一種基于自適應(yīng)聚類(lèi)分析的行人檢測(cè)系統(tǒng)及方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于自適應(yīng)聚類(lèi)分析的行人檢測(cè)系統(tǒng)及方法，其中該系統(tǒng)包括相互連接的激光測(cè)距儀和微機(jī)部分，所述微機(jī)部分包括激光掃描器模塊、激光數(shù)據(jù)預(yù)處理模塊、行人檢測(cè)模塊和行人甄別模塊。在本發(fā)明采用了自適應(yīng)聚類(lèi)分析方法，具有消除了人為的干擾，提高了行人檢測(cè)的可靠性與魯棒性，為智能交通背景下行人安全保護(hù)提供了更好支持的優(yōu)點(diǎn)。另外本發(fā)明預(yù)處理過(guò)程中剔除了與檢測(cè)無(wú)關(guān)的冗余激光云點(diǎn)數(shù)據(jù)，因此本發(fā)明還具有減少了數(shù)據(jù)的分析量，提高了整個(gè)系統(tǒng)的運(yùn)行效率的優(yōu)點(diǎn)。
【專(zhuān)利說(shuō)明】一種基于自適應(yīng)聚類(lèi)分析的行人檢測(cè)系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于汽車(chē)主動(dòng)安全【技術(shù)領(lǐng)域】，特別涉及一種基于自適應(yīng)聚類(lèi)分析的行人檢測(cè)系統(tǒng)及方法。
【背景技術(shù)】
[0002]基于機(jī)器視覺(jué)的行人檢測(cè)由于其在車(chē)輛輔助駕駛系統(tǒng)中的重要應(yīng)用價(jià)值成為當(dāng)前機(jī)器視覺(jué)和智能車(chē)輛領(lǐng)域最為活躍的研究課題之一，其核心是利用安裝在運(yùn)動(dòng)車(chē)輛上的檢測(cè)裝置檢測(cè)行人，從而估計(jì)出潛在的危險(xiǎn)以便采取策略保護(hù)行人。行人檢測(cè)系統(tǒng)作為保障汽車(chē)、行人安全的一種主動(dòng)安全手段，已成為產(chǎn)業(yè)界和研究界共同關(guān)注的一個(gè)研究熱點(diǎn)，具有提高駕駛安全性、保障行人生命財(cái)產(chǎn)安全的重要意義和實(shí)用價(jià)值。
[0003]目前行人檢測(cè)方式主要有兩種:一種是基于視頻的行人檢測(cè)，另一種是基于激光的行人檢測(cè)?；谝曨l的行人檢測(cè)技術(shù)易受外界環(huán)境的影響，例如光照變化、霧天等，因此這種檢測(cè)方式的魯棒性和實(shí)時(shí)性較差?；诩す獾男腥藱z測(cè)，受外界復(fù)雜環(huán)境的影響較小，通用性強(qiáng)，其難點(diǎn)在于激光數(shù)據(jù)的處理。
[0004]目前，對(duì)激光數(shù)據(jù)的處理主要通過(guò)空間數(shù)據(jù)聚類(lèi)方法把激光云點(diǎn)數(shù)據(jù)分割成有意義的子集。常見(jiàn)的聚類(lèi)方法主要有:基于劃分的方法，如K-means算法、K-medoid算法等；基于層次的方法，如BIRCH算法、CURE算法等；基于密度的方法等。其中最為常用的主要有K-means算法，K-means算法是在一定的限定條件下對(duì)激光云點(diǎn)數(shù)據(jù)進(jìn)行聚類(lèi)的，即需要事先設(shè)定類(lèi)別的個(gè)數(shù)。K-means算法在行人檢測(cè)系統(tǒng)中，需事先選取k個(gè)點(diǎn)作為行人目標(biāo)的初始聚類(lèi)中心，在此基礎(chǔ)上計(jì)算各個(gè)激光云點(diǎn)樣本到聚類(lèi)中心的距離，把樣本歸到離它最近的那個(gè)聚類(lèi)中心所在的類(lèi)，然后進(jìn)入到后續(xù)的迭代過(guò)程。需要一定的先驗(yàn)知識(shí)，即必須預(yù)先設(shè)定子集的數(shù)量，不能滿(mǎn)足復(fù)雜多變的實(shí)際交通道路環(huán)境，嚴(yán)重影響著行人檢測(cè)系統(tǒng)的可靠性與魯棒性。且激光檢測(cè)器隨車(chē)輛一起運(yùn)動(dòng)，進(jìn)一步增加了行人檢測(cè)的難度。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足，提供一種基于自適應(yīng)聚類(lèi)分析的行人檢測(cè)系統(tǒng)。
