CN115146694A - 基于历史的不相容跟踪的标识 - Google Patents

基于历史的不相容跟踪的标识 Download PDF

Info

Publication number
CN115146694A
CN115146694A CN202210267195.0A CN202210267195A CN115146694A CN 115146694 A CN115146694 A CN 115146694A CN 202210267195 A CN202210267195 A CN 202210267195A CN 115146694 A CN115146694 A CN 115146694A
Authority
CN
China
Prior art keywords
tracking
track
matrix
vehicle
determining
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
CN202210267195.0A
Other languages
English (en)
Inventor
S·A·伊姆兰
J·K·希夫曼
曹年霞
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.)
Anbofu Technology Co ltd
Original Assignee
Delphi Technologies Inc
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 Delphi Technologies Inc filed Critical Delphi Technologies Inc
Publication of CN115146694A publication Critical patent/CN115146694A/zh
Pending legal-status Critical Current

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • 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
    • G01S13/865—Combination of radar systems with lidar systems
    • 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
    • G01S13/867—Combination of radar systems with cameras
    • 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
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/66—Tracking systems using electromagnetic waves other than radio waves
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)

Abstract

本文件描述了用于基于历史的不相容跟踪的标识的方法和系统。跟踪的历史轨迹有利于准确地确定源自不同传感器的跟踪是标识同一对象还是不同对象。然而，记录多个跟踪的历史数据可能会消耗大量的存储或计算资源，并且相关计算可能变得复杂。本文所述的方法和系统使汽车或其他运输工具的传感器融合系统在对跟踪进行关联和配对时能够将历史数据纳入考虑，而不需要大量的存储并且不需要捆绑其他计算资源。

