CN113721240B - 一种目标关联方法、装置、电子设备及存储介质 - Google Patents
一种目标关联方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113721240B CN113721240B CN202110992784.0A CN202110992784A CN113721240B CN 113721240 B CN113721240 B CN 113721240B CN 202110992784 A CN202110992784 A CN 202110992784A CN 113721240 B CN113721240 B CN 113721240B
- Authority
- CN
- China
- Prior art keywords
- target
- association
- reference target
- position information
- matrix
- 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 48
- 239000011159 matrix material Substances 0.000 claims description 72
- 230000009466 transformation Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000001131 transforming effect Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 description 23
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G01S13/88—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
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- 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
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请实施例公开了一种目标关联方法、装置、电子设备及存储介质。该方法包括：将第一传感器识别到的至少一个物体作为参考目标，并获取至少一个参考目标中的各个参考目标的位置信息；将第二传感器识别到的至少一个物体作为目标，并获取至少一个目标中的各个目标的位置信息；为至少一个参考目标中的各个参考目标设置对应的关联门限；从至少一个目标中剔除掉不在任意一个关联门限内的目标，将至少一个目标中剩余的各个目标作为待关联目标；将至少一个参考目标中的各个参考目标与至少一个待关联目标中的各个待关联目标进行关联，得到关联关系表。本申请的技术方案，可以提高目标关联的准确率，并能够通过降低目标关联时的计算量满足实时性要求。
Description
技术领域
本申请实施例涉及多传感器关联技术，尤其涉及一种目标关联方法、装置、电子设备及存储介质。
背景技术
在自动驾驶技术领域中，将智能驾驶分为五个等级，随着智能驾驶等级的提高，车辆中配置的传感器的种类和数量也越来越多，因此多传感器关联技术是必然趋势。
在多传感器关联技术中，一个重要的问题在于如何判断来自不同传感器的多个目标为同一目标，进而对同一目标进行关联。现有技术中，常用的目标关联方法有最近邻域算法、联合概率数据关联算法和多假设跟踪算法。其中，最近邻域算法的实时性高，但只能局限于在目标稀疏的环境中使用，在目标密集的环境下容易出现误关联或丢失目标的问题；联合概率数据关联算法和多假设跟踪算法可在目标密集的环境中使用，且关联准确率较高，但计算量较大，难以满足实时性要求。因此，亟需设计一种目标关联方法，能够提高目标关联的准确率，降低计算量满足实时性要求。
发明内容
本申请实施例提供了一种目标关联方法、装置、电子设备及存储介质，可以提高目标关联的准确率，并能够通过降低目标关联时的计算量满足实时性要求。
第一方面，本申请实施例提供了一种目标关联方法，该方法包括：
通过第一传感器和第二传感器分别对至少一个物体进行识别，将所述第一传感器识别到的至少一个物体作为参考目标，并获取所述至少一个参考目标中的各个参考目标的位置信息；将所述第二传感器识别到的至少一个物体作为目标，并获取所述至少一个目标中的各个目标的位置信息；
根据所述至少一个参考目标中的各个参考目标的位置信息，为所述至少一个参考目标中的各个参考目标设置对应的关联门限；
基于各个参考目标设置对应的关联门限和所述至少一个目标中的各个目标的位置信息，从所述至少一个目标中剔除掉不在任意一个关联门限内的目标，将所述至少一个目标中剩余的各个目标作为待关联目标；
将所述至少一个参考目标中的各个参考目标与所述至少一个待关联目标中的各个待关联目标进行关联，得到关联关系表；其中，所述关联关系表包括至少一个关联对，各个关联对包括一个参考目标和与该参考目标具有关联关系的一个待关联目标。
第二方面，本申请实施例提供了一种目标关联装置，该装置包括：
信息获取模块，用于通过第一传感器和第二传感器分别对至少一个物体进行识别，将所述第一传感器识别到的至少一个物体作为参考目标，并获取所述至少一个参考目标中的各个参考目标的位置信息；将所述第二传感器识别到的至少一个物体作为目标，并获取所述至少一个目标中的各个目标的位置信息；
门限设置模块，用于根据所述至少一个参考目标中的各个参考目标的位置信息，为所述至少一个参考目标中的各个参考目标设置对应的关联门限；
