CN117055022A - 目标关联方法、装置、车辆及存储介质 - Google Patents
目标关联方法、装置、车辆及存储介质 Download PDFInfo
- Publication number
- CN117055022A CN117055022A CN202310903922.2A CN202310903922A CN117055022A CN 117055022 A CN117055022 A CN 117055022A CN 202310903922 A CN202310903922 A CN 202310903922A CN 117055022 A CN117055022 A CN 117055022A
- Authority
- CN
- China
- Prior art keywords
- target
- coordinate axis
- targets
- set coordinate
- determining
- 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 45
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 230000002596 correlated effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/862—Combination of radar systems with sonar systems
-
- 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
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/865—Combination of radar systems with lidar systems
-
- 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
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/867—Combination of radar systems with cameras
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本公开提出一种目标关联方法、装置、车辆及存储介质,涉及自动驾驶技术领域。包括:获取至少两传感器中每个传感器进行多目标识别得到的多目标,以及多目标之中每个目标所处的目标位置;根据每个传感器进行多目标识别所得到的多个目标位置,确定相应传感器进行多目标识别所得到的任一目标在多目标之中的相对位置;将不同传感器进行多目标识别所得到的相对位置相匹配的目标确定为关联同一实体对象的关联目标。由此,可以避免将不同传感器进行多目标识别所得到的目标位置相似的不同目标错误关联为同一实体对象的问题,可以有效提升目标关联的准确性。
Description
技术领域
本公开涉及自动驾驶技术领域,尤其涉及一种目标关联方法、装置、车辆及存储介质。
背景技术
在自动驾驶感知系统中,后融合模块可以负责融合各个传感器(比如毫米波雷达、超声波雷达等)的目标结果,以提供最优的输入。然而,在后融合模块融合过程中,必须确定各个传感器所识别得到目标之间的一一映射关系,即实现不同传感器识别得到的目标之间的关联,以将不同传感器对同一实体对象识别所得的目标进行关联。
相关技术中,在对不同传感器识别得到的目标进行关联时,采用的关联算法大多以特征相似度(比如位置相似度、速度相似度等)为基础,容易出现错误关联的问题。
发明内容
本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
根据本公开实施例的第一方面,提供一种目标关联方法,包括:
获取至少两传感器中每个传感器进行多目标识别得到的多目标,以及所述多目标之中每个目标所处的目标位置;
根据每个所述传感器进行多目标识别所得到的多个所述目标位置,确定相应传感器进行多目标识别所到的任一目标在多目标之中的相对位置;
将不同传感器进行多目标识别所得到的所述相对位置相匹配的目标确定为关联同一实体对象的关联目标。
根据本公开实施例的第二方面,提供一种目标关联装置,包括:
获取模块,用于获取至少两传感器中每个传感器进行多目标识别得到的多目标,以及所述多目标之中每个目标所处的目标位置;
第一确定模块,用于根据每个所述传感器进行多目标识别所得到的多个所述目标位置,确定相应传感器进行多目标识别所到的任一目标在多目标之中的相对位置;
第二确定模块,用于将不同传感器进行多目标识别所得到的所述相对位置相匹配的目标确定为关联同一实体对象的关联目标。
