【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于路況檢測的相關(guān)，特別是涉及一種基于毫米波雷達(dá)和攝像頭的路況檢測方法。
技術(shù)介紹
1、路況檢測是一項利用傳感器、攝像頭、雷達(dá)等設(shè)備以及數(shù)據(jù)分析和人工智能算法，通過收集和分析道路上的數(shù)據(jù)和信息，以評估和監(jiān)測交通流量、擁堵狀況、事故風(fēng)險等路況情況的關(guān)鍵技術(shù)。它為交通管理和駕駛者提供實時的路況信息和預(yù)警。
2、路況檢測的技術(shù)主要涵蓋了數(shù)據(jù)采集、數(shù)據(jù)處理以及數(shù)據(jù)分析三大核心環(huán)節(jié)。數(shù)據(jù)采集階段，通過運用傳感器、攝像頭等先進(jìn)設(shè)備，廣泛收集道路上的多元信息，這些信息囊括了交通流量、車速、車輛密度以及事故發(fā)生情況等關(guān)鍵指標(biāo)。數(shù)據(jù)處理階段，對采集到的原始數(shù)據(jù)進(jìn)行細(xì)致的預(yù)處理與清洗，確保數(shù)據(jù)的精確性和完整性得以最大程度地保留。而數(shù)據(jù)分析階段，則借助高效的算法和模型，對經(jīng)過處理的數(shù)據(jù)進(jìn)行深度剖析，從中提取出有價值的信息和特征，如擁堵狀況、事故風(fēng)險預(yù)警等，為道路交通管理提供強(qiáng)有力的決策支持。
3、路況檢測過程中一般會依賴到毫米波雷達(dá)，毫米波雷達(dá)在路況中的應(yīng)用主要包括避障功能、驅(qū)車輔助功能、防盜功能、自適應(yīng)巡航控制、防撞預(yù)警系統(tǒng)、變道輔助、主動制動系統(tǒng)等。毫米波雷達(dá)的工作頻率范圍從24ghz到77ghz不等，其中24ghz雷達(dá)常用于泊車輔助和盲點監(jiān)測，而77ghz雷達(dá)主要安裝在前部，用于探測遠(yuǎn)處的障礙物。這種技術(shù)的應(yīng)用提高了駕駛者的視野范圍和反應(yīng)速度，確保了行車的穩(wěn)定和安全。
4、例如：專利申請?zhí)枺?01910075572.9公開的一種車輛毫米波雷達(dá)和攝像頭的目標(biāo)融合方法和裝置，用于解決車輛毫米波雷達(dá)和攝像
5、1、采用毫米波雷達(dá)傳感器以及攝像頭進(jìn)行單獨檢測，導(dǎo)致兩者數(shù)據(jù)的無法互補(bǔ)融合信息檢測不夠全面，最終影響檢測精度；2、毫米波雷達(dá)傳感器采用單一頻率無法根據(jù)實際情況更換不同頻率的毫米波雷達(dá)傳感器，最終也影響了檢測的準(zhǔn)確度，故而需要改進(jìn)。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的目的在于提供一種基于毫米波雷達(dá)和攝像頭的路況檢測方法，解決了現(xiàn)有的路況檢測由于采用毫米波雷達(dá)傳感器以及攝像頭進(jìn)行單獨檢測，導(dǎo)致兩者數(shù)據(jù)的無法互補(bǔ)融合信息檢測不夠全面，最終影響檢測精度；且毫米波雷達(dá)傳感器采用單一頻率無法根據(jù)實際情況更換不同頻率的毫米波雷達(dá)傳感器，最終也影響了檢測的準(zhǔn)確度的問題。
2、為解決上述技術(shù)問題，本專利技術(shù)是通過以下技術(shù)方案實現(xiàn)的：
3、本專利技術(shù)為一種基于毫米波雷達(dá)和攝像頭的路況檢測方法，具體包括以下步驟：
4、s1、將不同工作頻率的毫米波雷達(dá)和不同精度的攝像頭安裝到相應(yīng)固定的相對位置上；
5、s2，首先采用最低工作頻率的毫米波雷達(dá)實時獲取路況相對的毫米波雷達(dá)點云數(shù)據(jù)，然后分析獲取的毫米波雷達(dá)點云數(shù)據(jù)是否符合要求，若符合要求后，進(jìn)入步驟s4；若不符合要求后，進(jìn)入步驟s3；
