(19)国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 202210456868.7
(22)申请日 2022.04.28
(71)申请人 南京航空航天大 学
地址 210016 江苏省南京市御道街2 9号
(72)发明人 范玲 郝洁 邓海
(74)专利代理 机构 南京合砺 专利商标代理事务
所(普通合伙) 32518
专利代理师 许云花
(51)Int.Cl.
G06V 10/764(2022.01)
G06V 10/80(2022.01)
G06N 3/08(2006.01)
G06N 3/04(2006.01)
G01S 13/86(2006.01)
(54)发明名称
一种基于相机和毫米波雷达数据的自动对
齐方法
(57)摘要
本发明公开了一种基于相机和毫米波雷达
数据的自动对齐方法, 该方法首先通过毫米波雷
达扫描获得点云数据, 通过相机获取视觉图像信
息, 然后基于到DLA ‑34网络结构处理以获得图像
特征图, 进一步的将有效毫米波点云映射到图像
特征图中, 接着设定最大目标数和计算点云特征
向量, 通过attention融合模块进行处理, 得到 数
据对齐后的雷达和图像融合特征图; 最后将图像
融合特征图送入RetinaNet目标检测子网络进行
处理, 获得图像中目标的定位和分类结果, 完成
数据自动对齐。 相比现有技术采用手工设计数据
对齐组件, 本发明降低了模型设计的复杂度, 提
高了目标识别的感知精度。
权利要求书2页 说明书5页 附图1页
CN 114898144 A
2022.08.12
CN 114898144 A
1.一种基于相机和毫米波雷达数据的自动对齐方法, 其特征在于, 所述方法包括如下
步骤:
(1)针对同一个视觉场景, 通过毫米波雷达扫描获得毫米波点云数据, 且相机获取视觉
图像信息;
(2)对步骤(1)获得的图像信息进行预处理, 基于DLA ‑34网络结构进行处理, 得到图像
特征图;
(3)将步骤(1)得到的毫米波雷达点云映射到步骤(2)中的图像特征图中, 得到每个毫
米波雷达点云在图像特 征图中的位置;
(4)设定最大目标数, 且根据图像特征图中位置对应的雷达点的属性值, 计算点云特征
向量;
(5)将点云特征向量和图像特征图送入attention融合模块进行处理, 得到数据对齐后
的雷达和图像融合特 征图;
(6)将图像融合特征图送入Retin aNet目标检测子网络进行处理, 获得图像中目标的定
位和分类结果;
(7)对步骤(6)中获得的所有目标识别框进行非极大值抑制处理, 获得最终目标定位框
和每个框的识别结果。
2.根据权利要求1所述的基于相机和毫米波雷达数据的自动对齐方法, 其特征在于, 步
骤(1)考虑到毫米波雷达点云的稀疏性, 应用若干个毫米波雷达点云数据和单个摄像机的
图像数据, 并且融合和当前图像帧时序最近的多帧点云数据。
3.根据权利要求1所述的基于相机和毫米波雷达数据的自动对齐方法, 其特征在于, 步
骤(3)对于毫米波雷达点云映射过程如下:
(3.1)根据毫米波雷达点的状态属性 值筛选和过滤掉无效雷达点;
(3.2)将有效的雷达点检测得到的横 纵向距离通过投影变换转换到对应的视觉传感器
所在的图像坐标系中转换为图像像素坐标系, 在同一坐标系下实现毫米波 雷达和视觉传感
器在时间和空间的统一, 如果投影到图像像素坐标系上的雷达点存在重合情况, 则采用 “近
留远舍”的规则, 距离 近的覆盖距离远的雷达点;
其中, 坐标转换通过 标定矩阵完成, 标定矩阵公式如下:
其中, [Xw, Yw, Zw, 1]是毫米波雷达点在世界坐标系中的坐标, [Xc, Yc, Zc, 1]是像素坐标
系中的坐标, [u, v]是图像 像素坐标系中的坐标;
图像到DLA ‑34最后一个特征 图间的下采样系数为d, 毫米波雷达点云P(u, v)在特征 图
中的坐标为P ′(u′, v′), 其中(u ′, v′)=(u/d, v/d)。
4.根据权利要求1所述的基于相机和毫米波雷达数据的自动对齐方法, 其特征在于, 步
骤(4)设定最大目标 数的步骤如下:
图像的尺寸为h, w, 图像到DLA ‑34最后一个特征图间的下采样系数为d, 该特征图的尺权 利 要 求 书 1/2 页
2
CN 114898144 A
2寸为h′=h/d, w′=w/d, 通道数为c1; 特征图最多可检测出w ′个目标物体, 因此最大目标数
可设定为 N=w′。
5.根据权利要求1所述的基于相机和毫米波雷达数据的自动对齐方法, 其特征在于, 步
骤(4)中点云特征向量的计算步骤包括创建大小为N ×c2的点云特征向量, 然后从每个位置
的雷达点的属性中选择c2个属性值, 作为该点云特征向量u处的初始特征值, 其中: N为最大
目标数, c2为毫米波雷达点云数据属性 值个数。
6.根据权利要求1所述的基于相机和毫米波雷达数据的自动对齐方法, 其特征在于, 步
骤(6)中图像融合特 征图包括如下 过程:
(6.1)获取步骤(2)中的图像特征图E∈RL×C1, 步骤(4)中的点云特征向量Qq∈RN×C2, 其中
L为图像特 征图的空间特 征数, 即(h′ ×w′);
(6.2)预测每个点云特征向量对应的目标物体的中心点位置(ch′, cw′)和尺寸大小(sh′,
sw′), 计算过程如下:
ch′, cw′=sigmoid(FC(Qq))
sh′, sw′=FC(Qq)
并使用预测值生成目标物体的二维高斯分布G(i, j), 其中, β表示调节高斯分布的带
宽, 表达式如下:
(6.3)给定点云特征向量Qq∈RN×c2和图像特征图E∈RL×c1, 计算点云特征向量和图像特
征的共同注意力C的权 重Cweight∈RN×L, 计算过程如下:
K=E
Q=FC(Qq)
点云特征向量由毫米波雷达点初始化, 可以为预测目标物体提供空间先验, 获取步骤
(6.2)的高斯分布权 重G∈RN×L, 修正后的Cweight∈RN×L为:
Cweight对图像空间像素特征i和点云特征向量j进行了关系建模和表达, 通过对Cweight执
行行相加和sigmoid操作, 建立所有点云对图像空间某 点像素特征的累积影响, 计算表达式
如下:
(6.4)将步骤(6.3)得到的权重矩阵Cweight∈R1×L和图像特征图E∈RL×c1通过下列计算 公
式得到数据对齐后的图像融合特 征图FE∈RL×c1, 计算表达式如下:
V=E
其中,
表示元素级乘每 个通道,
表示元素级相加。权 利 要 求 书 2/2 页
3
CN 114898144 A
3
专利 一种基于相机和毫米波雷达数据的自动对齐方法
安全报告 >
其他 >
文档预览
中文文档
9 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共9页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 07:33:59上传分享