【技術實現步驟摘要】
本專利技術涉及目標檢測，尤其涉及一種毫米波雷達與單目相機融合的信息采集裝置及方法。
技術介紹
1、隨著科技的發展，信息采集技術在智能交通、無人駕駛、機器人導航等領域具有重要意義。現有的信息采集裝置主要包括毫米波雷達和單目相機，但二者在信息采集過程中存在一定的局限性。毫米波雷達具有較好的穿透性和距離測量能力，但在角度分辨率和目標識別方面存在不足；單目相機在目標識別和場景理解方面具有優勢，但受光照和天氣條件影響較大。信息采集裝置如何能將兩者的優點進行有效融合，彌補各自的缺點，提高感知系統的綜合性能，是當前智能感知技術面臨的關鍵問題。
技術實現思路
1、為了克服上述現有中信息采集裝置如何能將兩者的優點進行有效融合的缺點，本專利技術的主要目的在于提供一種毫米波雷達與單目相機融合的信息采集裝置及方法。
2、為達到上述目的，本專利技術采用以下技術方案，一種毫米波雷達與單目相機融合的信息采集裝置，其特征在于，包括：
3、至少一個毫米波雷達和至少一個單目相機；所述毫米波雷達用于采集目標物體的雷達信息；所述單目相機用于采集目標周圍環境的圖像信息；
4、調節支架，包括固定部件1、方向調整組件2和多個高度調整組件3，多個高度調整組件3分別與方向調整組件2的固定連接，所述毫米波雷達和單目相機分別固設于多個高度調整組件3上，采集不同高度和方向的雷達信息和圖像信息；
5、數據融合模塊，用于控制調節組件轉動和升降，接收不同高度和方向的雷達信息和圖像信息將雷達信息和
6、所述固定部件1為金屬框架，通過螺栓固定；
7、所述方向調整組件2包括轉盤和驅動轉盤轉動的電機；
8、所述多個高度調整組件3包括多個液壓升降柱。
9、毫米波雷達與單目相機融合的信息采集裝置的采集方法，所述將雷達信息和圖像信息時間同步和空間對齊，具體包括：
10、獲取雷達信息和圖像信息時間的時間戳；
11、獲取雷達信息和圖像信息中時間戳最接近的對應幀，作為時間同步的候選對，進行時間戳匹配，獲得匹配結果；
12、獲取雷達信息和圖像信息之間的時間差，并進行時間補償，獲得補償后數據；通過對比同步后數據的時序特征，獲得驗證后的同步數據；
13、對毫米波雷達和單目相機進行聯合標定，確定相對位置和姿態關系，得到標定參數；
14、根據標定參數，結合同步后數據建立雷達坐標系和圖像坐標系之間的變換關系；
15、將雷達檢測到的目標點轉換為世界坐標系下的坐標；
16、對圖像進行畸變校正，獲得矯正圖像；
17、基于坐標變換矩陣，將世界坐標系下的目標點投影到圖像坐標系下，獲得對齊后的雷達數據和圖像數據。
18、其特征在于，所述獲取有效特征具體包括：
19、選擇cfar算法提取對齊后的雷達數據，獲得雷達物理特征；
20、對齊后的圖像數據進行預處理后，利用深度學習模型提取特征，獲得圖像特征；
21、使用pca對雷達物理特征和圖像降維，獲得降維后的雷達物理特征和圖像特征，作為有效特征。
22、所述通過預設的目標識別模型，獲得目標識別結果，具體包括：對降維后的雷達物理特征和圖像特征通過特征拼接進行融合，并采用機器學習進行優化，獲得目標識別結果。
23、所述對降維后的雷達物理特征和圖像特征通過特征拼接進行融合，包括以下步驟：
24、對降維后的雷達物理特征和圖像特征通過最小-最大標準化處理，獲得標準的雷達物理特征和圖像特征；
25、標準的雷達物理特征和圖像特征按維度進行加權拼接，獲得拼接特征。
26、所述機器學習選擇支持向量機；
27、所述采用支持向量機優化，獲得目標識別結果。包括以下步驟：
28、將拼接特征分為訓練集和測試集；
29、選擇支持向量機的核函數為高斯徑向基核，利用訓練集利用支持向量機學習決策邊界，確定優化目標為最大化分類間隔，對懲罰因子和核函數進行調節，并利用測試機驗證，獲得訓練好的支持向量機；
30、將目標的雷達信息和圖像信息輸入至訓練好的支持向量機，獲得目標識別結果。
31、與現有技術相比較，本專利技術的有益效果為：
32、1.本專利技術通過毫米波雷達與單目相機的融合，能夠有效利用雷達的穿透能力和相機的高分辨率圖像信息，相較于單一傳感器系統，本專利技術在復雜環境中的目標檢測與識別精度大幅提升，特別是在低能見度、夜間或惡劣天氣條件下的目標識別能力顯著增強。
