一种基于深度信息的车辆识别方法

摘要

本发明涉及模式识别和智能车辆技术领域，具体涉及一种用于汽车辅助驾驶系统的基于深度信息的车辆识别方法。具体包括利用测距传感器连续获取扫描范围内物体的深度信息，采用基于距离的方法对每一帧数据进行聚类，其中距离的阈值可根据目标与本车的距离远近以及相对方位自动调整，提高了聚类的准确性，为后续的特征提取奠定了良好的基础；对保留的聚类采用迭代适应点IEPF算法和最小二乘法分别进行直线拟合，并在此基础上提取目标的特征向量；依据特征向量判断目标是否为车辆目标。本方法利用多个特征识别车辆目标，能够准确的识别道路环境中的车辆目标。

主权项

1.一种基于深度信息的车辆识别方法，包括以下步骤：A．利用测距传感器连续获取扫描范围内物体的深度信息R，R={(r_n，φ_n)|n=0，…，N_R}，其中，r_n表示扫描点与传感器的距离，φ_n表示扫描点的方位角，N_R表示一个扫描周期采集到的扫描点的个数，n为0到N_R的整数，并将深度信息R由极坐标转换为笛卡尔坐标；传感器一个扫描周期获得的数据称为一帧；B．采用自适应距离阈值的方法对获取的每帧数据实时进行聚类分析，形成不同的聚类；C．计算每一个聚类的内部距离d，如果聚类的内部距离d小于阈值A，去掉该聚类，内部距离d的计算公式如下，$d=\sqrt{x_{p_{\mathrm{ni}}{p}_{\mathrm{ne}}}^2+y_{p_{\mathrm{ni}}{p}_{\mathrm{ne}}}^2}$其中，表示一个聚类的起点与终点的横坐标之差；表示一个聚类的起点与终点的纵坐标之差；D．对保留的聚类分别进行直线拟合，并在此基础上提取目标的特征向量，特征向量包括聚类内线段的数目，目标的形状、目标大小和线段的长度比；E．根据特征向量的值依次判别保留的聚类是否为车辆目标。