[发明专利]用于封闭高速道路的目标车辆检测系统及方法

权利要求书

1.一种用于封闭高速道路的目标车辆检测系统，其特征在于：包括数据采集模块、点云数据处理模块、图像数据处理模块、点云数据和图像数据融合模块；

其中，数据采集模块设置在主车辆上，用于采集主车辆周围的图像数据和点云数据；

点云数据处理模块根据数据采集模块采集到的点云数据生成地面点云地图，在地面点云地图中识别出车道线；并对非地面点云进行聚类；根据在车道线内的聚类簇得到目标点云聚类集合，再根据聚类簇所在的车道标识所在车道的标签；并根据目标点云聚类集合中聚类簇的鸟瞰图的形状，在每簇聚类簇上标识对应的形状标签；并将获得的结果输入到点云数据和图像数据融合模块；

图像数据处理模块主要对摄像头采集的图像数据进行处理，在采集到的的图像中识别出车道线、车辆周围的目标车辆；并将检测出的目标车辆与主车辆的位置关系进行分类；分别得到主车辆所在当前车道、其左侧车道和右侧车道中的目标车辆的集合；并将获得的结果输入到点云数据和图像数据融合模块；

点云数据和图像数据融合模块将点云数据处理模块输出的结果与图像数据处理模块输出结果进行融合判断，而得到主车辆周围的目标车辆信息。

2.根据权利要求1所述的用于封闭高速道路的目标车辆检测系统，其特征在于：所述数据采集模块包括固态激光雷达、摄像头、组合导航单元和同步信号发生器；固态激光雷达水平安装在主车辆前挡风玻璃上端；摄像头设置在主车辆前挡风玻璃内；同步信号发生器和组合导航均设置在车辆内部。

3.根据权利要求1所述的用于封闭高速道路的目标车辆检测系统，其特征在于：所述点云数据和图像数据融合模块将点云数据处理模块输出的结果与图像数据处理模块输出结果进行融合判断的方法包括以下步骤：

步骤301：获取标识有车道标签和形状标签的目标车辆点云聚类集合中每一簇聚类簇的质心到激光雷达坐标系的坐标原点的距离；

步骤302：将步骤301得到的每一簇聚类簇的质心到激光雷达坐标系的坐标原点的距离与距离阈值进行比较；分别得到小于距离阈值的点云聚类集合Cluster_object_in_lane_near和大于距离阈值的点云聚类集合Cluster_object_in_lane_far；小于距离阈值的点云聚类集合Cluster_object_in_lane_near，执行步骤303；大于距离阈值的点云聚类集合Cluster_object_in_lane_far，则执行步骤304～305；

步骤303：根据公式计算近距离点云与图片融合结果得分Score_near；执行步骤306；

Score_near＝Score_near(left)+Score_near(right)+Score_near(current)；

其中，

其中，M表示激光雷达的最远有效探测距离；Cluster_distance_near[i]表示小于距离阈值的点云聚类集合Cluster_object_in_lane_near中第i个聚类簇到激光雷达坐标系的坐标原点的距离；I表示小于距离阈值的点云聚类集合Cluster_object_in_lane_near中聚类簇的总数；

L_i-left表示第i个聚类簇上标识的所在车道的标签为lable_left_lane的判断值；s_i-left表示第i个聚类簇上标识的形状标签为lable_shape_left_lane的判断值；L_i-right表示第i个聚类簇上标识的所在车道的标签为lable_right_lane的判断值；s_i-right表示第i个聚类簇上标识的形状标签为lable_shape_right_lane的判断值；s_i-current表示第i个聚类簇上标识的形状标签为lable_shape_current_lane的判断值；

步骤304：将大于距离阈值的点云聚类集合Cluster_object_in_lane_far中的聚类簇随机分配在车道中；并将分配后每簇聚类簇所在的车道标签标识在聚类簇上；

步骤305：根据公式计算第二点云与图片融合结果得分Score_far；执行步骤306；

Score_far＝Score_far(left)+Score_far(right)+Score_far(current)；

其中，

公式中，M表示激光雷达的最远有效探测距离；Cluster_distance_far[j]表示大于距离阈值的点云聚类集合Cluster_object_in_lane_far中第j个聚类簇到激光雷达坐标系的坐标原点的距离；J表示大于距离阈值的点云聚类集合Cluster_object_in_lane_far中聚类簇的总数；

L_j-left表示第j个聚类簇上标识的所在车道的标签为lable_left_lane的判断值；s_j-left表示第j个聚类簇上标识的形状标签为lable_shape_left_lane的判断值；L_j-right表示第j个聚类簇上标识的所在车道的标签为lable_right_lane的判断值；s_j-right表示第j个聚类簇上标识的形状标签为lable_shape_right_lane的判断值；L_j-current表示第j个聚类簇上标识的所在车道的标签为lable_current_lane的判断值；s_j-current表示第j个聚类簇上标识的形状标签为lable_shape_current_lane的判断值；其中，第j个聚类簇上标识的所在车道的标签为步骤304中获得的；

步骤306：根据公式

Score＝Score_far+Score_near；

计算总得分Score；

步骤307：将总得分Score与图片数据处理模块检测出的目标车辆的数量和Camera_object_count进行比较；如果总得分Score不小于图片数据处理模块检测出的目标车辆的数量和Camera_object_count，则将点云数据处理模块得到的目标车辆的信息与图片数据处理模块得到的对应的目标车辆的信息进行融合，如果总得分Score小于图片数据处理模块检测出的目标车辆的数量和Camera_object_count，则重复步骤302～步骤306。