目标确定模块，用于基于各个参考目标设置对应的关联门限和所述至少一个目标中的各个目标的位置信息，从所述至少一个目标中剔除掉不在任意一个关联门限内的目标，将所述至少一个目标中剩余的各个目标作为待关联目标；
目标关联模块，用于将所述至少一个参考目标中的各个参考目标与所述至少一个待关联目标中的各个待关联目标进行关联，得到关联关系表；其中，所述关联关系表包括至少一个关联对，各个关联对包括一个参考目标和与该参考目标具有关联关系的一个待关联目标。
第三方面，本申请实施例提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本申请任意实施例所述的目标关联方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现本申请任意实施例所述的目标关联方法。
本申请实施例提供了一种目标关联方法、装置、电子设备及存储介质，通过第一传感器和第二传感器分别对至少一个物体进行识别，将第一传感器识别到的至少一个物体作为参考目标，并获取至少一个参考目标中的各个参考目标的位置信息；将第二传感器识别到的至少一个物体作为目标，并获取至少一个目标中的各个目标的位置信息；根据至少一个参考目标中的各个参考目标的位置信息，为至少一个参考目标中的各个参考目标设置对应的关联门限；基于各个参考目标设置对应的关联门限和至少一个目标中的各个目标的位置信息，从至少一个目标中剔除掉不在任意一个关联门限内的目标，将至少一个目标中剩余的各个目标作为待关联目标；将至少一个参考目标中的各个参考目标与至少一个待关联目标中的各个待关联目标进行关联，得到关联关系表。本申请可以提高目标关联的准确率，并能够通过降低目标关联时的计算量满足实时性要求。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1A为本申请实施例提供的目标关联方法的第一流程示意图；
图1B为本申请实施例提供的目标关联方法的目标关联示意图；
图2为本申请实施例提供的目标关联方法的第二流程示意图；
图3为本申请实施例提供的目标关联方法的第三流程示意图；
图4为本申请实施例提供的目标关联装置的结构示意图；
图5是用来实现本申请实施例的目标关联方法的电子设备的框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，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。
实施例一
图1A为本申请实施例提供的目标关联方法的第一流程示意图；图1B为本申请实施例提供的目标关联方法的目标关联示意图。本实施例可适用于判断不同传感器所识别到的目标是否为同一个目标，若为同一个目标将其进行关联的情况。本实施例提供的目标关联方法可以由本申请实施例提供的目标关联装置来执行，该装置可以通过软件和/或硬件的方式实现，并集成在执行本方法的电子设备中。
参见图1A，本实施例的方法包括但不限于如下步骤：
S110、通过第一传感器和第二传感器分别对至少一个物体进行识别，将第一传感器识别到的至少一个物体作为参考目标，并获取至少一个参考目标中的各个参考目标的位置信息；将第二传感器识别到的至少一个物体作为目标，并获取至少一个目标中的各个目标的位置信息。
其中，第一传感器和第二传感器为任意具有识别功能的传感器，可选的，第一传感器为视觉传感器，第二传感器为毫米波雷达传感器。目标可以是识别区域中的任意对象，如行走的人、运动的车辆、静止的路边标志物等。位置信息的坐标系可以是世界坐标系(如经纬度信息)，也可以是以各自传感器为坐标中心的二维坐标系或三维坐标系。
在本申请实施例中，同一个识别区域中，通过第一传感器和第二传感器分别对的至少一个物体进行识别，并将识别的数据上传至处理器中。处理器对该数据进行处理，若第一传感器所识别到的物体和第二传感器所识别到的物体属于同一个物体，则可将第一传感器所识别到的这个物体和第二传感器所识别到的这个物体进行关联。其中，处理器可以是集成该第一传感器和第二传感器的车辆所配置的处理器，也可以是云端服务器中的处理器。
由于不同的传感器对物体的识别能力有差别，因而根据人为经验从第一传感器和第二传感器中挑选出一个参考传感器(如第一传感器)，也就是，以该参考传感器所识别到的物体为标准，与另一传感器所识别到的物体进行关联。具体的，以第一传感器为参考传感器，将第一传感器识别到的至少一个物体作为参考目标，将第二传感器识别到的至少一个物体作为目标。通过分别获取至少一个参考目标中的各个参考目标的位置信息和至少一个目标中的各个目标的位置信息，将至少一个参考目标和至少一个目标进行关联。
可选的，若至少一个参考目标的位置信息与至少一个目标的位置信息不在同一坐标系下，则将至少一个参考目标的位置信息和至少一个目标的位置信息分别转换为同一坐标系下的位置信息。
在本申请实施例中，当位置信息的坐标系是以各自传感器为坐标中心的二维坐标系或三维坐标系时，因不同传感器的安装位置和安装角度不同，所获取的参考目标的位置信息与目标的位置信息不在同一坐标系下，那么需要将参考目标的位置信息和目标的位置信息分别转换为同一坐标系下的位置信息，如世界坐标系、车辆坐标系等。这样设置的好处在于可以使不同传感器的位置信息在空间上同步。
在本申请实施例中，由于不同传感器将数据上传至处理器的频率不用，所以处理器需要根据接收各个传感器数据的时间戳，通过预先训练的模型对第一传感器和第二传感器的位置信息进行补偿，使不同传感器的位置信息在时间上同步。
具体的，根据至少一个参考目标的识别时间和至少一个目标的识别时间，通过预先训练的模型分别对同一坐标系下的至少一个参考目标中的各个参考目标的位置信息和至少一个目标中的各个目标的位置信息进行校正，得到经校正之后的至少一个参考目标的位置信息和至少一个目标的位置信息。
S120、根据至少一个参考目标中的各个参考目标的位置信息，为至少一个参考目标中的各个参考目标设置对应的关联门限。
