[发明专利]一种基于毫米波雷达与摄像头的目标检测方法

说明书

本发明提供一种基于毫米波雷达与摄像头的目标检测方法，通过坐标系变换，完成毫米波雷达和摄像头的量测与当前目标的空间配准；基于统计距离建立关联假设矩阵，将毫米波雷达和摄像头的量测与对应的目标关联；在摄像头输出信息时刻，将毫米波雷达的量测进行曲线拟合，并趋势外推得到当前毫米波雷达的量测，完成时间配准；对于关联至同一目标的量测，应用贝叶斯公式分配关联概率；结合目标状态一步预测值，关联量测及各自的关联概率，更新目标状态及其协方差矩阵。本发明用于智能汽车基于毫米波雷达和摄像头的目标检测，有利于充分开展多传感器的信息融合，提高环境感知系统的鲁棒性。

技术领域

本发明涉及智能汽车技术领域，具体涉及一种基于毫米波雷达与摄像头的目标检测方法。

背景技术

智能汽车环境感知层通过激光雷达、毫米波雷达、摄像头等传感器获取环境信息，为车辆路径规划和路径跟踪做准备。用于环境感知的传感器都有各自的优势和劣势，采用单一传感器难以获取完整的环境信息，因此当前主流的方案是综合各传感器的性能，采用信息融合的方式提高环境感知精确性和冗余度。

目前用于毫米波雷达和摄像头信息融合的方式有两种：数据级融合和目标级融合。数据级融合方式将毫米波雷达检测到的目标位置映射到摄像头采集的图像上，形成感兴趣区域，然后利用图像识别算法识别目标。该方式可加速图像识别速度，但由于毫米波雷达容易出现漏检，且两传感器视野往往并不完全重合，因此目标检测质量并不够好。目标级融合将目标识别与融合分离，易于模块化设计，并且两传感器检测到的目标信息可以互相补充，有利于充分运用传感器信息，可提高系统鲁棒性。

发明内容

本发明要解决的技术问题是：提供一种基于毫米波雷达与摄像头的目标检测方法，能够获取更加准确的目标信息。

本发明为解决上述技术问题所采取的技术方案为：一种基于毫米波雷达与摄像头的目标检测方法，其特征在于：它包括以下步骤：

S1、通过坐标系变换，完成毫米波雷达和摄像头的量测与当前目标的空间配准；毫米波雷达的量测包括纵向距离、纵向速度、侧向距离和侧向速度，摄像头的量测包括纵向距离和侧向距离；空间配准时，对量测中的纵向距离和侧向距离进行坐标转换，使得量测与对应的目标处于同一坐标系下；

S2、基于统计距离建立关联假设矩阵，将毫米波雷达和摄像头的量测与对应的目标关联；

采用常速度模型，根据前一时刻的目标状态估值递推得到目标状态一步预测值，再根据毫米波雷达和摄像头各自的观测方程得到相应的量测预测；然后计算量测预测与对应的采集的量测之间的残差向量加权范数，作为目标关联的统计距离；

S3、在摄像头输出信息时刻，将毫米波雷达的量测进行曲线拟合，并趋势外推得到当前毫米波雷达的量测，完成时间配准；

S4、对于关联至同一目标的量测，应用贝叶斯公式分配关联概率；

S5、结合目标状态一步预测值，关联量测及各自的关联概率，更新目标状态及其协方差矩阵。

按上述方案，所述的S2中，设置关联门限，若目标关联的统计距离大于关联门限，则令相应的关联假设为0，否则为1，每一个采集的量测与目标之间都能形成一个关联假设矩阵；

在关联假设矩阵中，若存在量测所在行和目标所在列均有且仅有一个关联假设为1，则该量测与目标形成唯一对应关系，将该量测与目标关联；若存在量测所在行的关联假设均为0，则该量测不与任何目标关联；若存在目标所在列的关联假设均为0，则该目标不与任何量测关联；排除以上几种情况，将剩余量测与目标重新组合得到新的关联假设矩阵；