CN117687015A - 目标关联方法、装置、计算机可读介质及终端设备 - Google Patents
目标关联方法、装置、计算机可读介质及终端设备 Download PDFInfo
- Publication number
- CN117687015A CN117687015A CN202211020091.6A CN202211020091A CN117687015A CN 117687015 A CN117687015 A CN 117687015A CN 202211020091 A CN202211020091 A CN 202211020091A CN 117687015 A CN117687015 A CN 117687015A
- Authority
- CN
- China
- Prior art keywords
- target tracking
- target
- tracking data
- association
- 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 45
- 238000004590 computer program Methods 0.000 claims description 19
- 230000004927 fusion Effects 0.000 abstract description 12
- 230000000875 corresponding effect Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 239000012634 fragment Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明实施方式提供一种目标关联方法、装置、计算机可读介质及终端设备,属于目标融合技术领域。方法包括:获取第一目标跟踪结果及第二目标跟踪结果,第一目标跟踪结果包括摄像头目标跟踪数据,第二目标跟踪结果包括雷达目标跟踪数据,且第二目标跟踪结果不包括摄像头目标跟踪数据;依据第一目标跟踪结果是否包括雷达目标跟踪数据确定目标物体的最优雷达目标跟踪数据;确定摄像头目标跟踪数据及最优雷达目标跟踪数据之间的关联参数,在关联参数满足关联阈值的情况下,将摄像头目标跟踪数据与最优雷达目标跟踪数据进行关联。本发明能够有效提高对CIPV目标的关联精度。
Description
技术领域
本发明涉及目标融合技术领域,具体地涉及一种目标关联方法、一种目标关联装置、一种计算机可读介质及一种终端设备。
背景技术
目标融合是自动驾驶系统的重要部分,它的主要功能是处理多种车载感知设备发出的目标信息,将探测具有相同属性的数据相互融合,得到优于单个传感器探测性能的一种方法,能够提高目标识别、跟踪的精确度。同时,其可以增强系统功能或增加系统安全特性,比如,毫米波雷达和激光雷达两种传感器同时工作探测前方物体目标,并对物体目标进行融合,输出融合后的物体目标不仅能够提高测量精度,而且在某一传感器失效的情况下自动驾驶系统仍可以运行,达到失效可运行的功能安全需求。
目标融合中最关键的步骤就是目标关联,而目标关联中最重要的是目标关联门限的设置,它将直接确定关联的正确与否,从而影响后端功能的实现和性能的提升。然而,受传感器性能及特性的影响,现有的关联算法有时无法得到理想的关联结果,尤其对于特殊区域的特殊障碍物如CIPV(Closest In-path Vehicle)即在本车道内最近的车辆进行目标关联时,现有算法难以得到理想的关联结果。
发明内容
本发明实施方式的目的是提供一种目标关联方法、一种目标关联装置、一种计算机可读介质及一种终端设备,以解决现有算法难以对特殊区域的特殊障碍物进行理想关联的问题。
为了实现上述目的,在本发明的第一方面,提供一种目标关联方法,包括:
获取第一目标跟踪结果及第二目标跟踪结果,所述第一目标跟踪结果为当前车道内距离当前车辆最近的目标物体的跟踪结果,所述第一目标跟踪结果包括摄像头目标跟踪数据,所述第二目标跟踪结果包括雷达目标跟踪数据,且所述第二目标跟踪结果不包括摄像头目标跟踪数据;
若所述第一目标跟踪结果还包括雷达目标跟踪数据,依据所述第一目标跟踪结果及所有第二目标跟踪结果确定所述目标物体的最优雷达目标跟踪数据,若所述第一目标跟踪结果不包括雷达目标跟踪数据,依据所有第二目标跟踪结果确定所述目标物体的最优雷达目标跟踪数据;
确定所述摄像头目标跟踪数据及所述最优雷达目标跟踪数据之间的关联参数,在关联参数满足关联阈值的情况下,将所述摄像头目标跟踪数据与所述最优雷达目标跟踪数据进行关联。
可选地,所述摄像头目标跟踪数据包括:
目标物体与当前车辆的第一距离、目标物体朝向与当前车辆朝向的第一夹角、目标物体的第一类别、目标物体的第一运动状态、目标物体的第一速度及目标物体的第一运动朝向;