根据本公开实施例的第三方面,提供一种车辆,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为:如本公开第一方面实施例提出的目标关联方法的步骤。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开第一方面所提供的目标关联方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果:
本公开实施例的目标关联方法,通过获取至少两传感器中每个传感器进行多目标识别得到的多目标,以及多目标之中每个目标所处的目标位置;根据每个传感器进行多目标识别所得到的多个目标位置,确定相应传感器进行多目标识别所得到的任一目标在多目标之中的相对位置;将不同传感器进行多目标识别所得到的相对位置相匹配的目标确定为关联同一实体对象的关联目标。由此,可以根据任一传感器进行多目标识别所得到的多个目标位置,确定任一传感器进行多目标识别所得到的每个目标的相对位置,进而可以对不同传感器进行多目标识别所得到的各目标的相对位置进行匹配,以对目标进行关联,可以避免将不同传感器进行多目标识别所得到的目标位置相似的不同目标错误关联为同一实体对象的问题,有效提升目标关联的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1为本公开所提供的不同传感器识别得到的各目标的位置的示意图;
图2为本公开实施例一所提供的一种目标关联方法的流程示意图;
图3为本公开所提供的设定坐标系中传感器1识别到的目标所处的位置的示意图;
图4为本公开所提供的不同传感器识别的各目标在设定坐标系中的位置的示意图;
图5为本公开实施例二所提供的一种目标关联方法的流程示意图;
图6是本公开实施例三所提供的一种目标关联装置的结构示意图;
图7是根据一示例性实施例示出的一种车辆700的框图。
具体实施方式
下面详细描述本公开的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号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例是示例性的,旨在用于解释本公开,而不能理解为对本公开的限制。
在相关技术中,在对不同传感器识别得到的目标进行关联时,采用的关联算法大多以特征相似度(比如位置相似度、速度相似度等)为基础,并通过匈牙利匹配算法实现关联效果的最优化。然而,当感知误差不稳定或感知误差较大时,基于特征相似度的关联容易失效,出现误关联。比如,如图1所示,图1为本公开所提供的不同传感器识别得到的各目标的位置的示意图,其中,图1中A为目标1的真实位置、B为目标2的真实位置,传感器1对目标1的检测结果或识别结果为A1、对目标2的检测结果为B1,传感器1对上述两个目标的识别位置在x轴方向或横向方向的偏差较大,传感器2对目标1的检测结果或识别结果为A2、对目标2的检测结果为B2,传感器2对上述两个目标的识别位置在y轴方向或纵向方向的偏差较大。当基于位置相似度对上述不同传感器各目标进行关联时,很容易将位置接近的A1和B2错误关联在一起。
针对上述问题,本公开提出一种目标关联方法、装置、车辆及存储介质。
下面参考附图描述本公开实施例的目标关联方法、装置、车辆及存储介质。
图2为本公开实施例一所提供的一种目标关联方法的流程示意图。
本公开实施例以该目标关联方法被配置于目标关联装置中来举例说明,该目标关联装置可以应用于任一车辆中,以使该车辆可以执行目标关联功能。
如图2所示,该目标关联方法可以包括以下步骤:
步骤201,获取至少两传感器中每个传感器进行多目标识别得到的多目标,以及多目标之中每个目标所处的目标位置。
在本公开实施例中,传感器可以为激光雷达、毫米波雷达、超声波雷达、摄像头等,本公开对此不做限制。
在本公开实施例中,传感器比如可以设置于自动驾驶车辆中,且传感器的数量可以为至少两个。
可以理解的是,在传感器的数量为一个的情况下,不会出现将一个目标识别为两个目标的情况,从而无需进行后续的目标关联操作。
在本公开实施例中,目标比如可以为车辆、人、反光锥、警示牌等等,本公开对此不做限制。可以理解的是,每个目标可以有对应的位置,在本公开中,记为目标位置。
在本公开实施例中,至少两传感器中的每个传感器可以进行多目标识别,且每个传感器可以识别得到多个目标。从而在本公开中,可以获取每个传感器进行多目标识别所得到的多个目标,并可以获取对应传感器识别得到的多个目标之中每个目标所处的目标位置。
需要说明的是,不同传感器进行多目标识别得到的多个目标可能相同,或者也可能不相同,本公开对此不做限制。
作为一种示例,假设车辆M中存在传感器1和传感器2,传感器1进行多目标识别时,识别到目标A、目标B和目标C,传感器2进行多目标识别时,识别到目标A、目标C和目标D。
步骤202,根据每个传感器进行多目标识别所得到的多个目标位置,确定相应传感器进行多目标识别所得到的任一目标在多目标之中的相对位置。
作为一种可能的实现方式,针对至少两传感器中的任一传感器,可以基于多个目标位置,在设定坐标系中确定传感器进行多目标识别所得到的多目标之中每个目标所处的位置;基于各目标在设定坐标系中设定坐标轴上的投影位置,可以沿设定坐标轴的设定延伸方向对各目标进行排序,得到各目标在设定坐标轴上的第一排序,并可以基于各目标在设定坐标轴上的第一排序,确定各目标的相对位置。
