CN110187410B - 一种自动驾驶中的人体检测装置及方法 - Google Patents

Abstract

本发明涉及一种自动驾驶中的人体检测装置及方法，属于自动驾驶领域。该装置包括超声波发射与接收模块，热释电信号接收处理模块及信号融合处理模块，超声波发射与接收模块发射超声波信号，并接收返回信号，按时序对返回信号进行滤波处理，并计算人体检测装置与目标的距离，并形成能量与距离的映射表。热释电信号接收处理模块对采集热释电信号进行高斯滤波，再经傅里叶变换及矩阵化处理，并通过svm算法对热释电信号分类；信号融合处理模块用于将热释电信号的分类数据与超声波映射表数据融合，格式转换后，判断是否存在人体，并输出人体距离。通过该方案可以简单准确的检测到车辆周围人体的存在，且能降低检测成本。

Description

一种自动驾驶中的人体检测装置及方法

技术领域

本发明涉及自动驾驶领域，尤其涉及一种自动驾驶中的人体检测装置及方法。

背景技术

在自动驾驶领域，为保证车辆的行驶安全，需要实时获取车辆周边的环境，对于车辆周围的物体检测是自动驾驶车辆必须具备的功能，但在实际行驶的道路上常常会出现人，自动驾驶中要保障行人的安全，就需要提前准确的检测到人体及具体位置，以利于车辆正常规避。

目前，常见的人体检测设备或方法有借助摄像头或红外传感器来检测是否有人体存在，视频摄像头由于只能白天工作，使用范围有限，而利用红外设备测距，算法复杂度过高，使用多台红外设备测距，又会增加成本。

故，有必要提出一种高效简单，可全天候工作的人体检测装置。

发明内容

有鉴于此，本发明实施例提供了一种自动驾驶中的人体检测装置及方法，可以简单准确的检测到自动驾驶中人体存在，且能降低成本。

在本发明实施例的第一方面，提供了一种自动驾驶中的人体检测装置，包括超声波发射与接收模块，热释电信号接收处理模块及信号融合处理模块；

其中，所述超声波发射与接收模块通过超声波发射电路发射超声波信号，并由接收电路接收返回信号，当所述接收电路接收到返回信号后，按时序对所述返回信号进行高斯滤波处理，并根据发射信号与返回信号的时间差，计算所述自动驾驶中的人体检测装置与目标的距离，并形成能量与距离的映射表。

热释电信号接收处理模块通过热释电传感器按时序实时采集人体热释电信号，对所述热释电信号进行高斯滤波，再分别对滤波后的热释电信号进行傅里叶变换及矩阵化处理，并通过svm算法对热释电信号分类；

信号融合处理模块用于将热释电信号的分类数据与超声波映射表数据进行融合形成融合矩阵，通过微处理器转换融合矩阵的数据格式后，判断是否存在人体，并输出人体距离。

在本发明实施例的第二方面，提供了一种自动驾驶中的人体检测方法，包括：

S1、同步通过超声波传感器电路及热释电传感器电路采集自动驾驶车辆周围障碍物信号数据，所述超声波传感器电路由超声波发射与接收电路组成；

S2、分别对超声波传感器电路及热释电传感器电路采集到的障碍物信号数据进行高斯滤波处理后，利用窗口算法收集固定时间序列的障碍物信号数据；

S3、根据超声波传感器电路采集的信号数据的时间差，标定超声波传感器电路采集的信号数据，形成信号数据的能量与距离对应映射表；

S4、对热释电传感器电路采集的信号数据进行傅里叶变换及矩阵化处理

S5、利用svm算法热释电传感器电路采集的信号数据进行二分类训练，设定正样本为人体红外信息，负样本为非人体信息，得到训练模型；

S6、将热释电传感器电路实时采集的信号数据通过所述训练模型分类后，融合分类数据与映射表数据，并将融合数据输入到微处理器进行格式转换；

S7、根据格式转换后的融合数据，判断是否存在人体，当存在人体时，获取人体距离。

本发明实施例中，分别通过超声波发射与接收模块，热释电信号接收处理模块采集自动驾驶车辆周围的障碍物信号，再对超声波信号处理获取障碍物距离及能量与距离的映射表，对热释电信号处理及二分类训练得到训练模型，基于信号融合处理模块融合分类数据与映射表数据，判断障碍物是否为人体及人体距离。基于本发明提供的装置可以简单快速的检测自动驾驶车辆周围是否存在人体及人体距离，且硬件成本大大降低，同时，采用热释电传感器可以实现全天候人体检测，结合对超声波信号处理，可以同步获取人体距离，为自动驾驶车辆提供准确的数据参考。