Description

基于历史的不相容跟踪的标识
背景技术
随着用于跟踪运输工具附近对象的传感器的增加,汽车变得越来越复杂。这些对象可以包括其他运输工具、行人、动物和无生命对象，例如树木和路标。传感器(例如，光学相机、雷达、光检测和测距(LiDAR))收集低水平数据，该低水平数据被传感器跟踪器处理，以生成低水平跟踪。可能有来自所有传感器的大量跟踪，尤其是在杂乱的环境中。随着跟踪的生成，可以采取步骤将源自不同传感器的跟踪配对并关联到共同的对象。由于跟踪具有许多不同的可能的关联或配对，将不同的跟踪正确地匹配到共同的对象是一项困难的任务。提高跟踪关联和配对的准确度和速度可以提高汽车的安全性和可靠性，尤其是对于自主和半自主控制。
发明内容
本文件描述了与基于历史的不相容跟踪的标识有关的方法和系统。跟踪的历史轨迹有利于准确地确定源自不同传感器的跟踪是标识同一对象还是不同对象。然而，保持对与多个跟踪相关的历史数据的记录可能会消耗大量的存储或其他计算资源，并且相关计算可能变得复杂。本文所描述的系统和方法提供了一种解决方案，用于以寻求最小化存储消耗并降低计算复杂度的方式，来考虑用于关联来自不同传感器的轨迹的历史数据。
在一个示例中，一种方法包括由运输工具的对象融合系统根据由第一传感器获取的第一传感器数据确定接近运输工具的第一对象的第一跟踪。方法进一步包括由所述对象融合系统根据由第二传感器获取的第二传感器数据确定接近运输工具的第二对象的第二跟踪。方法进一步包括由对象融合系统维护可行性矩阵和不相容矩阵，可行性矩阵指示第一对象和第二对象在给定的时间索引处为同一对象的概率，不相容矩阵指示第一跟踪和第二跟踪历史上与同一对象相关联。方法进一步包括确定不相容矩阵是否指示第一跟踪和第二跟踪与不同对象相关联。方法进一步包括，响应于确定不相容矩阵指示第一跟踪和第二跟踪与不同对象相关联，确定第一跟踪和第二跟踪包括与不同对象相关的历史。方法进一步包括，响应于确定第一跟踪和第二跟踪包括与不同对象相关的历史，通过减少第一对象和第二对象为同一对象的概率来调整可行性矩阵。方法进一步包括，响应于通过减少第一对象和第二对象为同一对象的概率来调整可行性矩阵，向运输工具的自动系统输出标识与第二对象分离的第一对象以避免运输工具和第一对象或第二对象之间的碰撞的信息。
在一个示例中，系统包括被配置成用于执行此方法和其他方法的处理器。在另一示例中，描述了包括用于执行该方法和其他方法的装置的系统。除了描述被配置成用于执行以上概述的方法和本文所阐述的其他方法的系统之外，本文档还描述了一种计算机可读存储介质，该计算机可读存储介质包括指令，该指令在被执行时配置处理器以执行以上概述的方法和本文所阐述的其他方法。
本发明内容介绍了基于历史的不相容跟踪的标识的简化概念。本发明内容并非旨在标识出要求保护的主题的必要特征，亦非旨在用于确定要求保护的主题的范围。即，通过所描述的技术解决的一个问题是，在关联源自不同传感器的跟踪时将历史数据用作有效工具在存储消耗和计算复杂度方面十分昂贵。因此，尽管主要描述在改善汽车的对象融合功能的情境下，但是降低历史数据的存储和计算成本还可以应用于需要准确的对象融合的其他应用。此外，这些概念可以以相反的方式实现；即，本文描述的技术可以应用于基于历史的相容跟踪的标识。
附图的简要说明
在本文档中参考以下附图描述了基于历史的不相容跟踪的标识的一个或多个方面的细节。贯穿附图通常使用相同的数字来引用相似的特征和部件：
图1示出了根据本公开内容的技术的示例环境，在示例环境中，系统被配置成用于执行基于历史的不相容跟踪的标识。
图2示出了根据本公开内容的技术的被配置成用于执行基于历史的不相容跟踪的标识的示例汽车系统。
图3示出了根据本公开内容的技术的示例场景,其中跟踪被运输工具接收,该运输工具被配置成用于执行基于历史的不相容跟踪的标识。
图4示出了根据本公开内容的技术的被配置成用于执行基于历史的不相容跟踪的标识的示例不相容矩阵。
图5-1示出了根据本公开内容的技术的基于历史的不相容跟踪的标识的示例实现。
图5-2示出了根据本公开内容的技术的基于历史的不相容跟踪的标识的另一个示例实现；以及
图6示出了根据本公开内容的技术的基于历史的不相容跟踪的标识的示例方法。
详细描述
概述
汽车技术正在成功地提高自主性和安全性。实现这一目标的一种方法是为运输工具配备多种不同类型的传感器，包括光学相机、雷达系统和LiDAR系统。传感器收集低水平数据，该低水平数据被传感器跟踪器处理以生成低水平跟踪，表示运输工具周围环境的不同方面。收集的大部分与自主性和安全性相关的原始数据表示环境中的不同对象。这些对象可以是动态的或静止的，可以包括行人、动物、其他车辆、植被、建筑物、路标以及环境中可能存在的许多其他元素。通常，环境中充斥着各种不同类型的多个对象。杂乱环境的一个示例可以是大城市中繁忙的市中心街道。该环境可能包括许多行人、运输工具或其他对象。
具有不同传感器的汽车系统的一个主要挑战是关联从不同传感器模式收集的跟踪或解除该关联。例如，该汽车系统尝试去确定源自相机的跟踪是否与源自雷达系统的跟踪匹配。
目前，可用的跟踪关联过程主要聚焦于跟踪的状态和属性，以做出关联决策。跟踪的历史轨迹通常不被纳入考虑。存储和处理历史信息在存储和计算复杂度方面可能是昂贵的。然而，当要从源自一个或多个不同传感器的大量不同跟踪中确定两个跟踪之间的准确的关联决策时，历史信息可能是有帮助的，尤其是在杂乱的环境中。
作为示例，在特定的时间点，可能存在彼此接近的雷达跟踪和视觉跟踪，导致它们看起来匹配良好。然而，如果对这两个不同的跟踪的历史轨迹进行分析，可能会发现这两个不同的跟踪来自不同的位置，并且因此指代的是不同的对象，而不是共同的对象。在这种情况中，将两个不同的跟踪进行匹配可能不是一个好的决策。
