CN115661797A - 目标跟踪方法、装置及设备 - Google Patents
目标跟踪方法、装置及设备 Download PDFInfo
- Publication number
- CN115661797A CN115661797A CN202211553065.XA CN202211553065A CN115661797A CN 115661797 A CN115661797 A CN 115661797A CN 202211553065 A CN202211553065 A CN 202211553065A CN 115661797 A CN115661797 A CN 115661797A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- preset threshold
- determining
- difference
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012216 screening Methods 0.000 claims abstract description 89
- 238000012790 confirmation Methods 0.000 claims description 130
- 238000004590 computer program Methods 0.000 claims description 14
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Traffic Control Systems (AREA)
Abstract
本公开提供的一种目标跟踪方法、装置及设备,涉及自动驾驶技术,包括:获取摄像头采集的车道线数据、摄像头目标物数据;获取雷达采集的雷达目标物数据;根据车道线数据确定自车中心线;根据自车中心线确定第一、二筛选条件;将摄像头目标物数据与第一筛选条件进行匹配,根据匹配结果确定目标车辆及其第一数据;将雷达目标物数据与第二筛选条件进行匹配,根据匹配结果确定雷达目标物的第二数据;根据第一数据以及第二数据,确定目标车辆的目标数据。先拟合出自车中心线,并根据自车中心线筛选出目标车辆以及本车道上的雷达目标物。将雷达目标物与目标车辆进行融合,得到目标车辆的数据。可提高目标跟踪的准确性。
Description
技术领域
本公开涉及自动驾驶技术,尤其涉及一种目标跟踪方法、装置及设备。
背景技术
随着人们对汽车安全型和舒适性需求的日益增长,智能驾驶技术中的高级驾驶辅助系统受到了广泛的关注和研究。在高级辅助驾驶系统中,目标跟踪是一个重要环节。
现有技术中,高级辅助驾驶系统的目标跟踪方法,通常将核心放在摄像头对于图像处理的计算中。
但是,摄像头对于目标的距离和速度检测误差较大,尤其在恶劣天气或者目标渐远的情况下,目标跟踪的准确性有待提高。
发明内容
本公开提供了一种目标跟踪方法、装置及设备,以提高现有技术中目标跟踪的准确率。
根据本公开第一方面,提供了一种目标跟踪方法,包括:
获取车辆上的摄像头采集的车道线数据以及摄像头目标物数据,并获取所述车辆上的雷达采集的雷达目标物数据;
根据所述车道线数据确定所述车辆的自车中心线;所述自车中心线用于表征所述车辆的行驶路线;并根据所述自车中心线确定与所述摄像头目标物数据对应的第一筛选条件,以及与所述雷达目标物数据对应的第二筛选条件;
根据所述摄像头目标物数据与所述第一筛选条件,筛选并获取在所述车辆所在的车道上,行驶在所述车辆的前方并距离所述车辆最近的目标车辆,以及所述目标车辆的第一数据;
根据所述雷达目标物数据与所述第二筛选条件,筛选并获取在所述车辆所在的车道上,行驶在所述车辆的前方的雷达目标物,以及所述雷达目标物的第二数据;
根据所述第一数据,以及所述第二数据,以跟踪获取所述目标车辆的目标数据。
根据本公开第二方面,提供了一种目标跟踪装置,包括:
获取单元,用于获取车辆上的摄像头采集的车道线数据以及摄像头目标物数据,并获取所述车辆上的雷达采集的雷达目标物数据;
自车中心线确定单元,用于根据所述车道线数据确定所述车辆的自车中心线;所述自车中心线用于表征所述车辆的行驶路线;并根据所述自车中心线确定与所述摄像头目标物数据对应的第一筛选条件,以及与所述雷达目标物数据对应的第二筛选条件;
目标车辆确定单元,用于根据所述摄像头目标物数据与所述第一筛选条件,筛选并获取在所述车辆所在的车道上,行驶在所述车辆的前方并距离所述车辆最近的目标车辆,以及所述目标车辆的第一数据;
第二数据确定单元,用于根据所述雷达目标物数据与所述第二筛选条件,筛选并获取在所述车辆所在的车道上,行驶在所述车辆的前方的雷达目标物,以及所述雷达目标物的第二数据;
目标数据确定单元,用于根据所述第一数据,以及所述第二数据,以跟踪获取所述目标车辆的目标数据。
根据本公开第三方面,提供了一种车控设备,包括存储器和处理器;其中,
所述存储器,用于存储计算机程序;
所述处理器,用于读取所述存储器存储的计算机程序,并根据所述存储器中的计算机程序执行如第一方面所述的目标跟踪方法。
根据本公开第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如第一方面所述的目标跟踪方法。
根据本公开第五方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时,实现如第一方面所述的目标跟踪方法。
本公开提供的目标跟踪方法、装置及设备,包括:获取车辆上的摄像头采集的车道线数据以及摄像头目标物数据,并获取车辆上的雷达采集的雷达目标物数据;根据车道线数据确定车辆的自车中心线;自车中心线用于表征车辆的行驶路线;并根据自车中心线确定与摄像头目标物数据对应的第一筛选条件,以及与雷达目标物数据对应的第二筛选条件;根据摄像头目标物数据与第一筛选条件,筛选并获取在车辆所在的车道上,行驶在车辆的前方并距离车辆最近的目标车辆,以及目标车辆的第一数据;根据雷达目标物数据与第二筛选条件,筛选并获取在车辆所在的车道上,行驶在车辆的前方的雷达目标物,以及雷达目标物的第二数据;根据第一数据,以及第二数据,以跟踪获取目标车辆的目标数据。本方案提供的目标跟踪方法、装置及设备中,可以首先拟合出自车中心线,然后根据自车中心线筛选出摄像头目标车辆,以及本车道上的雷达目标物。然后将本车道上的雷达目标物与摄像头目标车辆进行融合,得到融合后的目标车辆的目标数据。将雷达目标物与摄像头目标物进行融合,可以在一定程度上提高目标跟踪的准确性,而且考虑到高级驾驶辅助系统并不需要所有检测目标的跟踪与融合,先筛选出摄像头的目标车辆再与雷达目标物进行融合,降低了计算复杂度。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术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公开的一些实施例,对于本领域技术人员来讲,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为本公开一示例性实施例示出的目标跟踪方法的流程示意图;
图2为本公开另一示例性实施例示出的目标跟踪方法的流程示意图;
图3为本公开一示例性实施例示出的目标跟踪过程示意图;
图4为本公开一示例性实施例示出的目标跟踪装置的结构图;
图5为本公开一示例性实施例示出的车控设备的结构图。
具体实施方式
随着人们对汽车安全型和舒适性需求的日益增长,智能驾驶技术中的高级驾驶辅助系统受到了广泛的关注和研究。在高级辅助驾驶系统中,目标跟踪是一个重要环节。现有技术中,高级辅助驾驶系统的目标跟踪方法,通常将核心放在摄像头对于图像处理的计算中。
但是,摄像头对于目标的距离和速度检测误差较大,尤其在恶劣天气或者目标渐远的情况下,目标跟踪的准确性有待提高。
为了解决上述技术问题,本公开提供的方案中,可以首先拟合出自车中心线,然后根据自车中心线筛选出摄像头目标车辆,以及本车道上的雷达目标物。然后将本车道上的雷达目标物与摄像头目标车辆进行融合,得到融合后的目标车辆的目标数据。将雷达目标物与摄像头目标物进行融合,可以在一定程度上提高目标跟踪的准确性。
下面以具体地实施例对本公开的技术方案以及本公开的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本公开的实施例进行描述。
图1为本公开一示例性实施例示出的目标跟踪方法的流程示意图。