6、s3、對剩余其他工作頻率的毫米波雷達(dá)進(jìn)行依次選擇判斷，獲取最佳的毫米波雷達(dá)作為雷達(dá)數(shù)據(jù)檢測依據(jù)；實時獲取最佳的毫米波雷達(dá)點云數(shù)據(jù)；進(jìn)入步驟s4；
7、s4、采用最低精度的攝像頭并實時獲取路況相對的當(dāng)前攝像頭的數(shù)據(jù)；然后分析獲取的攝像頭數(shù)據(jù)是否符合要求，若符合要求后，進(jìn)入步驟s6；若不符合要求后進(jìn)入步驟s5；
8、s5、對剩余其他精度的攝像頭進(jìn)行依次選擇判斷，獲取最佳的攝像頭作為攝像頭數(shù)據(jù)檢測依據(jù)；實時獲取最佳的攝像頭的檢測數(shù)據(jù)；進(jìn)入步驟s6；
9、s6、根據(jù)預(yù)設(shè)時間規(guī)定對毫米波雷達(dá)數(shù)據(jù)和攝像頭數(shù)據(jù)進(jìn)行匹配融合，得到毫米波雷達(dá)數(shù)據(jù)與攝像頭數(shù)據(jù)最接近的數(shù)據(jù)幀，構(gòu)成配對組；
10、s7、對于每一對配對組進(jìn)行以下步驟操作：
11、s7.1、根據(jù)毫米波雷達(dá)和攝像頭的相對位置以及攝像頭的數(shù)據(jù)信息，把每個配對組的數(shù)據(jù)點投影到圖像空間中的像素位置中；
12、s7.2、如果配對組的數(shù)據(jù)點對應(yīng)的像素位置位于某個目標(biāo)的像素區(qū)域范圍內(nèi)，則認(rèn)為該數(shù)據(jù)點發(fā)生，并進(jìn)行數(shù)據(jù)保存，若未判斷成功不在范圍內(nèi)，說明該數(shù)據(jù)點信息未發(fā)生，不做任何處理。
13、作為優(yōu)選，在步驟s2中，毫米波雷達(dá)點云數(shù)據(jù)的具體獲取方式如下：以幀為單元，每幀毫米波雷達(dá)點云數(shù)據(jù)包含獲取時間以及數(shù)據(jù)點的集合，其中，數(shù)據(jù)點的集合為當(dāng)前獲取時間內(nèi)的n個獲取的雷達(dá)數(shù)據(jù)點；且每一個雷達(dá)數(shù)據(jù)點包含橫向位置、縱向位置、橫向速度以及縱向速度。
14、作為優(yōu)選，在步驟s4中，每幀攝像頭數(shù)據(jù)是時間與一張二維(圖像(tq,z)，其中，tq為當(dāng)前攝像頭數(shù)據(jù)的前幀時間，z為圖像的二維矩陣，z的長、寬是圖像分辨率。
15、作為優(yōu)選，在步驟s7.2中認(rèn)為該數(shù)據(jù)點發(fā)生時，通過預(yù)先訓(xùn)練好的人工智能ai神經(jīng)網(wǎng)絡(luò)模型，檢測所述目標(biāo)數(shù)據(jù)點是否出現(xiàn)路況堵塞或交通事故問題，若檢測到出現(xiàn)路況堵塞或交通事故時，存儲相應(yīng)的全景圖像和目標(biāo)軌跡數(shù)據(jù)，以便在接收到查詢請求時為相應(yīng)交通事故提供證據(jù)。
16、作為優(yōu)選，在步驟s6中對毫米波雷達(dá)數(shù)據(jù)和攝像頭數(shù)據(jù)進(jìn)行匹配融合的具體方式是：在融合時，保證攝像頭的掃頻周期和毫米波雷達(dá)的掃頻周期具有相同的時間間隔，每間隔相應(yīng)的時間片段選取一幀作為參考標(biāo)記幀，實現(xiàn)兩傳感器的時間上的完全融合。
17、作為優(yōu)選，在步驟s4中攝像頭獲取數(shù)據(jù)信息后，需要預(yù)先對數(shù)據(jù)進(jìn)行清晰度調(diào)整。
18、作為優(yōu)選，所述的毫米波雷達(dá)包括毫米波天線、射頻處理前端、數(shù)模信號轉(zhuǎn)化模塊，且多個毫米波雷達(dá)采用同一個毫米波天線。