本文件描述了用于基于历史的不相容跟踪的标识的方法和系统。跟踪的历史轨迹有利于准确地确定源自不同传感器的跟踪是标识同一对象还是不同对象。然而，记录多个跟踪的历史数据可能会消耗大量的存储或其他计算资源，并且相关计算可能变得复杂。本文所描述的方法和系统使汽车或其他车辆的传感器融合系统在对跟踪进行关联和配对时将历史数据纳入考虑，而不需要大量的存储并且不需要捆绑其他计算资源。
示例环境
图1示出了根据本公开内容的技术的示例环境100，在示例环境100中，系统102被配置成用于执行基于历史的不相容跟踪的标识。在所描绘的环境100中，系统102是汽车。有时也称为运输工具102，系统102可以表示任何类型的装置或机械，包括可用于各种目的的有人系统和无人系统。运输工具102的一些非详尽和非限制性示例包括摩托车、公共汽车、拖拉机、半挂车、水运工具、飞行器或其他装备或机器。
运输工具102可以配备有对象融合系统104，该对象融合系统104可以包括一个或多个传感器接口106和跟踪匹配模块108，传感器接口106包括相机接口106-1、雷达接口106-2。利用对象融合系统104，运输工具102具有仪器视场(FOV)110，该视场可以包围一个或多个运输工具112，该一个或多个运输工具112包括运输工具112-1和运输工具112-2。对象融合系统104可从运输工具102的任何外表面捕获FOV 110。以特定的方式定位与对象融合系统104对接的相机和雷达组件可以导致对象融合系统104具有特定的FOV。例如，将相机中的一个或多个与雷达定位在一起可确保对象融合系统104的FOV包括在运输工具102可能行驶的道路上方(above)、该道路附近或该道路上(on)的区域。可将对象融合系统104的至少一部分集成到侧视镜、保险杠、车顶或运输工具102的任何其他部分。
尽管未在图1中精确示出，但跟踪匹配模块108在处理器或其他硬件上执行。在执行期间，跟踪匹配模块108可基于在相机接口106-1和雷达接口106-2处获得的传感器数据来跟踪对象。相机接口106-1从运输工具102的一个或多个相机接收相机数据，并且雷达接口106-2从运输工具102的至少一个雷达接收雷达数据。对象融合系统104的跟踪匹配模块108访问相机接口106-1和雷达接口106-2，从而分别获取相机数据和雷达数据。如将从本说明书的其他部分了解到的，对象融合系统104可以包括除图1中所示的那些之外的附加传感器接口106(例如，LiDAR)。
跟踪匹配模块108配置对象融合系统104成用于关联从传感器接口106获取的不同类型的跟踪或取消其关联。跟踪匹配模块108根据(例如，从相机接口106-1获得的)第一传感器数据标识多个跟踪，并且根据(例如，从雷达接口106-2获得的)第二传感器数据确定多个跟踪。在配对或关联两个跟踪时，跟踪匹配模块相较于根据第二传感器数据的跟踪来评估根据第一传感器数据的跟踪，以确定是否一对跟踪(例如，对象配对)代表了好的候选关联。例如，如果相机接口106-1接收到与运输工具112-1相关的第一跟踪并且雷达接口106-2接收到与运输工具112-2相关的第二跟踪，则跟踪匹配模块使用本文所描述的技术以及可能使用或可能不用的其他技术将第一跟踪和第二跟踪进行配对，确定第一跟踪和第二跟踪是否相匹配以表示共同的运输工具112。
为了关联由传感器接口收集到的不同类型的跟踪或取消该关联，跟踪匹配模块108执行跟踪匹配过程，该过程将出现在相机数据中的跟踪与出现在雷达数据中的跟踪进行配对。当配对多个的跟踪的大集合时，跟踪匹配模块108可以生成可行性矩阵和不相容矩阵。对象融合系统104将标识符分配给使用相机检测到的具有对象候选的每个跟踪，且对象融合系统104将标识符分配给使用雷达获得的每个跟踪(例如，检测)。
可行性矩阵的一个示例是对象跟踪对矩阵。在该可行性矩阵中每个元素值指示了对象跟踪对的不同对象跟踪与同一对象相关联的概率。可行性矩阵可以通过若干不同方法中的一种或多种创建，并且是用于跟踪对象融合的主要手段。
在这个示例中，不相容矩阵通过跟踪历史数据来补充可行性矩阵。对象融合系统可以基于历史数据调整在可行性矩阵中指示的概率。
不相容矩阵是用两个维度创建的，尽管在具有附加传感器的情况下，可以设想该不相容矩阵可以包括两个以上维度。第一维度表示总列数，每一列分配有分配给相机数据的相机标识符。第二维度表示总行数，每一行分配有分配给雷达数据的雷达标识符，以此类推。对于由不相容矩阵表示的相机和雷达配对的每个组合，基于源自相机数据的跟踪和源自雷达数据的跟踪之间的状态差异分配参数(例如，二进制值)，将该差异与该状态的阈值参数(例如，状态阈值)进行比较，并在阈值数量的连续帧期间进行评估。该参数或二进制值指示来自相机数据的跟踪和来自雷达数据的跟踪是否代表了不同的对象。
示例架构
图2示出了根据本公开内容的技术的被配置为执行基于历史的不相容跟踪的标识的示例汽车系统200。汽车系统200可被整合于图1中所示并于该上下文中描述的运输工具102中。例如，汽车系统200包括控制器202以及对象融合系统104-1，对象融合系统104-1为传感器融合系统104的示例。对象融合系统104-1和控制器202通过链路204来进行通信。链路204可以是有线链路或是无线链路，并且在一些情况下链路204包括通信总线。控制器202基于链路204上接收的信息(诸如，当FOV中的对象通过至少基于部分不相容矩阵的处理和合并跟踪被标识时、来自对象融合系统104-1的兼容性输出的指示)执行操作。
