CN104965202A - 障碍物探测方法和装置 - Google Patents

Abstract

本发明是关于一种障碍物探测方法和装置，属于智能交通领域。所述方法包括：通过毫米波雷达获取位于车辆周围的至少一个障碍物的雷达参数；通过视觉传感器获取所述至少一个障碍物的视觉参数；分别将每个所述障碍物的雷达参数和所述视觉参数融合，将融合后的参数作为目标参数。本发明通过将毫米波雷达获取的雷达参数与视觉传感器获取的视觉参数进行融合，并将融合后得到的参数作为障碍物的目标参数，且视觉传感器探测的方位角的准确性较高，解决了相关技术中探测到的障碍物的方位角的准确性较低的问题；达到了使探测到的障碍物的参数的准确性较高的效果。

Description

障碍物探测方法和装置

技术领域

本发明涉及智能交通领域，特别涉及一种障碍物探测方法和装置。

背景技术

目前，越来越多的车辆都包含有障碍物探测的功能，该功能可以探测到车辆周围的障碍物并告知驾驶员，为驾驶员的驾驶决策提供准确的依据。

相关技术中有一种障碍物探测方法，该方法通过毫米波雷达来探测车辆周围的障碍物，并将探测到的障碍物参数(如障碍物与车辆之间的距离、障碍物的方位和障碍物的高和宽等)进行显示，以便驾驶员根据显示的障碍物参数调整驾驶决策。

发明人在实现本发明的过程中，发现上述方式至少存在如下缺陷：上述方式由于使用毫米波雷达来探测障碍物，而毫米波雷达的方位分辨率较低，探测到的障碍物的方位角的准确性较低。

发明内容

为了解决相关技术中探测到的障碍物的方位角的准确性较低的问题，本发明提供了一种障碍物探测方法和装置。所述技术方案如下：

根据本发明的第一方面，提供一种障碍物探测方法，所述方法包括：

通过毫米波雷达获取位于车辆周围的至少一个障碍物的雷达参数；

通过视觉传感器获取所述至少一个障碍物的视觉参数；

分别将每个所述障碍物的雷达参数和所述视觉参数融合，将融合后的参数作为目标参数。

可选的，所述雷达参数包括：所述至少一个障碍物在雷达坐标系中的坐标(x_r，y_r)、所述至少一个障碍物到所述毫米波雷达的距离d和所述至少一个障碍物的方位角θ，所述毫米波雷达位于所述雷达坐标系的原点，所述雷达坐标系的x轴的正方向与所述车辆的行驶方向平行，

所述分别将每个所述障碍物的雷达参数和所述视觉参数融合，将融合后的参数作为目标参数，包括：

获取所述毫米波雷达和所述视觉传感器的设置参数，所述设置参数包括所述视觉传感器的光轴偏移量、所述雷达坐标系和视觉坐标系的坐标偏移量、所述视觉传感器的焦距和所述视觉传感器距离地面的高度，所述视觉坐标系以所述视觉传感器获取的矩形图像的左上角为原点，所述视觉坐标系的x轴与地面平行；

根据坐标转换公式将每个所述障碍物在所述雷达坐标系中的坐标(x_r，y_r)转换为所述视觉坐标系中的坐标(x_p，y_p)，所述坐标转换公式为：

$\left\{\begin{array}{c}{x}_p=C_x+\frac{-(y_r+L_y)f}{(x_r+L_x)\cos \mathrm{\θ}+H\sin \mathrm{\θ}}\\ y_p=C_y+\frac{[H\cos \mathrm{\θ}-(x_r+L_x)\sin \mathrm{\θ}]f}{(x_r+L_x)\cos \mathrm{\θ}+H\sin \mathrm{\θ}}\end{array}\right.,$

其中，所述C_x和所述C_y为所述视觉传感器的光轴偏移量，所述f为所述视觉传感器的焦距，所述L_x和所述L_y为所述坐标偏移量，所述H为所述视觉传感器距离地面的高度；

以所述(x_p，y_p)为中心确定预设大小的识别框；

根据图像识别技术在所述识别框中识别每个所述障碍物在所述视觉坐标系中的宽度w和高度h；

根据宽高转换公式得到每个所述障碍物的实际宽度R_w和实际高度R_h，所述宽高转换公式为：

$\left\{\begin{array}{c}{R}_w=w\×d_x\×f^{-1}\×d\\ R_h=h\×d_z\×f^{-1}\×d\end{array}\right.,$

其中，所述d_x为所述视觉坐标系中每个单位宽度对应的实际宽度，所述d_z为所述视觉坐标系中每个单位高度对应的实际高度，所述目标参数包括所述R_w和所述R_h。

可选的，所述分别将每个所述障碍物的雷达参数和所述视觉参数融合，将融合后的参数作为目标参数，还包括：

根据方位角公式获取每个所述障碍物的目标方位角θ_i，所述方位角公式为：

其中，所述M为所述视觉传感器获取的矩形图像的在所述视觉坐标系中的宽度，所述为所述视觉传感器的镜头视场角，所述目标参数包括所述θ_i。

可选的，所述分别将每个所述障碍物的雷达参数和所述视觉参数融合，将融合后的参数作为目标参数之后，所述方法还包括：

在所述车辆周围有至少两个障碍物时，根据去重公式获取所述至少两个障碍物中任意两个障碍物的重合系数dp，所述去重公式为：

$\left\{\begin{array}{c}\mathrm{\Δ\θ}=|{\mathrm{\θ}}_l-{\mathrm{\θ}}_m|\\ \mathrm{dp}=\sqrt{d_l^2+d_m^2-2d_l{d}_m\cos \mathrm{\Δ\θ}}\end{array}\right.,$

