(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210320977.6 (22)申请日 2022.03.30 (65)同一申请的已公布的文献号 申请公布号 CN 114419571 A (43)申请公布日 2022.04.29 (73)专利权人 北京理工大 学 地址 100081 北京市海淀区中关村南大街5 号 (72)发明人 刘海鸥　陶俊峰　陈慧岩　尹旻　 唐泽月　臧政　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 韩雪梅 (51)Int.Cl. G06V 20/56(2022.01) G06V 10/762(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G01S 17/86(2020.01) (56)对比文件 CN 111928862 A,2020.1 1.13 CN 113238251 A,2021.08.10 CN 110246159 A,2019.09.17 CN 110531376 A,2019.12.0 3 WO 201915 6731 A1,2019.08.15 王葵等.基于激光测距雷达和车载GP S的动 态障碍物检测. 《工业仪表与自动化装置》 .2013, (第02期), 孟德强等.智能快递车避障路径规划系统设 计与实现. 《汽车实用技 术》 .2020,(第09期), Junfeng Tao 等.Design ofTrajectory Tracking Controller of Unman ned Tracked Vehicles Based o n Torque. 《IE EE》 .2021,第 85-92页. 审查员 丁蓬莉 (54)发明名称 一种面向无人驾驶车辆的目标检测定位方 法及系统 (57)摘要 本发明涉及一种面向无人驾驶车辆的目标 检测定位方法及系统， 方法包括： 获得投影矩阵； 确定检测目标在图像中的2D包围盒的像素坐标 和种类信息； 将激光雷达数据和前一步骤的信息 进行时间同步并滤波； 将滤波后的激光雷达数据 通过投影矩阵投影到检测图像中， 获得对应图像 中检测目标的2D包围盒内的激光雷达数据并聚 类； 对该激光雷达数据在x和y方向求均值， 得到 检测目标相对于激光雷达坐标系的坐标； 计算检 测目标相对于车辆中心坐标系原点处的相对坐 标； 获取车辆的UTM坐标， 计算检测目标在UTM投 影坐标系下的坐标， 并转换到WGS1984地理坐标 系下。 本发 明中的上述方法能够实时检测目标并 获得目标在WGS1984 坐标系下的经纬度坐标。 权利要求书3页 说明书7页 附图3页 CN 114419571 B 2022.06.17 CN 114419571 B 1.一种面向无 人驾驶车辆的目标检测定位方法， 其特 征在于， 所述方法包括： S1： 采集车辆前 方图像数据和雷达点云数据； S2： 采用相机激光雷达联合标定方法获得激光雷达坐标系和像素坐标系之间的投影矩 阵P； S3： 获取训练集； S4： 构建目标检测网络； S5： 基于所述训练集对所述目标检测网络进行训练； S6： 采用训练后的目标检测网络确定检测目标在图像 中的2D包围盒的像素坐标和种类 信息； S7： 实时采集激光雷达数据； S8： 将所述激光雷达数据和所述检测目标在图像 中的2D包围盒的像素坐标和种类信息 进行时间同步； S9： 将时间同步后的激光雷达数据进行 滤波处理； S10： 将滤波后的激光雷达数据通过投影矩阵P投影到所述S6产生的检测图像中， 获得 对应图像中检测目标的2D包围盒内的激光雷达数据； S11： 对获得的2D包围盒内的激光雷达数据进行DBSCAN聚类； S12： 将聚类后得到的激光雷达数据作为检测目标对应的激光雷达数据， 对该激光雷达 数据在x和y方向求均值， 得到检测目标相对于 激光雷达坐标系的坐标(x1,y1)； S13： 通过测量获得激光雷达坐标系相对于GPS安装点相对位置关系， 并计算出检测目 标相对于车辆中心坐标系原点Ov处的相对坐标(x2,y2)； S14： 实时获取GPS安装点在WGS  1984地理坐标系下的经纬度坐标和航向角theta， 将车 辆经纬度坐标转换到UTM投影坐标系下得到车辆的UTM坐标(x0,y0)， 基于检测目标相对于 车辆中心坐标系原 点Ov处的相对坐标(x2,y2)， 计算得到检测目标在 UTM投影坐标系下的坐 标(x3,y3)； S15： 将检测目标在UTM投影坐标系下的坐标(x3,y3)转换到WGS  1984地理坐标系下获 得检测目标的经纬度坐标(x4,y4)。 2.根据权利要求1所述的面向无人驾驶车辆的目标检测定位方法， 其特征在于， 所述获 取训练集具体包括： 通过工业相机采集包 含待检测目标的图像数据； 根据待检测目标的类别信息对采集的图像数据进行人工标注， 利用开源标注工具， 将 图像中的待检测目标用2D包围盒框 选起来， 并赋予类别 信息。 3.根据权利要求1所述的面向无人驾驶车辆的目标检测定位方法， 其特征在于， 所述将 时间同步后的激光雷达数据进行滤波处理具体采用RANSAC平面拟合算法去除地面反射激 光雷达数据。 4.根据权利要求1所述的面向无人驾驶车辆的目标检测定位方法， 其特征在于， 所述基 于检测目标相对于车辆中心坐标系原点Ov处的相对坐标(x2,y2)， 计算得到检测目标在 UTM 投影坐标系下的坐标(x3,y3)具体采用以下公式： x3=x0+x2*cos(theta) ‑y2*sin(theta) y3=y0+x2*si n(theta)+y2* cos(theta)权　利　要　求　书 1/3 页 2 CN 114419571 B 2其中， （x0,y0） 为车辆的UTM坐标， （x2,y2） 为检测目标相对于车辆中心坐标系原点Ov处 的相对坐标(x2,y2)， theta为GP S安装点在WGS  1984地理坐标系下的航向角。 5.一种面向无 人驾驶车辆的目标检测定位系统， 其特 征在于， 所述系统包括： 数据采集模块， 用于采集车辆前 方图像数据和雷达点云数据； 投影矩阵确定模块， 用于采用相机激光雷达联合标定方法获得激光雷达坐标系和像素 坐标系之间的投影矩阵P； 训练集获取模块， 用于获取训练集； 目标检测网络构建模块， 用于构建目标检测网络； 训练模块， 用于基于所述训练集对所述目标检测网络进行训练； 目标检测结果获取模块， 用于采用训练后的目标检测网络确定检测目标在图像 中的2D 包围盒的像素坐标和种类信息； 激光雷达数据采集模块， 用于实时采集激光雷达数据； 时间同步模块， 用于将所述激光雷达数据和所述检测目标在图像中的2D包围盒的像素 坐标和种类信息进行时间同步； 滤波模块， 用于将时间同步后的激光雷达数据进行 滤波处理； 投影模块， 用于将滤波后的激光雷达数据通过投影矩阵P投影到目标检测结果获取模 块产生的检测图像中， 获得对应图像中检测目标的2D包围盒内的激光雷达数据； 聚类模块， 用于对获得的2D包围盒内的激光雷达数据进行DBSCAN聚类； 第一坐标计算模块， 用于将聚类后得到的激光雷达数据作为检测目标对应的激光雷达 数据， 对该激光雷达数据在x和y方向求均值， 得到检测目标相对于激光雷达坐标系的坐标 (x1,y1)； 第二坐标计算模块， 用于通过测量获得激光雷达坐标系相对于GPS安装点相对位置关 系， 并计算出检测目标相对于车辆中心坐标系原点Ov处的相对坐标(x2,y2)； 第三坐标计算模块， 用于实时获取GPS安装点在WGS  1984地理坐标系下的经纬度坐标 和航向角theta， 将车辆经纬度坐标转换到UTM投影坐标系下得到车辆的UTM坐标(x0,y0)， 基于检测目标相对于车辆中心坐标系原点Ov处的相 对坐标(x2,y2)， 计算得到检测目标在 UTM投影坐标系下的坐标(x3,y3)； 坐标转换模块， 用于将检测目标在UTM投影坐标系下的坐标(x3,y3)转换到WGS  1984地 理坐标系下获得检测目标的经纬度坐标(x4,y4)。 6.根据权利要求5所述的面向无人驾驶车辆的目标检测定位系统， 其特征在于， 所述训 练集获取模块具体包括： 通过工业相机采集包 含待检测目标的图像数据； 然后根据待检测目标的类别信息对采集的图像数据进行人工标注， 利用开源标注工 具， 将图像中的待检测目标用2D包围盒框 选起来， 并赋予类别 信息。 7.根据权利要求5所述的面向无人驾驶车辆的目标检测定位系统， 其特征在于， 所述滤 波模块具体采用RANSAC平面拟合 算法去除地 面反射激光雷达数据。 8.根据权利要求5所述的面向无人驾驶车辆的目标检测定位系统， 其特征在于， 所述基 于检测目标相对于车辆中心坐标系原点Ov处的相对坐标(x2,y2)， 计算得到检测目标在 UTM 投影坐标系下的坐标(x3,y3)具体采用以下公式：权　利　要　求　书 2/3 页 3 CN 114419571 B 3