CN113570643A - 跟踪对象的方法和系统 - Google Patents

跟踪对象的方法和系统 Download PDF

Info

Publication number
CN113570643A
CN113570643A CN202110463528.2A CN202110463528A CN113570643A CN 113570643 A CN113570643 A CN 113570643A CN 202110463528 A CN202110463528 A CN 202110463528A CN 113570643 A CN113570643 A CN 113570643A
Authority
CN
China
Prior art keywords
computer
parameter
implemented method
state
condition
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.)
Pending
Application number
CN202110463528.2A
Other languages
English (en)
Inventor
M·J·思泽拉切卡
K·L·奥斯特罗夫斯基
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aptiv Technologies Ltd
Original Assignee
Aptiv Technologies Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Aptiv Technologies Ltd filed Critical Aptiv Technologies Ltd
Publication of CN113570643A publication Critical patent/CN113570643A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/20—Static objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/402—Type
    • B60W2554/4026—Cycles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/402—Type
    • B60W2554/4029—Pedestrians
    • 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
    • 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Abstract

跟踪对象的方法和系统。一种用于跟踪对象的计算机实现方法，该方法包括由计算机硬件组件执行的以下步骤：在第一次检测到所述对象时，向所述对象分配第一参数；执行对象状态的预测；确定是否要向所述对象分配第二参数；如果第一参数被分配给对象，则重新初始化对象的状态；以及如果第二参数被分配给对象，则执行对象状态的更新。

