CN116259033A - 车辆信息丢失的目标跟踪方法、系统、介质及设备 - Google Patents

车辆信息丢失的目标跟踪方法、系统、介质及设备 Download PDF

Info

Publication number
CN116259033A
CN116259033A CN202211679209.6A CN202211679209A CN116259033A CN 116259033 A CN116259033 A CN 116259033A CN 202211679209 A CN202211679209 A CN 202211679209A CN 116259033 A CN116259033 A CN 116259033A
Authority
CN
China
Prior art keywords
target
tracking
new
current frame
information
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
CN202211679209.6A
Other languages
English (en)
Inventor
刘海涛
尚庆龙
邹清全
方强
刘奋
张志军
曹洲
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.)
Shanghai Zhonghaiting Digital Intelligence Technology Co ltd
Original Assignee
Shanghai Zhonghaiting Digital Intelligence Technology Co ltd
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 Shanghai Zhonghaiting Digital Intelligence Technology Co ltd filed Critical Shanghai Zhonghaiting Digital Intelligence Technology Co ltd
Priority to CN202211679209.6A priority Critical patent/CN116259033A/zh
Publication of CN116259033A publication Critical patent/CN116259033A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • 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
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种车辆信息丢失的目标跟踪方法、系统、介质及设备，其方法包括以下步骤：获取当前帧目标结构化数据及上一帧目标结构化数据；判断所述上一帧目标结构化数据中的跟踪目标是否存在于所述当前帧目标结构化数据中，并获取新出现目标；基于跟踪目标的车道信息与周围关联目标信息，预测跟踪目标丢失时在当前帧对应的新预测目标；关联所述新预测目标与所述新出现目标，对丢失信息进行跟踪；结合实际路况，通过车道信息与周围关联目标信息来共同预测，再关联所述新预测目标与所述新出现目标，对丢失信息进行跟踪，增强了预测的实际性与准确性。

