【技术实现步骤摘要】
本专利技术涉及道路交通，尤其涉及一种基于对抗生成网络的雷视一体机自动标定方法。
技术介绍
1、在道路交通
，当交管平台需要对道路上行驶的车辆等进行追踪时，通常需要用到雷视融合技术。而由于雷视融合一体机是通过摄像头和毫米波雷达等的传感器输入完成交通流量、交通状态、交通事件等统计或识别的路侧边缘器件，在进行图像分析时需要进行标定才能获取到识别结果。
2、现有的标定方式有手动标定和自动标定，其中手动标定是通过用户自己进行标定，对于没有一定基础的用户来说难度大，标定精度低，且方案流程较为复杂，每台都需要进行标定效率较低；另外自动标定是需要算法选取匹配点，路面车辆布局较为明朗时记录点对，收集到足够多满足要求的点对时计算得到投影矩阵，这种方式虽然能够提高效率，但是存在时间上不可控，并且在车辆稀少或者车况复杂的路段很有可能长时间无法找到匹配的点对。
3、因此，如何能够提升自动标定过程中点对的匹配效率及匹配准确度成为本领域技术人员亟待解决的技术问题。
技术实现思路
1、本专利技术提供了一种基于对抗生成网络的雷视一体机自动标定方法，解决相关技术中存在的雷视标定匹配效率低且准确度低的问题。
2、作为本专利技术的一个方面，提供一种基于对抗生成网络的雷视一体机自动标定方法，其中，包括：
3、获取摄像装置采集到的目标图像信息以及获取雷达装置采集到的目标坐标信息；
4、根据对抗生成网络对所述目标图像信息进行图像转换获得鸟瞰图；
5、
6、根据所述第一目标匹配点对进行平移缩放计算获得平移缩放矩阵，以及根据所述第二目标匹配点对进行图像投影计算获得图像投影矩阵；
7、根据所述平移缩放矩阵和所述图像投影矩阵进行标定，获得标定结果；
8、根据所述第一目标匹配点对进行平移缩放计算获得平移缩放矩阵包括对第一目标匹配点对进行图像缩放和图像平移后获得平移缩放矩阵；
9、根据所述第二目标匹配点对进行图像投影计算获得图像投影矩阵包括将所述第二目标匹配点对中的目标图像信息进行投影变换后结合透视除法获得图像投影矩阵；
10、根据所述平移缩放矩阵和所述图像投影矩阵进行标定，获得标定结果包括根据平移缩放矩阵进行坐标系转换后的结果与图像投影矩阵之间进行坐标系转换，获得标定结果。
11、进一步地，根据所述鸟瞰图和所述目标坐标信息进行目标匹配，获得多个第一目标匹配点对，包括：
12、根据目标检测算法对所述鸟瞰图进行目标检测，获得目标检测结果；
13、根据所述目标检测结果与所述目标坐标信息进行目标形状匹配；
14、根据目标形状匹配结果获得多个第一目标匹配点对。
15、进一步地，根据所述目标检测结果与所述目标坐标信息进行目标形状匹配，包括：
16、根据所述目标坐标信息确定所述待匹配目标；
17、根据所述待匹配目标在所述目标检测结果中进行目标形状随机匹配，获得目标形状匹配结果。
18、进一步地，根据所述待匹配目标在所述目标检测结果中进行目标形状随机匹配，获得目标形状匹配结果，包括：
19、根据所述待匹配目标获取所述目标检测结果中的待匹配位置集合；
20、针对待匹配位置集合循环坐标值，并在循环结果中根据每个待匹配位置的参数信息调整待匹配位置的坐标；
21、标定调整后的待匹配位置的坐标，获得目标形状匹配结果。
22、进一步地，根据所述鸟瞰图和所述目标图像信息进行目标匹配，获得多个第二目标匹配点对，包括：
23、根据目标检测算法分别对所述目标图像信息和所述鸟瞰图进行目标检测，获得目标检测结果；
24、当所述目标检测结果为存在目标时，根据所述鸟瞰图和所述目标图像信息进行目标分布形状匹配，并根据目标分布形状匹配结果获得多个形状匹配点对；
25、将多个形状匹配点对作为第二目标匹配点对。
26、进一步地，根据所述第二目标匹配点对进行图像投影计算获得图像投影矩阵，包括：
27、将所述第二目标匹配点对中的目标图像信息进行投影变换，获得透视变换矩阵；
28、根据透视变换矩阵进行规则观察体裁剪，并对规则观察体裁剪后的结果进行透视除法，获得图像投影矩阵。
29、进一步地，根据所述第一目标匹配点对进行平移缩放计算获得平移缩放矩阵，包括：
30、根据缩放因子对所述第一目标匹配点对进行图像缩放，获得缩放矩阵；
31、根据偏移量对所述第一目标匹配点对进行图像平移，获得平移矩阵；
32、根据所述缩放矩阵和所述平移矩阵获得平移缩放矩阵。
33、进一步地，根据所述平移缩放矩阵和所述图像投影矩阵进行标定，获得标定结果，包括：
34、根据所述平移缩放矩阵和所述目标坐标信息进行坐标系转换，获得相机坐标系转换结果；
35、根据所述相机坐标系转换结果进行图像坐标系转换，获得图像坐标系转换结果；
36、根据所述图像坐标系转换结果以及图像投影矩阵进行像素坐标系转换，获得像素坐标系转换结果。
37、进一步地，根据对抗生成网络对所述目标图像信息进行图像转换获得鸟瞰图，包括：
38、训练对抗生成网络；
39、将所述目标图像信息输入至所述对抗生成网络进行图像转换后获得鸟瞰图。
40、进一步地，训练对抗生成网络，包括：
41、根据成对的目标图像信息数据集和鸟瞰图数据集训练gan网络，所述gan网络至少包括生成器和辨别器，所述生成器和所述辨别器能够相互对抗和训练；
42、设置所述gan网络的损失函数，并根据所述损失函数对所述gan网络进行约束训练获得对抗生成网络，所述损失函数用于约束所述生成器和所述辨别器的相似性。
43、本专利技术提供的基于对抗生成网络的雷视一体机自动标定方法，通过对抗生成网络将目标图像信息转换为鸟瞰图，并通过鸟瞰图结合目标坐标信息进行目标匹配并对匹配后的结果进行平移缩放处理，以及将鸟瞰图结合目标图像信息进行目标匹配并对匹配后的结果进行图像投影处理，最后根据平移缩放处理的结果以及图像投影处理的结果进行标定，获得标定结果。这种基于对抗生成网络的雷视一体机自动标定方法由于通过对抗生成网络将图像信息转换成鸟瞰图，能够有效提升可靠点对的匹配效率，且由于转换后的鸟瞰图能够将车辆分离，因此也在一定程度上提升了图像和雷达坐标的匹配准确度。
本文档来自技高网...【技术保护点】
1.一种基于对抗生成网络的雷视一体机自动标定方法，其特征在于，包括：
2.根据权利要求1所述的基于对抗生成网络的雷视一体机自动标定方法，其特征在于，根据所述鸟瞰图和所述目标坐标信息进行目标匹配，获得多个第一目标匹配点对，包括：
3.根据权利要求2所述的基于对抗生成网络的雷视一体机自动标定方法，其特征在于，根据所述目标检测结果与所述目标坐标信息进行目标形状匹配，包括：
4.根据权利要求3所述的基于对抗生成网络的雷视一体机自动标定方法，其特征在于，根据所述待匹配目标在所述目标检测结果中进行目标形状随机匹配，获得目标形状匹配结果，包括：
5.根据权利要求1至4中任意一项所述的基于对抗生成网络的雷视一体机自动标定方法，其特征在于，根据所述鸟瞰图和所述目标图像信息进行目标匹配，获得多个第二目标匹配点对，包括：
6.根据权利要求5所述的基于对抗生成网络的雷视一体机自动标定方法，其特征在于，根据所述第二目标匹配点对进行图像投影计算获得图像投影矩阵，包括：
7.根据权利要求1至4中任意一项所述的基于对抗生成网络的雷视一体机自
8.根据权利要求1至4中任意一项所述的基于对抗生成网络的雷视一体机自动标定方法，其特征在于，根据所述平移缩放矩阵和所述图像投影矩阵进行标定，获得标定结果，包括：
9.根据权利要求1至4中任意一项所述的基于对抗生成网络的雷视一体机自动标定方法，其特征在于，根据对抗生成网络对所述目标图像信息进行图像转换获得鸟瞰图，包括：
10.根据权利要求9所述的基于对抗生成网络的雷视一体机自动标定方法，其特征在于，训练对抗生成网络，包括：
...【技术特征摘要】
1.一种基于对抗生成网络的雷视一体机自动标定方法，其特征在于，包括：
2.根据权利要求1所述的基于对抗生成网络的雷视一体机自动标定方法，其特征在于，根据所述鸟瞰图和所述目标坐标信息进行目标匹配，获得多个第一目标匹配点对，包括：
3.根据权利要求2所述的基于对抗生成网络的雷视一体机自动标定方法，其特征在于，根据所述目标检测结果与所述目标坐标信息进行目标形状匹配，包括：
4.根据权利要求3所述的基于对抗生成网络的雷视一体机自动标定方法，其特征在于，根据所述待匹配目标在所述目标检测结果中进行目标形状随机匹配，获得目标形状匹配结果，包括：
5.根据权利要求1至4中任意一项所述的基于对抗生成网络的雷视一体机自动标定方法，其特征在于，根据所述鸟瞰图和所述目标图像信息进行目标匹配，获得多个第二目标匹配点对，包括：
6...
【专利技术属性】
技术研发人员：汪宗洋，金奇，岳玉涛，顾炎飚，孙令萍，
申请(专利权)人：江苏集萃深度感知技术研究所有限公司，
类型：发明
国别省市：
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。