如图1所示,本实施例提供的目标跟踪方法包括:
步骤101,获取车辆上的摄像头采集的车道线数据以及摄像头目标物数据,并获取车辆上的雷达采集的雷达目标物数据。
其中,本申请提供的方法的执行主体可以为车控设备。该车控设备能够获取设置在车辆上的摄像头采集的车道线数据以及摄像头目标物数据;以及设置在车辆上的雷达采集的雷达目标物数据。
具体的,可以先将雷达和摄像头的目标输出统一为左负右正或者左正右负,以保证雷达和摄像头的目标的输出方向一致。雷达和摄像头都设置在车辆上,且雷达和摄像头都可以设置在车辆的车头处,以方便获取车辆前方的目标物数据。
其中,该雷达可以为毫米波雷达。
其中,摄像头目标物数据中可以包括目标物的纵向距离、类别等信息。其中,类别比如可以包括车辆、人等。雷达目标物数据中可以包括目标物的纵向距离等信息。其中,纵向距离可以表征目标物与车辆在车辆行驶方向上的距离。
具体的,该车道线数据可以为车辆上设置的摄像头采集的车辆所在车道的车道线数据。
步骤102,根据车道线数据确定车辆的自车中心线;自车中心线用于表征车辆的行驶路线;并根据自车中心线确定与摄像头目标物数据对应的第一筛选条件,以及与雷达目标物数据对应的第二筛选条件。
具体的,可以根据车道线数据生成车道线的方程,然后根据车道线的方程,拟合车辆的自车中心线。其中自车中心线用于表征车辆的行驶路线。
具体的,可以根据该车辆的自车中心线,以及预设的车道宽度,确定第一筛选条件以及第二筛选条件。其中,第一筛选条件可以用于与摄像头目标物数据进行匹配,以筛选出以自车中心线为中心,离自车中心线横向距离半个预设的车道宽度内的摄像头目标物数据。其中,第二筛选条件可以用于与雷达目标物数据进行匹配,以筛选出以自车中心线为中心,离自车中心线横向距离半个预设的车道宽度内的雷达目标物数据。可以认为筛选出的摄像头目标物数据和雷达目标物数据为该车辆所在车道上的目标物数据。
进一步的,第一筛选条件和第二筛选条件可以相同。也可以根据摄像头和雷达的灵敏度等不同情况,利用该车辆的自车中心线,以及不同的车道宽度,得到不同的第一筛选条件和第二筛选条件。比如,可以将雷达对应的车道宽度调大一些。
步骤103,根据摄像头目标物数据与第一筛选条件,筛选并获取在车辆所在的车道上,行驶在车辆的前方并距离车辆最近的目标车辆,以及目标车辆的第一数据。
具体的,可以将摄像头目标物数据与第一筛选条件进行匹配,筛选出在车辆所在的车道上,行驶在车辆的前方的摄像头目标物数据,并从这些筛选出的摄像头目标物数据中获取距离该车辆最近的目标车辆,以及该目标车辆的第一数据。
步骤104,根据雷达目标物数据与第二筛选条件,筛选并获取在车辆所在的车道上,行驶在车辆的前方的雷达目标物,以及雷达目标物的第二数据。
具体的,可以将雷达目标物数据与第二筛选条件进行匹配,筛选出在车辆所在的车道上,行驶在车辆的前方的雷达目标物的第二数据。
具体的,可以根据实际道路情况筛选出不止一个在车辆所在的车道上,行驶在车辆的前方的雷达目标物的第二数据。
步骤105,根据第一数据,以及第二数据,以跟踪获取目标车辆的目标数据。
具体的,可以将利用摄像头获取的目标车辆的第一数据,与利用雷达获取的在车辆的行驶方向前方在车辆的车道中的雷达目标物的第二数据进行融合,确定目标车辆的目标数据。
进一步的,高级驾驶辅助系统可以根据目标车辆的目标数据来辅助控制车辆的行驶。
本公开提供的目标跟踪方法,包括:获取车辆上的摄像头采集的车道线数据以及摄像头目标物数据,并获取车辆上的雷达采集的雷达目标物数据;根据车道线数据确定车辆的自车中心线;自车中心线用于表征车辆的行驶路线;并根据自车中心线确定与摄像头目标物数据对应的第一筛选条件,以及与雷达目标物数据对应的第二筛选条件;根据摄像头目标物数据与第一筛选条件,筛选并获取在车辆所在的车道上,行驶在车辆的前方并距离车辆最近的目标车辆,以及目标车辆的第一数据;根据雷达目标物数据与第二筛选条件,筛选并获取在车辆所在的车道上,行驶在车辆的前方的雷达目标物,以及雷达目标物的第二数据;根据第一数据,以及第二数据,以跟踪获取目标车辆的目标数据。本公开采用的方法中,可以首先拟合出自车中心线,然后根据自车中心线筛选出摄像头目标车辆,以及本车道上的雷达目标物。然后将本车道上的雷达目标物与摄像头目标车辆进行融合,得到融合后的目标车辆的目标数据。将雷达目标物与摄像头目标物进行融合,可以在一定程度上提高目标跟踪的准确性,而且考虑到高级驾驶辅助系统并不需要所有检测目标的跟踪与融合,先筛选出摄像头的目标车辆再与雷达目标物进行融合,降低了计算复杂度。
图2为本公开另一示例性实施例示出的目标跟踪方法的流程示意图。
如图2所示,本实施例提供的目标跟踪方法包括:
步骤201,获取车辆上的摄像头采集的车道线数据以及摄像头目标物数据,并获取车辆上的雷达采集的雷达目标物数据。
具体的,步骤201与步骤101的原理、实现方式类似,不再赘述。
步骤202,若确定车道线数据中有且只有一条车道线,则根据车道线数据,确定自车中心线;若确定车道线数据中有两条车道线,则根据两条车道线对应的车道线数据的平均值,确定自车中心线;自车中心线用于表征车辆的行驶路线。
具体的,根据车辆所行驶的实际道路情况,车辆所在车道,可能有两条车道线,可能只有一条车道线,也可能没有车道线。因此获取的车道线数据中可能有且只有一条车道线,也有可能有两条车道线,也有可能获取不到车道线数据。
具体的,可以以车辆为坐标原点,以车辆行驶方向为纵轴(即y轴),以与车辆行驶方向垂直的水平面上的方向为横轴(即x轴)构建地面坐标系。其中,车道线数据包括在该坐标系下车道线方程的四个系数。比如一条车道线的车道线方程可以表示如下:
具体的,如上式所示,可以令=0,若摄像头检测到本车所在车道的两条车道线,那么可以将两条车道线数据中的的值分别取算数平均值作为自车中心线的的值,得到自车中心线。若摄像头检测到单条车道线,那么将该条车道线的的值作为自车中心线的的值,得到自车中心线。若摄像头没有检测到车道线,那么令的值都为0,得到自车中心线。其中,自车中心线用于表征车辆的行驶路线。
步骤203,根据自车中心线、预设的车道宽度、车辆前方距离车辆的第一距离,确定与摄像头目标物数据对应的第一筛选条件,以及与雷达目标物数据对应的第二筛选条件。
具体的,可以根据自车中心线、预设的车道宽度,以及车辆前方距离车辆的第一距离,确定用于筛选摄像头目标物数据的第一筛选条件,以及用于筛选雷达目标物数据的第二筛选条件。
具体的,可以根据预设的车道宽度,以及车辆前方距离车辆的第一距离,确定第一阈值。第一阈值与第一距离相关。不同的第一距离,可以设置不同的第一阈值,比如第一距离越大,第一阈值也越大。具体的,可以将第一距离分段,每段对应不同的第一阈值。比如,当第一距离较小时,第一阈值等于预设的车道宽度的一半,随着第一距离增大,第一阈值也增大。
具体的,根据摄像头和雷达的不同情况,可以设置不同的第一阈值。
具体的,将自车中心线左右平移第一阈值得到本车道的左右边界值,即可得到第一筛选条件,以及第二筛选条件。
步骤204,根据摄像头目标物数据与第一筛选条件,筛选并获取在车辆所在的车道上,行驶在车辆的前方的第四数据。
具体的,可以将摄像头目标物数据中的纵向距离代入自车中心线的方程中,得到自车中心线的横向距离,若该横向距离在第一筛选条件的左右边界值内,则说明该摄像头目标物落在本车道内,即可得到车辆的行驶方向前方在车辆的车道中的摄像头目标物的第四数据。反之,若该横向距离在第一筛选条件的左右边界值外,则说明该摄像头目标物落在本车道外。
步骤205,根据第四数据,确定在车辆所在的车道上,行驶在车辆的前方并距离车辆最近的目标车辆,以及目标车辆的第一数据。
具体的,与第一筛选条件匹配的摄像头目标物可能不止一个。可以选取匹配的摄像头目标物的第四数据中的纵向距离最小的,确定为车辆的行驶方向前方在车辆的车道中距离车辆最近的目标车辆,以及目标车辆的第一数据。
步骤206,根据雷达目标物数据与第二筛选条件,筛选并获取在车辆所在的车道上,行驶在车辆的前方的雷达目标物,以及雷达目标物的第二数据。
具体的,可以将雷达目标物数据中的纵向距离代入自车中心线的方程中,得到自车中心线的横向距离,若该横向距离在第二筛选条件的左右边界值内,则说明该雷达目标物落在本车道内,即可得到车辆的行驶方向前方在车辆的车道中的雷达目标物,以及雷达目标物的第二数据。反之,若该横向距离在第二筛选条件的左右边界值外,则说明该雷达目标物落在本车道外。
步骤207,根据第一数据的前一帧数据中的纵向距离,确定第一预测纵向距离;并确定第一纵向距离与第一预测纵向距离的第一差值;第一数据包括第一纵向距离、第一横向距离、第一纵向速度;第二数据包括第二纵向距离、第二横向距离、第二纵向速度。