附图说明

图1为本发明实施例一提供的一种自动驾驶中的人体检测装置的结构示意图；

图2为本发明实施例二提供的一种自动驾驶中的人体检测装置的另一结构示意图；

图3为本发明实施例三提供的一种自动驾驶中的人体检测方法的流程示意图。

具体实施方式

本发明实施例提供了一种自动驾驶中的人体检测装置及方法，用于检测自动驾驶车辆周围是否存在人体及人体距离，保障车辆安全行驶。

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例一：

请参阅图1，本发明实施例提供的自动驾驶中的人体检测装置的结构示意图，包括超声波发射与接收模块110，热释电信号接收处理模块120及信号融合处理模块130：

超声波发射与接收模块110，用于通过超声波发射电路发射超声波信号，并由接收电路接收返回信号，当所述接收电路接收到返回信号后，按时序对所述返回信号进行高斯滤波处理，并根据发射信号与返回信号的时间差，计算所述自动驾驶中的人体检测装置与目标的距离，并形成能量与距离的映射表。

所述超声波发射电路用于发射超声波，所述接收电路用于接收超声波遇到障碍物时产生的反射信号，根据声波在空气中传播速度、发射与接收信号的时间差、发射与接收探头距离等可以求取障碍物距离。由于超声波的能量消耗较缓慢，穿透性强，且测距的方法简单，成本低等特点，本实施例中可以保证短距离测量精度的同时，简化人体测距。

所述映射表用于表示超声波能量与距离的对应关系，通过对超声波数据标定计算可以得到超声波能量、障碍物距离间的关系。

示例性的，所述超声波发射电路由超声波产生电路和超声波发射电路组成，利用单片机的端口发射40KHz的方波信号分成两路，一路经一级74LS04反向放大后送到超声波换能器的一个电极，另一路经两级74LS04反向放大后送到超声波换能器的另一个电极，从而构成推拉式反向放大。

所述超声波接收电路包括超声波接收探头、信号发达电路及波形变换电路，采用CSB40R压电式超声波传感器，经过放大电路进行信号放大。

热释电信号接收处理模块120，用于通过热释电传感器按时序实时采集人体热释电信号，对所述热释电信号进行高斯滤波，再分别对滤波后的热释电信号进行傅里叶变换及矩阵化处理，并通过svm算法对热释电信号分类；

所述热释电传感器，即热释电红外传感器，所述传感器在一定距离能够接受人体辐射信号，产生电信号。基于热释电传感器成本低、功耗小等特点，可以降低人体检测陈本。

所述svm(支持向量机)算法是一种以监督学习方式对数据进行二元分类的线性分类器，通过对原始分类器训练，可以区分热释电信号中的人体信息与非人体信息，其中，所述热释电信号为经过傅里叶变换及矩阵化处理的热释电信号。

信号融合处理模块130，用于将热释电信号的分类数据与超声波映射表数据进行融合形成融合矩阵，通过微处理器转换融合矩阵的数据格式后，判断是否存在人体，并输出人体距离。

所述热释电信号的分类数据为经过svm算法对热释电信号进行二元分类后形成正样本为人体信息，负样本为非人体信息的分类数据。

示例性的，在本发明实施例中，数据融合处理电路可采用STM32F103VCT6芯片进行数据处理，并由一个LDO稳压芯片ASM1117-3.3单独给STM32F103VCT6芯片供电，在芯片的各电源输入脚均加上滤波电容，并放置在引脚最近处以达到最佳的滤波效果。供电输入端并接的二极管起反接保护作用，可避免反接对电路板正常工作造成的影响。芯片有2个时钟引脚，一个接8MHz晶振经内部PLL倍频到72MHZ作为系统主时钟，另一晶振为32.768kHz，即系统辅助时钟。设置有两个按键，RSRET键作为系统复位之用，WKUP可根据程序需要作为其他功能使用。

