[发明专利]一种基于激光与视觉融合的车辆检测方法

说明书

本发明公开了一种基于激光与视觉融合的车辆检测方法，包括以下步骤：1)对输入的图像及激光点云获取目标检测信息；2)对前后帧的图像及点云检测框做最优匹配，建立图像及点云检测目标的跟踪序列；3)对图像及其检测框、点云及其检测框的跟踪序列进行融合；4)对所有目标检测框进行分类后输出融合列表，输出融合结果；5)得到在当前帧中周边车辆相对与自车的精确位置，读取下一帧图像及点云数据，循环步骤1)到步骤5)，输出融合检测结果。本发明在点云与图像目标检测的基础上，结果检测结果跟踪信息，对检测结果进行最优匹配，并对融合结果择优输入最终融合列表，相比单一传感器目标检测方法提高了目标检测精度，并降低误检率。

技术领域

本发明涉及智能驾驶汽车环境感知领域，尤其涉及一种基于激光与视觉融合的车辆检测方法。

背景技术

现如今智能化已成为汽车产业的一个重要发展趋势，越来越多的智能辅助驾驶功能正在逐渐改变人们的出行体验。随着智能化程度的不断提升，智能驾驶正朝着无人驾驶的方向快速发展。环境感知系统需要为无人驾驶汽车提供准确、可靠的目标类别和位置信息，为无人驾驶路径规划及车辆控制提供可靠的决策信息。

近年来，在视觉图像和激光点云处理上不断产生出越来越先进的目标检测算法，但仅依靠单个传感器的目标检测往往存在一定的局限性。摄像头传感器受光照的影响较为敏感，且难以获取精确的目标深度信息。激光雷达点云相比图像较为稀疏，无法获取目标颜色、纹理等特征信息。仅依靠单一传感器已经无法满足无人驾驶汽车环境感知的要求，多传感器融合已经成为当前主流的环境感知方案。

激光与视觉融合算法在目标检测上大致可分为两种类型，一种是分别对激光点云和图像分别进行特征提取后，输入到同一神经网络中进行目标检测，可称为前融合；另一种是分别对激光点云和图像完成目标检测后，对输出的检测结果进行融合，可称为后融合。不同的融合方法各有优劣，前者将不同的特征同时输入到同一网络中，检测结果好坏取决于特征提取的质量及融合网络的性能。在文献Wu T E,Tsai C C,Guo J I.Lidar/camerasensor fusion technology for pedestrian detection[C]//2017Asia-Pacific Signaland Information Processing Association Annual Summit and Conference(APSIPAASC).IEEE,2017:1675-1678.、Chen X,Ma H,Wan J,et al.Multi-View 3D ObjectDetection Network for Autonomous Driving[J].2016.中，对不同的数据分别进行目标检测后再进行融合，融合结果的质量不仅取决于图像和点云两种目标检测算法的性能，同时取决于对检测结果进行融合的策略是否合理。