其中，所述θ_l和所述θ_m为所述至少两个障碍物中任意两个障碍物的目标方位角，所述d_l为所述θ_l对应的障碍物到所述毫米波雷达的距离，所述d_m为所述θ_m对应的障碍物到所述毫米波雷达的距离；

当所述dp大于重合阈值时，确定所述θ_l对应的障碍物和所述θ_m对应的障碍物为一个障碍物。

可选的，所述通过视觉传感器获取所述至少一个障碍物的视觉参数之后，还包括：

以D-S证据理论分析每个所述障碍物的雷达参数和视觉参数，得到每个所述障碍物的障碍等级，所述障碍等级表征任一所述障碍物实际存在的可信度；

去除所述至少一个障碍物中障碍等级小于预设等级的障碍物。

根据本发明的第二方面，提供一种障碍物探测装置，所述装置包括：

雷达模块，用于通过毫米波雷达获取位于车辆周围的至少一个障碍物的雷达参数；

视觉模块，用于通过视觉传感器获取所述至少一个障碍物的视觉参数；

融合模块，用于分别将每个所述障碍物的雷达参数和所述视觉参数融合，将融合后的参数作为目标参数。

可选的，所述雷达参数包括：所述至少一个障碍物在雷达坐标系中的坐标(x_r，y_r)、所述至少一个障碍物到所述毫米波雷达的距离d和所述至少一个障碍物的方位角θ，所述毫米波雷达位于所述雷达坐标系的原点，所述雷达坐标系的x轴的正方向与所述车辆的行驶方向平行，

所述融合模块，用于：获取所述毫米波雷达和所述视觉传感器的设置参数，所述设置参数包括所述视觉传感器的光轴偏移量、所述雷达坐标系和视觉坐标系的坐标偏移量、所述视觉传感器的焦距和所述视觉传感器距离地面的高度，所述视觉坐标系以所述视觉传感器获取的矩形图像的左上角为原点，所述视觉坐标系的x轴与地面平行；

根据坐标转换公式将每个所述障碍物在所述雷达坐标系中的坐标(x_r，y_r)转换为所述视觉坐标系中的坐标(x_p，y_p)，所述坐标转换公式为：

$\left\{\begin{array}{c}{x}_p=C_x+\frac{-(y_r+L_y)f}{(x_r+L_x)\cos \mathrm{\θ}+H\sin \mathrm{\θ}}\\ y_p=C_y+\frac{[H\cos \mathrm{\θ}-(x_r+L_x)\sin \mathrm{\θ}]f}{(x_r+L_x)\cos \mathrm{\θ}+H\sin \mathrm{\θ}}\end{array}\right.,$

其中，所述C_x和所述C_y为所述视觉传感器的光轴偏移量，所述f为所述视觉传感器的焦距，所述L_x和所述L_y为所述坐标偏移量，所述H为所述视觉传感器距离地面的高度；

以所述(x_p，y_p)为中心确定预设大小的识别框；

根据图像识别技术在所述识别框中识别每个所述障碍物在所述视觉坐标系中的宽度w和高度h；

根据宽高转换公式得到每个所述障碍物的实际宽度R_w和实际高度R_h，所述宽高转换公式为：

$\left\{\begin{array}{c}{R}_w=w\×d_x\×f^{-1}\×d\\ R_h=h\×d_z\×f^{-1}\×d\end{array}\right.,$

其中，所述d_x为所述视觉坐标系中每个单位宽度对应的实际宽度，所述d_z为所述视觉坐标系中每个单位高度对应的实际高度，所述目标参数包括所述R_w和所述R_h。

可选的，所述融合模块，还用于，根据方位角公式获取每个所述障碍物的目标方位角θ_i，所述方位角公式为：

其中，所述M为所述视觉传感器获取的矩形图像的在所述视觉坐标系中的宽度，所述为所述视觉传感器的镜头视场角，所述目标参数包括所述θ_i。

可选的，所述装置还包括：

重合模块，用于在所述车辆周围有至少两个障碍物时，根据去重公式获取所述至少两个障碍物中任意两个障碍物的重合系数dp，所述去重公式为：

$\left\{\begin{array}{c}\mathrm{\Δ\θ}=|{\mathrm{\θ}}_l-{\mathrm{\θ}}_m|\\ \mathrm{dp}=\sqrt{d_l^2+d_m^2-2d_l{d}_m\cos \mathrm{\Δ\θ}}\end{array}\right.,$

其中，所述θ_l和所述θ_m为所述至少两个障碍物中任意两个障碍物的目标方位角，所述d_l为所述θ_l对应的障碍物到所述毫米波雷达的距离，所述d_m为所述θ_m对应的障碍物到所述毫米波雷达的距离；