其中,目标车辆的第一数据包括第一纵向距离、第一横向距离、第一纵向速度,还可以包括第一横向速度、类别、第一加速度、第一置信度;雷达目标物的第二数据包括第二纵向距离、第二横向距离、第二纵向速度,还可以包括第二横向速度、身份标识号、第二加速度、第二置信度。
其中,纵向距离用于表征目标物与车辆之间在纵向距离;横向距离用于表征目标物与车辆之间的横向距离;纵向速度用于表征目标物相对于车辆的纵向速度;横向速度用于表征目标物相对于车辆的横向速度;类别用于表征目标物的类别;加速度用于表征目标物相对于车辆的加速度;置信度用于表征数据的可靠度;身份标识号用于表征目标物的身份标识;信噪比用于表征信号与噪声的比例。
具体的,可以根据目标车辆的第一数据的前一帧数据中的纵向距离,来预测当前帧中第一数据的纵向距离,即第一预测纵向距离。可以将第一纵向距离与第一预测纵向距离做差,得到第一差值。
在一种可实现方式中,根据第一数据的前一帧数据中的纵向距离、纵向速度,以及摄像头采集数据的第一间隔时间,确定第一预测纵向距离。
其中,第一间隔时间用于表示摄像头采集前后两帧数据的时间间隔。
具体的,可以将第一数据的前一帧数据中的纵向速度与第一间隔时间的乘积,与第一数据的前一帧数据中的纵向距离相加,得到第一预测纵向距离。
步骤208,若确定第一差值满足第一预设条件,则根据第一数据的前一帧数据,确定第一预测数据;并确定第一预测数据与第二数据的第二差值。
其中,第一预设条件为根据实际情况预先设置的条件。
具体的,若第一差值满足第一预设条件,则可以再根据第一数据的前一帧数据,来预测第一数据,得到第一预测数据,然后将第一预测数据与第二数据做差,得到第二差值。
具体的,若筛选出多个雷达目标物的第二数据,则可以将每个雷达目标物的第二数据依次与第一预测数据做差,得到多个第二差值。
在一种可实现方式中,若确定第一差值的绝对值小于或者等于第一预设阈值,则第一确认次数加1,直至第一确认次数达到第十一预设阈值,且第一丢失次数减1,直至第一丢失次数达到0;若确定第一差值的绝对值大于第一预设阈值,则第一确认次数减1,直至第一确认次数达到0,且第一丢失次数加1,直至第一丢失次数达到第十二预设阈值。
其中,第一预设阈值为根据实际情况预先设置的值。
其中,第十一预设阈值为根据实际情况预先设置的值。比如,第十一预设阈值可以设置为20。
其中,第十二预设阈值为根据实际情况预先设置的值。比如,第十二预设阈值可以设置为11。
具体的,将第一差值的绝对值与第一预设阈值进行比对,若确定第一差值的绝对值小于或者等于第一预设阈值,则可以将第一确认次数加1,直至第一确认次数达到第十一预设阈值,并将第一丢失次数减1,直至第一丢失次数达到0;若确定第一差值的绝对值大于第一预设阈值,则可以将第一确认次数减1,直至第一确认次数达到0,并将第一丢失次数加1,直至第一丢失次数达到第十二预设阈值。
其中,第一确认次数用于表征第一差值的绝对值与第一预设阈值匹配成功的次数。第一确认次数的取值范围为[0,第十一预设阈值]。第一丢失次数用于表征第一差值的绝对值与第一预设阈值匹配不成功的次数。第一丢失次数的取值范围为[0,第十二预设阈值]。
若确定第一确认次数大于第十三预设阈值,且第一丢失次数小于第十二预设阈值,则将第一数据的前一帧数据中的横向距离确定为第一预测横向距离;将第一数据的前一帧中的纵向速度确定为第一预测纵向速度。
其中,第十三预设阈值为根据实际情况预先设置的值。比如,第十三预设阈值可以设置为5。
具体的,若确定第一确认次数大于第十三预设阈值,则表示目标车辆的第一数据处于稳定了状态。此时若确定第一丢失次数小于第十二预设阈值,则将第一数据的前一帧数据中的横向距离确定为第一预测横向距离;将第一数据的前一帧中的纵向速度确定为第一预测纵向速度。其中,第一预测横向距离是对第一数据的第一横向距离的预测值。第一预测纵向速度是对第一数据的第一纵向速度的预测值。
根据第一预测纵向距离,以及第一纵向距离,确定第一预测纵向距离与第一纵向距离的第五差值;根据第一预测横向距离,以及第一横向距离,确定第一预测横向距离与第一横向距离的第六差值;根据第一预测纵向速度,以及第一纵向速度,确定第一预测纵向速度与第一纵向速度的第七差值;根据第五差值,第六差值,以及第七差值,确定第二差值。具体的,可以将第一预测纵向距离与第一纵向距离做差,得到第五差值。可以将第一预测横向距离与第一横向距离做差,得到第六差值。可以将第一预测纵向速度与第一纵向速度做差,得到第七差值。
具体的,可以将第五差值的绝对值的二分之一,第六差值的绝对值,第七差值的绝对值的二分之一,这三者相加作为第一预测数据与第二数据之间的第二差值。
在一种可实现方式中,若确定第一丢失次数达到第十二预设阈值,则清除目标车辆的数据,并将第一确认次数置0,将第一丢失次数置0。
具体的,若确定第一丢失次数达到第十二预设阈值,则说明目标车辆的第一数据的前后帧匹配不成功。此时,目标车辆可能进行了替换。比如原先本车道上距离车辆最近的是汽车A,将汽车A确定为目标车辆,下一时刻汽车A驶离了本车道,或者汽车A加快速度,不再是本车道上距离车辆最近的,而是换成了公交车B,则公交车B成为了新的目标车辆。当汽车A对应的第一丢失次数达到第十二预设阈值,则清除汽车A对应的数据,并将第一确认次数置0,将第一丢失次数置0。
若确定目标车辆丢失,且第一确认次数大于第十三预设阈值,且第一丢失次数小于第十二预设阈值,则将第一预测数据确定为第一数据。
具体的,车辆丢失可以包括如下情况:摄像头被遮挡,导致没有检测到目标车辆;或者目标车辆驶离本车道等等。
具体的,若确定目标丢失,而此时第一确认次数大于第十三预设阈值,且第一丢失次数小于第十二预设阈值,则说明目标车辆的第一数据已经相对稳定了,可以将第一预测数据确定为第一数据。
若确定目标车辆丢失,且第一确认次数小于或者等于第十三预设阈值,则清除目标车辆的数据,并将第一确认次数置0,将第一丢失次数置0。
具体的,若确定目标车辆丢失,且此时第一确认次数小于或者等于第十三预设阈值,说明目标车辆没有处于稳定状态,则可以将目标车辆的数据清除,并将第一确认次数置0,将第一丢失次数置0。
步骤209,若确定第二差值满足第二预设条件,则确定第一纵向距离与第二纵向距离的第三差值。
其中,第二预设条件为根据实际情况预先设置的条件。
具体的,若确定第二差值满足第二预设条件,则可以接着将通过摄像头采集的目标车辆的第一数据中的第一纵向距离与通过雷达采集的第二数据中的第二纵向距离做差,得到第三差值。
在一种可实现方式中,若确定第二差值小于或者等于第二预设阈值,且第五差值的绝对值小于或者等于第三预设阈值,且第六差值的绝对值小于或者等于第四预设阈值,且第七差值的绝对值小于或者等于第五预设阈值,则第二确认次数加1,直至第二确认次数达到第十一预设阈值,且第二丢失次数减1,直至第二丢失次数达到0;若确定第二差值大于第二预设阈值,或者第五差值的绝对值大于第三预设阈值,或者第六差值的绝对值大于第四预设阈值,或者第七差值的绝对值大于第五预设阈值,则第二确认次数减1,直至第二确认次数达到0,且第二丢失次数加1,直至第二丢失次数达到第十二预设阈值。
其中,第二、三、四、五预设阈值为根据实际情况预先设置的阈值。
具体的,可以将第二差值与第二预设阈值进行比对,将第五差值与第三预设阈值进行比对,将第六差值与第四预设阈值进行比对,将第七差值与第五预设阈值进行比对;若确定第二差值小于或者等于第二预设阈值,且第五差值的绝对值小于或者等于第三预设阈值,且第六差值的绝对值小于或者等于第四预设阈值,且第七差值的绝对值小于或者等于第五预设阈值,则将第二确认次数加1,直至第二确认次数达到第十一预设阈值,且第二丢失次数减1,直至第二丢失次数达到0;若确定第二差值大于第二预设阈值,或者第五差值的绝对值大于第三预设阈值,或者第六差值的绝对值大于第四预设阈值,或者第七差值的绝对值大于第五预设阈值,则将第二确认次数减1,直至第二确认次数达到0,且第二丢失次数加1,直至第二丢失次数达到第十二预设阈值。
其中,第二确认次数用于表征雷达目标物的第二数据与目标车辆的预测数据匹配成功的次数。第二确认次数的取值范围为[0,第十一预设阈值]。第一丢失次数用于表征雷达目标物的第二数据与目标车辆的预测数据匹配不成功的次数。第二丢失次数的取值范围为[0,第十二预设阈值]。
若确定第二确认次数大于第十三预设阈值且第二丢失次数小于第十二预设阈值,则确定第一纵向距离与第二纵向距离的第三差值。
