CN113093134A - 一种扩展目标的跟踪方法、装置、感知设备及车辆 - Google Patents

Abstract

本申请涉及一种扩展目标的跟踪方法、装置、感知设备及车辆，该方法包括：获取历史时刻扩展目标的历史航迹信息；基于获取的第一预测模型和第二预测模型分别对历史航迹信息进行预测，得到当前时刻扩展目标的第一预测航迹信息和第二预测航迹信息；获取当前时刻扩展目标的点迹信息；将点迹信息与第一预测航迹信息进行关联，得到关联结果；根据关联结果和获取的第一更新模型，确定当前时刻扩展目标的第一航迹信息；基于第一航迹信息、第二预测航迹信息和获取的第二更新模型，确定当前时刻扩展目标的第二航迹信息。如此，可以实现对扩展目标的密切跟随，减少航迹信息断裂的可能，且跟踪精度高、跟踪稳定性好、收敛速度快。

Description

一种扩展目标的跟踪方法、装置、感知设备及车辆

技术领域

本申请涉及雷达数据处理技术领域，特别涉及一种扩展目标的跟踪方法、装置、感知设备及车辆。

背景技术

雷达工作的原理是利用电磁波的反射特性，并以此来测定目标的距离、方位等信息。跟踪雷达最早出现于第二次世界大战前夕，在战争中起到了至关重要的作用，从那以后，目标跟踪技术在雷达信号处理与数据处理中起到越来越重要的作用。目前，目标跟踪技术已经广泛应用于弹道导弹防御、导弹预警、空中和海上监视、精确制导等军事领域以及空中(海上)交通管制、卫星导航、定位等民用系统中。由于雷达在军事、民用等方面的重要性，所以世界上各个国家都在积极发展该技术。这也为目标跟踪理论带来了飞速的发展。然而，随着科技的发展与进步，雷达分辨率的不断提高，目标特性的不断变化也给目标跟踪理论带来了巨大的挑战。

在传统跟踪方法中，目标假设为点目标，只占据一个分辨单元，但在现代跟踪系统中，目标会出现占据多个分辨单元的情况，例如车辆上普遍采用的毫米波雷达，由于其较高的距离速度分辨能力，使得它的视场范围内的大部分目标分布在多个分辨单元内，即同一帧内同一个目标存在多个量测，我们将该类占据多个分辨单元的目标为扩展目标。若采用传统的点目标跟踪方法对扩展目标进行跟踪，会造成许多有用的目标信息丢失，导致跟踪发散或者检测漏报。

因此，亟需提供一种面向扩展目标的跟踪方法，并对跟踪精度、跟踪稳定性以及收敛速度进行提升和改善。

发明内容

本申请实施例提供了一种扩展目标的跟踪方法、装置、感知设备及车辆，可以提高跟踪精度，可以提高跟踪稳定性，且收敛速度快。

一方面，本申请实施例提供了一种扩展目标的跟踪方法，包括：

获取历史时刻扩展目标的历史航迹信息；

基于获取的第一预测模型和第二预测模型分别对历史航迹信息进行预测，得到当前时刻扩展目标的第一预测航迹信息和第二预测航迹信息；

获取当前时刻扩展目标的点迹信息；

将点迹信息与第一预测航迹信息进行关联，得到关联结果；

根据关联结果和获取的第一更新模型，确定当前时刻扩展目标的第一航迹信息；

基于第一航迹信息、第二预测航迹信息和获取的第二更新模型，确定当前时刻扩展目标的第二航迹信息。

可选的，第一预测模型包括第一运动模型，第一预测模型的模型参数包括第一过程噪声；第二预测模型包括第二运动模型，第二预测模型的模型参数包括第二过程噪声；其中，第一过程噪声大于第二过程噪声；