Description

车辆信息丢失的目标跟踪方法、系统、介质及设备
技术领域
本发明涉及自动驾驶技术领域，特别涉及一种车辆信息丢失的目标跟踪方法、系统、介质及设备。
背景技术
近些年，随着元宇宙、数字孪生的发展，越来越多的现实场景被建模为虚拟数字场景。现在自动驾驶与车路协同领域更是将车辆、行人、路况、等交通要素实时使用数字孪生的形式来显示出来，而目标数据信息的获取依赖于摄像头、雷达等传感器的识别与跟踪，而各传感器都有各自的局限，例如摄像头的定位与速度识别并不精准，在目标跟踪时很容易变目标，而且遮挡时就无法显示；雷达的视角较为有限，对于小目标与静止目标不易识别跟踪，对于遮挡问题也没有有效的解决方案；在传感器识别跟踪层面对于被遮挡情况下目标很容易丢失或再次关联上后会变成新目标。
因此针对上述问题，如何结合实际路况将丢失目标的预测状态与新出现目标进行一定关联，从而解决目标跟踪时车辆信息丢失的问题。
发明内容
本发明的提供一种车辆信息丢失的目标跟踪方法、系统、介质及设备，结合实际路况，通过车道信息与周围关联目标信息来共同预测，再关联所述新预测目标与所述新出现目标，对丢失信息进行跟踪，增强了预测的实际性与准确性。
第一方面，提供一种车辆信息丢失的目标跟踪方法，包括以下步骤：
获取当前帧目标结构化数据及上一帧目标结构化数据；
判断所述上一帧目标结构化数据中的跟踪目标是否存在于所述当前帧目标结构化数据中，并获取新出现目标；
基于跟踪目标的车道信息与周围关联目标信息，预测跟踪目标丢失时在当前帧对应的新预测目标；
关联所述新预测目标与所述新出现目标，对丢失信息进行跟踪。
根据第一方面，在第一方面的第一种可能的实现方式中，所述“判断所述上一帧目标结构化数据中的跟踪目标是否存在于所述当前帧目标结构化数据中，并获取新出现目标”步骤，具体包括以下步骤：
复制所述当前帧目标结构化数据获得当前帧目标结构化复制数据；
判断所述上一帧目标结构化数据中的跟踪目标是否存在于所述当前帧目标结构化数据中；
若存在，则在所述当前帧目标结构化复制数据中删除所述跟踪目标，获得新出现目标；
若不存在，则将所述跟踪目标发送至丢失队列中。
根据第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述“基于跟踪目标的车道信息与周围关联目标信息，预测跟踪目标丢失时在当前帧对应的新预测目标”步骤，具体包括以下步骤：
获取在上一帧目标结构化数据中的跟踪目标的经纬度信息；
根据所述跟踪目标的经纬度信息，获取跟踪目标所在车道与其它车道相连信息；
在所述跟踪目标所在车道与其它车道相连信息中，以所述跟踪目标的经纬度信息对应的地图坐标系定位为圆心，获取预设半径范围内且满足预设条件的周围关联目标；
根据所述周围关联目标及周围关联目标所在同一车道上的前面目标，预测跟踪目标丢失时在当前帧对应的新预测目标。
根据第一方面的第一种可能的实现方式，在第一方面的第三种可能的实现方式中，所述“关联所述新预测目标与所述新出现目标”步骤：
基于所述新预测目标与所述新出现目标之间的位置距离及运动速度夹角进行关联。
根据第一方面，在第一方面的第四种可能的实现方式中，所述“关联所述新预测目标与所述新出现目标，对丢失信息进行跟踪”步骤，具体包括以下步骤：
当关联上所述新预测目标与所述新出现目标，则将新出现目标替换为新预测目标在上一帧目标结构化数据中对应的跟踪目标，并在所述丢失队列中删除跟踪目标；
当未关联上所述新预测目标与所述新出现目标，则将新预测目标发送至当前帧目标结构化数据中。
根据第一方面，在第一方面的第五种可能的实现方式中，所述“当关联上所述新预测目标与所述新出现目标，则将新出现目标替换为新预测目标在上一帧目标结构化数据中对应的跟踪目标”步骤之后，具体包括以下步骤：
对关联上的跟踪目标添加目标描述标记字段；
获取下一帧目标结构化数据，判断在下一帧目标结构化数据中的新出现目标与跟踪目标丢失时的目标描述标记字段是否匹配；
若匹配，则将新出现目标替换为在当前帧目标结构化数据中对应的跟踪目标。
第二方面，提供一种车辆信息丢失的目标跟踪系统，包括：
数据获取模块，用于获取当前帧目标结构化数据及上一帧目标结构化数据；
判断模块，与所述数据获取模块通信连接，用于判断所述上一帧目标结构化数据中的跟踪目标是否存在于所述当前帧目标结构化数据中，并获取新出现目标；
预测模块，与所述判断模块通信连接，用于基于跟踪目标的车道信息与周围关联目标信息，预测跟踪目标丢失时在当前帧对应的新预测目标；
关联模块，与所述判断模块及所述预测模块通信连接，用于关联所述新预测目标与所述新出现目标，对丢失信息进行跟踪。
第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的车辆信息丢失的目标跟踪方法。
第四方面，提供一种电子设备，包括存储介质、处理器以及存储在所述存储介质中并可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时实现如上述所述的车辆信息丢失的目标跟踪方法。
与现有技术相比，本发明的优点如下：结合实际路况，通过车道信息与周围关联目标信息来共同预测，再关联所述新预测目标与所述新出现目标，对丢失信息进行跟踪，增强了预测的实际性与准确性。
附图说明
图1是本发明一种车辆信息丢失的目标跟踪方法的一实施例的流程示意图；
图2是本发明目标数据的示意图；
图3是本发明一种车辆信息丢失的目标跟踪方法的又一实施例的流程示意图；
图4是本发明的一种平行车位自动泊车轨迹规划系统的结构示意图。
100、车辆信息丢失的目标跟踪系统；110、数据获取模块；120、判断模块；130、预测模块；140、关联模块模块。
具体实施方式
现在将详细参照本发明的具体实施例，在附图中例示了本发明的例子。尽管将结合具体实施例描述本发明，但将理解，不是想要将本发明限于所述的实施例。相反，想要覆盖由所附权利要求限定的在本发明的精神和范围内包括的变更、修改和等价物。应注意，这里描述的方法步骤都可以由任何功能块或功能布置来实现，且任何功能块或功能布置可被实现为物理实体或逻辑实体、或者两者的组合。
为了使本领域技术人员更好地理解本发明，下面结合附图和具体实施方式对本发明作进一步详细说明。
注意：接下来要介绍的示例仅是一个具体的例子，而不作为限制本发明的实施例必须为如下具体的步骤、数值、条件、数据、顺序等等。本领域技术人员可以通过阅读本说明书来运用本发明的构思来构造本说明书中未提到的更多实施例。
参见图1所示，本发明实施例提供一种车辆信息丢失的目标跟踪方法，包括以下步骤：
S100，获取当前帧目标结构化数据及上一帧目标结构化数据；
S200，判断所述上一帧目标结构化数据中的跟踪目标是否存在于所述当前帧目标结构化数据中，并获取新出现目标；
S300，基于跟踪目标的车道信息与周围关联目标信息，预测跟踪目标丢失时在当前帧对应的新预测目标；
S400，关联所述新预测目标与所述新出现目标，对丢失信息进行跟踪。
具体地，本实施例中，传统目标跟踪的预测是根据目标历史状态(定位、速度、加速度等信息)进行运动形态的推理补偿，而这在道路上会失去实际交通场景的信息，例如实际运动要按照车道行驶，在红绿灯处或者前方有其他目标时不能前行等状态。本发明结合了实际路况，通过车道信息与周围关联目标信息来共同预测，再关联所述新预测目标与所述新出现目标，对丢失信息进行跟踪，增强了预测的实际性与准确性。
优选地，在本申请另外的实施例中，所述“S200，判断所述上一帧目标结构化数据中的跟踪目标是否存在于所述当前帧目标结构化数据中，并获取新出现目标”步骤，具体包括以下步骤：
S210，复制所述当前帧目标结构化数据获得当前帧目标结构化复制数据；
S220，判断所述上一帧目标结构化数据中的跟踪目标是否存在于所述当前帧目标结构化数据中；
S230，若存在，则在所述当前帧目标结构化复制数据中删除所述跟踪目标，获得新出现目标；
S240，若不存在，则将所述跟踪目标发送至丢失队列中。
参见图2所示，具体地，本实施例中，白色圈为上一帧目标数据，灰色圈为当前帧目标数据，在上一帧出现而在当前帧未出现的是图中标记的丢失目标数据区域；在当前帧出现而在上一帧未出现的目标数据为图中新出现目标数据的区域。
在连续接收目标信息的队列里，将当前帧与上一帧进行ID(目标)匹配，可以分为三个部分。第一部分：上一帧有的ID，当前帧没有该ID；第二部分：上一帧有的ID，当前帧也有该ID；第三部分：上一帧没有的ID，当前帧有该ID。第二部分为未丢失目标无需处理；第一部分为丢失目标，需将其加入丢失目标队列中存储起来；第三部分为新出现目标，需要和丢失目标的预测状态进行关联。
接收到当前帧目标结构化数据记录其时间戳并复制一份记录为tf_copy；遍历上一帧目标结构化数据判断目标ID是否在当前帧出现；如果上一帧目标在当前帧出现，则在tf_copy中删除该ID，最终tf_copy里会剩下新出现的目标ID；如果上一帧目标没有在当前帧出现则追加到丢失队列lostQ中。
优选地，在本申请另外的实施例中，所述“S300，基于跟踪目标的车道信息与周围关联目标信息，预测跟踪目标丢失时在当前帧对应的新预测目标”步骤，具体包括以下步骤：
S310，获取在上一帧目标结构化数据中的跟踪目标的经纬度信息；
将在上一帧目标结构化数据中的跟踪目标的经纬度信息转为高斯投影坐标系并偏移至地图坐标系；
S320，根据所述跟踪目标的经纬度信息，获取跟踪目标所在车道与其它车道相连信息；
S330，在所述跟踪目标所在车道与其它车道相连信息中，以所述跟踪目标的经纬度信息对应的地图坐标系定位为圆心，获取预设半径范围内且满足预设条件的周围关联目标；
S340，根据所述周围关联目标及周围关联目标所在同一车道上的前面目标，预测跟踪目标丢失时在当前帧对应的新预测目标。
具体地，本实施例中，
S330，在所述跟踪目标所在车道与其它车道相连信息中，以所述跟踪目标的经纬度信息对应的地图坐标系定位为圆心，一定半径(例10m)范围内的具有相同速度方向(或夹角小于一定阈值：例20°)和车辆朝向的目标作为周围关联目标。
S340，判断周围关联目标中是否存在同一车道的前面目标，如果有则给其较大的权重；如果没有，则平均所有关联目标的运动状态；
将上步求得的推理运动状态作为最终输入的一部分,并结合目标沿车道方向运动有可能出现曲线等情况(高精度地图含有沿车道的坐标系，判断周围关联目标中是否存在同一车道的前面目标)进行加权最终得出预测目标的运动状态与位置；
最后将预测后的目标运动状态与位置再经过偏移与坐标转换到经纬度，得到跟踪目标丢失时在当前帧对应的新预测目标。
优选地，在本申请另外的实施例中，所述“S400，关联所述新预测目标与所述新出现目标”步骤，具体包括以下步骤：
基于所述新预测目标与所述新出现目标之间的位置距离及运动速度夹角进行关联。
具体地，本实施例中，基于位置距离及运动速度夹角关联所述新预测目标与所述新出现目标：初始位置距离不超过例10m，初始运动速度夹角(矢量夹角)不超过例15°；在所有与新出现目标关联上的丢失目标(新预测目标)中按照不同位置距离区间进行打分(例9-10m为0分，8-9m为1分等)，按照不同运动速度夹角区间进行打分(15-12°为0分，12-9°为1分等)，因此获得所有新出现目标与丢失目标的新预测目标进行关联关系得分-预设位置距离与预设运动速度夹角的得分总和，按照得分高的进行优先关联，若得分一致则按照丢失目标的丢失周期短的优先关联；而未关联上的新出现目标则作为非丢失目标出现。
优选地，在本申请另外的实施例中，所述“S400，关联所述新预测目标与所述新出现目标，对丢失信息进行跟踪”步骤，具体包括以下步骤：
S410，当关联上所述新预测目标与所述新出现目标，则将新出现目标替换为新预测目标在上一帧目标结构化数据中对应的跟踪目标，并在所述丢失队列中删除跟踪目标；
S420，当未关联上所述新预测目标与所述新出现目标，则将新预测目标发送至当前帧目标结构化数据中。
具体地，本实施例中，将新预测目标与新出现目标(tf_copy)进行关联，关联元素为速度、车道与定位信息；若未关联上则将新预测目标添加到当前帧输出；若关联上则将新出现目标ID改为关联上的丢失ID。
优选地，在本申请另外的实施例中，所述“S410，当关联上所述新预测目标与所述新出现目标，则将新出现目标替换为新预测目标在上一帧目标结构化数据中对应的跟踪目标”步骤之后，具体包括以下步骤：
对关联上的跟踪目标添加目标描述标记字段；
获取下一帧目标结构化数据，判断在下一帧目标结构化数据中的新出现目标与跟踪目标丢失时的目标描述标记字段是否匹配；
若匹配，则将新出现目标替换为在当前帧目标结构化数据中对应的跟踪目标。
具体地，本实施例中，当所述新预测目标与所述新出现目标关联上，则将新出现目标ID改为关联上的丢失ID，并添加字段rawID记录其本身ID，并将该目标从丢失队列中删除，而对于下一帧的新目标与其rawID进行匹配，若匹配上则依然继承该ID，并记录rawID。
需要说明的是：当新预测目标始终未关联上新出现目标时，需要设定预测范围，例如预测30s，则在遍历丢失目标队列时比对时间戳来判断，超过30s，则将丢失队列中的目标删除，并且不再预测；预测30m，则将目标的预测定位与最初丢失定位进行计算判断，若超出30m,则将丢失队列中的目标删除，并且不再预测。
同时参见图3所示，本发明实施例提供的一种车辆信息丢失的目标跟踪方法，包括如下步骤：
1、获取当前帧目标结构化数据the Frame及上一帧目标结构化数据last Frame；
2、复制所述当前帧目标结构化数据获得当前帧目标结构化复制数据，记录时间戳；
3、判断所述上一帧目标结构化数据中的跟踪目标是否存在于所述当前帧目标结构化数据中；
若存在，则在所述当前帧目标结构化复制数据中删除所述跟踪目标，获得新出现目标；
若不存在，则将所述跟踪目标发送至丢失队列中；
4、基于跟踪目标的车道信息与周围关联目标信息，预测跟踪目标丢失时在当前帧对应的新预测目标；
5、关联所述新预测目标与所述新出现目标；