控制器202包括处理器206和计算机可读存储介质(CRM)208(例如，存储器、长期存储、短期存储)，该CRM 208存储用于汽车模块210的指令。除了雷达接口106-2之外，对象融合系统104-1还包括相机接口106-1。可以使用任意数量的其他传感器接口106，包括LiDAR接口或其他传感器接口106-n。对象融合系统104-1可以包括处理硬件，该处理硬件包括处理器212(例如，硬件处理器，处理单元)和计算机可读存储介质(CRM)214,该计算机可读存储介质214存储与跟踪匹配模块108-1相关联的指令。跟踪匹配模块108-1是跟踪匹配模块108的示例，包括作为位阵列218存储的不相容矩阵216和可行性矩阵220。
处理器206和212可以是两个单独的处理单元、或单个处理单元(例如微处理器)、或者是具有计算设备、控制器或控制单元的一对片上系统或单个片上系统。处理器206和212执行存储在CRM 208和214内的计算机可执行指令。作为示例，处理器206可以执行汽车模块210以执行汽车系统200的驾驶功能(例如自主车道改变操纵、半自主车道保持特征)或其他操作。类似地，处理器212可执行跟踪匹配模块108-1，以基于从系统102的多个传感器接口106获得的传感器数据来推断FOV中的对象。汽车模块210，当在处理器206处执行时，可响应于跟踪匹配模块108-1组合和分析在传感器接口106中的每一个处生成的传感器数据，接收对由跟踪匹配模块108-1检测到的一个或多个对象的指示。
通常，汽车系统200执行汽车模块210以执行汽车功能，其可以包括使用来自对象融合系统104-1的输出。例如，汽车模块210可提供自动巡航控制并监测对象融合系统104-1，以获得指示FOV 110中或附近存在对象的输出，例如，以便降低速度并防止与运输工具112的后端的碰撞。在这样的示例中，跟踪匹配模块108-1提供传感器数据或其衍生物(例如，不相容矩阵)作为给汽车模块210的输出。当从跟踪匹配模块108-1获得的数据指示一个或多个对象在运输工具102前方穿过时，汽车模块210可提供警报或执行特定操控。
图3示出了根据本公开内容的技术的示例场景300,其中跟踪302和304被运输工具306接收,该运输工具306被配置成用于执行基于历史的不相容跟踪的标识。在图3中，跟踪302可以是由运输工具306上的一个传感器接口308(例如，图1中的相机接口106-1)标识的第一跟踪，跟踪304可以是由运输工具306上的不同传感器接口310(例如，图1中的雷达接口106-2)标识的第二跟踪。除了其他可构想地状态，可以从跟踪数据中提取运输工具306的不同状态，该跟踪数据包括跟踪302的距离312(r-312)、方位角314(θ-314)、纵向速度320(vlong-320)以及横向速度324(vlat-324)。对于跟踪304，可以提取距离316(r-316)、方位角318(θ-318)、纵向速度322(vlong-322)以及横向速度326(vlat-326)。其他没有在图3中示出的跟踪状态也可以用于基于历史的不相容跟踪的标识。为了标识跟踪302和304是相容还是不相容，计算这两个不同跟踪302和304的对应状态之间在共同的时间帧内的差别。例如，计算r-312和r-316之间的差异，以及计算θ-314和θ-318之间的差异。同样，计算vlong-320和vlong-322之间的差异，以及计算vlat-324和vlat-326之间的差异。将每个差异与该特定状态的阈值进行比较。如果差异大于该特定状态的阈值，则该跟踪配对可能不相容。
如果只有一个状态差异大于对应的状态阈值,而其他差异小于对应的状态阈值,则该不相容可能是真的。例如，跟踪配对(302,304)的不相容可以计算为：
不相容＝|r-312–r-316|>距离_阈值，或
|θ-314–θ-318|>方位角_阈值，或
|vlong-320–vlong-322|>纵向速度_阈值，或
|vlat-324–vlat-326|>横向速度_阈值。
如果在一帧内计算出跟踪配对之间的不相容,则激活帧计数器,以使得该不相容是针对在做出不相容决策之前阈值数量的帧计算的。如果达到阈值数量的帧并且跟踪配对的不相容仍然存在(例如，在该阈值数量的帧的持续时间内，所有被分析的状态差异都超过状态阈值)，那么在历史上(例如，每阈值数量的帧)，该跟踪配对可以被考虑为跟踪不同的对象。在这个示例中，跟踪配对的不相容可以被分配二进制值1，并且跟踪配对的相容可以被分配二进制值0。在其他方面中，二进制值的分配可以颠倒，1对应于相容，0对应于不相容。如果以这种方式在历史上跟踪到多个跟踪配对，则不相容数据可以被布置为不相容矩阵。
图4示出了根据本公开内容的技术的被配置为执行基于历史的不相容跟踪的标识的示例不相容矩阵400。不相容矩阵400中的列代表源自第一传感器接口的跟踪(例如，跟踪302)，不相容矩阵400中的行代表源自不同传感器接口的跟踪(例如，跟踪304)。在这个示例中，如果跟踪302相当于不相容矩阵400中的列A，并且如果跟踪304相当于不相容矩阵400中的行3，则跟踪配对(302,304)具有不相容分配1(例如，元素不相容矩阵400中的元素A-3)。如果在阈值数量的帧内，相容变为可能，则该不相容分配将会变成0。图4进一步示出了不相容矩阵可以被布置和存储为位阵列402。在这个示例中，十六个跟踪配对被标识和存储为十六元素(例如，十六位)阵列。在其他示例中，可以使用更复杂的编码方案(例如，使用少于位配对总数量的阵列来表示阵列中的每个跟踪配对)。该阵列被示出使得阵列中的第一位对应于跟踪配对A-1，第二位对应于A-2，以此类推。然而，该阵列可以被布置的不同，诸如首先列出行(例如，A-1、B-1、…、C-4、D-4)，反向移动(例如，D-4、D-3、…、A-2、A-1)，或表示该不相容矩阵400中的元素的位的任何其他布置。
