CN109143221B - 目标跟踪方法及装置 - Google Patents
目标跟踪方法及装置 Download PDFInfo
- Publication number
- CN109143221B CN109143221B CN201810812508.XA CN201810812508A CN109143221B CN 109143221 B CN109143221 B CN 109143221B CN 201810812508 A CN201810812508 A CN 201810812508A CN 109143221 B CN109143221 B CN 109143221B
- Authority
- CN
- China
- Prior art keywords
- radar data
- target
- targets
- tracking
- radar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000001914 filtration Methods 0.000 claims abstract description 26
- 230000003068 static effect Effects 0.000 claims abstract description 22
- 230000001133 acceleration Effects 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000009191 jumping Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000000827 velocimetry Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
- G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
- G01S13/726—Multiple target tracking
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明是关于一种目标跟踪方法及装置,属于智能车领域,该目标跟踪方法包括:获取毫米波雷达周期性采集的多个目标的雷达数据;从所述多个目标的雷达数据中滤除无效目标的雷达数据,得到n个有效目标的雷达数据,n≥1,所述无效目标包括空目标、静态目标、干扰目标和虚假目标中的至少一个;从所述n个有效目标选取跟踪目标,所述跟踪目标与所述本车位于同一车道,且与所述本车的纵向相对距离最小;对所述跟踪目标的雷达数据进行更新,解决了目标跟踪和目标的数据更新的难度较大的问题,降低了目标跟踪和目标的数据更新的难度,用于智能车跟踪目标。
Description
技术领域
本发明涉及智能车领域,特别涉及一种目标跟踪方法及装置。
背景技术
随着科技的不断发展和进步,计算机技术、现代传感技术和人工智能技术等逐渐应用到了汽车领域中,具有环境感知、路径规划、辅助驾驶等功能的智能车辆应运而生。通过对智能车辆进行控制,可以使智能车辆自动按照预先制定的行驶路径安全行驶。其中,目标跟踪技术是保证智能车辆安全行驶的关键。通过目标跟踪技术可以检测并估计智能车周围环境中的各类目标,比如车辆、行人等的位置数据及运动状态数据。
相关技术中采用目标跟踪技术检测的目标很多,一般会多于10个,检测到的目标中常常会存在很多无效目标,导致目标跟踪和目标的数据更新的难度较大。
发明内容
本发明实施例提供了一种目标跟踪方法及装置,可以解决相关技术中目标跟踪和目标的数据更新的难度较大的问题。所述技术方案如下:
根据本发明实施例的第一方面,提供一种目标跟踪方法,该方法包括:
获取毫米波雷达周期性采集的多个目标的雷达数据;
从所述多个目标的雷达数据中滤除无效目标的雷达数据,得到n个有效目标的雷达数据,n≥1,所述无效目标包括空目标、静态目标、干扰目标和虚假目标中的至少一个;
从所述n个有效目标中选取跟踪目标,所述跟踪目标与本车位于同一车道,且与所述本车的纵向相对距离最小;
对所述跟踪目标的雷达数据进行更新。
可选的,每个所述目标的雷达数据包括所述目标与所述本车的相对距离,相对速度和角度,
在所述从所述多个目标的雷达数据中滤除无效目标的雷达数据之前,所述方法还包括:
当所述多个目标的雷达数据中存在第一雷达数据时,将所述第一雷达数据确定为空目标的雷达数据,所述第一雷达数据中相对距离为0,相对速度为初始值,角度为0;
当所述多个目标的雷达数据中存在第二雷达数据时,将所述第二雷达数据确定为静态目标的雷达数据,所述第二雷达数据中相对距离大于0,相对速度在预设速度范围内波动,角度大于0;
当所述多个目标的雷达数据中存在第三雷达数据时,将所述第三雷达数据确定为干扰目标的雷达数据,所述第三雷达数据的连续出现时长小于预设时长且存在跳变;
当所述多个目标的雷达数据中存在第四雷达数据时,将所述第四雷达数据确定为虚假目标的雷达数据,所述第四雷达数据连续出现的次数小于预设次数。
可选的,每个所述目标的雷达数据还包括所述目标与所述本车的相对加速度,所述对所述跟踪目标的雷达数据进行更新,包括:
获取所述毫米波雷达下一次采集的所述跟踪目标的雷达数据;