其中,设定坐标系可以为预先设定的,比如可以为车体坐标系,或者也可以为大地坐标系等,本公开对此不做限制。
需要说明的是,可以预先设定设定坐标系对应的坐标轴为设定坐标轴,并可以预先设定设定坐标轴对应的延伸方向为设定延伸方向。
在本公开实施例的一种可能的实现方式中,设定坐标轴可以包括第一坐标轴和第二坐标轴。
比如,设定坐标系为车体坐标系,其中,车体坐标系的设定坐标轴可以包括X轴和Y轴,其中,可以以车辆前进方向为Y轴设定延伸方向,以车辆横向向右为X轴设定延伸方向,可以将X轴作为第一坐标轴,Y轴作为第二坐标轴。
可选地,针对至少两传感器中的任一传感器,可以采用坐标转换方法,基于传感器进行多目标识别所得到的多个目标对应的目标位置,可以在设定坐标系中确定传感器进行多目标识别多得到多目标之中每个目标所处的位置。
在本公开实施例中,第一排序可以是对任一传感器进行多目标识别所得到的各目标在设定坐标系中设定坐标轴上的投影位置,沿设定坐标轴的设定延伸方向对各目标进行排序得到的。
作为一种示例,车辆M中存在传感器1,传感器1进行多目标识别所得到的目标位置包括目标1的目标位置A1,目标2的目标位置B1和目标3的目标位置C1,针该传感器,可以基于该传感器进行多目标识别所得到的多个目标位置,在设定坐标系中确定该传感器进行多目标识别所得到的多目标之中每个目标所处的位置,如图3所示,图3为本公开所提供的设定坐标系中传感器1进行多目标识别所得到的各目标所处的位置的示意图,其中,目标1的真实位置在设定坐标系统中为A,目标2的真实位置在设定坐标系中为B,目标3的真实位置在设定坐标系中为C,设定坐标系中的设定坐标轴包括X轴和Y轴。针对传感器1,对各目标在设定坐标系中X轴上的投影位置,沿X轴的设定延伸方向对各目标进行排序得到第一排序为:目标1,目标2,目标3;而对各目标在设定坐标系中Y轴上的投影位置,沿Y轴的设定延伸方向对各目标进行排序得到第一排序为:目标3,目标2,目标1。
在本公开实施例中,可以基于各目标在设定坐标轴上的第一排序,确定各目标的相对位置。
作为一种可能的实现方式,在设定坐标轴包括第一坐标轴和第二坐标轴的情况下,可以将同一目标分别在第一坐标轴上的第一排序,以及在第二坐标轴上的第一排序进行组合,以表示相应目标的相对位置。
仍以上述示例进行说明,针对传感器1,基于各目标(目标1、目标2和目标3)在X轴上的第一排序和Y轴上的第一排序,将同一目标分别在X轴上的第一排序,以及在Y轴上的第一排序进行组合,可以确定目标1的相对位置为(0,2),目标2的相对位置为(1,1),目标3的相对位置为(2,0)。
需要说明的是,上述对各目标的相对位置的取值的示例仅是示例性的,在实际应用中,各目标的相对位置的取值还可以为其它,比如,目标1的相对位置为(1,3),目标2的相对位置为(2,2),目标3的相对位置为(3,1)。
步骤203,将不同传感器进行多目标识别所得到的相对位置相匹配的目标确定为关联同一实体对象的关联目标。
作为一种可能的实现方式,可以将不同传感器进行多目标识别所得到的相对位置相同的目标确定为关联同一实体对象的关联目标。
作为一种示例,如图4所示,图4为本公开所提供的不同传感器进行多目标识别所得到的各目标在设定坐标系中的位置的示意图,其中,传感器包括传感器1和传感器2,传感器1进行多目标识别所得到的目标A、目标B和目标C在设定坐标系中的位置分别为A1、B1和C1,传感器1进行多目标识别所得到的目标A的相对位置为(0,2)、目标B的相对位置为(1,1)、目标C的相对位置为(2,0);传感器2进行多目标识别所得到的目标A、目标B和目标C在设定坐标系中的位置分别为A2、B2和C2,传感器2进行多目标识别所得到的目标A的相对位置为(0,2)、目标B的相对位置为(1,1)、目标C的相对位置为(2,0);其中,传感器1进行多目标识别所得到的目标A的相对位置和传感器2进行多目标识别所得到的目标A的相对位置相同,则可以将传感器1和传感器2进行多目标识别所得到的相对位置相同的目标A确定为关联同一实体对象的关联目标。与之类似地,可以将传感器1和传感器2进行多目标识别所得到的相对位置相同的目标B确定为关联同一实体对象的关联目标、将传感器1和传感器2进行多目标识别所得到的相对位置相同的目标C确定为关联同一实体对象的关联目标。
作为再一种可能的实现方式,可以采用设定的关联匹配算法,将不同传感器识进行多目标识别所得到的各目标的相对位置进行匹配,并可以将相对位置相匹配的目标确定为关联同一实体对象的关联目标。
其中,关联匹配算法可以包括但不限于为匈牙利匹配算法,本公开对关联匹配算法的设定不做限制。
由此,在设定坐标系中对不同传感器进行多目标识别所得到的各目标的相对位置进行匹配,以对目标进行关联,可以避免在设定坐标系中,将位置相似的不同目标关联为同一实体对象的问题,有效提升目标关联的准确性。