[0006]本發(fā)明的另一目的在于，提供一種可靠性高及魯棒性強(qiáng)的基于自適應(yīng)聚類(lèi)分析的行人檢測(cè)方法，該方法無(wú)需事先確定初始聚類(lèi)中心，依據(jù)激光云點(diǎn)數(shù)據(jù)無(wú)監(jiān)督、自適應(yīng)的將激光云點(diǎn)數(shù)據(jù)進(jìn)行聚類(lèi)分析。
[0007]為了達(dá)到上述第一個(gè)目的，本發(fā)明采用以下技術(shù)方案:一種基于自適應(yīng)聚類(lèi)分析的行人檢測(cè)系統(tǒng)，包括相互連接的激光測(cè)距儀和微機(jī)部分；激光測(cè)距儀:用于發(fā)出激光束，并獲取經(jīng)障礙物反射后的激光信號(hào)，形成激光云點(diǎn)數(shù)據(jù)；所述微機(jī)部分包括:
[0008]激光掃描器模塊，用于建立激光云點(diǎn)數(shù)據(jù)采集系統(tǒng)，實(shí)時(shí)的控制激光云點(diǎn)數(shù)據(jù)的采集，形成激光云點(diǎn)數(shù)據(jù)報(bào)文；
[0009]激光數(shù)據(jù)預(yù)處理模塊，用于對(duì)激光云點(diǎn)數(shù)據(jù)報(bào)文的解析，激光云點(diǎn)數(shù)據(jù)坐標(biāo)轉(zhuǎn)換和剔除冗余激光云點(diǎn)數(shù)據(jù)；
[0010]行人檢測(cè)模塊，用于使用自適應(yīng)聚類(lèi)算法對(duì)預(yù)處理后的激光云點(diǎn)數(shù)據(jù)進(jìn)行聚類(lèi)分析，完成所有激光云點(diǎn)數(shù)據(jù)的分類(lèi)、聚類(lèi)中心的計(jì)算以及標(biāo)示；
[0011]行人甄別模塊，用于尋找各個(gè)聚類(lèi)的左右邊界，統(tǒng)計(jì)出各聚類(lèi)的寬度距離，從而甄別出行人目標(biāo)。
[0012]優(yōu)選的，激光測(cè)距儀安裝于車(chē)輛前方正中央，垂直地面距地距離約50cm。
[0013]優(yōu)選的，所述激光測(cè)距儀掃描角度為O~180度，掃描頻率為25Hz，角度分辨率為
0.25 度。
[0014]為了達(dá)到上述第二個(gè)目的，本發(fā)明采用以下技術(shù)方案:一種基于自適應(yīng)聚類(lèi)分析的行人檢測(cè)方法，包括以下步驟:
[0015](1)采集前方障礙物的激光云點(diǎn)數(shù)據(jù)，并且形成激光云點(diǎn)數(shù)據(jù)報(bào)文，然后將激光云點(diǎn)數(shù)據(jù)報(bào)文存入緩存區(qū)；
[0016](2)對(duì)存入緩存區(qū)的激光云點(diǎn)數(shù)據(jù)報(bào)文進(jìn)行預(yù)處理，解析出激光云點(diǎn)數(shù)據(jù)報(bào)文中的激光云點(diǎn)數(shù)據(jù)，對(duì)激光云點(diǎn)數(shù)據(jù)的坐標(biāo)進(jìn)行轉(zhuǎn)換，并剔除冗余數(shù)據(jù)；
[0017](3)采用自適應(yīng)聚類(lèi)算法對(duì)步驟(2)預(yù)處理后所保留的激光云點(diǎn)數(shù)據(jù)進(jìn)行聚類(lèi)分析:
[0018](3-1)逐點(diǎn)掃描選取不為零的激光云點(diǎn)數(shù)據(jù)，利用第一個(gè)不為零的激光云點(diǎn)數(shù)據(jù)建立第一個(gè)聚類(lèi)class_l，并將該激光云點(diǎn)作為第一個(gè)聚類(lèi)class_l的聚類(lèi)中心；
[0019](3-2)設(shè)定一個(gè)閾值，并依次計(jì)算每個(gè)不為零的激光云點(diǎn)數(shù)據(jù)與已存在的聚類(lèi)中心的歐式距離，尋找與該激光云點(diǎn)歐式距離最近的聚類(lèi)中心及該聚類(lèi)中心對(duì)應(yīng)的聚類(lèi)；然后比較最近歐式距離值與閾值的大小:
[0020]若最近歐式距離值大于閾值，則利用該激光云點(diǎn)建立一個(gè)新聚類(lèi)，并將該激光點(diǎn)作為新聚類(lèi)的聚類(lèi)中心；
[0021]若最近歐式距離值小于閾值，則先將該激光云點(diǎn)歸類(lèi)到與此歐式距離最近的聚類(lèi)中心對(duì)應(yīng)的聚類(lèi)中，然后根據(jù)該聚類(lèi)中的所有激光云點(diǎn)數(shù)據(jù)來(lái)更新該聚類(lèi)中心；
[0022](3-3)重復(fù)上述(3-2)步驟，直到完成所有激光云點(diǎn)的分類(lèi)，以及所有聚類(lèi)中心的計(jì)算;
[0023](4)根據(jù)各聚類(lèi)中心尋找各聚類(lèi)的左右邊界，統(tǒng)計(jì)出各聚類(lèi)的寬度距離，設(shè)定一個(gè)閾值范圍[a，b]，確定各聚類(lèi)的寬度距離是否在閾值范圍[a，b]內(nèi)；若是，則該聚類(lèi)為行人目標(biāo)；否則為非行人目標(biāo)。
[0024]優(yōu)選的，所述步驟(2)中將極坐標(biāo)類(lèi)型轉(zhuǎn)換為笛卡爾坐標(biāo)系類(lèi)型；具體轉(zhuǎn)換關(guān)系如下:
[0025]Xj= P jCOS θj，j=l，2,3...,
[0026]yj=P j.sin θ j.，j=l，2，3...；
[0027]其中和&是第j個(gè)激光云點(diǎn)對(duì)應(yīng)的笛卡爾坐標(biāo)；其中P ^指的是極坐標(biāo)中激光云點(diǎn)到原點(diǎn)的距離，Θ j指極坐標(biāo)中第j個(gè)激光云點(diǎn)與極軸的夾角。
[0028]更進(jìn)一步的，所述步驟(2)將極坐標(biāo)中與極軸夾角為O~45度以及135~180度之間的激光云點(diǎn)數(shù)據(jù)刪除，以將冗余數(shù)據(jù)剔除。
[0029]更進(jìn)一步的，所述步驟(3)各激光云點(diǎn)歸類(lèi)時(shí)，分別對(duì)歸類(lèi)到各聚類(lèi)的激光云點(diǎn)的標(biāo)志位進(jìn)行設(shè)置，其中將歸類(lèi)到第一個(gè)聚類(lèi)class_l中的激光云點(diǎn)標(biāo)志位設(shè)置為obstacle=l,將歸類(lèi)到第η個(gè)聚類(lèi)class_n, n=2,3,4...中的激光云點(diǎn)標(biāo)志位設(shè)置為ob s tac I e=n,其中每個(gè)激光云點(diǎn)標(biāo)志位的初始值為零。
[0030]更進(jìn)一步的，所述步驟(3-2)中每個(gè)不為零的激光云點(diǎn)數(shù)據(jù)與已存在的各個(gè)聚類(lèi)中心的歐式距離Drt為:
【權(quán)利要求】
1.一種基于自適應(yīng)聚類(lèi)分析的行人檢測(cè)系統(tǒng)，包括相互連接的激光測(cè)距儀和微機(jī)部分；激光測(cè)距儀:用于發(fā)出激光束，并獲取經(jīng)障礙物反射后的激光信號(hào)，形成激光云點(diǎn)數(shù)據(jù)；其特征在于，所述微機(jī)部分包括: 激光掃描器模塊，用于建立激光云點(diǎn)數(shù)據(jù)采集系統(tǒng)，實(shí)時(shí)的控制激光云點(diǎn)數(shù)據(jù)的采集，形成激光云點(diǎn)數(shù)據(jù)報(bào)文； 激光數(shù)據(jù)預(yù)處理模塊，用于對(duì)激光云點(diǎn)數(shù)據(jù)報(bào)文的解析，激光云點(diǎn)數(shù)據(jù)坐標(biāo)轉(zhuǎn)換和剔除冗余激光云點(diǎn)數(shù)據(jù)； 行人檢測(cè)模塊，用于使用自適應(yīng)聚類(lèi)算法對(duì)預(yù)處理后的激光云點(diǎn)數(shù)據(jù)進(jìn)行聚類(lèi)分析，完成所有激光云點(diǎn)數(shù)據(jù)的分類(lèi)、聚類(lèi)中心的計(jì)算以及標(biāo)示； 行人甄別模塊，用于尋找各個(gè)聚類(lèi)的左右邊界，統(tǒng)計(jì)出各聚類(lèi)的寬度距離，從而甄別出行人目標(biāo)。
2.根據(jù)權(quán)利要求1所述的基于自適應(yīng)聚類(lèi)分析的行人檢測(cè)系統(tǒng)，其特征在于，激光測(cè)距儀安裝于車(chē)輛前方正中央，垂直地面距地距離約50cm。
3.根據(jù)權(quán)利要求1所述的基于自適應(yīng)聚類(lèi)分析的行人檢測(cè)系統(tǒng)，其特征在于，所述激光測(cè)距儀掃描角度為O~180度，掃描頻率為25Hz，角度分辨率為0.25度。
4.一種基于自適應(yīng)聚類(lèi)分析的行人檢測(cè)方法，包括以下步驟: (1)采集前方障礙物的激光云點(diǎn)數(shù)據(jù)，并且形成激光云點(diǎn)數(shù)據(jù)報(bào)文，然后將激光云點(diǎn)數(shù)據(jù)報(bào)文存入緩存區(qū)； (2)對(duì)存入緩存區(qū)的激光 云點(diǎn)數(shù)據(jù)報(bào)文進(jìn)行預(yù)處理，解析出激光云點(diǎn)數(shù)據(jù)報(bào)文中的激光云點(diǎn)數(shù)據(jù)，對(duì)激光云點(diǎn)數(shù)據(jù)的坐標(biāo)進(jìn)行轉(zhuǎn)換，并剔除冗余數(shù)據(jù)； (3)采用自適應(yīng)聚類(lèi)算法對(duì)步驟(2)預(yù)處理后所保留的激光云點(diǎn)數(shù)據(jù)進(jìn)行聚類(lèi)分析: (3-1)逐點(diǎn)掃描選取不為零的激光云點(diǎn)數(shù)據(jù)，利用第一個(gè)不為零的激光云點(diǎn)數(shù)據(jù)建立第一個(gè)聚類(lèi)class_l，并將該激光云點(diǎn)作為第一個(gè)聚類(lèi)class_l的聚類(lèi)中心； (3-2)設(shè)定一個(gè)閾值，并依次計(jì)算每個(gè)不為零的激光云點(diǎn)數(shù)據(jù)與已存在的聚類(lèi)中心的歐式距離，尋找與該激光云點(diǎn)歐式距離最近的聚類(lèi)中心及該聚類(lèi)中心對(duì)應(yīng)的聚類(lèi)；然后比較最近歐式距離值與閾值的大小: 若最近歐式距離值大于閾值，則利用該激光云點(diǎn)建立一個(gè)新聚類(lèi)，并將該激光點(diǎn)作為新聚類(lèi)的聚類(lèi)中心； 若最近歐式距離值小于閾值，則先將該激光云點(diǎn)歸類(lèi)到與此歐式距離最近的聚類(lèi)中心對(duì)應(yīng)的聚類(lèi)中，然后根據(jù)該聚類(lèi)中的所有激光云點(diǎn)數(shù)據(jù)來(lái)更新該聚類(lèi)中心； (3-3)重復(fù)上述(3-2)步驟，直到完成所有激光云點(diǎn)的分類(lèi)，以及所有聚類(lèi)中心的計(jì)算； (4)根據(jù)各聚類(lèi)中心尋找各聚類(lèi)的左右邊界，統(tǒng)計(jì)出各聚類(lèi)的寬度距離，設(shè)定一個(gè)閾值范圍[a,b],確定各聚類(lèi)的寬度距離是否在閾值范圍[a,b]內(nèi)；若是,則該聚類(lèi)為行人目標(biāo)；否則為非行人目標(biāo)。
5.根據(jù)權(quán)利要求4所述的基于自適應(yīng)聚類(lèi)分析的行人檢測(cè)方法，其特征在于，所述步驟(2)中將極坐標(biāo)類(lèi)型轉(zhuǎn)換為笛卡爾坐標(biāo)系類(lèi)型；具體轉(zhuǎn)換關(guān)系如下:
Xj=P J-COS Θ J, j=l, 2,3...,
Yj=P j-sin Θ j, j=l, 2,3...；其中和Yj是第j個(gè)激光云點(diǎn)對(duì)應(yīng)的笛卡爾坐標(biāo)；其中P j指的是極坐標(biāo)中激光云點(diǎn)到原點(diǎn)的距離，ΘJ指極坐標(biāo)中第j個(gè)激光云點(diǎn)與極軸的夾角。
6.根據(jù)權(quán)利要求5所述的基于自適應(yīng)聚類(lèi)分析的行人檢測(cè)方法，其特征在于，所述步驟(2)將極坐標(biāo)中與極軸夾角為O~45度以及135~180度之間的激光云點(diǎn)數(shù)據(jù)刪除，以將冗余數(shù)據(jù)剔除。
7.根據(jù)權(quán)利要求5所述的基于自適應(yīng)聚類(lèi)分析的行人檢測(cè)方法，其特征在于，所述步驟(3)各激光云點(diǎn)歸類(lèi)時(shí)，分別對(duì)歸類(lèi)到各聚類(lèi)的激光云點(diǎn)的標(biāo)志位進(jìn)行設(shè)置，其中將歸類(lèi)到第一個(gè)聚類(lèi)class_l中的激光云點(diǎn)標(biāo)志位設(shè)置為Obstacle=I,將歸類(lèi)到第η個(gè)聚類(lèi)class_n, n=2,3,4...中的激光云點(diǎn)標(biāo)志位設(shè)置為obstacle=n,其中每個(gè)激光云點(diǎn)標(biāo)志位的初始值為零。
8.根據(jù)權(quán)利要求7所述的基于自適應(yīng)聚類(lèi)分析的行人檢測(cè)方法，其特征在于，所述步驟(3-2)中每個(gè)不為零的激光云點(diǎn)數(shù)據(jù)與已存在的各個(gè)聚類(lèi)中心的歐式距離Drt為:
9.根據(jù)權(quán)利要求8所述的基于自適應(yīng)聚類(lèi)分析的行人檢測(cè)方法，其特征在于，所述步驟(3-2)中，聚類(lèi)class_k的聚類(lèi)中心的更新過(guò)程如下: 首先計(jì)算當(dāng)前標(biāo)志位為obstacle=k的激光云點(diǎn)個(gè)數(shù)nn ； 然后將標(biāo)志位為obStaCle=k的化個(gè)激光云點(diǎn)對(duì)應(yīng)的笛卡爾坐標(biāo)分別作求和運(yùn)算，得至Ij sum_xm 和 sum_ym:
10.根據(jù)權(quán)利要求4所述的基于自適應(yīng)聚類(lèi)分析的行人檢測(cè)方法，其特征在于，所述步驟(4)中各聚類(lèi)的寬度距離Wq為:
Wq=abs ((Xright) q- (Xleft) q) , q=l...P ; 其中P為聚類(lèi)分析完后得到的聚類(lèi)的總數(shù)，Wq表示第q個(gè)聚類(lèi)的寬度距離；(Xlrft)q和(Xright) q表示第q個(gè)聚類(lèi)的左右邊界值； 所述閾值范圍中a為0.3米，b為0.6米。
【文檔編號(hào)】G06K9/62GK103559502SQ201310513651
【公開(kāi)日】2014年2月5日 申請(qǐng)日期:2013年10月25日 優(yōu)先權(quán)日:2013年10月25日
【發(fā)明者】游峰, 李福樑, 張榮輝, 王海瑋, 溫惠英 申請(qǐng)人:華南理工大學(xué)