[发明专利]多传感器目标匹配方法、装置及汽车

说明书

本发明公开一种多传感器目标匹配方法、装置及汽车，属于智能车环境感知领域。方法包括：按照毫米波雷达的采集时刻序列建立毫米波雷达的探测目标库；以毫米波雷达所在坐标系为基准，按照视觉传感器的采集时刻序列建立视觉传感器的探测目标库；基于卡尔曼滤波算法估计毫米波雷达的探测目标库中各个探测目标在每个单位时间上的位置数据和速度数据，得到毫米波雷达与视觉传感器的时间同步数据；基于预设的代价函数和时间同步数据，对毫米波雷达的探测目标库和视觉传感器的探测目标库中的探测目标进行配准。本发明能够提高匹配准确率低，并能够减少匹配过程的计算量，提高匹配效率。

技术领域

本发明涉及智能车环境感知技术领域，特别涉及一种多传感器目标匹配方法、装置及汽车。

背景技术

随着汽车技术的发展，智能汽车的研究近些年逐渐受到广泛的关注。智能汽车自动驾驶技术作为智能汽车研究的高级目标，它不仅可以将驾驶员从繁杂的操作中解放出来，而且能够降低因人为原因造成的交通事故发生率。智能汽车自动驾驶技术可分为环境感知技术、路径规划与决策技术以及运动控制技术。其中，对外部环境的准确、实时感知是自动驾驶核心技术，它是智能汽车实现高精度定位、路径规划与决策和运动控制的关键技术。而准确环境感知包括能准确探知运动或静止目标的形状属性、位置属性和速度属性。由于视觉传感器(摄像头)能准确感知目标的形状属性，而在探测距离方面精度差一些；毫米波雷达能准确测量距离和速度，而不能识别物体的形状。因此，对多传感器信息进行融合是实现准确感知的必要条件。然而，要准确融合多传感器信息必须要进行目标在不同传感器的一一匹配对应，即进行多传感器目标匹配。完成多传感器目标匹配后通过融合即可得到目标的准确信息。

相关技术中，多传感器目标匹配通过时间同步获取同一时刻的毫米波雷达数据和视觉传感器的图像数据，再通过坐标转换将毫米波雷达探测到的障碍物位置信息投影到图像中，生成感兴趣区域；然后，采用帧间差法检测图像中的运动物体，最后计算重叠区域中的目标匹配度。

在实现本发明的过程中，发明人发现相关技术至少存在以下问题：

首先，相关技术的时间同步是创建数据融合处理线程，对线程中相同的采集时刻的数据进行融合处理，此种方法的缺点是如果两种传感器的采集周期不是倍数关系，则选取相同采集时刻的数据将非常困难，当两种传感器的采集周期不是倍数关系时，只能选择倍数关系附近的数据进行近似计算，使得目标匹配不准确，导致目标匹配的准确率不高。其次，帧间差法只能提取目标的边界，而不能对运动目标的完整区域进行提取，且帧间间隔的选取也对目标识别和匹配的结果影响较大，不仅导致探测目标的匹配度不高，降低了信息融合的效果，而且匹配过程复杂且计算量大，目标匹配过程费时、效率低等问题。

发明内容

本发明实施例提供了一种多传感器目标匹配方法、装置及汽车，以解决相关技术中的多传感器目标匹配方法存在目标匹配的准确度不高、匹配过程复杂及计算量大且费时、匹配效率低等问题。所述技术方案如下：

第一方面，提供了一种多传感器目标匹配方法，所述方法包括：

按照毫米波雷达的采集时刻序列建立毫米波雷达的探测目标库；

以毫米波雷达所在坐标系为基准，按照视觉传感器的采集时刻序列建立视觉传感器的探测目标库；

基于卡尔曼滤波算法估计所述毫米波雷达的探测目标库中各个探测目标在每个单位时间上的位置数据和速度数据，得到所述毫米波雷达与所述视觉传感器的时间同步数据；

基于预设的代价函数和所述时间同步数据，对所述毫米波雷达的探测目标库和所述视觉传感器的探测目标库中的探测目标进行配准。

可选地，所述以毫米波雷达所在坐标系为基准，按照视觉传感器的采集时刻序列建立视觉传感器的探测目标库，包括：

获取视觉传感器采集的像素坐标系下的图像数据；