本公开实施例的目标关联方法,通过获取至少两传感器中每个传感器进行多目标识别得到的多目标,以及多目标之中每个目标所处的目标位置;根据每个传感器进行多目标识别所得到的多个目标位置,确定相应传感器进行多目标识别所得到的任一目标在多目标之中的相对位置;将不同传感器进行多目标识别所得到的相对位置相匹配的目标确定为关联同一实体对象的关联目标。由此,可以根据任一传感器进行多目标识别所得到的多个目标位置,确定任一传感器进行多目标识别所得到的每个目标的相对位置,进而可以对不同传感器进行多目标识别所得到的各目标的相对位置进行匹配,以对目标进行关联,可以避免将不同传感器进行多目标识别所得到的目标位置相似的不同目标错误关联为同一实体对象的问题,有效提升目标关联的准确性。
在本公开实施例的一种可能的实现方式中,还可以在设定坐标轴中确定或设定参考点,从而可以根据各传感器进行多目标识别所得到的各目标在设定坐标系中设定坐标轴上的投影位置,分别确定各目标相对参考点的距离,并根据各目标相对参考点的距离,确定各目标的相对位置。下面结合示例,对上述过程进行详细说明。
图5为本公开实施例二所提供的一种目标关联方法的流程示意图。
如图5所示,该目标关联方法可以包括以下步骤:
步骤501,获取至少两传感器中每个传感器进行多目标识别得到的多目标,以及多目标之中每个目标所处的目标位置。
步骤501的解释说明可以参见本公开任一实施例中的相关描述,在此不做赘述。
步骤502,针对至少两传感器中的任一传感器,基于多个目标位置,在设定坐标系中确定传感器进行多目标识别所得到的多目标之中每个目标所处的位置。
需要说明的是,上述任一实施例中对设定坐标系的解释说明同样适用于该实施例,在此不做赘述。
作为一种可能实现方式,针对至少两传感器中的任一传感器,可以采用坐标转换方法,基于传感器进行多目标识别所得到的多个目标位置,在设定坐标系中确定传感器进行多目标识别所得到的多目标之中每个目标所处的位置。
步骤503,基于各目标在设定坐标系中设定坐标轴上的投影位置,分别确定各目标相对参考点的距离。
其中,参考点可以是位于设定坐标轴上的点。比如,在设定坐标轴包括第一坐标轴和第二坐标轴的情况下,参考点例如可以为设定坐标轴上坐标为原点,再比如,在设定坐标轴仅包括一个坐标轴的情况下,参考点例如可以为设定坐标轴上坐标为2所在的点。
需要说明的是,上述对参考点的示例仅是示例性的,在实际应用中,可以根据需要,对设定坐标轴上的参考点进行设置或选定。
在本公开实施例中,可以基于各目标在设定坐标系中设定坐标轴上的投影位置,分别确定各目标相对参考点的距离。
比如,在设定坐标轴包括第一坐标轴和第二坐标轴的情况下,可以将各目标在设定坐标系中第一坐标轴上的投影位置与设定坐标轴上的参考点之间的距离,确定为各目标相对参考点的距离;或者,可以将各目标在设定坐标系中第二坐标轴上的投影位置与设定坐标轴上的参考点之间的距离,确定为各目标相对参考点的距离。
作为一种示例,如图3所示,图3为本公开所提供的设定坐标系中传感器1进行多目标识别所得到的目标所处的位置的示意图,其中,车辆M中的传感器1进行多目标识别所得到的目标位置包括目标1的目标位置A1,目标2的目标位置B1和目标3的目标位置C1,针该传感器1,可以基于该传感器1进行多目标识别所得到的多个目标位置,在设定坐标系中确定该传感器1进行多目标识别所得到的多目标之中每个目标所处的位置,目标1的真实位置在设定坐标系统中为A,目标2的真实位置在设定坐标系中为B,目标3的真实位置在设定坐标系中为C,设定坐标系中的设定坐标轴包括X轴和Y轴,设定坐标轴上的参考点为原点。针对传感器1,可以基于各目标在设定坐标系中X轴上的投影位置,分别确定各目标相对参考点的距离;或者,可以基于各目标在设定坐标系中Y轴上的投影位置,分别确定各目标相对参考点的距离。
步骤504,基于各目标相对参考点的距离进行排序,以得到各目标在设定坐标轴上的第二排序。
在本公开实施例中,可以根据各目标相对参考点的距离进行排序,以得到各目标在设定坐标轴上的第二排序。
比如,可以按照距离从大到小的顺序,对各目标相对参考点的距离进行排序,以得到各目标在设定坐标轴上的第二排序。
再比如,可以按照距离从小到大的顺序,对各目标相对参考点的距离进行排序,以得到各目标在设定坐标轴上的第二排序。
步骤505,基于各目标在设定坐标轴上的第二排序,确定各目标的相对位置。
作为一种可能的实现方式,在设定坐标轴包括第一坐标轴和第二坐标轴的情况下,可以将同一目标分别在第一坐标轴的第二排序,以及在第二坐标轴的第二排序进行组合,以表示相应目标的相对位置。
仍以上述示例进行说明,针对传感器1,对根据各目标在设定坐标系中X轴上的投影位置确定的各目标相对参考点的距离按照从小到大的顺序进行排序,得到各目标在X轴上的第二排序为:目标2,目标1,目标3;而对根据各目标在设定坐标系中Y轴上的投影位置确定的各目标相对参考点的距离按照从小到大的顺序进行排序,得到各目标在Y轴上的第二排序为:目标3,目标2,目标1;则可以将同一目标分别在第一坐标轴的第二排序,以及在第二坐标轴的第二排序进行组合,可以表示目标1的相对位置为(1,2),目标2的相对位置为(0,1),目标3的相对位置为(2,0)。