去重模块，用于当所述dp大于重合阈值时，确定所述θ_l对应的障碍物和所述θ_m对应的障碍物为一个障碍物。

可选的，所述装置，还包括：

指数模块，用于以D-S证据理论分析每个所述障碍物的雷达参数和视觉参数，得到每个所述障碍物的障碍等级，所述障碍等级表征任一所述障碍物实际存在的可信度；

去除模块，用于去除所述至少一个障碍物中障碍等级小于预设等级的障碍物。

本发明提供的技术方案可以包括以下有益效果：

通过将毫米波雷达获取的雷达参数与视觉传感器获取的视觉参数进行融合，并将融合后得到的参数作为障碍物的目标参数，且视觉传感器探测的方位角的准确性较高，解决了相关技术中探测到的障碍物的方位角的准确性较低的问题；达到了使探测到的障碍物的参数的准确性较高的效果。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是本发明各个实施例提供的障碍物探测方法的实施环境示意图；

图2是本发明实施例示出的一种障碍物探测方法的流程图；

图3是本发明实施例示出的另一种障碍物探测方法的流程图；

图4是本发明实施例示出的一种障碍物探测装置的框图；

图5是本发明实施例示出的另一种障碍物探测装置的框图。

通过上述附图，已示出本发明明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本发明构思的范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

图1是本发明各个实施例提供的障碍物探测方法的实施环境示意图，该实施环境可以包括：汽车110，毫米波雷达120和视觉传感器130。

其中，毫米波雷达120的主要参数可以为：数据更新率50毫秒/次(ms/s)，探测距离100米(m)；距离分辨率±0.25m；方位分辨率±0.5度，可以安装于汽车110车头保险杠中心位置，离地面0.5m，安装后调整毫米波雷达120的安装角度，具体调整方法为：在车辆前方20m和30m处分别设置截面宽度为7.8厘米(cm)的方形管作为毫米波雷达120的探测目标，微调毫米波雷达120，改变毫米波雷达120的安装角度，并测量两个方形管的横向距离(与行驶方向垂直的方向上的距离)d1和d2，当|d1-d2|最小时，毫米波雷达120调整完毕。

视觉传感器130可以为高动态方块相机，动态范围大于80分贝(dB)，分辨率720×480，镜头大小8毫米(mm)。视觉传感器130可以安装在后视镜前部，而视觉传感器130的调整方法为：在车前方画出两条平行线，标记出视觉传感器130的光轴所在点，当观察点和光轴点重合时，视觉传感器130调整完毕。在视觉传感器130调整完毕后，可以通过测试获取视觉传感器的各项参数，比如，可以通过张正友相机标定方法，来获取视觉传感器各项参数。

图2是本发明实施例示出的一种障碍物探测方法的流程图，本实施例以该障碍物探测方法应用于图1所示的实施环境中来举例说明。该障碍物探测方法可以包括如下几个步骤：

步骤201，通过毫米波雷达获取位于车辆周围的至少一个障碍物的雷达参数。

步骤202，通过视觉传感器获取至少一个障碍物的视觉参数。

步骤203，分别将每个障碍物的雷达参数和视觉参数融合，将融合后的参数作为目标参数。

综上所述，本发明实施例提供的障碍物探测方法，通过将毫米波雷达获取的雷达参数与视觉传感器获取的视觉参数进行融合，并将融合后得到的参数作为障碍物的目标参数，且视觉传感器探测的方位角的准确性较高，解决了相关技术中探测到的障碍物的方位角的准确性较低的问题；达到了使探测到的障碍物的参数的准确性较高的效果。

图3是本发明实施例示出的另一种障碍物探测方法的流程图，本实施例以该障碍物探测方法应用于图1所示的实施环境中来举例说明。该障碍物探测方法可以包括如下几个步骤：

步骤301，通过毫米波雷达获取位于车辆周围的至少一个障碍物的雷达参数。

在使用本发明实施例提供的障碍物探测方法时，通过毫米波雷达获取位于车辆周围的至少一个障碍物的雷达参数。

其中，毫米波雷达可以在每个更新周期采集64个原始数据帧，每个数据帧都可以包含有障碍物的各种参数。毫米波雷达在获取数据帧时，可以通过控制器局域网络(Controller Area Network，CAN)总线将数据帧存储到存储设备中，待后续使用。

需要说明的是，在使用本发明实施例提供的障碍物探测方法时，可以预先建立雷达坐标系和视觉坐标系，毫米波雷达位于雷达坐标系的原点，雷达坐标系的x轴的正方向与车辆的行驶方向平行；视觉坐标系以视觉传感器获取的矩形图像的左上角为原点，视觉坐标系的x轴与地面平行。

可选的，雷达参数包括：至少一个障碍物在雷达坐标系中的坐标(x_r，y_r)、至少一个障碍物到毫米波雷达的距离d和至少一个障碍物的方位角θ，该方位角θ为毫米波雷达直接测量得到的。

具体的，至少一个障碍物在雷达坐标系中的坐标(x_r，y_r)的获取方法可以为：

当方位角为负时：

$\left\{\begin{array}{c}{x}_r=d\sin \mathrm{\θ}\\ y_r=d\cos \mathrm{\θ}\end{array}\right..$