可选的，所述信号融合处理130模块还包括：

报警模块，用于通过声光电报警电路接收格式转换后的融合矩阵数据，并根据格式转换后的融合矩阵数据，检测判断是否存在障碍物及障碍物是否为人体，当检测到障碍物且障碍物为非人体，则生成第一报警提示，当检测到障碍物且为人体时，则生成第二报警提示。所述第一、第二报警提示可以由不同的声音或警示灯产生警示效果。

优选的，所述信号融合处理模块130还包括：

将人体检测结果输入到车辆决策模块，记录每一次决策结果，根据人体检测结果及决策结果，对自动驾驶车辆进行迭代学习控制。

本实施例提供的装置安装有热释电传感器和超声波雷达传感器，这两类传感器输出的数据为一维数据，感应范围和感应距离差异性较小，易于进行数据融合，根据融合后的结果可以快速形成决策，实现对人体准确高效检测，并能全天候工作，同时具有成本低，受环境干扰小、测量结果方法简单可靠的特点。

实施例二：

图2为本发明实施例二提供的自动驾驶中人体检测装置的另一结构示意图，在实施例一的基础上，对信号融合处理模块130进行详细描述：

所述融合处理超声波发射与接收模块110、热释电信号接收处理模块120产生的超声波数据及热释电数据，具体的，将超声波数据201和热释电信号数据202输入到信号融合处理模块130，其中，所述超声波数据201可包括超声波发射、回波数据，及计算得到障碍物距离等数据，以及标定形成的映射表数据，所述热释电信号数据可包括经过傅里叶变化及矩阵化处理的热释电信号，以及经过二分类训练形成的人体信息分类模型数据。

在融合模块1301中将超声波数据201及热释电信号数据202分别矩阵化表示后，结合形成融合矩阵。具体的，将映射表数据及热释电信号分类数据矩阵表示后，融合到同一矩阵中，通过该矩阵可以反映障碍物是否为人体，及对应人体距离。

在转换模块1302中通过微处理转换融合数据，所述转换模块1302可以将所述融合数据转换成预定格式，便于自动驾驶车辆中的光电模块读取，以生成决策。

在报警模块1303中通过声光电报警电路接收格式转换后的融合矩阵数据，并检测判断是否存在障碍物及障碍物是否为人体，当检测到障碍物且障碍物为非人体，则生成第一报警提示，当检测到障碍物且为人体时，则生成第二报警提示。

示例性的，采用声光电报警电路，在有障碍物时(非人体)为A型声音报警，如果障碍物为人体目标则为B型声音报警。

可选的，将目标数据的分类结果和对车的控制结果，存如相关数据库，并形成历史过程数据，以便自动驾驶车辆进行迭代学习。

在本实施例中，通过将热释电分类数据及超声波数据融合，可以简单快速识别判断是否有人体及人体距离。

实施例三：

图3为本发明实施例三提供的自动驾驶中人体检测方法的流程示意图，包括：

S1、同步通过超声波传感器电路及热释电传感器电路采集自动驾驶车辆周围障碍物信号数据，所述超声波传感器电路由超声波发射与接收电路组成；

S2、分别对超声波传感器电路及热释电传感器电路采集到的障碍物信号数据进行高斯滤波处理后，利用窗口算法收集固定时间序列的障碍物信号数据；

S3、根据超声波传感器电路采集的信号数据的时间差，标定超声波传感器电路采集的信号数据，形成信号数据的能量与距离对应映射表；

S4、对热释电传感器电路采集的信号数据进行傅里叶变换及矩阵化处理；

S5、利用svm算法热释电传感器电路采集的信号数据进行二分类训练，设定正样本为人体红外信息，负样本为非人体信息，得到训练模型；

S6、将热释电传感器电路实时采集的信号数据通过所述训练模型分类后，融合分类数据与映射表数据，并将融合数据输入到微处理器进行格式转换；

当获取到障碍物的热释电数据后，利用二分训练模型，进行分类，并将超声波雷达的映射数据和分类数据进行融合，送入微处理器的数据转换模块转换为，声光电模块所需要的数据格式。