具体的,若确定第二确认次数大于第十三预设阈值且第二丢失次数小于第十二预设阈值,则确定第二差值满足第二预设条件。接着将第一纵向距离与第二纵向距离做差,得到第三差值。
在一种可实现方式中,若确定第二丢失次数达到第十二预设阈值,则清除与第二数据对应的雷达目标物的数据,并将第二确认次数置0,将第二丢失次数置0。
具体的,若确定第二丢失次数达到第十二预设阈值,则说明第二数据与目标车辆的预测数据不匹配,并清除该第二数据对应的所有雷达目标物的数据。并第二确认次数置0,将第二丢失次数置0。
若筛选出多个雷达目标物的第二数据,则依次将各个第二数据与目标车辆的预测数据进行匹配。
若确定第二数据对应的雷达目标物丢失,且第二确认次数大于第十三预设阈值,且第二丢失次数小于第十二预设阈值,则根据第二数据的前一帧数据确定第三预测数据,并将第三预测数据确定为第二数据。
具体的,雷达目标物丢失可以指检测不到该雷达目标物的数据。若确定第二数据对应的雷达目标物丢失,且第二确认次数大于第十三预设阈值,且第二丢失次数小于第十二预设阈值,则说明雷达目标物的第二数据已经稳定,可以根据第二数据的前一帧数据确定第三预测数据,并将第三预测数据确定为第二数据。这样做是为了防止雷达检测不稳定或者有被遮挡的情况。
若确定第二数据对应的雷达目标物丢失,且第二确认次数小于或者等于第十三预设阈值,则清除第二数据对应的雷达目标物的数据,并将第二确认次数置0,将第二丢失次数置0。
具体的,若确定第二数据对应的雷达目标物丢失,且第二确认次数小于或者等于第十三预设阈值,则说明第二数据不稳定,则可以清除第二数据对应的雷达目标物的数据,并将第二确认次数置0,将第二丢失次数置0。
步骤210,若确定第三差值满足第三预设条件,则根据第二数据,确定在车辆所在的车道上,行驶在车辆的前方并距离车辆最近的雷达目标物的第三数据。
其中,第三预设条件为根据实际情况预先设置的条件。
具体的,若确定筛选出多个雷达目标物的第二数据,且与多个第二数据对应的多个第三差值满足第三预设条件,则在这多个满足第三预设条件的第三差值对应的多个第二数据中,选取纵向距离最小的第二数据作为车辆的行驶方向前方在车辆的车道中距离车辆最近的雷达目标物的第三数据。
若确定筛选出一个雷达目标物的第二数据,且该第二数据对应的第三差值满足第三预设条件,则将该第二数据作为车辆的行驶方向前方在车辆的车道中距离车辆最近的雷达目标物的第三数据。
在一种可实现方式中,若确定第三差值的绝对值小于或者等于第六预设阈值,且第二纵向距离大于0.1,且第一纵向距离小于1000;则第三确认次数加1,直至第三确认次数达到第十一预设阈值,且第三丢失次数减1,直至第三丢失次数达到0;否则,第三确认次数减1,直至第三确认次数达到0,且第三丢失次数加1,直至第三丢失次数达到第十二预设阈值。
其中,第一预设阈值为根据实际情况预先设置的值。
具体的,可以将第三差值的绝对值与第六预设阈值进行匹配,若确定第三差值的绝对值小于或者等于第六预设阈值,并且第二纵向距离大于0.1(米),且第一纵向距离小于1000(米),则将第三确认次数加1,直至第三确认次数达到第十一预设阈值,且将第三丢失次数减1,直至第三丢失次数达到0;否则,将第三确认次数减1,直至第三确认次数达到0,且将第三丢失次数加1,直至第三丢失次数达到第十二预设阈值。
其中,第三确认次数用于表征雷达目标物的第二数据与目标车辆的第一数据匹配成功的次数。第三确认次数的取值范围为[0,第十一预设阈值]。第三丢失次数用于表征雷达目标物的第二数据与目标车辆的第一数据匹配不成功的次数。第三丢失次数的取值范围为[0,第十二预设阈值]。
若确定第三确认次数大于第十三预设阈值且第三丢失次数小于第十二预设阈值,则根据第二数据,确定车辆的行驶方向前方在车辆的车道中距离车辆最近的雷达目标物的第三数据。
具体的,若确定第三确认次数大于第十三预设阈值且第三丢失次数小于第十二预设阈值,则确定第三差值满足第三预设条件,并根据第二数据,确定车辆的行驶方向前方在车辆的车道中距离车辆最近的雷达目标物的第三数据。
在一种可实现方式中,若确定第二纵向距离大于或者等于40(米),则将第二纵向距离的十分之一确定为第六预设阈值;若确定第二纵向距离小于40(米),则令第六预设阈值为4(米)。
具体的,第六预设阈值可以取第二纵向距离的十分之一,与4(米)之中的最大值。
在一种可实现方式中,若确定第三丢失次数达到第十二预设阈值,则清除与第二数据对应的雷达目标物的数据,并将第三确认次数置0,将第三丢失次数置0。
具体的,若确定第三丢失次数达到第十二预设阈值,则说明雷达目标物的第二数据与目标车辆的第一数据匹配不成功,则清除与第二数据对应的雷达目标物的数据,并将第三确认次数置0,将第三丢失次数置0。
若确定第二数据对应的雷达目标物丢失,且第三确认次数大于第十三预设阈值,且第三丢失次数小于第十二预设阈值,则根据第二数据的前一帧数据确定第三预测数据,并将第三预测数据确定为第二数据。
具体的,若确定第二数据对应的雷达目标物丢失,且第三确认次数大于第十三预设阈值,且第三丢失次数小于第十二预设阈值,即该第二数据处于稳定状态,则可以根据第二数据的前一帧数据确定第三预测数据,并将第三预测数据确定为第二数据。
若确定第二数据对应的雷达目标物丢失,且第三确认次数小于或者等于第十三预设阈值,则清除第二数据对应的雷达目标物的数据,并将第三确认次数置0,将第三丢失次数置0。
具体的,若确定第二数据对应的雷达目标物丢失,且第三确认次数小于或者等于第十三预设阈值,即该第二数据没有处于稳定状态,则可以清除第二数据对应的雷达目标物的数据,并将第三确认次数置0,将第三丢失次数置0。
步骤211,根据第三数据的前一帧数据,确定第二预测数据;并确定第三数据与第二预测数据的第四差值。
具体的,可以根据雷达目标物的第三数据的前一帧数据,对当前帧数据进行预测,得到第二预测数据。并将第三数据与第二预测数据做差,得到第四差值。
在一种可实现方式中,第三数据包括第三纵向距离、第三纵向速度、第三横向距离;根据第三数据的前一帧数据中的纵向距离、纵向速度,以及雷达采集数据的第二间隔时间,确定第二预测纵向距离;并将第三数据的前一帧数据中的横向距离确定为第二预测横向距离;将第三数据的前一帧数据的纵向速度确定为第二预测纵向速度。
其中,第三数据可以包括第三纵向距离、第三纵向速度、第三横向速度。其中,第三纵向速度用于表征与第三数据对应的雷达目标物与车辆的纵向距离;第三纵向速度用于表征与第三数据对应的雷达目标物与车辆之间在纵向上的相对速度;第三横向速度用于表征与第三数据对应的雷达目标物与车辆之间在横向上的相对速度。
其中,第二间隔时间用于表征雷达采集前后两帧数据之间的间隔时间。
具体的,可以将第三数据前一帧数据中的纵向速度与第二间隔时间的乘积,加上第三数据的前一帧数据中的纵向距离,得到第二预测纵向距离。将第三数据的前一帧数据中的横向距离确定为第二预测横向距离;将第三数据的前一帧数据的纵向速度确定为第二预测纵向速度。
根据第二预测纵向距离,以及第三纵向距离,确定第二预测纵向距离与第三纵向距离的第八差值;根据第二预测横向距离,以及第三横向距离,确定第二预测横向距离与第三横向距离的第九差值;根据第二预测纵向速度,以及第三纵向速度,确定第二预测纵向速度与第三纵向速度的第十差值;根据第八差值,第九差值,以及第十差值,确定第四差值。
具体的,可以将第二预测纵向距离与第三纵向距离做差,得到第八差值;可以将第二预测横向距离与第三横向距离做差,得到第九差值;可以将第二预测纵向速度与第三纵向速度做差,得到第十差值。
具体的,可以根据第八差值,第九差值,以及第十差值,确定第四差值。比如,可以将第八差值的绝对值的二分之一,第九差值的绝对值,第十差值的绝对值的二分之一,这三者相加作为第三数据与第二预测数据之间的第四差值。
步骤212,若确定第四差值满足第四预设条件,则将第三数据确定为目标车辆的目标数据。
其中,第四预设条件为根据实际情况预先设置的条件。
具体的,若确定第四差值满足第四预设条件,则可以将第三数据确定为目标车辆的目标数据。
在一种可实现方式中,若确定第四差值小于或者等于第七预设阈值,且第八差值的绝对值小于或者等于第八预设阈值,且第九差值的绝对值小于或者等于第九预设阈值,且第十差值的绝对值小于或者等于第十预设阈值,则第四确认次数加1,直至第四确认次数达到第十一预设阈值,且第四丢失次数减1,直至第四丢失次数达到0;若确定第四差值大于第七预设阈值,或者第八差值的绝对值大于第八预设阈值,或者第九差值的绝对值大于第九预设阈值,或者第十差值的绝对值大于第十预设阈值,则第四确认次数置1,且第四丢失次数置0。
其中,第七、八、九、十预设阈值为根据实际情况预先设置的阈值。
