CN115909267A - 物体检测匹配方法、装置、设备以及存储介质 - Google Patents
物体检测匹配方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN115909267A CN115909267A CN202211385839.2A CN202211385839A CN115909267A CN 115909267 A CN115909267 A CN 115909267A CN 202211385839 A CN202211385839 A CN 202211385839A CN 115909267 A CN115909267 A CN 115909267A
- Authority
- CN
- China
- Prior art keywords
- detection
- detection area
- determining
- preset time
- time
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本申请涉及一种物体检测匹配方法,所述方法包括:获取第一预设时刻的第一检测区域;确定在第一预设时刻之前的预设间隔内检测到的第一物体;根据第一物体以及第一检测区域,确定第一置信度矩阵;根据第一检测区域、第一物体以及第一置信度矩阵,将第一检测区域与第一物体相关联,确定第一检测区域与第一物体的匹配结果,以实现自动驾驶途中对其他物体的检测与匹配。本申请通过确定当前时刻的检测区域与当前时刻之前一定范围内检测到的物体的关联关系,完成当前时刻各检测区域内的物体与在先时刻检测到的物体的关联动作,绕开了需要根据邻近时间进行匹配这一手段,避免了近邻匹配与预测法匹配存在的不适应有遮挡场景的问题。
Description
技术领域
本申请涉及自动驾驶技术领域,具体涉及一种物体检测匹配方法、物体检测匹配装置、计算机设备以及计算机可读存储介质。
背景技术
在自动驾驶技术中,自动驾驶车辆为了能够对下一步的驾驶行为做出规划判断需要对周围的物体进行检测,并将不同时刻的结果关联起来,以判断同一物体在不同时刻下位置的变化,这对车端环境感知、轨迹预测、行为规划以及场景重建有极大的帮助。
但目前由于相关技术一般采用在邻近时间点之间寻找关联来解决识别追踪问题,针对物体间存在长时间遮挡的情况则很难适用。
发明内容
本申请提供了一种物体检测匹配方法、物体检测匹配装置、计算机设备以及计算机可读存储介质。
本申请提供的物体检测匹配方法,包括:
获取第一预设时刻的第一检测区域;
确定在所述第一预设时刻之前的预设间隔内检测到的第一物体;
根据所述第一物体以及所述第一检测区域,确定第一置信度矩阵;
根据所述第一检测区域、所述第一物体以及所述第一置信度矩阵,将所述第一检测区域与所述第一物体相关联,确定所述第一检测区域与所述第一物体的匹配结果,以实现自动驾驶途中对其他物体的检测与匹配。
如此,本申请通过当前时刻之前一定范围内检测到的物体以及当前时刻检测到的检测区域进行约束计算确定一个置信度矩阵,确定当前时刻的检测区域与当前时刻之前一定范围内检测到的物体的关联关系,完成当前时刻各检测区域内的物体与在先时刻检测到的物体的关联动作,绕开了需要根据邻近时间点进行匹配这一手段,从而摆脱了目前相关技术对邻近时间的关联关系的依赖,解决了不适应有遮挡场景的问题。
所述确定在所述第一预设时刻之前的预设时间间隔内检测到的第一物体,包括:
获取第二预设时刻的第二检测区域以及所述第二预设时刻的下一计时时刻的第三检测区域,所述第二预设时刻在所述第一预设时刻之前的预设时间间隔内;
根据所述第二检测区域以及所述第三检测区域,确定所述第二置信度矩阵;
根据所述第二检测区域、所述第三检测区域以及所述第二置信度矩阵,确定从所述第二预设时刻到所述第二预设时刻的下一计时时刻之间检测到的第二物体;
当所述第二预设时刻为所述第一预设时刻的前一计时时刻时,将得到的第二物体确定为所述第一物体。
如此,本申请可以实现每个时刻依次确定检测到的物体,并在需要进行匹配的时刻前将这些检测到的物体统一确定为匹配需要的第一物体。
所述根据所述第一物体,确定所述第一置信度矩阵,包括:
获取所述第一物体初次被检测到的时刻以及位置以及最近一次被检测到的时刻以及位置;
根据所述第一物体初次被检测到的时刻以及位置以及最近一次被检测到的时刻以及位置,确定所述第一置信度矩阵。
如此,可以根据第一物体的始末状态确认置信度矩阵,为后续的匹配动作提供数据源。
所述述根据所述第一物体初次被检测到的时刻以及位置以及最近一次被检测到的时刻以及位置,确定所述第一置信度矩阵,包括:
根据所述第一物体初次被检测到的时刻以及位置以及最近一次被检测到的时刻以及位置,在对极阈值约束下,确定所述第一置信度矩阵。
如此,本申请采用对极阈值约束计算确定置信度矩阵。
所述确定所述第一检测区域与所述第一物体的匹配结果,包括:
根据所述第一置信度矩阵,利用匈牙利算法,确定所述第一检测区域与第一物体的匹配结果。
如此,本申请可利用匈牙利算法实现第一检测区域与第一物体的匹配。
所述确定所述第一检测区域与所述第一物体的匹配结果,包括:
根据所述第一置信度矩阵,利用KM算法,确定所述第一检测区域与第一物体的匹配结果。
如此,本申请可利用KM算法实现第一检测区域与第一物体的匹配。
所述确定所述第一检测区域与第一物体的匹配结果,包括:
根据所述第一置信度矩阵,确定所述第一检测区域中与所述第一物体是相同物体的已匹配检测区域,以及所述第一检测区域中与所述第一物体不是相同物体的未匹配检测区域;
获取所述第一物体的编号;
响应于匹配操作,将所述第一物体的编号赋予所述已匹配检测区域,将新的编号赋予所述未匹配检测区域。
如此,本申请可以通过对已匹配的物体以及未匹配的物体分别赋予不同的编号的方式来确定最终的匹配结果,为自动驾驶提供数据源。
本申请还设计一种物体检测匹配装置,包括:
检测模块,用于获取第一预设时刻的第一检测区域;
物体获取模块,用于确定在所述第一预设时刻之前的预设时间间隔内检测到的第一物体;
数据处理模块,用于根据所述第一物体,确定第一置信度矩阵;
匹配模块,用于根据所述第一检测区域、所述第一物体以及所述第一置信度矩阵,将所述第一检测区域与所述第一物体相关联,确定所述第一检测区域与所述第一物体的匹配结果。
本申请还涉及一种电子设备,所述电子设备包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,实现上述的方法。
本申请还涉及一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,当所述计算机程序被一个或多个处理器执行时,实现上述的方法。
本申请的实施方式的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实施方式的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本申请提供的物体检测匹配方法的流程示意图;
图2为本申请提供的物体检测匹配方法的流程示意图;
图3为本申请提供的物体检测匹配方法中对极阈值约束的几何关系示意图;
图4为本申请提供的物体检测匹配装置的模块示意图。
具体实施方式
下面详细描述本申请的实施方式,实施方式的示例在附图中示出,其中,相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本申请的实施方式,而不能理解为对本申请的实施方式的限制。
本申请主要应用于自动驾驶领域。在自动驾驶领域中,对道路环境中的其他物体的识别与跟踪是非常基础的技术手段,该技术能够为自动驾驶系统提供数据辅助支持,避免自动驾驶车辆与道路上的其他车辆或障碍物碰撞。但在追踪过程中其他车辆或障碍物之间经常出现长时间遮挡的情况,这为物体的识别与跟踪带来了比较大的挑战。目前相关技术一般依赖于邻近时间点的道路情况进行匹配,不能适用于存在长时间遮挡的情况。
基于此,如图1所示,本申请提供了一种物体检测匹配方法,包括如下步骤:
01:获取第一预设时刻的第一检测区域;
02:确定在第一预设时刻之前的预设间隔内检测到的第一物体;
03:根据第一物体以及第一检测区域,确定第一置信度矩阵;
04:根据第一检测区域、第一物体以及第一置信度矩阵,将第一检测区域与第一物体相关联,确定第一检测区域与第一物体的匹配结果。
