【技术实现步骤摘要】
本专利技术涉及智能交通，基于视频传感器与毫米波雷达，提出了一种基于雷视数据可信度分析的车辆目标检测方法及装置。
技术介绍
1、随着科技的发展与社会的进步，我国车辆检测技术飞速发展，城市交通建设逐步智能化，并取得了优异的成果。现今多种多样的车辆检测设备应用于城市路段，例如地磁线圈、摄像头、毫米波雷达、激光雷达等设备，为交通信号控制提供车辆检测数据。
2、使用视频传感器、毫米波雷达传感器、激光雷达进行路侧车辆目标检测，存在各自的不稳定性；视频传感器受天气及场景影响较大，其雨雪雾天气及夜晚场景检测效果受限；毫米波雷达传感器波长短，可精准获取目标的位置信息和速度信息，但其对静止目标及低速目标会漏检；激光雷达的位置信息检测效果好，但缺少速度的检测，并且维护成本较高。因此，使用多传感器融合进行车辆检测成为一个大的趋势。
3、基于视频的车辆检测方法在复杂场景和恶劣天气下，往往检测结果不如意，同时目标检测结果的实时性和精确性，很大程度依赖于神经网络模型对场景的鲁棒性以及设备的运算能力；基于毫米波雷达的车辆检测方法，强制依赖于雷达的特性，并且动静切换过程容易造成大量滞留；近些年来，随着多传感器融合技术的发展，毫米波雷达与视频融合的路线成为了趋势；总体来看，融合方法分为数据级、决策级和特征级融合方法；在工业应用中，决策级融合方式更为广泛，但在复杂多场景的交通应用中，如何更通用地、更精准地、更为稳定地进行数据融合，成为了现今应用中关注的重点。
技术实现思路
1、本专利技术的目的是
2、本专利技术还提供了实现以上方法的装置。
3、本专利技术是一种基于雷视数据可信度分析的车辆目标检测方法，其特点是，包括如下步骤：
4、s1，毫米波雷达数据采集、预处理及车辆目标检测；
5、s2，视频数据采集、处理及车辆目标检测：视频数据采集及预处理，基于深度学习的视频车辆检测，车辆目标跟踪及后处理；
6、s3，雷视车辆目标的时空对齐:计算毫米波雷达坐标系与视频坐标系的透视变换矩阵,基于透视变换进行车辆空间对齐，根据雷达跟踪车辆与视频跟踪车辆的时间戳，进行时间对齐；
7、s4，雷视数据可信度分析与车辆目标的自适应融合，分别统计雷达数据可信度分数、视频数据可信度分数，结合二者进行融合方式的分析判断，融合方式分为单传感器数据为主的跟踪目标融合及完全匹配融合；
8、s5，车辆目标的可视化与协议传输：将跟踪结果可视化到视频流，并基于网络通讯协议传输目标数据。
9、以上所述的基于雷视数据可信度分析的车辆目标检测方法，其进一步优选的技术方案是，所述步骤s1的具体步骤如下：
10、s1.1，毫米波雷达点云数据采集及聚类：获取点云数据传输，以特定报文头、报文尾分隔雷达的每帧检测结果；点云数据解析后，通过knn聚类方法，得到聚类后的车辆目标数据；
11、s1.2，基于目标运动分析，进行车辆目标跟踪；动静切换状态下的车辆，采用同车道“前车拉”的策略，进行低速目标的速度补偿。
12、以上所述的基于雷视数据可信度分析的车辆目标检测方法，其进一步优选的技术方案是：所述的s1.2步骤中，基于目标运动分析，进行车辆目标跟踪及后处理的方法是基于目标速度与加速度判断车辆运动状态及采用同车道“前车拉”的策略处理；将车辆目标objset划分为运动目标集合objsetmove与静止目标集合objsetstatic；在后处理过程中，针对动静切换状态下的车辆，采用同车道内“前车拉”的策略减少由于遮挡无观测、少观测导致的目标滞留问题；所述“前车拉”的策略，即同车道内的静止状态目标，若前车运动、后车也运动，当其与前车、后车的距离小于一定阈值时，则进行低速目标的速度补偿，该滞留目标根据补偿的速度进行一定时间的匀速。
13、objset＝{objmove,objstatic}
14、
15、上式中objv表示补偿后目标的速度，表示车道中，前车的运动速度；表示车道中，后车的运动速度；后处理过程中，计算欧式距离判断目标位置是否极为贴近，清除其中生存周期较大的目标。
16、以上所述的基于雷视数据可信度分析的车辆目标检测方法，其进一步优选的技术方案是：步骤s4所述雷视数据可信度分析与车辆目标的自适应融合包括如下步骤：
17、s4.1统计雷达数据可信度分数sradar；
18、s4.2统计视频数据可信度分数svision；
19、s4.3基于雷达与视频传感器运行状态及目标数量比，判断选择融合模式ffusion；
20、s4.4基于选择结果，进行车辆目标融合，融合模式包括：单传感器为主的车辆目标融合φsensorprim、雷视车辆目标完全匹配融合φallfusion。
21、以上所述的基于雷视数据可信度分析的车辆目标检测方法，其进一步优选的技术方案是：s4.1步骤中，如下式所示，通过统计周期内收到正确报文的帧数，计算雷达数据可信度分数sradar：
22、
23、
24、上式中rframecounteffective表示周期内有效的雷达帧数，rframecountcycle表示周期内的总帧数；radardets表示单帧解析出的车辆目标检测数量。
25、以上所述的基于雷视数据可信度分析的车辆目标检测方法，其进一步优选的技术方案是：s4.2步骤所述的统计视频数据可信度分数svision中，基于图像采集数据有效性与图像亮度，判断视频数据可信度；图像无效分为三种情况：
26、第一种情况，若单时刻采集到的图像为空，或宽高与配置不一致时，单时刻图像数据无效；当图像有效时记作imagevalid；
27、第二种情况，如下式所示，基于图像灰度图分析，统计明亮像素比例，若低于一定阈值，判定为单时刻图像数据无效；下式中countpixel与countbright分别记作总体像素数量与亮度大于一定阈值的像素数量；br记为亮度分数，当亮度大于一定阈值时，当前视频帧才有效：
28、
29、第三种情况，若图像明亮像素比例高于一定阈值，基于选定的交通区域视频帧间差光流计算法，以目标检测框的中心坐标作为角点cornerset，基于前后两帧中各个角点的像素偏移δu与δv；下式中opticalflowdiffu计为目标角点u方向的像素运动值运算函数；下式中opticalflowdiffv记为目标角点v方向的像素运动值运算函数；it1与it2分别记作前后两帧的灰度图像；
30、δu＝opticalflowdiffu(it2,it1,cornerset)
31、δv＝opticalflowdiffv(it本文档来自技高网...
【技术保护点】
1.一种基于雷视数据可信度分析的车辆目标检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于雷视数据可信度分析的车辆目标检测方法，其特征在于，所述步骤S1的具体步骤如下：
3.根据权利要求2所述的基于雷视数据可信度分析的车辆目标检测方法，其特征在于，所述的S1.2步骤中，基于目标运动分析，进行车辆目标跟踪及后处理的方法是基于目标速度与加速度判断车辆运动状态及采用同车道“前车拉”的策略处理；将车辆目标ObjSet划分为运动目标集合ObjSetmove与静止目标集合ObjSetstatic；在后处理过程中，针对动静切换状态下的车辆，采用同车道内“前车拉”的策略减少由于遮挡无观测、少观测导致的目标滞留问题；所述“前车拉”的策略，即同车道内的静止状态目标，若前车运动、后车也运动，当其与前车、后车的距离小于一定阈值时，则进行低速目标的速度补偿，该滞留目标根据补偿的速度进行一定时间的匀速。
4.根据权利要求1所述的所述的基于雷视数据可信度分析的车辆目标检测方法，其特征在于，步骤S4所述雷视数据可信度分析与车辆目标的自适应融合包括如下步骤：p>
5.根据权利要求4所述的所述的基于雷视数据可信度分析的车辆目标检测方法，其特征在于，S4.1步骤中，如下式所示，通过统计周期内收到正确报文的帧数，计算雷达数据可信度分数Sradar：
6.根据权利要求4所述的所述的基于雷视数据可信度分析的车辆目标检测方法，其特征在于，S4.2步骤所述的统计视频数据可信度分数Svision中，基于图像采集数据有效性与图像亮度，判断视频数据可信度；图像无效分为三种情况：
7.根据权利要求4所述的所述的基于雷视数据可信度分析的车辆目标检测方法，其特征在于，S4.3步骤中，基于雷达与视频传感器运行状态及目标数量比，自适应融合模式，根据Sradar、Svision，判断并选择车辆融合方法Ffusion：
8.根据权利要求4所述的所述的基于雷视数据可信度分析的车辆目标检测方法，其特征在于，S4.4步骤基于选定的融合方式，进行车辆目标融合中，融合方式中以单传感器数据为主的车辆目标融合方法φsensorPrim；所述融合方法针对两类场景进行处理，若Sradar低于阈值且Svision高于阈值，使用视频车辆检测结果，映射到毫米波雷达坐标系中进行横向速度与纵向速度估计；若Sradar高于阈值且Svision低于阈值，使用毫米波雷达数据为主的融合方法，视频检测结果用于近场车辆的存在性验证、近场车辆的补点。
9.根据权利要求4所述的所述的基于雷视数据可信度分析的车辆目标检测方法，其特征在于，S4.4步骤基于选定的融合方式，进行车辆目标融合中，融合方式中以雷视数据完全匹配的车辆目标融合方法φAllFusion，其核心逻辑包括：数据关联、更新匹配上的目标、创建新目标；所述方法将各个类型的传感器数据皆关联起来；首先判断融合目标对应传感器跟踪的ID是否和观测数据的ID一致，若一致且在一定距离范围内，则直接匹配；其次，收集未匹配的融合目标与观测数据集合，针对不同传感器类型，在图像坐标系/雷达坐标系下基于欧式距离构建距离矩阵；最后，使用匈牙利匹配算法，将上以时刻融合目标与观测数据进行匹配。
10.一种实现权利要求1－9中任意一项所述的基于雷视数据可信度分析的车辆目标检测方法的基于雷视数据可信度分析的车辆目标检测装置，其特征在于，该装置包括：
...【技术特征摘要】
1.一种基于雷视数据可信度分析的车辆目标检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于雷视数据可信度分析的车辆目标检测方法，其特征在于，所述步骤s1的具体步骤如下：
3.根据权利要求2所述的基于雷视数据可信度分析的车辆目标检测方法，其特征在于，所述的s1.2步骤中，基于目标运动分析，进行车辆目标跟踪及后处理的方法是基于目标速度与加速度判断车辆运动状态及采用同车道“前车拉”的策略处理；将车辆目标objset划分为运动目标集合objsetmove与静止目标集合objsetstatic；在后处理过程中，针对动静切换状态下的车辆，采用同车道内“前车拉”的策略减少由于遮挡无观测、少观测导致的目标滞留问题；所述“前车拉”的策略，即同车道内的静止状态目标，若前车运动、后车也运动，当其与前车、后车的距离小于一定阈值时，则进行低速目标的速度补偿，该滞留目标根据补偿的速度进行一定时间的匀速。
4.根据权利要求1所述的所述的基于雷视数据可信度分析的车辆目标检测方法，其特征在于，步骤s4所述雷视数据可信度分析与车辆目标的自适应融合包括如下步骤：
5.根据权利要求4所述的所述的基于雷视数据可信度分析的车辆目标检测方法，其特征在于，s4.1步骤中，如下式所示，通过统计周期内收到正确报文的帧数，计算雷达数据可信度分数sradar：
6.根据权利要求4所述的所述的基于雷视数据可信度分析的车辆目标检测方法，其特征在于，s4.2步骤所述的统计视频数据可信度分数svision中，基于图像采集数据有效性与图像亮度，判断视频数据可信度；图像无效分为三种情况：
7.根据权利要求4所述的所述的基于雷...
【专利技术属性】
技术研发人员：纪彬，张宇杰，佟世继，朱梁，高桃桃，李景银，郑坤，付珊，吴岳，唐鑫，
申请(专利权)人：连云港杰瑞电子有限公司，
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。