具体的,可以将第四差值与第第七预设阈值进行比对,将第八差值与第八预设阈值进行比对,将第九差值与第九预设阈值进行比对,将第十差值与第十预设阈值进行比对,若确定第四差值小于或者等于第七预设阈值,且第八差值的绝对值小于或者等于第八预设阈值,且第九差值的绝对值小于或者等于第九预设阈值,且第十差值的绝对值小于或者等于第十预设阈值,则将第四确认次数加1,直至第四确认次数达到第十一预设阈值,且将第四丢失次数减1,直至第四丢失次数达到0;若确定第四差值大于第七预设阈值,或者第八差值的绝对值大于第八预设阈值,或者第九差值的绝对值大于第九预设阈值,或者第十差值的绝对值大于第十预设阈值,则将第四确认次数置1,且将第四丢失次数置0。
其中,第四确认次数用于表征前后两帧第三数据的匹配成功次数。第四确认次数的取值范围为[0,第十一预设阈值]。第四丢失次数用于表征前后两帧第三数据的匹配不成功次数。第四丢失次数的取值范围为[0,第十二预设阈值]。
其中,若前后两帧第三数据匹配不成功,说明前后两帧第三数据对应的雷达目标物不一致。
若确定第四确认次数大于第十三预设阈值且第四丢失次数小于第十二预设阈值,则将第三数据确定为目标车辆的目标数据。
具体的,若确定第四确认次数大于第十三预设阈值且第四丢失次数小于第十二预设阈值,则说明第四差值满足第四预设条件,并将第三数据确定为目标车辆的目标数据。
在一种可实现方式中,若确定第四丢失次数达到第十二预设阈值,则清除与第三数据对应的雷达目标物的数据,并将第四确认次数置0,将第四丢失次数置0。
具体的,确定第四丢失次数达到第十二预设阈值,则说明前后两帧第三数据的不匹配,则清除与第三数据对应的雷达目标物的数据,并将第四确认次数置0,将第四丢失次数置0。
若确定第三数据对应的雷达目标物丢失,且第四确认次数大于第十三预设阈值,且第四丢失次数小于第十二预设阈值,则将第二预测数据确定为第三数据。
具体的,若确定第三数据对应的雷达目标物丢失,且第四确认次数大于第十三预设阈值,且第四丢失次数小于第十二预设阈值,则说明第三数据处于稳定状态,则将第二预测数据确定为第三数据。
若确定第二数据对应的雷达目标物丢失,且第四确认次数小于或者等于第十三预设阈值,则清除第三数据对应的雷达目标物的数据,并将第四确认次数置0,将第四丢失次数置0。
具体的,若确定第二数据对应的雷达目标物丢失,且第四确认次数小于或者等于第十三预设阈值,则说明第三数据处于不稳定状态,则清除第三数据对应的雷达目标物的数据,并将第四确认次数置0,将第四丢失次数置0。
图3为本公开一示例性实施例示出的目标跟踪过程示意图。
如图3所示,首先进行雷达坐标转换,将雷达和摄像头的目标输出统一为左负右正或者左正右负,以保证雷达和摄像头的目标的输出方向一致。然后根据摄像头采集的车道线数据确定自车中心线。利用自车中心线、预设的车道宽度,以及车辆前方与车辆之间的距离,确定筛选条件,用以对雷达目标物数据以及摄像头目标物数据进行筛选,得到摄像头目标物数据的目标车辆,及目标车辆的第一数据,以及车辆所处的本车道上的雷达目标物的第二数据。将第一数据与第二数据进行融合,得到目标车辆的目标数据,并输出该目标数据,高级驾驶辅助系统可以根据目标车辆的目标数据来辅助控制车辆的行驶。
图4为本公开一示例性实施例示出的目标跟踪装置的结构图。
如图4所示,本公开提供的目标跟踪装置400,包括:
获取单元410,用于获取车辆上的摄像头采集的车道线数据以及摄像头目标物数据,并获取车辆上的雷达采集的雷达目标物数据;
自车中心线确定单元420,用于根据车道线数据确定车辆的自车中心线;自车中心线用于表征车辆的行驶路线;并根据自车中心线确定与摄像头目标物数据对应的第一筛选条件,以及与雷达目标物数据对应的第二筛选条件;
目标车辆确定单元430,用于根据摄像头目标物数据与第一筛选条件,筛选并获取在车辆所在的车道上,行驶在车辆的前方并距离车辆最近的目标车辆,以及目标车辆的第一数据;
第二数据确定单元440,用于根据雷达目标物数据与第二筛选条件,筛选并获取在车辆所在的车道上,行驶在车辆的前方的雷达目标物,以及雷达目标物的第二数据;
目标数据确定单元450,用于根据第一数据,以及第二数据,以跟踪获取目标车辆的目标数据。
目标数据确定单元450,具体用于根据第一数据的前一帧数据中的纵向距离,确定第一预测纵向距离;并确定第一纵向距离与第一预测纵向距离的第一差值;
若确定第一差值满足第一预设条件,则根据第一数据的前一帧数据,确定第一预测数据;并确定第一预测数据与第二数据的第二差值;
若确定第二差值满足第二预设条件,则确定第一纵向距离与第二纵向距离的第三差值;
若确定第三差值满足第三预设条件,则根据第二数据,确定在车辆所在的车道上,行驶在车辆的前方并距离车辆最近的雷达目标物的第三数据;
根据第三数据的前一帧数据,确定第二预测数据;并确定第三数据与第二预测数据的第四差值;
若确定第四差值满足第四预设条件,则将第三数据确定为目标车辆的目标数据;
其中,第一数据包括第一纵向距离、第一横向距离、第一纵向速度;第二数据包括第二纵向距离、第二横向距离、第二纵向速度。
目标数据确定单元450,具体用于根据第一数据的前一帧数据中的纵向距离、纵向速度,以及摄像头采集数据的第一间隔时间,确定第一预测纵向距离。
目标数据确定单元450,具体用于若确定第一差值的绝对值小于或者等于第一预设阈值,则第一确认次数加1,直至第一确认次数达到第十一预设阈值,且第一丢失次数减1,直至第一丢失次数达到0;若确定第一差值的绝对值大于第一预设阈值,则第一确认次数减1,直至第一确认次数达到0,且第一丢失次数加1,直至第一丢失次数达到第十二预设阈值;
若确定第一确认次数大于第十三预设阈值,且第一丢失次数小于第十二预设阈值,则将第一数据的前一帧数据中的横向距离确定为第一预测横向距离;将第一数据的前一帧中的纵向速度确定为第一预测纵向速度;
根据第一预测纵向距离,以及第一纵向距离,确定第一预测纵向距离与第一纵向距离的第五差值;
根据第一预测横向距离,以及第一横向距离,确定第一预测横向距离与第一横向距离的第六差值;
根据第一预测纵向速度,以及第一纵向速度,确定第一预测纵向速度与第一纵向速度的第七差值;
根据第五差值,第六差值,以及第七差值,确定第二差值。
目标数据确定单元450,还用于若确定第一丢失次数达到第十二预设阈值,则清除目标车辆的数据,并将第一确认次数置0,将第一丢失次数置0;
若确定目标车辆丢失,且第一确认次数大于第十三预设阈值,且第一丢失次数小于第十二预设阈值,则将第一预测数据确定为第一数据;
若确定目标车辆丢失,且第一确认次数小于或者等于第十三预设阈值,则清除目标车辆的数据,并将第一确认次数置0,将第一丢失次数置0。
目标数据确定单元450,具体用于若确定第二差值小于或者等于第二预设阈值,且第五差值的绝对值小于或者等于第三预设阈值,且第六差值的绝对值小于或者等于第四预设阈值,且第七差值的绝对值小于或者等于第五预设阈值,则第二确认次数加1,直至第二确认次数达到第十一预设阈值,且第二丢失次数减1,直至第二丢失次数达到0;若确定第二差值大于第二预设阈值,或者第五差值的绝对值大于第三预设阈值,或者第六差值的绝对值大于第四预设阈值,或者第七差值的绝对值大于第五预设阈值,则第二确认次数减1,直至第二确认次数达到0,且第二丢失次数加1,直至第二丢失次数达到第十二预设阈值;
若确定第二确认次数大于第十三预设阈值且第二丢失次数小于第十二预设阈值,则确定第一纵向距离与第二纵向距离的第三差值。
目标数据确定单元450,还用于若确定第二丢失次数达到第十二预设阈值,则清除与第二数据对应的雷达目标物的数据,并将第二确认次数置0,将第二丢失次数置0;
若确定第二数据对应的雷达目标物丢失,且第二确认次数大于第十三预设阈值,且第二丢失次数小于第十二预设阈值,则根据第二数据的前一帧数据确定第三预测数据,并将第三预测数据确定为第二数据;
若确定第二数据对应的雷达目标物丢失,且第二确认次数小于或者等于第十三预设阈值,则清除第二数据对应的雷达目标物的数据,并将第二确认次数置0,将第二丢失次数置0。
目标数据确定单元450,具体用于若确定第三差值的绝对值小于或者等于第六预设阈值,且第二纵向距离大于0.1,且第一纵向距离小于1000;则第三确认次数加1,直至第三确认次数达到第十一预设阈值,且第三丢失次数减1,直至第三丢失次数达到0;否则,第三确认次数减1,直至第三确认次数达到0,且第三丢失次数加1,直至第三丢失次数达到第十二预设阈值;
若确定第三确认次数大于第十三预设阈值且第三丢失次数小于第十二预设阈值,则根据第二数据,确定车辆的行驶方向前方在车辆的车道中距离车辆最近的雷达目标物的第三数据。
