[发明专利]一种高鲁棒性雷视融合的透雾目标识别方法

说明书

本发明公开了一种高鲁棒性雷视融合的透雾目标识别方法，属于车辆识别技术领域，基于ROS将毫米波雷达获取的探测数据与相机获取的视觉信息进行融合和改进，发挥毫米波雷达不易受雾霾天气影响的优势，为图像去雾算法提供信息补充，结合驾驶场景特征信息，对暗通道先验去雾算法进行优化，针对图像去雾效率低的问题，以图像平均透射率作为评价指标确定去雾阈值，利用三帧差分法进行大气光值优化；针对雾天视觉漏检问题，结合毫米波雷达横向距离信息获取有雾图像中的感兴趣区域，利用毫米波雷达获得的目标距离信息，重新计算透射率，有效避免了视觉漏检，提高了车辆识别的准确性与鲁棒性。

技术领域

本发明涉及车辆识别技术领域，更具体地说，它涉及一种高鲁棒性雷视融合的透雾目标识别方法。

背景技术

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缺陷：首先，基于现有的图像处理算法对有雾图像的处理时，透射率和大气光值的误差影响了有雾图像整体的去雾效果；其次，没有基于毫米波雷达的探测信息对相机的视觉信息进行目标匹配验证是否存在视觉漏检目标；最后，也没有基于视觉漏检目标对相机的视觉信息重新进行处理和识别，导致特殊天气下车辆的检测和识别的准确性低。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种高鲁棒性雷视融合的透雾目标识别方法，解决以下技术问题：如何解决现有方案中毫米波雷达和视觉融合在特殊天气下目标检测与识别的准确性低的技术问题。

本发明的目的可以通过以下技术方案实现：

一种高鲁棒性雷视融合的透雾目标识别方法，具体的步骤包括：

通过相机和毫米波雷达分别获取目标车辆的有雾图像集和探测数据，探测数据包含若干个CAN报文，对有雾图像集进行去雾预处理，得到去雾图像集，获取去雾图像集中去雾图像的时间戳并设定为图像时间戳；

对去雾图像集进行视觉目标检测，得到包含若干个视觉目标的目标检测集；

对探测数据中的CAN报文进行解析，通过ID对CAN报文进行筛选并提取目标数据，目标数据包含目标ID、目标横坐标和纵坐标、目标横向和纵向相对速度、目标运动状态以及目标散射截面积，以目标ID为索引，将目标数据存储至构建的目标列表中；

获取报文接收时的时间戳并设定为报文时间戳，根据图像时间戳和报文时间戳对视觉目标和目标数据进行匹配筛选，得到匹配集；

根据世界坐标系获取匹配集中毫米波雷达的探测目标坐标集和相机的视觉目标坐标集进行目标匹配，判断毫米波雷达的探测目标坐标集中与相机的视觉目标坐标集中是否存在未匹配的目标；

若存在，则将该目标设定为视觉漏检目标并生成漏检指令；若不存在，则生成第一识别集；

根据漏检指令和视觉漏检目标获取去雾图像的感兴趣区域，对感兴趣区域进行局部去雾，得到去雾区域；

对去雾区域进行视觉目标检测，得到去雾图像的第三目标信息，将第三目标信息与探测目标坐标集进行二次目标匹配，生成第二识别集；第一识别集和第二识别集构成识别结果。

进一步地，对有雾图像集进行去雾预处理的具体步骤包括：

通过仿真环境对有雾图像集进行仿真，得到有雾图像集中有雾图像的平均透射率；

将平均透射率与预设的透雾阈值进行匹配，将低于透雾阈值的平均透射率对应的有雾图像设定为选中图像；

基于三帧差分法对若干个选中图像的大气光值进行分析判断是否需要进行估算，具体的步骤包括：

获取选中图像像素的暗通道强度值ω以及该像素的亮度值L，通过判别表达式对选中图像上的若干帧图像进行分析，判别表达式如下：