[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

说明书

本申请涉及一种车辆重识别方法、装置、计算机设备和存储介质，该重识别方法中，首先利用车辆外观从查询库中进行粗匹配得到候选车辆，之后利用多帧三维点云获取车辆的侧面轮廓特征，结合车辆的图像特征进行精匹配，从候选车辆中获取目标车辆，该方法在精细匹配时利用的多维信息，该方案可以在增加有限的数据处理基础上，获取到更加精细准确的重识别结果。

技术领域

本申请涉及智能交通技术领域，特别是涉及一种三维点云数据模型重建方法、目标重识别方法、装置、计算机设备和存储介质。

背景技术

随着智能交通技术的发展，对交通信息的可靠性要求越来越高，如何获取尽可能丰富的道路信息是提高可靠性的关键之一。激光雷达是路侧感知系统的主要传感器之一，通过感知算法我们可以对一辆车进行定位和追踪。

但是，受限于激光雷达的成本，无法使用太高线束的雷达，并且路侧激光雷达的安装位置比较高，距离车辆比较远，通常扫描到车辆上的激光线比较少，可以利用的信息比较有限。单帧车辆点云数据也是局部数据，也无法利用单帧点云数据准确获取车辆长宽高等几何信息，无法对车辆进行详细的描述。

发明内容

基于此，有必要针对上述技术问题，提供一种能够解决上述问题的三维点云数据模型重建方法、目标重识别方法、装置、计算机设备和存储介质。

一种三维点云数据模型重建方法，包括：

对多个连续帧点云数据进行目标检测，得到各帧点云数据的目标检测结果；所述各帧点云数据的目标检测结果包含同一目标对象；

根据多个连续帧点云数据中的静态点云计算轴向量，其中，所述轴向量与地面具有固定夹角；

基于所述轴向量，将所述各帧点云数据的目标检测结果进行配准，根据配准结果输出包含所述同一目标对像的三维点云数据模型。

一种车辆重识别方法，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。

一种目标重识别方法，包括：

获取目标的点云数据，所述点云数据中包含所述目标的多个连续帧；

利用三维点云数据模型重建方法处理所述多个连续帧，构建目标的三维点云数据模型；

利用所述三维模型计算所述目标的轮廓曲线；

利用所述轮廓曲线与预存轮廓曲线的相似度，得到从查询库中匹配出重识别结果；所述预存轮廓曲线为查询库中预存的多个重识别信息中的预存轮廓曲线。

一种三维点云数据模型重建装置，所述装置包括：

获取模块，用于对多个连续帧点云数据进行目标检测，得到各帧点云数据的目标检测结果；所述各帧点云数据的目标检测结果包含同一目标对象；

轴向量计算模块，用于根据多个连续帧点云数据中的静态目标点计算轴向量，其中，所述轴向量与地面具有固定夹角；