如图4所示,本申请还提供一种物体检测匹配装置10,本申请提供的物体检测匹配方法可以由上述物体检测匹配装置10实现。物体检测匹配装置10包括检测模块11、物体获取模块12、数据处理模块13以及匹配模块14。具体地,检测模块11用于获取第一预设时刻的第一检测区域,物体获取模块12用于确定在第一预设时刻之前的预设时间间隔内检测到的第一物体,数据处理模块13用于根据第一物体以及第一检测区域,确定第一置信度矩阵,匹配模块14用于根据第一检测区域、第一物体以及第一置信度矩阵,将第一检测区域与第一物体相关联,确定第一检测区域与第一物体的匹配结果。
本申请还提供一种计算机设备,计算机设备包括存储器和处理器,本申请的物体检测匹配方法可以由本申请的计算机设备实现。具体地,存储器中存储有计算机程序,处理器用于获取第一预设时刻的第一检测区域,以及用于确定在第一预设时刻之前的预设时间间隔内检测到的第一物体以及第一检测区域,以及用于根据第一物体,确定第一置信度矩阵,以及用于根据第一检测区域、第一物体以及第一置信度矩阵,将第一检测区域与第一物体相关联,确定第一检测区域与第一物体的匹配结果。
具体地,本申请是应用于自动驾驶领域的物体检测匹配方案,主要用于解决对车辆周围动态变化的物体的匹配追踪的。首先通过摄像设备获取车辆周围的图像,在图像中赋予每个待确认的物体一个检测区域,具体可以表现为检测框。然后通过历史记录确定在预设时刻之前一定间隔内所有被检测确定的物体(即第一物体),并通过预设的计算方式根据第一物体以及第一检测区域确定第一置信度矩阵。其中,预设时刻可以是预设的一个特定时刻,在示例中也可以是当前时刻,预设的间隔可以是具体的时间间隔,也可以是由空间标记的间隔,比如车辆从当前时刻所在位置算起向前追溯8米的距离时所在的时刻。最后将第一检测区域的信息、第一物体的信息以及第一置信度矩阵作为输入数据,经预设算法计算将第一检测区域与第一物体匹配关联,得到匹配结果,实现了当前时刻检测到的物体与历史记录中的物体的匹配关联,即实现了对多个检测到的物体进行实时追踪与监控。
如此,本申请通过第一物体以及第一检测区域的信息确定置信度矩阵,并以置信度矩阵为数据源完成当前时刻各检测区域内的物体与在先时刻检测到的物体的关联动作,绕开了需要根据邻近时间点进行关联匹配这一手段,从而摆脱了目前相关技术对邻近时间的关联关系的依赖,解决了不适应有遮挡场景的问题。
如图2所示,步骤02,包括:
021:获取第二预设时刻的第二检测区域以及第二预设时刻的下一计时时刻的第三检测区域;
022:根据第二检测区域以及第三检测区域,确定第二置信度矩阵;
023:根据第二检测区域、第三检测区域以及第二置信度矩阵,确定从第二预设时刻到第二预设时刻的下一计时时刻之间检测到的第二物体;
024:判断第二预设时刻是否是第一预设时刻的前一计时时刻,若是,进入步骤025,若否进入步骤026;
025:将得到的第二物体确定为第一物体;
026:将第二预设时刻的下一计时时刻确定为新的第二预设时刻,并返回步骤021。
物体获取模块12用于获取第二预设时刻的第二检测区域以及第二预设时刻的下一计时时刻的第三检测区域,以及用于根据第二检测区域以及第三检测区域,确定第二置信度矩阵,以及用于根据第二检测区域、第三检测区域以及第二置信度矩阵,确定从第二预设时刻到第二预设时刻的下一计时时刻之间检测到的第二物体,以及用于判断第二预设时刻是否是第一预设时刻的前一计时时刻,以及用于将得到的所有第二物体确定为第一物体。
处理器用于获取第二预设时刻的第二检测区域以及第二预设时刻的下一计时时刻的第三检测区域,以及用于根据第二检测区域以及第三检测区域,确定第二置信度矩阵,以及用于根据第二检测区域、第三检测区域以及第二置信度矩阵,确定从第二预设时刻到第二预设时刻的下一计时时刻之间检测到的第二物体,以及用于判断第二预设时刻是否是第一预设时刻的前一计时时刻用于将得到的所有第二物体确定为第一物体。
具体地,以第二预设时刻是初始时刻为例,获取初始时刻时的车辆周围环境的图像,并在图像中确定与待确定物体对应的第二检测区域,同时获取初始时刻的下一个计时时刻车辆周围环境的图像,并在图像中确定与待确定物体对应的第三检测区域。然后根据第二检测区域以及第三检测区域确定第二置信度矩阵。接下来举例说明置信度矩阵的确定方法:设初始时刻是T0,初始时刻的下一计时时刻为T1,第二检测区域有N0个,第三检测区域有N1个,第二置信度矩阵为C,其中元素通项cmn表示T1时刻的第m个检测框与T0时刻的第n个检测框是同一个物体的置信度,若两组检测框表示同一个物体的概率为0,则置信度取值为0,若两组检测框可能表示同一物体,则置信度取值为两组检测框中心距离的倒数,此处置信度的值是根据对极阈值约束计算得到的,由于在现实情况中车身可能存在偏离现象,故在对极阈值约束计算的过程中,如图3所示,会将判断范围确定于直线P’e’周围一个特定的范围内,即若车辆从O点运动到O’点,在O点时可以通过P点检测到物体X,则在右方直线P’e’周围一个特定的范围内监测到物体X’时,可以认定X与X’可能为同一物体,反之则X与X’为同一物体的概率为0。在得到置信度矩阵后,以N0与N1的值以及矩阵C为原始数据输入预设的算法,经计算匹配可将第二检测区域与第三检测区域进行匹配。具体地,在置信度矩阵确定之前,可以将所有第二检测区域进行编号;在置信度矩阵C确定后,将在匹配完成后,确认为同一物体的第二检测区域与第三检测区域赋予相同的编号,未匹配成功的第三检测区域则赋予新的编号,至此所有拥有不同编号的检测区域对应的物体均为第二物体。在匹配完成后,进入循环判断,判断第二预设时刻是否是当前时刻的前一个计时时刻,如果不是,则将当前的第二预设时刻的下一时刻确定为新的第二预设时刻,重复流程再次获取第二物体,如果是则结束循环,将当前的第二物体确定为第一物体即可。
示例性地,第二置信度矩阵C可以为如下表格表示的矩阵:
0 | 0 | 0 |
0.8 | 0.1 | 0 |
0 | 0.7 | 0.3 |
0.4 | 0.6 | 0 |
其中,第一行第二列为0表示T1时刻第1个检测框与T0时刻第2个检测框是同一物体的概率为0,第一行全部为0的原因是T1时刻第一个物体与T0时刻的所有物体都不满足对极阈值约束,即T1时刻检测到的检测框对应的都是新的物体。
如此,本申请可以实现每个时刻依次确定检测到的物体,并在需要进行匹配的时刻前将这些检测到的物体统一确定为匹配过程所需要的第一物体。
步骤03,包括:
031:获取第一物体最近一次被检测到的时刻与位置;
032:根据第一物体最近一次被检测到的时刻与位置以及第一检测区域的位置,确定第一置信度矩阵。
且进一步地,步骤032具体包括:
0321:根据第一物体最近一次被检测到的时刻与位置以及第一检测区域的位置,在对极阈值约束下,确定第一置信度矩阵。
数据处理模块13用于获取第一物体初次被检测到的时刻以及位置以及最近一次被检测到的时刻以及位置,以及用于根据第一物体初次被检测到的时刻以及位置以及最近一次被检测到的时刻以及位置,确定第一置信度矩阵,以及具体地用于根据第一物体初次被检测到的时刻以及位置以及最近一次被检测到的时刻以及位置,在对极阈值约束下,确定第一置信度矩阵。
处理器用于获取第一物体初次被检测到的时刻以及位置以及最近一次被检测到的时刻以及位置,以及用于根据第一物体初次被检测到的时刻以及位置以及最近一次被检测到的时刻以及位置,确定第一置信度矩阵,以及具体地用于根据第一物体初次被检测到的时刻以及位置以及最近一次被检测到的时刻以及位置,在对极阈值约束下,确定第一置信度矩阵。
具体地,由于第一物体是积累得到的,所以对第一置信度矩阵进行计算时,需要确定初次以及最近一次第一物体的检测时刻与位置。设第一物体最近一次检测时刻为t0,第一预设时刻为t1,第一物体最近一次检测位置是p,第一检测区域位置是p’,根据对极阈值约束,如图3所示,即若车辆从O点运动到O’点,在O点时可以通过P点检测到初位置p,则在右方直线P’e’周围一个特定的范围内监测到末位置p’时,可以认定p与p’可能为同一个第一物体,反之则p与p’为同一个第一物体的概率为0。根据上述约束进行计算,可以得到第一置信度矩阵C’,其中元素通项cmn表示t1时刻的第m个检测框与t0时刻的第n个检测框是同一个物体的置信度,若两组检测框表示同一个物体的概率为0,则置信度取值为0,若两组检测框可能表示同一物体,则置信度取值为两组检测框中心距离的倒数。
如此,本申请可以根据第一物体以及第一检测区域利用对极阈值约束计算确认置信度矩阵中的任一置信度值,为后续的匹配动作提供数据源。
步骤04包括:
041:根据第一置信度矩阵,利用匈牙利算法,确定第一检测区域与第一物体的匹配结果。
步骤04还包括
042:根据第一置信度矩阵,利用KM算法,确定第一检测区域与第一物体的匹配结果。
其中步骤041与步骤042可以根据实际情况或然择一。
匹配模块14用于根据第一置信度矩阵,利用匈牙利算法,确定第一检测区域与第一物体的匹配结果,以及用于根据第一置信度矩阵,利用KM算法,确定第一检测区域与第一物体的匹配结果。
处理器用于根据第一置信度矩阵,利用匈牙利算法,确定第一检测区域与第一物体的匹配结果,以及用于根据第一置信度矩阵,利用KM算法,确定第一检测区域与第一物体的匹配结果。
具体地,匈牙利算法与KM算法都是适用于二分图的匹配算法,在示例中,第一置信度矩阵C’与第二置信度矩阵C表达的都是某两个时刻不同的检测框为同一物体的置信度,所以上述两个矩阵中的数据即可以转换为二分图的形式输入到算法中进行匹配。其中匈牙利算法对置信度的精准性要求稍高,KM算法在数据数量的需求方面要求稍高,二者适用于不同的场合,可以根据实际需要择一执行。
如此,本申请可利用匈牙利算法或KM算法实现第一检测区域与第一物体的匹配。
步骤041或步骤042还包括:
0401:根据第一置信度矩阵,确定第一检测区域中与第一物体是相同物体的已匹配检测区域,以及第一检测区域中与第一物体不是相同物体的未匹配检测区域;
0402:获取第一物体的编号;
0403:响应于匹配操作,将第一物体的编号赋予已匹配检测区域,将新的编号赋予未匹配检测区域。
匹配模块14还用于根据第一置信度矩阵,确定第一检测区域中与第一物体是相同物体的已匹配检测区域,以及第一检测区域中与第一物体不是相同物体的未匹配检测区域,以及用于获取第一物体的编号,以及用于响应于匹配操作,将第一物体的编号赋予已匹配检测区域,将新的编号赋予未匹配检测区域。
处理器还用于根据第一置信度矩阵,确定第一检测区域中与第一物体是相同物体的已匹配检测区域,以及第一检测区域中与第一物体不是相同物体的未匹配检测区域,以及用于获取第一物体的编号,以及用于响应于匹配操作,将第一物体的编号赋予已匹配检测区域,将新的编号赋予未匹配检测区域。
具体地,在确定第一物体的过程中所有的第一物体就都已经具有编号,故在对第一检测区域与第一物体进行配对时也可以采用同样的方法,在获取到第一物体的编号后,若第一检测区域与第一物体成功匹配,则赋予第一检测区域与第一物体相同的编号,反之,则赋予第一检测区域新的编号,以做出区分。具有不同编号的检测区域即对应不同的物体。后续自动驾驶系统在识别物体时可以直接以编号为标签进行数据处理,有效提高了处理效率。
如此,本申请可以通过对已匹配的物体以及未匹配的物体分别赋予不同的编号的方式来确定最终的匹配结果,为自动驾驶提供数据源。
本申请还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,当计算机程序被一个或多个处理器调用执行时,实现上述的方法。
本申请上述实施方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施方法中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
在本说明书的描述中,参考术语“某些实施方式”、“一个例子中”、“示例地”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本申请的实施方式,可以理解的是,上述实施方式是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施方式进行变化、修改、替换和变型。
Claims (10)
1.一种物体检测匹配方法,其特征在于,所述方法包括:
获取第一预设时刻的第一检测区域;
确定在所述第一预设时刻之前的预设间隔内检测到的第一物体;
根据所述第一物体以及所述第一检测区域,确定第一置信度矩阵;
根据所述第一检测区域、所述第一物体以及所述第一置信度矩阵,将所述第一检测区域与所述第一物体相关联,确定所述第一检测区域与所述第一物体的匹配结果,以实现自动驾驶途中对其他物体的检测与匹配。
2.根据权利要求1所述的方法,其特征在于,所述确定在所述第一预设时刻之前的预设时间间隔内检测到的第一物体,包括:
获取第二预设时刻的第二检测区域以及所述第二预设时刻的下一计时时刻的第三检测区域,所述第二预设时刻在所述第一预设时刻之前的预设时间间隔内;
根据所述第二检测区域以及所述第三检测区域,确定第二置信度矩阵;
根据所述第二检测区域、所述第三检测区域以及所述第二置信度矩阵,确定从所述第二预设时刻到所述第二预设时刻的下一计时时刻之间检测到的第二物体;
当所述第二预设时刻为所述第一预设时刻的前一计时时刻时,将得到的第二物体确定为所述第一物体。
3.根据权利要求1所述的方法,其特征在于,所述根据所述第一物体,确定所述第一置信度矩阵,包括:
获取所述第一物体最近一次被检测到的时刻与位置;
根据所述第一物体最近一次被检测到的时刻与位置以及所述第一检测区域的位置,确定所述第一置信度矩阵。
4.根据权利要求3所述的方法,其特征在于,根据所述第一物体最近一次被检测到的时刻与位置以及所述第一检测区域的位置,确定所述第一置信度矩阵,包括:
根据所述第一物体最近一次被检测到的时刻与位置以及所述第一检测区域的位置,在对极阈值约束下,确定所述第一置信度矩阵。
5.根据权利要求1所述的方法,其特征在于,所述确定所述第一检测区域与所述第一物体的匹配结果,包括:
根据所述第一置信度矩阵,利用匈牙利算法,确定所述第一检测区域与第一物体的匹配结果。
6.根据权利要求1所述的方法,其特征在于,所述确定所述第一检测区域与所述第一物体的匹配结果,包括:
根据所述第一置信度矩阵,利用KM算法,确定所述第一检测区域与第一物体的匹配结果。
7.根据权利要求5或6所述的方法,其特征在于,所述确定所述第一检测区域与第一物体的匹配结果,包括:
根据所述第一置信度矩阵,确定所述第一检测区域中与所述第一物体是相同物体的已匹配检测区域,以及所述第一检测区域中与所述第一物体不是相同物体的未匹配检测区域;
获取所述第一物体的编号;
响应于匹配操作,将所述第一物体的编号赋予所述已匹配检测区域,将新的编号赋予所述未匹配检测区域。
8.一种物体检测匹配装置,其特征在于,所述装置包括:
检测模块,用于获取第一预设时刻的第一检测区域;
物体获取模块,用于确定在所述第一预设时刻之前的预设时间间隔内检测到的第一物体;
数据处理模块,用于根据所述第一物体,确定第一置信度矩阵;
匹配模块,用于根据所述第一检测区域、所述第一物体以及所述第一置信度矩阵,将所述第一检测区域与所述第一物体相关联,确定所述第一检测区域与所述第一物体的匹配结果。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器与处理器;所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1-7任一所述的方法。
10.一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存储有计算机程序,当所述计算机程序被一个或多个处理器执行时,实现如权利要求1-7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211385839.2A CN115909267A (zh) | 2022-11-07 | 2022-11-07 | 物体检测匹配方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211385839.2A CN115909267A (zh) | 2022-11-07 | 2022-11-07 | 物体检测匹配方法、装置、设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115909267A true CN115909267A (zh) | 2023-04-04 |
Family
ID=86479762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211385839.2A Pending CN115909267A (zh) | 2022-11-07 | 2022-11-07 | 物体检测匹配方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115909267A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113566824A (zh) * | 2021-07-02 | 2021-10-29 | 广州小鹏自动驾驶科技有限公司 | 车辆定位方法、装置、电子设备及存储介质 |
-
2022
- 2022-11-07 CN CN202211385839.2A patent/CN115909267A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113566824A (zh) * | 2021-07-02 | 2021-10-29 | 广州小鹏自动驾驶科技有限公司 | 车辆定位方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110533925B (zh) | 车辆违法视频的处理方法、装置、计算机设备及存储介质 | |
CN111368639B (zh) | 车辆越线判定方法、装置、计算机设备和存储介质 | |
US10748013B2 (en) | Method and apparatus for detecting road lane | |
CN111369590A (zh) | 多目标跟踪方法、装置、存储介质及电子设备 | |
CN112633152B (zh) | 停车位检测方法、装置、计算机设备和存储介质 | |
CN115909267A (zh) | 物体检测匹配方法、装置、设备以及存储介质 | |
CN111753639A (zh) | 感知地图生成方法、装置、计算机设备和存储介质 | |
CN112241646A (zh) | 车道线识别方法、装置、计算机设备和存储介质 | |
CN111177440A (zh) | 目标图像的检索方法、装置、计算机设备和存储介质 | |
CN111178126A (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
CN111582378B (zh) | 定位识别模型的训练生成方法、位置检测方法、装置 | |
CN114449533A (zh) | 基站部署方法、环境感知方法、装置、计算机设备和存储介质 | |
EP3859595A1 (en) | Target tracking method and device | |
CN114536326B (zh) | 一种路标数据处理方法、装置及存储介质 | |
CN116681739A (zh) | 目标运动轨迹生成方法、装置及电子设备 | |
CN110781730A (zh) | 智能驾驶感知方法及感知装置 | |
CN112967399A (zh) | 三维时序图像生成方法、装置、计算机设备和存储介质 | |
CN114966578A (zh) | 基于拍摄设备的雷达外参标定方法、装置和计算机设备 | |
CN115272952A (zh) | 新能源基建的安全监控方法、装置、系统和存储介质 | |
CN111368611B (zh) | 车辆跟踪方法、装置、系统及服务器 | |
CN110599801B (zh) | 停车管理方法、装置、计算机设备及存储介质 | |
CN108830303B (zh) | 车辆识别方法、装置、计算机设备和存储介质 | |
CN115086862A (zh) | 多车联合感知信息时空统一方法及装置、存储介质、终端 | |
CN112489090A (zh) | 目标跟踪的方法、计算机可读存储介质及计算机设备 | |
CN113689671B (zh) | 一种城市地下空间安防警报方法及系统 |
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 |