基于激光雷達和雙目相機的車前行人檢測方法及系統(tǒng)的制作方法
【技術領域】
[0001] 本發(fā)明屬于汽車安全駕駛領域，具體涉及了立體視覺技術和遙感技術，是融合激 光雷達和雙目相機的信息進行車輛前方行人檢測的裝置與方法。
【背景技術】
[0002] 我國經濟的快速發(fā)展，人民生活水平的不斷提高，交通運輸業(yè)和汽車工業(yè)的高速 發(fā)展，都促使了我國機動車輛保有量的不斷攀升。到2013年底，我國汽車保有量高達1. 37 億輛，車輛碰撞事故頻發(fā)。復雜的交通環(huán)境下，如何在車輛行駛過程中保證行人安全以及車 輛和駕駛員的安全顯得尤為重要。但是，當駕駛員疲勞駕駛或者一時疏忽，甚至有的駕駛員 身處危險狀況下，因心理承受壓力大而不能冷靜判斷，短時間內難以做出正確決策而錯失 了最佳避讓行人的時機。因此，需要一種能夠自動且精確檢測車輛前方行人的裝置和方法， 輔助駕駛員安全駕駛汽車。
[0003] 已有的車輛前方行人檢測裝置，大多是基于單目相機，但是視覺信息受環(huán)境因素 影響較大，如下雨、霧霾；也有部分采用雷達信息來檢測行人，但是雷達信息量有限，不能單 獨用來做行人檢測裝置；針對單一傳感器無法滿足信息感知完整性和可靠性的問題，出現 了融合多傳感器的行人檢測方法，但在算法設計及硬件設計上不盡相同，且檢測效果不夠 精確。

【發(fā)明內容】

[0004] 針對上述現有技術中存在的缺陷與不足，本發(fā)明的目的在于，提供一種基于激光 雷達和雙目相機的車前行人檢測方法。
[0005] 為了實現上述目的，本發(fā)明采用如下技術方案予以解決：
[0006] 一種基于激光雷達和雙目相機的車前行人檢測方法，具體包括以下步驟：
[0007] 步驟1，利用三臺激光雷達和一臺雙目相機采集車輛前方數據；
[0008] 步驟2,分別對激光雷達和雙目相機采集的數據進行處理，得到行人相對于車輛的 距離、方位角及速度值；具體包括以下步驟：
[0009] 步驟21，根據激光雷達采集的數據，進行疑似行人目標的確定及行人距離、方位角 和速度的計算；
[0010] 步驟22,將三個激光雷達分別與雙目相機進行標定，使得每個激光雷達確定的疑 似行人目標分別映射到雙目相機采集的左、右圖像中；
[0011] 步驟23、采用SURF算法分別對左、右圖像進行處理，得到左、右圖像中每個疑似行 人目標的特征點，并得到每個特征點對應的特征向量；
[0012] 步驟24、根據得到的每個特征點對應的特征向量，基于SURF特征的AdaBoost級聯 分類器檢測圖像中的行人并標記；
[0013] 步驟25、利用雙目相機采集的圖像數據計算得到行人相對于車輛的距離、方位角 及速度值。
[0014] 進一步的，所述步驟21具體包括如下步驟：
[0015] (1)采用K均值聚類法對激光雷達每幀中的1081個數據點進行聚類，得到多個疑 似行人點簇，疑似行人點簇為激光雷達視野范圍內所有障礙物；將疑似行人點簇與行人的 物理特征結合確定疑似行人目標；每個疑似行人點簇用式（3)表示：
[0016] {(xi； | i = 1, 2, . . . ,m} ⑶
[0017]其中，i為每幀中疑似行人點簇的個數；xp 簇中心的坐標；ri為簇中心點 (Xi，yi)到簇邊界的最大距離值，m為每幀中疑似行人點簇的最大個數；
[0018] ⑵記錄疑似行人目標的距離氏、方位角0 i及速度v肩息；
[0019] 疑似行人目標確定以后，記錄其對應的疑似點簇中心相對于激光雷達坐標系的距 離、方位角及速度信息，作為疑似行人目標的信息，疑似行人目標信息用式（4)表示：
[0020] {(^, 0 i, | i = 1, 2, . . . , n} (4)
[0021] 式中，n為每幀中疑似行人目標的最大個數；n < m。
[0022] 進一步的，所述步驟23的具體步驟是：對于每個所述的特征點，選取其鄰域范圍 內20 〇*20 〇大小的區(qū)域，其中，〇為空間中的任一點在尺度空間中的尺度；將區(qū)域的主方 向旋轉到特征點的主方向；將此區(qū)域劃分為4*4共16個子區(qū)域；對每個子區(qū)域，計算每個 像素點經過加權的Harr小波在X方向和Y方向的響應值dx、dy，然后建立一個四維的特征 向量如式（8):
[0023] v = (2 dx, 2 dy, 2 | dx |, 2 | dy) (8)
[0024] 將16個子區(qū)域的向量分別加入到該特征向量中，形成上述特征點對應的 64(4*16)維的特征向量。
[0025] 進一步的，所述步驟24具體包括如下步驟：
