CN116165652A - 一种目标跟踪方法、装置及通信设备 - Google Patents
一种目标跟踪方法、装置及通信设备 Download PDFInfo
- Publication number
- CN116165652A CN116165652A CN202111411240.7A CN202111411240A CN116165652A CN 116165652 A CN116165652 A CN 116165652A CN 202111411240 A CN202111411240 A CN 202111411240A CN 116165652 A CN116165652 A CN 116165652A
- Authority
- CN
- China
- Prior art keywords
- target
- tracking
- perception
- frame
- point cloud
- 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
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
- G01S13/68—Radar-tracking systems; Analogous systems for angle tracking only
-
- 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
- G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种目标跟踪方法、装置及通信设备,该方法包括:利用至少两个4D毫米波雷达进行目标感知,每个4D毫米波雷达计算出目标速度信息,对采集的点云进行聚类得到目标点云簇和所述目标点云簇的中心位置;根据多帧相同感知目标的速度信息与目标点云簇的中心位置,基于随机并行梯度下降算法计算得到目标航向角和目标俯仰角;根据所述目标航向角和所述目标俯仰角确定出目标最小包围框,得到目标的位置信息。本发明基于4D毫米波雷达点云稀疏的现状,对4D毫米波雷达采集的点云进行升采样处理,利用目标航向角和目标俯仰角确定出目标最小包围框,得到目标的位置信息,从而实现目标跟踪,能够提升目标跟踪与感知的精确度。
Description
技术领域
本发明涉及物联网技术领域,尤其是指一种目标跟踪方法、装置及通信设备。
背景技术
现有的毫米波雷达大多为3D毫米波雷达,是指在2维平面上的目标位置检测与目标速度信息,而基于4D毫米波雷达的目标检测主要通过点云位置与速度聚类,得到目标点云簇,进而获得目标位置,速度信息。
由于4D毫米波雷达角分辨率有限,在跨站感知时,不能进行设备间的有效标定,导致跨站跟踪时,目标不能进行有效匹配,无法实现目标跟踪。
发明内容
本发明实施例的目的在于提供一种目标跟踪方法、装置及通信设备,以解决现有技术中4D毫米波雷达角在跨站感知时,无法实现目标跟踪的技术问题。
为了解决上述问题,本发明实施例提供一种目标跟踪方法,方法包括:
利用至少两个4D毫米波雷达进行目标感知,每个4D毫米波雷达计算出目标速度信息,对采集的点云进行聚类得到目标点云簇和所述目标点云簇的中心位置;
根据多帧相同感知目标的速度信息与目标点云簇的中心位置,基于随机并行梯度下降算法计算得到目标航向角和目标俯仰角;
根据所述目标航向角和所述目标俯仰角确定出目标最小包围框,得到目标的位置信息。
其中,所述根据所述目标航向角、所述目标俯仰角确定出目标最小包围框,包括:
获取跟踪目标列表和感知目标列表,所述跟踪目标列表包括目标采样点云与点云对应的概率预测值、目标卡尔曼状态变量、多普勒速度信息和目标ID,所述感知目标列表包括目标测量点云和多普勒速度信息;
根据匈牙利算法计算跟踪目标与感知目标的关联,得到所述跟踪目标与感知目标的匹配对;
根据上采样历史位置和多普勒速度信息,计算跟踪目标上采样点的位置;
根据跟踪目标上采样点的位置计算所述上采样点的位置可信度与状态可信度;
根据所述上采样点的位置可信度与状态可信度确定出目标最小包围框。
其中,根据上采样历史位置和多普勒速度信息,计算跟踪目标上采样点的位置,包括:
根据上采样点云历史坐标、历史数据时刻与当前时刻时间差和历史时刻的多普勒速度,计算得到跟踪目标上采样点的位置;
其中,x,y,z为上采样点云历史坐标,x′,y′,z′为跟踪目标上采样点坐标,ΔT为历史数据时刻与当前时刻时间差,vx,vy,vz为历史时刻记录的多普勒速度。
其中,所述计算所述上采样点的位置可信度与状态可信度,包括:
根据跟踪目标列表和感知目标列表构建感知目标框与虚拟目标框;
根据所述跟踪目标与感知目标框和虚拟目标框的关系,确定出所述跟踪目标的可信度与状态可信度。
其中,根据所述跟踪目标与感知目标框和虚拟目标框的关系,确定出所述跟踪目标的可信度与状态可信度,包括:
所述跟踪目标在所述感知目标框内时,所述跟踪目标的可信度为1,所述跟踪目标的状态可信度为默认值与0.5的和;
所述跟踪目标在所述虚拟目标框内,未在所述感知目标框内时,所述跟踪目标的可信度为P=d*lp/(8*ll*lw*lh*ld),所述跟踪目标的状态可信度为δ=δ-n+P,其中,所述P为跟踪目标的可信度,所述d为上采样点到所述虚拟框中心点的欧氏距离,所述lp为所述跟踪目标到所述感知目标框外侧的距离,所述ld为所述跟踪目标到所述虚拟目标框内侧的距离所述ll,lw,lh为所述虚拟目标框的尺寸,所述δ为跟踪目标的状态可信度,所述n为所述感知目标与所述跟踪目标的帧数差;
所述跟踪目标在所述虚拟目标框外时,所述跟踪目标的可信度为
其中,所述根据所述上采样点的位置可信度与状态可信度确定出目标最小包围框,包括:
计算所述感知目标点云簇中上采样点的第一位置可信度;
计算所述跟踪目标点云簇中上采样点的第二位置可信度;
所述第一位置可信度和所述第二位置可信度满足相同条件时,确定出所述目标最小包围框。
其中,所述4D毫米波雷达为雷视一体机。
本发明实施例还提供一种目标跟踪装置,所述装置包括处理模块、计算模块和目标跟踪模块;
所述处理模块,用于利用至少两个4D毫米波雷达进行目标感知,每个4D毫米波雷达计算出目标速度信息,对采集的点云进行聚类得到目标点云簇和所述目标点云簇的中心位置;
所述计算模块,用于根据多帧相同感知目标的速度信息与目标点云簇的中心位置,基于随机并行梯度下降算法计算得到目标航向角和目标俯仰角;
所述目标跟踪模块,用于根据所述计算模块得到的所述目标航向角和所述目标俯仰角确定出目标最小包围框,得到目标的位置信息。
其中,所述目标跟踪模块包括:
获取单元,用于获取跟踪目标列表和感知目标列表,所述跟踪目标列表包括目标采样点云与点云对应的概率预测值、目标卡尔曼状态变量、多普勒速度信息和目标ID,所述感知目标列表包括目标测量点云和多普勒速度信息;
关联单元,用于根据匈牙利算法计算跟踪目标与感知目标的关联,得到所述跟踪目标与感知目标的匹配对;
第一计算单元,用于根据上采样历史位置和多普勒速度信息,计算跟踪目标上采样点的位置;
第二计算单元,用于根据跟踪目标上采样点的位置计算所述上采样点的位置可信度与状态可信度;
目标跟踪单元,用于根据所述上采样点的位置可信度与状态可信度确定出目标最小包围框。
其中,所述计算所述上采样点的位置可信度与状态可信度,包括:
根据跟踪目标列表和感知目标列表构建感知目标框与虚拟目标框;
根据所述跟踪目标与感知目标框和虚拟目标框的关系,确定出所述跟踪目标的可信度与状态可信度。
本发明实施例还提供一种通信设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序,所述处理器执行所述程序时实现如上所述的目标跟踪方法。
本发明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,该程序被处理器执行时实现如上所述的目标跟踪方法中的步骤。
本发明的上述技术方案至少具有如下有益效果:
本发明实施例提供的目标跟踪方法、网关及通信设备中,利用至少两个4D毫米波雷达进行目标感知,每个4D毫米波雷达计算出目标速度信息,并基于随机并行梯度下降算法计算得到目标航向角和目标俯仰角,从而根据该目标航向角和目标俯仰角确定出目标最小包围框,得到目标的位置信息。本发明实施例基于4D毫米波雷达点云稀疏的现状,对4D毫米波雷达采集的点云进行升采样处理,利用目标航向角和目标俯仰角确定出目标最小包围框,得到目标的位置信息,从而实现目标跟踪,能够提升目标跟踪与感知的精确度。
