CN115792891A - 基于多毫米波雷达与激光雷达融合的目标航迹跟踪方法 - Google Patents
基于多毫米波雷达与激光雷达融合的目标航迹跟踪方法 Download PDFInfo
- Publication number
- CN115792891A CN115792891A CN202111057925.6A CN202111057925A CN115792891A CN 115792891 A CN115792891 A CN 115792891A CN 202111057925 A CN202111057925 A CN 202111057925A CN 115792891 A CN115792891 A CN 115792891A
- Authority
- CN
- China
- Prior art keywords
- target
- millimeter wave
- track
- information
- laser radar
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000004927 fusion Effects 0.000 title claims abstract description 36
- 238000001514 detection method Methods 0.000 claims abstract description 128
- 238000005070 sampling Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 26
- 230000001133 acceleration Effects 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 8
- 238000005065 mining Methods 0.000 abstract description 9
- 230000000007 visual effect Effects 0.000 abstract description 5
- 239000000428 dust Substances 0.000 description 7
- 230000008447 perception Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种基于多毫米波雷达与激光雷达融合的目标航迹跟踪方法，属于智能矿区，解决了现有技术中不能满足矿区宽体矿卡广阔视角需求，且障碍物感知稳定性和准确性差的问题。该方法包括：分别通过矿卡上的多毫米波雷达和激光雷达进行初始目标集检测，将所述初始目标集检测信息融合创建第一航迹集，并获取初始目标速度；分别根据多毫米波雷达和激光雷达的采样间隔，根据所述初始目标速度和第一航迹集，得到预测航迹集；当所述多毫米波雷达和/或激光雷达返回目标检测信息集后，与所述预测航迹集进行融合匹配；根据所述融合匹配结果，进行第一航迹集的更新。实现了应用在宽体矿卡上的目标航迹跟踪。
Description
技术领域
本发明涉及智能矿区技术领域，尤其涉及一种基于多毫米波雷达与激光雷达融合的目标航迹跟踪方法。
背景技术
无人驾驶矿车是智能矿区的重要发展方向，矿区宽体矿卡的无人驾驶系统感知模块需要对矿区周围障碍物进行检测，为实现遇障停车，障碍物绕行等操作提供必要信息。无人驾驶感知系统传感器通常采用激光雷达、毫米波雷达、光学摄像头等传感器，一些场景还会用到超声波雷达。
相较于城市路况，矿区道路环境更为恶略，矿车运行时激光雷达会受到环境大量扬尘的干扰，激光雷达在雨雾、灰尘条件下工作时，会对空气中的雨雾、灰尘颗粒产生回波，造成障碍物误警；且道路条件较差，毫米波雷达在颠簸状态下容易产生误警和漏检，导致传感器自身检测准确度降低；而宽体矿卡横向宽度较大，单个毫米波雷达视角不能满足广阔视角的需求，因此，无法满足矿区宽体矿卡广阔的视场需求。
因此现有技术中缺少一种能更大范围的障碍物感知且能有效保障障碍物感知稳定性和准确性的基于多毫米波雷达与激光雷达融合的目标航迹跟踪方法。
发明内容
鉴于上述的分析，本发明实施例旨在提供一种基于多毫米波雷达与激光雷达融合的目标航迹跟踪方法，用以解决现有不能满足矿区宽体矿卡广阔视角需求，且障碍物感知稳定性和准确性差的问题。
一方面，本发明实施例提供了一种基于多毫米波雷达与激光雷达融合的目标航迹跟踪方法，包括：
分别通过矿卡上的多毫米波雷达和激光雷达进行初始目标集检测，将所述初始目标集检测信息融合创建第一航迹集，并获取初始目标速度；
分别根据多毫米波雷达和激光雷达的采样间隔，根据所述初始目标速度和第一航迹集，得到预测航迹集；
当所述多毫米波雷达和/或激光雷达返回目标检测信息集后，与所述预测航迹集进行融合匹配；根据所述融合匹配结果，进行第一航迹集的更新。
进一步地，所述多毫米波雷达，包括至少两个毫米波雷达，多个毫米波雷达通过工装夹具，按一定角度固定在所述矿卡的前保险杠处；
所述激光雷达安装于所述矿卡驾驶舱顶部高处区域。
进一步地，所述第一航迹集的更新，包括：
若所述目标检测信息集中存在与所述预测航迹集中航迹匹配成功的目标检测信息，则将匹配成功的所述目标检测信息更新至第一航迹集中对应的航迹上；
若所述预测航迹集中所有航迹与所述目标检测信息集中某一目标检测信息均不相匹配，则先创建该目标对应航迹和该目标检测帧数，再次检测到该目标且未匹配成功时，所述检测帧数加1，直至所述检测帧数到达设定阈值，发布该目标对应航迹；
当所述目标检测信息集中任一目标检测信息均未与所述预测航迹集中某一航迹相匹配，且该航迹连续检测未匹配成功的次数大于设定丢失次数阈值时，删除所述该航迹。
进一步地，所述预测航迹集包括：预测航迹多毫米波id元组、预测航迹多毫米波位置信息、预测航迹多毫米波速度信息、预测航迹激光雷达的位置信息、预测航迹激光雷达的速度信息、预测航迹点云数量和点预测航迹云包围框大小；
当所述多毫米波雷达和/或激光雷达返回多个目标检测信息集后，与所述预测航迹集进行融合匹配，包括：
先进行多毫米波雷达同源匹配或激光雷达同源匹配；
再进行多毫米波雷达与激光雷达之间的异源匹配。
进一步地，所述多毫米波雷达同源匹配，包括：多毫米波雷达检测目标信息id元组和所述预测航迹多毫米波id元组的匹配，当所述预测航迹多毫米波id元组中存在任意一个与检测目标信息中id元组相匹配的id，即匹配成功。
进一步地，所述激光雷达同源匹配，包括：激光雷达检测目标信息激光雷达的位置信息、速度信息、点云数量和点云包围框大小信息，与所述预测航迹中对应的位置信息、速度信息、点云数量和点云包围框大小信息的距离结果进行加权平均，得到预测航迹和激光雷达检测目标信息的第一相似度矩阵，以所述第一相似度矩阵作为KM算法的第一输入，得出是否匹配的结果。
进一步地，所述多毫米波雷达与激光雷达之间的异源匹配，包括：
激光雷达/多毫米波检测目标信息中的位置信息和速度信息与所述预测航迹多毫米波/激光雷达位置信息和速度信息对应数据距离结果进行加权平均，得到预测航迹和激光雷达/多毫米波检测目标信息的第二相似度矩阵，以所述第二相似度矩阵作为KM算法的第二输入，得出是否匹配的结果。
进一步地，航迹信息中，包括目标位置信息、速度信息和加速度信息；
所述更新第一航迹集中航迹，通过多毫米波雷达与激光雷达返回的目标检测信息集中目标检测信息直接更新位置信息，通过卡尔曼滤波方式更新速度信息和加速度信息。
进一步地，所述id元组，包括左、中、右三个毫米波雷达id，当缺少某一位置毫米波雷达的检测信息时，将该位置id置为None；所述id元组，表达为：
(id左，id中，id右)
其中，id左为左侧毫米波雷达检测目标id信息，id中为中间毫米波雷达检测目标id信息，id右为右侧毫米波雷达检测目标id信息。
进一步地，在所述初始目标检测前，还包括：
对多个毫米波雷达进行标定，通过旋转矩阵将左右两侧的毫米波雷达检测到的数据，按所述工装夹具的位置关系投影到多个毫米波雷的中间位置上，用于获取以中间毫米波为第一原点的XY水平面的目标位置信息；
激光雷达基于Kd-Tree的欧式聚类对得到的目标点云进行聚类，得到激光雷达为第二原点的车体坐标下目标点云的长、宽、高和质心位置信息；
将处理好的毫米波检测目标位置信息投影到激光雷达车体坐标下。
与现有技术相比，本发明至少可实现如下有益效果之一：
1、采用多毫米波雷达与激光雷达融合可以增大环境感知的视角，以更好满足宽体卡车的对感知视野的需求；
2、本申请通过基于生命周期的障碍物目标航迹管理，匹配融合同源和异源传感器，可以降低单一传感器自身缺陷造成的影响，提升感知模块整体检测准确率，提供稳定的障碍物检测；
3、使用多毫米波产生的id元组进行匹配可以减少单个毫米波雷达跟丢目标造成的影响，能有效避免因震动导致的毫米波雷达自身漏检，提升目标跟踪的稳定性；
4、本申请中激光雷达匹配策略可以提高激光雷达匹配的鲁棒性，有效避免扬尘对环境感知的影响而错误得过滤掉激光雷达目标的有效跟踪。
本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
图1为本申请一个实施例所示的基于多毫米波雷达与激光雷达融合的目标航迹跟踪方法流程图；
图2为本申请一个实施例所示的车载多毫米波雷达和激光雷达布局示意图；
图3为本申请一个实施例所示的2个毫米波雷达在工装夹具上固定方式示意图；
图4为本申请一个实施例所示的3个毫米波雷达在工装夹具上固定方式示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
如图1所示，本发明的一个具体实施例，公开了一种基于多毫米波雷达与激光雷达融合的目标航迹跟踪方法，包括：
S10、分别通过矿卡上的多毫米波雷达和激光雷达进行初始目标集检测，将所述初始目标集检测信息融合创建第一航迹集，并获取初始目标速度。
第一航迹集中包括多条航迹，每条航迹为初始目标集检测信息中的某一初始目标相对矿卡的航迹；例如，第一航迹集中有十条航迹，与初始目标集中十个初始目标检测信息对应。
具体地，在所述初始目标集检测前，需先进行多毫米波雷达和激光雷达布局和标定等准备工作：
具体地，如图2所示，本实施例采用1个激光雷达和多个毫米波雷达，激光雷达安装在矿卡驾驶舱顶部高处区域，利于探测到更远的距离；所述多毫米波雷达，包括至少两个毫米波雷达，按照一定角度固定在矿卡前保险杠处的工装夹具上，多毫米波雷达和激光雷传感器共同探测宽体矿卡前方的障碍物。可选地，如图3和图4所示，多个毫米波雷达可以为2个毫米波雷达或3个毫米波雷达。
具体地，多毫米波雷达和激光雷达的标定是对不同特性和不同观测范围的传感器，准确计算其相对位置关系的过程，即本实施例的标定过程分为同源传感器标定和非同源传感器标定：
同源传感器标定对多个位于矿车保险杠前方的毫米波雷达进行标定，由于毫米波雷达的检测数据为水XY平面的二维数据，以中间位置为坐标原点，针对2个毫米波雷达，通过旋转矩阵将左右两侧的毫米波雷达检测到的数据，按照工装夹具的位置关系投影到多个毫米波雷的中间位置；用于获取以中间毫米波为第一原点的XY水平面的目标位置信息；针对3个毫米波雷达，通过旋转矩阵将左右两侧的毫米波数据按照工装夹具的位置关系投影到中间位置的毫米波雷达坐标上，通过标定得到多毫米波雷达准确的位置关系。
毫米波雷达以CAN帧的格式返回目标检测数据，通过解析CAN口收到的CAN帧得到毫米波的检测结果，包括目标的XY平面上的位置、速度以及目标id等目标状态信息；根据标定好的位置关系，首先将三个毫米波雷达的目标投影到中间毫米波雷达的坐标下，将该目标下所有检测的目标id组成一个包含左、中、右三个毫米波雷达检测目标id的id元组(id左，id中，id右)，当该目标簇中缺少某一位置毫米波雷达的检测时，将该位置id置为None；使用欧式聚类对三个毫米波检测到的目标进行聚类，对于聚为同一类的目标，使用时间戳最新的检测位置作为毫米波雷达目标的位置；使用该目标的所有检测速度的均值作为毫米波雷达目标的速度；最终获取多毫米波雷达目标检测的位置、速度以及目标id元组信息。
非同源传感器的标定为多毫米波雷达中间位置与车顶激光雷达的相对位置标定，以车顶的激光雷达作为感知系统的车体坐标原点。由于多毫米波雷达的数据XY平面的二维数据，需将激光雷达得到的物体点云质心坐标投影到XY平面，根据手工测量的多毫米波雷达中间位置与车顶激光雷达的相对位置，将处理好的多毫米波雷达检测到的目标信息投影到激光雷达的车体坐标下，通过标定得到精确的位置关系。
激光雷达数据以点云的形式通过以太网口得到，使用体素化网格实现点云下采样，利用高度信息过滤掉地面点云，并使用基于Kd-Tree的欧式聚类的方法对点云进行聚类，过滤掉噪点，得到有效的物体点云坐标，通过计算点云的包络，得到以激光雷达为第二原点的车体坐标下的长、宽、高、质心等信息，并通过管理激光雷达目标航迹计算出目标速度，得到处理好的目标的位置和速度信息。
具体地，将处理好的毫米波检测目标位置投影到激光雷达车体坐标下。
具体地，布局和标定完成后，多毫米波雷达和激光雷达开始进行初始目标集的检测，将所述初始目标集检测信息中同一目标不同时刻的多毫米波雷达和激光雷达检测信息融合创建第一航迹集，航迹信息中包括目标位置信息、速度信息和加速度信息。
S20、分别根据多毫米波雷达和激光雷达的采样间隔，根据所述初始目标速度和第一航迹集，得到预测航迹集；
具体地，根据获取的目标位置信息、速度信息、加速度信息和多毫米波雷达与激光雷达的采样时间，预测下一多毫米波雷达或激光雷达采样时刻的预测航迹集，所述预测航迹集包括：预测航迹多毫米波id元组、预测航迹多毫米波位置信息、预测航迹多毫米波速度信息、预测航迹激光雷达的位置信息、预测航迹激光雷达的速度信息、预测航迹点云数量和点预测航迹云包围框大小。
S30、当所述多毫米波雷达和/或激光雷达返回目标检测信息集后，与所述预测航迹集进行融合匹配；根据所述融合匹配结果，进行第一航迹集的更新。
当宽体矿卡在矿区行驶时，实时利用多毫米波雷达和激光雷达进行目标检测，多毫米波雷达和/或激光雷达返回目标检测信息集代表该时刻矿卡前方所有目标检测信息的集合；目标检测信息集中检测目标数量与初始目标集中目标数量可相同，也可不同；逐一检测目标检测信息集中信息与预测航迹的匹配情况，确定当前时刻目标是否与上一时刻目标相同，有无增加或减少。
当所述多毫米波雷达和/或激光雷达返回多个目标检测信息集后，与所述预测航迹集进行融合匹配，包括：先进行多毫米波雷达同源匹配或激光雷达同源匹配，匹配成功则进行第一航迹集的更新；未匹配成功则再进行多毫米波雷达与激光雷达之间的异源匹配，异源匹配成功后进行第一航迹集的更新；异源匹配未匹配成功，则在考虑航迹的新增或删除。
具体地，所述更新第一航迹集中航迹，通过多毫米波雷达与激光雷达返回的目标检测信息集中目标检测信息直接更新位置信息，通过卡尔曼滤波方式更新速度信息和加速度信息。
更具体地，在第一航迹集更新时，考虑到激光雷达无法得到准确的速度和加速度，且使用错误的加速度和速度滤波会影响到目标的位置精度，所以本实施例中将更新目标检测信息中各目标状态解耦，分别更新目标状态中的速度、加速度和位置信息。
为了使目标的位置信息可以立即反映雷达传感器检测的位置，采取直接更新的策略更新位置；
对于加速度和速度，则使用单一状态的卡尔曼滤波进行更新，即单独更新加速度信息和单独更新速度信息，卡尔曼滤波分为预测和更新两个步骤：
航迹状态预测：
其中，
为当前时刻目标状态的预测值；H为目标状态转移矩阵；xk-1为上一时刻的目标状态估计值；
为当前时刻预测的协方差矩阵；Pk-1为上一时刻预测的系统协方差矩阵，Qk为系统噪声；
航迹状态更新：
其中，xk为卡尔曼滤波更新后的最优目标状态值，Kk为当前的时刻的卡尔曼增益；
为当前时刻预测的协方差矩阵；H为目标状态转移矩阵，对于单状态滤波H是单位矩阵；R为观测噪声，zk为多毫米波雷达或激光雷达返回的目标检测信息中加速度或速度信息；
为当前时刻目标状态的预测值；Pk为预测的当前系统协方差矩阵；I为单位矩阵；
为当前时刻预测的协方差矩阵。
具体地，以xk为卡尔曼滤波更新后的最优目标状态值。
更具体地，因为毫米波传感器本身可以根据目标返回波形对目标进行跟踪，匹配准确度，故优先对毫米波雷达同源匹配，更具体地，通过毫米波的跟踪id元组进行匹配，多毫米波雷达同源匹配，包括：多毫米波雷达检测目标信息id元组和所述预测航迹多毫米波id元组的匹配，当所述预测航迹多毫米波id元组中存在任意一个与检测目标信息中id元组相匹配的id，即匹配成功。匹配成功后，则认为追踪的目标仍按原有航迹运动，因此需要将目标检测信息集中目标检测信息更新第一航迹集中对应的航迹上；未匹配成功，则与激光雷达进行异源匹配，通过与激光雷达的异源匹配再次确认初始目标是否按原有航迹运动。
相较于单个毫米波雷达的id匹配，使用多毫米波雷达的id元组匹配能够有效解决毫米波雷达跟丢问题，提升跟踪匹配的准确度；对于未匹配到的目标，采用非同源传感器的匹配方法进行匹配。
所述激光雷达同源匹配，包括：激光雷达检测目标信息激光雷达的位置信息、速度信息、点云数量和点云包围框大小信息，与所述预测航迹中对应的位置信息、速度信息、点云数量和点云包围框大小信息的距离结果进行加权平均，得到预测航迹和激光雷达检测目标信息的第一相似度矩阵，以所述第一相似度矩阵作为KM算法的第一输入，得出是否匹配的结果。匹配成功后，则认为追踪的初始目标仍按原有航迹运动，因此需要将目标检测信息集中目标检测信息更新第一航迹集中对应的航迹上；未匹配成功，则与多毫米波雷达进行异源匹配，通过与毫米波雷达的异源匹配再次确认初始目标是否按原有航迹运动。
对于非同源传感器，根据预测航迹状态中目标检测帧当前时刻状态，采用基于距离和速度差计算相似度矩阵，利用KM算法匹配算法进行二分图的最优匹配，具体地，所述多毫米波雷达与激光雷达之间的异源匹配，包括：
激光雷达/多毫米波检测目标信息中的位置信息和速度信息与所述预测航迹多毫米波/激光雷达位置信息和速度信息对应数据距离结果进行加权平均，得到预测航迹和激光雷达/多毫米波检测目标信息的第二相似度矩阵，以所述第二相似度矩阵作为KM算法的第二输入，得出是否匹配的结果。
若异源匹配成功，认为追踪的初始目标仍按原有航迹运动，因此需要将目标检测信息集中目标检测信息更新第一航迹集中对应的航迹上；若异源匹配未成功，则确认是目标新增还是目标消失，目标新增则创建新航迹，目标消失则删除对应航迹。
通过基于生命周期的航迹管理匹配融合同源和异源传感器可以降低单一传感器自身缺陷造成的影响，提升感知模块整体检测准确率，提供稳定的障碍物检测。
具体地，所述第一航迹集的更新，包括：
(1)若所述目标检测信息集中目标检测信息与所述预测航迹集中航迹匹配成功，则认为追踪的初始目标仍按原有航迹运动，因此需要将目标检测信息集中目标检测信息更新第一航迹集中对应的航迹上，从而保证检测目标航迹的延续跟踪。
(2)若所述预测航迹集中任一航迹与所述目标检测信息集中某一目标检测信息均不相匹配，此时代表该目标为出现的新目标即第一目标，则需新增航迹，首先，创建该第一目标对应的航迹和该目标检测帧数，并且在后续融合匹配过程中再次检测到该目标且未匹配成功时，第一目标对应的航迹检测帧数加1，直至所述检测帧数到达设定阈值，发布第一目标对应航迹；
第一目标检测信息指当前时刻目标检测信息集中目标信息比上一时刻目标信息增加的第一目标的信息。
更具体地，基于生命周期法的航迹管理，对于没有匹配到预测航迹的检测目标，先创建新的航迹，但不立即发布航迹，设置针对此检测目标的检测帧数参数，后续每一次融合匹配过程中再次检测到该目标且未匹配成功时，检测帧数加1，当检测帧数达到检测帧数设定阈值时，发布该目标的航迹，可选地，检测帧数设定阈值为5。
通过设置检测帧数，在达到阈值时发布，可以有效防止在雨雾、灰尘条件下工作时，对空气中的雨雾、灰尘颗粒产生回波，造成障碍物误警。
(3)当所述目标检测信息集中没有任一目标检测信息与所述预测航迹集中某一航迹相匹配，此时代表没有目标与该航迹匹配，则认为该航迹检测的目标消失，不需要进行该航迹(即第一航迹)的跟踪，首先，创建该航迹对应的连续丢失次数，当连续检测该航迹未匹配成功的连续丢失次数大于设定丢失次数阈值时，删除所述该航迹。可选地，丢失次数设定阈值为10。
通过设置连续丢失次数，在达到阈值时删除，可以减少因传感器或外界环境原因造成的误检或漏检。
本实施例中通过，采用多毫米波雷达与激光雷达融合可以增大环境感知的视角，以更好满足宽体卡车的对感知视野的需求；同时通过基于生命周期的障碍物目标航迹管理，匹配融合同源和异源传感器，可以降低单一传感器自身缺陷造成的影响，提升感知模块整体检测准确率，提供稳定的障碍物检测；在航迹跟踪过程中使用多毫米波产生的id元组进行匹配可以减少单个毫米波雷达跟丢目标造成的影响，能有效避免因震动导致的毫米波雷达自身漏检，提升目标跟踪的稳定性；基于激光雷达的特性，激光雷达对应的匹配策略也可以提高激光雷达匹配的鲁棒性，有效避免扬尘对环境感知的影响而错误得过滤掉激光雷达目标的有效跟踪。
本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于多毫米波雷达与激光雷达融合的目标航迹跟踪方法，其特征在于，包括：
分别通过矿卡上的多毫米波雷达和激光雷达进行初始目标集检测，将所述初始目标集检测信息融合创建第一航迹集，并获取初始目标速度；
分别根据多毫米波雷达和激光雷达的采样间隔，根据所述初始目标速度和第一航迹集，得到预测航迹集；
当所述多毫米波雷达和/或激光雷达返回目标检测信息集后，与所述预测航迹集进行融合匹配；根据所述融合匹配结果，进行第一航迹集的更新。
2.根据权利要求1所述的基于多毫米波雷达与激光雷达融合的目标航迹跟踪方法，其特征在于，
所述多毫米波雷达，包括至少两个毫米波雷达，多个毫米波雷达通过工装夹具，按一定角度固定在所述矿卡的前保险杠处；
所述激光雷达安装于所述矿卡驾驶舱顶部高处区域。
3.根据权利要求1所述的基于多毫米波雷达与激光雷达融合的目标航迹跟踪方法，其特征在于，
所述第一航迹集的更新，包括：
若所述目标检测信息集中存在与所述预测航迹集中航迹匹配成功的目标检测信息，则将匹配成功的所述目标检测信息更新至第一航迹集中对应的航迹上；
若所述预测航迹集中所有航迹与所述目标检测信息集中某一目标检测信息均不相匹配，则先创建该目标对应航迹和该目标检测帧数，再次检测到该目标且未匹配成功时，所述检测帧数加1，直至所述检测帧数到达设定阈值，发布该目标对应航迹；
当所述目标检测信息集中任一目标检测信息均未与所述预测航迹集中某一航迹相匹配，且该航迹连续检测未匹配成功的次数大于设定丢失次数阈值时，删除所述该航迹。
4.根据权利要求3所述的基于多毫米波雷达与激光雷达融合的目标航迹跟踪方法，其特征在于，
所述预测航迹集包括：预测航迹多毫米波id元组、预测航迹多毫米波位置信息、预测航迹多毫米波速度信息、预测航迹激光雷达的位置信息、预测航迹激光雷达的速度信息、预测航迹点云数量和点预测航迹云包围框大小；
当所述多毫米波雷达和/或激光雷达返回多个目标检测信息集后，与所述预测航迹集进行融合匹配，包括：
先进行多毫米波雷达同源匹配或激光雷达同源匹配；
再进行多毫米波雷达与激光雷达之间的异源匹配。
5.根据权利要求4所述的基于多毫米波雷达与激光雷达融合的目标航迹跟踪方法，其特征在于，
所述多毫米波雷达同源匹配，包括：多毫米波雷达检测目标信息id元组和所述预测航迹多毫米波id元组的匹配，当所述预测航迹多毫米波id元组中存在任意一个与检测目标信息中id元组相匹配的id，即匹配成功。
6.根据权利要求4所述的基于多毫米波雷达与激光雷达融合的目标航迹跟踪方法，其特征在于，
所述激光雷达同源匹配，包括：激光雷达检测目标信息激光雷达的位置信息、速度信息、点云数量和点云包围框大小信息，与所述预测航迹中对应的位置信息、速度信息、点云数量和点云包围框大小信息的距离结果进行加权平均，得到预测航迹和激光雷达检测目标信息的第一相似度矩阵，以所述第一相似度矩阵作为KM算法的第一输入，得出是否匹配的结果。
7.根据权利要求4所述的基于多毫米波雷达与激光雷达融合的目标航迹跟踪方法，其特征在于，
所述多毫米波雷达与激光雷达之间的异源匹配，包括：
激光雷达/多毫米波检测目标信息中的位置信息和速度信息与所述预测航迹多毫米波/激光雷达位置信息和速度信息对应数据距离结果进行加权平均，得到预测航迹和激光雷达/多毫米波检测目标信息的第二相似度矩阵，以所述第二相似度矩阵作为KM算法的第二输入，得出是否匹配的结果。
8.根据权利要求3所述的基于多毫米波雷达与激光雷达融合的目标航迹跟踪方法，其特征在于，
航迹信息中，包括目标位置信息、速度信息和加速度信息；
所述更新第一航迹集中航迹，通过多毫米波雷达与激光雷达返回的目标检测信息集中目标检测信息直接更新位置信息，通过卡尔曼滤波方式更新速度信息和加速度信息。
9.根据权利要求5所述的基于多毫米波雷达与激光雷达融合的目标航迹跟踪方法，其特征在于，
所述id元组，包括左、中、右三个毫米波雷达id，当缺少某一位置毫米波雷达的检测信息时，将该位置id置为None；所述id元组，表达为：
(id左，id中，id右)
其中，id左为左侧毫米波雷达检测目标id信息，id中为中间毫米波雷达检测目标id信息，id右为右侧毫米波雷达检测目标id信息。
10.根据权利要求1所述的基于多毫米波雷达与激光雷达融合的目标航迹跟踪方法，其特征在于，
在所述初始目标检测前，还包括：
对多个毫米波雷达进行标定，通过旋转矩阵将左右两侧的毫米波雷达检测到的数据，按所述工装夹具的位置关系投影到多个毫米波雷的中间位置上，用于获取以中间毫米波为第一原点的XY水平面的目标位置信息；
激光雷达基于Kd-Tree的欧式聚类对得到的目标点云进行聚类，得到激光雷达为第二原点的车体坐标下目标点云的长、宽、高和质心位置信息；
将处理好的毫米波检测目标位置信息投影到激光雷达车体坐标下。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111057925.6A CN115792891A (zh) | 2021-09-09 | 2021-09-09 | 基于多毫米波雷达与激光雷达融合的目标航迹跟踪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111057925.6A CN115792891A (zh) | 2021-09-09 | 2021-09-09 | 基于多毫米波雷达与激光雷达融合的目标航迹跟踪方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115792891A true CN115792891A (zh) | 2023-03-14 |
Family
ID=85417007
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111057925.6A Pending CN115792891A (zh) | 2021-09-09 | 2021-09-09 | 基于多毫米波雷达与激光雷达融合的目标航迹跟踪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115792891A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116381674A (zh) * | 2023-06-02 | 2023-07-04 | 陕西欧卡电子智能科技有限公司 | 一种水面激光雷达点云与毫米波雷达点云的融合方法 |
-
2021
- 2021-09-09 CN CN202111057925.6A patent/CN115792891A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116381674A (zh) * | 2023-06-02 | 2023-07-04 | 陕西欧卡电子智能科技有限公司 | 一种水面激光雷达点云与毫米波雷达点云的融合方法 |
| CN116381674B (zh) * | 2023-06-02 | 2023-08-22 | 陕西欧卡电子智能科技有限公司 | 一种水面激光雷达点云与毫米波雷达点云的融合方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111337941B (zh) | 一种基于稀疏激光雷达数据的动态障碍物追踪方法 | |
| CN109143207B (zh) | 激光雷达内参精度验证方法、装置、设备及介质 | |
| WO2020133217A1 (zh) | 连续障碍物检测方法、设备、系统及存储介质 | |
| WO2018177026A1 (zh) | 确定道路边沿的装置和方法 | |
| CN111192295B (zh) | 目标检测与跟踪方法、设备和计算机可读存储介质 | |
| CN109031346A (zh) | 一种基于3d激光雷达的周边泊车位辅助检测方法 | |
| CN110658531A (zh) | 一种用于港口自动驾驶车辆的动态目标追踪方法 | |
| WO2022188663A1 (zh) | 一种目标检测方法及装置 | |
| CN112083441B (zh) | 激光雷达和毫米波雷达深度融合的障碍物检测方法及系统 | |
| US11677931B2 (en) | Automated real-time calibration | |
| CN114170274B (zh) | 目标跟踪方法和装置、电子设备和存储介质 | |
| CN113743171A (zh) | 目标检测方法及装置 | |
| US12061255B2 (en) | Scan matching and radar pose estimator for an autonomous vehicle based on hyper-local submaps | |
| CN113947639A (zh) | 基于多雷达点云线特征的自适应在线估计标定系统及方法 | |
| CN114706070A (zh) | 一种基于4d毫米波雷达的自动泊车车位搜索方法和系统 | |
| CN111781606A (zh) | 一种新型激光雷达和超声波雷达融合的小型化实现方法 | |
| CN110426714B (zh) | 一种障碍物识别方法 | |
| CN115792891A (zh) | 基于多毫米波雷达与激光雷达融合的目标航迹跟踪方法 | |
| CN113296120B (zh) | 一种障碍物检测方法及终端 | |
| CN113030997B (zh) | 一种基于激光雷达的露天矿区可行驶区域检测方法 | |
| CN114488026A (zh) | 基于4d毫米波雷达的地下停车库可通行空间检测方法 | |
| CN114084129A (zh) | 一种基于融合的车辆自动驾驶控制方法及系统 | |
| WO2024078265A1 (zh) | 多图层高精地图生成方法和装置 | |
| CN117734702A (zh) | 一种基于侧边超声波雷达的车位搜索方法、模块、车辆 | |
| JP7462738B2 (ja) | 車載クラスタ追跡システム |
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 |