[发明专利]一种基于毫米波雷达与视觉信号的道路障碍物检测方法

说明书

一种基于毫米波雷达与视觉信号的道路障碍物检测方法，通过毫米波雷达及视觉传感器检测道路前方障碍物，通过融合毫米波雷达与视觉图像两种信号，检测目标物体类别，首先将毫米波雷达信号预处理，将毫米波雷达报文转化为目标点位置的形式，并与视觉图像信号进行时间同步；将毫米波雷达目标点根据坐标匹配关系映射于视觉图像信号之上，实现两种模态的融合；对映射到视觉图像信号上的毫米波雷达信息进行目标检测，最后对检测结果进行尺度估计，细化障碍物信息。本发明实现了多模态细粒度障碍物检测，相比传统单模态方法具有精确度与运行效率上的优势，具备高度实用价值。

技术领域

本发明属于人工智能与机器学习技术领域，涉及卷积神经网络与知识库技术，具体为一种基于毫米波雷达与视觉信号的道路障碍物检测方法。

背景技术

随着人工智能科技发展，自动驾驶技术开始越来越多的进入人们的视野。自动驾驶集成了自动控制，智能环境感知，最优化等众多技术于一体，是人工智能高度发展的产物。其中，智能环境感知在自动驾驶技术中地位尤其重要，感知障碍物为车辆控制规划提供了重要依据。只有实时精准的障碍物感知与检测，才能使得自动行驶的汽车有效避开障碍物，避免产生碰撞等安全事故，保证了自动驾驶的安全性能。

现阶段的障碍物感知主要基于光学传感器、视觉传感器或毫米波雷达传感器。

光学传感器采用在车身安装光学测距仪器，对车身周边方向进行距离检测。其缺点在于尽可获取距离信息而没有具体类别信息。且测距装置为固定装置，仅可感知固定方向，可靠性较低。此外还具有仪器暴露在车外部易损坏等问题。

雷达检测是从目标的雷达信号回波特征中提取能反映目标属性信息的特征，由机器根据一定的判别准则对目标做出类别或型号判决。毫米波近程探测雷达由于体积小、质量轻、易于高度集成化，而且频带宽、分辨率高，抗干扰性能强并具有较好的全天候工作能力，具有广泛的应用场景。然而，自动驾驶应用的道路场景目标分布密集、数量庞大、种类繁杂、运动状态多样多变、杂波干扰复杂等因素严重降低了目标特征提取的鲁棒性；毫米波雷达目标特性数据不完备、可信度低，人工设计的识别特征复杂环境、适应性差等问题进一步限制了目标识别算法的工程推广能力和性能提升。杂波环境的复杂性、目标识别自身技术瓶颈等众多问题，使得毫米波雷达检测单独应用于自动驾驶场景存在较大难度。

另一种常用的方法是基于视觉方法车辆周边进行目标检测。基于视觉的目标检测方法的研究主要集中于检测算法的优化以及性能提升等方面，以求对目标更准确更高效的识别。然而，在实际应用场景下，视觉的目标检测方法难以获得目标的准确位置等信息，且容易受到光照，天气等影响视觉图像的干扰因素。

发明内容

本发明要解决的问题是：现有技术在环境感知障碍物检测上以单一信号源为主，无法避免由于传感器信号的局限性造成的识别精准度低，无法有效监测到目标等问题，无法满足实际复杂道路场景的监测需要。

本发明的技术方案为：一种基于毫米波雷达与视觉信号的道路障碍物检测方法，通过毫米波雷达及视觉传感器检测道路前方障碍物，通过融合毫米波雷达与视觉图像两种信号，检测目标物体类别，首先将毫米波雷达信号预处理，将毫米波雷达报文转化为目标点位置的形式，并与视觉图像信号进行时间同步；将毫米波雷达目标点根据坐标匹配关系映射于视觉图像信号之上，实现两种模态的融合；对映射到视觉图像信号上的毫米波雷达信息进行目标检测，最后对检测结果进行尺度估计，细化障碍物信息。

进一步的，先对映射到视觉图像信号上的毫米波雷达信息进行似物性检测，低于似物性阈值的判为杂波，不再进行下一步检测，高于似物性阈值的结构再通过特征提取网络进行目标检测。

进一步的，本发明具体包括以下步骤：

1)获取毫米波雷达传感器报文信号流与视觉图像信号流，依据报文时间戳，采用多线程处理，对两种信号流进行同步匹配；