[发明专利]一种基于FMCW激光雷达的运动目标检测方法及系统

说明书

本发明公开了一种基于FMCW激光雷达的运动目标检测方法，包括：获取FMCW激光雷达采集的当前帧的点云信息和径向速度信息；对当前帧的点云信息进行阈值分割，获取到当前帧中的运动目标的点云信息和非运动目标的点云信息；对当前帧的运动目标的点云信息进行聚类，得到当前帧中的每一个运动目标的分割信息；根据区域生成算法，在非运动目标的点云信息和运动目标的分割信息中，将属于同一目标对象的点进行关联，并构建该目标对象；根据最近邻搜索方法，将当前帧中的每一个运动目标和前一帧中的对应的每一个运动目标进行关联和跟踪。相应的，本发明还公开了一种基于FMCW激光雷达的运动目标检测系统。该发明实现了对运动目标高精度地检测和跟踪。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种基于FMCW激光雷达的运动目标检测方法及系统。

背景技术

传统的运动目标检测方法主要是基于视觉的方法，基于此类的视觉传感器所提供的视觉信息中包含有大量有区别性的视觉特征，因此可以将物体从整个的场景中分割出来，但是只使用视觉传感器很难推算出物体的准确的3D位置信息，并且视觉传感器得到的视觉信息也很容易受到光线变化的影响。

随着激光雷达技术近年来的飞速发展，基于激光雷达得到的3D点云实现目标检测的方法也越来越多。这类方法得益于激光雷达的高精度(一般1-2cm的精度)和直接式测量距离，能够渗透很多类型的障碍物(例如树叶和灌木丛等)。

传统的基于激光雷达的运动目标检测方法主要包括：基于模型的方法和不基于模型的方法。基于模型的方法通过事先设计的模型信息进行目标检测，该方法对于特定的感兴趣的目标的检测效果比较好。不基于模型的方法不需要事先设计的模型信息，因此任意外形和大小的目标都可以被检测到。传统的基于模型和不基于模型的方法都聚焦在特定的物体的检测，无法泛化到其它非特定类型的物体的检测。

专利申请号为CN201110107137.3的一种基于激光雷达的运动目标检测系统及方法，该方法通过获取激光雷达的测距数据帧和位姿传感器模块得到位姿数据帧，并进行数据点的聚类，提取聚类特征点以及特征点的匹配，然后计算得到校正的运动信息和检测结果。该方案的缺点为：依赖于额外的位姿传感器模块得到运动信息来辅助得到运动目标的检测；不能检测到局部运动的目标，无法建立运动数据和非运动数据间的数据关联；准确度低，当额外的位姿传感器模块的结果出现抖动或者异常的情况下会导致目标检查的结果准确度明显下降或是失效；鲁棒性差，该方案依赖于提取到的环境的特征点信息，当目标的特征点少或者不明显的情况，检查的结果会明显变差。专利申请号CN201310150106.5的基于激光雷达的运动目标检测方法，该专利提出了一种改善限定目标形状和对快速物体无法检测的运动目标检测方案，其通过获取多次激光雷达扫描结果得到运动目标的前景和背景信息，并利用主分量分析和稀疏化处理得到稀疏矩阵，然后对稀疏矩阵进行自适应滤波得到运动目标的检测结果。该方案存在明显的缺点：依赖于多帧的激光雷达数据才能计算得到目标的运动信息；不能检测到局部运动的目标，无法建立运动数据和非运动数据间的数据关联；计算量太大，需要大量的矩阵运算才能得到最终结果；准确度低，当连续多帧间运动量很低或者目标运动量很低的情况下，很难有效的将目标检测出来。

发明内容

基于此，本发明的目的在于提供一种基于FMCW激光雷达的运动目标检测方法及系统，能够实现高精度地对运动目标的检测和跟踪。

为实现上述目的，本发明提供了一种基于FMCW激光雷达的运动目标检测方法，所述方法包括：

S1、获取FMCW激光雷达采集的当前帧的点云信息和径向速度信息；

S2、对所述当前帧的点云信息进行阈值分割，获取到当前帧中的运动目标的点云信息和非运动目标的点云信息；

S3、对所述当前帧的运动目标的点云信息进行聚类，得到当前帧中的每一个运动目标的分割信息；