附图说明
图1表示本发明实施例提供的目标跟踪方法流程图;
图2表示本发明实施例提供的目标跟踪方法中确定目标位置信息的流程示意图;
图3表示本发明实施例提供的目标跟踪装置的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
如图1所示,本发明实施例提供了一种目标跟踪方法,包括:
步骤101、利用至少两个4D毫米波雷达进行目标感知,每个4D毫米波雷达计算出目标速度信息,对采集的点云进行聚类得到目标点云簇和目标点云簇的中心位置;
本发明实施例的目标跟踪方法应用在路测感知场景中,路测部署多个4D毫米波雷达,提取一定时间内的4D毫米波雷达的背景点云,如采集30s背景点云,聚合成背景点云信息;本发明实施例的4D毫米波雷达可以为雷视一体机;
在每个雷视一体机前30米处放置三个毫米波雷达标定器,通过背景点云信息,提取毫米波雷达标定器在4D毫米波雷达坐标系中的位置,并通过高精度定位计算四个毫米波雷达中心点的世界坐标。通过坐标转换关系,计算雷视一体机到世界坐标系的转换关系。
步骤102、根据多帧相同感知目标的速度信息与目标点云簇的中心位置,基于随机并行梯度下降算法计算得到目标航向角和目标俯仰角;
本发明实施例为了获得准确的设备间位移与感知坐标系夹角,考虑了分辨率和高精度定位误差,可能对雷视一体机俯仰角和航向角标定不准确,提出了对外参的优化。
对于相邻的两个雷视一体机,能够在一定区域内均感知到目标,每个设备会通过多普勒效应计算出目标速度信息。综合多帧相同感知目标的速度信息与车辆中心信息,进行基于随机并行梯度下降算法的航向角与俯仰角优化算法。
首先确定初始化4D毫米波雷达间转换矩阵,本实施例通过初标定信息计算雷达间航向角、俯仰角插值α、β,与雷达中心位置坐标差Δx、Δy、Δz,得到两个毫米波雷达坐标系转换关系如下:
然后对扰动变量设定扰动值,扰动变量为航向角、俯仰角,对应的扰动值为Δα、Δβ,扰动区间设定为毫米波雷达±0.1倍角精确度,更新俯仰角、航向角,并带入两个毫米波雷达坐标系转换关系中,形成毫米波雷达1的目标航向、中心点。
考虑到角度精确度、角分辨率的影响,4D毫米波雷达目标相似度分析函数如下:认为毫米波雷达1的目标点云为最后侧点云。
式中x1、y1为匹配对中毫米波雷达1对应点横向与纵向坐标,x2、y2为毫米波雷达2对应点横向与纵向坐标,s为雷达距离精度参数,G为高斯滤波函数d=V1·V2。
步骤103、根据目标航向角和目标俯仰角确定出目标最小包围框,得到目标的位置信息。
本发明实施例通过卡尔曼滤波算法进行目标跟踪,由于4D毫米波雷达点云稀疏,对点云数据进行升采样。
本步骤的实现过程包括:
步骤1031:获取跟踪目标列表和感知目标列表,跟踪目标列表包括目标采样点云与点云对应的概率预测值、目标卡尔曼状态变量、多普勒速度信息和目标ID,所述感知目标列表包括目标测量点云和多普勒速度信息;
步骤1032:根据匈牙利算法计算跟踪目标与感知目标的关联,得到所述跟踪目标与感知目标的匹配对;
因为跟踪目标体现的是目标上一帧时刻的位置,通过预测当前位置,与当前道路的感知目标进行关联,并确定与跟踪目标为同一目标。本实施例根据匈牙利算法计算跟踪目标与感知目标的关联,得到跟踪目标与感知目标的匹配对;
步骤1033:根据上采样历史位置和多普勒速度信息,计算跟踪目标上采样点的位置;
具体的,根据上采样点云历史坐标、历史数据时刻与当前时刻时间差和历史时刻的多普勒速度,计算得到跟踪目标上采样点的位置
其中,x,y,z为上采样点云历史坐标,x′,y′,z′为跟踪目标上采样点坐标,ΔT为历史数据时刻与当前时刻时间差,vx,vy,vz为历史时刻记录的多普勒速度。
作为一个优选实施例,对每个上采样点加入距离精度以内的误差得到如下的误差扰动函数:
其中,xn,yn,zn为加入扰动后的点坐标,Δx,Δy,Δz为小于距离分辨率的距离扰动,实施例中可设定为小于0.1m的扰动。
步骤1034:根据跟踪目标上采样点的位置计算上采样点的位置可信度与状态可信度;