目标数据确定单元450,具体用于若确定第二纵向距离大于或者等于40,则将第二纵向距离的十分之一确定为第六预设阈值;若确定第二纵向距离小于40,则令第六预设阈值为4。
目标数据确定单元450,还用于若确定第三丢失次数达到第十二预设阈值,则清除与第二数据对应的雷达目标物的数据,并将第三确认次数置0,将第三丢失次数置0;
若确定第二数据对应的雷达目标物丢失,且第三确认次数大于第十三预设阈值,且第三丢失次数小于第十二预设阈值,则根据第二数据的前一帧数据确定第三预测数据,并将第三预测数据确定为第二数据;
若确定第二数据对应的雷达目标物丢失,且第三确认次数小于或者等于第十三预设阈值,则清除第二数据对应的雷达目标物的数据,并将第三确认次数置0,将第三丢失次数置0。
目标数据确定单元450,具体用于根据第三数据的前一帧数据中的纵向距离、纵向速度,以及雷达采集数据的第二间隔时间,确定第二预测纵向距离;并将第三数据的前一帧数据中的横向距离确定为第二预测横向距离;将第三数据的前一帧数据的纵向速度确定为第二预测纵向速度;
根据第二预测纵向距离,以及第三纵向距离,确定第二预测纵向距离与第三纵向距离的第八差值;
根据第二预测横向距离,以及第三横向距离,确定第二预测横向距离与第三横向距离的第九差值;
根据第二预测纵向速度,以及第三纵向速度,确定第二预测纵向速度与第三纵向速度的第十差值;
根据第八差值,第九差值,以及第十差值,确定第四差值;第三数据包括第三纵向距离、第三纵向速度、第三横向距离。
目标数据确定单元450,具体用于若确定第四差值小于或者等于第七预设阈值,且第八差值的绝对值小于或者等于第八预设阈值,且第九差值的绝对值小于或者等于第九预设阈值,且第十差值的绝对值小于或者等于第十预设阈值,则第四确认次数加1,直至第四确认次数达到第十一预设阈值,且第四丢失次数减1,直至第四丢失次数达到0;若确定第四差值大于第七预设阈值,或者第八差值的绝对值大于第八预设阈值,或者第九差值的绝对值大于第九预设阈值,或者第十差值的绝对值大于第十预设阈值,则第四确认次数置1,且第四丢失次数置0;
若确定第四确认次数大于第十三预设阈值且第四丢失次数小于第十二预设阈值,则将第三数据确定为目标车辆的目标数据。
目标数据确定单元450,还用于若确定第四丢失次数达到第十二预设阈值,则清除与第三数据对应的雷达目标物的数据,并将第四确认次数置0,将第四丢失次数置0;
若确定第三数据对应的雷达目标物丢失,且第四确认次数大于第十三预设阈值,且第四丢失次数小于第十二预设阈值,则将第二预测数据确定为第三数据;
若确定第二数据对应的雷达目标物丢失,且第四确认次数小于或者等于第十三预设阈值,则清除第三数据对应的雷达目标物的数据,并将第四确认次数置0,将第四丢失次数置0。
自车中心线确定单元420,具体用于若确定车道线数据中有且只有一条车道线,则根据车道线数据,确定自车中心线;
若确定车道线数据中有两条车道线,则根据两条车道线对应的车道线数据的平均值,确定自车中心线。
自车中心线确定单元420,具体用于根据自车中心线、预设的车道宽度、车辆前方距离车辆的第一距离,确定与摄像头目标物数据对应的第一筛选条件,以及与雷达目标物数据对应的第二筛选条件。
目标车辆确定单元430,具体用于根据摄像头目标物数据与第一筛选条件,筛选并获取在车辆所在的车道上,行驶在车辆的前方的第四数据;
根据第四数据,确定在车辆所在的车道上,行驶在车辆的前方并距离车辆最近的目标车辆,以及目标车辆的第一数据。
图5为本公开一示例性实施例示出的车控设备的结构图。
如图5所示,本实施例提供的电子设备包括:
存储器501;
处理器502;以及
计算机程序;
其中,计算机程序存储在存储器501中,并配置为由处理器502执行以实现如上的任一种目标跟踪方法。
本实施例还提供一种车辆,包括车控设备。通过车控设备实现目标跟踪,进而控制车辆的行驶;其中,车控设备为上述车控设备。
本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行以实现如上的任一种目标跟踪方法。
本实施例还提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时,实现上述任一种目标跟踪方法。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (18)
1.一种目标跟踪方法,其特征在于,包括:
获取车辆上的摄像头采集的车道线数据以及摄像头目标物数据,并获取所述车辆上的雷达采集的雷达目标物数据;
根据所述车道线数据确定所述车辆的自车中心线;所述自车中心线用于表征所述车辆的行驶路线;并根据所述自车中心线确定与所述摄像头目标物数据对应的第一筛选条件,以及与所述雷达目标物数据对应的第二筛选条件;
根据所述摄像头目标物数据与所述第一筛选条件,筛选并获取在所述车辆所在的车道上,行驶在所述车辆的前方并距离所述车辆最近的目标车辆,以及所述目标车辆的第一数据;
根据所述雷达目标物数据与所述第二筛选条件,筛选并获取在所述车辆所在的车道上,行驶在所述车辆的前方的雷达目标物,以及所述雷达目标物的第二数据;
根据所述第一数据,以及所述第二数据,以跟踪获取所述目标车辆的目标数据。
2.根据权利要求1所述的方法,其特征在于,所述第一数据包括第一纵向距离、第一横向距离、第一纵向速度;所述第二数据包括第二纵向距离、第二横向距离、第二纵向速度;
则所述根据所述第一数据,以及所述第二数据,以跟踪获取所述目标车辆的目标数据,包括:
根据所述第一数据的前一帧数据中的纵向距离,确定第一预测纵向距离;并确定所述第一纵向距离与所述第一预测纵向距离的第一差值;
若确定所述第一差值满足第一预设条件,则根据所述第一数据的前一帧数据,确定第一预测数据;并确定所述第一预测数据与所述第二数据的第二差值;
若确定所述第二差值满足第二预设条件,则确定所述第一纵向距离与所述第二纵向距离的第三差值;
若确定所述第三差值满足第三预设条件,则根据所述第二数据,确定在所述车辆所在的车道上,行驶在所述车辆的前方并距离所述车辆最近的雷达目标物的第三数据;
根据所述第三数据的前一帧数据,确定第二预测数据;并确定所述第三数据与所述第二预测数据的第四差值;
若确定所述第四差值满足第四预设条件,则将所述第三数据确定为所述目标车辆的目标数据。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一数据的前一帧数据中的纵向距离,确定第一预测纵向距离,包括:
根据所述第一数据的前一帧数据中的纵向距离、纵向速度,以及所述摄像头采集数据的第一间隔时间,确定所述第一预测纵向距离。
4.根据权利要求3所述的方法,其特征在于,所述若确定所述第一差值满足第一预设条件,则根据所述第一数据的前一帧数据,确定第一预测数据;并确定所述第一预测数据与所述第二数据的第二差值,包括:
若确定所述第一差值的绝对值小于或者等于第一预设阈值,则第一确认次数加1,直至所述第一确认次数达到第十一预设阈值,且第一丢失次数减1,直至所述第一丢失次数达到0;若确定所述第一差值的绝对值大于所述第一预设阈值,则所述第一确认次数减1,直至所述第一确认次数达到0,且所述第一丢失次数加1,直至所述第一丢失次数达到第十二预设阈值;
若确定所述第一确认次数大于第十三预设阈值,且所述第一丢失次数小于所述第十二预设阈值,则将所述第一数据的前一帧数据中的横向距离确定为第一预测横向距离;将所述第一数据的前一帧中的纵向速度确定为第一预测纵向速度;
根据所述第一预测纵向距离,以及所述第一纵向距离,确定所述第一预测纵向距离与所述第一纵向距离的第五差值;
根据所述第一预测横向距离,以及所述第一横向距离,确定所述第一预测横向距离与所述第一横向距离的第六差值;
根据所述第一预测纵向速度,以及所述第一纵向速度,确定所述第一预测纵向速度与所述第一纵向速度的第七差值;
根据所述第五差值,所述第六差值,以及所述第七差值,确定所述第二差值。
5.根据权利要求4所述的方法,其特征在于,还包括:
若确定所述第一丢失次数达到所述第十二预设阈值,则清除所述目标车辆的数据,并将所述第一确认次数置0,将所述第一丢失次数置0;
若确定所述目标车辆丢失,且所述第一确认次数大于所述第十三预设阈值,且所述第一丢失次数小于所述第十二预设阈值,则将所述第一预测数据确定为所述第一数据;
若确定所述目标车辆丢失,且所述第一确认次数小于或者等于所述第十三预设阈值,则清除所述目标车辆的数据,并将所述第一确认次数置0,将所述第一丢失次数置0。
