【技術實現步驟摘要】
本專利技術涉及智能車燈控制，具體涉及一種智能車燈自閉環系統的多目標匹配優化方法和系統。
技術介紹
1、隨著汽車技術的不斷進步，智能車燈自閉環系統逐漸成為現代汽車的重要組成部分之一。傳統的車燈系統主要依賴手動操作或簡單的自動開關機制，無法根據駕駛環境的變化做出靈活的響應。相比之下，智能車燈自閉環系統通過集成先進的傳感器技術和計算平臺，能夠自動感知周圍環境并據此調整照明模式，從而提高夜間行車的安全性和舒適度。智能車燈自閉環系統通常配備多個攝像頭，從不同角度捕捉車輛周圍的環境信息。通過對多個視角的目標匹配，可以確保系統能夠全面監控車輛周圍的動態，減少盲區，及時發現潛在的危險因素，如行人、其他車輛或障礙物。多視角信息可以相互驗證，減少因單一視角誤判導致的誤報和漏報，提高系統的整體性能。
2、為了提高多目標匹配的精度與魯棒性，研究者們開發了多種基于視覺特征的匹配算法和深度學習模型。目前，主流的匹配方法包括：基于特征點匹配的算法、基于深度學習的重識別(reid)模型、以及幾何校正與相機標定技術。其中，特征點匹配算法依賴于傳統的圖像特征，如sift或orb，但在光照和視角變化下容易失效；而基于reid的模型則使用卷積神經網絡提取目標的全局和局部特征，然而對大規模數據的標注依賴性較高。
3、在多相機系統中，實現高精度的多目標匹配面臨著諸多技術挑戰。例如，視角差異：不同相機捕捉的同一目標可能因角度、距離等因素呈現不同的外觀，導致視覺特征不一致；遮擋與目標丟失：目標在某些視角下可能被部分遮擋，甚至短暫離開某一相機的視場；實時
4、因此，亟需一種高效、魯棒的多目標匹配技術，能夠在不同相機視角下實現準確的目標關聯。
技術實現思路
1、本專利技術目的是為了克服現有技術中存在的至少一個技術問題，提供了一種智能車燈自閉環系統的多目標匹配優化方法和系統。
2、一方面，本專利技術實施例提供了一種智能車燈自閉環系統的多目標匹配優化方法，所述方法包括：s1：將不同相機的相機坐標系和不同目標物體的目標物體坐標系均轉換到bev坐標系下分別得到不同相機在bev坐標系下的坐標和不同目標物體在bev坐標系下的坐標；s2：通過不同相機在bev坐標系下的坐標得到攝像頭的位置；s3：基于所述攝像頭的位置、視場角度和最遠探測距離得到多個攝像頭的視場重疊區域；s4：基于所述不同目標物體在bev坐標系下的坐標判斷所述目標物體是否位于所述視場重疊區域內；s5：響應于所述目標物體位于所述視場重疊區域內將所述至少一個目標物作為待匹配目標，所述待匹配目標包含位于所述視場重疊區域內的目標物體在不同相機視角下的目標；s6：基于預設的遮擋判斷機制計算出所述每個待匹配目標在與之對應的相機視角下的遮擋區域；s7：采用iog公式判斷所述待匹配目標是否位于與之對應的相機視角下的遮擋區域；s8：響應于所述待匹配目標不位于與之對應的相機視角下的遮擋區域內，將其輸入至預先訓練好的神經網絡模型中生成與之對應的特征向量；s9：基于特征向量采用余弦相似度公式分別計算兩個不同的待匹配目標之間的特征相似度；s10：響應于所述待匹配目標不位于與之對應的相機視角下的遮擋區域內，使用交并比分別計算兩個不同的待匹配目標的目標檢測框的重疊程度；s11：基于兩個不同的待匹配目標之間的特征相似度和兩個不同的待匹配目標的目標檢測框的重疊程度計算得到邊權重值；s12：基于所述邊權重值構建成本矩陣；s13：基于所述成本矩陣采用匈牙利算法得到增廣路徑，基于所述增廣路徑得到多目標的匹配結果。
3、進一步的，所述步驟s1：將不同相機的相機坐標系和不同目標物體的目標物體坐標系均轉換到bev坐標系下分別得到不同相機在bev坐標系下的坐標和不同目標物體在bev坐標系下的坐標包括：s101：通過相機的外參數將所述相機坐標轉換至車輛坐標系下的相機坐標；s102：將所述車輛坐標系下的相機坐標轉換到bev坐標系下得到不同相機在bev坐標系下的坐標；s103：將車輛坐標系下的目標物體坐標轉換到bev坐標系下得到目標物體在bev坐標系下的坐標。
4、進一步的，所述步驟s3：基于所述攝像頭的位置、視場角度和最遠探測距離得到多個攝像頭的視場重疊區域包括：s301：基于所述攝像頭的位置、視場角度和最遠探測距離計算出攝像頭視場的邊界點；s302：基于所述攝像頭視場的邊界點構建每個攝像頭的視場多邊形；s303：基于所述每個攝像頭的視場多邊形確定其重疊部分，所述重疊部分為視場重疊區域。
5、進一步的，所述步驟s6：基于預設的遮擋判斷機制計算出所述每個待匹配目標在與之對應的相機視角下的遮擋區域包括：s601：使用不同相機在bev坐標系下的坐標和待匹配目標在bev坐標系下的坐標之間的向量計算從所述相機到所述待匹配目標各頂點間的夾角；s602：選擇夾角最大的兩個頂點用于定義遮擋區域的邊界；s603：通過相機位置到位于所述遮擋區域的邊界的兩個頂點繪制射線；s604：所述射線與水平線的交點為所述待匹配目標對應的遮擋區域。
6、進一步的，所述步驟s7：采用iog公式判斷所述待匹配目標是否位于與之對應的相機視角下的遮擋區域包括：
7、所述iog公式為：
8、當所述iog(a,b)值大于或等于預設的閾值時，則判斷所述待匹配目標位于與之對應的相機視角下的遮擋區域內；
9、式中，a表示目標區域，b表示遮擋區域，iog(a,b)表示目標區域a和遮擋區域b之間的交集所占目標區域a的比例。
10、進一步的，所述步驟s8：響應于所述待匹配目標不位于與之對應的相機視角下的遮擋區域內，將其輸入至預先訓練好的神經網絡模型中生成與之對應的特征向量包括：s801：從相機拍攝到的包含目標物體的原始圖像中提取待匹配目標得到包含待匹配目標的目標子圖；s802：將所述目標子圖輸入至所述預先訓練好的神經網絡模型中進行前向傳播；s803：經由預先訓練好的神經網絡模型中的多層卷積和激活函數輸出待匹配目標的特征向量；s804：將所述特征向量存儲至特征數據庫中。
11、進一步的，所述步驟s5之后還包括：響應于所述目標物體不位于所述視場重疊區域內，該目標不納入待匹配項；所述步驟s8之后還包括：響應于所述待匹配目標位于與之對應的相機視角下的遮擋區域內，該目標不納入待匹配項。
12、進一步的，所述步驟s9中的余弦相似度公式為：
13、式中，c和d分別表示兩個待匹配目標的特征向量，cos(c,d)表示為兩個待匹配目標為同一個目標的可能性；
14、所述步驟s10中的交并比為：
15、式中，e和f分別表示兩個待匹配目標的目標檢測框，g表示為e和f的外接矩形，giou為度量兩個目標檢測框的重疊程度，giou取值范圍在-1至1之間；
16、所述步驟s11中的邊權重計算公式為：edg＝ω1×cos(c,d)+ω2×giou；
17、式中，ω1本文檔來自技高網...
【技術保護點】
1.一種智能車燈自閉環系統的多目標匹配優化方法，其特征在于，所述方法包括：
2.根據權利要求1所述的智能車燈自閉環系統的多目標匹配優化方法，其特征在于，所述步驟S1：將不同相機的相機坐標系和不同目標物體的目標物體坐標系均轉換到BEV坐標系下分別得到不同相機在BEV坐標系下的坐標和不同目標物體在BEV坐標系下的坐標包括：
3.根據權利要求1所述的智能車燈自閉環系統的多目標匹配優化方法，其特征在于，所述步驟S3：基于所述攝像頭的位置、視場角度和最遠探測距離得到多個攝像頭的視場重疊區域包括：
4.根據權利要求1所述的智能車燈自閉環系統的多目標匹配優化方法，其特征在于，所述步驟S6：基于預設的遮擋判斷機制計算出所述每個待匹配目標在與之對應的相機視角下的遮擋區域包括：
5.根據權利要求1所述的智能車燈自閉環系統的多目標匹配優化方法，其特征在于，所述步驟S7：采用iog公式判斷所述待匹配目標是否位于與之對應的相機視角下的遮擋區域包括：
6.根據權利要求1所述的智能車燈自閉環系統的多目標匹配優化方法，其特征在于，所述步驟S8：響應于所
7.根據權利要求1所述的智能車燈自閉環系統的多目標匹配優化方法，其特征在于，所述步驟S5之后還包括：響應于所述目標物體不位于所述視場重疊區域內，該目標不納入待匹配項；
8.根據權利要求1所述的智能車燈自閉環系統的多目標匹配優化方法，其特征在于，所述步驟S9中的余弦相似度公式為：
9.根據權利要求1所述的智能車燈自閉環系統的多目標匹配優化方法，其特征在于，所述步驟S13還包括：
10.一種智能車燈自閉環系統的多目標匹配優化系統，其特征在于，所述系統采用如權利要求1-9任一權利要求所述的智能車燈自閉環系統的多目標匹配優化方法，所述系統包括：
...【技術特征摘要】
1.一種智能車燈自閉環系統的多目標匹配優化方法，其特征在于，所述方法包括：
2.根據權利要求1所述的智能車燈自閉環系統的多目標匹配優化方法，其特征在于，所述步驟s1：將不同相機的相機坐標系和不同目標物體的目標物體坐標系均轉換到bev坐標系下分別得到不同相機在bev坐標系下的坐標和不同目標物體在bev坐標系下的坐標包括：
3.根據權利要求1所述的智能車燈自閉環系統的多目標匹配優化方法，其特征在于，所述步驟s3：基于所述攝像頭的位置、視場角度和最遠探測距離得到多個攝像頭的視場重疊區域包括：
4.根據權利要求1所述的智能車燈自閉環系統的多目標匹配優化方法，其特征在于，所述步驟s6：基于預設的遮擋判斷機制計算出所述每個待匹配目標在與之對應的相機視角下的遮擋區域包括：
5.根據權利要求1所述的智能車燈自閉環系統的多目標匹配優化方法，其特征在于，所述步驟s7：采用iog公式判斷所述待匹配目標是否位于與之對...
【專利技術屬性】
技術研發人員：潘攀，劉宇，
申請(專利權)人：常州星宇車燈股份有限公司，
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。