其中，关联门限包括门限形状和门限大小。本申请对门限形状不做具体限定，可选的是圆形门限、椭圆形门限、矩形门限，优选的是可变矩形门限，门限大小长度值和宽度值。包括位置信息至少包括横向距离和纵向距离。
可选的，根据至少一个参考目标中的各个参考目标的纵向距离，确定至少一个参考目标中的各个目标对应的可变矩形门限的长度值和宽度值。
在本申请实施例中，随着第一传感器识别到的参考目标的纵向距离增大，参考目标的可变矩形门限的长度值和宽度值也增大。现有技术中通常采用固定矩形门限，但是固定矩形门限往往会出现丢失目标的问题，本申请根据传感器实际分布特性，采用可变矩形门限不仅能够避免丢失目标，还可以提高在下述步骤中进行目标关联的准确率。其中，可变矩形门限的长度值和宽度值的计算公式(1)所示：
其中，L为可变矩形门限的长；W为可变矩形门限的宽；a1、b1、a2和b2为根据经验设置的系数；i为参考目标；x为参考目标的纵向距离。
如图1B所示，纵轴表示车辆坐标系下的纵向距离，横轴表示车辆坐标系下的横向距离，圆圈表示由第一传感器识别到的参考目标(如V1、V2、…、V6)，五角星表示由第二传感器识别到的目标(如R1、R2、…、R8)，方框表示参考目标的可变矩形门限，图中可以看出，参考目标的可变矩形门限的门限大小随参考目标的纵向距离的增大而增大。
S130、基于各个参考目标设置对应的关联门限和至少一个目标中的各个目标的位置信息，从至少一个目标中剔除掉不在任意一个关联门限内的目标，将至少一个目标中剩余的各个目标作为待关联目标。
在本申请实施例中，经上述步骤，为至少一个参考目标中的各个参考目标设置对应的关联门限之后，基于各个参考目标设置对应的关联门限和至少一个目标中的各个目标的位置信息，从至少一个目标中剔除掉不在任意一个关联门限内的目标，将至少一个目标中剩余的各个目标作为待关联目标，也就是，落在任意一个关联门限内的目标可能是某一参考目标的待关联目标。
如图1B所示，目标(即图中的五角星)中的R1、R7和R8可能是杂波；或者R1、R7和R8确实是真的目标，但由于第一传感器没有识别到R1、R7和R8，因而在目标关联时不需要把R1、R7和R8与参考目标进行关联。因此，在对至少一个参考目标和至少一个目标进行目标关联之前，先将R1、R7和R8剔除掉。经过本步骤处理之后，参考目标V1、V2、…、V6，待关联目标为R2、R3、…、R6。
在本申请实施例中，本申请不是直接将至少一个参考目标中的各个参考目标与至少一个目标中的各个目标进行关联，而是先采用可变矩形门限对至少一个目标进行过滤，得到待关联的目标。这样设置的好处在于，不仅可以剔除第二传感器的杂波干扰，还可以大大减小目标关联的难度(如下述步骤中关联矩阵的维数)，减少了计算量，是因为计算量是因关联矩阵的维度呈指数增长。
S140、将至少一个参考目标中的各个参考目标与至少一个待关联目标中的各个待关联目标进行关联，得到关联关系表。
其中，关联关系表包括至少一个关联对，各个关联对包括一个参考目标和与该参考目标具有关联关系的一个待关联目标。
在本申请实施例中，经上述步骤，从至少一个目标中剔除掉不在任意一个关联门限内的目标，将至少一个目标中剩余的各个目标作为待关联目标。然后，可以基于最大权匹配算法，求解至少一个参考目标与至少一个待关联目标的关联矩阵，将将至少一个参考目标中的各个参考目标与至少一个待关联目标中的各个待关联目标进行关联，得到关联关系表。
本实施例提供的技术方案，通过第一传感器和第二传感器分别对至少一个物体进行识别，将第一传感器识别到的至少一个物体作为参考目标，并获取至少一个参考目标中的各个参考目标的位置信息；将第二传感器识别到的至少一个物体作为目标，并获取至少一个目标中的各个目标的位置信息；根据至少一个参考目标中的各个参考目标的位置信息，为至少一个参考目标中的各个参考目标设置对应的关联门限；基于各个参考目标设置对应的关联门限和至少一个目标中的各个目标的位置信息，从至少一个目标中剔除掉不在任意一个关联门限内的目标，将至少一个目标中剩余的各个目标作为待关联目标；将至少一个参考目标中的各个参考目标与至少一个待关联目标中的各个待关联目标进行关联，得到关联关系表。本申请采用可变矩形门限能够解决现有技术中丢失目标的问题。本申请在对至少一个参考目标和至少一个目标进行目标关联之前，先采用可变矩形门限对至少一个目标进行过滤，不仅可以剔除第二传感器的杂波干扰，还可以大大减小目标关联的难度。执行本申请的技术方案，可以提高目标关联的准确率，并能够通过降低目标关联时的计算量满足实时性要求。
实施例二
图2为本申请实施例提供的目标关联方法的第二流程示意图。本申请实施例是在上述实施例的基础上进行优化，具体优化为：增加了对关联对的筛选过程进行详细的解释说明。
参见图2，本实施例的方法包括但不限于如下步骤：
S210、通过第一传感器和第二传感器分别对至少一个物体进行识别，将第一传感器识别到的至少一个物体作为参考目标，并获取至少一个参考目标中的各个参考目标的位置信息；将第二传感器识别到的至少一个物体作为目标，并获取至少一个目标中的各个目标的位置信息。
S220、根据至少一个参考目标中的各个参考目标的位置信息，为至少一个参考目标中的各个参考目标设置对应的关联门限。
S230、基于各个参考目标设置对应的关联门限和至少一个目标中的各个目标的位置信息，从至少一个目标中剔除掉不在任意一个关联门限内的目标，将至少一个目标中剩余的各个目标作为待关联目标。
S240、将至少一个参考目标中的各个参考目标与至少一个待关联目标中的各个待关联目标进行关联，得到关联关系表。
S250、获取至少一个参考目标中的各个参考目标的速度信息和至少一个待关联目标中的各个待关联目标的速度信息。
