括：通过单目相机采集道路中前方多个车辆图像，确定每个车辆相对应的目标框；根据所确定的目标框分别采集每个车辆的视频数据，并利用预设的车辆跟踪方法分别确定每个车辆相对应的ID号和历史距离信息；根据所确定的ID号、历史距离信息以及车辆动力学模型计算出每个车辆的速度，以及和所述单目相机之间的距离。2.根据权利要求1所述的估计车辆距离和速度的方法，其特征在于，所述通过单目相机采集道路中前方多个车辆图像，确定每个车辆相对应的目标框，包括：通过所述单目相机采集道路中前方多个车辆图像，将所采集的多个图像输入目标检测网络；利用所述目标检测网络对所采集的多个图像进行特征提取、抽象及拟合，得到每个车辆相对应的的多个检测框；利用非极大值抑制方法，分别从每个车辆的多个检测框中筛选出与车辆相对应的目标框。3.根据权利要求1所述的估计车辆距离和速度的方法，其特征在于，所述的车辆跟踪方法包括：基于匈牙利算法和感知哈希的多目标跟踪算法。4.根据权利要求3所述的估计车辆距离和速度的方法，其特征在于，所述根据所确定的目标框分别采集每个车辆的视频数据，并利用预设的车辆跟踪方法分别确定每个车辆相对应的ID号和历史距离信息，包括：计算所采集的视频数据中当前帧目标框A
i
与上一帧目标框B
j
之间的交并比IOU
i,j
，其中，i表示当前帧中目标框所对应的车辆编号，j表示上一帧中目标框所对应的车辆编号；根据交并比的大小确定二分图的权值E
i,j
；根据当前帧目标框A
i
、上一帧目标框B
j
以及所确定的二分图的权值E
i,j
确定每个车辆相对应的ID号和与该ID号所对应的历史距离信息；其中，该交并比是两目标框交集面积与并集面积之间的比值。5.根据权利要求4所述的估计车辆距离和速度的方法，其特征在于，所述根据交并比的大小确定二分图的权值E
i,j
，包括：若所计算的交并比IOU
i,j
大于0.6，则E
i,j
＝IOU
i,j
；若所计算的交并比IOU
i,j
小于或等于0.6，则计算当前帧目标框A
i
与上一帧目标框B
j
之间的差异S
i,j
，并根据S
i,j
的大小确定二分图的权值E
i,j
。6.根据权利要求5所述的估计车辆距离和速度的方法，其特征在于，所述根据S
i,j
的大小确定二分图的权值E
i,j
，包括：当S
i,j
小于或等于16时，则E
i,j
＝IOU
i,j
+E
add
；当S
i,j
大于16且小于24时，则E
i,j
＝IOU
i,j
；当S
i,j
大于或等于24时，则E
i,j
＝0。7.根据权利要求6所述的估计车辆距离和速度的方法，其特征在于，所述根...

【专利技术属性】
技术研发人员：吕东翰，王英荷，吴宾，林枫，石钊，
申请(专利权)人：北京旋极信息技术股份有限公司，
类型：发明
国别省市：