[发明专利]一种基于激光雷达相机的车辆重识别方法及装置

权利要求书

1.一种车辆重识别方法，其特征在于，包括：

获取目标车辆的点云数据以及平面图像，所述点云数据中包含所述目标车辆的多个连续帧；

基于所述平面图像获取目标车辆的外观信息以及二维特征；

基于所述点云数据获取目标车辆的轮廓曲线；

利用所述外观信息从查询库的重识别信息中选择多个候选重识别信息；每一所述候选重识别信息对应一个候选车辆，所述查询库中存有多个重识别信息，每一重识别信息均包括车辆身份、预存外观信息、预存二维特性以及预存轮廓曲线；

计算所述轮廓曲线与各所述预存轮廓曲线的相似度，得到第一相似度；

计算所述二维特征与各所述预存二维特性的相似度，得到第二相似度；

基于各所述候选车辆的第一相似度和第二相似度输出重识别结果。

2.根据权利要求1所述的方法，其特征在于，基于所述平面图像获取车辆的外观信息以及二维特征，包括：

利用训练好的特征提取网络，对所述平面图像进行特征提取，得到所述目标车辆的二维特征。

3.根据权利要求1所述的方法，其特征在于，基于所述点云数据获取车辆的轮廓信息包括：

利用点云三维重建算法处理所述点云数据，得到所述目标车辆的三维点云模型；

利用所述三维点云模型计算所述目标车辆的轮廓曲线。

4.根据权利要求3所述的方法，其特征在于，利用所述三维点云模型计算所述目标车辆的轮廓曲线，包括：

利用所述三维点云模型计算所述目标车辆的最小外包围框；

根据所述最小外包围框，计算所述目标车辆的轮廓曲线。

5.根据权利要求4所述的其特征在于，利用所述三维点云模型计算所述目标车辆的最小外包围框之前，所述方法还包括：

对所述三维点云模型进行降采样处理，并剔除离群点。

6.根据权利要求5所述的方法，其特征在于，对所述三维点云模型进行降采样处理，并剔除离群点包括：

使用统计学高斯分布的方法，移除孤立点，邻域点数量为20，允许的跨点云平均距离标准差为2m。

7.根据权利要求4-6任意一项所述的方法，其特征在于，根据所述最小外包围框，计算所述目标车辆的轮廓曲线包括：

获取所述最小外包围框的顶点坐标；

基于所述顶点坐标构成的平面，计算车头平面方程和车尾平面方程；

根据所述车头平面方程和车尾平面方程获取所述目标车辆的轮廓曲线。

8.根据权利要求7所述的方法，其特征在于，根据所述车头平面方程和车尾平面方程获取所述目标车辆的轮廓曲线包括：

按照平面，每隔预设距离，统计一次范围内的点的高度值，按高度值最大的前N个点的平均值作为对应间隔内的高度，以获取轮廓曲线。

9.根据权利要求1-6任意一项所述的方法，其特征在于，基于各所述候选车辆的第一相似度和第二相似度输出重识别结果，包括：

分别对每一候选车辆的第一相似度和第二相似度进行加权计算，得到加权相似度值；

根据加权相似度值对所述多个候选车辆进行排序，根据排序结果输出重识别结果。

10.根据权利要求9所述的所述的方法，其特征在于，根据加权相似度值对所述多个候选车辆进行排序，根据排序结果输出重识别结果，包括：

将所述加权相似度值与预设阈值进行比较；

若所述加权相似度值超过所述预设阈值，将所述加权相似度值中相似度最高的候选车辆识别为目标车辆。

11.根据权利要求7所述的方法，其特征在于，所述方法还包括：

若所述加权相似度值未超过所述预设阈值，则生成目标车辆的重识别信息，并将所述重识别信息增至所述查询库。