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！

龙图腾网获悉奥特酷智能科技(南京)有限公司申请的专利用于封闭高速道路的目标车辆检测系统及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：CN115690699B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202211326003.5，技术领域涉及：G06V20/54；该发明授权用于封闭高速道路的目标车辆检测系统及方法是由刘心刚;刘正飞;刘慧远;张旸;陈诚设计研发完成，并于2022-10-27向国家知识产权局提交的专利申请。

本用于封闭高速道路的目标车辆检测系统及方法在说明书摘要公布了：本发明公开一种用于封闭高速道路的目标车辆检测系统，包括数据采集模块、点云数据处理模块、图像数据处理模块、点云数据和图像数据融合模块；点云数据和图像数据融合模块融合时利用了车道线，目标点云形状和目标距离信息，在点云空间内融合，解决了多个距离较近的目标无法正确匹配和较远的目标无法匹配的问题。本发明还提供了用于封闭高速道路的目标车辆检测方法。本发明有效提高了目标车辆检测的准确性，同时缩短了目标车辆检测时间，更适用于无人驾驶车辆；再者，本发明提供的方法对整个系统的外参精度没有要求。

本发明授权用于封闭高速道路的目标车辆检测系统及方法在权利要求书中公布了：1.一种用于封闭高速道路的目标车辆检测系统，其特征在于：包括数据采集模块、点云数据处理模块、图像数据处理模块、点云数据和图像数据融合模块； 其中，数据采集模块设置在主车辆上，用于采集主车辆周围的图像数据和点云数据； 点云数据处理模块根据数据采集模块采集到的点云数据生成地面点云地图，在地面点云地图中识别出车道线；并对非地面点云进行聚类；根据在车道线内的聚类簇得到目标点云聚类集合，再根据聚类簇所在的车道标识所在车道的标签；并根据目标点云聚类集合中聚类簇的鸟瞰图的形状，在每簇聚类簇上标识对应的形状标签；并将获得的结果输入到点云数据和图像数据融合模块； 图像数据处理模块对摄像头采集的图像数据进行处理，在采集到的图像中识别出车道线、车辆周围的目标车辆；并将检测出的目标车辆与主车辆的位置关系进行分类；分别得到主车辆所在当前车道、其左侧车道和右侧车道中的目标车辆的集合；并将获得的结果输入到点云数据和图像数据融合模块； 点云数据和图像数据融合模块将点云数据处理模块输出的结果与图像数据处理模块输出结果进行融合判断，而得到主车辆周围的目标车辆信息； 所述点云数据和图像数据融合模块将点云数据处理模块输出的结果与图像数据处理模块输出结果进行融合判断的方法包括以下步骤： 步骤301：获取标识有车道标签和形状标签的目标车辆点云聚类集合中每一簇聚类簇的质心到激光雷达坐标系的坐标原点的距离； 步骤302：将步骤301得到的每一簇聚类簇的质心到激光雷达坐标系的坐标原点的距离与距离阈值进行比较；分别得到小于距离阈值的点云聚类集合Cluster_object_in_lane_near和大于距离阈值的点云聚类集合Cluster_object_in_lane_far；小于距离阈值的点云聚类集合Cluster_object_in_lane_near，执行步骤303；大于距离阈值的点云聚类集合Cluster_object_in_lane_far，则执行步骤304～305； 步骤303：根据公式计算近距离点云与图片融合结果得分Scorenear；执行步骤306； Scorenear＝Scorenearleft+Scorenearright+Scorenearcurrent； 其中， 其中，M表示激光雷达的最远有效探测距离；Cluster_distance_near[i]表示小于距离阈值的点云聚类集合Cluster_object_in_lane_near中第i个聚类簇到激光雷达坐标系的坐标原点的距离；I表示小于距离阈值的点云聚类集合Cluster_object_in_lane_near中聚类簇的总数；其中Camera_count_current表示图片数据处理模块得到的与主车辆在同一个车道中目标车辆的数量，Camera_count_left表示图片数据处理模块得到的在主车辆左侧车道中目标车辆的数量，Camera_count_right表示图片数据处理模块得到的在主车辆右侧车道中目标车辆的数量； Li-left表示第i个聚类簇上标识的所在车道的标签为lable_left_lane的判断值；si-left表示第i个聚类簇上标识的形状标签为lable_shape_left_lane的判断值；Li-right表示第i个聚类簇上标识的所在车道的标签为lable_right_lane的判断值；si-right表示第i个聚类簇上标识的形状标签为lable_shape_right_lane的判断值；si-current表示第i个聚类簇上标识的形状标签为lable_shape_current_lane的判断值；Li-current表示第i个聚类簇上标识的所在车道的标签为lable_current_lane的判断值； 步骤304：将大于距离阈值的点云聚类集合Cluster_object_in_lane_far中的聚类簇随机分配在车道中；并将分配后每簇聚类簇所在的车道标签标识在聚类簇上； 步骤305：根据公式计算第二点云与图片融合结果得分Scorefar；执行步骤306； Scorefar＝Scorefarleft+Scorefarright+Scorefarcurrent； 其中， 公式中，M表示激光雷达的最远有效探测距离；Cluster_distance_far[j]表示大于距离阈值的点云聚类集合Cluster_object_in_lane_far中第j个聚类簇到激光雷达坐标系的坐标原点的距离；J表示大于距离阈值的点云聚类集合Cluster_object_in_lane_far中聚类簇的总数； Lj-left表示第j个聚类簇上标识的所在车道的标签为lable_left_lane的判断值；sj-left表示第j个聚类簇上标识的形状标签为lable_shape_left_lane的判断值；Lj-right表示第j个聚类簇上标识的所在车道的标签为lable_right_lane的判断值；sj-right表示第j个聚类簇上标识的形状标签为lable_shape_right_lane的判断值；Lj-current表示第j个聚类簇上标识的所在车道的标签为lable_current_lane的判断值；sj-current表示第j个聚类簇上标识的形状标签为lable_shape_current_lane的判断值；其中，第j个聚类簇上标识的所在车道的标签为步骤304中获得的； 步骤306：根据公式 Score＝Scorefar+Scorenear； 计算总得分Score； 步骤307：将总得分Score与图片数据处理模块检测出的目标车辆的数量的总数Camera_object_count进行比较；如果总得分Score不小于图片数据处理模块检测出的目标车辆的数量的总数Camera_object_count，则将点云数据处理模块得到的目标车辆的信息与图片数据处理模块得到的对应的目标车辆的信息进行融合，如果总得分Score小于图片数据处理模块检测出的目标车辆的数量的总数Camera_object_count，则重复步骤302～步骤306。

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奥特酷智能科技(南京)有限公司，其通讯地址为：210012 江苏省南京市雨花台区安德门大街57号楚翘城5幢401室-404室；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”。