[发明专利]一种融合型自动驾驶目标检测方法

说明书

本发明涉及一种融合型自动驾驶目标检测方法，属于自动驾驶技术领域。考虑已知特征和自学习特征的特点，建立了基于切换逻辑的融合型自动驾驶目标检测模型；根据所提切换逻辑的特点，将已知特征检测器设计成二分类检测器，通过已知特征检测器筛选数据集，只把被已知检测器判断为正的样本作为训练集训练自学习特征检测器。本发明提出的一种融合型自动驾驶目标检测方法，结合了目标已知特征和自提取特征的优点，能够弥补已知特征检测器和自学习特征检测器的不足，能在不牺牲检测性能的情况下简化自学习特征检测器结构，降低检测器的构建成本，又能提高检测器的扩展能力。

技术领域

本发明属于自动驾驶技术领域，涉及一种融合型自动驾驶目标检测方法。

背景技术

目标检测在人类驾驶和自动驾驶中都起着重要的作用，目标检测系统的目的是为驾驶员或自动驾驶系统提供及时、准确的环境信息，以减少交通事故的发生，挽救生命。

使用目标的已知特征：颜色、形状、面积和方向梯度等来检测目标具有明确的物理意义，但是在使用某单一特征来检测目标时，其检测结果容易受到其它与目标具有相似特征的目标的干扰。使用多特征结合的结果来检测目标时，其检测性能虽然可以提高，但是特征的选择及其参数值的全面性和正确性受到工程师经验的极大限制。

自学习特征检测器在数据集的基础上可以自动提取更全面的目标的微观特征，并能够有效减小其它相似目标的干扰。但是，由于其不可解释性，使得自学习特征检测器的网络对于用户来说是一个黑匣子，导致它的检测性能在很大程度上取决于学习网络所用的数据集。而且学习到的特征可能是所有正样本共有的特征而不是所要检测的目标特有的特征，这就会导致网络应用于数据集之外的条件时，其检测性能变差。如何直接修改网络参数以适用新的应用条件还不清楚，重新学习一个新的网络又很难满足汽车开发周期的要求。

发明内容

有鉴于此，本发明的目的在于提供一种融合型自动驾驶目标检测方法。该方法充分利用目标已知特征和自学习特征的优点，采用切换逻辑调度两种检测器。基于切换逻辑，完成已知特征检测器和自学习特征检测器的建立。

为达到上述目的，本发明提供如下技术方案：

一种融合型自动驾驶目标检测方法，该方法包括以下步骤：

S1：融合逻辑；

S2：已知特征二分类检测器；

S3：自学习特征检测器。

可选的，在所述S1中，融合逻辑采用切换逻辑来调度已知特征检测器和自学习特征检测器，切换规则为：

若已知特征检测器对某候选区域的检测结果为非目标，则直接判定该区域为非目标，否则，使用自学习特征检测器检测该区域；

若自学习特征检测器判定该区域为目标，则输出该目标的具体类别及其在图像上的坐标，否则，判定该区域为非目标。

可选的，在所述S2和S3中，训练自学习特征检测器所用的数据集要先经过已知特征二分类检测器进行筛选，被已知特征检测器判断为正的样本才作为训练集训练自学习特征检测器。

本发明的有益效果在于：本发明结合已知特征和自学习特征的优势，具有明确物理意义的已知特征能在可解释性和扩展性等方面成为自学习特征的有益补充，自学习特征检测器提取到的更全面的微观特征能够减小其它相似目标的干扰。采用切换逻辑调度已知特征检测器和自学习特征检测器，在模型构建阶段只需把已知特征检测器构建成二分类，且被已知特征检测器判断为正的样本才作为训练集训练自学习特征检测器，既能在不牺牲检测性能的基础上简化模型结构，降低构建成本，又能提高检测器的扩展能力。