根据所述毫米波雷达下一次采集的所述跟踪目标的雷达数据确定下一次所述跟踪目标的状态数据,所述状态数据包括所述跟踪目标与所述本车的横向相对距离,所述跟踪目标与所述本车的相对速度,以及所述跟踪目标与所述本车的相对加速度;
采用卡尔曼滤波算法预测下一次所述跟踪目标的状态数据;
当预测的下一次所述跟踪目标的状态数据与确定的下一次所述跟踪目标的状态数据的差值不大于预设值时,将上一次所述跟踪目标的雷达数据更新为确定的下一次所述跟踪目标的雷达数据。
可选的,所述从所述n个有效目标中选取跟踪目标,包括:
将所述n个有效目标按照有效目标与所述本车的纵向相对距离从小到大排序,得到排序后的n个有效目标;
从排序后的n个有效目标中选取所述跟踪目标。
根据本发明实施例的第二方面,提供一种目标跟踪装置,包括:
获取模块,用于获取毫米波雷达周期性采集的多个目标的雷达数据;
滤除模块,用于从所述多个目标的雷达数据中滤除无效目标的雷达数据,得到n个有效目标的雷达数据,n≥1,所述无效目标包括空目标、静态目标、干扰目标和虚假目标中的至少一个;
选取模块,用于从所述n个有效目标中选取跟踪目标,所述跟踪目标与本车位于同一车道,且与所述本车的纵向相对距离最小;
更新模块,用于对所述跟踪目标的雷达数据进行更新。
可选的,每个所述目标的雷达数据包括所述目标与所述本车的相对距离,相对速度和角度,所述装置还包括:
确定模块,用于:
在所述多个目标的雷达数据中存在第一雷达数据时,将所述第一雷达数据确定为空目标的雷达数据,所述第一雷达数据中相对距离为0,相对速度为初始值,角度为0;
在所述多个目标的雷达数据中存在第二雷达数据时,将所述第二雷达数据确定为静态目标的雷达数据,所述第二雷达数据中相对距离大于0,相对速度在预设速度范围内波动,角度大于0;
在所述多个目标的雷达数据中存在第三雷达数据时,将所述第三雷达数据确定为干扰目标的雷达数据,所述第三雷达数据的连续出现时长小于预设时长且存在跳变;
在所述多个目标的雷达数据中存在第四雷达数据时,将所述第四雷达数据确定为虚假目标的雷达数据,所述第四雷达数据连续出现的次数小于预设次数。
可选的,每个所述目标的雷达数据还包括所述目标与所述本车的相对加速度,所述更新模块,用于:
获取所述毫米波雷达下一次采集的所述跟踪目标的雷达数据;
根据所述毫米波雷达下一次采集的所述跟踪目标的雷达数据确定下一次所述跟踪目标的状态数据,所述状态数据包括所述跟踪目标与所述本车的横向相对距离,所述跟踪目标与所述本车的相对速度,以及所述跟踪目标与所述本车的相对加速度;
采用卡尔曼滤波算法预测下一次所述跟踪目标的状态数据;
当预测的下一次所述跟踪目标的状态数据与确定的下一次所述跟踪目标的状态数据的差值不大于预设值时,将上一次所述跟踪目标的雷达数据更新为确定的下一次所述跟踪目标的雷达数据。
可选的,所述选取模块,用于:
将所述n个有效目标按照有效目标与所述本车的纵向相对距离从小到大排序,得到排序后的n个有效目标;
从排序后的n个有效目标中选取所述跟踪目标。
根据本发明实施例的第三方面,提供一种目标跟踪装置,包括:存储器,处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面所述的目标跟踪方法。
根据本发明实施例的第四方面,提供一种计算机可读存储介质,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的目标跟踪方法。
根据本发明实施例的第五方面,提供一种包含指令的计算机程序产品,当所述计算机程序产品在计算机上运行时,使得计算机执行第一方面所述的目标跟踪方法。
本发明实施例提供的技术方案至少包括以下有益效果:
能够从毫米波雷达周期性采集的多个目标的雷达数据中滤除无效目标的雷达数据,得到n个有效目标的雷达数据,并从n个有效目标中选取跟踪目标,之后对跟踪目标的雷达数据进行更新,由于对无效目标的雷达数据进行了滤除,所以降低了目标跟踪和目标数据更新的难度。
附图说明
为了更清楚地说明本发明的实施例,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例所涉及的实施环境示意图;
图2是本发明实施例提供的一种目标与本车的相对距离和角度的示意图;
图3是本发明实施例提供的一种目标跟踪方法的流程图;
图4是本发明实施例提供的另一种目标跟踪方法的流程图;
图5是本发明实施例提供的有效目标与本车的横向相对距离、纵向相对距离的示意图;
图6是本发明实施例提供的一种对跟踪目标的雷达数据进行更新的流程图;
图7是本发明实施例提供的一种目标跟踪装置的结构示意图;
图8是本发明实施例提供的另一种目标跟踪装置的结构示意图;
图9是本发明实施例提供的再一种目标跟踪装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
图1示出了本发明实施例所涉及的实施环境示意图,该实施环境可以包括行驶在道路上的车辆01和车辆01周边的目标02(比如车辆,行人等),本发明实施例中的车辆均为智能车。车辆周边的目标包括有效目标和无效目标,比如树木、指示牌、护栏等为无效目标,行驶于车辆前方的车辆为有效目标,对有效目标进行检测和跟踪,可以实现车辆的主动安全防撞功能,保证车辆安全行驶。在该实施环境中,车辆设置有毫米波雷达和工控机,毫米波雷达周期性采集车辆周边的目标的雷达数据,工控机从毫米波雷达采集的雷达数据中选取出有效目标的雷达数据,并基于有效目标的雷达数据进行目标跟踪。在本发明实施例中,由于对毫米波雷达采集的雷达数据中无效目标的雷达数据进行了滤除,所以降低了目标跟踪和目标数据更新的难度。