[0026] (1)將SURF特征點對應的特征向量輸入到二值弱分類器進行訓練；
[0027] 所述二值弱分類器輸出1代表存在行人，輸出0代表不存在行人，用公式（9)描 述：
[0028]
【主權項】
1. 一種基于激光雷達和雙目相機的車前行人檢測方法，其特征在于，具體包括以下步 驟： 步驟1，利用三臺激光雷達和一臺雙目相機采集車輛前方數據； 步驟2,分別對激光雷達和雙目相機采集的數據進行處理，得到行人相對于車輛的距 離、方位角及速度值；具體包括以下步驟： 步驟21，根據激光雷達采集的數據，進行疑似行人目標的確定及行人距離、方位角和速 度的計算； 步驟22,將三個激光雷達分別與雙目相機進行標定，使得每個激光雷達確定的疑似行 人目標分別映射到雙目相機采集的左、右圖像中； 步驟23、采用SURF算法分別對左、右圖像進行處理，得到左、右圖像中每個疑似行人目 標的特征點，并得到每個特征點對應的特征向量； 步驟24、根據得到的每個特征點對應的特征向量，基于SURF特征的AdaBoost級聯分類 器檢測圖像中的行人并標記； 步驟25、利用雙目相機采集的圖像數據計算得到行人相對于車輛的距離、方位角及速 度值。
2. 如權利要求1所述的基于激光雷達和雙目相機的車前行人檢測方法，其特征在于， 所述步驟21具體包括如下步驟： (1)采用K均值聚類法對激光雷達每幀中的1081個數據點進行聚類，得到多個疑似行 人點簇，疑似行人點簇為激光雷達視野范圍內所有障礙物；將疑似行人點簇與行人的物理 特征結合確定疑似行人目標；每個疑似行人點簇用式（3)表示： {(Xi, Yi, Ti)Ii= 1, 2,. . . ,m} (3) 其中，i為每幀中疑似行人點簇的個數；XpyiS簇中心的坐標；ri為簇中心點（xi,yj到簇邊界的最大距離值，m為每幀中疑似行人點簇的最大個數； ⑵記錄疑似行人目標的距離氏、方位角0i及速度v肩息； 疑似行人目標確定以后，記錄其對應的疑似點簇中心相對于激光雷達坐標系的距離、 方位角及速度信息，作為疑似行人目標的信息，疑似行人目標信息用式（4)表示： 0i, |i= 1, 2,. . . ,n} (4) 式中，n為每幀中疑似行人目標的最大個數;n<m。
3. 如權利要求1所述的基于激光雷達和雙目相機的車前行人檢測方法，其特征在于， 所述步驟23的具體步驟是：對于每個所述的特征點，選取其鄰域范圍內20 〇 *20 〇大小的 區(qū)域，其中，〇為空間中的任一點在尺度空間中的尺度；將區(qū)域的主方向旋轉到特征點的 主方向；將此區(qū)域劃分為4*4共16個子區(qū)域；對每個子區(qū)域，計算每個像素點經過加權的 Harr小波在X方向和Y方向的響應值dx、dy，然后建立一個四維的特征向量如式（8): v= (2dx, 2dy, 2 |dx|, 2 |dy|) ⑶ 將16個子區(qū)域的向量分別加入到該特征向量中，形成上述特征點對應的64(4*16)維 的特征向量。
4. 如權利要求1所述的基于激光雷達和雙目相機的車前行人檢測方法，其特征在于， 所述步驟24具體包括如下步驟： (1)將SURF特征點對應的特征向量輸入到二值弱分類器進行訓練； 所述二值弱分類器輸出1代表存在行人，輸出0代表不存在行人，用公式（9)描述：
其中，x為一個檢測子窗口，取為20*20,n為檢測子窗口中SURF特征點的個數，fj(x) 為第j個特征點的特征向量，Pj為偏置系數，0j為閾值； 對每個特征點對應的特征向量fj(X)，訓練弱分類器hj(X，f，p，0 )，使得弱分類器hjO^tp，0)對所有訓練樣本的分類誤差最低； (2) 強分類器的生成 使用得到的弱分類器對樣本集中的樣本圖像逐一進行處理，處理的過程中，迭代次數S取值為10 ;得到強分類器； (3) 級聯分類器的構建 將上述的強分類器串聯組成級聯分類器；級聯分類器層數c= 15 ; (4) 行人存在性檢測 (4. 1)對于每一對經步驟23處理后的左、右圖像，按式（16)對該左、右圖像進行灰度化 處理： Y = (0? 299) R+ (0? 587) G+ (0? 114) B (16) (4. 2)對灰度化處理后的圖像進行縮放，使得該左、右圖像均與訓練樣本圖像大小一 致，即20*20 ;然后使用得到的級聯分類器分別對縮放后的左、右圖像進行處理，確定每一 對左、右圖像中是否存在行人，若存在，用矩形框對行人進行標記，并用式（17)記錄： {(ui； | i = 1, 2,. . . n} (17) 其中，i為當前幀待檢測圖像中的行人數目，（Ui，Vi)為標記行人的矩形框中心坐標。