[发明专利]基于毫米波雷达与机器视觉融合的汽车安全换道方法

权利要求书

1.基于毫米波雷达与机器视觉融合的汽车安全换道方法，其特征在于，包括以下步骤：

S1、将毫米波雷达获取的目标进行分类，通过滤波剔除干扰目标，获取有效目标；

S2、将有效目标映射至视觉图像中，并生成相应的雷达目标ROI，实现雷达与视觉的空间融合；

S3、对雷达目标ROI进行对称性分析，改进雷达目标ROI横向位置；

S4、判断雷达目标ROI中是否含有车辆，若雷达目标ROI内存在车辆，则采用KCF算法跟踪该车辆，若雷达目标ROI内不存在车辆，根据自车与前车的相对距离与相对速度判断自车是否可以换道；若雷达目标ROI内不存在车辆，则保持车辆在原车道行驶。

2.根据权利要求1所述的基于毫米波雷达与机器视觉融合的汽车安全换道方法，其特征在于，步骤S2中将有效目标映射至视觉图像中采用基于伪逆的单值化估计的方法。

3.根据权利要求1所述的基于毫米波雷达与机器视觉融合的汽车安全换道方法，其特征在于，步骤S3中对雷达目标ROI进行对称性分析是通过对称轴检测算法。

4.根据权利要求1所述的基于毫米波雷达与机器视觉融合的汽车安全换道方法，其特征在于，步骤S4中判断雷达目标ROI中是否含有车辆是采用基于Adaboost算法训练的车辆检测器。

5.根据权利要求1所述的基于毫米波雷达与机器视觉融合的汽车安全换道方法，其特征在于，步骤S4分别设置速度阈值V1与相对距离阈值X1，若目标车辆的速度与相对距离满足公式则车辆可调换车道。

6.根据权利要求1所述的基于毫米波雷达与机器视觉融合的汽车安全换道方法，其特征在于，步骤S1的分步骤如下：

S11、将雷达探测的任一目标数据描述为如下向量：

x＝(r,α,v)#(1)

其中r表示探测物体的距离；a表示探测物体的方位角；v表示探测物体的速度；

S12、将雷达探测目标的相对距离分解为：相对纵向距离distY与相对横向距离distX，其求解公式如式(2)：

S13、通过设定横向范围X1与纵向范围Y1，约束distX和distY的范围，保留满足公式(3)的目标作为备选跟踪目标：

S14、确定待跟踪目标，设定4个参数：某个雷达目标连续被探测到的次数FindTimes、对应雷达目标连续丢失的次数LostTimes、T_F与T_L；T_F与T_L分别为对应雷达目标连续被探测到的次数FindTimes与雷达目标连续丢失的次数LostTimes的判别阈值；雷达目标连续被探测到的次数FindTimes与雷达目标连续丢失的次数LostTimes的初始值均为0，设定目标连续被探测到的次数FindTimes大于T_F的目标为待跟踪目标；

S15、利用扩展卡尔曼滤波算法预测下一周期目标信息；X_n＝[x_n,y_n,v_xn,v_yn]为描述目标运动的状态向量，x_n、y_n、v_xn、v_yn分别为第n周期内获得的有效目标横向相对距离、纵向相对距离、横向相对速度以及纵向相对速度，下一周期目标预测值可通过式(4)获得：

其中，T为雷达扫描周期，x_n+1|n、y_n+1|n、v_xn+1|n、v_yn+1|n为根据上一周期计算所得的最终状态值；

S16、通过公式(5)计算本周期目标状态预测值与本周期目标实际测量值的差值，判断二者是否指代同一目标；若是同一目标，则对应的目标连续被探测到的次数FindTimes加1；否则对应的目标连续被探测到的次数FindTimes减1，雷达目标连续丢失的次数LostTimes加1；

其中，x_n+1、y_n+1、v_xn+1、v_yn+1是本周期有效目标实际测量值，Δx、Δy、Δv_x、Δv_y是目标实际测量值与预测值之间的准许误差；

S17、根据本周期每个目标的目标连续被探测到的次数FindTimes与雷达目标连续丢失的次数LostTimes大小，确定是否继续跟踪；若满足目标连续被探测到的次数FindTimesT_F且雷达目标连续丢失的次数LostTimesT_L时，则将该目标作为有效目标，继续跟踪；若满足雷达目标连续丢失的次数LostTimesT_L时，则判断该目标为干扰目标，将其抛弃并重新选定跟踪目标。