在本申请实施例中，通过第一传感器和第二传感器分别对的至少一个参考目标和至少一个目标进行识别时，不仅获取各个参考目标的位置信息和各个目标的位置信息，还需要获取各个参考目标的速度信息和各个目标的速度信息。
可选的，还可以获取各个参考目标和各个目标的种类信息，例如：人、车辆、路边标志物等。
S260、根据至少一个参考目标中的各个参考目标的速度信息和至少一个待关联目标中的各个待关联目标的速度信息，计算关联关系表中每一个关联对中的参考目标与待关联目标之间的速度差。
在本申请实施例中，经S240步骤，得到了关联关系表。关联关系表包括至少一个关联对，各个关联对包括一个参考目标和与该参考目标具有关联关系的一个待关联目标。需要计算每一个关联对中的参考目标与待关联目标之间的速度差。
S270、若速度差不在预设阈值范围内，则从关联关系表中剔除掉该关联对。
在本申请实施例中，若某一个关联对中的参考目标与待关联目标之间的速度差不在预设阈值范围内，表明该参考目标与该待关联目标可能不是用一个物体，则从关联关系表中剔除掉该关联对；若速度差在预设阈值范围内，表明该参考目标与该待关联目标是用一个物体，则保留该关联对。
本申请对关联对中的参考目标和待关联目标采用速度差门限进行过滤，即关联对中的参考目标和待关联目标不仅要在空间上最邻近，还要速度差也要符合预设阈值范围，以防止将运动的车辆目标与静止的雷达栅栏目标进行关联。示例性的，如图1B所示，假若将V1与R3关联，V2没有关联目标，则可以通过判断V1与R3的速度差不满足预设阈值范围，将V1与R3这个关联对剔除掉。
本实施例提供的技术方案，将第一传感器识别到的至少一个物体作为参考目标，并获取至少一个参考目标中的各个参考目标的位置信息和速度信息；将第二传感器识别到的至少一个物体作为目标，并获取至少一个目标中的各个目标的位置信息和速度信息；为至少一个参考目标中的各个参考目标设置对应的关联门限；从至少一个目标中剔除掉不在任意一个关联门限内的目标，将至少一个目标中剩余的各个目标作为待关联目标；将至少一个参考目标中的各个参考目标与至少一个待关联目标中的各个待关联目标进行关联，得到关联关系表；根据至少一个参考目标中的各个参考目标的速度信息和至少一个待关联目标中的各个待关联目标的速度信息，计算关联关系表中每一个关联对中的参考目标与待关联目标之间的速度差；若速度差不在预设阈值范围内，则从关联关系表中剔除掉该关联对。本申请通过设置速度差门限，将不符合速度差的关联对从关联关系表中剔除掉，可以保证参考目标和待关联目标进行目标关联的准确率。
实施例三
图3为本申请实施例提供的目标关联方法的第三流程示意图。本申请实施例是在上述实施例的基础上进行优化，具体优化为：增加了对参考目标和待关联目标进行目标关联的过程进行详细的解释说明。
参考图3，本实施例的方法包括但不限于如下步骤：
S310、通过第一传感器和第二传感器分别对至少一个物体进行识别，将第一传感器识别到的至少一个物体作为参考目标，并获取至少一个参考目标中的各个参考目标的位置信息；将第二传感器识别到的至少一个物体作为目标，并获取至少一个目标中的各个目标的位置信息。
S320、根据至少一个参考目标中的各个参考目标的位置信息，为至少一个参考目标中的各个参考目标设置对应的关联门限。
S330、基于各个参考目标设置对应的关联门限和至少一个目标中的各个目标的位置信息，从至少一个目标中剔除掉不在任意一个关联门限内的目标，将至少一个目标中剩余的各个目标作为待关联目标。
S340、根据至少一个参考目标中的各个参考目标的位置信息和至少一个待关联目标中的各个待关联目标的位置信息，建立至少一个参考目标和至少一个待关联目标之间的关联矩阵。
在本申请实施例中，计算至少一个参考目标和至少一个待关联目标之间的关联矩阵T，矩阵T中每一个元素Ti,j的计算公式(2)所示：
其中，i表示参考目标；j表示待关联目标；Ti,j表示第i个参考目标与第j个待关联目标之间相似度(可以用马氏距离表示相似度)，当矩阵Ti,j的值越小，表明该参考目标和该待关联目标为同一物体的可能性越大；vi表示第一传感器识别到的参考目标的观测向量；rj表示第二传感器识别到的待关联目标的观测向量；Pvi、Prj分别表示参考目标和待关联目标的协方差矩阵。
可选的，在建立至少一个参考目标和至少一个待关联目标之间的关联矩阵之后，若至少一个参考目标的数量和至少一个待关联目标的数量不一致，则对关联矩阵进行填充，以使关联矩阵为方形矩阵。
在本申请实施例中，由于最大权匹配算法要求关联矩阵T为方阵，所以当至少一个参考目标的数量和至少一个待关联目标的数量不一致时(如i≠j)，设置T矩阵的维度n为max(i，j)，再通过加入虚拟目标对关联矩阵进行填充，并对虚拟目标赋值无穷大，以使关联矩阵T为方形矩阵。
S350、根据预设变换规则对关联矩阵进行变换，得到变换之后的关联矩阵，并对变换之后的关联矩阵进行计算，得到关联关系表。
在本申请实施例中，在S340步骤中建模问题是求最小值问题，由于最大权匹配算法是求最大值问题，因而对关联矩阵进行变换，将求最小值问题转化为求最大值问题。可选的是，对关联矩阵的元素取倒数归一化；优选的是，对关联矩阵的元素取相反数，因为取倒数会使目标间的权值过于密集，容易产生将参考目标与待关联目标进行关联错误的问题。示例性的，如图1B中，将V1与R3关联(V1应该与R2关联)，出现了关联错误。
在本申请实施例中，对变换之后的关联矩阵进行计算，得到最优化函数如公式(3)所示：
其中，i表示参考目标；j表示待关联目标；n表示参考目标或待关联目标的数量；Ti,j表示第i个参考目标与第j个待关联目标之间相似度；H(i,j)表示关联关系表，H(i,j)取值为0或1，当取值为0时代表第i个参考目标与第j个待关联目标不是同一个物体，当取值为1时代表第i个参考目标与第j个待关联目标是同一个物体。
本实施例提供的技术方案，将第一传感器识别到的至少一个物体作为参考目标，并获取至少一个参考目标中的各个参考目标的位置信息；将第二传感器识别到的至少一个物体作为目标，并获取至少一个目标中的各个目标的位置信息；为至少一个参考目标中的各个参考目标设置对应的关联门限；从至少一个目标中剔除掉不在任意一个关联门限内的目标，将至少一个目标中剩余的各个目标作为待关联目标；根据至少一个参考目标中的各个参考目标的位置信息和至少一个待关联目标中的各个待关联目标的位置信息，建立至少一个参考目标和至少一个待关联目标之间的关联矩阵；根据预设变换规则对关联矩阵进行变换，得到变换之后的关联矩阵，并对变换之后的关联矩阵进行计算，得到关联关系表。执行本申请的技术方案，可以提高目标关联的准确率，并能够通过降低目标关联时的计算量满足实时性要求。
实施例四
图4为本申请实施例提供的目标关联装置的结构示意图，如图4所示，该装置400可以包括：
信息获取模块410，用于通过第一传感器和第二传感器分别对至少一个物体进行识别，将所述第一传感器识别到的至少一个物体作为参考目标，并获取所述至少一个参考目标中的各个参考目标的位置信息；将所述第二传感器识别到的至少一个物体作为目标，并获取所述至少一个目标中的各个目标的位置信息。
门限设置模块420，用于根据所述至少一个参考目标中的各个参考目标的位置信息，为所述至少一个参考目标中的各个参考目标设置对应的关联门限。
目标确定模块430，用于基于各个参考目标设置对应的关联门限和所述至少一个目标中的各个目标的位置信息，从所述至少一个目标中剔除掉不在任意一个关联门限内的目标，将所述至少一个目标中剩余的各个目标作为待关联目标。
目标关联模块440，用于将所述至少一个参考目标中的各个参考目标与所述至少一个待关联目标中的各个待关联目标进行关联，得到关联关系表；其中，所述关联关系表包括至少一个关联对，各个关联对包括一个参考目标和与该参考目标具有关联关系的一个待关联目标。
可选的，所述关联门限为可变矩形门限；所述位置信息至少包括横向距离和纵向距离。
进一步的，门限设置模块420，具体用于根据所述至少一个参考目标中的各个参考目标的纵向距离，确定所述至少一个参考目标中的各个目标对应的可变矩形门限的长度值和宽度值。
进一步的，上述目标关联装置，还可以包括：关联对确定模块450(图中未示出)；
所述关联对确定模块450，用于获取所述至少一个参考目标中的各个参考目标的速度信息和所述至少一个待关联目标中的各个待关联目标的速度信息；根据所述至少一个参考目标中的各个参考目标的速度信息和所述至少一个待关联目标中的各个待关联目标的速度信息，计算所述关联关系表中每一个关联对中的参考目标与待关联目标之间的速度差；若所述速度差不在预设阈值范围内，则从所述关联关系表中剔除掉该关联对。
进一步的，上述目标关联模块440包括：关联矩阵建立单元和关联关系表确定单元；
所述关联矩阵建立单元，用于根据所述至少一个参考目标中的各个参考目标的位置信息和所述至少一个待关联目标中的各个待关联目标的位置信息，建立所述至少一个参考目标和所述至少一个待关联目标之间的关联矩阵。
所述关联关系表确定单元，用于根据预设变换规则对所述关联矩阵进行变换，得到变换之后的关联矩阵，并对变换之后的关联矩阵进行计算，得到关联关系表。
进一步的，上述目标关联模块440还包括关联矩阵填充单元；
所述关联矩阵填充单元，用于在建立所述至少一个参考目标和所述至少一个待关联目标之间的关联矩阵之后，若所述至少一个参考目标的数量和所述至少一个待关联目标的数量不一致，则对所述关联矩阵进行填充，以使所述关联矩阵为方形矩阵。
进一步的，上述目标关联装置，还可以包括：坐标系转换模块460(图中未示出)；
所述坐标系转换模块460，用于在获取所述至少一个参考目标中的各个参考目标的位置信息和获取所述至少一个目标中的各个目标的位置信息之后，若所述至少一个参考目标的位置信息与所述至少一个目标的位置信息不在同一坐标系下，则将所述至少一个参考目标的位置信息和所述至少一个目标的位置信息分别转换为同一坐标系下的位置信息。
进一步的，上述目标关联装置，还可以包括：信息校正模块470(图中未示出)；
所述坐标系转换模块470，用于在获取所述至少一个参考目标中的各个参考目标的位置信息和获取所述至少一个目标中的各个目标的位置信息之后，根据所述至少一个参考目标的识别时间和所述至少一个目标的识别时间，通过预先训练的模型分别对同一坐标系下的至少一个参考目标中的各个参考目标的位置信息和至少一个目标中的各个目标的位置信息进行校正，得到经校正之后的至少一个参考目标的位置信息和至少一个目标的位置信息。
本实施例提供的目标关联装置可适用于上述任意实施例提供的目标关联方法，具备相应的功能和有益效果。
实施例五
图5是用来实现本申请实施例的目标关联方法的电子设备的框图，图5示出了适于用来实现本申请实施例实施方式的示例性电子设备的框图。图5显示的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。该电子设备典型可以是智能手机、平板电脑、笔记本电脑、车载终端以及可穿戴设备等。
如图5所示，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：一个或者多个处理器或者处理单元516，存储器528，连接不同系统组件(包括存储器528和处理单元516)的总线518。
总线518表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备500典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备500访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器528可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)530和/或高速缓存存储器532。电子设备500可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统534可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线518相连。存储器528可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请实施例各实施例的功能。
具有一组(至少一个)程序模块542的程序/实用工具540，可以存储在例如存储器528中，这样的程序模块542包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块542通常执行本申请实施例所描述的实施例中的功能和/或方法。
电子设备500也可以与一个或多个外部设备514(例如键盘、指向设备、显示器524等)通信，还可与一个或者多个使得用户能与该电子设备500交互的设备通信，和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口522进行。并且，电子设备500还可以通过网络适配器520与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图5所示，网络适配器520通过总线518与电子设备500的其它模块通信。应当明白，尽管图5中未示出，可以结合电子设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元516通过运行存储在存储器528中的程序，从而执行各种功能应用以及数据处理，例如实现本申请任一实施例所提供的目标关联方法。
实施例六
本申请实施例六还提供一种计算机可读存储介质，其上存储有计算机程序(或称为计算机可执行指令)，该程序被处理器执行时可以用于执行本申请上述任一实施例所提供的目标关联方法。
本申请实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请实施例操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请实施例进行了较为详细的说明，但是本申请实施例不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。
Claims (9)
1.一种目标关联方法，其特征在于，所述方法包括：
通过第一传感器和第二传感器分别对至少一个物体进行识别，将所述第一传感器识别到的至少一个物体作为参考目标，并获取所述至少一个参考目标中的各个参考目标的位置信息；将所述第二传感器识别到的至少一个物体作为目标，并获取所述至少一个目标中的各个目标的位置信息；
根据所述至少一个参考目标中的各个参考目标的位置信息，为所述至少一个参考目标中的各个参考目标设置对应的关联门限；
基于各个参考目标设置对应的关联门限和所述至少一个目标中的各个目标的位置信息，从所述至少一个目标中剔除掉不在任意一个关联门限内的目标，将所述至少一个目标中剩余的各个目标作为待关联目标；
将所述至少一个参考目标中的各个参考目标与所述至少一个待关联目标中的各个待关联目标进行关联，得到关联关系表；其中，所述关联关系表包括至少一个关联对，各个关联对包括一个参考目标和与该参考目标具有关联关系的一个待关联目标；
所述将所述至少一个参考目标中的各个参考目标与所述至少一个待关联目标中的各个待关联目标进行关联，得到关联关系表，包括：
根据所述至少一个参考目标中的各个参考目标的位置信息和所述至少一个待关联目标中的各个待关联目标的位置信息，建立所述至少一个参考目标和所述至少一个待关联目标之间的关联矩阵；
根据预设变换规则对所述关联矩阵进行变换，得到变换之后的关联矩阵，并对变换之后的关联矩阵进行计算，得到关联关系表；
所述建立至少一个参考目标和至少一个待关联目标之间的关联矩阵，根据预设变换规则对关联矩阵进行变换，并对变换之后的关联矩阵进行计算，包括：
计算至少一个参考目标和至少一个待关联目标之间的关联矩阵T，关联矩阵T中每一个元素Ti,j的计算公式包括：
其中，i表示参考目标；j表示待关联目标；Ti,j表示第i个参考目标与第j个待关联目标之间相似度，当矩阵Ti,j的值越小，所述参考目标和所述待关联目标为同一物体的可能性越大；vi表示第一传感器识别到的参考目标的观测向量；rj表示第二传感器识别到的待关联目标的观测向量；Pvi、Prj分别表示参考目标和待关联目标的协方差矩阵；
在建立至少一个参考目标和至少一个待关联目标之间的关联矩阵之后，若至少一个参考目标的数量和至少一个待关联目标的数量不一致，则对关联矩阵进行填充，以使关联矩阵为方形矩阵。
2.根据权利要求1所述的方法，其特征在于，所述关联门限为可变矩形门限；所述位置信息至少包括横向距离和纵向距离；
所述根据所述至少一个参考目标中的各个参考目标的位置信息，为所述至少一个参考目标中的各个参考目标设置对应的关联门限，包括：
根据所述至少一个参考目标中的各个参考目标的纵向距离，确定所述至少一个参考目标中的各个目标对应的可变矩形门限的长度值和宽度值。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述至少一个参考目标中的各个参考目标的速度信息和所述至少一个待关联目标中的各个待关联目标的速度信息；
根据所述至少一个参考目标中的各个参考目标的速度信息和所述至少一个待关联目标中的各个待关联目标的速度信息，计算所述关联关系表中每一个关联对中的参考目标与待关联目标之间的速度差；
若所述速度差不在预设阈值范围内，则从所述关联关系表中剔除掉该关联对。
4.根据权利要求1所述的方法，其特征在于，在建立所述至少一个参考目标和所述至少一个待关联目标之间的关联矩阵之后，还包括：
若所述至少一个参考目标的数量和所述至少一个待关联目标的数量不一致，则对所述关联矩阵进行填充，以使所述关联矩阵为方形矩阵。
5.根据权利要求1所述的方法，其特征在于，在获取所述至少一个参考目标中的各个参考目标的位置信息和获取所述至少一个目标中的各个目标的位置信息之后，还包括：
若所述至少一个参考目标的位置信息与所述至少一个目标的位置信息不在同一坐标系下，则将所述至少一个参考目标的位置信息和所述至少一个目标的位置信息分别转换为同一坐标系下的位置信息。
6.根据权利要求1所述的方法，其特征在于，在获取所述至少一个参考目标中的各个参考目标的位置信息和获取所述至少一个目标中的各个目标的位置信息之后，还包括：
根据所述至少一个参考目标的识别时间和所述至少一个目标的识别时间，通过预先训练的模型分别对同一坐标系下的至少一个参考目标中的各个参考目标的位置信息和至少一个目标中的各个目标的位置信息进行校正，得到经校正之后的至少一个参考目标的位置信息和至少一个目标的位置信息。
7.一种目标关联装置，其特征在于，所述装置包括：
信息获取模块，用于通过第一传感器和第二传感器分别对至少一个物体进行识别，将所述第一传感器识别到的至少一个物体作为参考目标，并获取所述至少一个参考目标中的各个参考目标的位置信息；将所述第二传感器识别到的至少一个物体作为目标，并获取所述至少一个目标中的各个目标的位置信息；
门限设置模块，用于根据所述至少一个参考目标中的各个参考目标的位置信息，为所述至少一个参考目标中的各个参考目标设置对应的关联门限；
目标确定模块，用于基于各个参考目标设置对应的关联门限和所述至少一个目标中的各个目标的位置信息，从所述至少一个目标中剔除掉不在任意一个关联门限内的目标，将所述至少一个目标中剩余的各个目标作为待关联目标；
目标关联模块，用于将所述至少一个参考目标中的各个参考目标与所述至少一个待关联目标中的各个待关联目标进行关联，得到关联关系表；其中，所述关联关系表包括至少一个关联对，各个关联对包括一个参考目标和与该参考目标具有关联关系的一个待关联目标；
所述将所述至少一个参考目标中的各个参考目标与所述至少一个待关联目标中的各个待关联目标进行关联，得到关联关系表，包括：
根据所述至少一个参考目标中的各个参考目标的位置信息和所述至少一个待关联目标中的各个待关联目标的位置信息，建立所述至少一个参考目标和所述至少一个待关联目标之间的关联矩阵；
根据预设变换规则对所述关联矩阵进行变换，得到变换之后的关联矩阵，并对变换之后的关联矩阵进行计算，得到关联关系表；
所述建立至少一个参考目标和至少一个待关联目标之间的关联矩阵，根据预设变换规则对关联矩阵进行变换，并对变换之后的关联矩阵进行计算，包括：
计算至少一个参考目标和至少一个待关联目标之间的关联矩阵T，关联矩阵T中每一个元素Ti,j的计算公式包括：
其中，i表示参考目标；j表示待关联目标；Ti,j表示第i个参考目标与第j个待关联目标之间相似度，当矩阵Ti,j的值越小，所述参考目标和所述待关联目标为同一物体的可能性越大；vi表示第一传感器识别到的参考目标的观测向量；rj表示第二传感器识别到的待关联目标的观测向量；Pvi、Prj分别表示参考目标和待关联目标的协方差矩阵；
在建立至少一个参考目标和至少一个待关联目标之间的关联矩阵之后，若至少一个参考目标的数量和至少一个待关联目标的数量不一致，则对关联矩阵进行填充，以使关联矩阵为方形矩阵。
8.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一项所述的目标关联方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的目标关联方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110992784.0A CN113721240B (zh) | 2021-08-27 | 2021-08-27 | 一种目标关联方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110992784.0A CN113721240B (zh) | 2021-08-27 | 2021-08-27 | 一种目标关联方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113721240A CN113721240A (zh) | 2021-11-30 |
| CN113721240B true CN113721240B (zh) | 2024-03-15 |
Family
ID=78678464
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110992784.0A Active CN113721240B (zh) | 2021-08-27 | 2021-08-27 | 一种目标关联方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113721240B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114379592A (zh) * | 2022-01-10 | 2022-04-22 | 中国第一汽车股份有限公司 | 一种目标关联方法、装置、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110717474A (zh) * | 2019-10-18 | 2020-01-21 | 北京百度网讯科技有限公司 | 目标关联计算方法、装置、设备和介质 |
| CN111860589A (zh) * | 2020-06-12 | 2020-10-30 | 中山大学 | 一种多传感器多目标协同探测信息融合方法、系统 |
| CN111891124A (zh) * | 2020-06-08 | 2020-11-06 | 福瑞泰克智能系统有限公司 | 目标信息融合的方法、系统、计算机设备和可读存储介质 |
| CN112465065A (zh) * | 2020-12-11 | 2021-03-09 | 中国第一汽车股份有限公司 | 一种传感器数据关联方法、装置、设备及存储介质 |
| CN113269260A (zh) * | 2021-05-31 | 2021-08-17 | 东风汽车集团股份有限公司 | 一种智能驾驶车辆多传感器目标融合及跟踪方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108663677A (zh) * | 2018-03-29 | 2018-10-16 | 上海智瞳通科技有限公司 | 一种多传感器深度融合提高目标检测能力的方法 |
-
2021
- 2021-08-27 CN CN202110992784.0A patent/CN113721240B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110717474A (zh) * | 2019-10-18 | 2020-01-21 | 北京百度网讯科技有限公司 | 目标关联计算方法、装置、设备和介质 |
| CN111891124A (zh) * | 2020-06-08 | 2020-11-06 | 福瑞泰克智能系统有限公司 | 目标信息融合的方法、系统、计算机设备和可读存储介质 |
| CN111860589A (zh) * | 2020-06-12 | 2020-10-30 | 中山大学 | 一种多传感器多目标协同探测信息融合方法、系统 |
| CN112465065A (zh) * | 2020-12-11 | 2021-03-09 | 中国第一汽车股份有限公司 | 一种传感器数据关联方法、装置、设备及存储介质 |
| CN113269260A (zh) * | 2021-05-31 | 2021-08-17 | 东风汽车集团股份有限公司 | 一种智能驾驶车辆多传感器目标融合及跟踪方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113721240A (zh) | 2021-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109087510B (zh) | 交通监测方法及装置 | |
| CN111460968B (zh) | 基于视频的无人机识别与跟踪方法及装置 | |
| CN112528831B (zh) | 多目标姿态估计方法、多目标姿态估计装置及终端设备 | |
| CN111612841B (zh) | 目标定位方法及装置、移动机器人及可读存储介质 | |
| CN111191582B (zh) | 三维目标检测方法、检测装置、终端设备及计算机可读存储介质 | |
| CN113392794B (zh) | 车辆跨线识别方法、装置、电子设备和存储介质 | |
| CN112198878B (zh) | 一种即时地图构建方法、装置、机器人及存储介质 | |
| US20220172376A1 (en) | Target Tracking Method and Device, and Electronic Apparatus | |
| JP2022540101A (ja) | ポジショニング方法及び装置、電子機器、コンピュータ読み取り可能な記憶媒体 | |
| CN113762003B (zh) | 一种目标对象的检测方法、装置、设备和存储介质 | |
| CN111950370B (zh) | 动态环境下线拓展视觉里程计方法 | |
| CN112650300A (zh) | 一种无人机避障方法和装置 | |
| CN113721240B (zh) | 一种目标关联方法、装置、电子设备及存储介质 | |
| CN115546705A (zh) | 目标识别方法、终端设备及存储介质 | |
| CN110276801B (zh) | 一种物体定位方法、装置及存储介质 | |
| Lin et al. | SAN: Scale-aware network for semantic segmentation of high-resolution aerial images | |
| CN116309643A (zh) | 人脸遮挡分确定方法、电子设备及介质 | |
| CN114429631B (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
| CN114119990B (zh) | 用于图像特征点匹配的方法、装置及计算机程序产品 | |
| CN116052097A (zh) | 一种地图要素检测方法、装置、电子设备和存储介质 | |
| CN115861595A (zh) | 一种基于深度学习的多尺度域自适应异源图像匹配方法 | |
| CN113763468B (zh) | 一种定位方法、装置、系统及存储介质 | |
| CN113033578B (zh) | 基于多尺度特征匹配的图像校准方法、系统、终端及介质 | |
| CN115049895B (zh) | 一种图像属性识别方法、属性识别模型训练方法及装置 | |
| CN116229209B (zh) | 目标模型的训练方法、目标检测方法及装置 |
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 |