S7、根据格式转换后的融合数据，判断是否存在人体，当存在人体时，获取人体距离。

可选的，所述步骤S7还包括：

通过声光电报警电路接收格式转换后的融合矩阵数据，检测判断是否存在障碍物及障碍物是否为人体，当检测到障碍物且障碍物为非人体，则生成第一报警提示，当检测到障碍物且为人体时，则生成第二报警提示。

优选的，所述步骤S7还包括：

S8、将人体检测结果输入到车辆决策模块，记录每一次车辆决策模块生成的决策结果，根据所述人体检测结果及所述决策结果，对自动驾驶车辆进行迭代学习控制。

本实施例方法中，分别通过对超声波获取障碍物距离，通过热释电传感器获取检测是否有人体存在，可以实现人体检测及测距，在降低陈本的同时可以保障检测的准确，实现全天候正常工作。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (4)

1.一种自动驾驶中的人体检测装置，其特征在于，包括超声波发射与接收模块，热释电信号接收处理模块及信号融合处理模块；

其中，所述超声波发射与接收模块通过超声波发射电路发射超声波信号，并由接收电路接收返回信号，当所述接收电路接收到返回信号后，按时序对所述返回信号进行高斯滤波处理，并根据发射信号与返回信号的时间差，计算所述自动驾驶中的人体检测装置与目标的距离，形成能量与距离的映射表；

热释电信号接收处理模块通过热释电传感器按时序实时采集人体热释电信号，对所述热释电信号进行高斯滤波，再分别对滤波后的热释电信号进行傅里叶变换及矩阵化处理，并通过svm算法对热释电信号分类；

信号融合处理模块用于将热释电信号的分类数据与超声波映射表数据进行融合形成融合矩阵，通过微处理器转换融合矩阵的数据格式后，判断是否存在人体，并输出人体距离；

其中，所述信号融合处理模块还包括：

将人体检测结果输入到车辆决策模块，记录每一次决策结果；

根据人体检测结果及决策结果，对自动驾驶车辆进行迭代学习控制。

2.根据权利要求1所述的装置，其特征在于，所述信号融合处理模块还包括：

报警模块，用于通过声光电报警电路接收格式转换后的融合矩阵数据，并根据格式转换后的融合矩阵数据，检测判断是否存在障碍物及障碍物是否为人体，当检测到障碍物且障碍物为非人体，则生成第一报警提示，当检测到障碍物且为人体时，则生成第二报警提示。

3.一种自动驾驶中的人体检测方法，其特征在于，包括：

S1、同步通过超声波传感器电路及热释电传感器电路采集自动驾驶车辆周围障碍物信号数据，所述超声波传感器电路由超声波发射与接收电路组成；

S2、分别对超声波传感器电路及热释电传感器电路采集到的障碍物信号数据进行高斯滤波处理后，利用窗口算法收集固定时间序列的障碍物信号数据；

S3、根据超声波传感器电路采集的信号数据的时间差，标定超声波传感器电路采集的信号数据，形成信号数据的能量与距离对应映射表；

S4、对热释电传感器电路采集的信号数据进行傅里叶变换及矩阵化处理；

S5、利用svm算法热释电传感器电路采集的信号数据进行二分类训练，设定正样本为人体红外信息，负样本为非人体信息，得到训练模型；

S6、将热释电传感器电路实时采集的信号数据通过所述训练模型分类后，融合分类数据与映射表数据，并将融合数据输入到微处理器进行格式转换；

S7、根据格式转换后的融合数据，判断是否存在人体，当存在人体时，获取人体距离；

其中，所述步骤S7还包括：

S8、将人体检测结果输入到车辆决策模块，记录每一次车辆决策模块生成的决策结果，根据所述人体检测结果及所述决策结果，对自动驾驶车辆进行迭代学习控制。

4.根据权利要求3所述的方法，其特征在于，所述步骤S7还包括：

通过声光电报警电路接收格式转换后的融合矩阵数据，根据格式转换后的融合矩阵数据，检测判断是否存在障碍物及障碍物是否为人体，当检测到障碍物且障碍物为非人体，则生成第一报警提示，当检测到障碍物且为人体时，则生成第二报警提示。

Images