6.根据权利要求4所述的方法,其特征在于,所述若确定所述第二差值满足第二预设条件,则确定所述第一纵向距离与所述第二纵向距离的第三差值,包括:
若确定所述第二差值小于或者等于第二预设阈值,且所述第五差值的绝对值小于或者等于第三预设阈值,且所述第六差值的绝对值小于或者等于第四预设阈值,且所述第七差值的绝对值小于或者等于第五预设阈值,则第二确认次数加1,直至所述第二确认次数达到所述第十一预设阈值,且第二丢失次数减1,直至所述第二丢失次数达到0;若确定所述第二差值大于所述第二预设阈值,或者所述第五差值的绝对值大于所述第三预设阈值,或者所述第六差值的绝对值大于所述第四预设阈值,或者所述第七差值的绝对值大于所述第五预设阈值,则所述第二确认次数减1,直至所述第二确认次数达到0,且所述第二丢失次数加1,直至所述第二丢失次数达到所述第十二预设阈值;
若确定所述第二确认次数大于所述第十三预设阈值且所述第二丢失次数小于所述第十二预设阈值,则确定所述第一纵向距离与所述第二纵向距离的第三差值。
7.根据权利要求6所述的方法,其特征在于,还包括:
若确定所述第二丢失次数达到所述第十二预设阈值,则清除与所述第二数据对应的雷达目标物的数据,并将所述第二确认次数置0,将所述第二丢失次数置0;
若确定所述第二数据对应的雷达目标物丢失,且所述第二确认次数大于所述第十三预设阈值,且所述第二丢失次数小于所述第十二预设阈值,则根据所述第二数据的前一帧数据确定第三预测数据,并将所述第三预测数据确定为所述第二数据;
若确定所述第二数据对应的雷达目标物丢失,且所述第二确认次数小于或者等于所述第十三预设阈值,则清除所述第二数据对应的雷达目标物的数据,并将所述第二确认次数置0,将所述第二丢失次数置0。
8.根据权利要求2所述的方法,其特征在于,所述若确定所述第三差值满足第三预设条件,则根据所述第二数据,确定所述车辆的行驶方向前方在所述车辆的车道中距离所述车辆最近的雷达目标物的第三数据,包括:
若确定所述第三差值的绝对值小于或者等于第六预设阈值,且所述第二纵向距离大于0.1,且所述第一纵向距离小于1000;则第三确认次数加1,直至所述第三确认次数达到第十一预设阈值,且第三丢失次数减1,直至所述第三丢失次数达到0;否则,所述第三确认次数减1,直至所述第三确认次数达到0,且所述第三丢失次数加1,直至所述第三丢失次数达到第十二预设阈值;
若确定所述第三确认次数大于第十三预设阈值且所述第三丢失次数小于所述第十二预设阈值,则根据所述第二数据,确定所述车辆的行驶方向前方在所述车辆的车道中距离所述车辆最近的雷达目标物的第三数据。
9.根据权利要求8所述的方法,其特征在于,还包括:
若确定所述第三丢失次数达到所述第十二预设阈值,则清除与所述第二数据对应的雷达目标物的数据,并将所述第三确认次数置0,将所述第三丢失次数置0;
若确定所述第二数据对应的雷达目标物丢失,且所述第三确认次数大于所述第十三预设阈值,且所述第三丢失次数小于所述第十二预设阈值,则根据所述第二数据的前一帧数据确定第三预测数据,并将所述第三预测数据确定为所述第二数据;
若确定所述第二数据对应的雷达目标物丢失,且所述第三确认次数小于或者等于所述第十三预设阈值,则清除第二数据对应的雷达目标物的数据,并将所述第三确认次数置0,将所述第三丢失次数置0。
10.根据权利要求2所述的方法,其特征在于,所述第三数据包括第三纵向距离、第三纵向速度、第三横向距离;
所述根据所述第三数据的前一帧数据,确定第二预测数据;并确定所述第三数据与所述第二预测数据的第四差值,包括:
根据所述第三数据的前一帧数据中的纵向距离、纵向速度,以及所述雷达采集数据的第二间隔时间,确定第二预测纵向距离;并将所述第三数据的前一帧数据中的横向距离确定为第二预测横向距离;将所述第三数据的前一帧数据的纵向速度确定为第二预测纵向速度;
根据所述第二预测纵向距离,以及所述第三纵向距离,确定所述第二预测纵向距离与所述第三纵向距离的第八差值;
根据所述第二预测横向距离,以及所述第三横向距离,确定所述第二预测横向距离与所述第三横向距离的第九差值;
根据所述第二预测纵向速度,以及所述第三纵向速度,确定所述第二预测纵向速度与所述第三纵向速度的第十差值;
根据所述第八差值,所述第九差值,以及所述第十差值,确定所述第四差值。
11.根据权利要求10所述的方法,其特征在于,所述若确定所述第四差值满足第四预设条件,则将所述第三数据确定为所述目标车辆的目标数据,包括:
若确定所述第四差值小于或者等于第七预设阈值,且所述第八差值的绝对值小于或者等于第八预设阈值,且所述第九差值的绝对值小于或者等于第九预设阈值,且所述第十差值的绝对值小于或者等于第十预设阈值,则第四确认次数加1,直至所述第四确认次数达到第十一预设阈值,且第四丢失次数减1,直至所述第四丢失次数达到0;若确定所述第四差值大于所述第七预设阈值,或者所述第八差值的绝对值大于所述第八预设阈值,或者所述第九差值的绝对值大于所述第九预设阈值,或者所述第十差值的绝对值大于所述第十预设阈值,则所述第四确认次数置1,且所述第四丢失次数置0;
若确定所述第四确认次数大于第十三预设阈值且所述第四丢失次数小于第十二预设阈值,则将所述第三数据确定为所述目标车辆的目标数据。
12.根据权利要求11所述的方法,其特征在于,还包括:
若确定所述第四丢失次数达到所述第十二预设阈值,则清除与所述第三数据对应的雷达目标物的数据,并将所述第四确认次数置0,将所述第四丢失次数置0;
若确定所述第三数据对应的雷达目标物丢失,且所述第四确认次数大于所述第十三预设阈值,且所述第四丢失次数小于所述第十二预设阈值,则将所述第二预测数据确定为所述第三数据;
若确定所述第二数据对应的雷达目标物丢失,且所述第四确认次数小于或者等于所述第十三预设阈值,则清除第三数据对应的雷达目标物的数据,并将所述第四确认次数置0,将所述第四丢失次数置0。
13.根据权利要求1-12任一项所述的方法,其特征在于,所述根据所述自车中心线确定与所述摄像头目标物数据对应的第一筛选条件,以及与所述雷达目标物数据对应的第二筛选条件,包括:
根据所述自车中心线、预设的车道宽度、所述车辆前方距离所述车辆的第一距离,确定与所述摄像头目标物数据对应的第一筛选条件,以及与所述雷达目标物数据对应的第二筛选条件。
14.根据权利要求1-12任一项所述的方法,其特征在于,所述根据所述摄像头目标物数据与所述第一筛选条件,筛选并获取在所述车辆所在的车道上,行驶在所述车辆的前方并距离所述车辆最近的目标车辆,以及所述目标车辆的第一数据,包括:
根据所述摄像头目标物数据与所述第一筛选条件,筛选并获取在所述车辆所在的车道上,行驶在所述车辆的前方的第四数据;
根据所述第四数据,确定在所述车辆所在的车道上,行驶在所述车辆的前方并距离所述车辆最近的目标车辆,以及所述目标车辆的第一数据。
15.一种目标跟踪装置,其特征在于,包括:
获取单元,用于获取车辆上的摄像头采集的车道线数据以及摄像头目标物数据,并获取所述车辆上的雷达采集的雷达目标物数据;
自车中心线确定单元,用于根据所述车道线数据确定所述车辆的自车中心线;所述自车中心线用于表征所述车辆的行驶路线;并根据所述自车中心线确定与所述摄像头目标物数据对应的第一筛选条件,以及与所述雷达目标物数据对应的第二筛选条件;
目标车辆确定单元,用于根据所述摄像头目标物数据与所述第一筛选条件,筛选并获取在所述车辆所在的车道上,行驶在所述车辆的前方并距离所述车辆最近的目标车辆,以及所述目标车辆的第一数据;
第二数据确定单元,用于根据所述雷达目标物数据与所述第二筛选条件,筛选并获取在所述车辆所在的车道上,行驶在所述车辆的前方的雷达目标物,以及所述雷达目标物的第二数据;
目标数据确定单元,用于根据所述第一数据,以及所述第二数据,以跟踪获取所述目标车辆的目标数据。
16.一种车控设备,其特征在于,包括存储器和处理器;其中,
所述存储器,用于存储计算机程序;
所述处理器,用于读取所述存储器存储的计算机程序,并根据所述存储器中的计算机程序执行上述权利要求1-14任一项所述的方法。
17.一种车辆,其特征在于,包括车控设备;
通过车控设备实现目标跟踪,进而控制车辆的行驶;其中,所述车控设备为权利要求16中所述的车控设备。