当关联上所述新预测目标与所述新出现目标，则将新出现目标替换为新预测目标在上一帧目标结构化数据中对应的跟踪目标，并在所述丢失队列中删除跟踪目标；
当未关联上所述新预测目标与所述新出现目标，则将新预测目标发送至当前帧目标结构化数据中。
同时参见图4所示，本发明实施例还提供了一种车辆信息丢失的目标跟踪系统100，包括：
数据获取模块110，用于获取当前帧目标结构化数据及上一帧目标结构化数据；
判断模块120，与所述数据获取模块110通信连接，用于判断所述上一帧目标结构化数据中的跟踪目标是否存在于所述当前帧目标结构化数据中，并获取新出现目标；
预测模块130，与所述判断模块120通信连接，用于基于跟踪目标的车道信息与周围关联目标信息，预测跟踪目标丢失时在当前帧对应的新预测目标；
关联模块140，与所述判断模块120及所述预测模块130通信连接，用于关联所述新预测目标与所述新出现目标，对丢失信息进行跟踪。
传统目标跟踪的预测是根据目标历史状态(定位、速度、加速度等信息)进行运动形态的推理补偿，而这在道路上会失去实际交通场景的信息，例如实际运动要按照车道行驶，在红绿灯处或者前方有其他目标时不能前行等状态。本发明结合了实际路况，通过车道信息与周围关联目标信息来共同预测，再关联所述新预测目标与所述新出现目标，对丢失信息进行跟踪，增强了预测的实际性与准确性。
具体的，本实施例与上述方法实施例一一对应，各个模块的功能在相应的方法实施例中已经进行详细说明，因此不再一一赘述。
基于同一发明构思，本申请实施例还提供了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时实现上述方法的所有方法步骤或部分方法步骤。
本发明实现上述方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
基于同一发明构思，本申请实施例还提供一种电子设备，包括存储器和处理器，存储器上储存有在处理器上运行的计算机程序，处理器执行计算机程序时实现上述方法中的所有方法步骤或部分方法步骤。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，处理器是计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
存储器可用于存储计算机程序和/或模块，处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现计算机装置的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(例如声音播放功能、图像播放功能等)；存储数据区可存储根据手机的使用所创建的数据(例如音频数据、视频数据等)。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、服务器或计算机程序产品。因此，本发明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，本发明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用存储介质(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。
本发明是参照根据本发明实施例的方法、设备(系统)、服务器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、嵌入式处理机或其他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他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/或方框图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他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，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他可编程数据处理设备上，使得在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可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。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种车辆信息丢失的目标跟踪方法，其特征在于，包括以下步骤：