其中,毫米波雷达是一种工作在毫米波波段探测的雷达,毫米波雷达具有尺寸小,分辨率高,全天候等特点,能够在复杂的测量环境下,对车辆周边的目标进行检测。毫米波雷达检测目标的原理为:毫米波雷达向前方目标发射毫米波信号,然后接收由目标反射的信号,毫米波雷达基于多普勒原理对目标反射的信号进行放大、相干检波、混频等处理,提取出有用信号,然后根据该有用信号计算出目标与本车的相对距离,相对速度,相对加速度和角度等。示例的,毫米波雷达可以设置在本车前横梁上。图2示例性示出了目标02与本车01的相对距离L和角度θ的示意图,其中,相对距离L为目标02的中心与本车01上毫米波雷达的距离,角度θ为目标02的中心与本车01上毫米波雷达的连线与本车01的行驶方向之间的夹角。
在本发明实施例中,示例的,毫米波雷达可以为电子扫描雷达(Electronicscanning radar,ESR),ESR采用连续波调制方式,基于多普勒测速原理工作,ESR能够扫描175米范围内的64个目标。ESR可以按照50毫秒(ms)的扫描周期同时扫描中距离和长距离范围内的目标,其中,中距离为60米,对应扫描角度为(-45°,+45°);长距离为175米,对应扫描角度为(-10°,+10°)。ESR在获取到目标的雷达数据后,可以将目标的雷达数据存放至内存地址中。
图3示出了本发明实施例提供的一种目标跟踪方法的流程图,可以用于车辆上的工控机,如图3所示,该方法包括:
步骤301、获取毫米波雷达周期性采集的多个目标的雷达数据。
其中,每个目标的雷达数据可以包括目标与本车的相对距离,相对速度,相对加速度和角度。
可选的,毫米波雷达可以每隔50ms采集一次雷达数据。
步骤302、从多个目标的雷达数据中滤除无效目标的雷达数据,得到n个有效目标的雷达数据,n≥1,无效目标包括空目标、静态目标、干扰目标和虚假目标中的至少一个。
无效目标的雷达数据会增大目标跟踪和目标数据更新的难度,所以为了降低目标跟踪和目标数据更新的难度,工控机从多个目标的雷达数据中滤除无效目标的雷达数据。
步骤303、从n个有效目标中选取跟踪目标,该跟踪目标与本车位于同一车道,且与本车的纵向相对距离最小。
步骤304、对跟踪目标的雷达数据进行更新。
综上所述,本发明实施例提供的目标跟踪方法,能够从毫米波雷达周期性采集的多个目标的雷达数据中滤除无效目标的雷达数据,得到n个有效目标的雷达数据,并从n个有效目标中选取跟踪目标,之后对跟踪目标的雷达数据进行更新,由于对无效目标的雷达数据进行了滤除,所以降低了目标跟踪和目标数据更新的难度。
为了从多个目标的雷达数据中滤除无效目标的雷达数据,可以根据多个目标的雷达数据的特点确定出无效目标的雷达数据,具体的,该方法可以如图4所示,包括:
步骤401、获取毫米波雷达周期性采集的多个目标的雷达数据。
其中,每个目标的雷达数据可以包括目标与本车的相对距离,相对速度,相对加速度和角度。
可选的,毫米波雷达可以每隔50ms采集一次雷达数据。比如毫米波雷达第1次采集了目标A和目标B的雷达数据,目标A的雷达数据为:目标A与本车的相对距离为L1,相对速度为V1,相对加速度为a1,角度为θ1。目标B的雷达数据为:目标B与本车的相对距离为L2,相对速度为V2,相对加速度为a2,角度为θ2。毫米波雷达第2次采集了目标A和目标C的雷达数据,目标A的雷达数据为:目标A与本车的相对距离为L3,相对速度为V3,相对加速度为a3,角度为θ3。目标C的雷达数据为:目标C与本车的相对距离为L4,相对速度为V4,相对加速度为a4,角度为θ4。
示例的,工控机可以将获取的多个目标的雷达数据中每个目标的雷达数据存放在预先定义的结构体数组中,便于数据处理。
步骤402、当多个目标的雷达数据中存在第一雷达数据时,将第一雷达数据确定为空目标的雷达数据,该第一雷达数据中相对距离为0,相对速度为初始值,角度为0。
当毫米波雷达未检测到目标,即检测到空目标时,毫米波雷达采集的雷达数据为系统默认值,目标与本车的相对距离为0,目标与本车的相对速度为初始值,目标与本车的角度为0。当多个目标的雷达数据中存在值为系统默认值的雷达数据时,工控机将该雷达数据确定为空目标的雷达数据。其中,空目标的雷达数据每次都为系统默认值。
步骤403、当多个目标的雷达数据中存在第二雷达数据时,将第二雷达数据确定为静态目标的雷达数据,该第二雷达数据中相对距离大于0,相对速度在预设速度范围内波动,角度大于0。
可选的,预设速度范围可以为(-0.03,+0.03),预设速度范围中的速度的单位为米/秒。
通常,静态目标与本车的相对距离大于0,静态目标与本车的相对速度会在预设速度范围内波动,静态目标与本车的角度大于0,静态目标的雷达数据会增大目标跟踪和目标数据更新的难度,所以当多个目标的雷达数据中存在具有这些特点的第二雷达数据时,工控机将第二雷达数据确定为静态目标的雷达数据。
步骤404、当多个目标的雷达数据中存在第三雷达数据时,将第三雷达数据确定为干扰目标的雷达数据,该第三雷达数据的连续出现时长小于预设时长且存在跳变。
通常,干扰目标的特点是出现时间短暂且存在跳变,比如,同车道及旁车道的树木、指示牌、护栏等对于车辆来说都是干扰目标,干扰目标的雷达数据会增大目标跟踪和目标数据更新的难度。当多个目标的雷达数据中存在连续出现时长小于预设时长且存在跳变的第三雷达数据时,工控机将第三雷达数据确定为干扰目标的雷达数据。可选的,当毫米波雷达每隔50ms采集一次雷达数据时,预设时长可以为250ms,即第三雷达数据的连续出现时长小于250ms,且在250ms内一直跳变。
步骤405、当多个目标的雷达数据中存在第四雷达数据时,将第四雷达数据确定为虚假目标的雷达数据,该第四雷达数据连续出现的次数小于预设次数。
其中,预设次数可以等于5。毫米波雷达向目标发射毫米波信号后目标反射信号不均时会形成虚假目标,虚假目标的雷达数据会增大目标跟踪和目标数据更新的难度。当多个目标的雷达数据中存在连续出现的次数小于预设次数的第四雷达数据时,工控机将第四雷达数据确定为虚假目标的雷达数据。示例的,毫米波雷达可以每隔50ms采集一次雷达数据,假设一共采集了20次雷达数据,第1次至第3次采集的雷达数据均包括目标F的雷达数据,第4次至第20次采集的雷达数据不包括目标F的雷达数据,当预设次数等于5时,工控机可以将目标F的雷达数据确定为虚假目标的雷达数据。
此外,当多个目标的雷达数据中存在加速度或速度较大的雷达数据时,工控机也可以将该雷达数据确定为虚假目标。
步骤406、从多个目标的雷达数据中滤除无效目标的雷达数据,得到n个有效目标的雷达数据。
其中,n≥1,无效目标包括空目标、静态目标、干扰目标和虚假目标中的至少一个。
通过执行步骤402至步骤405,工控机可以从毫米波雷达周期性采集的多个目标的雷达数据中确定出空目标、静态目标、干扰目标和虚假目标的雷达数据。通过执行步骤406,工控机从毫米波雷达周期性采集的多个目标的雷达数据中滤除这些无效目标的雷达数据,进而得到有效目标的雷达数据,这些有效目标即为稳定的目标,得到稳定的目标便于进行目标跟踪和目标数据更新。
可选的,工控机还可以根据连续多次(比如3次)采集的同一目标的雷达数据的差值确定该目标的稳定性,判断该目标是否为有效目标。比如,对于目标F来说,毫米波雷达第1次采集的目标F的雷达数据中相对距离为L11,第2次采集的目标F的雷达数据中相对距离为L22,第3次采集的目标F的雷达数据中相对距离为L33,工控机确定L11和L22的差值,L22和L33的差值,确定相对距离是不变,还是持续增大,还是持续减小,之后根据判断结果确定目标F是否为有效目标即稳定的目标。
步骤407、将n个有效目标按照有效目标与本车的纵向相对距离从小到大排序,得到排序后的n个有效目标。
其中,纵向相对距离可以根据目标与本车的相对距离和角度得到。有效目标与本车的纵向相对距离越小,本车受到的干扰越大,本车行驶的安全性越低,在本步骤中,将步骤406得到的n个有效目标按照有效目标与本车的纵向相对距离从小到大进行排序,便于从排序后的n个有效目标的第1个有效目标开始检测,确定出待跟踪的跟踪目标。其中,跟踪目标与本车位于同一车道,且与本车的纵向相对距离最小。
示例的,工控机可以将排序后的n个有效目标的雷达数据中每个有效目标的雷达数据存放在预先定义的另一结构体数组中,便于数据处理。
除了步骤402至步骤405中的空目标,静态目标,干扰目标,以及虚假目标外,无效目标还可以包括因本车颠簸,本车速度跳变等因素产生的一些无实际意义的目标。
步骤408、从排序后的n个有效目标中选取跟踪目标。
在本步骤中,工控机从排序的n个有效目标中选取跟踪目标,n个有效目标是按照各有效目标与本车的纵向相对距离从小到大进行排序的,所以工控机可以依次判断每个有效目标是否与本车位于同一车道。当某一有效目标与本车位于同一车道,且存在1个有效目标与本车的纵向相对距离最小时,工控机将该有效目标确定为跟踪目标,然后停止遍历。
当存在1个有效目标与本车的纵向相对距离最小,且与本车位于同一车道时,工控机直接将该有效目标作为跟踪目标;当存在多个有效目标与本车的纵向相对距离最小,且与本车位于同一车道时,工控机再进一步确定与本车的横向相对距离最小的有效目标,并将该有效目标确定为跟踪目标。横向相对距离可以根据目标与本车的相对距离和角度得到。
可选的,当有效目标与本车的横向相对距离小于2米时,可以确定该有效目标与本车位于同一车道。图5示例性示出了有效目标与本车的横向相对距离R、纵向相对距离D的示意图,横向相对距离R为有效目标的中心与本车上毫米波雷达的横向距离。纵向相对距离D为目标的中心与本车上毫米波雷达的纵向距离。
可选的,为了实现车辆的主动防撞功能,对本车周边一定范围内的有效目标进行检测即可,所以在本发明实施例中,工控机也可以先采用预先设置的距离阈值从n个有效目标中选取纵向相对距离小于距离阈值的前多个有效目标,然后再将选取的有效目标按照纵向相对距离从小到大排序,之后,从排序后的有效目标中选取与本车位于同一车道,且与本车的纵向相对距离最小的跟踪目标。
步骤409、对跟踪目标的雷达数据进行更新。
当工控机获取到毫米波雷达下一次采集的跟踪目标的雷达数据时,为了实现对跟踪目标的跟踪,工控机将上一次采集的跟踪目标的雷达数据更新为下一次采集的跟踪目标的雷达数据。