作为一个优选实施例,确定跟踪目标的可信度与状态可信度的方法包括:根据跟踪目标列表和感知目标列表构建感知目标框与虚拟目标框;根据跟踪目标与感知目标框和虚拟目标框的关系,确定出跟踪目标的可信度与状态可信度。
具体的,根据跟踪目标与感知目标框和虚拟目标框的关系,确定出跟踪目标的可信度与状态可信度,包括:
跟踪目标在所述感知目标框内时,跟踪目标的可信度为1,跟踪目标的状态可信度为默认值与0.5的和;
跟踪目标在所述虚拟目标框内,未在感知目标框内时,所述跟踪目标的可信度为P=d*lp/(8*ll*lw*lh*ld),跟踪目标的状态可信度为δ=δ-n+P,其中,P为跟踪目标的可信度,d为上采样点到虚拟框中心点的欧氏距离,lp为跟踪目标到感知目标框外侧的距离,ld为跟踪目标到虚拟目标框内侧的距离ll,lw,lh为虚拟目标框的尺寸,δ为跟踪目标的状态可信度,n为感知目标与跟踪目标的帧数差;
所述跟踪目标在所述虚拟目标框外时,所述跟踪目标的可信度为
步骤1035:上采样点的位置可信度与状态可信度确定出目标最小包围框;
具体的,计算每个虚拟上采样点的位置可信度与状态可信度,去除状态可信度小于1的点,通过感知目标点云簇与虚拟上采样点中P>0.3的点,形成最终目标最小包围框。将感知目标点云簇加入虚拟采样点中,设置每个点初始化状态可信度为4。
作为一个优选实施例,根据上采样点的位置可信度与状态可信度确定出目标最小包围框,包括:
计算感知目标点云簇中上采样点的第一位置可信度;
计算跟踪目标点云簇中上采样点的第二位置可信度;
第一位置可信度和第二位置可信度满足相同条件时,确定出目标最小包围框。
本发明实施例的目标跟踪方法,基于4D毫米波雷达点云稀疏的现状,对4D毫米波雷达采集的点云进行升采样处理,利用目标航向角和目标俯仰角确定出目标最小包围框,得到目标的位置信息,从而实现目标跟踪,能够提升目标跟踪与感知的精确度。
本发明实施例提供一种目标跟踪装置,如图3所示,该装置包括处理模块301、计算模块302和目标跟踪模块303;
所述处理模块301,用于利用至少两个4D毫米波雷达进行目标感知,每个4D毫米波雷达计算出目标速度信息,对采集的点云进行聚类得到目标点云簇和所述目标点云簇的中心位置;
所述计算模块302,用于根据多帧相同感知目标的速度信息与目标点云簇的中心位置,基于随机并行梯度下降算法计算得到目标航向角和目标俯仰角;
所述目标跟踪模块303,用于根据所述计算模块得到的所述目标航向角和所述目标俯仰角确定出目标最小包围框,得到目标的位置信息。
本发明实施例中的4D毫米波雷达为雷视一体机。
作为一个优选实施例,所述目标跟踪模块包括:
获取单元,用于获取跟踪目标列表和感知目标列表,所述跟踪目标列表包括目标采样点云与点云对应的概率预测值、目标卡尔曼状态变量、多普勒速度信息和目标ID,所述感知目标列表包括目标测量点云和多普勒速度信息;
关联单元,用于根据匈牙利算法计算跟踪目标与感知目标的关联,得到所述跟踪目标与感知目标的匹配对;
第一计算单元,用于根据上采样历史位置和多普勒速度信息,计算跟踪目标上采样点的位置;
第二计算单元,用于根据跟踪目标上采样点的位置计算所述上采样点的位置可信度与状态可信度;
目标跟踪单元,用于根据所述上采样点的位置可信度与状态可信度确定出目标最小包围框。
作为一个优选实施例,所述第二计算单元中计算所述上采样点的位置可信度与状态可信度,包括:
根据跟踪目标列表和感知目标列表构建感知目标框与虚拟目标框;
根据所述跟踪目标与感知目标框和虚拟目标框的关系,确定出所述跟踪目标的可信度与状态可信度。
作为一个优选实施例,上述第一计算单元包括:
根据上采样点云历史坐标、历史数据时刻与当前时刻时间差和历史时刻的多普勒速度,计算得到跟踪目标上采样点的位置;
其中,x,y,z为上采样点云历史坐标,x′,y′,z′为跟踪目标上采样点坐标,ΔT为历史数据时刻与当前时刻时间差,vx,vy,vz为历史时刻记录的多普勒速度。
作为一个优选实施例,第二计算单元中根据所述跟踪目标与感知目标框和虚拟目标框的关系,确定出所述跟踪目标的可信度与状态可信度,包括:
所述跟踪目标在所述感知目标框内时,所述跟踪目标的可信度为1,所述跟踪目标的状态可信度为默认值与0.5的和;
所述跟踪目标在所述虚拟目标框内,未在所述感知目标框内时,所述跟踪目标的可信度为P=d*lp/(8*ll*lw*lh*ld),所述跟踪目标的状态可信度为δ=δ-n+P,其中,所述P为跟踪目标的可信度,所述d为上采样点到所述虚拟框中心点的欧氏距离,所述lp为所述跟踪目标到所述感知目标框外侧的距离,所述ld为所述跟踪目标到所述虚拟目标框内侧的距离所述ll,lw,lh为所述虚拟目标框的尺寸,所述δ为跟踪目标的状态可信度,所述n为所述感知目标与所述跟踪目标的帧数差;
所述跟踪目标在所述虚拟目标框外时,所述跟踪目标的可信度为
作为一个优选实施例,目标跟踪单元,包括:计算所述感知目标点云簇中上采样点的第一位置可信度;计算所述跟踪目标点云簇中上采样点的第二位置可信度;所述第一位置可信度和所述第二位置可信度满足相同条件时,确定出所述目标最小包围框。
本发明实施例的目标跟踪装置,基于4D毫米波雷达点云稀疏的现状,对4D毫米波雷达采集的点云进行升采样处理,利用目标航向角和目标俯仰角确定出目标最小包围框,得到目标的位置信息,从而实现目标跟踪,能够提升目标跟踪与感知的精确度。
需要说明的是,本发明实施例提供的通信设备是能够执行上述目标跟踪方法的通信设备,则上述目标跟踪方法的所有实施例均适用于该通信设备,且均能达到相同或相似的有益效果。
本发明实施例还提供一种通信设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现如上所述的目标跟踪方法实施例中的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本发明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,该程序被处理器执行时实现如上所述的目标跟踪方法实施例中的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储介质中,使得存储在该计算机可读存储介质中的指令产生包括指令装置的纸制品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上,使得计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他科编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (12)
1.一种目标跟踪方法,其特征在于,所述方法包括:
利用至少两个4D毫米波雷达进行目标感知,每个4D毫米波雷达计算出目标速度信息,对采集的点云进行聚类得到目标点云簇和所述目标点云簇的中心位置;
根据多帧相同感知目标的速度信息与目标点云簇的中心位置,基于随机并行梯度下降算法计算得到目标航向角和目标俯仰角;
根据所述目标航向角和所述目标俯仰角确定出目标最小包围框,得到目标的位置信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标航向角、所述目标俯仰角确定出目标最小包围框,包括:
获取跟踪目标列表和感知目标列表,所述跟踪目标列表包括目标采样点云与点云对应的概率预测值、目标卡尔曼状态变量、多普勒速度信息和目标ID,所述感知目标列表包括目标测量点云和多普勒速度信息;
根据匈牙利算法计算跟踪目标与感知目标的关联,得到所述跟踪目标与感知目标的匹配对;
根据上采样历史位置和多普勒速度信息,计算跟踪目标上采样点的位置;
根据跟踪目标上采样点的位置计算所述上采样点的位置可信度与状态可信度;
根据所述上采样点的位置可信度与状态可信度确定出目标最小包围框。
4.根据权利要求2所述的方法,其特征在于,所述计算所述上采样点的位置可信度与状态可信度,包括:
根据跟踪目标列表和感知目标列表构建感知目标框与虚拟目标框;
根据所述跟踪目标与感知目标框和虚拟目标框的关系,确定出所述跟踪目标的可信度与状态可信度。
5.根据权利要求4所述的方法,其特征在于,根据所述跟踪目标与感知目标框和虚拟目标框的关系,确定出所述跟踪目标的可信度与状态可信度,包括:
所述跟踪目标在所述感知目标框内时,所述跟踪目标的可信度为1,所述跟踪目标的状态可信度为默认值与0.5的和;