获取当前帧目标结构化数据及上一帧目标结构化数据；
判断所述上一帧目标结构化数据中的跟踪目标是否存在于所述当前帧目标结构化数据中，并获取新出现目标；
基于跟踪目标的车道信息与周围关联目标信息，预测跟踪目标丢失时在当前帧对应的新预测目标；
关联所述新预测目标与所述新出现目标，对丢失信息进行跟踪。
2.如权利要求1所述的车辆信息丢失的目标跟踪方法，其特征在于，所述“判断所述上一帧目标结构化数据中的跟踪目标是否存在于所述当前帧目标结构化数据中，并获取新出现目标”步骤，具体包括以下步骤：
复制所述当前帧目标结构化数据获得当前帧目标结构化复制数据；
判断所述上一帧目标结构化数据中的跟踪目标是否存在于所述当前帧目标结构化数据中；
若存在，则在所述当前帧目标结构化复制数据中删除所述跟踪目标，获得新出现目标；
若不存在，则将所述跟踪目标发送至丢失队列中。
3.如权利要求1所述的车辆信息丢失的目标跟踪方法，其特征在于，所述“基于跟踪目标的车道信息与周围关联目标信息，预测跟踪目标丢失时在当前帧对应的新预测目标”步骤，具体包括以下步骤：
获取在上一帧目标结构化数据中的跟踪目标的经纬度信息；
根据所述跟踪目标的经纬度信息，获取跟踪目标所在车道与其它车道相连信息；
在所述跟踪目标所在车道与其它车道相连信息中，以所述跟踪目标的经纬度信息对应的地图坐标系定位为圆心，获取预设半径范围内且满足预设条件的周围关联目标；
根据所述周围关联目标及周围关联目标所在同一车道上的前面目标，预测跟踪目标丢失时在当前帧对应的新预测目标。
4.如权利要求1所述的车辆信息丢失的目标跟踪方法，其特征在于，所述“关联所述新预测目标与所述新出现目标”步骤，具体包括以下步骤：
基于所述新预测目标与所述新出现目标之间的位置距离及运动速度夹角进行关联。
5.如权利要求2所述的车辆信息丢失的目标跟踪方法，其特征在于，所述“关联所述新预测目标与所述新出现目标，对丢失信息进行跟踪”步骤，具体包括以下步骤：
当关联上所述新预测目标与所述新出现目标，则将新出现目标替换为新预测目标在上一帧目标结构化数据中对应的跟踪目标，并在所述丢失队列中删除跟踪目标；
当未关联上所述新预测目标与所述新出现目标，则将新预测目标发送至当前帧目标结构化数据中。
6.如权利要求5所述的车辆信息丢失的目标跟踪方法，其特征在于，所述“当关联上所述新预测目标与所述新出现目标，则将新出现目标替换为新预测目标在上一帧目标结构化数据中对应的跟踪目标”步骤之后，具体包括以下步骤：
对关联上的跟踪目标添加目标描述标记字段；
获取下一帧目标结构化数据，判断在下一帧目标结构化数据中的新出现目标与跟踪目标丢失时的目标描述标记字段是否匹配；
若匹配，则将新出现目标替换为在当前帧目标结构化数据中对应的跟踪目标。
7.一种车辆信息丢失的目标跟踪系统，其特征在于，包括：
数据获取模块，用于获取当前帧目标结构化数据及上一帧目标结构化数据；
判断模块，与所述数据获取模块通信连接，用于判断所述上一帧目标结构化数据中的跟踪目标是否存在于所述当前帧目标结构化数据中，并获取新出现目标；
预测模块，与所述判断模块通信连接，用于基于跟踪目标的车道信息与周围关联目标信息，预测跟踪目标丢失时在当前帧对应的新预测目标；
关联模块，与所述判断模块及所述预测模块通信连接，用于关联所述新预测目标与所述新出现目标，对丢失信息进行跟踪。
8.一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，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的车辆信息丢失的目标跟踪方法。
9.一种电子设备，包括存储介质、处理器以及存储在所述存储介质中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时实现如权利要求1至6中任一项所述的车辆信息丢失的目标跟踪方法。
CN202211679209.6A 2022-12-26 2022-12-26 车辆信息丢失的目标跟踪方法、系统、介质及设备 Pending CN116259033A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211679209.6A CN116259033A (zh) 2022-12-26 2022-12-26 车辆信息丢失的目标跟踪方法、系统、介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211679209.6A CN116259033A (zh) 2022-12-26 2022-12-26 车辆信息丢失的目标跟踪方法、系统、介质及设备