19、作為優(yōu)選，在步驟s7.2中某個目標(biāo)是指：預(yù)先通過對目標(biāo)進(jìn)行檢測以及分類，然后通過大數(shù)據(jù)識別后將目標(biāo)分為行人、自行車、轎車、卡車的若干種類別，并預(yù)先在圖像上標(biāo)記出目標(biāo)占用的像素區(qū)域范圍。
20、作為優(yōu)選，在對目標(biāo)分類后，預(yù)先對不同的目標(biāo)進(jìn)行模擬路況狀態(tài)分析，生成不同目標(biāo)模擬路況建模。
21、作為優(yōu)選，所述毫米波雷達(dá)在獲取毫米波雷達(dá)點云數(shù)據(jù)時需要針對點云的稀疏性，利用時域積分從多幀點云數(shù)據(jù)中提取特征，并根據(jù)棋盤格點云的反射強(qiáng)度分布約束，使用棋盤測量估計三維角點，然后結(jié)合攝像頭圖像中檢測的二維角點，將兩種角點順序?qū)?yīng)融合后，通過求解非線性優(yōu)化問題來生成外部校準(zhǔn)的圖像二維矩陣。
22、本專利技術(shù)具有以下有益效果：本專利技術(shù)采用預(yù)先設(shè)置多個毫米波雷達(dá)以及多個攝像頭進(jìn)行數(shù)據(jù)檢測，進(jìn)一步提高檢測精度，而且采用毫米波雷達(dá)與攝像頭進(jìn)行有效融合的方式，進(jìn)一步實現(xiàn)數(shù)據(jù)互補(bǔ)融合，實現(xiàn)信息檢測全面，最終影響檢測精度以及準(zhǔn)確性。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點】
1.一種基于毫米波雷達(dá)和攝像頭的路況檢測方法，其特征在于，具體包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于毫米波雷達(dá)和攝像頭的路況檢測方法，其特征在于：在步驟S2中，毫米波雷達(dá)點云數(shù)據(jù)的具體獲取方式如下：以幀為單元，每幀毫米波雷達(dá)點云數(shù)據(jù)包含獲取時間以及數(shù)據(jù)點的集合，其中，數(shù)據(jù)點的集合為當(dāng)前獲取時間內(nèi)的N個獲取的雷達(dá)數(shù)據(jù)點；且每一個雷達(dá)數(shù)據(jù)點包含橫向位置、縱向位置、橫向速度以及縱向速度。
3.根據(jù)權(quán)利要求1所述的一種基于毫米波雷達(dá)和攝像頭的路況檢測方法，其特征在于：在步驟S4中，每幀攝像頭數(shù)據(jù)是時間與一張二維的圖像(tq,Z)，其中，tq為當(dāng)前攝像頭數(shù)據(jù)的前幀時間，Z為圖像的二維矩陣，Z的長、寬是圖像分辨率。
4.根據(jù)權(quán)利要求1所述的一種基于毫米波雷達(dá)和攝像頭的路況檢測方法，其特征在于：在步驟S7.2中認(rèn)為該數(shù)據(jù)點發(fā)生時，通過預(yù)先訓(xùn)練好的人工智能AI神經(jīng)網(wǎng)絡(luò)模型，檢測目標(biāo)數(shù)據(jù)點是否出現(xiàn)路況堵塞或交通事故問題，若檢測到出現(xiàn)路況堵塞或交通事故時，存儲相應(yīng)的全景圖像和目標(biāo)軌跡數(shù)據(jù)，以便在接收到查詢請求時為相應(yīng)交通事故提供證據(jù)。
5.根
6.根據(jù)權(quán)利要求1所述的一種基于毫米波雷達(dá)和攝像頭的路況檢測方法，其特征在于：在步驟S4中攝像頭獲取數(shù)據(jù)信息后，需要預(yù)先對數(shù)據(jù)進(jìn)行清晰度調(diào)整。
7.根據(jù)權(quán)利要求1所述的一種基于毫米波雷達(dá)和攝像頭的路況檢測方法，其特征在于：所述的毫米波雷達(dá)包括毫米波天線、射頻處理前端、數(shù)模信號轉(zhuǎn)化模塊，且多個毫米波雷達(dá)采用同一個毫米波天線。