当方位角为正时：

其中d为该障碍物到毫米波雷达的距离，方位角可以是从雷达坐标系中x_r轴的北端起，顺时针量到障碍物的方向的夹角。

在获取的任意一个障碍物在雷达坐标系中的坐标后，可以检测该障碍物是否位于汽车正前方6m宽，100m长的矩形范围内，如果该障碍物位于该矩形范围内，则保留该障碍物，如果该障碍物不位于该矩形范围内，则去除该障碍物。

优选的，对于保留的目标，可以用卡尔曼滤波连续跟踪目标，并滤除虚警目标，具体可以参考现有技术，本发明实施例不再赘述。

步骤302，通过视觉传感器获取至少一个障碍物的视觉参数。

需要说明的是，步骤302还可以在步骤301之前执行，或者步骤302可以和步骤301同时执行，本发明实施例不作出限制。

步骤303，获取毫米波雷达和视觉传感器的设置参数。

设置参数可以包括视觉传感器的光轴偏移量、雷达坐标系和视觉坐标系的坐标偏移量、视觉传感器的焦距和视觉传感器距离地面的高度。

毫米波雷达和视觉传感器的设置参数也可以是预先获得的，本发明实施例不作出限制。

步骤304，根据坐标转换公式将每个障碍物在雷达坐标系中的坐标(x_r，y_r)转换为视觉坐标系中的坐标(x_p，y_p)。

坐标转换公式可以为：

$\left\{\begin{array}{c}{x}_p=C_x+\frac{-(y_r+L_y)f}{(x_r+L_x)\cos \mathrm{\θ}+H\sin \mathrm{\θ}}\\ y_p=C_y+\frac{[H\cos \mathrm{\θ}-(x_r+L_x)\sin \mathrm{\θ}]f}{(x_r+L_x)\cos \mathrm{\θ}+H\sin \mathrm{\θ}}\end{array}\right..$

其中，C_x和C_y为视觉传感器的光轴偏移量，f为视觉传感器的焦距，L_x和L_y为坐标偏移量，H为视觉传感器距离地面的高度。视觉坐标系可以是像素坐标系，即视觉传感器获取的矩形图像的每一个像素点都可以为视觉坐标系中的一个基本单位。

步骤305，以(x_p，y_p)为中心确定预设大小的识别框。

在获取了障碍物在视觉坐标系中的坐标(x_p，y_p)后，可以在视觉坐标系中以(x_p，y_p)为中心确定预设大小的识别框，预设大小可以为预先测试时能够将各种障碍物都包含的最大的长和宽。

需要说明的是，在本步骤之前，可以首先对雷达参数和视觉参数进行时空配准，减少因时间误差造成的空间误差，增强数据可信性。

步骤306，根据图像识别技术在识别框中识别每个障碍物在视觉坐标系中的宽度w和高度h。

在确定了识别框之后，可以对识别框中的图像利用图像识别技术，车辆检测，行人识别，障碍物识别技术分析该区域是否存在车辆，行人，以及其它影响车辆行驶的障碍物，如果识别框中存在障碍物则获取障碍物在视觉坐标系中的宽度w和高度h。

步骤307，根据宽高转换公式得到每个障碍物的实际宽度R_w和实际高度R_h。

宽高转换公式可以为：

$\left\{\begin{array}{c}{R}_w=w\×d_x\×f^{-1}\×d\\ R_h=h\×d_z\×f^{-1}\×d\end{array}\right..$

其中，d_x为视觉坐标系中每个单位宽度对应的实际宽度，d_z为视觉坐标系中每个单位高度对应的实际高度，d为该障碍物到毫米波雷达的距离，目标参数可以包括R_w和R_h。此步骤结束后，获取了障碍物的实际高度和实际宽度。

步骤308，根据方位角公式获取每个障碍物的目标方位角θ_i。

在步骤304中获取了障碍物在视觉坐标系中的坐标(x_p，y_p)后，可以根据方位角公式获取每个障碍物的目标方位角θ_i。即本步骤可以在步骤304之后的任一时刻执行，本发明实施例不作出限制。

而方位角公式可以为：

其中，M为视觉传感器获取的矩形图像的在视觉坐标系中的宽度，为视觉传感器的镜头视场角，M和均为视觉传感器的设置参数，可以是由步骤303获得。目标参数可以包括θ_i，该目标方位角θ_i为根据毫米波雷达和视觉传感器获取的各种参数综合计算获取的，具有较高的准确性。

步骤309，在车辆周围有至少两个障碍物时，根据去重公式获取至少两个障碍物中任意两个障碍物的重合系数dp。

在车辆周围有至少两个障碍物时，可以根据步骤301中获取的障碍物到毫米波雷达的距离d，以及步骤308中获取的障碍物的目标方位角θ_i之后，可以根据去重公式获取至少两个障碍物中任意两个障碍物的重合系数dp。

去重公式可以为：

$\left\{\begin{array}{c}\mathrm{\Δ\θ}=|{\mathrm{\θ}}_l-{\mathrm{\θ}}_m|\\ \mathrm{dp}=\sqrt{d_l^2+d_m^2-2d_l{d}_m\cos \mathrm{\Δ\θ}}\end{array}\right..$

