[发明专利]用于封闭高速道路的目标车辆检测系统及方法

说明书

本发明公开一种用于封闭高速道路的目标车辆检测系统，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；点云数据和图像数据融合模块融合时利用了车道线，目标点云形状和目标距离信息，在点云空间内融合，解决了多个距离较近的目标无法正确匹配和较远的目标无法匹配的问题。本发明还提供了用于封闭高速道路的目标车辆检测方法。本发明有效提高了目标车辆检测的准确性，同时缩短了目标车辆检测时间，更适用于无人驾驶车辆；再者，本发明提供的方法对整个系统的外参精度没有要求。

技术领域

本发明属于数据处理领域，特别涉及一种用于封闭高速道路的目标车辆检测系统及方法。

背景技术

封闭高速道路包括高速公路，城市快速路等。封闭高速道路相比于城市普通道路，车辆在封闭高速道路上行驶时车速较快、安全制动距离更长，因此，自动驾驶的车辆需要尽可能地感知到周围可能产生危险的目标，尽早做出相应的动作。

传统的封闭高速道路高级辅助驾驶方案使用高清摄像头和毫米波雷达检测目标。使用摄像头识别目标的方法已经非常成熟，目标检出率甚至高于人类，但是摄像头无法感知目标的距离信息。虽然近几年出现了一些使用摄像头数据推理目标距离信息的方法，但是无论是检测距离的范围还是检测距离的精度都无法适用于高速道路场景。毫米波雷达虽然检测距离较远，但是无论是检测距离的精度还是对静态目标的检测敏感性都无法覆盖高速道路场景中的全部特殊情况。

近几年来，使用激光雷达和摄像头融合方案的感知方案逐渐出现在大众的视野中。激光雷达因其优异的测距能力在融合系统中扮演着距离观测器的重要角色。但是激光雷达检测出的目标位于3D空间，摄像头检测出的目标位于2D空间，如何将两种传感器检测出的目标进行正确的关联是融合方案的核心问题。传统的方法是根据激光雷达到摄像头的外参和摄像头的内参使用小孔成像模型将激光雷达检测出的目标点云投影到图像的2D空间后，与摄像头检测出的目标的BoundingBox计算交并比。交并比越大，是同一个目标的可能性越大。这种方法存在缺陷：对外参的精度要求较高，多个距离过近的目标点云投影到图像空间出现重叠无法正确匹配，较远的目标的稀疏点云投影到图像空间后所占像素较少无法与摄像头检测的目标正确匹配。

发明内容

发明目的：本发明针对现有技术存在的问题，提出了一种能快速、准确的完成检测的用于封闭高速道路的目标车辆检测系统。

技术方案：为实现上述目的，本发明提供了一种用于封闭高速道路的目标车辆检测系统，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。

进一步，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。这样采集到的数据更方便处理，能够有效的提高系统对采集到的数据的处理速度。