8.根據(jù)權(quán)利要求1所述的一種基于毫米波雷達(dá)和攝像頭的路況檢測方法，其特征在于：在步驟S7.2中某個目標(biāo)是指：預(yù)先通過對目標(biāo)進(jìn)行檢測以及分類，然后通過大數(shù)據(jù)識別后將目標(biāo)分為行人、自行車、轎車、卡車的若干種類別，并預(yù)先在圖像上標(biāo)記出目標(biāo)占用的像素區(qū)域范圍。
9.根據(jù)權(quán)利要求8所述的一種基于毫米波雷達(dá)和攝像頭的路況檢測方法，其特征在于：在對目標(biāo)分類后，預(yù)先對不同的目標(biāo)進(jìn)行模擬路況狀態(tài)分析，生成不同目標(biāo)模擬路況建模。
10.根據(jù)權(quán)利要求8所述的一種基于毫米波雷達(dá)和攝像頭的路況檢測方法，其特征在于：所述毫米波雷達(dá)在獲取毫米波雷達(dá)點云數(shù)據(jù)時需要針對點云的稀疏性，利用時域積分從多幀點云數(shù)據(jù)中提取特征，并根據(jù)棋盤格點云的反射強(qiáng)度分布約束，使用棋盤測量估計三維角點，然后結(jié)合攝像頭圖像中檢測的二維角點，將兩種角點順序?qū)?yīng)融合后，通過求解非線性優(yōu)化問題來生成外部校準(zhǔn)的圖像二維矩陣。
...【技術(shù)特征摘要】
1.一種基于毫米波雷達(dá)和攝像頭的路況檢測方法，其特征在于，具體包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于毫米波雷達(dá)和攝像頭的路況檢測方法，其特征在于：在步驟s2中，毫米波雷達(dá)點云數(shù)據(jù)的具體獲取方式如下：以幀為單元，每幀毫米波雷達(dá)點云數(shù)據(jù)包含獲取時間以及數(shù)據(jù)點的集合，其中，數(shù)據(jù)點的集合為當(dāng)前獲取時間內(nèi)的n個獲取的雷達(dá)數(shù)據(jù)點；且每一個雷達(dá)數(shù)據(jù)點包含橫向位置、縱向位置、橫向速度以及縱向速度。
3.根據(jù)權(quán)利要求1所述的一種基于毫米波雷達(dá)和攝像頭的路況檢測方法，其特征在于：在步驟s4中，每幀攝像頭數(shù)據(jù)是時間與一張二維的圖像(tq,z)，其中，tq為當(dāng)前攝像頭數(shù)據(jù)的前幀時間，z為圖像的二維矩陣，z的長、寬是圖像分辨率。
4.根據(jù)權(quán)利要求1所述的一種基于毫米波雷達(dá)和攝像頭的路況檢測方法，其特征在于：在步驟s7.2中認(rèn)為該數(shù)據(jù)點發(fā)生時，通過預(yù)先訓(xùn)練好的人工智能ai神經(jīng)網(wǎng)絡(luò)模型，檢測目標(biāo)數(shù)據(jù)點是否出現(xiàn)路況堵塞或交通事故問題，若檢測到出現(xiàn)路況堵塞或交通事故時，存儲相應(yīng)的全景圖像和目標(biāo)軌跡數(shù)據(jù)，以便在接收到查詢請求時為相應(yīng)交通事故提供證據(jù)。
5.根據(jù)權(quán)利要求1所述的一種基于毫米波雷達(dá)和攝像頭的路況檢測方法，其特征在于：在步驟s6中對毫米波雷達(dá)數(shù)據(jù)和攝像頭數(shù)據(jù)進(jìn)行匹配融合的具體方式是：在融合時，保證攝像頭的掃頻周期和毫米波雷達(dá)的掃頻周期具有相同的時間間隔，每間隔相應(yīng)的時間...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：丁芳，許超，王波，劉明巖，常媛媛，宋子瑞，
申請(專利權(quán))人：安徽機(jī)電職業(yè)技術(shù)學(xué)院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。