基于获取的第一预测模型和第二预测模型分别对历史航迹信息进行预测，得到当前时刻扩展目标的第一预测航迹信息和第二预测航迹信息，包括：

利用第一运动模型和第一过程噪声对历史航迹信息进行预测，得到当前时刻扩展目标的第一预测航迹信息；

利用第二运动模型和第二过程噪声对历史航迹信息进行预测，得到当前时刻扩展目标的第二预测航迹信息。

可选的，将点迹信息与第一预测航迹信息进行关联，得到关联结果；包括：

基于获取的第一量测方程对第一预测航迹信息进行转换，得到第一预测航迹信息对应的第一量测预测信息；

确定第一量测预测信息的门限值；

将点迹信息与门限值进行比较，得到关联结果。

可选的，关联结果包括第一关联结果和第二关联结果；第一更新模型包括第一更新子模型和第二更新子模型；

根据关联结果和获取的第一更新模型，确定当前时刻扩展目标的第一航迹信息，包括：

根据第一关联结果，将点迹信息、第一量测预测信息和第一预测航迹信息输入第一更新子模型，输出当前时刻扩展目标的第一航迹信息。

可选的，根据关联结果和获取的第一更新模型，确定当前时刻扩展目标的第一航迹信息，包括：

根据第二关联结果，将第一预测航迹信息输入第二更新子模型，输出当前时刻扩展目标的第一航迹信息。

可选的，基于第一航迹信息、第二预测航迹信息和获取的第二更新模型，确定当前时刻扩展目标的第二航迹信息，包括：

基于获取的第二量测方程对第二预测航迹信息进行转换，得到第二预测航迹信息对应的第二量测预测信息；第一量测方程中的量测噪声小于第二量测方程中的量测噪声；

基于第一航迹信息、第二量测预测信息和第二预测航迹信息输入第二更新模型，输出当前时刻扩展目标的第二航迹信息。

可选的，第一量测预测信息的门限值包括第一位置门限值、第二位置门限值、第一速度门限值和第二速度门限值；第一位置门限值小于第二位置门限值，第一速度门限值小于第二速度门限值；点迹信息包括位置信息和速度信息；

将点迹信息与门限值进行比较，得到关联结果，包括：

将位置信息依次与第一位置门限值、第二位置门限值进行比较，得到位置关联结果；

将速度信息依次与第一速度门限值、第二速度门限值进行比较，得到速度关联结果；

根据位置关联结果和速度关联结果确定关联结果。

另一方面，本申请实施例提供了一种扩展目标的跟踪装置，包括：

第一获取模块，用于获取历史时刻扩展目标的历史航迹信息；

预测模块，用于基于获取的第一预测模型和第二预测模型分别对历史航迹信息进行预测，得到当前时刻扩展目标的第一预测航迹信息和第二预测航迹信息；

第二获取模块，用于获取当前时刻扩展目标的点迹信息；

关联模块，用于将点迹信息与第一预测航迹信息进行关联，得到关联结果；

第一确定模块，用于根据关联结果和获取的第一更新模型，确定当前时刻扩展目标的第一航迹信息；

第二确定模块，用于基于第一航迹信息、第二预测航迹信息和获取的第二更新模型，确定当前时刻扩展目标的第二航迹信息。

另一方面，本申请实施例提供了一种感知设备，感知设备包括处理器和存储器，存储器中存储有至少一条指令或至少一段程序，至少一条指令或至少一段程序由处理器加载并执行上述的扩展目标的跟踪方法。

另一方面，本申请实施例提供了一种车辆，包括上述的感知设备。

本申请实施例提供的一种扩展目标的跟踪方法、装置、感知设备及车辆具有如下有益效果：

通过获取历史时刻扩展目标的历史航迹信息；基于获取的第一预测模型和第二预测模型分别对历史航迹信息进行预测，得到当前时刻扩展目标的第一预测航迹信息和第二预测航迹信息；获取当前时刻扩展目标的点迹信息；将点迹信息与第一预测航迹信息进行关联，得到关联结果；根据关联结果和获取的第一更新模型，确定当前时刻扩展目标的第一航迹信息；基于第一航迹信息、第二预测航迹信息和获取的第二更新模型，确定当前时刻扩展目标的第二航迹信息。如此，可以实现对扩展目标的密切跟随，减少航迹信息断裂的可能，且跟踪精度高、跟踪稳定性好、收敛速度快。

附图说明

为了更清楚地说明本申请实施例中的技术方案，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申请的一些实施例，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是本申请实施例提供的一种智能驾驶应用场景的示意图；

图2是本申请实施例提供的一种扩展目标的跟踪方法的流程示意图；

图3是本申请实施例提供的一种关联过程的具体流程示意图；

图4是本申请实施例提供的一种扩展目标的跟踪装置的结构示意图；

图5是本申请实施例提供的一种扩展目标的跟踪方法的服务器的硬件结构框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

请参阅图1，图1是本申请实施例提供的一种智能驾驶应用场景的示意图，智能驾驶车辆101上安装有毫米波雷达，驾驶过程中，通过雷达对车道上的扩展目标102发射电磁波，然后接收回波，通过对回波数据进行检测、关联、滤波等操作，直至形成扩展目标102的航迹；其中，航迹包括扩展目标102相对于智能驾驶车辆101的位置、速度，以及扩展目标的ID号等信息。

而由于一个扩展目标102具有多个量测，该多个量测来自扩展目标102不同部位，都存在噪声干扰且噪声程度不同，极近距离的扩展目标102还存在车轮及多径的干扰，这增加了对扩展目标102的跟踪难度。即，如果滤波器对扩展目标102量测跟踪较快，容易导致航迹状态不稳定；如果滤波器对扩展目标102量测跟踪较慢，容易导致无法正确对其进行跟踪，或者扩展目标102的航迹信息准确度不够；所以扩展目标102跟踪的目的是输出稳定且准确的航迹信息。

