[发明专利]一种基于V2V的智能车辆前方道路环境透视感知方法

权利要求书

1.一种基于V2V的智能车辆前方道路环境透视感知方法，其特征在于，包括以下步骤：

S101，获得道路上行驶的两辆车，两辆车分为前车和后车，后车位于前车的后方，前车和后车通过合作通信协议建立连接；

S102，后车获得前车的前方视频数据，然后根据前车的前方视频数据建立前车视频图像；

S103，后车的一视频数据处理单元根据前车的前方视频数据对道路目标进行实时检测，获得检测到的道路目标的定位参数；

S104，后车利用时间标签根据后车的前方视频数据建立后车视频图像，并同步前车视频图像和后车视频图像；

S105，后车采用SIFT算法提取前车视频图像和后车视频图像中的SIFT特征点，然后利用模式匹配算法对SIFT特征点进行模式匹配，获得匹配点；其中，SIFT算法的过程为：

构建尺度空间，检测极值点，获得特征点；

对得到的特征点进行过滤，剔除不稳定的特征点同时进行精确定位；

在以特征点为中心的16邻域内提取特征描述子，获得每个特征点的SIFT特征；

采用模式匹配算法对SIFT特征点进行模式匹配的过程为：两两计算前车视频图像和后车视频图像中的SIFT特征点之间的相似性，利用相似性获得匹配点；所述相似性通过计算两个SIFT特征点之间的欧式距离获得，判断SIFT特征点的最佳匹配SIFT特征点的公式为：

式中，f_a和f_b分别表示两个SIFT特征点在特征图上的特征点函数，dis(f_a,f_b)表示两个SIFT特征点之间的欧式距离，函数max(dis(f_a,f_b))表示欧式距离的最大值，函数maxsec(dis(f_a,f_b))表示欧式距离的次大值；

S106，后车根据匹配点建立前车视频图像和后车视频图像的3D透视模型；

S107，后车基于步骤S106中的3D透视模型，采用RANSAC算法对匹配点进行优化筛选；

S108，根据优化筛选后的匹配点计算前车视频图像和后车视频图像之间的仿射变换参数；

S109，根据仿射变换参数将前车视频图像中的道路目标融合到后车视频图像中，获得后车对前方道路的透视感知图像。

2.如权利要求1所述的基于V2V的智能车辆前方道路环境透视感知方法，其特征在于，步骤S101中，前车和后车建立连接的具体过程为：

行驶过程中的车辆通过DSRC设备周期性的向周围的车辆发送beacons信号，beacons信号包含车辆的位置信息和方向信息；

根据beacons信号判断两辆车的行进方向和距离：当前车和后车行进方向一致，并且后车与前车的距离小于30m时，装载在后车中的感知系统被激活，通过合作通信协议后车向前车发送视频请求信号，前车接收到后车的请求信号后向后车发送相机内参数据以及视频数据；

当前车和后车的距离大于30m时，后车的感知系统会自动停止，并且向前车发送停止信号，前车接收到停止信号后停止发送视频数据。

3.如权利要求1所述的基于V2V的智能车辆前方道路环境透视感知方法，其特征在于，步骤S103中，视频数据处理单元基于SSD的目标检测算法对道路目标进行实时检测，然后通过卷积神经网络实现对道路目标的识别及定位，根据需求只需检测距离小于30m的道路目标。