通过将不相容矩阵400存储为位阵列，该位阵列中每个位代表了不同跟踪配对的不相容性，可以利用少量的计算资源，以一种有效并且廉价的方式存储大量关于不同跟踪的历史关系的信息。
示例场景
图5-1示出了根据本公开内容的技术的基于历史的不相容跟踪的标识的示例实现500-1。在实现500-1中，运输工具502被配备成用于执行基于历史的不相容跟踪的标识。至少一个对象504-1在安装在运输工具502上的至少两个传感器的FOV中。运输工具502的一个传感器接口接收到跟踪504-2，在同一帧内，运输工具502的第二传感器接口接收到跟踪504-3。来自跟踪504-2和504-3的至少一个跟踪状态(例如，方位角)之间的差异大于为该跟踪状态设置的状态阈值误差。在这种情况下，跟踪状态的差异表明了两个跟踪504-2和504-3的不相容，即使其他跟踪状态表明为相容。如果该差异在由帧计数器设置的连续数量的帧中持续存在，则两个跟踪504-2和504-3可以被考虑为历史上不相容。然而，如果在一些帧内，两个跟踪504-2和504-3的跟踪状态的差异落入可行性门限范围内，即该状态误差在任何给定的帧索引处低于为确定两个跟踪表示相同对象的可行性而设定的可行性门限阈值，另一个帧计数器则开始对两个跟踪保持可行的帧进行计数。一旦可行性被保持达到阈值数量的帧，则跟踪变成彼此相容，并且跟踪504-2和504-3可以被考虑为可能跟踪同一对象504-1。然后，该可行性跟踪配对可以进一步与其他数据(对象类就是一种此类数据)一起考虑，以进一步确定跟踪配对(504-2,504-3)是否代表对象504-1。在实现500-1中，超过针对相容的状态阈值的状态差异的是方位角；然而，跟踪504-2和504-3之间的跟踪状态差异中的任何一个或多个都可能大于针对该特定状态的相容的状态阈值，从而表明不相容。一旦在阈值数量的帧内，所有状态差异都保持在可行性门限阈值(并非[0026]中提到的相容状态阈值)以下，则基于跟踪504-2和504-3的历史关系，跟踪504-2和504-3可能代表共同的对象504-1。
图5-2示出了根据本公开内容的技术的基于历史的不相容跟踪的标识的另一个示例实现500-2。在实现500-2中，跟踪504-2和504-3的状态差异都小于帧T-1处的针对相容跟踪的相对状态阈值。然而，在帧T-2处，该帧T-2可以在也可以不在帧T-1之后连续出现，跟踪504-2和504-3的状态差异中的一个或多个被确定为大于相对状态阈值。在一些方面中，在做出跟踪504-2可能在跟踪与跟踪504-3不同的对象的决策之前，计数器可以在此示例中开始确定跟踪配对(504-2,504-3)是否在阈值数量的帧内保持不相容。在其他方面中，在帧T-2处，跟踪配对(504-2,504-3)可以立即被确定为不相容，并且在状态差异保持小于可行性门限阈值达到阈值数量的帧之前，不被决定为相容配对。
示例方法
图6-1示出了根据本公开内容的技术的基于历史的不相容跟踪的标识的示例方法。方法600被示出为以(但不必限于)所示出或描述的操作的次序或组合被执行的一组操作(或动作)。此外，可以重复、组合或重组操作中的任何操作以提供其他方法。在以下讨论的部分中，在描述方法600的一些非限制性示例时，可参考前面介绍的附图。
在602处，由运输工具的对象融合系统根据由第一传感器获取的第一传感器数据确定接近运输工具(例如，运输工具102)的第一对象的第一跟踪。第一跟踪可以与静止对象的至少一部分或移动对象的一部分相关联，诸如运输工具112。
在604处，由运输工具的对象融合系统根据第二传感器获取的第二传感器数据确定接近运输工具的第二对象的第二对跟踪。在一些示例中，第一传感器可以包括一个或多个光学相机或近红外相机，第二传感器可以包括一个或多个雷达传感器、LiDAR传感器或超声传感器。
在606处，由对象融合系统维护可行性矩阵和不相容矩阵。在该可行性矩阵中每个元素值指示了对象跟踪配对的不同对象跟踪在给定的时间/帧索引处与同一对象相关联的概率。不相容矩阵指示第一跟踪和第二跟踪是否在历史上与不同对象关联。跟踪匹配模块108-1将第一跟踪和第二跟踪配对，并且跟踪配对被表示为不相容矩阵的元素。来自第一跟踪的数据被与来自第二跟踪的数据相比较，并基于比较的结果设置元素的值。基于从第一跟踪和第二跟踪导出的数据，代表跟踪配对的元素的值指示跟踪配对历史上不相容还是相容。在一些方面中，该值可以是二进制值，并且该值表明跟踪配对可能是或可能不是不相容。跟踪配对的值被定期更新。对象融合系统可以基于不相容矩阵中的对应跟踪配对的元素值调整可行性矩阵中指示的概率。
在608处，确定不相容矩阵是否指示第一跟踪和第二跟踪在历史上与不同的对象相关联。跟踪匹配模块108-1在用于跟踪配对的存在而持续的连续帧内将第一跟踪和第二跟踪进行比较。即，只要第一跟踪和第二跟踪存在，则可以基于跟踪数据之间的比较，在数据到达的每一帧对跟踪配对进行更新。如果第一跟踪和第二跟踪在阈值数量的连续帧内与同一对象关联，则代表该对象配对的元素的二进制值被改变。
在610处，响应于确定不相容矩阵在至少阈值数量的连续帧内指示第一跟踪和第二跟踪与不同对象相关联，则确定第一跟踪和第二跟踪包括与不同对象相关联的历史。代表跟踪配对的元素的二进制值可以表示第一跟踪和第二跟踪之间的历史关系。例如，如果第一跟踪和第二跟踪呈现出不相容(例如，两个跟踪的位置差异大于相容跟踪的状态阈值)，则代表跟踪配对的元素的二进制值可以被设置为“1”。如果在一些点处，跟踪配对变为可行配对，计数器将会对跟踪配对保持可行的帧数进行计数。如果计数器达到连续帧的阈值数量，则该比较表明跟踪与同一对象相关联的概率，且建立了两个跟踪之间的历史关系，元素的二进制值可以改变为“0”以指示该关系的性质。