18.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现上述权利要求1-14任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211553065.XA CN115661797B (zh) | 2022-12-06 | 2022-12-06 | 目标跟踪方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211553065.XA CN115661797B (zh) | 2022-12-06 | 2022-12-06 | 目标跟踪方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115661797A true CN115661797A (zh) | 2023-01-31 |
CN115661797B CN115661797B (zh) | 2023-05-09 |
Family
ID=85017072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211553065.XA Active CN115661797B (zh) | 2022-12-06 | 2022-12-06 | 目标跟踪方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115661797B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106054174A (zh) * | 2015-04-06 | 2016-10-26 | 通用汽车环球科技运作有限责任公司 | 使用雷达和摄像机用于横越交通应用的融合方法 |
CN110949395A (zh) * | 2019-11-15 | 2020-04-03 | 江苏大学 | 一种基于多传感器融合的弯道acc目标车辆识别方法 |
US20200394424A1 (en) * | 2019-06-14 | 2020-12-17 | Mando Corporation | Vehicle control system, sensing device and sensing data processing method |
CN113147747A (zh) * | 2020-01-06 | 2021-07-23 | 株式会社万都 | 用于辅助车辆驾驶的设备及其方法 |
CN114537388A (zh) * | 2022-02-23 | 2022-05-27 | 华域汽车系统股份有限公司 | 基于摄像头和雷达融合的商用车adas系统 |
CN114608556A (zh) * | 2022-03-01 | 2022-06-10 | 浙江吉利控股集团有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN114643988A (zh) * | 2022-05-20 | 2022-06-21 | 杭州宏景智驾科技有限公司 | 跟踪目标确定方法和装置、电子设备和存储介质 |
CN115223131A (zh) * | 2021-11-09 | 2022-10-21 | 广州汽车集团股份有限公司 | 一种自适应巡航的跟随目标车辆检测方法、装置及汽车 |
-
2022
- 2022-12-06 CN CN202211553065.XA patent/CN115661797B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106054174A (zh) * | 2015-04-06 | 2016-10-26 | 通用汽车环球科技运作有限责任公司 | 使用雷达和摄像机用于横越交通应用的融合方法 |
US20200394424A1 (en) * | 2019-06-14 | 2020-12-17 | Mando Corporation | Vehicle control system, sensing device and sensing data processing method |
CN110949395A (zh) * | 2019-11-15 | 2020-04-03 | 江苏大学 | 一种基于多传感器融合的弯道acc目标车辆识别方法 |
CN113147747A (zh) * | 2020-01-06 | 2021-07-23 | 株式会社万都 | 用于辅助车辆驾驶的设备及其方法 |
CN115223131A (zh) * | 2021-11-09 | 2022-10-21 | 广州汽车集团股份有限公司 | 一种自适应巡航的跟随目标车辆检测方法、装置及汽车 |
CN114537388A (zh) * | 2022-02-23 | 2022-05-27 | 华域汽车系统股份有限公司 | 基于摄像头和雷达融合的商用车adas系统 |
CN114608556A (zh) * | 2022-03-01 | 2022-06-10 | 浙江吉利控股集团有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN114643988A (zh) * | 2022-05-20 | 2022-06-21 | 杭州宏景智驾科技有限公司 | 跟踪目标确定方法和装置、电子设备和存储介质 |
Non-Patent Citations (3)
Title |
---|
刘志峰;王建强;李克强;: "具有鲁棒特性的车载雷达有效目标确定方法" * |
杨鑫;刘威;林辉;: "面向高级辅助驾驶雷达和视觉传感器信息融合算法的研究" * |
郭磊;王建强;李克强;: "存在车辆干扰的车道线识别" * |
Also Published As
Publication number | Publication date |
---|---|
CN115661797B (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109649384B (zh) | 一种泊车辅助方法 | |
CN109634282B (zh) | 自动驾驶车辆、方法和装置 | |
CN111516673B (zh) | 基于智能摄像头和高精地图定位的车道线融合系统及方法 | |
CN110194162B (zh) | 用于基于可用空间信号来检测靠近切入车辆的系统和方法 | |
CN113297881B (zh) | 一种目标检测方法及相关装置 | |
CN110632617A (zh) | 一种激光雷达点云数据处理的方法及装置 | |
JP2008117073A (ja) | 割り込み車両検出装置 | |
CN114296095A (zh) | 自动驾驶车辆的有效目标提取方法、装置、车辆及介质 | |
CN111959515B (zh) | 一种基于视觉检测的前向目标选择方法、装置及系统 | |
CN115993597A (zh) | 一种视觉雷达感知融合方法及终端设备 | |
CN118025155A (zh) | 一种跟车目标确定方法、设备、车辆及程序产品 | |
CN111696386A (zh) | 一种基于车道线的辅助预警系统、方法和介质 | |
CN115661797B (zh) | 目标跟踪方法、装置及设备 | |
CN109885943B (zh) | 行车决策的预测方法、装置、存储介质和终端设备 | |
JP5682302B2 (ja) | 走行道路推定装置、方法およびプログラム | |
CN113204026B (zh) | 一种后毫米波雷达盲区检测性能提升方法 | |
US20220324463A1 (en) | Sensor abnormality estimation device | |
CN113879312B (zh) | 基于多传感器融合的前向目标选择方法、装置和存储介质 | |
CN108701223B (zh) | 用于估算车辆的驾驶员的注意力等级的装置和方法 | |
CN114084133B (zh) | 一种跟车目标的确定方法及相关装置 | |
CN112990117B (zh) | 基于智能驾驶系统的安装数据处理方法及装置 | |
JP2020020690A (ja) | 自車位置推定装置 | |
CN113386773A (zh) | 视觉识别可靠度的判断方法及设备 | |
US11816903B2 (en) | Method for determining a type of parking space | |
CN115675472B (zh) | 一种匝道口的确定方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |