-
公开(公告)号：CN108828608A
公开(公告)日：2018-11-16
申请号：CN201810274834.X
申请日：2018-03-29
Applicant: 苏州大学张家港工业技术研究院 , 苏州大学
Abstract: 车辆检测方法中激光雷达背景数据滤除方法，涉及车辆检测领域中激光雷达数据的处理方法。解决了现有采用雷达检测车辆的技术中存在的需要采集底面数据以及由于采集数据的区域的底面物体导致无法准确检测到车辆的问题。本发明包括S0选取背景帧；S1将背景帧的数据与目标帧的数据融合；S2将背景帧点与目标帧点关联，S3根据S2中关联完成的2个背景帧点和目标帧点之间欧式距离的关系标记车辆点；S4遗漏点提取，遍历未标记的目标帧点根据点的水平角度值进一步标记车辆点；S5判断n与阈值n0之间的关系，进一步对未标记的目标帧点进行判断；S6噪声点去除；S7准确率提高，选取多个背景帧与目标帧进行S2-S6的操作，并取交集作为滤除结果。
-
公开(公告)号：CN109188390A
公开(公告)日：2019-01-11
申请号：CN201810925487.2
申请日：2018-08-14
Applicant: 苏州大学张家港工业技术研究院 , 苏州大学
Abstract: 本发明公开了一种运动目标高精度检测与追踪方法，包括A0：通过背景滤除算法，将车辆点和行人点从原始数据中提取出来，标记所在帧信息；A1：将相邻帧的车辆点和行人点数据进行融合，用聚类算法将融合之后的数据进行处理，标记类簇信息；A2：利用每个点所在帧的信息，将同一帧的数据分离开，根据所述类簇信息实现车辆和行人的识别和关联。本发明的优点在于：无需构建复杂的车辆模型和车辆轨迹模型，利用简单的聚类算法，在简单聚类算法的基础上提高车辆检测的准确率，直接能够提取车辆轨迹。
-
公开(公告)号：CN109188390B
公开(公告)日：2023-05-23
申请号：CN201810925487.2
申请日：2018-08-14
Applicant: 苏州大学张家港工业技术研究院 , 苏州大学
Abstract: 本发明公开了一种运动目标高精度检测与追踪方法，包括A0：通过背景滤除算法，将车辆点和行人点从原始数据中提取出来，标记所在帧信息；A1：将相邻帧的车辆点和行人点数据进行融合，用聚类算法将融合之后的数据进行处理，标记类簇信息；A2：利用每个点所在帧的信息，将同一帧的数据分离开，根据所述类簇信息实现车辆和行人的识别和关联。本发明的优点在于：无需构建复杂的车辆模型和车辆轨迹模型，利用简单的聚类算法，在简单聚类算法的基础上提高车辆检测的准确率，直接能够提取车辆轨迹。
-
公开(公告)号：CN108828608B
公开(公告)日：2021-08-17
申请号：CN201810274834.X
申请日：2018-03-29
Applicant: 苏州大学张家港工业技术研究院 , 苏州大学
Abstract: 车辆检测方法中激光雷达背景数据滤除方法，涉及车辆检测领域中激光雷达数据的处理方法。解决了现有采用雷达检测车辆的技术中存在的需要采集底面数据以及由于采集数据的区域的底面物体导致无法准确检测到车辆的问题。本发明包括S0选取背景帧；S1将背景帧的数据与目标帧的数据融合；S2将背景帧点与目标帧点关联，S3根据S2中关联完成的2个背景帧点和目标帧点之间欧式距离的关系标记车辆点；S4遗漏点提取，遍历未标记的目标帧点根据点的水平角度值进一步标记车辆点；S5判断n与阈值n0之间的关系，进一步对未标记的目标帧点进行判断；S6噪声点去除；S7准确率提高，选取多个背景帧与目标帧进行S2‑S6的操作，并取交集作为滤除结果。
-
-
-
Search Results
4
records
(took 0.041 seconds)