其中，θ_l和θ_m为至少两个障碍物中任意两个障碍物的目标方位角，d_l为θ_l对应的障碍物到毫米波雷达的距离，d_m为θ_m对应的障碍物到毫米波雷达的距离。

步骤310，当dp大于重合阈值时，确定θ_l对应的障碍物和θ_m对应的障碍物为一个障碍物。

在获取任意两个障碍物的重合系数dp之后，可以检测该重合系数是否大于重合阈值，若dp大于重合阈值，则确定θ_l对应的障碍物和θ_m对应的障碍物为一个障碍物，并删除两个障碍物中任一障碍物的各项参数，若dp小于重合阈值，则保留θ_l对应的障碍物和θ_m对应的障碍物。可以利用该方法将检测到的所有障碍物都进行去重处理。

步骤311，以D-S证据理论分析每个障碍物的雷达参数和视觉参数，得到每个障碍物的障碍等级，障碍等级表征任一障碍物实际存在的可信度。

示例性的，以D-S证据理论分析每个障碍物的雷达参数和视觉参数，得到每个障碍物的障碍等级的过程可以为：

给定毫米波雷达和视觉传感器在同一识别框架下，基于不同证据的置信度函数m₁(k_i)和m₂(t_i)。具体的，以障碍物的各种参数来对障碍物进行评定等级，比如将障碍物分成{O₁,O₂,…,O₁₀}这10级，级数越大代表障碍越大，根据毫米波雷获取的雷达参数中的各种参数(如障碍物距离毫米波雷达的距离，障碍物的方位角等)按照障碍的雷达参数为这10个等级分配概率值，比如障碍物距离毫米波雷达的距离d越小则该障碍物的高级数(如8、9和10级)分配的概率就越大，以此类推，得到毫米波雷达探测到的障碍物在各等级的分布概率值m₁(A_i)，视觉传感器探测到的障碍物在各等级的分布概率值m₂(t_i)。m₁(k_i)和m₂(t_i)可以如表1所示。

表1

C

O1

O2

O3

O4

O5

O6

O7

O8

O9

O10

m1(ki)

k1

k2

k3

k4

k5

k6

k7

k8

k9

k10

m2(ti)

t1

t2

t3

t4

t5

t6

t7

t8

t9

t10

在表1中，k₁至k₁₀代表毫米波雷达探测到的障碍物在{O₁,O₂,…,O₁₀}这10个等级的分布概率值，一个等级的概率值越大，则障碍物为该等级的障碍物的概率也越大。t₁至t₁₀代表视觉传感器探测到的障碍物在{O₁,O₂,…,O₁₀}这10个等级的分布概率值，且k_i和t_i满足：

$\underset{i=1}{\overset{10}{\mathrm{\Σ}}}{k}_i=1,\underset{i=1}{\overset{10}{\mathrm{\Σ}}}{t}_i=1.$

则根据D-S证据理论可以将m₁(k_i)和m₂(t_i)进行融合并得到障碍物目标指数m(C)。m(C)满足障碍物目标指数公式。

障碍物目标指数公式可以为：

$m\left(C\right)=\frac{\underset{k_i\∩t_j=C}{\mathrm{\Σ}}{m}_1\left(k_i\right)m_2\left(t_j\right)}{1-\underset{k_i\∩t_j=\mathrm{\Φ}}{\mathrm{\Σ}}{m}_1\left(k_i\right)m_2\left(t_j\right)}.$

其中C为{O₁,O₂,…,O₁₀}这10个等级中的任一等级。由障碍物目标指数公式能够得到障碍物在各个等级的障碍物目标指数。可以将障碍物目标指数最大的等级认为是该障碍物的障碍等级。

比如m(O₁₀)最大，则障碍物的障碍等级为10，以此类推。

示例性的，一个障碍物在各个等级的概率分布可以如表2中所示。

表2

C	O1	O2	O3	O4	O5	O6	O7	O8	O9	O10
											m1(ki)	0	0	0	0	0	0	0	0	0.2	0.8
m2(ti)	0	0	0	0	0	0	0	0.1	0.1	0.8

在表2中各个参数值代表的含义与表1相同，在此不再赘述。

通过障碍物目标指数公式可得表2中m₁(k_i)和m₂(t_i)融合后的障碍物目标指数中最大的为：

即该障碍物的障碍等级为10.