因而，本申请实施例中，对扩展目标102进行跟踪时，获取历史时刻扩展目标102的历史航迹信息；然后，基于获取的第一预测模型和第二预测模型分别对历史航迹信息进行预测，得到当前时刻扩展目标102的第一预测航迹信息和第二预测航迹信息；然后，获取当前时刻扩展目标102的点迹信息；该点迹信息即为当前时刻毫米波雷达的实际测量信息；然后，将点迹信息与第一预测航迹信息进行关联，得到关联结果；根据关联结果和获取的第一更新模型，确定当前时刻扩展目标102的第一航迹信息；最后，基于第一航迹信息、第二预测航迹信息和获取的第二更新模型，确定当前时刻扩展目标102的第二航迹信息。

本申请实施例中，上述第一预测模型和第二预测模型由两个滤波器实现，通过两个不同的预测模型分别对历史航迹信息进行预测，得到当前时刻扩展目标102的第一预测航迹信息和第二预测航迹信息，且只将第一个滤波器中第一预测模型输出的第一预测航迹信息与当前时刻毫米波雷达实际测量的点迹信息进行关联，然后根据关联结果对第一预测航迹信息进行更新，得到第一航迹信息，该第一航迹信息作为第二个滤波器的输入，同时基于第二预测模型输出的第二预测航迹信息确定当前时刻扩展目标102的第二航迹信息，实现对扩展目标102的跟踪。即，本申请采用一次关联、两次滤波的结构，在常规跟踪算法基础上，增加了一个滤波器，该结构可以兼顾航迹波动问题及目标机动问题，跟踪精度高、跟踪稳定性好，且收敛速度快。

以下介绍本申请一种扩展目标的跟踪方法的具体实施例，图2是本申请实施例提供的一种扩展目标的跟踪方法的流程示意图，本说明书提供了如实施例或流程图的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或服务器产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图2所示，该方法可以包括：

S201：获取历史时刻扩展目标的历史航迹信息。

本申请实施例中，历史时刻包括上一时刻和/或上上时刻，历史航迹信息可以是扩展目标上一时刻的航迹信息，也可以是上上时刻的航迹信息，也可以是上一时刻的航迹信息与上上时刻的航迹信息的综合航迹信息；其中具体综合方式包括平均或简单加权的方式。以历史时刻为上一时刻为例，上一时刻对应的一帧信息中可以存在多个扩展目标，一般情况下，一个扩展目标包括一组历史航迹信息，其历史航迹信息包括该扩展目标的位置信息、速度信息、加速度信息和ID号信息等，多个扩展目标对应多组历史航迹信息。为了便于理解，下文仅以一个扩展目标对应的一组历史航迹信息为例进行说明，对其余每个扩展目标对应的每组历史航迹信息采取同样的处理方式，实现每个扩展目标的跟踪。

S203：基于获取的第一预测模型和第二预测模型分别对历史航迹信息进行预测，得到当前时刻扩展目标的第一预测航迹信息和第二预测航迹信息。

本申请实施例中，第一预测模型和第二预测模型通过两个滤波器实现，将扩展目标的历史航迹信息分别输入两个滤波器中，通过第一预测模型和第二预测模型对扩展目标当前时刻的航迹进行预测，得到第一预测模型输出的第一预测航迹信息和第二预测模型输出的第二预测航迹信息。

一种可选的实施方式中，第一预测模型包括第一运动模型，第一预测模型的模型参数包括第一过程噪声；第二预测模型包括第二运动模型，第二预测模型的模型参数包括第二过程噪声；其中，第一过程噪声与第二过程噪声的选择基于滤波器的不同作用做选择，由于第一个滤波器的目的是紧密跟踪扩展目标的点迹，第二个滤波器的目的是平滑扩展目标的航迹变化，所以第一过程噪声大于第二过程噪声；第一过程噪声与第二过程噪声的具体数值由传感器特性确定；

因而，上述步骤S203可以包括：利用第一运动模型和第一过程噪声对历史航迹信息进行预测，得到当前时刻扩展目标的第一预测航迹信息；利用第二运动模型和第二过程噪声对历史航迹信息进行预测，得到当前时刻扩展目标的第二预测航迹信息。

具体的，考虑扩展目标在xy平面内的运动，则定义上一时刻扩展目标的历史航迹信息对应的状态向量为X(k)＝[x,y,vx,vy,ax,ay]，即历史航迹信息中位置信息包括横向位置信息和纵向位置信息，速度信息包括横向速度信息和纵向位置信，加速度信息包括横向加速度信息和纵向加速度信息；