Publications (1)

Publication Number Publication Date
CN116259033A true CN116259033A (zh) 2023-06-13

Family

ID=86685386

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211679209.6A Pending CN116259033A (zh) 2022-12-26 2022-12-26 车辆信息丢失的目标跟踪方法、系统、介质及设备

Country Status (1)

Country Link
CN (1) CN116259033A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117111019A (zh) * 2023-10-25 2023-11-24 深圳市先创数字技术有限公司 一种基于雷达探测的目标跟踪监控方法和系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117111019A (zh) * 2023-10-25 2023-11-24 深圳市先创数字技术有限公司 一种基于雷达探测的目标跟踪监控方法和系统
CN117111019B (zh) * 2023-10-25 2024-01-09 深圳市先创数字技术有限公司 一种基于雷达探测的目标跟踪监控方法和系统

Similar Documents

Publication Publication Date Title
EP3699048A1 (en) Travelling track prediction method and device for vehicle
JP2020052694A (ja) 物体検出装置、物体検出方法及び物体検出用コンピュータプログラム
CN111046709B (zh) 车辆车道级定位方法、系统、车辆及存储介质
CN112507862B (zh) 基于多任务卷积神经网络的车辆朝向检测方法及系统
JP2020046706A (ja) 物体検出装置、車両制御システム、物体検出方法及び物体検出用コンピュータプログラム
EP4052221A1 (en) Generating depth from camera images and known depth data using neural networks
Liu et al. Vehicle detection and ranging using two different focal length cameras
CN116259033A (zh) 车辆信息丢失的目标跟踪方法、系统、介质及设备
CN111353453A (zh) 用于车辆的障碍物检测方法和装置
CN111422199A (zh) 驾驶辅助装置、车辆、信息提供装置、驾驶辅助系统及驾驶辅助方法
Colque Progressive background image generation of surveillance traffic videos based on a temporal histogram ruled by a reward/penalty function
CN112558036B (zh) 用于输出信息的方法和装置
CN113902047B (zh) 图像元素匹配方法、装置、设备以及存储介质
CN115762153A (zh) 倒车检测方法及装置
CN115839721A (zh) 一种行驶路线的预测方法、装置、车载终端及介质
CN112668371B (zh) 用于输出信息的方法和装置
JP7147464B2 (ja) 画像選択装置及び画像選択方法
CN112507857A (zh) 一种车道线更新方法、装置、设备及存储介质
CN115346397B (zh) 车流定位通行方法、系统、存储介质及设备
CN114286772A (zh) 自动驾驶控制装置以及自动驾驶控制方法
CN116503695B (zh) 目标检测模型的训练方法、目标检测方法及设备
CN117372975A (zh) 一种路沿检测方法、装置、终端设备和存储介质
CN116008981A (zh) 路口处的目标行驶方向确定方法、装置、终端及存储介质
CN116168325A (zh) 车辆变道检测方法、装置、电子设备以及可读存储介质
CN117809267A (zh) 车辆所在车道的定位方法、装置、终端设备及存储介质

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