一种针对非结构化道路的自动驾驶目标识别方法及系统技术方案

本发明专利技术公开了一种针对非结构化道路的自动驾驶目标识别方法及系统，在自动驾驶车辆上安装视觉传感器

【技术实现步骤摘要】
一种针对非结构化道路的自动驾驶目标识别方法及系统


[0001]本专利技术涉及图像处理
，具体涉及一种针对非结构化道路的自动驾驶目标识别方法及系统
。

技术介绍

[0002]自动驾驶通常是指在限定的道路和环境中可由无人操作的自动驾驶系统完成所有驾驶操作
。
因此，在该场景下，自动驾驶系统对车辆感知性能提出了更为严苛的要求，单一传感器已无法满足城市道路场景下复杂的环境信息感知需求
。
因此，使用多传感器融合的技术方案成为各研究机构普遍的努力方向
。
近年来，自动驾驶领域广泛应用了多传感器融合感知技术，将不同传感器和数据模态应用于图像语义分割
、
目标识别
、
目标跟踪自动驾驶任务，取得了显著的效果
。
[0003]目标检测是自动驾驶技术的关键之一，车辆在实现自动驾驶时需要使用传感器对周围环境目标进行高精度感知和检测
。
车辆上常用的传感器包括激光雷达
、
毫米波雷达
、
视觉传感器和超声波传感本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种针对非结构化道路的自动驾驶目标识别方法，其特征在于，所述非结构化道路上有多种互相遮挡的障碍物，在自动驾驶车上搭载雷达与摄像头，摄像头内设置传感器，对车辆前方障碍物进行识别，所述方法包括以下步骤：
1)
感知车辆前方路况，由传感器感知障碍物类别，获得多帧目标分类图，由雷达感知障碍物状态，获得原始数据；
2)
对原始数据进行预处理形成点云图，并将点云图与目标分类图进行标定，分别得到雷达空间融合图
、
摄像头空间融合图；
3)
提取相邻帧雷达空间融合图的背景图像中的特征点，基于光流矢量长度阈值化算法处理所有帧内特征点，过滤静态点并得到过滤图；
4)
过滤图中包括多个分类样本，根据每个分类样本局部密度和距离进行点云聚类得到目标参数；
5)
基于卡尔曼滤波建立多模态运动模型处理目标参数进行目标跟踪，基于跟踪目标统计目标的数据列表进行决策，得到雷达点数据；
6)
将雷达点数据投影到摄像头空间融合图，成功匹配后得到目标点；
7)
基于双重判断策略检测目标点，去除噪声点和误检点，得到正确目标点
。2.
根据权利要求1所述的针对非结构化道路的自动驾驶目标识别方法，其特征在于，所述传感器为视觉传感器，设置一个；雷达为
4D
毫米波雷达和激光雷达，所述
4D
毫米波雷达设置两个，激光雷达设置一个；所述激光雷达在毫米波雷达或视觉传感器失效时使用
。3.
根据权利要求2所述的针对非结构化道路的自动驾驶目标识别方法，其特征在于，步骤
1)
中所述原始数据包括障碍物的相对距离
、
相对速度
、
水平角度
、
垂直角度
。4.
根据权利要求3所述的针对非结构化道路的自动驾驶目标识别方法，其特征在于，步骤
2)
中，所述预处理为对原始数据进行快速傅里叶变换生成点云图；通过矩阵运算完成标定，且当雷达与视觉传感器中的任意至少一种失效时，不进行标定
。5.
根据权利要求4所述的针对非结构化道路的自动驾驶目标识别方法，其特征在于，步骤
3)
中，所述光流矢量长度阈值化算法为：统计所有帧内特征点的光流矢量数，对光流矢量的长度阈值化处理，按照分类目标调整阈值，所述阈值为目标的移动速度，对目标精分类，得到多个分类样本
。6.
根据权利要求5所述的针对非结构化道路的自动驾驶目标识别方法，其特征在于，步骤
...

【专利技术属性】
技术研发人员：唐晓峰，袁欣阳，
申请(专利权)人：扬州大学，
类型：发明
国别省市：