[发明专利]一种云雾工况下的行人检测方法

权利要求书

1.一种云雾工况下的行人检测方法，其特征在于，步骤如下：

(1)对车载毫米波雷达实时采集的云雾工况下目标行人信息进行预处理，对毫米波雷达数据进行时域和频域上的转换以去除无效目标、静止目标、非危险目标，确定有效目标，再采用滤波算法对有效目标的数据进行清洗，得到平滑数据；

(2)通过二次回波、坐标转换、区域分割、聚类以及特征提取与分类对车载激光雷达采集到的云雾工况下点云数据进行预处理；

(3)对步骤(1)和步骤(2)中预处理后的数据进行时间和空间上的同步，再利用多重卡尔曼滤波算法进行融合，得到待检测行人的目标信息。

2.根据权利要求1所述的云雾工况下的行人检测方法，其特征在于，所述步骤(1)中的时域和频域转换方法采用快速傅里叶变换，具体步骤如下：

(11)对毫米波雷达获取到的数据点序列分成奇偶两个序列，即：

x₂(r)＝x(2r+1) (2)

式中，x₁(·)为偶数序列；x₂(·)为奇数序列；N为数据点总数；

(12)对数据序列x(n)进行离散傅里叶变换得到：

式中，X(κ)为离散傅里叶变换后的数据序列，定义e为自然常数，i为虚数单位，其具有对称性和周期性；n为自然数，2r表示偶数，2r+1表示奇数；

结合参数W_N^m的对称性和周期性，即W_N^2κr＝W_N/2^κr，根据式(1)-(3)将式(3)改写为：

考虑到N/2的邻域内必有一个整数为偶数M，因此对M点的离散傅里叶变换作进一步的分解，得到：

式中，DFT[·]为离散傅里叶变换。

3.根据权利要求2所述的云雾工况下的行人检测方法，其特征在于，所述步骤(2)中激光雷达在云雾情况下对点云数据的预处理包含以下步骤：

(21)采用二次回波削弱云雾的影响；

(22)将激光雷达的极坐标系转换为笛卡尔坐标系：

式中，D₀为极坐标下前方有效行人目标与自车的距离；D_cor为距离校正系数，表示距离偏差；D_r为极坐标系下有效行人目标到原点的实际距离；θ为水平校正角，表示在xoy投影面中激光束与y轴的夹角；β为垂直校正角，表示激光束与xoy平面的夹角；V₀为垂直偏移量，表示在xoz投影面上激光发射点到激光雷达坐标原点的偏移量；P_x为笛卡尔坐标系下x方向上的位置；P_y为笛卡尔坐标系下y方向上的位置；P_z为笛卡尔坐标系下z方向上的位置；D_xy为笛卡尔坐标系下激光束终点在水平面的投影点到坐标原点的距离；H₀为水平偏移量，表示xoy投影面上激光发射点到激光雷达坐标原点的偏移量；

(23)对得到的点云数据进行区域分割：在完成所述步骤(22)的坐标系校准后，对每次从所述点云数据中选取出来的三个点，采用简单线性模型用于平面模型估计，方程为：

ax+by+cz+d＝0 (8)

式中，a为拟合精度，b、c、d为常数；与拟合平面距离小于等于a的点均为内点，使用内点来重新估计所述平面模型参数后，去除内点保留外点即可筛选出非地面点云，完成地面分割；

(24)对区域分割后的点云数据进行聚类；

(25)采用支持向量机对点云特征的提取和分类。