在612处，响应于确定第一跟踪和第二跟踪包括与不同对象相关联的历史，通过减少第一对象和第二对象在当前时间索引处为同一对象的概率，来调整可行性矩阵。掌握第一跟踪和第二跟踪之间关系的历史可以有助于可行性过程准确地做出关于跟踪配对与共同的对象相关联的决策。
在614处，响应于通过降低第一对象和第二对象是同一对象的概率来调整可行性矩阵，标识与第二对象分离的第一对象以避免运输工具与第一对象或第二对象之间的碰撞的信息被输出到运输工具的自动系统。代表对象配对的元素的二进制值可以容易地发送、传输、读取或以其他方式发送到汽车系统。可选地，除了由一个或多个第一传感器和第二传感器收集和导出的数据以外，不相容矩阵中包含的信息可以进一步被对象融合系统使用，以确定对象配对的关联。对象融合系统可以输出这些关于对象配对的信息到汽车系统。
附加示例
在以下部分中，提供了基于历史的不相容跟踪的标识的附加示例。
示例1.一种方法，该方法包括：由运输工具的对象融合系统根据由第一传感器获取的第一传感器数据确定接近运输工具的第一对象的第一跟踪；由运输工具的对象融合系统根据由第二传感器获取的第二传感器数据确定接近运输工具的第二对象的第二对象跟踪；由对象融合系统维护可行性矩阵和不相容矩阵，该可行性矩阵指示第一对象和第二对象在给定的时间索引处为同一对象的概率，该不相容矩阵指示第一跟踪和第二跟踪是否在历史上与不同对象相关联；确定不相容矩阵是否指示第一跟踪和第二跟踪与不同的对象相关联；响应于确定不相容矩阵指示第一跟踪和第二跟踪与不同对象相关联，确定第一跟踪和第二跟踪包括与不同对象相关的历史；响应于确定第一跟踪和第二跟踪与不同对象相关的历史，通过减少第一对象和第二对象是同一对象的概率调整可行性矩阵；响应于通过减少第一对象和第二对象是同一对象的概率调整可行性矩阵，向运输工具的自动系统输出标识与第二对象分离的第一对象以避免运输工具与第一对象或第二对象之间的碰撞的信息。
示例2.前述示例中的任一项的方法，进一步包括：响应于确定不相容矩阵在至少阈值数量的连续帧内指示对于第一跟踪和第二跟踪与相同对象相关联，确定第一跟踪和第二跟踪包括与同一对象相关的历史；响应于确定第一对象和第二对象包括与同一对象相关的历史，通过减少第一对象和第二对象为同一对象的概念调制可行性矩阵；并且响应于通过减少第一对象和第二对象为同一对象的概率，向自动系统输出标识同一对象以避免运输工具和该同一对象之间的碰撞的信息。
示例3.前述示例中的任一项的方法，其中确定不相容矩阵是否在至少阈值数量的连续帧内指示第一跟踪和第二跟踪与同一对象相关联进一步包括：使与连续帧相关联的计数递增，该计数是跟踪是否为同一对象的临时性指示；并且基于第一传感器的可测量准确度和第二传感器的可测量准确度，将连续帧的阈值数量设置为特定值
示例4.前述示例中的任一项的方法，进一步包括：响应于使与连续帧相关联的计数递增，如果跟踪被确定为包括与两个不同对象相关的历史，则重置该计数。
示例5.前述示例中的任一项的方法，进一步包括：进一步基于第一跟踪和第二跟踪中的一个或多个的年龄，将连续帧的阈值数量设置为特定值。
示例6.前述示例中的任一项的方法，其中维护不相容矩阵包括：确定从第一跟踪导出的运输工具状态和从第二跟踪导出的同一运输工具状态之间的差异；将差异与状态阈值进行比较；响应于将差异与状态阈值进行比较，将二进制值分配给不相容矩阵中的元素，该元素对于第一跟踪和第二跟踪的关联。
示例7.前述示例中的任一项的方法，进一步包括：将二进制值作为对应与第一跟踪和第二跟踪关联的位阵列来存储。
示例8.前述示例中的任一项的方法，其中运输工具状态包括位置、速度、方位角或距离中的一个或多个。
示例9.前述示例中任一项的方法，其中第一传感器包括视觉传感器、雷达传感器或光检测和测距传感器。
示例10.前述示例中任一项的方法，其中第二传感器包括视觉传感器、雷达传感器或光检测和测距传感器。
示例11.一种系统，所述系统包括：一个或多个处理器，被配置用于执行如前述示例中任一项的方法。
示例12.一种系统，所述系统包括用于执行前述示例中任一项的方法的装置。
示例13.一种包括指令的计算机可读存储介质，指令在被执行时配置一个或多个处理器以执行在前述示例中任一项的方法。
结语
虽然在前述描述中描述并且在附图中示出了本公开的各种实施例，但应当理解，本公开不限于此，而是可以在接下来的权利要求的范围内以各种方式实施为实践。根据前述描述，将显而易见的是，可以做出各种更改而不偏离由所附权利要求所限定的本公开的范围。与不相容跟踪相关联的问题可以发生在标识和处理来自各种传感器的跟踪的其他系统中。因此，尽管被描述为改进基于运输工具的匹配技术的一种方式，上述说明书的技术可以应用于其他问题，以基于多个跟踪的历史关系有效且廉价地匹配对象。
除非上下文另有明确规定，否则“或”和语法上相关的术语的使用表示无限制的非排他性替代方案。如本文所使用的，引述一列项目中的“至少一者”的短语是指这些项目的任何组合，包括单个成员。例如，“a、b或c中的至少一种”旨在涵盖：a、b、c、a-b、a-c、b-c、和a-b-c，以及具有多个相同元素的任何组合(例如，a-a、a-a-a、a-a-b、a-a-c、a-b-b、a-c-c、b-b、b-b-b、b-b-c、c-c、和c-c-c，或者a、b和c的任何其他排序)。

