[发明专利]一种基于深度图匹配的车辆行人检测方法

权利要求书

1.一种基于深度图匹配的车辆行人检测方法，其特征在于，至少包括以下步骤：

步骤S1：使用平面激光雷达采集道路信息，形成原始点云数据库；

步骤S2：基于点云数据生成图像，通过图像处理初步检测行人和车辆；

步骤S3：使用狄洛尼三角剖分法构建黑色车辆的图结构；

步骤S4：通过深度图匹配框架实现黑色车辆的检测追踪。

2.根据权利要求1所述的基于深度图匹配的车辆行人检测方法，其特征在于，所述步骤S2进一步包括以下步骤：

基于点云信息生成二值图像，并进行形态学处理；

利用固体检测算法排除道路上静止物体的干扰；

对二值图进行连通域标记，设置ROI检测区域；

通过霍夫变换初步筛选车辆，进一步根据长宽、反射率和行进方向筛选出行人和车辆，标记行人和车辆并计数。

3.根据权利要求1所述的基于深度图匹配的车辆行人检测方法，其特征在于，所述步骤S3进一步包括以下步骤：

将未识别完整的黑色车辆点云信息作为候选点；

候选点采用狄洛尼三角化建立图结构。

4.根据权利要求1所述的基于深度图匹配的车辆行人检测方法，其特征在于，所述步骤S4进一步包括以下步骤：

提取黑色车辆图结构的一阶和二阶特征，分别用U和F表示；

计算黑色车辆的图匹配的相似度矩阵，包含一阶相似度矩阵M_p和二阶相似度矩阵M_e，表示点的一阶相似度矩阵和边的二阶相似度矩阵；

采用图匹配算法求解最大特征向量V_k+1，其中k表示特征向量达到收敛条件的迭代次数，双随机化后计算损失函数L(d)；

进行端到端训练，得到黑色车辆的图匹配模型；

黑色车辆的图结构输入模型，实现黑色车辆检测匹配。

5.根据权利要求2所述的基于深度图匹配的车辆行人检测方法，其特征在于，基于点云数据生成图像，通过图像处理初步检测行人和车辆，包括：

基于点云数据的角度距离信息转化为二值图像信息，激光雷达检测到的点云设为前景；ROI区域可以任意设置，一般设置为能有效检测的道路区域；固体检测算法实现静止物体的检测，检测到静止物体后进行屏蔽，排除静止物体的干扰。

6.根据权利要求2所述的基于深度图匹配的车辆行人检测方法，其特征在于，基于点云数据生成图像，通过图像处理初步检测行人和车辆，进一步区分行人和车辆通过以下几个条件筛选：(1)长度和宽度；(2)反射率；(3)行进速度和方向。

7.根据权利要求3所述的基于深度图匹配的车辆行人检测方法，其特征在于，使用狄洛尼三角剖分法构建黑色车辆的图结构，包括：

使用狄洛尼三角剖分建立黑色车辆的图结构，建立图结构的候选点来自预处理后的黑色车辆的点云数据，图结构用来训练图匹配模型和求解黑色车辆的图匹配。