需要说明的是,上述对各目标的相对位置的取值的示例仅是示例性的,在实际应用中,各目标的相对位置的取值还可以为其它,比如,目标1的相对位置为(2,3),目标2的相对位置为(1,2),目标3的相对位置为(3,1)。
由此,在设定坐标轴包括第一坐标轴和第二坐标轴的情况下,可以基于同一目标在不同坐标轴的排序,有效确定目标的相对位置。
步骤506,将不同传感器进行多目标识别所得到的相对位置相匹配的目标确定为关联同一实体对象的关联目标。
步骤506的解释说明可以参见本公开任一实施例中的相关描述,在此不做赘述。
本公开实施例的目标关联方法,通过针对至少两传感器中的任一传感器,基于多个目标位置,在设定坐标系中确定传感器进行多目标识别所得到的多目标之中每个目标所处的位置;基于各目标在设定坐标系中设定坐标轴上的投影位置,分别确定各目标相对参考点的距离,其中,参考点位于设定坐标轴上;基于各目标相对参考点的距离进行排序,以得到各目标在设定坐标轴上的第二排序;基于各目标在设定坐标轴上的第二排序,确定各目标的相对位置。由此,可以实现基于各目标相对设定坐标系中的参考点的距离,有效确定各目标的相对位置。
与上述图2至图5实施例提供的目标关联方法相对应,本公开还提供一种目标关联装置,由于本公开实施例提供的目标关联装置与上述图2至图5实施例提供的目标关联方法相对应,因此在目标关联方法的实施方式也适用于本公开实施例提供的目标关联装置,在本公开实施例中不再详细描述。
图6是本公开实施例三所提供的一种目标关联装置的结构示意图。
如图6所示,该目标关联装置600可以包括:获取模块601、第一确定模块602以及第二确定模块603。
其中,获取模块601,用于获取至少两传感器中每个传感器进行多目标识别得到的多目标,以及多目标之中每个目标所处的目标位置。
第一确定模块602,用于根据每个传感器进行多目标识别所得到的多个目标位置,确定相应传感器进行多目标识别所得到的任一目标在多目标之中的相对位置。
第二确定模块603,用于将不同传感器进行多目标识别所得到的相对位置相匹配的目标确定为关联同一实体对象的关联目标。
在本公开实施例的一种可能的实现方式中,第一确定模块602,用于:针对至少两传感器中的任一传感器,基于多个目标位置,在设定坐标系中确定传感器进行多目标识别所得到的多目标之中每个目标所处的位置;基于各目标在设定坐标系中设定坐标轴上的投影位置,沿设定坐标轴的设定延伸方向对各目标进行排序,得到各目标在设定坐标轴上的第一排序;基于各目标在设定坐标轴上的第一排序,确定各目标的相对位置。
在本公开实施例的一种可能的实现方式中,设定坐标轴包括第一坐标轴和第二坐标轴,第一确定模块602,还用于:将同一目标分别在第一坐标轴上的第一排序,以及在第二坐标轴上的第一排序进行组合,以表示相应目标的相对位置。
在本公开实施例的一种可能的实现方式中,第一确定模块602,用于:针对至少两传感器中的任一传感器,基于多个目标位置,在设定坐标系中确定传感器进行多目标识别所得到的多目标之中每个目标所处的位置;基于各目标在设定坐标系中设定坐标轴上的投影位置,分别确定各目标相对参考点的距离,其中,参考点位于设定坐标轴上;基于各目标相对参考点的距离进行排序,以得到各目标在设定坐标轴上的第二排序;基于各目标在设定坐标轴上的第二排序,确定各目标的相对位置。
在本公开实施例的一种可能的实现方式中,设定坐标轴包括第一坐标轴和第二坐标轴,第一确定模块602,还用于:将同一目标分别在第一坐标轴的第二排序,以及在第二坐标轴的第二排序进行组合,以表示相应目标的相对位置。
在本公开实施例的一种可能的实现方式中,,第二确定模块603,用于:基于设定的关联匹配算法,将不同传感器进行多目标识别所得到的相对位置相匹配的目标确定为关联同一实体对象的关联目标;其中,关联匹配算法至少包括匈牙利匹配算法。
本公开实施例的目标关联装置,通过获取至少两传感器中每个传感器进行多目标识别得到的多目标,以及多目标之中每个目标所处的目标位置;根据每个传感器进行多目标识别所得到的多个目标位置,确定相应传感器进行多目标识别所得到的任一目标在多目标之中的相对位置;将不同传感器进行多目标识别所得到的相对位置相匹配的目标确定为关联同一实体对象的关联目标。由此,可以根据任一传感器进行多目标识别所得到的多个目标位置,确定任一传感器进行多目标识别所得到的每个目标的相对位置,进而可以对不同传感器进行多目标识别所得到的各目标的相对位置进行匹配,以对目标进行关联,可以避免将不同传感器进行多目标识别所得到的目标位置相似的不同目标错误关联为同一实体对象的问题,有效提升目标关联的准确性。
图7是根据一示例性实施例示出的一种车辆700的框图。例如,车辆700可以是混合动力车辆,也可以是非混合动力车辆、电动车辆、燃料电池车辆或者其他类型的车辆。车辆700可以是自动驾驶车辆、半自动驾驶车辆或者非自动驾驶车辆。