所述雷达目标跟踪数据包括:
目标物体与当前车辆的第二距离、目标物体朝向与当前车辆朝向的第二夹角、目标物体的第二类别、目标物体的第二运动状态、目标物体的第二速度及目标物体的第二运动朝向。
可选地,获取第一目标跟踪结果及第二目标跟踪结果之后,所述方法还包括:
在所述第一夹角处于预设朝向夹角范围内、所述第一类别满足预设物体类别、所述第一运动状态满足预设运动状态、所述第一速度处于预设速度范围内,以及所述第一运动朝向满足预设运动朝向的情况下,判断所述第一目标跟踪结果是否包括雷达目标跟踪数据。
可选地,获取第一目标跟踪结果及第二目标跟踪结果之后,所述方法还包括:
获取各第二目标跟踪结果对应的目标物体与当前车辆的第二距离,将获取到的所有第二距离由近到远进行排序。
可选地,雷达目标跟踪数据还包括所述第一目标跟踪结果或所述第二目标跟踪结果对应的目标物体为障碍物的障碍物概率;依据所述第一目标跟踪结果及所有第二目标跟踪结果确定所述目标物体的最优雷达目标跟踪数据,包括:
获取所述第一目标跟踪结果中雷达目标跟踪数据对应的障碍物概率,遍历所有第二目标跟踪结果,获取所有第二目标跟踪结果中雷达目标跟踪数据对应的障碍物概率;
确定得到的所有障碍物概率中具有最大概率值的障碍物概率对应的雷达目标跟踪数据为最优雷达目标跟踪数据。
可选地,确定所述摄像头目标跟踪数据及所述最优雷达目标跟踪数据之间的关联参数,包括:
确定所述第一距离、所述第二距离、所述第一夹角、所述第二夹角、所述第一类别、所述第二类别、所述第一速度及所述第二速度为所述摄像头目标跟踪数据及所述最优雷达目标跟踪数据之间的关联参数;
关联参数满足关联阈值,包括:
所述第一距离与所述第二距离的差值小于第一距离差阈值,所述第一夹角与所述第二夹角的差值小于第一夹角差阈值,所述第一类别与所述第二类别之间的相似度大于第一相似度阈值,以及所述第一速度与所述第二速度的差值小于第一速度差阈值。
可选地,依据所有第二目标跟踪结果确定所述目标物体的最优雷达目标跟踪数据,包括:
遍历所有第二目标跟踪结果,获取所有第二目标跟踪结果中雷达目标跟踪数据对应的障碍物概率;
确定得到的所有障碍物概率中具有最大概率值的障碍物概率对应的雷达目标跟踪数据为最优雷达目标跟踪数据。
可选地,关联参数满足关联阈值,包括:
所述第一距离与所述第二距离的差值小于第二距离差阈值,所述第一夹角与所述第二夹角的差值小于第二夹角差阈值,所述第一类别与所述第二类别之间的相似度大于第二相似度阈值,以及所述第一速度与所述第二速度的差值小于第二速度差阈值;
所述第二距离差阈值大于所述第一距离差阈值,所述第二夹角差阈值大于所述第一夹角差阈值,所述第二相似度阈值小于所述第一相似度阈值,所述第二速度差阈值大于所述第一速度差阈值。
可选地,所述方法还包括:判断所述最优雷达目标跟踪数据对应的障碍物概率是否达到障碍物概率阈值;在关联参数满足关联阈值的情况下,将所述摄像头目标跟踪数据与所述最优雷达目标跟踪数据进行关联,包括:
在关联参数满足关联阈值且所述最优雷达目标跟踪数据对应的障碍物概率达到障碍物概率阈值的情况下,将所述摄像头目标跟踪数据与所述最优雷达目标跟踪数据进行关联。
在本发明的第二方面,提供一种目标关联装置,包括:
数据获取模块,被配置为获取第一目标跟踪结果及第二目标跟踪结果,所述第一目标跟踪结果为当前车道内距离当前车辆最近的目标物体的跟踪结果,所述第一目标跟踪结果包括摄像头目标跟踪数据,所述第二目标跟踪结果包括雷达目标跟踪数据,且所述第二目标跟踪结果不包括摄像头目标跟踪数据;
数据确定模块,被配置为若所述第一目标跟踪结果还包括雷达目标跟踪数据,依据所述第一目标跟踪结果及所有第二目标跟踪结果确定所述目标物体的最优雷达目标跟踪数据,若所述第一目标跟踪结果不包括雷达目标跟踪数据,依据所有第二目标跟踪结果确定所述目标物体的最优雷达目标跟踪数据;
关联模块,被配置为确定所述摄像头目标跟踪数据及所述最优雷达目标跟踪数据之间的关联参数,在关联参数满足关联阈值的情况下,将所述摄像头目标跟踪数据与所述最优雷达目标跟踪数据进行关联。
在本发明的第三方面,提供一种计算机可读介质,所述计算机可读介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的目标关联方法。
在本发明的第四方面,提供一种终端设备,包括存储器、处理器以及存储在所述存储器中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计算机程序时实现上述的目标关联方法。
本发明通过确定基于摄像头目标跟踪数据的本车道内最近的车辆的目标跟踪结果,根据该目标跟踪结果是否包括雷达目标跟踪数据确定最优的雷达目标跟踪数据,并进一步判断最优雷达目标跟踪数据与摄像头目标跟踪数据之间的关联是否满足关联阈值,当二者满足关联阈值时,将摄像头目标跟踪数据与最优雷达目标跟踪数据进行关联,能够有效提高对CIPV目标的关联精度,有利于对目标的融合,从而提高目标识别、跟踪的精度。
本发明实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施方式的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施方式,但并不构成对本发明实施方式的限制。在附图中:
图1是现有技术中雷达目标与摄像头目标无法关联的示意图一;
图2是现有技术中雷达目标与摄像头目标无法关联的示意图二;
图3是现有技术中雷达目标与摄像头目标无法关联的示意图三;
图4是本发明优选实施方式提供的目标关联方法流程图;
图5是本发明优选实施方式提供的目标关联逻辑图;
图6是本发明优选实施方式提供的目标关联装置示意框图;
图7是本发明优选实施方式提供的一种终端设备的示意框图。
附图标记说明
10-终端设备,100-处理器,101-存储器,102-计算机程序。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
在目标关联过程中,可能存在以下问题:
如图1所示,在跟踪目标为静止目标的情况下,摄像头目标与雷达目标可能存在测距误差过大,从而导致雷达目标与摄像头目标无法关联的问题;如图2所示,或者在比较复杂的环境工况下,存在如龙门架、铁轨等背景目标的情况下,导致雷达目标与摄像头目标错误关联的问题;如图3所示,又或者因雷达目标分裂,导致摄像头目标无法与最近的毫米波雷达目标关联的问题。
如图4及图5所示,为了解决上述问题,本实施方式第一方面提供一种目标关联方法,包括:
S100、获取第一目标跟踪结果及第二目标跟踪结果,第一目标跟踪结果为当前车道内距离当前车辆最近的目标物体的跟踪结果,第一目标跟踪结果包括摄像头目标跟踪数据,第二目标跟踪结果包括雷达目标跟踪数据,且第二目标跟踪结果不包括摄像头目标跟踪数据;
S200、若第一目标跟踪结果还包括雷达目标跟踪数据,依据第一目标跟踪结果及所有第二目标跟踪结果确定目标物体的最优雷达目标跟踪数据,若第一目标跟踪结果不包括雷达目标跟踪数据,依据所有第二目标跟踪结果确定目标物体的最优雷达目标跟踪数据;
S300、确定摄像头目标跟踪数据及最优雷达目标跟踪数据之间的关联参数,在关联参数满足关联阈值的情况下,将摄像头目标跟踪数据与最优雷达目标跟踪数据进行关联。
如此,本实施方式通过确定基于摄像头目标跟踪数据的本车道内最近的车辆的目标跟踪结果,根据该目标跟踪结果是否包括雷达目标跟踪数据确定最优的雷达目标跟踪数据,并进一步判断最优雷达目标跟踪数据与摄像头目标跟踪数据之间的关联是否满足关联阈值,当二者满足关联阈值时,将摄像头目标跟踪数据与最优雷达目标跟踪数据进行关联,能够有效提高对CIPV目标的关联精度,有利于对目标的融合,从而提高目标识别、跟踪的精度。
步骤S100中,第一目标跟踪结果为包括摄像头目标跟踪数据的CIPV目标的跟踪结果,CIPV目标即在当前车道内,当前车辆前方距离当前车辆的纵向距离最近的目标;第二目标跟踪结果为基于毫米波雷达采集的雷达目标跟踪数据生成的目标跟踪结果,其中,第二目标跟踪结果可以是同一毫米波雷达检测到的不同的目标,也可以是不同毫米波雷达检测到的目标。可以理解的,第一目标跟踪结果及第二目标跟踪结果为通过摄像头或毫米波雷达采集的数据生成的对目标物体的跟踪结果,每个目标跟踪结果为基于摄像头和/或雷达提供的跟踪列表中的轨迹片段得到的初始融合目标,记为track,每个track可以包括摄像头目标跟踪数据和/或雷达目标跟踪数据,摄像头目标跟踪数据可表示为camera。例如,摄像头提供的被跟踪目标的列表中,每个轨迹片段可以包括片段ID、被跟踪目标的位置、速度、目标类别及方位角等信息;雷达提供的被跟踪目标的列表中,每个片段可以包括片段ID、被跟踪目标的位置、速度、加速度和状态信息等,通过对摄像头提供的跟踪列表的轨迹片段和/或雷达提供的跟踪列表的轨迹片段进行关联、卡尔曼滤波等操作融合得到的初始融合目标即为本实施方式中的第一目标跟踪结果或第二目标跟踪结果。例如,在目标跟踪过程中,某些目标物体只有雷达能够识别,而摄像头不能进行识别,此时得到的track中只包括雷达目标跟踪数据,而不包括摄像头目标跟踪数据;又例如,某些目标物体只有摄像头能够识别,而雷达不能准确识别,则得到的track中只包括摄像头目标跟踪数据,而不包括雷达目标跟踪数据。其中,摄像头或雷达的跟踪列表及初始融合目标track的生成方法为现有技术,此处对此不作限定。
本实施方式中,首先根据确定得到的track中属于本车道内距离当前车辆前方纵向距离最近的track为第一目标跟踪结果,同时获取仅包括雷达目标跟踪数据的所有track,仅包括雷达目标跟踪数据的track即为第二目标跟踪结果。
其中,摄像头目标跟踪数据包括:目标物体与当前车辆的第一距离、目标物体朝向与当前车辆朝向的第一夹角、目标物体的第一类别、目标物体的第一运动状态、目标物体的第一速度及目标物体的第一运动朝向;雷达目标跟踪数据包括:目标物体与当前车辆的第二距离、目标物体朝向与当前车辆朝向的第二夹角、目标物体的第二类别、目标物体的第二运动状态、目标物体的第二速度及目标物体的第二运动朝向。其中,第一距离或第二距离表示被跟踪的目标物体距离当前车辆的纵向距离,第一夹角或第二夹角表示目标物体的朝向与当前车辆朝向之间的夹角即heading,第一类别或第二类别表示目标物体的类别,例如目标物体为小车或大货车等,第一运动状态或第二运动状态表示目标物体处于直行状态、转弯状态、加速状态或减速状态等,第一速度或第二速度表示目标物体的绝对速度,第一运动朝向或第二运动朝向表示目标物体此时的朝向为南朝向、东南朝向或西北朝向等。可以理解的,摄像头目标跟踪数据及雷达目标跟踪数据均可直接获取,其生成方法为现有技术,此处对此不作限定。
其中,为了便于后续对得到的track进行关联,在获取第一目标跟踪结果及第二目标跟踪结果之后,方法还包括:获取各第二目标跟踪结果对应的目标物体与当前车辆的第二距离,将获取到的所有第二距离由近到远进行排序。
在确定第一目标跟踪结果及第二目标跟踪结果之后,为了更准确的识别危险目标,如本车道内最近的车辆,获取第一目标跟踪结果及第二目标跟踪结果之后,方法还包括:在第一夹角处于预设朝向夹角范围内、第一类别满足预设物体类别、第一运动状态满足预设运动状态、第一速度处于预设速度范围内,以及第一运动朝向满足预设运动朝向的情况下,判断第一目标跟踪结果是否包括雷达目标跟踪数据。其中,预设朝向夹角范围、预设物体类别、预设运动状态、预设速度范围以及预设运动朝向可预先设定并存储在预设存储空间内,在进行条件判断时,直接调用相关阈值并进行匹配即可。若第一夹角、第一类别、第一运动状态、第一速度及第一运动朝向中的任一者不满足条件,则认为目标物体不满足对当前车辆造成危害的条件,结束关联流程;若通过对目标物体的第一夹角、第一类别、第一运动状态、第一速度及第一运动朝向等条件进行判断当前目标物体可能对当前车辆造成危害时,则进一步对获取到的track进行关联,以进行后续目标融合,从而实现对危险目标的准确识别。
其中,雷达目标跟踪数据还包括第一目标跟踪结果或第二目标跟踪结果对应的目标物体为障碍物的障碍物概率;步骤S200中,依据第一目标跟踪结果及所有第二目标跟踪结果确定目标物体的最优雷达目标跟踪数据,包括:获取第一目标跟踪结果中雷达目标跟踪数据对应的障碍物概率,遍历所有第二目标跟踪结果,获取所有第二目标跟踪结果中雷达目标跟踪数据对应的障碍物概率;确定得到的所有障碍物概率中具有最大概率值的障碍物概率对应的雷达目标跟踪数据为最优雷达目标跟踪数据。
可以理解的,成为障碍物的概率为毫米波雷达的固有属性,其主要用于区分目标物体是否会对本车构成真正的威胁,例如若判定目标物体为空中的标志牌,则其成为障碍物的概率偏低,若判定目标物体为路面上的车辆,则其成为障碍物的概率偏高。本实施方式中,障碍物概率可直接通过雷达目标跟踪数据获取。
本实施方式中,若第一目标跟踪结果还包括雷达目标跟踪数据,则遍历得到的所有第二目标跟踪结果,获取每个第二目标跟踪结果的障碍物概率,同时获取第一目标跟踪结果的障碍物概率,比较得到的所有障碍物概率,以障碍物概率最大的雷达目标跟踪数据作为最优雷达目标跟踪数据。例如,若第一目标跟踪结果的障碍物概率低于某个第二目标跟踪结果的障碍物概率,则使用该第二目标跟踪结果的雷达目标跟踪数据替换第一目标跟踪结果中的雷达目标跟踪。例如,第二目标跟踪结果对应的毫米波雷达距离目标物体的距离相比第一目标跟踪结果对应的毫米波雷达距离目标物体的距离更近,则可能导致第二目标跟踪结果的障碍物概率高于第一目标跟踪结果的障碍物概率,则表示第二目标跟踪结果的毫米波雷达数据优于第一目标跟踪结果的毫米波雷达数据,此时,通过替换毫米波雷达数据,能够更准确的实现目标关联。
其中,确定摄像头目标跟踪数据及最优雷达目标跟踪数据之间的关联参数,包括:确定第一距离、第二距离、第一夹角、第二夹角、第一类别、第二类别、第一速度及第二速度为摄像头目标跟踪数据及最优雷达目标跟踪数据之间的关联参数;步骤S300中,关联参数满足关联阈值,包括:第一距离与第二距离的差值小于第一距离差阈值,第一夹角与第二夹角的差值小于第一夹角差阈值,第一类别与第二类别之间的相似度大于第一相似度阈值,以及第一速度与第二速度的差值小于第一速度差阈值。本实施方式中,关联参数为内部的融合关联参数,例如由于雷达的安装位置与摄像头的安装位置不同,若雷达检测到的目标物体与当前车辆的距离为5米,而摄像头检测到的目标物体与当前车辆的距离为6米,则认为雷达检测到的目标物体与摄像头检测到的物体为同一个目标物体,则可确定第一距离差阈值为1米,则第一距离与第二距离的差值小于1米就认为满足关联阈值;同理,若雷达检测到的目标物体的速度为50km/h,而摄像头检测到的目标物体的速度为52km/h,则认为雷达检测到的目标物体与摄像头检测到的物体为同一个目标物体,则可设定第一速度差阈值为2km/h,则第一速度与第二速度的差值小于2km/h就认为满足关联阈值;以此类推,可设定第一夹角差阈值为5°,若第一夹角与第二夹角的差值小于5°则认为满足关联阈值;第一相似度阈值可以基于第一类别与第二类别的概率或置信度的差值设定,例如,根据摄像头采集的数据判定目标物体属于小汽车的概率为80%,根据雷达数据判定目标物体属于小汽车的概率为60%,二者的概率差为20%,则第一相似度阈值可以设定为概率差为10%,则此时第一类别与第二类别不满足关联阈值;又或者,可设定仅当第一类别与第二类别相同时,判定第一类别与第二类别之间的相似度大于第一相似度阈值,例如,第一类别为小汽车,第二类别也为小汽车,则第一类别与第二类别满足关联阈值。本实施方式中,仅当所有关联参数需要同时满足所有的关联参数阈值时,才认为关联参数满足关联阈值。
若摄像头目标跟踪数据及最优雷达目标跟踪数据之间的关联参数不满足关联阈值,则可以根据按距离由近至远排序后的第二目标跟踪结果,以距离当前车辆第二近的第二目标跟踪结果的雷达目标跟踪数据更新当前的最优雷达目标跟踪数据,重复上述步骤,直至确定关联参数满足关联阈值。
本实施方式中,若第一目标跟踪结果不包括雷达目标跟踪数据,则遍历所有第二目标跟踪结果,获取所有第二目标跟踪结果中雷达目标跟踪数据对应的障碍物概率;确定得到的所有障碍物概率中具有最大概率值的障碍物概率对应的雷达目标跟踪数据为最优雷达目标跟踪数据。
其中,关联参数满足关联阈值,包括:第一距离与第二距离的差值小于第二距离差阈值,第一夹角与第二夹角的差值小于第二夹角差阈值,第一类别与第二类之间的相似度大于第二相似度阈值,以及第一速度与第二速度的差值小于第二速度差阈值;第二距离差阈值大于第一距离差阈值,第二夹角差阈值大于第一夹角差阈值,第二相似度阈值小于第一相似度阈值,第二速度差阈值大于第一速度差阈值。本实施方式中,第二夹角差阈值与第一夹角差阈值相同,第二距离差阈值与第一距离差阈值相同,第二相似度阈值与第一相似度阈值相同,第二速度差阈值与第一速度差阈值相同。
若第一目标跟踪结果不包括雷达目标跟踪数据,则可能是由于传感器测量属性存在偏差导致的,因此,在此情况下,需要对关联阈值进行适当放大,例如,第一速度差阈值为2km/h,则可设置第二速度差阈值为5km/h,依次类推,对所有关联阈值进行放大后,再进一步判断关联参数是否满足关联阈值。
在确定最优雷达目标跟踪数据后,方法还包括:判断最优雷达目标跟踪数据对应的障碍物概率是否达到障碍物概率阈值;在关联参数满足关联阈值的情况下,将摄像头目标跟踪数据与最优雷达目标跟踪数据进行关联,包括:在关联参数满足关联阈值且最优雷达目标跟踪数据对应的障碍物概率达到障碍物概率阈值的情况下,将摄像头目标跟踪数据与最优雷达目标跟踪数据进行关联。
为了提高关联精度,在经过关联阈值放大后,若得到满足关联阈值的最优雷达目标跟踪数据后,进一步判定最优雷达目标跟踪数据的障碍物概率是否达到障碍物概率阈值,该障碍物概率阈值为可认为目标物体成为障碍物的基础阈值。若最优雷达目标跟踪数据的障碍物概率小于障碍物概率阈值,则可以根据按距离由近至远排序后的第二目标跟踪结果,以距离当前车辆第二近的第二目标跟踪结果的雷达目标跟踪数据更新当前的最优雷达目标跟踪数据,重复上述步骤,直至最优雷达目标跟踪数据的障碍物概率大于障碍物概率阈值,将得到的最优雷达目标跟踪数据与摄像头目标跟踪数据进行关联。
如图6所示,在本发明的第二方面,提供一种目标关联装置,包括:数据获取模块,被配置为获取第一目标跟踪结果及第二目标跟踪结果,第一目标跟踪结果为当前车道内距离当前车辆最近的目标物体的跟踪结果,第一目标跟踪结果包括摄像头目标跟踪数据,第二目标跟踪结果包括雷达目标跟踪数据,且第二目标跟踪结果不包括摄像头目标跟踪数据;数据确定模块,被配置为若第一目标跟踪结果还包括雷达目标跟踪数据,依据第一目标跟踪结果及所有第二目标跟踪结果确定目标物体的最优雷达目标跟踪数据,若第一目标跟踪结果不包括雷达目标跟踪数据,依据所有第二目标跟踪结果确定目标物体的最优雷达目标跟踪数据;关联模块,被配置为确定摄像头目标跟踪数据及最优雷达目标跟踪数据之间的关联参数,在关联参数满足关联阈值的情况下,将摄像头目标跟踪数据与最优雷达目标跟踪数据进行关联。
在本发明的第三方面,提供一种计算机可读介质,计算机可读介质存储有计算机程序,计算机程序被处理器执行时实现上述的目标关联方法。
在本发明的第四方面,提供一种终端设备,包括存储器、处理器以及存储在存储器中并可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的目标关联方法。
如图7所示是本发明一实施例提供的终端设备的示意图。如图7所示,该实施例的终端设备10包括:处理器100、存储器101以及存储在存储器101中并可在处理器100上运行的计算机程序102。处理器100执行计算机程序102时实现上述方法实施例中的步骤。或者,处理器100执行计算机程序102时实现上述各装置实施例中各模块/单元的功能。
示例性的,计算机程序102可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器101中,并由处理器100执行,以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序102在终端设备10中的执行过程。例如,计算机程序102可以被分割成数据获取模块、数据确定模块及关联模块。
终端设备10可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备10可包括,但不仅限于,处理器100、存储器101。本领域技术人员可以理解,图7仅仅是终端设备10的示例,并不构成对终端设备10的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端设备还可以包括输入输出设备、网络接入设备、总线等。
处理器100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。
存储器101可以是终端设备10的内部存储单元,例如终端设备10的硬盘或内存。存储器101也可以是终端设备10的外部存储设备,例如终端设备10上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器101还可以既包括终端设备10的内部存储单元也包括外部存储设备。存储器101用于存储计算机程序以及终端设备10所需的其他程序和数据。存储器101还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,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单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
综上,本实施方式具有较强的通用性,能够对不同传感器输入的目标进行适配,同时充分利用了传感器的成为障碍物概率的特性,能够有效减少摄像头与雷达背景目标及分裂目标的错误关联,进而能够有效提升自动驾驶的安全性。
以上结合附图详细描述了本发明的可选实施方式,但是,本发明实施方式并不限于上述实施方式中的具体细节,在本发明实施方式的技术构思范围内,可以对本发明实施方式的技术方案进行多种简单变型,这些简单变型均属于本发明实施方式的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施方式对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施方式的方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得单片机、芯片或处理器(processor)执行本发明各个实施方式方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明实施方式的思想,同样应当视为本发明实施方式所公开的内容。
Claims (11)
1.一种目标关联方法,其特征在于,包括:
获取第一目标跟踪结果及第二目标跟踪结果,所述第一目标跟踪结果为当前车道内距离当前车辆最近的目标物体的跟踪结果,所述第一目标跟踪结果包括摄像头目标跟踪数据,所述第二目标跟踪结果包括雷达目标跟踪数据,且所述第二目标跟踪结果不包括摄像头目标跟踪数据;
若所述第一目标跟踪结果还包括雷达目标跟踪数据,依据所述第一目标跟踪结果及所有第二目标跟踪结果确定所述目标物体的最优雷达目标跟踪数据,若所述第一目标跟踪结果不包括雷达目标跟踪数据,依据所有第二目标跟踪结果确定所述目标物体的最优雷达目标跟踪数据;
确定所述摄像头目标跟踪数据及所述最优雷达目标跟踪数据之间的关联参数,在关联参数满足关联阈值的情况下,将所述摄像头目标跟踪数据与所述最优雷达目标跟踪数据进行关联。
2.根据权利要求1所述的目标关联方法,其特征在于,所述摄像头目标跟踪数据包括:
目标物体与当前车辆的第一距离、目标物体朝向与当前车辆朝向的第一夹角、目标物体的第一类别、目标物体的第一运动状态、目标物体的第一速度及目标物体的第一运动朝向;
所述雷达目标跟踪数据包括:
目标物体与当前车辆的第二距离、目标物体朝向与当前车辆朝向的第二夹角、目标物体的第二类别、目标物体的第二运动状态、目标物体的第二速度及目标物体的第二运动朝向。
3.根据权利要求2所述的目标关联方法,其特征在于,获取第一目标跟踪结果及第二目标跟踪结果之后,所述方法还包括:
在所述第一夹角处于预设朝向夹角范围内、所述第一类别满足预设物体类别、所述第一运动状态满足预设运动状态、所述第一速度处于预设速度范围内,以及所述第一运动朝向满足预设运动朝向的情况下,判断所述第一目标跟踪结果是否包括雷达目标跟踪数据。
4.根据权利要求2所述的目标关联方法,其特征在于,雷达目标跟踪数据还包括所述第一目标跟踪结果或所述第二目标跟踪结果对应的目标物体为障碍物的障碍物概率;依据所述第一目标跟踪结果及所有第二目标跟踪结果确定所述目标物体的最优雷达目标跟踪数据,包括:
获取所述第一目标跟踪结果中雷达目标跟踪数据对应的障碍物概率,遍历所有第二目标跟踪结果,获取所有第二目标跟踪结果中雷达目标跟踪数据对应的障碍物概率;
确定得到的所有障碍物概率中具有最大概率值的障碍物概率对应的雷达目标跟踪数据为最优雷达目标跟踪数据。
5.根据权利要求4所述的目标关联方法,其特征在于,确定所述摄像头目标跟踪数据及所述最优雷达目标跟踪数据之间的关联参数,包括:
确定所述第一距离、所述第二距离、所述第一夹角、所述第二夹角、所述第一类别、所述第二类别、所述第一速度及所述第二速度为所述摄像头目标跟踪数据及所述最优雷达目标跟踪数据之间的关联参数;
关联参数满足关联阈值,包括:
所述第一距离与所述第二距离的差值小于第一距离差阈值,所述第一夹角与所述第二夹角的差值小于第一夹角差阈值,所述第一类别与所述第二类别之间的相似度大于第一相似度阈值,以及所述第一速度与所述第二速度的差值小于第一速度差阈值。
6.根据权利要求5所述的目标关联方法,其特征在于,依据所有第二目标跟踪结果确定所述目标物体的最优雷达目标跟踪数据,包括:
遍历所有第二目标跟踪结果,获取所有第二目标跟踪结果中雷达目标跟踪数据对应的障碍物概率;
确定得到的所有障碍物概率中具有最大概率值的障碍物概率对应的雷达目标跟踪数据为最优雷达目标跟踪数据。
7.根据权利要求6所述的目标关联方法,其特征在于,关联参数满足关联阈值,包括:
所述第一距离与所述第二距离的差值小于第二距离差阈值,所述第一夹角与所述第二夹角的差值小于第二夹角差阈值,所述第一类别与所述第二类别之间的相似度大于第二相似度阈值,以及所述第一速度与所述第二速度的差值小于第二速度差阈值;
所述第二距离差阈值大于所述第一距离差阈值,所述第二夹角差阈值大于所述第一夹角差阈值,所述第二相似度阈值小于所述第一相似度阈值,所述第二速度差阈值大于所述第一速度差阈值。
8.根据权利要求7所述的目标关联方法,其特征在于,所述方法还包括:判断所述最优雷达目标跟踪数据对应的障碍物概率是否达到障碍物概率阈值;在关联参数满足关联阈值的情况下,将所述摄像头目标跟踪数据与所述最优雷达目标跟踪数据进行关联,包括:
在关联参数满足关联阈值且所述最优雷达目标跟踪数据对应的障碍物概率达到障碍物概率阈值的情况下,将所述摄像头目标跟踪数据与所述最优雷达目标跟踪数据进行关联。
9.一种目标关联装置,其特征在于,包括:
数据获取模块,被配置为获取第一目标跟踪结果及第二目标跟踪结果,所述第一目标跟踪结果为当前车道内距离当前车辆最近的目标物体的跟踪结果,所述第一目标跟踪结果包括摄像头目标跟踪数据,所述第二目标跟踪结果包括雷达目标跟踪数据,且所述第二目标跟踪结果不包括摄像头目标跟踪数据;
数据确定模块,被配置为若所述第一目标跟踪结果还包括雷达目标跟踪数据,依据所述第一目标跟踪结果及所有第二目标跟踪结果确定所述目标物体的最优雷达目标跟踪数据,若所述第一目标跟踪结果不包括雷达目标跟踪数据,依据所有第二目标跟踪结果确定所述目标物体的最优雷达目标跟踪数据;
关联模块,被配置为确定所述摄像头目标跟踪数据及所述最优雷达目标跟踪数据之间的关联参数,在关联参数满足关联阈值的情况下,将所述摄像头目标跟踪数据与所述最优雷达目标跟踪数据进行关联。
10.一种计算机可读介质,所述计算机可读介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1~8中任一项权利要求所述的目标关联方法。
11.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1~8中任一项权利要求所述的目标关联方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211020091.6A CN117687015A (zh) | 2022-08-24 | 2022-08-24 | 目标关联方法、装置、计算机可读介质及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211020091.6A CN117687015A (zh) | 2022-08-24 | 2022-08-24 | 目标关联方法、装置、计算机可读介质及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117687015A true CN117687015A (zh) | 2024-03-12 |
Family
ID=90135801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211020091.6A Pending CN117687015A (zh) | 2022-08-24 | 2022-08-24 | 目标关联方法、装置、计算机可读介质及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117687015A (zh) |
-
2022
- 2022-08-24 CN CN202211020091.6A patent/CN117687015A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11789141B2 (en) | Omnidirectional sensor fusion system and method and vehicle including the same | |
US12005907B2 (en) | Method for determining position data and/or motion data of a vehicle | |
US11977159B2 (en) | Method for determining a position of a vehicle | |
US11738747B2 (en) | Server device and vehicle | |
CN110940979A (zh) | 障碍物检测方法、装置、设备以及存储介质 | |
CN111103587A (zh) | 用于预测同时并线车辆的方法和设备及包括其的车辆 | |
CN113269811A (zh) | 数据融合方法、装置及电子设备 | |
US11307292B2 (en) | ODM information reliability determination system and method and vehicle using the same | |
CN108693517B (zh) | 车辆定位方法、装置和雷达 | |
CN114460598A (zh) | 一种目标识别方法、装置、设备及存储介质 | |
JP4850531B2 (ja) | 車載レーダ装置 | |
US20240103132A1 (en) | Radar apparatus and method for classifying object | |
CN113393675A (zh) | 一种车辆id确定方法、装置、设备和介质 | |
US11386786B2 (en) | Method for classifying a relevance of an object | |
CN110095776B (zh) | 用于确定对象的存在和/或特性的方法和周围环境识别设备 | |
CN115482672B (zh) | 车辆逆行检测的方法、装置、终端设备及存储介质 | |
CN117687015A (zh) | 目标关联方法、装置、计算机可读介质及终端设备 | |
CN115406452A (zh) | 一种实时定位及建图方法、装置及终端设备 | |
CN110967040B (zh) | 一种传感器水平偏差角度的识别方法及系统 | |
CN113589288A (zh) | 基于毫米波雷达的目标筛选方法、装置、设备及存储介质 | |
CN113514825A (zh) | 道路边缘的获取方法、装置和终端设备 | |
CN116625384B (zh) | 一种数据关联方法、装置及电子设备 | |
CN110930714B (zh) | 位置匹配方法及装置 | |
US11577753B2 (en) | Safety architecture for control of autonomous vehicle | |
US20230410489A1 (en) | Method and system for sensor fusion in vehicle |
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 |