Claims (20)

1.一种方法，所述方法包括：
由运输工具的对象融合系统根据由第一传感器获取的第一传感器数据确定接近所述运输工具的第一对象的第一跟踪；
由所述对象融合系统根据由第二传感器获取的第二传感器数据确定接近所述运输工具的第二对象的第二跟踪；
由所述对象融合系统维护可行性矩阵和不相容矩阵，所述可行性矩阵指示所述第一对象和所述第二对象在给定的时间索引处为同一对象的概率，所述不相容矩阵指示所述第一跟踪和所述第二跟踪历史上与不同对象相关联；
确定所述不相容矩阵是否指示所述第一跟踪和所述第二跟踪与不同对象相关联；
响应于确定所述不相容矩阵指示所述第一跟踪和所述第二跟踪与不同对象相关联，确定所述第一跟踪和所述第二跟踪包括与不同对象相关的历史；
响应于确定所述第一跟踪和所述第二跟踪包括与不同对象相关的历史，通过减少所述第一对象和所述第二对象为同一对象的所述概率来调整所述可行性矩阵；
响应于通过减少所述第一对象和所述第二对象为同一对象的所述概率来调整所述可行性矩阵，向所述运输工具的自动系统输出标识与所述第二对象分离的所述第一对象以避免所述运输工具和所述第一对象或所述第二对象之间的碰撞的信息。
2.如权利要求1所述的方法，其特征在于，进一步包括：
响应于确定所述不相容矩阵在至少阈值数量的连续帧内指示所述第一跟踪和所述第二跟踪与同一对象相关联，确定所述第一跟踪和所述第二跟踪包括与同一对象相关的历史；
响应于确定所述第一跟踪和所述第二跟踪包括与同一对象相关的所述历史，通过增加所述第一对象和所述第二对象为同一对象的所述概率来调整所述可行性矩阵；以及
响应于通过增加所述第一对象和所述第二对象为同一对象的所述概率来调整所述可行性矩阵，向所述自动系统输出标识所述同一对象以避免所述运输工具和所述同一对象之间的碰撞的信息。
3.如权利要求2所述的方法，其特征在于，确定所述不相容矩阵在至少阈值数量的连续帧内指示所述第一跟踪和所述第二跟踪与同一对象相关联进一步包括：
使与所述连续帧相关联的计数递增，所述计数是所述跟踪是否为同一对象的临时性指示；以及
基于所述第一传感器的测量准确度和所述第二传感器的测量准确度，将所述连续帧的所述阈值数量设置为特定值。
4.如权利要求3所述的方法，其特征在于，进一步包括：
响应于使与所述连续帧相关联的计数递增，如果所述跟踪被确定为包括与两个不同对象相关的历史，则重置所述计数。
5.如权利要求3所述的方法，其特征在于，进一步包括：
进一步基于所述第一跟踪和所述第二跟踪中的一个或多个的年龄，将所述连续帧的所述阈值数量设置为特定值。
6.如权利要求1所述的方法，其特征在于，维护不相容矩阵包括：
确定从所述第一跟踪导出的运输工具状态和从所述第二跟踪导出的同一运输工具状态之间的差异；
将所述差异与状态阈值相比较；以及
响应于将所述差异与所述状态阈值相比较，将二进制值分配给所述不相容矩阵中的元素，所述元素对应于所述第一跟踪和所述第二跟踪的所述关联。
7.如权利要求6所述的方法，其特征在于，进一步包括：
将所述二进制值作为对应于所述第一跟踪和所述第二跟踪的所述关联的位阵列来存储。
8.如权利要求6所述的方法，其特征在于，所述运输工具状态包括位置、速度、方位角或距离中的一个或多个。
9.如权利要求1所述的方法，其特征在于，所述第一传感器包括：
视觉传感器；
雷达传感器；或
光检测和测距传感器。
10.如权利要求9所述的方法，其特征在于，所述第二传感器包括：
视觉传感器；
雷达传感器；或
光检测和测距传感器。
11.一种系统，所述系统包括：
一个或多个处理器，所述一个或多个处理器被配置成用于：
根据由运输工具的第一传感器获取的第一传感器数据确定接近所述运输工具的第一对象的第一跟踪；
根据由所述运输工具的第二传感器获取的第二传感器数据确定接近所述运输工具的第二对象的第二跟踪；
维护可行性矩阵和不相容矩阵，所述可行性矩阵指示所述第一对象和所述第二对象在给定的时间索引处为同一对象的概率，所述不相容矩阵指示所述第一跟踪和所述第二跟踪历史上与同一对象相关联；
确定所述不相容矩阵是否指示所述第一跟踪和所述第二跟踪与不同对象相关联；
响应于确定所述不相容矩阵指示所述第一跟踪和所述第二跟踪与不同对象相关联，确定所述第一跟踪和所述第二跟踪包括与不同对象相关的历史；
响应于确定所述第一跟踪和所述第二跟踪包括与不同对象相关的历史，通过减少所述第一对象和所述第二对象为同一对象的所述概率来调整所述可行性矩阵；以及
响应于通过减少所述第一对象和所述第二对象为同一对象的所述概率来调整所述可行性矩阵，向所述运输工具的自动系统输出标识与所述第二对象分离的所述第一对象以避免所述运输工具和所述第一对象或所述第二对象之间的碰撞的信息。
12.如权利要求11所述的系统，其特征在于，所述一个或多个处理器被进一步配置用于：
响应于确定所述不相容矩阵在至少阈值数量的连续帧内指示所述第一跟踪和所述第二跟踪与同一对象相关联，确定所述第一跟踪和所述第二跟踪包括与同一对象相关的历史；
响应于确定所述第一跟踪和所述第二跟踪包括与同一对象相关的所述历史，通过增加所述第一对象和所述第二对象为同一对象的所述概率来调整所述可行性矩阵；以及
响应于通过增加所述第一对象和所述第二对象为同一对象的所述概率来调整所述可行性矩阵，向所述自动系统输出标识同一对象以避免所述运输工具和所述同一对象之间的碰撞的信息。
13.如权利要求12所述的系统，其特征在于，所述一个或多个处理器被进一步配置成用于通过以下步骤确定所述不相容矩阵是否在至少阈值数量的连续帧期间指示所述第一跟踪和所述第二跟踪与同一对象相关联：
使与所述连续帧相关联的计数递增，所述计数是所述跟踪是否为同一对象的临时性指示；以及
基于所述第一传感器的测量准确度和所述第二传感器的测量准确度，将所述连续帧的所述阈值数量设置为特定值。
14.如权利要求12所述的系统，其特征在于，所述一个或多个处理器被进一步配置用于：
响应于使与所述连续帧相关联的计数递增，如果所述跟踪被确定为包括与两个不同对象相关的历史，则重置所述计数。
15.如权利要求12所述的系统，其特征在于，所述一个或多个处理器被进一步配置用于：
基于所述第一跟踪和所述第二跟踪中的一个或多个的年龄，将所述连续帧的所述阈值数量设置为特定值。
16.如权利要求11所述的系统，其特征在于，所述一个或多个处理器被进一步配置用于通过以下步骤维护不相容矩阵：
确定从所述第一跟踪导出的运输工具状态和从所述第二跟踪导出的同一运输工具状态之间的差异；
将所述差异与状态阈值相比较；以及
响应于将所述差异与所述状态阈值相比较，将二进制值分配给所述不相容矩阵中的元素，所述元素对应于所述第一跟踪和所述第二跟踪的所述关联。
17.如权利要求16所述的系统，其特征在于，所述一个或多个处理器被进一步配置用于：
将所述二进制值作为对应于所述第一跟踪和所述第二跟踪的所述关联的位阵列来存储。
18.如权利要求16所述的系统，其特征在于，所述运输工具状态包括位置、速度、方位角或距离中的一个或多个。
19.如权利要求11所述的系统，其中所述第一传感器和所述第二传感器包括下列中的一项或多项：
视觉传感器；
雷达传感器；或
光检测和测距传感器。
20.一种计算机可读存储介质，所述计算机可读存储介质包括指令，所述指令在被执行时配置至少一个处理器用于：
由运输工具的对象融合系统根据由第一传感器获取的第一传感器数据确定接近所述运输工具的第一对象的第一跟踪；
由所述对象融合系统根据由第二传感器获取的第二传感器数据确定接近所述运输工具的第二对象的第二跟踪；
由所述对象融合系统维护可行性矩阵和不相容矩阵，所述可行性矩阵指示所述第一对象和所述第二对象在给定的时间索引处为同一对象的概率，所述不相容矩阵指示所述第一跟踪和所述第二跟踪历史上与同一对象相关联；
确定所述不相容矩阵是否指示所述第一跟踪和所述第二跟踪与不同对象相关联；
响应于确定所述不相容矩阵指示所述第一跟踪和所述第二跟踪与不同对象相关联，确定所述第一跟踪和所述第二跟踪包括与不同对象相关的历史；
响应于确定所述第一跟踪和所述第二跟踪包括与不同对象相关的历史，通过减少所述第一对象和所述第二对象为同一对象的所述概率来调整所述可行性矩阵；以及
响应于通过减少所述第一对象和所述第二对象为同一对象的所述概率来调整所述可行性矩阵，向所述运输工具的自动系统输出标识与所述第二对象分离的所述第一对象以避免所述运输工具和所述第一对象或所述第二对象之间的碰撞的信息。
CN202210267195.0A 2021-03-18 2022-03-17 基于历史的不相容跟踪的标识 Pending CN115146694A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US202163162851P 2021-03-18 2021-03-18
US63/162,851 2021-03-18
US17/308,908 2021-05-05
US17/308,908 US20220300743A1 (en) 2021-03-18 2021-05-05 History-Based Identification of Incompatible Tracks