参照图7,车辆700可包括各种子系统,例如,信息娱乐系统710、感知系统720、决策控制系统730、驱动系统740以及计算平台750。其中,车辆700还可以包括更多或更少的子系统,并且每个子系统都可包括多个部件。另外,车辆700的每个子系统之间和每个部件之间可以通过有线或者无线的方式实现互连。
在一些实施例中,信息娱乐系统710可以包括通信系统,娱乐系统以及导航系统等。
感知系统720可以包括若干种传感器,用于感测车辆700周边的环境的信息。例如,感知系统720可包括全球定位系统(全球定位系统可以是GPS系统,也可以是北斗系统或者其他定位系统)、惯性测量单元(inertial measurement unit,IMU)、激光雷达、毫米波雷达、超声雷达以及摄像装置。
决策控制系统730可以包括计算系统、整车控制器、转向系统、油门以及制动系统。
驱动系统740可以包括为车辆700提供动力运动的组件。在一个实施例中,驱动系统740可以包括引擎、能量源、传动系统和车轮。引擎可以是内燃机、电动机、空气压缩引擎中的一种或者多种的组合。引擎能够将能量源提供的能量转换成机械能量。
车辆700的部分或所有功能受计算平台750控制。计算平台750可包括至少一个处理器751和存储器752,处理器751可以执行存储在存储器752中的指令753。
处理器751可以是任何常规的处理器,诸如商业可获得的CPU。处理器还可以包括诸如图像处理器(Graphic Process Unit,GPU),现场可编程门阵列(Field ProgrammableGate Array,FPGA)、片上系统(System on Chip,SOC)、专用集成芯片(ApplicationSpecific Integrated Circuit,ASIC)或它们的组合。
存储器752可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
除了指令753以外,存储器752还可存储数据,例如道路地图,路线信息,车辆的位置、方向、速度等数据。存储器752存储的数据可以被计算平台750使用。
在本公开实施例中,处理器751可以执行指令753,以完成上述的目标关联方法的全部或部分步骤。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开提供的目标关联方法的步骤。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例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。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本公开的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
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定制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,并且本公开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,这应被本公开的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本公开各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本公开的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本公开的限制,本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (14)
1.一种目标关联方法,其特征在于,所述方法包括:
获取至少两个传感器中每个传感器进行多目标识别得到的多目标,以及所述多目标之中每个目标所处的目标位置;
根据每个所述传感器进行多目标识别所得到的多个所述目标位置,确定相应传感器进行多目标识别所得到的任一目标在多目标之中的相对位置;
将不同传感器进行多目标识别所得到的所述相对位置相匹配的目标确定为关联同一实体对象的关联目标。
2.根据权利要求1所述的方法,其特征在于,所述根据每个所述传感器进行多目标识别所得到的多个所述目标位置,确定相应传感器进行多目标识别所得到的任一目标在多目标之中的相对位置,包括:
针对所述至少两传感器中的任一传感器,基于多个所述目标位置,在设定坐标系中确定所述传感器进行多目标识别所得到的多目标之中每个目标所处的位置;
基于各目标在所述设定坐标系中设定坐标轴上的投影位置,沿所述设定坐标轴的设定延伸方向对各所述目标进行排序,得到各目标在所述设定坐标轴上的第一排序;
基于各目标在所述设定坐标轴上的第一排序,确定各目标的所述相对位置。
3.根据权利要求2所述的方法,其特征在于,所述设定坐标轴包括第一坐标轴和第二坐标轴,所述基于各目标在所述设定坐标轴上的第一排序,确定各目标的所述相对位置,包括:
将同一目标分别在所述第一坐标轴上的第一排序,以及在所述第二坐标轴上的第一排序进行组合,以表示相应目标的所述相对位置。
4.根据权利要求1所述的方法,其特征在于,所述根据每个所述传感器进行多目标识别所得到的多个所述目标位置,确定相应传感器进行多目标识别所得到的任一目标在多目标之中的相对位置,包括:
针对所述至少两传感器中的任一传感器,基于所述多个目标位置,在设定坐标系中确定所述传感器进行多目标识别所得到的多目标之中每个目标所处的位置;
基于各目标在所述设定坐标系中设定坐标轴上的投影位置,分别确定各所述目标相对参考点的距离,其中,所述参考点位于所述设定坐标轴上;
基于各目标相对所述参考点的距离进行排序,以得到各目标在所述设定坐标轴上的第二排序;
基于各目标在所述设定坐标轴上的第二排序,确定各目标的所述相对位置。
5.根据权利要求4所述的方法,其特征在于,所述设定坐标轴包括第一坐标轴和第二坐标轴,所述基于各目标在所述设定坐标轴的第二排序,确定各目标的所述相对位置,包括:
将同一目标分别在所述第一坐标轴的第二排序,以及在所述第二坐标轴的第二排序进行组合,以表示相应目标的所述相对位置。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述将不同传感器进行多目标识别所得到的所述相对位置相匹配的目标确定为关联同一实体对象的关联目标,包括:
基于设定的关联匹配算法,将不同传感器进行多目标识别所得到的所述相对位置相匹配的目标确定为关联同一实体对象的关联目标;
其中,所述关联匹配算法至少包括匈牙利匹配算法。
7.一种目标关联装置,其特征在于,所述装置包括:
获取模块,用于获取至少两传感器中每个传感器进行多目标识别得到的多目标,以及所述多目标之中每个目标所处的目标位置;
第一确定模块,用于根据每个所述传感器进行多目标识别所得到的多个所述目标位置,确定相应传感器进行多目标识别所到的任一目标在多目标之中的相对位置;
第二确定模块,用于将不同传感器进行多目标识别所得到的所述相对位置相匹配的目标确定为关联同一实体对象的关联目标。
8.根据权利要求7所述的装置,其特征在于,所述第一确定模块,用于:
针对所述至少两传感器中的任一传感器,基于多个所述目标位置,在设定坐标系中确定所述传感器进行多目标识别所得到的多目标之中每个目标所处的位置;
基于各目标在所述设定坐标系中设定坐标轴上的投影位置,沿所述设定坐标轴的设定延伸方向对各所述目标进行排序,得到各目标在所述设定坐标轴上的第一排序;
基于各目标在所述设定坐标轴上的第一排序,确定各目标的所述相对位置。
9.根据权利要求8所述的装置,其特征在于,所述设定坐标轴包括第一坐标轴和第二坐标轴,所述第一确定模块,还用于:
将同一目标分别在所述第一坐标轴上的第一排序,以及在所述第二坐标轴上的第一排序进行组合,以表示相应目标的所述相对位置。
10.根据权利要求7所述的装置,其特征在于,所述第一确定模块,用于:
针对所述至少两传感器中的任一传感器,基于所述多个目标位置,在设定坐标系中确定所述传感器进行多目标识别所得到的多目标之中每个目标所处的位置;
基于各目标在所述设定坐标系中设定坐标轴上的投影位置,分别确定各所述目标相对参考点的距离,其中,所述参考点位于所述设定坐标轴上;
基于各目标相对所述参考点的距离进行排序,以得到各目标在所述设定坐标轴上的第二排序;
基于各目标在所述设定坐标轴上的第二排序,确定各目标的所述相对位置。
11.根据权利要求10所述的装置,其特征在于,所述设定坐标轴包括第一坐标轴和第二坐标轴,所述第一确定模块,还用于:
将同一目标分别在所述第一坐标轴的第二排序,以及在所述第二坐标轴的第二排序进行组合,以表示相应目标的所述相对位置。
12.根据权利要求7-11任一项所述的装置,其特征在于,所述第二确定模块,用于:
基于设定的关联匹配算法,将不同传感器进行多目标识别所得到的所述相对位置相匹配的目标确定为关联同一实体对象的关联目标;
其中,所述关联匹配算法至少包括匈牙利匹配算法。
13.一种车辆,其特征在于,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为:实现权利要求1-6中任一项所述方法的步骤。
14.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,该程序指令被处理器执行时实现权利要求1-6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310903922.2A CN117055022A (zh) | 2023-07-21 | 2023-07-21 | 目标关联方法、装置、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310903922.2A CN117055022A (zh) | 2023-07-21 | 2023-07-21 | 目标关联方法、装置、车辆及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117055022A true CN117055022A (zh) | 2023-11-14 |
Family
ID=88656352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310903922.2A Pending CN117055022A (zh) | 2023-07-21 | 2023-07-21 | 目标关联方法、装置、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117055022A (zh) |
-
2023
- 2023-07-21 CN CN202310903922.2A patent/CN117055022A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110969055B (zh) | 用于车辆定位的方法、装置、设备和计算机可读存储介质 | |
WO2020021842A1 (ja) | 車両用表示制御装置、車両用表示制御方法、制御プログラム、および持続的有形コンピュータ読み取り媒体 | |
US20210331671A1 (en) | Travel lane estimation device, travel lane estimation method, and computer-readable non-transitory storage medium | |
CN108780149B (zh) | 通过传感器的间接测量来改进对机动车辆周围的至少一个物体的检测的方法,控制器,驾驶员辅助系统和机动车辆 | |
CN115878494B (zh) | 自动驾驶软件系统的测试方法、装置、车辆及存储介质 | |
CN111645671A (zh) | 车辆自动停放方法及其自动驾驶车辆 | |
JP7087896B2 (ja) | 走行車線推定装置、走行車線推定方法、及び制御プログラム | |
CN116626670B (zh) | 自动驾驶模型的生成方法、装置、车辆及存储介质 | |
CN110023781B (zh) | 用于根据车辆周围环境的雷达签名确定车辆的准确位置的方法和设备 | |
CN117055022A (zh) | 目标关联方法、装置、车辆及存储介质 | |
CN115718304A (zh) | 目标对象检测方法、装置、车辆及存储介质 | |
CN116678423B (zh) | 多源融合定位方法、装置及车辆 | |
JP7452374B2 (ja) | 物体検知装置および物体検知プログラム | |
CN116767224B (zh) | 确定可行驶区域的方法、装置、车辆、及存储介质 | |
CN116499488B (zh) | 目标融合方法、装置、车辆及存储介质 | |
US20240190470A1 (en) | Systems and methods for controlling a vehicle using high precision and high recall detection | |
US20240190467A1 (en) | Systems and methods for controlling a vehicle using high precision and high recall detection | |
US20240190466A1 (en) | Systems and methods for controlling a vehicle using high precision and high recall detection | |
US20240219565A1 (en) | Systems and methods for detecting and measuring object velocity using single scan lidar detection | |
CN116659529B (zh) | 数据检测方法、装置、车辆及存储介质 | |
CN115123252B (zh) | 车辆控制方法、装置、车辆及存储介质 | |
US20230401680A1 (en) | Systems and methods for lidar atmospheric filtering background | |
CN115900771B (zh) | 信息确定的方法、装置、车辆及存储介质 | |
CN118050010B (zh) | 车辆的定位方法、装置、车辆、存储介质和程序产品 | |
US12013460B2 (en) | Apparatus for clustering LIDAR data, system having the same and method thereof |
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 |