步骤312，去除至少一个障碍物中障碍等级小于预设等级的障碍物。

在获取各个障碍物的障碍等级后，可以将障碍等级小于预设等级的障碍物当成虚警目标去除。比如预设等级为7，则可以将障碍等级小于7级的障碍物去除。

需要补充说明的是，本发明实施例提供的障碍物探测方法，通过对多个障碍物进行去重处理，达到了提高获取的障碍物的目标参数的可靠性的效果。

需要补充说明的是，本发明实施例提供的障碍物探测方法，通过D-S证据理论以毫米波雷达和视觉传感器获取的障碍物参数获取障碍等级，并根据障碍等级来去除可信度较低的障碍物，达到了提高获取的障碍物的目标参数的可信度的效果。

综上所述，本发明实施例提供的障碍物探测方法，通过将毫米波雷达获取的雷达参数与视觉传感器获取的视觉参数进行融合，并将融合后得到的参数作为障碍物的目标参数，且视觉传感器探测的方位角的准确性较高，解决了相关技术中探测到的障碍物的方位角的准确性较低的问题；达到了使探测到的障碍物的参数的准确性较高的效果。

下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。

图4是本发明实施例示出的一种障碍物探测装置的框图。该障碍物探测装置可以包括：雷达模块410，视觉模块420和融合模块430。

雷达模块410，用于通过毫米波雷达获取位于车辆周围的至少一个障碍物的雷达参数。

视觉模块420，用于通过视觉传感器获取至少一个障碍物的视觉参数。

融合模块430，用于分别将每个障碍物的雷达参数和视觉参数融合，将融合后的参数作为目标参数。

综上所述，本发明实施例提供的障碍物探测装置，通过将毫米波雷达获取的雷达参数与视觉传感器获取的视觉参数进行融合，并将融合后得到的参数作为障碍物的目标参数，且视觉传感器探测的方位角的准确性较高，解决了相关技术中探测到的障碍物的方位角的准确性较低的问题；达到了使探测到的障碍物的参数的准确性较高的效果。

图5是根据一示例性实施例示出的一种障碍物探测装置的框图。该障碍物探测装置可以包括：雷达模块410，视觉模块420和融合模块430。

雷达模块410，用于通过毫米波雷达获取位于车辆周围的至少一个障碍物的雷达参数。

视觉模块420，用于通过视觉传感器获取至少一个障碍物的视觉参数。

融合模块430，用于分别将每个障碍物的雷达参数和视觉参数融合，将融合后的参数作为目标参数。

可选的，雷达参数包括：至少一个障碍物在雷达坐标系中的坐标(x_r，y_r)、至少一个障碍物到毫米波雷达的距离d和至少一个障碍物的方位角θ，毫米波雷达位于雷达坐标系的原点，雷达坐标系的x轴的正方向与车辆的行驶方向平行，

融合模块430，用于：获取毫米波雷达和视觉传感器的设置参数，设置参数包括视觉传感器的光轴偏移量、雷达坐标系和视觉坐标系的坐标偏移量、视觉传感器的焦距和视觉传感器距离地面的高度，视觉坐标系以视觉传感器获取的矩形图像的左上角为原点，视觉坐标系的x轴与地面平行；根据坐标转换公式将每个障碍物在雷达坐标系中的坐标(x_r，y_r)转换为视觉坐标系中的坐标(x_p，y_p)，坐标转换公式为：

$\left\{\begin{array}{c}{x}_p=C_x+\frac{-(y_r+L_y)f}{(x_r+L_x)\cos \mathrm{\θ}+H\sin \mathrm{\θ}}\\ y_p=C_y+\frac{[H\cos \mathrm{\θ}-(x_r+L_x)\sin \mathrm{\θ}]f}{(x_r+L_x)\cos \mathrm{\θ}+H\sin \mathrm{\θ}}\end{array}\right..$

其中，C_x和C_y为视觉传感器的光轴偏移量，f为视觉传感器的焦距，L_x和L_y为坐标偏移量，H为视觉传感器距离地面的高度；以(x_p，y_p)为中心确定预设大小的识别框；根据图像识别技术在识别框中识别每个障碍物在视觉坐标系中的宽度w和高度h；根据宽高转换公式得到每个障碍物的实际宽度R_w和实际高度R_h，宽高转换公式为：

$\left\{\begin{array}{c}{R}_w=w\×d_x\×f^{-1}\×d\\ R_h=h\×d_z\×f^{-1}\×d\end{array}\right..$

其中，d_x为视觉坐标系中每个单位宽度对应的实际宽度，d_z为视觉坐标系中每个单位高度对应的实际高度，目标参数包括R_w和R_h。

可选的，融合模块430，还用于，根据方位角公式获取每个障碍物的目标方位角θ_i，方位角公式为：

其中，M为视觉传感器获取的矩形图像的在视觉坐标系中的宽度，为视觉传感器的镜头视场角，目标参数包括θ_i。

可选的，该装置还包括：

重合模块440，用于在车辆周围有至少两个障碍物时，根据去重公式获取至少两个障碍物中任意两个障碍物的重合系数dp，去重公式为：

$\left\{\begin{array}{c}\mathrm{\Δ\θ}=|{\mathrm{\θ}}_l-{\mathrm{\θ}}_m|\\ \mathrm{dp}=\sqrt{d_l^2+d_m^2-2d_l{d}_m\cos \mathrm{\Δ\θ}}\end{array}\right..$

