买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜吉林大学申请的专利一种基于传感器融合的目标检测及追踪方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114926808B 。

龙图腾网通过国家知识产权局官网在2025-04-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210330797.6，技术领域涉及：G06V20/58；该发明授权一种基于传感器融合的目标检测及追踪方法是由李超群;曲婷;王锦坤;李鑫;高炳钊设计研发完成，并于2022-03-30向国家知识产权局提交的专利申请。

本一种基于传感器融合的目标检测及追踪方法在说明书摘要公布了：本发明公开了一种基于传感器融合的目标检测及追踪方法，包括：通过车载传感设备获取周围目标物的状态信息，分别对图像数据和点云数据进行目标检测；对所述车载传感设备所包括的激光雷达和摄像头进行外参数标定；采用匈牙利算法对所述激光雷达和摄像头各自采集的数据进行目标匹配；使用卡尔曼滤波算法对完成数据匹配的目标进行追踪，得到周围多目标的运动轨迹。该方法通过激光雷达和摄像头融合丰富了目标物信息，解决了单一传感器检测目标信息不够充足的问题；通过实施追踪技术解决漏检、遮挡问题，且便于多目标分析；整套方案检测精度较高，实时性好。

本发明授权一种基于传感器融合的目标检测及追踪方法在权利要求书中公布了：1.一种基于传感器融合的目标检测及追踪方法，其特征在于，包括以下步骤：步骤1：通过车载传感设备获取周围目标物的状态信息，分别对图像数据和点云数据进行目标检测；包括：1使用Yolov3算法对图像数据进行目标检测，输出图像中多目标的位置、目标类别和置信度信息；2使用长方体切割RANSAC算法去地面Kdtree加速的欧式聚类算法，对点云数据进行目标检测；包括：使用PCL库函数通过设定长方体的边界顶点值，滤除掉长方体区域以外的点云数据，获得有效点云数据；采用RANSAC算法在所述有效点云数据中拟合大平面，分离出地面点；采用Kdtree对分离出地面点后的点云数据进行搜索，并采用欧式聚类算法实现对点云数据中的目标检测；步骤2：对所述车载传感设备所包括的激光雷达和摄像头进行外参数标定；包括：选用改进的lidar_camera_calibration算法，添加初始化模块、自动提取点云角点模块，其中初始化模块通过计算闭式解作为初始值，实现对激光雷达和摄像头进行外参数标定；所述改进的lidar_camera_calibration算法中初始值模块的求解原理如下：约束方程共两个：Rclnl＝nc1，其中，Rcl为激光雷达摄像头之间的外参旋转矩阵，tcl为外参平移向量，nl为标定板在激光雷达坐标系下的法向量，nc为标定板在摄像头坐标系下的法向量，Pl为激光雷达坐标系下点的坐标，dc为摄像头坐标系原点到标定板的垂直距离；点云与图像检测到的标定板法向量满足约束1，点在标定板上满足约束2；令N为用于求解的点云总帧数，i为每帧的索引，求外参旋转矩阵Rcl、平移向量tcl合适初始值，即为C最小时对应的参数；化简后得最小化C即最大化F，令则当RH为正定矩阵时矩阵的迹最大，对H做SVD分解， 当时， RH为正定矩阵，此时F最大，C最小，故得到Rcl的估计值，代入约束2得到tcl的估计值；将此值作为初始值输入非线性优化模块，提供梯度下降的起点，防止优化陷入局部最优值，便于得到全局最优的外参值；求解初始值时采用某几对测量数据，不需将全部测量代入；步骤3：采用匈牙利算法对所述激光雷达和摄像头各自采集的数据进行目标匹配；包括：1通过时间同步器将所述激光雷达和摄像头各自采集的数据进行时间同步，统一至一个坐标系下；2使用匈牙利算法，遍历所述激光雷达和摄像头检测得到的中点，以图像坐标系下距离最近为目标，寻找匹配的图像检测框中点与点云聚类中心；3关键点匹配计数做多帧多目标的匹配，形成多目标信息序列；包括：对前后帧图像分别提取关键点，并计算每个关键点的描述子；将前后两帧的关键点通过计算描述子距离进行匹配，得到关键点匹配点对；针对每个检测框对它内部的关键点，在另一帧中的每个检测框中计数；若是含有对应匹配关键点，则计数加一，以匹配关键点计数最大的检测框为配对对象，形成多目标信息序列；步骤4：使用卡尔曼滤波算法对完成数据匹配的目标进行追踪，得到周围多目标的运动轨迹。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人吉林大学，其通讯地址为：130022 吉林省长春市人民大街5988号吉林大学南岭校区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。