第一预测模型和第二预测模型可以采取相同的预测模型结构，预测模型的作用是根据上一时刻的历史航迹信息和控制变量来推测当前时刻的航迹信息；该预测模型结构可以通过下述公式(1)表示：

X(k+1)＝f(k,X(k))+V(k) (1)

其中，X(k+1)表示当前时刻扩展目标的预测航迹信息，为预测模型的输出；f()表示运动模型；V()表示过程噪声；X(k)表示上一时刻扩展目标的历史航迹信息；下文中使用X′(k+1)表示第一预测模型的输出，即第一预测航迹信息，X"(k+1)表示第二预测模型的输出，即第二预测航迹信息；

此外，第一预测模型和第二预测模型中运动模型可以选择相同或不同的运动模型，例如匀速模型(Constant Velocity，CV)、匀加速模型(Constant Acceleration，CA)、恒定转弯率和速度幅度模型(Constant Turn Rate and Velocity，CTRV)等运动模型。

S205：获取当前时刻扩展目标的点迹信息。

本申请实施例中，当前时刻扩展目标的点迹信息指的是当前时刻雷达对扩展目标的实际测量信息；一种应用场景中，可以直接获取当前时刻雷达采集的所有对象的点迹信息集合，所有对象包括该扩展目标，该点迹信息集合中包括扩展目标的点迹信息；另一种应用场景中，也可以对当前时刻雷达采集的所有对象的点迹信息集合进行筛选，从点迹信息集合中去除干扰对象的点迹信息，得到当前时刻扩展目标的点迹信息；对于实际行车场景中，在对象比较分散的情况下，可以采取第二种方式，即先初步筛选出可能是扩展目标的点迹信息，如此在后续的关联过程中，可以减少多个不同的对象合并为一个对象；而在对象比较集中的情况下，筛选比较困难，因此可以采取第一种方式，直接获取所有对象的点迹信息集合。

S207：将点迹信息与第一预测航迹信息进行关联，得到关联结果。

本申请实施例中，将当前时刻雷达采集的扩展目标的实际点迹信息或雷达与其他传感器融合之后的实际点迹信息与第一预测航迹信息进行关联，即得到关联结果。

一种可选的将点迹信息与第一预测航迹信息进行关联，得到关联结果的实施方式中，包括：基于获取的第一量测方程对第一预测航迹信息进行转换，得到第一预测航迹信息对应的第一量测预测信息；确定第一量测预测信息的门限值；将点迹信息与门限值进行比较，得到关联结果。其中，第一量测方程是对雷达输出的描述，通过第一量测方程将第一预测航迹信息转换为与点迹信息相同描述形式的第一量测预测信息。

具体的，上述第一量测方程可以通过下述公式(2)来表示：

Z′(k+1)＝h(k+1,X(k+1))+W(k+1) (2)

其中，Z′(k+1)表示第一量测预测信息；h()表示量测模型；W()表示量测噪声。

本申请实施例中，考虑在点迹信息与第一预测航迹信息的关联过程中，如果将关联门限设置的太宽松，会导致对多个对象合并为一个对象，或者将扩展目标附近的噪声点也关联进来，影响最终航迹的准确性；而如果关联门限太严格，会将一个扩展目标的多个点迹信息分裂，导致一个扩展目标出现多条航迹，或导致当前跟踪的扩展目标出现跳变，即从当前跟踪的扩展目标跳变到下一个扩展目标。另外，需要说明的是，本申请实施例中关联因素主要考虑点迹信息的位置信息和速度信息，点迹RCS/SNR/航迹质量/航迹运动状态也可参与关联距离的计算，但比重较低，因此本申请实施例对该部分的关联不进行详述。

一种可选的实施方式中，第一量测预测信息的门限值，在位置维度设置两个门限值，即一个较严格的位置门限和一个较宽松的位置门限，在速度维度也设置两个门限值，即一个较严格的速度门限和一个较宽松的速度门限。例如，位置严格门限可以是：当前目标框在上下左右扩大0.5m，宽松门限可以是：当前目标框上下扩大1m，左右扩大0.7m；速度严格门限可以是：当前径向速度±0.5m/s，宽松门限可以是：当前径向速度±1.0m/s；其中目标框可以根据历史航迹信息中维护的位置以及扩展目标的尺寸得到。

一种具体的实施方式中，第一量测预测信息的门限值包括第一位置门限值、第二位置门限值、第一速度门限值和第二速度门限值；第一位置门限值小于第二位置门限值，第一速度门限值小于第二速度门限值；点迹信息包括位置信息和速度信息；

上述将点迹信息与门限值进行比较，得到关联结果，具体可以包括：将位置信息依次与第一位置门限值、第二位置门限值进行比较，得到位置关联结果；将速度信息依次与第一速度门限值、第二速度门限值进行比较，得到速度关联结果；根据位置关联结果和速度关联结果确定关联结果。

