【技术实现步骤摘要】
本专利技术涉及视觉辅助的自动驾驶的，具体涉及一种基于视觉跟踪的无人驾驶矿车前车检测方法。
技术介绍
1、据统计，前后车追尾事故是无人驾驶汽车主要的安全问题。基于摄像头视觉的车辆检测与跟踪技术是防止车辆前向碰撞的安全辅助技术之一。精确的车辆跟踪与碰撞的预警密切相关，通过实时分析前方车辆的位置和运动状态，无人驾驶汽车能够做出相应的驾驶决策，确保行车安全。
2、近年来，基于车载摄像头的视觉前车跟踪技术已经成功应用在无人驾驶l2以上，其对于无人汽车的前方车辆的距离判断与碰撞预警等具有重要意义。传统的视觉跟踪方法主要分为生成式和判别式，具体的：
3、生成式主要通过构建目标模型来描述目标的外观特征，代表性算法有稀疏编码、在线密度估计和主成分分析等；但是，这些方法通常具有较高的精度，但计算复杂度较高，难以满足实时性要求。
4、判别式方法通过训练分类器来区分前车和背景，将前车跟踪转化为一个二分类问题；虽然这种方法具有较低的计算复杂度，但在复杂场景下容易受到干扰，导致跟踪失败。
5、尽管现有的视觉前车跟踪技术已经取得了一定的成果，但在实际应用中仍面临着诸多挑战。特别是在露天矿山无人驾驶矿车的应用场景下，如何在恶劣天气、复杂光照条件下保持跟踪精度成为了一个亟待解决的问题。此外，由于车载计算平台的算力有限，如何在保证高速、低延迟处理能力的同时满足实时跟踪的需求也是当前技术面临的一大难题。
技术实现思路
1、为了解决上述技术问题，本专利技术提供了一种基于视觉
2、s1、前方车辆检测：利用车载摄像头采集图像，通过前方车辆检测算法从历史视频帧中锁定所有前车，记为检测车辆；预测跟踪所述检测车辆在当前时刻的状态，记为车辆预测；
3、s2、数据关联：利用数据关联算法将所述检测车辆与所述车辆预测进行id匹配；
4、s3、状态预测更新：根据得到的配对关系，更新所述检测车辆所对应的跟踪车辆状态；
5、s4、跟踪车辆：将所述跟踪车辆的信息传递给路径规划模块。
6、进一步的，所述前方车辆检测算法的输出包括车辆类别、车辆采集图像中心、车辆图像缩放尺度、旋转角度，所述前方车辆检测算法的输出用状态向量s表示为：
7、s＝[classid，cx，cy，w，h，θ]t
8、其中，classid表示前车类别，(cx，cy)表示前车采集图像中心坐标，(w，h)表示前车图像外框的宽度和高度，θ表示前车图像相对于车辆图像的旋转角度。
9、进一步的，所述s2还包括：
10、s21、所述数据关联算法的优化模型满足以下表达式：
11、
12、其中，w(si，tj)表示si与tj的相似度，tj表示预测前车i的状态向量，tj表示测量前车j的状态向量；
13、所述数据关联算法的优化模型的约束条件为：
14、
15、其中，m(i，j)表示所述预测前车i与所述测量前车j的匹配关系，m(i，j)＝1表示匹配成功，m(i，j)＝0表示匹配不成功；
16、s22、所述预测前车与测量前车的距离计算公式满足：
17、
18、其中，d(si，tj)表示si与ti两个状态向量去除classid分量后的子向量欧式距离；
19、所述si与ti两个状态向量的权重w(si，tj)相似度的计算公式为：
20、
21、其中，dmax是事先设定的最大距离阈值；
22、若前车类别不同或前车距离大于dmax时，则前车匹配失败，即w(si，tj)＝-1；
23、若前车类别相同且前车距离不大于dmax时，则w(si，tj)的取值与两者距离负相关。
24、进一步的，所述s3还包括：
25、s31、所述跟踪车辆状态的转移方程，满足公式：
26、
27、其中，表示图像中心在x与y方向的行驶速度，表示采集图像帧角速度，表示转移高斯噪声，向量下标t代表视频第t帧对应时刻；
28、前车运动观测方程，满足公式：
29、
30、其中，表示由所述前方车辆检测算法获得的述t帧时刻前车的中心和转角测量，为测量高斯噪声。
31、进一步的，所述s4包括：
32、将所跟踪的前方车辆分为潜在前车与真实前车；其中，所述潜在前车为被连续检测存在但是次数未达到tlock的前方车辆；所述潜在前车被连续检出tlock帧后被认为真实存在，即变为所述真实前车；
33、若所述真实前车与检出前车匹配失败时，则认为是前车驶出或跟踪失败或漏检；
34、若所述真实前车连续tlost帧匹配失败时，则认为是跟踪丢失；其中，所述tlock与tlost值为人为设定。
35、与现有技术相比，本专利技术具有如下有益效果：
36、本专利技术通过前车检测算法能够大幅提高检测精度，减少目标检测的误报率和漏报率，在露天矿山仍可以保持跟踪精度，从而提升矿山无人驾驶系统中感知功能的鲁棒性；同时，在车载计算平台算力有限条件下，达到高速低延迟的处理能力，满足实时跟踪的需求。
本文档来自技高网...【技术保护点】
1.一种基于视觉跟踪的无人驾驶矿车前车检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于视觉跟踪的无人驾驶矿车前车检测方法，其特征在于，所述前方车辆检测算法的输出包括车辆类别、车辆采集图像中心、车辆图像缩放尺度、旋转角度，所述前方车辆检测算法的输出用状态向量S表示为：
3.根据权利要求2所述的基于视觉跟踪的无人驾驶矿车前车检测方法，其特征在于，所述S2还包括：
4.根据权利要求3述的基于视觉跟踪的无人驾驶矿车前车检测方法，其特征在于，所述S3还包括：
5.根据权利要求4的基于视觉跟踪的无人驾驶矿车前车检测方法，其特征在于，所述S4包括：
【技术特征摘要】
1.一种基于视觉跟踪的无人驾驶矿车前车检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于视觉跟踪的无人驾驶矿车前车检测方法，其特征在于，所述前方车辆检测算法的输出包括车辆类别、车辆采集图像中心、车辆图像缩放尺度、旋转角度，所述前方车辆检测算法的输出用状态向量s表示为：
【专利技术属性】
技术研发人员：吴志国，何申中，汪易开，王明，
申请(专利权)人：安徽海博智能科技有限责任公司，
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。