[发明专利]一种基于雷达和视频融合的车辆轨迹感知与状态提取方法

权利要求书

1.一种基于雷达和视频融合的车辆轨迹感知与状态提取方法，其特征在于，包括以下步骤：

选择快速路交织区上游、下游P1-P2米处作为检测点，安装毫米波雷达和视频检测器，获取通过该检测点的每个车辆位置、速度、车型、号牌等作为样本集合，记为：

Q＝{x|x＝x1，x2……xn}；

其中，x代表每个车辆的位置L、速度V、车型S、号牌ID的样本子集，即x＝(l，v，s，id)；

其中位置L、速度V、车型S、号牌ID分别标记为：

L＝{l|l＝l1，l2……ln}；

V＝{v|v＝v1，v2……vn}；

S＝{s|s＝s1，s2……sn}；

ID＝{id|id＝id1，id2……idn}；

l代表一个采集周期内，检测点采集的所有车辆的经纬度坐标；

v代表一个采集周期内，通过检测点的所有车辆的地点车速，单位km/h；

s代表一个采集周期内，通过检测点的所有车辆的车型；

id代表一个采集周期内，通过检测点的所有车辆的号牌；

设计多层耦合智能分析算法C；

第一层耦合算法记为C¹：基于检测器所在路段ID，耦合雷达、视频检测的车辆数据，提取和存储车辆基础特征数据，记为：

第二层耦合算法记为C²：设置时间更新间隔设置为30ms，基于空间经纬度坐标和时间标签，耦合GIS地图和车辆的时空位置数据，提取和存储时空维度下车辆运行特征数据，记为：

其中，T代表时间标签；

采用多层耦合算法融合分析毫米波雷达和视频检测器采集的车辆样本集合，识别车辆特征，感知车辆运行轨迹；

步骤1：将毫米波雷达和视频检测器的样本集合输入多层耦合智能分析算法C中的第一层耦合算法C¹，生成映射数据集Q1；

步骤2：将映射数据集Q1迭代到第二层耦合算法C²中，生成时间标签下的特征数据集Q2；

设计车辆运行状态研判算法M；

步骤1：将车辆运行状态划分为m种类型，设置对应类型的阈值λ；

步骤2：取每种类型车辆运行状态的已知样本集合输入深度学习算法模型，训练学习得到每种类型车辆运行状态的对应阈值ψ；

根据计算的阈值ψ，选取一个最大值阈值ψ2和最小值阈值ψ1，设置阈值范围，构建车辆运行状态研判算法M，记为：

M:ψ1≤ψψ2，ψ∈Λ

其中，当车辆特征数据满足ψ1≤ψψ2时，判别车辆属于某种运行状态Λ；反之，则不属于车辆运行状态Λ；

将连续时间标签下采集的车辆特征数据集Q2输入车辆运行状态研判算法M，计算获得车辆的运行状态，输出车辆变道、加速、减速、停车、逆行运行状态集合Λ，并存储到车辆运行状态主题数据库。

2.根据权利要求1所述的一种基于雷达和视频融合的车辆轨迹感知与状态提取方法，其特征在于，所述车辆运行状态划分为变道、加速、减速、停车、逆行。

3.根据权利要求2所述的一种基于雷达和视频融合的车辆轨迹感知与状态提取方法，其特征在于，将变道车辆的样本集合集Lt＝lt|lt＝l1t，l2t，……，lnt}带入学习模型M1，计算车辆变道运行状态的阈值；学习模型M1，记为：

同理，推算出车辆加速、减速、停车、逆行运行状态的阈值。