基于上述具体的实施方式，如图3所示，图3是本申请实施例提供的一种关联过程的具体流程示意图，包括：

S301：判断位置信息是否小于第一位置门限值；若位置信息小于第一位置门限值，则转至步骤S302；否则，转至步骤S303。

S302：判断速度信息是否小于第一速度门限值；若速度信息小于第一速度门限值，则标记该点迹信息为第一状态；否则，转至步骤S304。

其中，第一状态表示该点迹信息与当前扩展目标的航迹信息确定关联关系，该点迹信息的位置信息和速度信息均可以用于更新扩展目标的航迹信息。

S303：判断位置信息是否小于第二位置门限值；若位置信息小于第二位置门限值，则标记该点迹信息为第二状态，然后转至步骤S305；否则，标记该点迹信息为第三状态。

其中，第二状态表示该点迹信息为不可起始新航迹；第三状态表示该点迹信息与当前扩展目标的航迹信息未确定关联关系，该点迹信息的位置信息和速度信息不用于更新此航迹信息，但可以关联其他对象的航迹信息。

S304：判断速度信息是否小于第二速度门限值；若速度信息小于第二速度门限值，则标记该点迹信息为第四状态；否则，标记该点迹信息为第五状态。

其中，第四状态表示该点迹信息与当前扩展目标的航迹信息确定关联关系，但该点迹信息中只有位置信息可以用于更新此航迹信息；第五状态表示该点迹信息与当前扩展目标的航迹信息确定关联关系，但是该点迹信息无效。

S305：判断速度信息是否小于第一速度门限值；若速度信息小于第一速度门限值，则将该点迹信息的第二状态更新为第六状态；否则，将该点迹信息的第二状态更新为第七状态。

其中，第六状态表示该点迹信息为不可起始新航迹，不用于更新此航迹信息，但不可以关联其他对象的航迹信息；第七状态表示该点迹信息为不可起始新航迹，但可以关联其他对象的航迹信息。

需要说明的是，上述不起始新航迹的策略是为了防止一个对象多条航迹，且互相竞争的情况；不更新此航迹信息的策略是为了防止多个对象被合并成一个对象的问题；这两个问题是一个互斥的过程，以上策略可以在这两个问题中取得一个平衡；同时实际应用中位置信息或速度信息分别可以有两个以上的门限值，得到更多组合，使判断结果更准确；此外，如前文所述，上一时刻对应的一帧信息中可以存在多个扩展目标，将上述具体的实施方式中分别应用到对每个扩展目标的跟踪过程中，每个扩展目标对应的门限值可以根据实际扩展目标的尺寸、位置、速度等信息确定。

举个例子，假设上一时刻对应的一帧信息中存在8个扩展目标，则对应有8组历史航迹信息，即X₁(k)＝[x₁,y₁,vx₁,vy₁,ax₁,ay₂]～X₈(k)＝[x₈,y₈,vx₈,vy₈,ax₈,ay₈]；经公式(1)输出为：X′₁(k+1)～X′₈(k+1)，再经公式(2)输出8组第一量测预测信息为：Z′₁(k+1)～Z′₈(k+1)；当前时刻待判断的点迹信息有10组，即

在步骤S207的关联过程中，Z′₁(k+1)～Z′₈(k+1)中每组第一量测预测信息的门限值不相同，需要根据各自的门限值分别对

进行判断，若前一个扩展目标的关联过程中，某一点迹信息例如

已经被标记为第一状态、第四状态或第五状态，则当前扩展目标的关联过程中可以不对该点迹信息进行判断。

S209：根据关联结果和获取的第一更新模型，确定当前时刻扩展目标的第一航迹信息。

本申请实施例中，根据得到不同的关联结果，获取第一更新模型，对第一预测航迹信息进行更新，或对第一预测航迹信息转换后的第一量测预测信息进行更新，得到当前时刻扩展目标的第一航迹信息，该第一航迹信息为第一个滤波器的输出。

一种可选的实施方式中，关联结果大致可以分为两类，即点迹信息与第一预测航迹信息关联成功时，得到第一关联结果；或，点迹信息与第一预测航迹信息未关联成功时，得到第二关联结果；

即，关联结果包括第一关联结果和第二关联结果；对应的，第一更新模型包括第一更新子模型和第二更新子模型；上述步骤S209，包括：

根据第一关联结果，将点迹信息、第一量测预测信息和第一预测航迹信息输入第一更新子模型，输出当前时刻扩展目标的第一航迹信息；

或；根据第二关联结果，将第一预测航迹信息输入第二更新子模型，输出当前时刻扩展目标的第一航迹信息。

具体的，上述第一更新子模型可以通过下述公式(3)来表示：

上述第二更新子模型可以通过下述公式(3)来表示：

其中，

表示第一航迹信息，为第一更新子模型的输出；X′(k+1)表示第一预测航迹信息；K(k+1)表示权重；

表示点迹信息；Z′(k+1)表示第一量测预测信息。

基于前文关于步骤S301-S305的实施方式，其中点迹信息被标记为第一状态和第四状态对应的关联结果为第一关联结果，点迹信息被标记为第二状态、第三状态、第五状态、第六状态和第七状态对应的关联结果为第二关联结果。

S211：基于第一航迹信息、第二预测航迹信息和获取的第二更新模型，确定当前时刻扩展目标的第二航迹信息。

本申请实施例中，将第一个滤波器输出的第一航迹信息作为第二个滤波器的输入，同时基于第二预测航迹信息和获取的第二更新模型，得到当前时刻扩展目标的第二航迹信息。第二个滤波器的目的是将第一个滤波器输出的第一航迹信息进行平滑处理，实际跟踪过程中，每个跟踪对象均设有一个ID号，第二个滤波器与第一个滤波器的关系通过该ID号维持。

一种可选的基于第一航迹信息、第二预测航迹信息和获取的第二更新模型，确定当前时刻扩展目标的第二航迹信息的实施方式中，包括：

基于获取的第二量测方程对第二预测航迹信息进行转换，得到第二预测航迹信息对应的第二量测预测信息；第一量测方程中的量测噪声小于第二量测方程中的量测噪声；

基于第一航迹信息、第二量测预测信息和第二预测航迹信息输入第二更新模型，输出当前时刻扩展目标的第二航迹信息。

具体的，第二量测方程可以参考公式(2)，用Z"(k+1)表示第二量测预测信息；由于第一个滤波器的目的是跟随点迹信息，所以可以将第一量测方程中的量测噪声调低一些，使得航迹与点迹信息较接近，当点迹信息抖动时，航迹会跟踪抖动，只是比点迹信息抖动的更小；一般点迹抖动在一个车宽度范围内，航迹跟踪可以将抖动范围降低到半个车宽以内；目标转弯时，航迹也可以较快的跟踪；这个操作可以使航迹保持对同一目标点迹的持续跟踪，但是航迹波动较大；第二个滤波器的目的是将第一个滤波器输出的第一航迹信息进行平滑处理，第二个滤波器不用考虑关联问题，所以相对点迹信息的变化来说，会有滞后，也就带来了平滑的效果。本申请通过以上两个滤波器结合使用，既可以保持持续跟踪，又能保持平稳跟踪。

具体的，第二更新模型可以参考公式(3)，可以将第二更新模型中的权重K(k+1)替换为简单的加权形式，即权值可以是固定的，如此可以减小实际应用工程中对系统资源的消耗。

综上，本申请实施例提供的一种扩展目标的跟踪方法，主要包括两次滤波过程，第一次滤波将基于第一预测模型得到的第一预测航迹信息与当前时刻扩展目标的点迹信息进行关联，实现对扩展目标的息密切跟随，可以减少航迹信息断裂的可能；第二次滤波通过第二预测模型得到的第二预测航迹信息对第一次滤波输出的第一航迹信息进行平滑，从而得到更准确的第二航迹信息。

本申请实施例还提供了一种扩展目标的跟踪装置，图4是本申请实施例提供的一种扩展目标的跟踪装置的结构示意图，如图4所示，该装置包括：

第一获取模块401，用于获取历史时刻扩展目标的历史航迹信息；

预测模块402，用于基于获取的第一预测模型和第二预测模型分别对历史航迹信息进行预测，得到当前时刻扩展目标的第一预测航迹信息和第二预测航迹信息；

第二获取模块403，用于获取当前时刻扩展目标的点迹信息；

关联模块404，用于将点迹信息与第一预测航迹信息进行关联，得到关联结果；

第一确定模块405，用于根据关联结果和获取的第一更新模型，确定当前时刻扩展目标的第一航迹信息；

第二确定模块406，用于基于第一航迹信息、第二预测航迹信息和获取的第二更新模型，确定当前时刻扩展目标的第二航迹信息。

一种可选的实施方式中，第一预测模型包括第一运动模型，第一预测模型的模型参数包括第一过程噪声；第二预测模型包括第二运动模型，第二预测模型的模型参数包括第二过程噪声；其中，第一过程噪声大于第二过程噪声；预测模块405具体用于：利用第一运动模型和第一过程噪声对历史航迹信息进行预测，得到当前时刻扩展目标的第一预测航迹信息；利用第二运动模型和第二过程噪声对历史航迹信息进行预测，得到当前时刻扩展目标的第二预测航迹信息。

一种可选的实施方式中，关联模块404具体用于：基于获取的第一量测方程对第一预测航迹信息进行转换，得到第一预测航迹信息对应的第一量测预测信息；确定第一量测预测信息的门限值；将点迹信息与门限值进行比较，得到关联结果。

一种可选的实施方式中，关联结果包括第一关联结果和第二关联结果；第一更新模型包括第一更新子模型和第二更新子模型；第一确定模块505具体用于：根据第一关联结果，将点迹信息、第一量测预测信息和第一预测航迹信息输入第一更新子模型，输出当前时刻扩展目标的第一航迹信息。

一种可选的实施方式中，第一确定模块405具体用于：根据第二关联结果，将第一预测航迹信息输入第二更新子模型，输出当前时刻扩展目标的第一航迹信息。

一种可选的实施方式中，第二确定模块406具体用于：基于获取的第二量测方程对第二预测航迹信息进行转换，得到第二预测航迹信息对应的第二量测预测信息；第一量测方程中的量测噪声小于第二量测方程中的量测噪声；基于第一航迹信息、第二量测预测信息和第二预测航迹信息输入第二更新模型，输出当前时刻扩展目标的第二航迹信息。

一种可选的实施方式中，第一量测预测信息的门限值包括第一位置门限值、第二位置门限值、第一速度门限值和第二速度门限值；第一位置门限值小于第二位置门限值，第一速度门限值小于第二速度门限值；点迹信息包括位置信息和速度信息；关联模块404具体用于：将位置信息依次与第一位置门限值、第二位置门限值进行比较，得到位置关联结果；将速度信息依次与第一速度门限值、第二速度门限值进行比较，得到速度关联结果；根据位置关联结果和速度关联结果确定关联结果。

本申请实施例中的装置与方法实施例基于同样地申请构思。

本申请实施例所提供的方法实施例可以在计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例，图5是本申请实施例提供的一种扩展目标的跟踪方法的服务器的硬件结构框图。如图5所示，该服务器500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(Central Processing Units，CPU)510(处理器510可以包括但不限于微处理器NCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器530，一个或一个以上存储应用程序523或数据522的存储介质520(例如一个或一个以上海量存储设备)。其中，存储器530和存储介质520可以是短暂存储或持久存储。存储在存储介质520的程序可以包括一个或一个以上模块，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器510可以设置为与存储介质520通信，在服务器500上执行存储介质520中的一系列指令操作。服务器500还可以包括一个或一个以上电源550，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口540，和/或，一个或一个以上操作系统521，例如Windows，Mac OS，Unix,Linux，FreeBSD等等。

输入输出接口540可以用于经由一个网络接收或者发送数据。上述的网络具体实例可包括服务器500的通信供应商提供的无线网络。在一个实例中，输入输出接口540包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，输入输出接口540可以为射频(RadioFrequency，RF)模块，其用于通过无线方式与互联网进行通讯。

本领域普通技术人员可以理解，图5所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，服务器500还可包括比图5中所示更多或者更少的组件，或者具有与图5所示不同的配置。

本申请的实施例还提供了一种感知设备，感知设备至少包括处理器510和存储器530，存储器530中存储有至少一条指令或至少一段程序，至少一条指令或至少一段程序由处理器510加载并执行上述的扩展目标的跟踪方法。具体的，感知设备为雷达。

本申请的实施例还提供了一种车辆，所述车辆包括上述感知设备。

由上述本申请提供的一种扩展目标的跟踪方法、装置、感知设备及车辆的实施例可见，本申请中通过获取历史时刻扩展目标的历史航迹信息；基于获取的第一预测模型和第二预测模型分别对历史航迹信息进行预测，得到当前时刻扩展目标的第一预测航迹信息和第二预测航迹信息；获取当前时刻扩展目标的点迹信息；将点迹信息与第一预测航迹信息进行关联，得到关联结果；根据关联结果和获取的第一更新模型，确定当前时刻扩展目标的第一航迹信息；基于第一航迹信息、第二预测航迹信息和获取的第二更新模型，确定当前时刻扩展目标的第二航迹信息。如此，将基于第一预测模型得到的第一预测航迹信息与当前时刻扩展目标的点迹信息进行关联，实现对扩展目标的密切跟随，可以减少航迹信息断裂的可能；通过第二预测模型得到的第二预测航迹信息对第一次滤波输出的第一航迹信息进行平滑，从而得到更准确的第二航迹信息。

需要说明的是：上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种扩展目标的跟踪方法，其特征在于，包括：

获取历史时刻扩展目标的历史航迹信息；

基于获取的第一预测模型和第二预测模型分别对所述历史航迹信息进行预测，得到当前时刻所述扩展目标的第一预测航迹信息和第二预测航迹信息；

获取当前时刻所述扩展目标的点迹信息；

将所述点迹信息与所述第一预测航迹信息进行关联，得到关联结果；

根据所述关联结果和获取的第一更新模型，确定当前时刻所述扩展目标的第一航迹信息；

基于所述第一航迹信息、所述第二预测航迹信息和获取的第二更新模型，确定当前时刻所述扩展目标的第二航迹信息。

2.根据权利要求1所述的方法，其特征在于，所述第一预测模型包括第一运动模型，所述第一预测模型的模型参数包括第一过程噪声；所述第二预测模型包括第二运动模型，所述第二预测模型的模型参数包括第二过程噪声；其中，所述第一过程噪声大于所述第二过程噪声；

所述基于获取的第一预测模型和第二预测模型分别对所述历史航迹信息进行预测，得到当前时刻所述扩展目标的第一预测航迹信息和第二预测航迹信息，包括：

利用所述第一运动模型和所述第一过程噪声对所述历史航迹信息进行预测，得到当前时刻所述扩展目标的第一预测航迹信息；

利用所述第二运动模型和所述第二过程噪声对所述历史航迹信息进行预测，得到当前时刻所述扩展目标的第二预测航迹信息。

3.根据权利要求1所述的方法，其特征在于，所述将所述点迹信息与所述第一预测航迹信息进行关联，得到关联结果；包括：

基于获取的第一量测方程对所述第一预测航迹信息进行转换，得到所述第一预测航迹信息对应的第一量测预测信息；

确定所述第一量测预测信息的门限值；

将所述点迹信息与所述门限值进行比较，得到关联结果。

4.根据权利要求3所述的方法，其特征在于，所述关联结果包括第一关联结果和第二关联结果；所述第一更新模型包括第一更新子模型和第二更新子模型；

所述根据关联结果和获取的第一更新模型，确定当前时刻所述扩展目标的第一航迹信息，包括：

根据所述第一关联结果，将所述点迹信息、所述第一量测预测信息和所述第一预测航迹信息输入所述第一更新子模型，输出当前时刻所述扩展目标的第一航迹信息。

5.根据权利要求4所述的方法，其特征在于，所述根据关联结果和获取的第一更新模型，确定当前时刻所述扩展目标的第一航迹信息，包括：

根据所述第二关联结果，将所述第一预测航迹信息输入所述第二更新子模型，输出当前时刻所述扩展目标的第一航迹信息。

6.根据权利要求3所述的方法，其特征在于，所述基于所述第一航迹信息、所述第二预测航迹信息和获取的第二更新模型，确定当前时刻所述扩展目标的第二航迹信息，包括：

基于获取的第二量测方程对所述第二预测航迹信息进行转换，得到所述第二预测航迹信息对应的第二量测预测信息；所述第一量测方程中的量测噪声小于所述第二量测方程中的量测噪声；

基于所述第一航迹信息、所述第二量测预测信息和所述第二预测航迹信息输入所述第二更新模型，输出当前时刻所述扩展目标的第二航迹信息。

7.根据权利要求3所述的方法，其特征在于，所述第一量测预测信息的门限值包括第一位置门限值、第二位置门限值、第一速度门限值和第二速度门限值；所述第一位置门限值小于所述第二位置门限值，所述第一速度门限值小于所述第二速度门限值；所述点迹信息包括位置信息和速度信息；

所述将所述点迹信息与所述门限值进行比较，得到关联结果，包括：

将所述位置信息依次与所述第一位置门限值、所述第二位置门限值进行比较，得到位置关联结果；

将所述速度信息依次与所述第一速度门限值、所述第二速度门限值进行比较，得到速度关联结果；

根据所述位置关联结果和所述速度关联结果确定所述关联结果。

8.一种扩展目标的跟踪装置，其特征在于，包括：

第一获取模块，用于获取历史时刻扩展目标的历史航迹信息；

预测模块，用于基于获取的第一预测模型和第二预测模型分别对所述历史航迹信息进行预测，得到当前时刻所述扩展目标的第一预测航迹信息和第二预测航迹信息；

第二获取模块，用于获取当前时刻所述扩展目标的点迹信息；

关联模块，用于将所述点迹信息与所述第一预测航迹信息进行关联，得到关联结果；

第一确定模块，用于根据所述关联结果和获取的第一更新模型，确定当前时刻所述扩展目标的第一航迹信息；

第二确定模块，用于基于所述第一航迹信息、所述第二预测航迹信息和获取的第二更新模型，确定当前时刻所述扩展目标的第二航迹信息。

9.一种感知设备，其特征在于，所述感知设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行如权利要求1-7任一项所述的扩展目标的跟踪方法。

10.一种车辆，其特征在于，包括权利要求9所述的感知设备。

Images