Description

跟踪对象的方法和系统
技术领域
本公开涉及跟踪对象的方法和系统。
背景技术
跟踪对象(例如，确定和更新对象的位置、对象的方位角和/或对象的类型(例如，汽车、卡车、自行车、行人、建筑物或静态道路障碍物))对于至少部分自主地驾驶车辆而言是必要的。
因此，需要提供可靠和有效的对象跟踪。
发明内容
本发明提供了计算机实现的方法、计算机系统、车辆和非暂时性计算机可读介质。
在一个方面，本公开旨在一种跟踪对象的计算机实现方法，该计算机实现方法包括由计算机硬件组件执行(换言之：执行)的以下步骤：在第一次检测到对象时，向对象分配第一参数；执行对象状态的预测；确定是否要向所述对象分配第二参数；如果第一参数被分配给对象，则执行对象状态的重新初始化；以及如果第二参数被分配给对象，则执行对象状态的更新。
换言之，可以通过重新初始化以及添加另一状况(换言之：第二参数)来改进对象跟踪，以允许利用过滤更新进行附加测量(换言之：允许重新初始化)。
跟踪对象可以包括或可以是确定和更新对象的状态，例如对象的位置、对象的航向角和/或对象的类型(例如汽车、卡车、自行车、行人、建筑物或静态道路障碍物)。
仅在第二参数被分配给对象的情况下，才可以执行对象状态的更新。如果第一参数被分配给对象，则可以不执行对象状态的更新(而是可以执行重新初始化)。
无论第一参数还是第二参数被分配，都可以执行预测。
每次仅可以向对象分配一个参数。换句话说，可以将第一参数或第二参数(或第三参数)分配给对象。因此，可以在将第二参数分配给对象时删除第一参数的分配。
该方法提供了改进的跟踪(换言之：状态估计，例如位置、速度、加速度或航向角的估计)，特别是在对象存在的开始时(即，在对象跟踪的早期阶段，即，在对象长时间未被跟踪的阶段)。
在重新初始化时，与(卡尔曼)更新步骤相比，可以对估计的参数进行更积极的改变。换言之，可以不在创建对象之后(换言之：第一次检测到)立即启动(全)卡尔曼滤波器。
因此，在几次迭代之后，所估计的状态可以具有良好的质量。可以在对象的整个寿命期间减小不正确的初始状态估计的影响。
根据另一方面，所述计算机实现方法还包括由所述计算机硬件组件执行的以下步骤：确定测量数据是否能够与所述对象相关联；以及如果所述测量数据不能与所述对象相关联，则向所述对象分配第三参数。
第三参数可以称为“滑行”。例如，如果测量数据不能与对象相关联(或反之亦然，对象不能与测量数据相关联)，则可将对象视为以平滑(或连续或稳定或可微分)方式表现，并且对象状态的更新可基于这种方式的假设来执行。
根据另一方面，重新初始化是基于执行与对象相关的测量的。该测量可以是进一步的测量。重新初始化可以将对象的状态改变到与常规卡尔曼滤波器更新步骤将改变对象的状态相比更大的程度。
根据另一方面，计算机实现的方法还包括由计算机硬件组件执行的以下步骤：基于重新初始化来确定是否满足第一条件。
与第一条件相关的标准可以称为“软”标准。
根据另一方面，计算机实现的方法还包括由计算机硬件组件执行的以下步骤：如果满足第一条件，则将第二参数分配给对象。
根据另一方面，计算机实现的方法还包括由计算机硬件组件执行的以下步骤：如果不满足第一条件，则确定是否满足第二条件。
与第二条件相关的标准也可称为“硬”标准。
根据另一方面，第二条件是基于可用于跟踪对象的计算资源的。利用基于计算资源的第二条件，可以确保计算资源足以执行任务。例如，利用所分配的第一参数来跟踪对象在计算上可能比利用所分配的第二参数来跟踪对象更昂贵，使得将第二参数分配给要跟踪的对象可以减轻计算工作量。
根据另一方面，第二条件是基于自第一参数被分配给对象以来的时间的。利用基于自第一参数被分配给对象以来的时间(即，自从对象被第一次检测到以来的时间)的第二条件，其中，该时间例如可以用秒来表示，或者可以用所述跟踪的迭代次数来表示，可以确保对象不会被分配第一参数达过长的时间。如果对象将被分配第一参数达太长的时间，则这可能是对象的误检测的指示，使得可以优选地忽略跟踪该对象或使对象经受全卡尔曼滤波(包括卡尔曼滤波器的更新步骤)。
根据另一方面，计算机实现的方法还包括由计算机硬件组件执行的以下步骤：如果满足第二条件，则确定第二参数的分配是否是可能的。该确定可以是进一步检查，以确定是否有足够好的测量来将对象转换到成熟状态，以避免产生低质量对象(例如，检查对象是否被去混叠)。
根据另一方面，计算机实现的方法还包括由计算机硬件组件执行的以下步骤：如果不可能分配第二参数，则忽略对象。
可以将忽略对象理解为不再跟踪对象(例如，通过从要跟踪的对象列表中删除对象)。如果分配是可能的，则可以将第二参数分配给对象。
根据另一方面，所述计算机实现的方法的各个步骤被迭代地执行(换言之：重复地；换言之：在具有该方法的一个或多个步骤的循环中)。
根据另一方面，其中所述预测和所述更新被包括在卡尔曼滤波器中。换言之，预测可以是卡尔曼滤波器的预测步骤，并且更新可以是卡尔曼滤波器的更新步骤。
根据另一方面，其中所述预测和所述更新被包括在卡尔曼滤波器中。换言之，预测可以是卡尔曼滤波器的预测步骤，并且更新可以是卡尔曼滤波器的更新步骤。
举例来说，根据各种实施方式的方法可应用于如欧洲专利申请EP 20166800中所描述的卡尔曼滤波器，该专利申请以引用的方式全文并入本文中。
在另一方面，本发明涉及一种计算机系统，所述计算机系统包括被配置成执行本文所述的计算机实现方法的若干或所有步骤的多个计算机硬件组件。计算机系统可以是车辆的一部分。
计算机系统可以包括多个计算机硬件组件(例如处理器，例如处理单元或处理网络、至少一个存储器，例如存储器单元或存储器网络以及至少一个非暂时性数据存储装置)。应当理解，可以提供另外的计算机硬件组件并用于在计算机系统中执行计算机实现方法的步骤。非暂时性数据存储器和/或存储器单元可以包括用于指示计算机例如使用处理单元和至少一个存储器单元来执行在此描述的计算机实现方法的若干或所有步骤或方面的计算机程序。
在另一方面，本发明涉及一种车辆，该车辆包括计算机系统的至少一部分。
