[发明专利]一种毫米波雷达与视觉融合透雾目标识别算法处理方法

说明书

本发明公开了一种毫米波雷达与视觉融合透雾目标识别算法处理方法，属于汽车自动化控制技术领域，其算法包括雷达识别层、视觉识别层和信息融合决策层，它们在执行算法处理时，包括权利要求一所述全部步骤；本发明，通过将雨雾天气下能见度低的图片进行图像去雾预处理，并根据毫米波雷达的关键特征信息进行有效目标筛选，其后在运用联合标定方法原理下，使用时间配准与坐标变换实现毫米波雷达与相机的时空信息融合，以获取相应的ROI区域，并通过改进YOLO网络对ROI区域的目标进行结果识别，以提高结果识别的置信度，最终在加权信息决策的算法辅助下，目标识别的准确率和可靠性大大提高。

技术领域

本发明属于汽车自动化控制技术领域，具体涉及一种毫米波雷达与视觉融合透雾目标识别算法处理方法。

背景技术

随着国家大力推进人工智能的发展和智能交通行业的快速形成，智能停车、车联网、自动驾驶等领域的快速发展。目标检测技术成为了重要的研究方向。目标检测是自动驾驶领域最重要和基础的研究领域。车辆的自动驾驶离不开对周围障碍物的精确快速检测。在目标检测中车辆依靠传感器获取车辆周围的信息，包括激光雷达，毫米波雷达，超声波雷达，视觉相机等。激光雷达抗干扰能力较强、分辨率高，测距精确度高，但是在雨雾天气下适用性较差，且数据以点云格式输出，计算量较大；毫米波雷达测距精度较低，但是穿透性强，具有全天候、全天时的特点，适用于相对恶劣环境，且数据量小。为了保证车辆安全，精确实现环境感知，需采用多传感器融合技术进行数据冗余处理。

现有的毫米波雷达和视觉融合的目标检测与识别在研究中存在以下问题：1、融合算法不能充分利用毫米波雷达信息。如果仅使用目标的位置信息来定义ROI，则结果可能会覆盖多余的区域；2、目前的融合算法的目标分类器仍采用传统的机器学习算法，识别精度低，识别类型不够全面，无法覆盖各种重要的交通要素；3、融合算法没有充分利用MMW雷达在雨雾天气中的环境适应性，如雨，雾等常见天气条件下的检测和识别算法准确性较为低下。

发明内容

本发明的目的在于提供一种毫米波雷达与视觉融合透雾目标识别算法处理方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种毫米波雷达与视觉融合透雾目标识别算法处理方法，算法包括雷达识别层、视觉识别层和信息融合决策层，它们在执行算法处理时，包括以下步骤：

S1、获取原始输入的视觉图像和毫米波雷达数据；

S2、计算输入视觉图像的平均透射率，对雨雾天气下能见度低的图片进行图像去雾预处理；

S3、雷达识别层根据毫米波雷达的关键特征信息进行有效目标筛选,并将筛选结果送入融合层；

S4、融合层进行坐标变换、时间配准将目标映射至对应图像，得到相应的ROI区域，并送入视觉识别层；

S5、视觉识别层通过改进YOLO网络对ROI区域目标进行识别，将计算得到的目标类别置信度与位置包围框识别结果送入融合层；

S6、融合层考虑亳米波雷达和视觉识别结果进行加权信息决策，得到最终的识别结果。

进一步地，所述S2中对雨雾天气下能见度低的图片的图像去雾预处理采用暗通道先验去雾算法。

进一步地，所述S4中融合层进行坐标变换、时间配准将目标映射至对应图像，得到相应的ROI区域，包括：

利用有效目标在雷达坐标系中的位置信息，通过时间配准和式可以将雷毫米波雷达坐标变换至对应图像中的一点，由于该点与毫米波雷达所测得的目标相对应，该图像点通常落在目标的图像轮廓内部；

以该点为中心选定适当大小的矩形区域作为目标图像ROI区域。

进一步地，所述融合层进行坐标变换、时间配准分别为建立统一的坐标系和时间戳可以让毫米波雷达与视觉信息产生关联，以实现传感器的时空信息融合。