其中，θ_l和θ_m为至少两个障碍物中任意两个障碍物的目标方位角，d_l为θ_l对应的障碍物到毫米波雷达的距离，d_m为θ_m对应的障碍物到毫米波雷达的距离。

去重模块450，用于当dp大于重合阈值时，确定θ_l对应的障碍物和θ_m对应的障碍物为一个障碍物。

可选的，该装置，还包括：

指数模块460，用于以D-S证据理论分析每个障碍物的雷达参数和视觉参数，得到每个障碍物的障碍等级，障碍等级表征任一障碍物实际存在的可信度。

去除模块470，用于去除至少一个障碍物中障碍等级小于预设等级的障碍物。

需要补充说明的是，本发明实施例提供的障碍物探测装置，通过对多个障碍物进行去重处理，达到了提高获取的障碍物的目标参数的可靠性的效果。

需要补充说明的是，本发明实施例提供的障碍物探测装置，通过D-S证据理论以毫米波雷达和视觉传感器获取的障碍物参数获取障碍等级，并根据障碍等级来去除可信度较低的障碍物，达到了提高获取的障碍物的目标参数的可信度的效果。

综上所述，本发明实施例提供的障碍物探测装置，通过将毫米波雷达获取的雷达参数与视觉传感器获取的视觉参数进行融合，并将融合后得到的参数作为障碍物的目标参数，且视觉传感器探测的方位角的准确性较高，解决了相关技术中探测到的障碍物的方位角的准确性较低的问题；达到了使探测到的障碍物的参数的准确性较高的效果。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种障碍物探测方法，其特征在于，所述方法包括：

通过毫米波雷达获取位于车辆周围的至少一个障碍物的雷达参数；

通过视觉传感器获取所述至少一个障碍物的视觉参数；

分别将每个所述障碍物的雷达参数和所述视觉参数融合，将融合后的参数作为目标参数。

2.根据权利要求1所述的方法，其特征在于，所述雷达参数包括：所述至少一个障碍物在雷达坐标系中的坐标(x_r，y_r)、所述至少一个障碍物到所述毫米波雷达的距离d和所述至少一个障碍物的方位角θ，所述毫米波雷达位于所述雷达坐标系的原点，所述雷达坐标系的x轴的正方向与所述车辆的行驶方向平行，

所述分别将每个所述障碍物的雷达参数和所述视觉参数融合，将融合后的参数作为目标参数，包括：

获取所述毫米波雷达和所述视觉传感器的设置参数，所述设置参数包括所述视觉传感器的光轴偏移量、所述雷达坐标系和视觉坐标系的坐标偏移量、所述视觉传感器的焦距和所述视觉传感器距离地面的高度，所述视觉坐标系以所述视觉传感器获取的矩形图像的左上角为原点，所述视觉坐标系的x轴与地面平行；

根据坐标转换公式将每个所述障碍物在所述雷达坐标系中的坐标(x_r，y_r)转换为所述视觉坐标系中的坐标(x_p，y_p)，所述坐标转换公式为：

$\left\{\begin{array}{c}{x}_p=C_x+\frac{-(y_r+L_y)f}{(x_r+L_x)\cos \mathrm{\θ}+H\sin \mathrm{\θ}}\\ y_p=C_y+\frac{[H\cos \mathrm{\θ}-(x_r+L_x)\sin \mathrm{\θ}]f}{(x_r+L_x)\cos \mathrm{\θ}+H\sin \mathrm{\θ}}\end{array}\right.,$

其中，所述C_x和所述C_y为所述视觉传感器的光轴偏移量，所述f为所述视觉传感器的焦距，所述L_x和所述L_y为所述坐标偏移量，所述H为所述视觉传感器距离地面的高度；

以所述(x_p，y_p)为中心确定预设大小的识别框；

根据图像识别技术在所述识别框中识别每个所述障碍物在所述视觉坐标系中的宽度w和高度h；

根据宽高转换公式得到每个所述障碍物的实际宽度R_w和实际高度R_h，所述宽高转换公式为：

$\left\{\begin{array}{c}{R}_w=w\×d_x\×f^{-1}\×d\\ R_h=h\×d_z\×f^{-1}\×d\end{array}\right.,$

其中，所述d_x为所述视觉坐标系中每个单位宽度对应的实际宽度，所述d_z为所述视觉坐标系中每个单位高度对应的实际高度，所述目标参数包括所述R_w和所述R_h。

3.根据权利要求2所述的方法，其特征在于，所述分别将每个所述障碍物的雷达参数和所述视觉参数融合，将融合后的参数作为目标参数，还包括：

根据方位角公式获取每个所述障碍物的目标方位角θ_i，所述方位角公式为：

其中，所述M为所述视觉传感器获取的矩形图像的在所述视觉坐标系中的宽度，所述为所述视觉传感器的镜头视场角，所述目标参数包括所述θ_i。

4.根据权利要求3所述的方法，其特征在于，所述分别将每个所述障碍物的雷达参数和所述视觉参数融合，将融合后的参数作为目标参数之后，所述方法还包括：

在所述车辆周围有至少两个障碍物时，根据去重公式获取所述至少两个障碍物中任意两个障碍物的重合系数dp，所述去重公式为：

$\left\{\begin{array}{c}\mathrm{\Δ\θ}=|{\mathrm{\θ}}_l-{\mathrm{\θ}}_m|\\ \mathrm{dp}=\sqrt{d_l^2+d_m^2-2d_l{d}_m\cos \mathrm{\Δ\θ}}\end{array}\right.,$

其中，所述θ_l和所述θ_m为所述至少两个障碍物中任意两个障碍物的目标方位角，所述d_l为所述θ_l对应的障碍物到所述毫米波雷达的距离，所述d_m为所述θ_m对应的障碍物到所述毫米波雷达的距离；

