法律状态公告日
法律状态信息
法律状态
2017-12-15
授权
授权
2016-05-11
实质审查的生效 IPC(主分类):B60W30/095 申请日:20151229
实质审查的生效
2016-04-13
公开
公开
技术领域
本发明属于主动驾驶技术领域,具体说是一种主动驾驶技术中基 于红外雷达与视频图像信息融合的方法。
背景技术
汽车主动安全在汽车的主动驾驶技术中起着十分关键的作用。目 前,通过对前方车辆检测,来进行预警以帮助驾驶者或辅助控制系统 决策是否改变车速等非常有用。传统检测方法,通过视觉传感器与激 光雷达等传感器结合来检测前方的车辆,将两者的检测信息互相参 考,可以提高彼此的检测精度,从而更加有效的检测出前方车辆信息。 然而,视觉传感器检测的范围与激光雷达传感器检测的范围有很大差 异,导致彼此在相互印证时存在时间上与空间上的双重距离,影响最 终的检测效率与定位精度。
发明内容
为解决现有技术存在的上述问题,本发明提供了一种主动驾驶技 术中基于红外雷达与视频图像信息融合的方法,将视觉传感器检测结 果投射到车辆坐标系中,同时将激光雷达传感器检测结果也投射到车 辆坐标系中,利用两者各自的优势,在重叠区域进行信息融合,以便 在车辆检测、车辆测距、车辆跟踪及侧方车辆变道等方面获取更加全 面而精确的信息。
为实现上述目的,本发明的技术方案是,主动驾驶技术中基于红 外雷达与视频图像信息融合的方法,包括:车辆检测过程和车辆跟踪 过程;所述车辆检测过程,包括:根据视频图像确定感兴趣区域ROI 的步骤、在感兴趣区域ROI内检测目标车辆的步骤和红外雷达模块在 感兴趣区域ROI内检测目标车辆的步骤;所述车辆跟踪过程,包括: 视频图像将目标区域信息发送给红外雷达模块的步骤和红外雷达模 块在目标区域内进行目标车辆检测的步骤。
进一步的,根据视频图像确定感兴趣区域ROI的步骤具体为:在 汽车行驶的过程中,利用视频图像中的局部三维信息重建,得到汽车 行驶过程中前方空间的三维信息;根据其中的车道线确定车身所在车 道,并选取该车道前方的车道线内天地线以下的区域作为感兴趣区域 ROI。
进一步的,在感兴趣区域ROI内检测目标车辆的步骤具体为:在 感兴趣区域ROI内进行检测,如检测到目标车辆,进行三维信息标记, 并将检测结果发给红外雷达模块进行确认。
进一步的,红外雷达模块在感兴趣区域ROI内检测目标车辆的步 骤具体为:红外雷达模块在感兴趣区域ROI内,如果也检测到该目标 车辆,则对该车辆进行测量距离,并且结合当前车速来判断是否需要 减速。
进一步的,视频图像将目标区域信息发送给红外雷达模块的步骤 具体为:在视频图像检测到目标车辆后,根据前方目标车辆提取出目 标区域,并将提取的目标区域三维信息传给红外雷达模块。
进一步的,红外雷达模块在目标区域内进行目标车辆检测的步骤 具体为:红外雷达模块在目标区域内进行目标的检测,如检测到目标 车辆,对目标车辆的边缘信息进行提取,结合收到的目标区域三维信 息,同时根据相对位移,进而提取出真实的目标区域,剔除影子,对 该车辆进行测量距离,并且结合当前车速来判断是否需要减速;如果 没有检测到目标车辆,则说明该目标区域内没有目标车辆,之前视频 图像检测到的是影子。
作为更进一步的,将感兴趣区域ROI进行插值扩大,并对扩大后 的区域图像进行目标车辆的检测。
作为更进一步的,红外雷达模块对收到的目标区域三维信息进行 1/N倍的扩充,在扩充后的目标区域内进行目标车辆的检测。
作为更进一步的,所述N的取值范围为3-4。
作为更进一步的,所述相对位移是指视频图像采集到的目标车辆 与红外雷达模块采集到的目标车辆时间差,结合地图和里程器确定 的。