所述跟踪目标在所述虚拟目标框内,未在所述感知目标框内时,所述跟踪目标的可信度为P=d*lp/(8*ll*lw*lh*ld),所述跟踪目标的状态可信度为δ=δ-n+P,其中,所述P为跟踪目标的可信度,所述d为上采样点到所述虚拟框中心点的欧氏距离,所述lp为所述跟踪目标到所述感知目标框外侧的距离,所述ld为所述跟踪目标到所述虚拟目标框内侧的距离所述ll,lw,lh为所述虚拟目标框的尺寸,所述δ为跟踪目标的状态可信度,所述n为所述感知目标与所述跟踪目标的帧数差;
所述跟踪目标在所述虚拟目标框外时,所述跟踪目标的可信度为
6.根据权利要求2所述的方法,其特征在于,所述根据所述上采样点的位置可信度与状态可信度确定出目标最小包围框,包括:
计算所述感知目标点云簇中上采样点的第一位置可信度;
计算所述跟踪目标点云簇中上采样点的第二位置可信度;
所述第一位置可信度和所述第二位置可信度满足相同条件时,确定出所述目标最小包围框。
7.根据权利要求1所述的方法,其特征在于,所述4D毫米波雷达为雷视一体机。
8.一种目标跟踪装置,其特征在于,所述装置包括处理模块、计算模块和目标跟踪模块;
所述处理模块,用于利用至少两个4D毫米波雷达进行目标感知,每个4D毫米波雷达计算出目标速度信息,对采集的点云进行聚类得到目标点云簇和所述目标点云簇的中心位置;
所述计算模块,用于根据多帧相同感知目标的速度信息与目标点云簇的中心位置,基于随机并行梯度下降算法计算得到目标航向角和目标俯仰角;
所述目标跟踪模块,用于根据所述计算模块得到的所述目标航向角和所述目标俯仰角确定出目标最小包围框,得到目标的位置信息。
9.根据权利要求8所述的装置,其特征在于,所述目标跟踪模块包括:
获取单元,用于获取跟踪目标列表和感知目标列表,所述跟踪目标列表包括目标采样点云与点云对应的概率预测值、目标卡尔曼状态变量、多普勒速度信息和目标ID,所述感知目标列表包括目标测量点云和多普勒速度信息;
关联单元,用于根据匈牙利算法计算跟踪目标与感知目标的关联,得到所述跟踪目标与感知目标的匹配对;
第一计算单元,用于根据上采样历史位置和多普勒速度信息,计算跟踪目标上采样点的位置;
第二计算单元,用于根据跟踪目标上采样点的位置计算所述上采样点的位置可信度与状态可信度;
目标跟踪单元,用于根据所述上采样点的位置可信度与状态可信度确定出目标最小包围框。
10.根据权利要求9所述的装置,其特征在于,所述计算所述上采样点的位置可信度与状态可信度,包括:
根据跟踪目标列表和感知目标列表构建感知目标框与虚拟目标框;
根据所述跟踪目标与感知目标框和虚拟目标框的关系,确定出所述跟踪目标的可信度与状态可信度。
11.一种通信设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序;其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述的目标跟踪方法。
12.一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至7任一项所述的目标跟踪方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111411240.7A CN116165652A (zh) | 2021-11-25 | 2021-11-25 | 一种目标跟踪方法、装置及通信设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111411240.7A CN116165652A (zh) | 2021-11-25 | 2021-11-25 | 一种目标跟踪方法、装置及通信设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116165652A true CN116165652A (zh) | 2023-05-26 |
Family
ID=86420600