在另一方面，本发明涉及一种非暂时性计算机可读介质，该非暂时性计算机可读介质包括用于执行本文所述的计算机实现的方法的若干或所有步骤或方面的指令。计算机可读介质可以被配置为：光学介质，例如光盘(CD)或数字多功能盘(DVD)；磁介质，例如硬盘驱动器(HDD)；固态驱动器(SSD)；只读存储器(ROM)，例如闪存；等等。此外，计算机可读介质可以被配置为经由诸如因特网连接的数据连接可访问的数据存储。计算机可读介质例如可以是在线数据储存库或云存储。
本发明还针对用于指示计算机执行本文所述的计算机实现方法的若干或所有步骤或方面的计算机程序。
附图说明
本文结合以下示意性示出的附图描述了本发明的示例性实施方式和功能：
图1是可用于初始化的数据量与初始估计的准确度之间的关系的图示；
图2示出在不使用“未成熟”参数的情况下更新被跟踪对象的状态的方法的流程图；
图3示出了根据各个实施方式的用于使用“未成熟”参数来更新被跟踪对象的状态的方法的流程图；以及
图4示出了根据各种实施方式的用于跟踪对象的方法的流程图。
具体实施方式
例如在雷达域(例如基于雷达传感器数据)中的跟踪方法可以基于系统建模和时间/测量过滤或滤波(例如基于卡尔曼滤波器)。
卡尔曼滤波器通常不需要计算初始估计，但是在主动安全域中，可能需要提供初始估计。缺少初始估计可能导致估计值需要长时间才收敛到实际值。为此，可能希望跟踪方法在跟踪过程开始时对系统的一些初始状态进行估计，然后通过时间和测量更新来处理它们。通常，可以观察到这样的趋势，即，更多的数据可用于初始化估计，然后可以估计更精确的初始参数，如图1所示。
图1示出了可用于初始化的数据量(在水平轴104上指示)与初始估计的准确度(在垂直轴106上指示)之间的关系(或趋势)的图示100。该关系由曲线102表示。
一旦检测到对象(例如要跟踪的对象)(并且创建了用于跟踪对象的数据结构)，则通过连续测量来更新对象(或数据结构)。可以观察到，当用具有较差准确度的状态变量(例如速度、位置和/或航向角)来初始化对象时，卡尔曼滤波器可能花费大量时间来将所估计的参数收敛到(或接近于)真实值。这可能导致在对象的整个生命周期(即整个跟踪)中产生重影对象和分裂(split)或受到较差估计(例如较差的航向(角度)估计)的对象。在主动安全应用中，这可能导致这样的对象触发错误警报或延迟警报的情况，例如在诸如追尾碰撞(rear collision)交通警报或车道改变辅助的特征功能中。
此外，在主动安全应用中可能希望尽可能快地创建跟踪对象，因此在更长的时间内收集数据可能是不可接受的。因此，在传统方法中，在较晚创建对象但是准确度较好与更快地创建对象但是准确度较差之间可能存在折衷。
在各种情况下，可能不可能获得更好的初始状态估计，但可能仅可能延迟初始化以增加检测的数目，但这可能导致不优选的晚对象创建。此外，一旦创建了对象，则当对象的状态(例如航向)被不正确地初始化时，只能进行对象状态(换言之：跟踪数据，例如航向)的缓慢校正。可能优选的是进行平滑状态估计(例如航向估计)而没有过冲，使得一旦对象被校正，卡尔曼滤波器就对状态(例如航向)进行缓慢校正。这可能导致在对象的整个寿命期内对对象状态的不正确估计，或者可能是重影对象的根本原因。在传统方法中，对象状况可以从第一时刻起被认为是成熟(mature)的。
可以提供用于初始化的基于假设的方法。不同方法之间的选择可以例如取决于目标对象的位置、速度、方向、偏航率和/或主车辆的速度。这样，识别操纵或场景的类型。根据选择的结果，可以应用不同的方程组来计算初始状态变量。例如，当主机静止并且来自连续扫描的雷达检测产生垂直于主机方向的线时，则应用横向假设(线性回归)。类似地，当主机笔直驾驶并且当在与主机驾驶相同的方向上驾驶时观察到来自目标对象的检测时，则可以应用纵向假设。
图2示出了说明在不使用“未成熟(young)”参数的情况下更新被跟踪对象的状态的方法(例如雷达跟踪器法)的流程图200(下面图3将说明使用“未成熟”参数的方法)。从先前状态202(在第一次执行更新时可以是初始状态或随机状态)开始，可以执行预测步骤204。可以在预测步骤204之后基于测量数据206来执行数据关联208。在210，可以确定被跟踪对象是否可以与测量数据206相关联。
如果对象不能与测量数据206相关联，则这可以是例如由于对象被临时阻挡(即在测量数据206中不可见)，并且对象可以在步骤214中被视为滑行(coasted)，以便获得假定在该状态中持续(例如平滑)前进(例如不考虑测量数据206)的更新的状态218。
如果对象可以与测量数据206相关联，则执行更新步骤212(例如基于测量数据206)以获得更新的状态218，然后将对象视为成熟的(216)。
更新的状态216可以作为图2所示的更新方法的后续迭代的先前状态202。
预测步骤204和更新步骤212可以是卡尔曼滤波器220的步骤(或可以定义或可以是卡尔曼滤波器)。
图3示出了示出根据各种实施方式的用于使用“未成熟”参数来更新被跟踪对象的状态的方法的流程图300。图3所示的方法的各个步骤与图2所示的方法的步骤相同或相似，因此可以使用相同的附图标记并且可以省略重复的描述。
如果在步骤210中确定测量数据206可以与对象相关联，则在步骤302中确定对象是否是“未成熟的”(换言之，确定对象的状况是否是“未成熟的”；换句话说：确定参数“未成熟”是否被分配给对象)。
如果对象不是“未成熟的”，则执行更新步骤212。应当理解，如果对象是滑行的(来自先前迭代)，则确定302还提供对象不是“未成熟”的结果。在这种情况下，对象的状况可以被设置为“成熟的”。
在步骤304，可以执行重新初始化，例如通过涉及另外的测量数据，并且通过给予另外的测量数据与在更新步骤212中使用的测量数据相比更大的权重或更大的影响(换言之：重新初始化304可以比更新步骤212更积极地改变状态)。
例如，在执行更新步骤212时的每个周期，仅通过来自当前周期的测量值来校正对象状态(不使用来自先前周期的测量值进行更新)。因此，更新的状态可以仅基于过滤来获得，过滤被校准为平滑的以防止对象状态的急剧跳跃。
在重新初始化304的情况下，迄今收集的所有测量值(当前周期和一个或多个先前周期的测量值，例如以数组的形式)用于再次进行初始化。这可能导致对象状态的突然跳跃，但是这些状态可能更接近真实对象。
应当理解，循环可以指图3所示步骤的一次运行，并且也可以称为一次迭代(例如在迭代地重复图3所示方法的方法中)。
在306，可以确定是否满足第一标准(其可以被称为“软”标准)。如果满足第一标准，则可在步骤216将对象状况设置为“成熟”(换言之，可将参数“成熟”分配给对象)。如果不满足第一标准，则处理可以在步骤308继续进行。
可提供第一标准(“软”标准)以加速对象初始化。每次对象被重新初始化(或刚刚初始化)时，执行附加检查以验证对象的当前参数是否足够好以离开“未成熟”状况。例如，第一标准可以涉及对象状态(或状态的每个分量)的可接受的估计方差。如果方差足够低，则跟踪器可在步骤216执行从“未成熟”到“成熟”的转换。
在308，可以确定是否满足第二标准(其可以被称为“硬”标准)。如果不满足第二标准，则对象可以保持在“未成熟”状况(步骤310)。如果满足第二标准，则处理可以在步骤312继续进行。
第二标准可用于检查跟踪器是否不扩展软件和硬件限制。第二标准例如可以涉及用于收集测量数据的缓冲器中的空闲空间，或者对象处于“未成熟”状况的循环(或迭代)次数的上限以避免将对象永久保持在该状况中。一旦跟踪器通过第二标准，就必须决定(例如在步骤312)是保持对象(并前进到“成熟”状况)还是移除对象。
在312，可以确定对象是否可能转换到“成熟”状况。如果向“成熟”状况的转换是可能的，则在216中可以将对象状况设置为“成熟”。如果不可能转换到“成熟”状况，则可以在314从跟踪中移除对象，从而导致在316移除对象。
可提供第一标准以加速对象创建，但第一标准对此的要求比第二标准更受限制。因此，即使对象的估计的状态未通过第一标准，但由于达到第二标准，也可以创建具有“成熟”状况的对象。
图3所示的方法可以超过图2所示的方法的性能，特别是在对象创建开始时(即，在对象刚刚开始被跟踪的阶段中，使得(初始)状态估计可能还不是非常准确)。
图2所示的方法仅在对象级别上对两个状况(换言之：利用两个参数中的一个)进行操作，并且参数是“成熟的”和“滑行的”。在图2的方法中，一旦对象被创建，其状况是“成熟的”。在没有测量数据的情况下(换言之：当测量数据206可能不与对象相关联时)，对象状况可以改变为“滑行的”。
处于“成熟”状况216的对象被卡尔曼滤波器(预测步骤和更新步骤)完全更新，而处于“滑行”状况214的对象只能被预测(由于缺少测量，这意味着只能执行预测步骤204)。
因此，如果对象被错误地初始化(例如关于位置、方向和/或速度)，则与图3的方法相比，利用图2的方法获得正确的估计参数可能花费更长的时间。
利用图3的方法，跟踪器(即，执行图3所示方法的系统)可通过添加新状况(可称为“未成熟”)来执行重新初始化。当对象被创建时，跟踪器可将对象状况设置为“未成熟”。在每个下一周期，当对象处于该状况时，不执行Kalman更新，而是收集附加测量值，然后利用该附加测量值进行对象的重新初始化。这可以允许跟踪器更积极地更新对象，并且可以给予跟踪器更多的机会来进行更好的对象初始化。
对象可以保持“未成熟”状况，直到跟踪器决定将其改变为“成熟”或“滑行”。可以提供两种标准来做出该决定：“软”和“硬”，如上所述。
将理解，“状况(status)”不同于“状态(state)”。“状况”是指分配给对象(例如“未成熟的”、“成熟的”或“滑行的”)的参数。“状态”是指对象的状态，例如线速度、角速度、航向角、高度、速度和/或加速度。
图4示出了流程图400，流程图400例示了根据各种实施方式的用于跟踪对象的方法。在402，在第一次检测到对象时，可以将第一参数分配给对象。在404，可以执行对象状态的预测。在406，可以确定是否将第二参数分配给对象。在408，如果第一参数被分配给对象，则可以执行对象状态的重新初始化。在410，如果第二参数被分配给对象，则可以执行对象状态的更新。
根据各个实施方式，可以确定测量数据是否可以与对象相关联，并且如果测量数据不能与对象相关联，则可以将第三参数分配给对象。
根据各个实施方式，重新初始化可以是基于执行与对象相关的测量的。
根据各个实施方式，可以基于重新初始化来确定是否满足第一条件。
根据各个实施方式，如果满足第一条件，则可以将第二参数分配给对象。
根据各个实施方式，如果不满足第一条件，则可以确定是否满足第二条件。
根据各种实施方式，第二条件可以是基于可用于跟踪对象的计算资源的。
根据各个实施方式，第二条件可以是基于自第一参数被分配给对象以来的时间的。
根据各个实施方式，如果满足第二条件，则可以确定第二参数的分配是否的可能的。
根据各个实施方式，如果不可能分配第二参数，则可以忽略对象。
根据各个实施方式，可以迭代地执行该方法的各个步骤。
根据各种实施方式，预测和更新可以被包括在卡尔曼滤波器中。
步骤402、404、406、408、410中的每一个以及上述进一步的步骤可以由计算机硬件组件来执行。
附图标记列表
100 可用于初始化的数据量与初始估计的准确度之间的关系的图示
102 曲线
104 水平轴线
106 垂直轴
200 示出在不使用“未成熟”参数的情况下更新被跟踪对象的状态的方法的流程图
202 先前状态
204 预测步骤
206 测量数据
208 数据关联
210 确定步骤
212 更新步骤
214 滑行状况
216 成熟状况
218 更新状态
220 卡尔曼滤波器
300 流程图示出了根据各个实施方式的用于使用“未成熟”参数来更新被跟踪对象的状态的方法
302 确定步骤
304 重新初始化
306 确定步骤
308 确定步骤
310 未成熟状况
312 确定步骤
314 从跟踪中清除的步骤
316 移除对象
400 示出根据各种实施方式的用于跟踪对象的方法的流程图
402 在第一次检测到所述对象时将第一参数分配给所述对象的步骤
404 执行对象状态的预测的步骤
406 确定是否将第二参数分配给对象的步骤
408 如果第一参数被分配给对象，则执行对象状态的重新初始化的步骤
410 如果第二参数被分配给对象，则执行对象状态的更新的步骤

Claims (15)

1.一种用于跟踪对象的计算机实现方法，所述计算机实现方法包括由计算机硬件组件执行的以下步骤：
在第一次检测到所述对象时，向所述对象分配(402)第一参数(216)；
执行(404)所述对象的状态的预测；
确定(406)是否要向所述对象分配第二参数(310)；
如果所述第一参数(216)被分配给所述对象，则执行(408)所述对象的状态的重新初始化；以及
如果所述第二参数(310)被分配给所述对象，则执行(410)所述对象的状态的更新。
2.根据权利要求1所述的计算机实现方法，所述计算机实现方法还包括由所述计算机硬件组件执行的以下步骤：
确定测量数据是否能够与所述对象相关联；以及
如果所述测量数据不能与所述对象相关联，则向所述对象分配第三参数(214)。
3.根据权利要求1或2所述的计算机实现方法，其中，所述重新初始化是基于执行与所述对象相关的测量的。
4.根据权利要求2或3所述的计算机实现方法，所述计算机实现方法还包括由所述计算机硬件组件执行的以下步骤：
基于所述重新初始化，确定是否满足第一条件。
5.根据权利要求4所述的计算机实现方法，所述计算机实现方法还包括由所述计算机硬件组件执行的以下步骤：
如果满足所述第一条件，则向所述对象分配所述第二参数(310)。
6.根据权利要求4或5所述的计算机实现方法，所述计算机实现方法还包括由所述计算机硬件组件执行的以下步骤：
如果不满足所述第一条件，则确定是否满足第二条件。
7.根据权利要求6所述的计算机实现方法，其中，所述第二条件是基于能够用于跟踪所述对象的计算资源的。
8.权利要求6或7所述的计算机实现方法，其中，所述第二条件是基于自所述第一参数(216)被分配给所述对象以来的时间的。
9.根据权利要求6至8中任一项所述的计算机实现方法，所述计算机实现方法还包括由所述计算机硬件组件执行的以下步骤：
如果满足所述第二条件，则确定所述第二参数的分配(310)是否是可能的。
10.根据权利要求9所述的计算机实现方法，所述计算机实现方法还包括由所述计算机硬件组件执行的以下步骤：
如果所述第二参数(310)的分配是不可能的，则忽略所述对象。
11.根据权利要求1至10中任一项所述的计算机实现方法，其中，所述计算机实现方法的各种步骤被迭代地执行。
12.权利要求1至11中任一项所述的计算机实现方法，其中，所述预测步骤和所述更新步骤被包括在卡尔曼滤波器中。
13.一种计算机系统，所述计算机系统被配置成执行根据权利要求1至12中任一项所述的计算机实现方法。
14.一种车辆，所述车辆包括根据权利要求13所述的计算机系统的至少一部分。
15.一种非暂时性计算机可读介质，所述非暂时性计算机可读介质包括用于执行根据权利要求1到12中任一项所述的计算机实现方法的指令。
CN202110463528.2A 2020-04-29 2021-04-26 跟踪对象的方法和系统 Pending CN113570643A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP20172208.9 2020-04-29
EP20172208.9A EP3904907A1 (en) 2020-04-29 2020-04-29 Methods and systems for tracking an object

Publications (1)

Publication Number Publication Date
CN113570643A true CN113570643A (zh) 2021-10-29

Family

ID=70480178

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110463528.2A Pending CN113570643A (zh) 2020-04-29 2021-04-26 跟踪对象的方法和系统

Country Status (3)

Country Link
US (1) US20210339750A1 (zh)
EP (1) EP3904907A1 (zh)
CN (1) CN113570643A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114882733A (zh) * 2022-03-15 2022-08-09 深圳市德驰微视技术有限公司 基于域控制器的停车位获取方法、电子设备及存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11113824B2 (en) 2019-04-30 2021-09-07 Aptiv Technologies Limited Heading angle estimation for object tracking

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105122212A (zh) * 2013-02-12 2015-12-02 肯赛里克斯公司 自动化跟踪系统中的周期性优化
US9921306B1 (en) * 2015-05-27 2018-03-20 Lockheed Martin Corporation Active optimal reduced state estimator
US20190012803A1 (en) * 2017-07-07 2019-01-10 Samsung Electronics Co., Ltd. System and method for optical tracking
CN110678776A (zh) * 2017-06-30 2020-01-10 维宁尔瑞典公司 用于增强的对象跟踪的系统
US20200124716A1 (en) * 2018-10-23 2020-04-23 Valeo Radar Systems, Inc. Radar track initialization

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10387298B2 (en) * 2017-04-04 2019-08-20 Hailo Technologies Ltd Artificial neural network incorporating emphasis and focus techniques
EP3803528A4 (en) * 2018-06-08 2022-03-23 Thales Canada Inc. CONTROL UNIT, SYSTEM AND METHOD OF VEHICLE CONTROL
US11619494B2 (en) * 2020-02-13 2023-04-04 Mitsubishi Electric Research Laboratories, Inc. System and method for tracking expanded state of an object

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105122212A (zh) * 2013-02-12 2015-12-02 肯赛里克斯公司 自动化跟踪系统中的周期性优化
US9921306B1 (en) * 2015-05-27 2018-03-20 Lockheed Martin Corporation Active optimal reduced state estimator
CN110678776A (zh) * 2017-06-30 2020-01-10 维宁尔瑞典公司 用于增强的对象跟踪的系统
US20190012803A1 (en) * 2017-07-07 2019-01-10 Samsung Electronics Co., Ltd. System and method for optical tracking
US20200124716A1 (en) * 2018-10-23 2020-04-23 Valeo Radar Systems, Inc. Radar track initialization

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114882733A (zh) * 2022-03-15 2022-08-09 深圳市德驰微视技术有限公司 基于域控制器的停车位获取方法、电子设备及存储介质
CN114882733B (zh) * 2022-03-15 2023-12-01 深圳市德驰微视技术有限公司 基于域控制器的停车位获取方法、电子设备及存储介质

Also Published As

Publication number Publication date
EP3904907A1 (en) 2021-11-03
US20210339750A1 (en) 2021-11-04

Similar Documents

Publication Publication Date Title
JP6978491B2 (ja) 地面マーキングを認識するための画像処理方法、および地面マーキングを検出するためのシステム
CN111091591A (zh) 一种碰撞检测方法、装置、电子设备及存储介质
CN113570643A (zh) 跟踪对象的方法和系统
CN110674705B (zh) 基于多线激光雷达的小型障碍物检测方法及装置
EP1835463A2 (en) Obstacle tracking apparatus and method
US20210004647A1 (en) Method and system for training reinforcement learning agent using adversarial sampling
CN111381249B (zh) 一种障碍物航向角计算方法及装置
CN113591618B (zh) 前方道路形状估算方法、系统、车辆及存储介质
CN114925747A (zh) 车辆异常行驶检测方法、电子设备、存储介质
JP2022541951A (ja) アダプティブクルーズコントロール方法とシステム
JP2020154983A (ja) 物体認識装置及び車両制御システム
CN114670872B (zh) 自动驾驶的速度规划方法、装置、车辆及存储介质
CN113504782B (zh) 障碍物防撞方法、装置、系统和移动工具
CN110426714A (zh) 一种障碍物识别方法
CN113176562A (zh) 多目标跟踪方法、装置、电子设备及可读存储介质
CN114518119A (zh) 定位的方法及装置
JP7142468B2 (ja) 移動体追跡装置
EP4056441A1 (en) Back propagation planning for adas/ad motion planning and control
CN112116634B (zh) 一种半在线机置的多目标跟踪方法
JP7383954B2 (ja) 学習用データ収集装置
WO2024075161A1 (ja) 画像処理装置及び画像処理方法
CN117250606B (zh) 轨迹跟踪方法、装置、设备及存储介质
US20210173398A1 (en) Methods and systems for determining an initial ego-pose for initialization of self-localization
US11668814B2 (en) Methods and systems for determining an initial ego-pose for initialization of self-localization
CN115170602A (zh) 一种在线多目标的跟踪方法、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
CB02 Change of applicant information
CB02 Change of applicant information

Country or region after: Luxembourg

Address after: Luxembourg

Applicant after: Aptiv Technology (2) Co.

Address before: Babado J San Michael

Applicant before: Aptiv Technologies Ltd.

Country or region before: Barbados

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240301

Address after: Luxembourg

Applicant after: Aptiv Manufacturing Management Services Co.

Country or region after: Luxembourg

Address before: Luxembourg

Applicant before: Aptiv Technology (2) Co.

Country or region before: Luxembourg

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240321

Address after: Schaffhausen

Applicant after: APTIV Technology Co.,Ltd.

Country or region after: Switzerland

Address before: Luxembourg

Applicant before: Aptiv Manufacturing Management Services Co.

Country or region before: Luxembourg