本发明由于采用以上技术方案,能够取得如下的技术效果:本发 明利用视频图像处理方法,检测车道线,并确认自身所属车道,同时 根据图像天地线信息来截取原始图像中很小的一部分作为感兴趣区 域ROI。这样极大地缩小了后续目标检测的范围,并且给红外雷达处 理模块指定的搜索区域,也减少了其工作负载。同时,经过红外雷达 处理后的目标判决更加可靠,距离与相对速度的评估也更加精确。
另一方面,在跟踪过程中,视频图像跟踪与雷达红外结合后,可 以进一步去除前方汽车影子及其他阴影区域的干扰,从而提高了跟踪 的准确性。
附图说明
本发明共有附图2幅:
图1为本发明车辆检测过程流程框图;
图2为本发明车辆跟踪过程流程框图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步的 具体说明。
实施例1
主动驾驶技术中基于红外雷达与视频图像信息融合的方法,包 括:车辆检测过程和车辆跟踪过程;
所述车辆检测过程为:在汽车行驶的过程中,利用视频图像中的 局部三维信息重建,得到汽车行驶过程中前方空间的三维信息;根据 其中的车道线确定车身所在车道,并选取该车道前方的车道线内天地 线以下的区域作为感兴趣区域ROI,将感兴趣区域ROI进行插值扩大, 并对扩大后的区域图像进行目标车辆的检测,如检测到目标车辆,进 行三维信息标记,并将检测结果发给红外雷达模块进行确认,红外雷 达模块在扩大后的区域内,如果也检测到该目标车辆,则对该车辆进 行测量距离,并且结合当前车速来判断是否需要减速,以免发生追尾 事故;
在车辆跟踪过程中,非常容易出现跟踪的目标可能只是汽车的影 子(或者部分是影子,部分是汽车实体),这种场景,利用图形处理 的手段相对来说就比较麻烦了;本实施例中车辆跟踪过程为:所述车 辆跟踪过程为在视频图像检测到目标车辆后,根据前方目标车辆提取 出目标区域,并将提取的目标区域三维信息传给红外雷达模块,红外 雷达模块对收到的目标区域三维信息进行1/3倍的扩充,在扩充后的 目标区域内进行目标车辆的检测,如检测到目标车辆,对目标车辆的 边缘信息进行提取,结合收到的目标区域三维信息,同时根据相对位 移,进而提取出真实的目标区域,剔除影子,对该车辆进行测量距离, 并且结合当前车速来判断是否需要减速;如果没有检测到目标车辆, 则说明该目标区域内没有目标车辆,之前视频图像检测到的是影子。 所述相对位移是指视频图像采集到的目标车辆与红外雷达模块采集 到的目标车辆时间差,结合地图和里程器确定的。
本发明利用采集到的视频图像,确认自身所属车道,并且利用局 部ROI区域放大,达到检测超远景车辆的目的。同时,结合红外雷达 传感器来进行实体目标的确认,以免造成误检测,并且进行车身与目 标车辆之间的相对距离测量。之后,再根据车身与目标车辆上关键特 征点,进行车辆间相对速度的评测,结合两车距离进行告警与否的评 判。另外,本发明在目标跟踪的过程中,利用图像跟踪算法结合红外 雷达来剔除目标影子部分区域,从而更加精确的进行目标的跟踪与相 对距离的计算。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范 围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技 术范围内,根据本发明的技术方案及其发明构思加以等同替换或改 变,都应涵盖在本发明的保护范围之内。
机译: 提供一种用于通过使用竞争性计算和信息融合来支持车辆的自动驾驶的自动驾驶服务平台的方法,以及使用该方法的服务器。通过竞争性计算和信息融合来支持车辆的自动驾驶,并使用相同的服务器来管理}
机译: 用于检测驾驶员在驾驶汽车时的疲劳状态的方法,包括基于主动驾驶员力矩周期与参考周期或阈值的比较来完成主动驾驶员力矩周期。
机译: 基于模型的LIDAR /雷达信息融合跟踪围绕车辆的方法