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111411240.7A Pending CN116165652A (zh) | 2021-11-25 | 2021-11-25 | 一种目标跟踪方法、装置及通信设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116165652A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116540252A (zh) * | 2023-07-06 | 2023-08-04 | 上海云骥跃动智能科技发展有限公司 | 基于激光雷达的速度确定方法、装置、设备及存储介质 |
-
2021
- 2021-11-25 CN CN202111411240.7A patent/CN116165652A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116540252A (zh) * | 2023-07-06 | 2023-08-04 | 上海云骥跃动智能科技发展有限公司 | 基于激光雷达的速度确定方法、装置、设备及存储介质 |
CN116540252B (zh) * | 2023-07-06 | 2023-09-26 | 上海云骥跃动智能科技发展有限公司 | 基于激光雷达的速度确定方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109521756B (zh) | 用于无人驾驶车辆的障碍物运动信息生成方法和装置 | |
CN112541437A (zh) | 车辆定位方法、装置、电子设备及存储介质 | |
CN113701745B (zh) | 一种外参变化检测方法、装置、电子设备及检测系统 | |
CN104677361B (zh) | 一种综合定位的方法 | |
CN113933818A (zh) | 激光雷达外参的标定的方法、设备、存储介质及程序产品 | |
CN103761739A (zh) | 一种基于半全局能量优化的影像配准方法 | |
CN116165652A (zh) | 一种目标跟踪方法、装置及通信设备 | |
CN106605153A (zh) | 轴偏移诊断装置 | |
CN113378694B (zh) | 生成目标检测和定位系统及目标检测和定位的方法及装置 | |
CN113176562B (zh) | 多目标跟踪方法、装置、电子设备及可读存储介质 | |
CN114528941A (zh) | 传感器数据融合方法、装置、电子设备及存储介质 | |
CN111753901B (zh) | 一种数据融合方法、装置、系统及计算机设备 | |
CN107270904B (zh) | 基于图像配准的无人机辅助引导控制系统及方法 | |
WO2023087202A1 (zh) | 运动状态估计方法及装置 | |
CN116182905A (zh) | 激光雷达和组合惯导的时空外参标定方法、装置及系统 | |
CN115727871A (zh) | 一种轨迹质量检测方法、装置、电子设备和存储介质 | |
CN113203424B (zh) | 多传感器的数据融合方法、装置及相关设备 | |
CN112906691B (zh) | 测距方法及装置、存储介质及电子设备 | |
EP3822583B1 (en) | Navigation apparatus and operation method of navigation apparatus | |
CN111077517A (zh) | 一种车辆检测跟踪方法和装置 | |
US20230288551A1 (en) | Apparatus and method for determining kinetic information | |
US20230025579A1 (en) | High-definition mapping | |
US20230085898A1 (en) | Automatic cross-sensor calibration using object detections | |
CN117872310B (zh) | 基于雷达的水面目标跟踪方法、装置、设备及介质 | |
CN116679298A (zh) | 基于目标感知的观测点云对准方法、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 |