Publications (1)

Publication Number Publication Date
CN115146694A true CN115146694A (zh) 2022-10-04

Family

ID=80775371

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210267195.0A Pending CN115146694A (zh) 2021-03-18 2022-03-17 基于历史的不相容跟踪的标识

Country Status (3)

Country Link
US (1) US20220300743A1 (zh)
EP (1) EP4060381A1 (zh)
CN (1) CN115146694A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220137216A (ko) * 2021-04-01 2022-10-12 현대자동차주식회사 차량 후방 경고 시스템 및 그 제어 방법

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8705797B2 (en) * 2012-03-07 2014-04-22 GM Global Technology Operations LLC Enhanced data association of fusion using weighted Bayesian filtering
US10466361B2 (en) * 2017-03-14 2019-11-05 Toyota Research Institute, Inc. Systems and methods for multi-sensor fusion using permutation matrix track association
CN207396739U (zh) * 2017-12-22 2018-05-22 西安飞芯电子科技有限公司 一种基于车载激光雷达的防撞预警系统
CN109987025B (zh) * 2018-01-03 2023-02-21 奥迪股份公司 用于夜晚环境的车辆驾驶辅助系统及方法
US10468062B1 (en) * 2018-04-03 2019-11-05 Zoox, Inc. Detecting errors in sensor data
JP7019503B2 (ja) * 2018-04-25 2022-02-15 日立Astemo株式会社 電子制御装置、演算方法
CN208915155U (zh) * 2018-06-27 2019-05-31 苏州瑞耀三维科技有限公司 一种基于激光测距的车载防撞装置

Also Published As

Publication number Publication date
US20220300743A1 (en) 2022-09-22
EP4060381A1 (en) 2022-09-21

Similar Documents

Publication Publication Date Title
EP3104284B1 (en) Automatic labeling and learning of driver yield intention
JP7199545B2 (ja) 自律エージェントによる行動方針選択のための多視点システムおよび方法
US11774582B2 (en) Imaging and radar fusion for multiple-object tracking
CN113228040B (zh) 多级对象行进方向估计的系统和方法
CN113492851B (zh) 车辆控制装置、车辆控制方法以及车辆控制用计算机程序
CN112154455A (zh) 数据处理方法、设备和可移动平台
US10776642B2 (en) Sampling training data for in-cabin human detection from raw video
US11436815B2 (en) Method for limiting object detection area in a mobile system equipped with a rotation sensor or a position sensor with an image sensor, and apparatus for performing the same
US11631325B2 (en) Methods and systems for traffic light state monitoring and traffic light to lane assignment
US11748593B2 (en) Sensor fusion target prediction device and method for vehicles and vehicle including the device
US11753002B2 (en) Vehicular control system
CN112009468A (zh) 用于自动驾驶系统的多假设物体跟踪
CN115146694A (zh) 基于历史的不相容跟踪的标识
CN116609777A (zh) 用于对象跟踪的多扫描传感器融合
CN110696828A (zh) 前向目标选择方法、装置及车载设备
CN116022168A (zh) Ads感知系统感知的自由空间验证
CN114942430A (zh) 传感器数据的基于多假设的融合
US20230147100A1 (en) Clustering Track Pairs for Multi-Sensor Track Association
CN112739599A (zh) 一种车辆变道行为识别方法及装置
US20230410490A1 (en) Deep Association for Sensor Fusion
US20240078814A1 (en) Method and apparatus for modeling object, storage medium, and vehicle control method
US11798295B2 (en) Model free lane tracking system
US20230227042A1 (en) Method for determining the reliability of objects
CN115704687A (zh) 用于解析来自多种类型传感器的跟踪的遮挡约束
US20230373503A1 (en) Vehicle controller, method and computer program for vehicle control, priority setting device, and vehicle control system

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

Effective date of registration: 20240401

Address after: Jiraum, Luxembourg, Luxembourg J. 12C Kroll Street

Applicant after: Anbofu Manufacturing Management Services Co.,Ltd.

Country or region after: Luxembourg

Address before: Babado J San Michaele

Applicant before: Delphi Technologies, Inc.

Country or region before: Barbados

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

Effective date of registration: 20240428

Address after: 2 Pestaroz Street, Schaffhausen, Switzerland

Applicant after: Anbofu Technology Co.,Ltd.

Country or region after: Switzerland

Address before: Jiraum, Luxembourg, Luxembourg J. 12C Kroll Street

Applicant before: Anbofu Manufacturing Management Services Co.,Ltd.

Country or region before: Luxembourg