[发明专利]一种用于车辆自动驾驶的障碍物检测方法

权利要求书

1.一种用于车辆自动驾驶的障碍物检测方法，其特征在于，包括如下步骤：

数据获取步骤：利用阵列超声波雷达组获取障碍物的点云数据；利用单目相机获取障碍物的图像数据；

数据同步步骤：将点云数据和图像数据进行帧同步处理；

数据融合步骤：对经过帧同步处理的图像数据和点云数据进行数据融合处理，以获取障碍物的类别信息和位置信息。

2.根据权利要求1所述的障碍物检测方法，其特征在于，所述阵列超声波雷达组包括三个位于同一水平线上的超声波雷达，三个所述超声波雷达的测量角度均为60°、且相邻两个所述超声波雷达的距离相等。

3.根据权利要求1所述的障碍物检测方法，其特征在于，将点云数据和图像数据进行帧同步处理为采用低帧频率数据优选的同步策略，对高帧数据进行间隔数据获取。

4.根据权利要求1所述的障碍物检测方法，其特征在于，数据融合步骤包括：

获取单目相机的内参和外参；

设定阵列超声波雷达组的阈值，提取点云数据中的有效数据；

基于经过帧同步处理的图像数据，利用深度学习的方法获取障碍物的类别信息和边界框；

将点云数据中的有效数据通过外参投影到单目相机平面，得到相机平面坐标；

将相机平面坐标通过内参投影到成像平面上，得到成像平面像素坐标；

将平面像素坐标和边界框信息进行匹配，得到障碍物的边界信息。

5.根据权利要求4所述的障碍物检测方法，其特征在于，基于经过帧同步处理的图像数据，利用深度学习的方法获取障碍物的类别信息和边界框信息包括：

确定训练集步骤：选择VOC数据集作为模型训练的数据集；

第一特征提取步骤：利用卷积神经网络提取进行目标的各级特征提取；

误差函数确定步骤：将卷积神经网络的输出结果与图像数据中的类别和边界位置进行比较，以确定预测值与真实值之间的误差函数；并以误差函数为优化基准对第一特征提取步骤中的卷积核进行更新，直到满足收敛条件；

图像增强步骤：利用图像增强技术对图像数据进行增强；

第二特征提取步骤：将经过图像增强处理的图像数据作为目标类别的输入，并进行特征提取；

确定步骤：将第二特征提取步骤提取的特征进行组合，以获取障碍物的类别信息和边界框。

6.根据权利要求4所述的障碍物检测方法，其特征在于，单目相机的内参和外参通过利用MATLAB工具箱对单目相机进行标定的方式获取。

7.根据权利要求4所述的障碍物检测方法，其特征在于，障碍物的边界信息为障碍物的与车辆之间的纵向距离。

8.根据权利要求4所述的障碍物检测方法，其特征在于，将平面像素坐标和边界框信息进行匹配为确定平面像素坐标是否位于边界框内。