一种基于多传感器数据融合的拒马桩整体检测方法及系统技术方案

本发明专利技术涉及无人车感知目标检测技术领域，特别是涉及一种基于多传感器数据融合的拒马桩整体检测方法及系统，方法包括：获取拍摄图像，并根据所述拍摄图像得到目标二维筛选框；获取三维点云数据，对所述三维点云数据进行过滤，得到不包含地面的过滤点云数据；对所述过滤点云数据进行聚类，得到若干个初始三维检测框；基于所述目标二维筛选框对若干个所述初始三维检测框进行筛选，得到三维检测框集；将所述三维检测框集中的中心点距离激光雷达坐标系原点最近的三维检测框作为三维筛选框；基于所述三维筛选框对所述过滤点云数据进行筛选，得到目标点云数据。本发明专利技术具有极高的检测精度和定位精度，并且降低了对处理器的性能需求。并且降低了对处理器的性能需求。并且降低了对处理器的性能需求。

【技术实现步骤摘要】
一种基于多传感器数据融合的拒马桩整体检测方法及系统


[0001]本专利技术涉及无人车感知目标检测
，特别是涉及一种基于多传感器数据融合的拒马桩整体检测方法及系统。

技术介绍

[0002]无人车目标检测任务不同于一般场景下的目标检测任务，一般场景下的目标检测任务只需要检测出场景中有什么目标，而不需要对目标的位置进行精准的定位，并输出目标的精准位置坐标。而在无人车行驶的过程中需要躲避障碍物，所以不仅需要检测出场景中有什么目标，还需要对目标的位置进行精准的定位。
[0003]无人车在进行目标检测的过程中常采用激光雷达和摄像头这两种传感器采集数据。普通摄像头具有造价低廉、可以采集到目标丰富的色彩信息等优势。但是普通摄像头无法采集到目标的三维坐标信息。双目摄像头虽然可以通过计算得到目标的三维坐标信息，但是精度远不如激光雷达的定位精度高。激光雷达虽然无法获取目标丰富的色彩信息，但是其可以精确的得到目标的三维坐标信息。
[0004]无人车目标检测是无人驾驶领域的关键技术之一。由于无人车行驶过程中处于安全的考虑，对于检测的精确度要求很高，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多传感器数据融合的拒马桩整体检测方法，其特征在于，包括：获取拍摄图像，并根据所述拍摄图像得到目标二维筛选框；获取三维点云数据，对所述三维点云数据进行过滤，得到不包含地面的过滤点云数据；对所述过滤点云数据进行聚类，得到若干个初始三维检测框；基于所述目标二维筛选框对若干个所述初始三维检测框进行筛选，得到三维检测框集；将所述三维检测框集中的中心点距离激光雷达坐标系原点最近的三维检测框作为三维筛选框；基于所述三维筛选框对所述过滤点云数据进行筛选，得到目标点云数据。2.根据权利要求1所述的基于多传感器数据融合的拒马桩整体检测方法，其特征在于，所述获取拍摄图像，并根据所述拍摄图像集得到目标二维筛选框，具体为：获取拍摄图像，并将所述拍摄图像输入改进的YOLOV5神经网络中，得到所述目标二维筛选框；改进的YOLOV5神经网络嵌入ROS机器人操作系统中。3.根据权利要求1所述的基于多传感器数据融合的拒马桩整体检测方法，其特征在于，所述对所述过滤点云数据进行聚类，得到若干个三维检测框，具体为：基于欧氏距离对所述过滤点云数据进行聚类，得到若干个所述三维检测框。4.根据权利要求1所述的基于多传感器数据融合的拒马桩整体检测方法，其特征在于，所述基于所述目标二维筛选框对若干个所述初始三维检测框进行筛选，得到三维检测框集，包括：将所述二维候选框从像素坐标系转换到激光雷达坐标系，得到激光雷达坐标系下的二维筛选框；基于所述二维筛选框对若干个所述初始三维检测框进行筛选，得到所述三维检测框集。5.根据权利要求1所述的基于多传感器数据融合的拒马桩整体检测方法，其特征在于，所述基于所述三维筛选框对所述过滤点云数据进行筛选，得到目标点云数据，包括：将所述过滤点云数据中位于所述三维筛选框内的点云进行筛选，得...

【专利技术属性】
技术研发人员：艾斯卡尔，
申请(专利权)人：新疆大学，
类型：发明
国别省市：