可选的,在对跟踪目标的雷达数据进行更新时,为了进一步提高目标跟踪的准确性,工控机可以先采用卡尔曼滤波算法对下一次跟踪目标的状态数据进行预测,当预测结果与采用毫米波雷达得到的下一次跟踪目标的状态数据的偏差较小时,可以确定采用毫米波雷达得到的下一次跟踪目标的状态数据的准确性较高,其中,跟踪目标的状态数据是根据跟踪目标的雷达数据得到的。在这种情况下,工控机将毫米波雷达上一次采集的跟踪目标的雷达数据更新为毫米波雷达下一次采集的跟踪目标的雷达数据。相应的,如图6所示,步骤409可以包括:
步骤4091、获取毫米波雷达下一次采集的跟踪目标的雷达数据。
步骤4092、根据毫米波雷达下一次采集的跟踪目标的雷达数据确定下一次跟踪目标的状态数据,该状态数据包括跟踪目标与本车的横向相对距离,跟踪目标与本车的相对速度,以及跟踪目标与本车的相对加速度。
比如,跟踪目标为目标F,毫米波雷达下一次采集的目标F的雷达数据为:目标F与本车的相对距离为L5,相对速度为V5,相对加速度为a5,角度为θ5,工控机根据相对距离L5和角度θ5可以确定状态数据中跟踪目标与本车的横向相对距离,同时可以得到跟踪目标与本车的相对速度为V5,跟踪目标与本车的相对加速度为a5。
步骤4093、采用卡尔曼滤波算法预测下一次跟踪目标的状态数据。
其中,工控机可以采用三阶卡尔曼滤波算法,根据预测的上一次跟踪目标的状态数据预测下一次跟踪目标的状态数据。跟踪目标的状态数据包括跟踪目标与本车的横向相对距离,跟踪目标与本车的相对速度,以及跟踪目标与本车的相对加速度。采用卡尔曼滤波算法根据上一次跟踪目标的状态数据预测下一次跟踪目标的状态数据的具体过程可以参考相关技术,在此不再赘述。
步骤4094、当预测的下一次跟踪目标的状态数据与确定的下一次跟踪目标的状态数据的差值不大于预设值时,将上一次跟踪目标的雷达数据更新为确定的下一次跟踪目标的雷达数据。
工控机检测步骤4093预测的状态数据与步骤4092确定的状态数据的差值是否大于预设值,当预测的状态数据与确定的状态数据的差值不大于预设值时,表明采用毫米波雷达得到的下一次跟踪目标的状态数据的准确性较高,那么工控机将上一次跟踪目标的雷达数据更新为确定的下一次跟踪目标的雷达数据。
比如,跟踪目标为目标F,毫米波雷达上一次采集的目标F的雷达数据为:目标F与本车的相对距离为L5,相对速度为V5,相对加速度为a5,角度为θ5。毫米波雷达下一次采集的目标F的雷达数据为:目标F与本车的相对距离为L6,相对速度为V6,相对加速度为a6,角度为θ6,当采用卡尔曼滤波算法预测的状态数据与基于毫米波雷达确定的状态数据的差值不大于预设值时,工控机将L5更新为L6,将V5更新为V6,将a5更新为a6,将θ5更新为θ6。
当采用卡尔曼滤波算法预测的下一次跟踪目标的状态数据与基于毫米波雷达确定的下一次跟踪目标的状态数据的差值大于预设值时,工控机检测跟踪目标是否存在,当跟踪目标不存在时,表明跟踪目标已丢失,此时,可以选取新的跟踪目标继续进行跟踪;当跟踪目标存在时,表明采用毫米波雷达得到的下一次跟踪目标的状态数据的准确性较低,工控机将上一次跟踪目标的雷达数据更新为采用卡尔曼滤波算法预测的下一次跟踪目标的数据,预测的下一次跟踪目标的数据是根据由卡尔曼滤波算法预测的下一次跟踪目标的状态数据得到的。
综上所述,本发明实施例提供的目标跟踪方法,能够从毫米波雷达周期性采集的多个目标的雷达数据中滤除无效目标的雷达数据,得到n个有效目标的雷达数据,并从n个有效目标中选取跟踪目标,之后对跟踪目标的雷达数据进行更新,由于对无效目标的雷达数据进行了滤除,所以降低了目标跟踪和目标数据更新的难度。
需要说明的是,本发明实施例提供的目标跟踪方法的步骤的先后顺序可以进行适当调整,目标跟踪方法的步骤也可以根据情况进行相应增减。任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化的方法,都应涵盖在本发明的保护范围之内,因此不再赘述。
本发明实施例提供了一种目标跟踪装置600,如图7所示,该装置600包括:
获取模块610,用于获取毫米波雷达周期性采集的多个目标的雷达数据。
滤除模块620,用于从多个目标的雷达数据中滤除无效目标的雷达数据,得到n个有效目标的雷达数据,n≥1,无效目标包括空目标、静态目标、干扰目标和虚假目标中的至少一个。
选取模块630,用于从n个有效目标中选取跟踪目标,跟踪目标与本车位于同一车道,且与本车的纵向相对距离最小。
更新模块640,用于对跟踪目标的雷达数据进行更新。
综上所述,本发明实施例提供的目标跟踪装置,滤除模块能够从毫米波雷达周期性采集的多个目标的雷达数据中滤除无效目标的雷达数据,得到n个有效目标的雷达数据,选取模块从n个有效目标中选取跟踪目标,之后更新模块对跟踪目标的雷达数据进行更新,由于对无效目标的雷达数据进行了滤除,所以降低了目标跟踪和目标数据更新的难度。
图8是本发明实施例在图7的基础上提供的另一种目标跟踪装置600,如图8所示,该装置600包括:
获取模块610,用于获取毫米波雷达周期性采集的多个目标的雷达数据。
每个目标的雷达数据包括目标与本车的相对距离,相对速度,相对加速度和角度。
滤除模块620,用于从多个目标的雷达数据中滤除无效目标的雷达数据,得到n个有效目标的雷达数据,n≥1,无效目标包括空目标、静态目标、干扰目标和虚假目标中的至少一个。
选取模块630,用于从n个有效目标中选取跟踪目标,跟踪目标与本车位于同一车道,且与本车的纵向相对距离最小。
更新模块640,用于对跟踪目标的雷达数据进行更新。
确定模块650,用于:
