[发明专利]一种机器视觉与毫米波雷达融合的多车辆目标跟踪方法

说明书

本发明提供一种机器视觉与毫米波雷达融合的多车辆目标跟踪方法，利用毫米波雷达获取道路目标信息，根据运动学参数涉及滤波模型筛选车辆目标；利用视觉信息检测道路前方车辆，并基于检测结果进行多车辆目标跟踪；采用机器视觉与毫米波雷达融合模型将车辆目标投影到图像中，设定关联判定策略将视觉跟踪目标与车辆目标关联，并基于毫米波雷达探测的距离信息对视觉跟踪边界框在图像中的位置与尺寸进行修正。本发明可以解决现有技术中存在的对前方多车辆连续跟踪时，视觉跟踪边界框尺寸过大或过小造成误差累计后，丢失有效目标的技术问题。

技术领域

本发明涉及智能汽车自动驾驶环境感知技术领域，具体涉及一种机器视觉与毫米波雷达融合的多车辆目标跟踪方法。

背景技术

随着智能化、信息化、自动化水平的提高，越来越多的企业和机构正在大力研发汽车的智能驾驶系统与先进驾驶员辅助系统。环境感知作为自动驾驶汽车的“眼睛”，为车辆提供前方道路交通信息，具有非常重要的作用。跟踪作为环境感知重要的一环，愈发得到研究人员的重视。

目前，对多传感器信息进行融合是当前跟踪领域的研究热点。现有技术提供了一种基于视频图像和毫米波雷达数据融合的目标物识别方法，通过控制终端将卫星定位系统采集的目标物动态位置、图像采集设备获取的目标物图像行动状态以及雷达设备采集的目标物行动状态进行数据融合，来对车辆周围的目标物进行精确的识别及定位。但在实际自动驾驶过程中，需要对多车辆进行目标跟踪。在连续跟踪的过程中，通过视频图像对目标物进行图像识别时，因为自动驾驶车辆和周边目标车辆的相对位置是实时变化的，所以目标物图像的视觉跟踪边界框尺寸也会随之不断的变化。边界框尺寸在持续变化的过程中，如果尺寸过大或过小，就会产生累计误差，进而可能会出现跟踪时丢失有效目标的情况。

发明内容

针对现有技术中的缺陷，本发明提供一种机器视觉与毫米波雷达融合的多车辆目标跟踪方法，以解决现有技术中存在的对前方多车辆连续跟踪时，视觉跟踪边界框尺寸过大或过小造成误差累计后，丢失有效目标的技术问题。

本发明采用的技术方案是，一种机器视觉与毫米波雷达融合的多车辆目标跟踪方法。

在第一种可实现方式中，包括以下步骤：

获取毫米波雷达检测数据，对数据进行滤波，得到车辆目标；

获取道路环境图像，使用深度学习神经网络模型在道路环境图像中检测周边环境车辆，获得视觉跟踪目标的位置信息和尺寸信息；

根据位置信息与尺寸信息，利用改进的粒子滤波算法在视觉图像中进行多目标跟踪；

使用机器视觉与毫米波雷达融合模型，根据关联判定策略将车辆目标与视觉跟踪目标进行关联，并利用毫米波雷达测距信息对视觉跟踪边界框的位置与尺寸进行修正；

进行轨迹信息更新，得出跟踪结果。

结合第一种可实现方式，在第二种可实现方式中，对数据进行滤波包括以下步骤：

对毫米波雷达数据进行预处理，初步滤除无效雷达目标；

基于三阶卡尔曼滤波器，结合目标的距离、角度、速度、加速度参数，对雷达目标进行一致性检验；

针对当前时刻每一个雷达目标，结合相邻k个时刻数据进行连续性判断。

结合第二种可实现方式，在第三种可实现方式中，对毫米波雷达数据进行预处理包括以下步骤：

利用雷达返回空目标的特征数值，筛除空目标；

根据目标区域范围，设置纵向、横向距离阈值，筛除区域外雷达目标。

结合第一种可实现方式，在第四种可实现方式中，深度学习神经网络为卷积神经网络。