当所述dp大于重合阈值时，确定所述θ_l对应的障碍物和所述θ_m对应的障碍物为一个障碍物。

5.根据权利要求1至4任一所述的方法，其特征在于，所述通过视觉传感器获取所述至少一个障碍物的视觉参数之后，还包括：

以D-S证据理论分析每个所述障碍物的雷达参数和视觉参数，得到每个所述障碍物的障碍等级，所述障碍等级表征任一所述障碍物实际存在的可信度；

去除所述至少一个障碍物中障碍等级小于预设等级的障碍物。

6.一种障碍物探测装置，其特征在于，所述装置包括：

雷达模块，用于通过毫米波雷达获取位于车辆周围的至少一个障碍物的雷达参数；

视觉模块，用于通过视觉传感器获取所述至少一个障碍物的视觉参数；

融合模块，用于分别将每个所述障碍物的雷达参数和所述视觉参数融合，将融合后的参数作为目标参数。

7.根据权利要求6所述的装置，其特征在于，所述雷达参数包括：所述至少一个障碍物在雷达坐标系中的坐标(x_r，y_r)、所述至少一个障碍物到所述毫米波雷达的距离d和所述至少一个障碍物的方位角θ，所述毫米波雷达位于所述雷达坐标系的原点，所述雷达坐标系的x轴的正方向与所述车辆的行驶方向平行，

所述融合模块，用于：获取所述毫米波雷达和所述视觉传感器的设置参数，所述设置参数包括所述视觉传感器的光轴偏移量、所述雷达坐标系和视觉坐标系的坐标偏移量、所述视觉传感器的焦距和所述视觉传感器距离地面的高度，所述视觉坐标系以所述视觉传感器获取的矩形图像的左上角为原点，所述视觉坐标系的x轴与地面平行；

根据坐标转换公式将每个所述障碍物在所述雷达坐标系中的坐标(x_r，y_r)转换为所述视觉坐标系中的坐标(x_p，y_p)，所述坐标转换公式为：

$\left\{\begin{array}{c}{x}_p=C_x+\frac{-(y_r+L_y)f}{(x_r+L_x)\cos \mathrm{\θ}+H\sin \mathrm{\θ}}\\ y_p=C_y+\frac{[H\cos \mathrm{\θ}-(x_r+L_x)\sin \mathrm{\θ}]f}{(x_r+L_x)\cos \mathrm{\θ}+H\sin \mathrm{\θ}}\end{array}\right.,$

其中，所述C_x和所述C_y为所述视觉传感器的光轴偏移量，所述f为所述视觉传感器的焦距，所述L_x和所述L_y为所述坐标偏移量，所述H为所述视觉传感器距离地面的高度；

以所述(x_p，y_p)为中心确定预设大小的识别框；

根据图像识别技术在所述识别框中识别每个所述障碍物在所述视觉坐标系中的宽度w和高度h；

根据宽高转换公式得到每个所述障碍物的实际宽度R_w和实际高度R_h，所述宽高转换公式为：

$\left\{\begin{array}{c}{R}_w=w\×d_x\×f^{-1}\×d\\ R_h=h\×d_z\×f^{-1}\×d\end{array}\right.,$

其中，所述d_x为所述视觉坐标系中每个单位宽度对应的实际宽度，所述d_z为所述视觉坐标系中每个单位高度对应的实际高度，所述目标参数包括所述R_w和所述R_h。

8.根据权利要求7所述的装置，其特征在于，所述融合模块，还用于根据方位角公式获取每个所述障碍物的目标方位角θ_i，所述方位角公式为：

其中，所述M为所述视觉传感器获取的矩形图像的在所述视觉坐标系中的宽度，所述为所述视觉传感器的镜头视场角，所述目标参数包括所述θ_i。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：

重合模块，用于在所述车辆周围有至少两个障碍物时，根据去重公式获取所述至少两个障碍物中任意两个障碍物的重合系数dp，所述去重公式为：

$\left\{\begin{array}{c}\mathrm{\Δ\θ}=|{\mathrm{\θ}}_l-{\mathrm{\θ}}_m|\\ \mathrm{dp}=\sqrt{d_l^2+d_m^2-2d_l{d}_m\cos \mathrm{\Δ\θ}}\end{array}\right.,$

其中，所述θ_l和所述θ_m为所述至少两个障碍物中任意两个障碍物的目标方位角，所述d_l为所述θ_l对应的障碍物到所述毫米波雷达的距离，所述d_m为所述θ_m对应的障碍物到所述毫米波雷达的距离；

去重模块，用于当所述dp大于重合阈值时，确定所述θ_l对应的障碍物和所述θ_m对应的障碍物为一个障碍物。

10.根据权利要求6至9任一所述的装置，其特征在于，所述装置还包括：

指数模块，用于以D-S证据理论分析每个所述障碍物的雷达参数和视觉参数，得到每个所述障碍物的障碍等级，所述障碍等级表征任一所述障碍物实际存在的可信度；

去除模块，用于去除所述至少一个障碍物中障碍等级小于预设等级的障碍物。