33、2.本專利技術通過精確的時間同步與空間對齊技術，解決了雷達數據與圖像數據在時間和空間上的不一致性問題，確保了雷達與相機之間數據的高效融合與一致性，從而提高了目標識別的準確性和可靠性。
34、3.采用cfar算法對雷達數據進行物理特征提取，并結合深度學習模型對圖像數據進行特征提取，進一步利用pca降維技術，減少了數據的冗余，提升了處理效率，同時確保了有效特征的準確性，有效地提升了目標識別的精度。
35、4.本專利技術通過聯合標定技術，確保了毫米波雷達與相機之間的相對位置和姿態關系的準確性，從而使得在動態環境中，目標識別的魯棒性得到了增強，能夠更好地適應移動目標或復雜場景的變化。通過將降維后的雷達和圖像特征進行拼接，并采用支持向量機(svm)進行優化，本專利技術實現了對復雜場景下目標的精準識別。svm模型在處理高維特征時具有較強的魯棒性和泛化能力，能夠更好地適應不同場景下的目標識別任務。
36、5.本專利技術通過采用單目相機和毫米波雷達的融合方案，避免了多傳感器系統中常見的復雜硬件搭配和高成本問題，減少了系統的硬件需求，同時通過數據融合方法提高了目標識別的準確性和效率，降低了整體系統的開發和維護成本。
37、綜上所述，本專利技術的毫米波雷達與單目相機融合的信息采集裝置及其采集方法，具有精度高、魯棒性強、集成度高、適應性廣等優點，能夠有效提升目標識別系統的性能。
本文檔來自技高網...【技術保護點】
1.一種毫米波雷達與單目相機融合的信息采集裝置，其特征在于，包括：
2.如權利要求1所述的毫米波雷達與單目相機融合的信息采集裝置，其特征在于，包括：所述固定部件(1)為金屬框架，通過螺栓固定；
3.如權利要求1所述的毫米波雷達與單目相機融合的信息采集裝置的采集方法，其特征在于，所述將雷達信息和圖像信息時間同步和空間對齊，具體包括：
4.如權利要求3所述的毫米波雷達與單目相機融合的信息采集裝置的采集方法，其特征在于，所述獲取有效特征具體包括：
5.如權利要求1所述的毫米波雷達與單目相機融合的信息采集裝置的采集方法，其特征在于，所述通過預設的目標識別模型，獲得目標識別結果，具體包括：對降維后的雷達物理特征和圖像特征通過特征拼接進行融合，并采用機器學習進行優化，獲得目標識別結果。
6.如權利要求4所述的毫米波雷達與單目相機融合的信息采集裝置的采集方法，其特征在于，所述對降維后的雷達物理特征和圖像特征通過特征拼接進行融合，包括以下步驟：
7.如權利要求4所述的毫米波雷達與單目相機融合的信息采集裝置的采集方法，其特征在
8.一種計算機可讀存儲介質，其特征在于，所述存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現上述權利要求3～7任一項所述的方法。
9.一種計算機設備，其特征在于，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現上述權利要求3～7任一所述的方法。
...【技術特征摘要】
1.一種毫米波雷達與單目相機融合的信息采集裝置，其特征在于，包括：
2.如權利要求1所述的毫米波雷達與單目相機融合的信息采集裝置，其特征在于，包括：所述固定部件(1)為金屬框架，通過螺栓固定；
3.如權利要求1所述的毫米波雷達與單目相機融合的信息采集裝置的采集方法，其特征在于，所述將雷達信息和圖像信息時間同步和空間對齊，具體包括：
4.如權利要求3所述的毫米波雷達與單目相機融合的信息采集裝置的采集方法，其特征在于，所述獲取有效特征具體包括：
5.如權利要求1所述的毫米波雷達與單目相機融合的信息采集裝置的采集方法，其特征在于，所述通過預設的目標識別模型，獲得目標識別結果，具體包括：對降維后的雷達物理特征和圖像特征通過特征拼...
【專利技術屬性】
技術研發人員：孫楠，李晨曦，徐超，張鑫，秦沛霖，盧浩雨，李運勇，朱海明，李嘉忠，楊偲棟，雷盼潔，
申請(專利權)人：陜西交通電子工程科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。