在多个目标的雷达数据中存在第一雷达数据时,将第一雷达数据确定为空目标的雷达数据,该第一雷达数据中相对距离为0,相对速度为初始值,角度为0;
在多个目标的雷达数据中存在第二雷达数据时,将第二雷达数据确定为静态目标的雷达数据,该第二雷达数据中相对距离大于0,相对速度在预设速度范围内波动,角度大于0;
在多个目标的雷达数据中存在第三雷达数据时,将第三雷达数据确定为干扰目标的雷达数据,该第三雷达数据的连续出现时长小于预设时长且存在跳变;
在多个目标的雷达数据中存在第四雷达数据时,将第四雷达数据确定为虚假目标的雷达数据,该第四雷达数据连续出现的次数小于预设次数。
其中,更新模块640,用于:
获取毫米波雷达下一次采集的跟踪目标的雷达数据;
根据毫米波雷达下一次采集的跟踪目标的雷达数据确定下一次跟踪目标的状态数据,该状态数据包括跟踪目标与本车的横向相对距离,跟踪目标与本车的相对速度,以及跟踪目标与本车的相对加速度;
采用卡尔曼滤波算法预测下一次跟踪目标的状态数据;
当预测的下一次跟踪目标的状态数据与确定的下一次跟踪目标的状态数据的差值不大于预设值时,将上一次跟踪目标的雷达数据更新为确定的下一次跟踪目标的雷达数据。
选取模块630,用于:
将n个有效目标按照有效目标与本车的纵向相对距离从小到大排序,得到排序后的n个有效目标;
从排序后的n个有效目标中选取跟踪目标。
综上所述,本发明实施例提供的目标跟踪装置,滤除模块能够从毫米波雷达周期性采集的多个目标的雷达数据中滤除无效目标的雷达数据,得到n个有效目标的雷达数据,选取模块从n个有效目标中选取跟踪目标,之后更新模块对跟踪目标的雷达数据进行更新,由于对无效目标的雷达数据进行了滤除,所以降低了目标跟踪和目标数据更新的难度。
本发明实施例还提供了一种目标跟踪装置800,如图9所示,该目标跟踪装置800包括:存储器810,处理器820及存储在存储器810上并可在处理器820上运行的计算机程序811,处理器820执行计算机程序811时实现上述方法实施例所提供的目标跟踪方法,该目标跟踪方法可以如图3或图4所示。
本发明实施例还提供一种计算机可读存储介质,该存储介质为非易失性可读存储介质,存储介质内存储有计算机程序,该计算机程序被处理器执行时实现上述方法实施例所提供的目标跟踪方法。
本发明实施例还提供了一种包含指令的计算机程序产品,当所述计算机程序产品在计算机上运行时,使得计算机执行上述方法实施例所提供的目标跟踪方法。
本发明实施例还提供一种芯片,所述芯片包括可编程逻辑电路和/或程序指令,当所述芯片运行时用于实现上述方法实施例所提供的目标跟踪方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和模块的具体工作过程,可以参考前述方法实施例中各步骤的具体工作过程,在此不再赘述。
本领域技术人员在考虑说明书及实践这里发明的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (8)
1.一种目标跟踪方法,其特征在于,所述方法包括:
获取毫米波雷达周期性采集的多个目标的雷达数据;
从所述多个目标的雷达数据中滤除无效目标的雷达数据,得到n个有效目标的雷达数据,n≥1,所述无效目标包括空目标、静态目标、干扰目标和虚假目标,所述干扰目标的雷达数据的连续出现时长小于预设时长且存在跳变,所述虚假目标的雷达数据连续出现的次数小于预设次数;
从所述n个有效目标中选取跟踪目标,包括:将所述n个有效目标按照有效目标与本车的纵向相对距离从小到大排序,得到排序后的n个有效目标;从所述排序后的n个有效目标中的第一个有效目标开始依次检测,检测出跟踪目标后,停止检测,其中,所述跟踪目标与本车位于同一车道,且与所述本车的纵向相对距离最小;
对所述跟踪目标的雷达数据进行更新。
2.根据权利要求1所述的方法,其特征在于,每个所述目标的雷达数据包括所述目标与所述本车的相对距离,相对速度和角度,
在所述从所述多个目标的雷达数据中滤除无效目标的雷达数据之前,所述方法还包括:
当所述多个目标的雷达数据中存在第一雷达数据时,将所述第一雷达数据确定为空目标的雷达数据,所述第一雷达数据中相对距离为0,相对速度为初始值,角度为0;
当所述多个目标的雷达数据中存在第二雷达数据时,将所述第二雷达数据确定为静态目标的雷达数据,所述第二雷达数据中相对距离大于0,相对速度在预设速度范围内波动,角度大于0;
当所述多个目标的雷达数据中存在第三雷达数据时,将所述第三雷达数据确定为干扰目标的雷达数据,所述第三雷达数据的连续出现时长小于预设时长且存在跳变;
当所述多个目标的雷达数据中存在第四雷达数据时,将所述第四雷达数据确定为虚假目标的雷达数据,所述第四雷达数据连续出现的次数小于预设次数。
3.根据权利要求2所述的方法,其特征在于,每个所述目标的雷达数据还包括所述目标与所述本车的相对加速度,所述对所述跟踪目标的雷达数据进行更新,包括:
获取所述毫米波雷达下一次采集的所述跟踪目标的雷达数据;
根据所述毫米波雷达下一次采集的所述跟踪目标的雷达数据确定下一次所述跟踪目标的状态数据,所述状态数据包括所述跟踪目标与所述本车的横向相对距离,所述跟踪目标与所述本车的相对速度,以及所述跟踪目标与所述本车的相对加速度;
采用卡尔曼滤波算法预测下一次所述跟踪目标的状态数据;
当预测的下一次所述跟踪目标的状态数据与确定的下一次所述跟踪目标的状态数据的差值不大于预设值时,将上一次所述跟踪目标的雷达数据更新为确定的下一次所述跟踪目标的雷达数据。
4.一种目标跟踪装置,其特征在于,包括:
获取模块,用于获取毫米波雷达周期性采集的多个目标的雷达数据;
滤除模块,用于从所述多个目标的雷达数据中滤除无效目标的雷达数据,得到n个有效目标的雷达数据,n≥1,所述无效目标包括空目标、静态目标、干扰目标和虚假目标,所述干扰目标的雷达数据的连续出现时长小于预设时长且存在跳变,所述虚假目标的雷达数据连续出现的次数小于预设次数;
选取模块,用于从所述n个有效目标中选取跟踪目标,包括:将所述n个有效目标按照有效目标与本车的纵向相对距离从小到大排序,得到排序后的n个有效目标;从所述排序后的n个有效目标中的第一个有效目标开始依次检测,检测出跟踪目标后,停止检测,其中,所述跟踪目标与本车位于同一车道,且与所述本车的纵向相对距离最小;
更新模块,用于对所述跟踪目标的雷达数据进行更新。
5.根据权利要求4所述的装置,其特征在于,每个所述目标的雷达数据包括所述目标与所述本车的相对距离,相对速度和角度,所述装置还包括:
确定模块,用于:
在所述多个目标的雷达数据中存在第一雷达数据时,将所述第一雷达数据确定为空目标的雷达数据,所述第一雷达数据中相对距离为0,相对速度为初始值,角度为0;
在所述多个目标的雷达数据中存在第二雷达数据时,将所述第二雷达数据确定为静态目标的雷达数据,所述第二雷达数据中相对距离大于0,相对速度在预设速度范围内波动,角度大于0;
在所述多个目标的雷达数据中存在第三雷达数据时,将所述第三雷达数据确定为干扰目标的雷达数据,所述第三雷达数据的连续出现时长小于预设时长且存在跳变;
在所述多个目标的雷达数据中存在第四雷达数据时,将所述第四雷达数据确定为虚假目标的雷达数据,所述第四雷达数据连续出现的次数小于预设次数。
6.根据权利要求5所述的装置,其特征在于,每个所述目标的雷达数据还包括所述目标与所述本车的相对加速度,所述更新模块,用于:
获取所述毫米波雷达下一次采集的所述跟踪目标的雷达数据;
根据所述毫米波雷达下一次采集的所述跟踪目标的雷达数据确定下一次所述跟踪目标的状态数据,所述状态数据包括所述跟踪目标与所述本车的横向相对距离,所述跟踪目标与所述本车的相对速度,以及所述跟踪目标与所述本车的相对加速度;
采用卡尔曼滤波算法预测下一次所述跟踪目标的状态数据;
当预测的下一次所述跟踪目标的状态数据与确定的下一次所述跟踪目标的状态数据的差值不大于预设值时,将上一次所述跟踪目标的雷达数据更新为确定的下一次所述跟踪目标的雷达数据。
7.一种目标跟踪装置,其特征在于,包括:存储器,处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1至3任一所述的目标跟踪方法。
8.一种计算机可读存储介质,其特征在于,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至3任一所述的目标跟踪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810812508.XA CN109143221B (zh) | 2018-07-23 | 2018-07-23 | 目标跟踪方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810812508.XA CN109143221B (zh) | 2018-07-23 | 2018-07-23 | 目标跟踪方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109143221A CN109143221A (zh) | 2019-01-04 |
CN109143221B true CN109143221B (zh) | 2022-06-10 |
Family
ID=64801449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810812508.XA Active CN109143221B (zh) | 2018-07-23 | 2018-07-23 | 目标跟踪方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109143221B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111366926B (zh) * | 2019-01-24 | 2022-05-31 | 杭州海康威视系统技术有限公司 | 跟踪目标的方法、装置、存储介质和服务器 |
CN110077402B (zh) * | 2019-05-13 | 2021-09-28 | 奇瑞汽车股份有限公司 | 目标物体的追踪方法、装置及存储介质 |
CN112630767A (zh) * | 2019-09-20 | 2021-04-09 | 华为技术有限公司 | 一种信息上报、信息接收的方法及装置 |
CN112213719B (zh) * | 2020-09-21 | 2023-09-26 | 南京航空航天大学 | 一种毫米波雷达转动装置及其目标追踪方法 |
CN116755081A (zh) * | 2023-05-25 | 2023-09-15 | 东风柳州汽车有限公司 | 视觉与雷达融合的目标检测技术 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6754368B1 (en) * | 1999-02-01 | 2004-06-22 | Beonic Corporation Pty. Ltd | Object recognition and tracking system |
CN104635233A (zh) * | 2015-02-17 | 2015-05-20 | 苏州安智汽车零部件有限公司 | 基于车载毫米波雷达的前方物体运动状态估计及分类方法 |
CN107505617A (zh) * | 2017-08-11 | 2017-12-22 | 明见(厦门)技术有限公司 | 一种雷达目标测试方法 |
-
2018
- 2018-07-23 CN CN201810812508.XA patent/CN109143221B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6754368B1 (en) * | 1999-02-01 | 2004-06-22 | Beonic Corporation Pty. Ltd | Object recognition and tracking system |
CN104635233A (zh) * | 2015-02-17 | 2015-05-20 | 苏州安智汽车零部件有限公司 | 基于车载毫米波雷达的前方物体运动状态估计及分类方法 |
CN107505617A (zh) * | 2017-08-11 | 2017-12-22 | 明见(厦门)技术有限公司 | 一种雷达目标测试方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109143221A (zh) | 2019-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109143221B (zh) | 目标跟踪方法及装置 | |
JP5939357B2 (ja) | 移動軌跡予測装置及び移動軌跡予測方法 | |
EP3655939A1 (en) | Traffic environment adaptive thresholds | |
CN104071109A (zh) | 驾驶支持系统 | |
JP5206579B2 (ja) | 物体検出装置 | |
US20050278112A1 (en) | Process for predicting the course of a lane of a vehicle | |
CN107103275B (zh) | 使用雷达和视觉基于车轮进行的车辆检测和追踪 | |
CN112639849A (zh) | 路径选择方法和路径选择装置 | |
CN103852763A (zh) | 雷达设备和信号处理方法 | |
CN110888115B (zh) | 对雷达跟踪的潜在静止对象进行分类 | |
CN111537993B (zh) | 拖车检测系统以及方法 | |
CN110940979A (zh) | 障碍物检测方法、装置、设备以及存储介质 | |
JP2018147399A (ja) | 物標検出装置 | |
US20190265267A1 (en) | System, method, and computer-readable storage medium for determining road type | |
CN113807168A (zh) | 一种车辆行驶环境感知方法、车载设备和存储介质 | |
CN111323038B (zh) | 隧道内无人驾驶车辆的定位方法、系统和电子设备 | |
JP2017181276A (ja) | 障害物検出装置 | |
CN114296095A (zh) | 自动驾驶车辆的有效目标提取方法、装置、车辆及介质 | |
CN111959515A (zh) | 一种基于视觉检测的前向目标选择方法、装置及系统 | |
EP3471408A1 (en) | Inter-vehicle distance estimation method and inter-vehicle distance estimation device | |
CN110723144B (zh) | 车道分配系统 | |
US20230168369A1 (en) | Driver Assistance System and Device and Method for Determining Object Status Parameter for Driver Assistance System | |
CN110531339B (zh) | 激光雷达的探测方法、装置及计算机可读存储介质 | |
CN116215526A (zh) | 车辆行驶控制方法,系统及存储介质 | |
CN113879312B (zh) | 基于多传感器融合的前向目标选择方法、装置和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |