[发明专利]一种云雾工况下的行人检测方法

说明书

本发明公开了一种云雾工况下的行人检测方法，步骤如下：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；对车载激光雷达采集到的云雾工况下点云数据进行预处理；对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。本发明将激光雷达与毫米波雷达进行融合，毫米波雷达探测性能更稳定，作用距离较长，穿透能力强，具有全天候全天时的特点，融合后，能提高行人目标检测率，降低误检率，能大大提高行车安全性。

技术领域

本发明属于自动驾驶感知技术领域，具体涉及一种云雾工况的前方行人检测方法。

背景技术

据统计，道路交通事故的主要表现形式为碰撞事故，该类事故不仅仅只发生于车辆与车辆之间，也经常发生于车辆与行人之间。在与行人发生碰撞时，与车内的驾乘人员相比，行人没有安全带、安全气囊等安全装置的保护，在发生车辆与行人的碰撞事故时，不单单是财产上的损失，往往会造成严重的人身伤害，事故结果更加严重。因此，在传统的被动安全技术基础之上，需要投入更多的人力、物力等去研究车辆的主动安全系统，以在事故发生之前对其进行规避，这将使得智能辅助驾驶的发展更加快速。

毫米波雷达是一种通过发射毫米波来判断物体距离的主动式传感器，毫米波雷达分辨率和精度比较低，受背景杂波和传感器本身的限制容易出现漏检和误检的情况，难以满足行人检测的要求。因而也就需要同时采用多个传感器进行信息采集，并根据各自收集的信息对最终结果进行修正，将其他传感器与毫米波雷达进行融合能够切实提高车辆的感知能力。将激光雷达与毫米波雷达进行融合，既可以获取障碍物的轮廓信息，又能得到精确的点云数据，克服了视觉相机无法获取精确深度信息以及毫米波雷达点云过于稀疏与噪点干扰的问题。

目前，在对行人检测的研究上已经取得了一定成果，例如中国发明专利申请号为CN202010741321.2，名称为“复杂场景中基于车载红外热像仪的车辆和行人检测方法”中构建红外图像数据集，并将其分为训练样本和测试样本；对红外图像训练样本进行扩充；在YOLOv3网络特征图的第103层上下并行加入两个3×3卷积层,以与TOLOv3网络特征图第103层之后的3×3卷积层和1×1卷积层并行工作,构成新的TOLOv3网络；利用红外图像训练样本对新的TOLOv3网络进行训练；利用训练好的新YOLOv3网络模型检测测试样本集中的红外图像。该方法计算量大，计算繁琐；中国发明专利申请号为CN201810027242.8，名称为“一种基于毫米波雷达的汽车行驶环境探测方法”中利用毫米波雷达对车辆当前行驶的周围环境的目标物体的信息进行采集，并与下载后的静态动态目标进行计算，进行实时定位并制作高精度地图，扩展路况信息。但由于行人所处的道路环境复杂多变，且在云雾工况下能见度低，行人危险性提高，也在很大程度上加大了实时行人检测判断的难度。当只采用单一传感器时，受限于其特性及精度的限制，检测结果具有很大的不确定性。

综上所述，采用深度学习的红外成像行人检测方法计算量大，分辨率低，易受环境温度以及行人随身携带物品干扰，毫米波雷达分辨率和精度低，大气传输损耗大，无法识别行人；而激光雷达在云雾工况下点云稀疏，容易造成漏检；行人姿态多变，对电磁波反射能力弱，这样对于行人在道路上的安全性无法得到保障，由于行人所处的道路环境复杂多变，加大了实时行人检测判断的难度，检测结果也具有很大的不确定性。

发明内容

针对于上述现有技术的不足，本发明的目的在于提供一种云雾工况下的行人检测方法，以解决现有技术中存在的行人目标姿态多变、对电磁波反射能力弱、基于单传感器的行人检测容易出现漏检的问题；本发明将激光雷达与毫米波雷达进行融合，毫米波雷达探测性能更稳定，作用距离较长，穿透能力强，具有全天候全天时的特点，融合后，能提高行人目标检测率，降低误检率，能大大提高行车安全性。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种云雾工况下的行人检测方法，步骤如下：