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！

龙图腾网获悉南京航空航天大学申请的专利一种云雾工况下的行人检测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：CN114821642B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202210402024.4，技术领域涉及：G06V40/10；该发明授权一种云雾工况下的行人检测方法是由朱耀鎏;王春燕;赵万忠;张自宇;刘津强;曹铭纯;孟琦康;于博洋设计研发完成，并于2022-04-18向国家知识产权局提交的专利申请。

本一种云雾工况下的行人检测方法在说明书摘要公布了：本发明公开了一种云雾工况下的行人检测方法，步骤如下：对车载毫米波雷达实时采集的云雾工况下目标行人信息进行预处理；对车载激光雷达采集到的云雾工况下点云数据进行预处理；对预处理后的数据进行时间和空间上的同步，再利用多重卡尔曼滤波算法进行融合。本发明将激光雷达与毫米波雷达进行融合，毫米波雷达探测性能更稳定，作用距离较长，穿透能力强，具有全天候全天时的特点，融合后，能提高行人目标检测率，降低误检率，能大大提高行车安全性。

本发明授权一种云雾工况下的行人检测方法在权利要求书中公布了：1.一种云雾工况下的行人检测方法，其特征在于，步骤如下： 1对车载毫米波雷达实时采集的云雾工况下目标行人信息进行预处理，对毫米波雷达数据进行时域和频域上的转换以去除无效目标、静止目标、非危险目标，确定有效目标，再采用滤波算法对有效目标的数据进行清洗，得到平滑数据； 2通过二次回波、坐标转换、区域分割、聚类以及特征提取与分类对车载激光雷达采集到的云雾工况下点云数据进行预处理； 3对步骤1和步骤2中预处理后的数据进行时间和空间上的同步，再利用多重卡尔曼滤波算法进行融合，得到待检测行人的目标信息； 所述步骤3具体包含以下步骤： 31获取行人的位置和速度，建立行人运动模型，取行人的运动速度和位置在纵向和侧向的分量作为行人运动模型的状态变量，则行人的运动模型表示为： 式中，px′为行人x方向位置的预测值；px行人x方向位置的测量值；vx′为行人x方向速度的预测值；vx为行人x方向速度的测量值；vpx为行人x方向的位置噪声；vpy为行人y方向的位置噪声；vvx为行人x方向的速度噪声；vy'为行人y方向的预测值；vy为行人y方向速度的测量值；vvy为行人y方向的速度噪声；p′y为行人y方向位置的预测值；py行人y方向位置的测量值； 32通过卡尔曼滤波对激光雷达的数据进行估计，激光雷达的测量模型为： 式中，zli为测量值向量；H为激光雷达测量矩阵；wli为激光雷达测量噪声；Rli为激光雷达测量噪声协方差矩阵； 激光雷达参数更新模型：参数更新过程是更新行人实时的状态x的协方差矩阵和输出激光雷达实时的估计值，表示为： 式中，yli为激光雷达测量误差；zli为激光雷达测量值；H为激光雷达测量矩阵；xk为k时刻的状态；Sli为激光雷达参数更新过程矩阵；Kli激光雷达估计增益；xlio为估计值即激光雷达卡尔曼滤波器的输出值；Ppk为k时刻的状态x的预测协方差矩阵；Plik为由激光雷达参数更新模更新出的k时刻的状态x的实际协方差矩阵；I为单位矩阵； 33通过扩展卡尔曼滤波对毫米波雷达的数据进行估计，毫米波雷达的测量模型表示为： 式中，wra为毫米波雷达的测量噪声；Rra为毫米波雷达测量噪声协方差矩阵，hx为系统状态空间到测量空间的映射； 对毫米波雷达的测量模型中的非线性函数进行一阶泰勒展开，将非线性部分线性化，即： 线性化后的毫米波雷达的测量模型表示为： 式中，为线性化后的hx函数，其雅可比矩阵表示为： 式中，Hj为线性化后hx函数的雅可比矩阵； 毫米波雷达的测量误差协方差矩阵表示为： 矩阵Rra为毫米波雷达处接收到的位置测量结果的不确定性； 毫米波雷达参数更新模型：参数更新过程是更新行人实时的状态x的协方差矩阵和输出毫米波雷达实时的估计值，表示为： 式中，yra为毫米波雷达测量误差；h-1为hx的逆函数；zra为毫米波雷达测量值；Sra为毫米波雷达参数更新过程矩阵；Kra毫米波雷达估计增益；xrao为估计值即毫米波雷达卡尔曼滤波器的输出值；Prak为由毫米波雷达参数更新模更新出的k时刻的状态x的实际协方差矩阵； 34将毫米波雷达与激光雷达获取的数据通过多重卡尔曼滤波进行融合； 所述步骤34具体包含以下四种情况： 341对于双传感器同步更新的情况，进行第一传感器的参数更新，获取到初步的估计值后，以此值作为第二传感器参数更新过程中的预测值进行估计，最终得到的结果即为传感器信息融合结果，表示为： 式中，xk为k时刻的状态；F为更新方程，I为单位矩阵，T为采样时间；v为系统噪声；Ppk为k时刻的状态x的预测协方差矩阵；Plik-1为由激光雷达参数更新模更新出的k-1时刻的状态x的实际协方差矩阵；Q为协方差矩阵；yli为激光雷达测量误差；zli为激光雷达测量值；H为激光雷达测量矩阵；Sli为激光雷达参数更新过程矩阵；Rli激光雷达的测量值噪声协方差矩阵；Kli激光雷达估计增益；xlio为估计值即激光雷达卡尔曼滤波器的输出值；Prak-1为由毫米波雷达参数更新模更新出的k-1时刻的状态x的实际协方差矩阵；yra为毫米波雷达测量误差；zra为线性化后的毫米波雷达测量模型；Sra为毫米波雷达参数更新过程矩阵；Hj为线性化后hx函数的雅可比矩阵；xrao为估计值即毫米波雷达卡尔曼滤波器的输出值；Kra为毫米波雷达估计增益； 342对于双传感器异步更新情况下的融合，在参数更新时只需要调用不同传感器的各自的参数更新方程即可获取最终的输出结果；当第一传感器更新时，根据第二传感器上一时刻的测量值计算第二传感器的测量值的预测值作为第二传感器当前时刻的测量值，表示为以下两种情况； 激光雷达更新，毫米波雷达不更新： 式中，为毫米波雷达测量值的预测值；为激光雷达测量值的预测值； 毫米波雷达更新，激光雷达不更新： 343对于双传感器同步不更新的情况下的融合，此时两个传感器受云雾因素的影响导致的数据同时丢失，此时采用双传感器测量值同步预测融合方法进行输出，表示为： 根据最终的输出，即可获取待检测行人的目标信息。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29号；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”。