[发明专利]一种目标纹理识别方法、装置、识别设备和存储介质

权利要求书

1.一种目标纹理识别方法，其特征在于，所述方法包括：

获取亮度数据，并从所述亮度数据中提取特征向量；

利用离线模块对所述特征向量进行评价，得到近似度系数；

对所述近似度系数进行空间频率滤波处理；

基于所述空间频率滤波处理后的近似度系数，判断所述特征向量是否为目标特征，其中，所述目标特征与标靶的特征模板相对应；

若是，则计算所述目标特征位于所述亮度数据中的位置和方向。

2.根据权利要求1所述的方法，其特征在于，所述利用离线模块对所述特征向量进行评价，得到近似度系数，包括：

计算所述特征向量与所述特征模板之间的欧式距离或方向余弦，得到原始评价参数；

对所述原始评价参数进行归一化后，得到所述第一近似度系数。

3.根据权利要求1所述的方法，其特征在于，所述利用离线模块对所述特征向量进行评价，得到近似度系数，包括：

利用预先训练好的特征分类器对所述特征向量进行评价，得到原始代价系数；

对所述原始代价系数进行归一化后，得到第二近似度系数。

4.根据权利要求2或3所述的方法，其特征在于，所述方法还包括：

使识别设备移动至预设采样位置上，并采集所述预设采样位置的雷达点云数据，所述预设采样位置分布于预设采样区域内，所述雷达点云数据包括位置和亮度信息；

根据所述点云数据中的位置信息和标靶的位置信息，确定所述雷达点云数据中与所述标靶位置对应的雷达点云数据；

基于与所述标靶位置对应的雷达点云数据中的亮度信息进行特征提取，获得特征正样本；

获得所述雷达点云数据中除与所述标靶位置对应的雷达点云数据之外的负样本数据，对所述负样本数据进行特征提取，获得多个特征负样本；

根据所述特征正样本和所述特征负样本，获得所述特征模板。

5.根据权利要求4所述的方法，其特征在于，在所述获得所述特征模板之后，所述方法还包括：

基于所述特征正样本以及所述特征正样本对应的标签、以及所述特征负样本和所述特征负样本对应的标签，训练分类器模型，获得所述特征分类器。

6.根据权利要求5所述的方法，其特征在于，所述分类器模型为W^Tx-b，所述基于所述特征正样本以及所述特征正样本对应的标签、以及所述特征负样本和所述特征负样本对应的标签，训练分类器模型，获得所述特征分类器，包括：

将所述特征正样本以及所述特征正样本对应的标签、以及所述特征负样本和所述特征负样本对应的标签逐一输入所述分类器模型中，以优化代价函数为目标，获得所述分类器模型的参数W和b；

其中，所述优化代价函数为∑1-y_k(W^T-b)。

7.根据权利要求4所述的方法，其特征在于，在所述使识别设备移动至预设采样位置上，并采集所述预设采样位置的雷达点云数据之后，所述方法还包括：

基于预设地图校正所述雷达点云数据中的位置；

从雷达点云数据中截取感兴趣的数据段。

8.根据权利要求1所述的方法，其特征在于，在所述获取亮度数据之后，所述方法还包括：

对实时亮度数据进行动态长度的滑动窗口处理，以截取一段局部亮度数据。

9.一种目标纹理识别装置，其特征在于，所述装置包括：

特征向量获取模块，用于获取亮度数据，并从所述亮度数据中提取特征向量；

评价模块，用于利用离线模块对所述特征向量进行评价，得到近似度系数；

滤波模块，用于对所述近似度系数进行空间频率滤波处理；

判断模块，用于基于所述空间频率滤波处理后的近似度系数，判断所述特征向量是否为目标特征，其中，所述目标特征与标靶的特征模板相对应；

计算模块，用于若是，则计算所述目标特征位于所述亮度数据中的位置和方向。