[发明专利]一种基于深度图匹配的车辆行人检测方法

说明书

本发明公开了一种基于深度图匹配的车辆行人检测方法，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。本发明的技术方案针对激光雷达对黑色物体反射率低，导致黑色车辆检测不完整，采用了深度图匹配模型，对黑色车辆建立图结构进行匹配检测，有效解决了激光雷达检测黑色车辆效果差的问题，明显提高了平面激光雷达检测行人和车辆的准确率。

技术领域

本发明涉及智慧交通领域，涉及一种基于深度图匹配的车辆行人检测方法。

背景技术

随着我国经济的快速发展，交通流量急剧增长，城市道路承受的交通压力越来越大，“人、车、路”之间的矛盾日益突出。智慧交通系统作为新型交通系统，是将先进的信息技术、电子传感技术和计算机技术等有效地集成运用于整个地面交通管理系统而建立的实时准确的综合系统，是我国未来交通系统的重要发展方向。目前，在行人和车辆检测方面摄像头和激光雷达是常用的检测方式，采用摄像头响应速度较慢，夜间检测效果较差；使用激光雷达响应速度快，不受光线干扰，但是激光雷达检测黑色车辆的效果较差，因为激光雷达发射的电磁波波段在红外线和可见光之间，黑色物体会吸收这些波段的辐射，使得激光雷达对黑色物体的检测效果较差。而市面上众多的黑色车辆给激光雷达在车辆检测中的应用带来了巨大的挑战。

发明内容

为解决上述问题，本发明针对激光雷达检测黑色物体效果差的缺点，提出了一种基于深度图匹配的车辆行人检测方法，提升了激光雷达检测黑色车辆的效果。

为实现上述目的，本发明的技术方案如下：

一种基于深度图匹配的车辆行人检测方法，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；

作为进一步的改进方案，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(如栅栏和花坛等)；

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、反射率和行进方向等筛选出行人和车辆，标记行人和车辆并计数；

作为进一步的改进方案，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；

作为进一步的改进方案，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和和二阶相似度矩阵M_e，其中下标p，e是point和edge的缩写，用来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；