[发明专利]基于雷达与视觉信息融合的低地板有轨电车行人识别方法

权利要求书

1.一种基于雷达与视觉信息融合的低地板有轨电车行人识别方法，其特征在于，包括以下步骤：

步骤1：雷达通过发射和接收信号，获取前方目标的距离、速度和角度信息；

步骤2：将得到的距离和角度信息进行坐标变换，得到目标所在二维图像中的目标点的坐标；

步骤3：以目标点为中心，生成包含当前目标的待检测区域；

步骤4：训练包括二值化规范梯度特征的似物行人检测模型，将待检测区域分成若干个大小相同的子窗口，通过滑动窗口遍历每个子窗口，计算每个子窗口的二值化规范梯度特征与似物行人检测模型的二值化规范梯度特征的相似度，并与设定的相似度阈值进行比较，如果该相似度大于设定的相似度阈值，则该子窗口包含待检测目标，否则不包含待检测目标；

步骤5：将包含待检测区域的子窗口进行聚类融合，得到一个包含完整待检测目标的窗口；

步骤6：计算步骤5中得到的包含完整待检测目标的窗口的方向梯度直方图特征，并根据训练得到的包含方向梯度直方图特征的行人检测模型，利用支持向量机，判断如果该待检测目标为行人，则预警，否则不预警。

2.根据权利要求1所述的基于雷达与视觉信息融合的低地板有轨电车行人识别方法，其特征在于：所述雷达通过发射和接收信号，获取前方目标的距离、速度和角度信息包括以下步骤：

步骤1：雷达发射天线发射调频序列信号，设信号的载波频率为f₀，带宽为B，调频周期为T_chirp；

步骤2：雷达连续接收第一天线和第二天线的L个周期的接收信号，进行下混频至基带，得到L个周期的差拍信号，并将L个周期的差拍信号进行离散采样，得到L行N列的矩阵S₁和矩阵S₂，其中，采样频率为f_s，第l行为第l个周期的差拍信号的离散采样数据，0≤l≤L-1，每行数据点数为N；

步骤3：对矩阵S₁和矩阵S₂的每一行作N_FFT点FFT，即提取快时间域差拍信号频率谱，得到L行N_FFT列的矩阵S_R1和矩阵S_R2；

步骤4：对矩阵S_R1和矩阵S_R2的每一列作L_FFT点FFT，即提取慢时间域多普勒频率谱，得到L_FFT行N_FFT列的矩阵S_RD1和矩阵S_RD2；

步骤5：对矩阵S_RD1进行二维平均单元-有序统计恒虚警检测，若矩阵S_RD1中第m行、第n列的数据S_1(m,n)大于相应门限，则计算目标的速度和距离；

步骤6：提取矩阵S_RD1、矩阵S_RD2中第m行、第n列的数据S_1(m,n)和数据S_2(m,n)的相位Φ₁和相位Φ₂，计算目标的角度。

3.根据权利要求2所述的基于雷达与视觉信息融合的低地板有轨电车行人识别方法，其特征在于：

所述目标的速度为：

所述目标的距离为：

所述目标的角度为：

其中，c为光速，v为目标的速度，R为目标的距离，θ为目标的角度，T_chirp为调频周期，f_s为采样频率，f₀为载波频率，B为带宽，Φ₁为第m行、第n列的数据S_1(m,n)的相位、Φ₂为数据S_2(m,n)的相位，L_FFT为第L_FFT行的行数，m为第m行的行数，n为第n列的列数，d为天线间距。