本发明专利技术涉及智能汽车技术领域，具体公开了一种基于多信息融合的车辆追踪方法，其中，包括：分别获取目标车辆的初始点云数据和视觉图像信息，其中初始点云数据为标定后的毫米波雷达采集到的目标车辆的点云数据，视觉图像信息为标定后的视觉采集装置采集到的目标车辆的图像信息；对初始点云数据进行聚类处理后得到雷达检测框，以及对视觉图像信息进行目标检测处理后得到视觉检测框；将雷达检测框与视觉检测框进行融合，并根据融合结果确定主融合目标；对主融合目标进行优化处理，得到目标车辆的追踪结果。本发明专利技术还公开了一种基于多信息融合的车辆追踪装置及系统。本发明专利技术提供的基于多信息融合的车辆追踪方法能够提高车辆追踪效果。果。果。
【技术实现步骤摘要】
基于多信息融合的车辆追踪方法、装置及系统
[0001]本专利技术涉及智能汽车
，尤其涉及一种基于多信息融合的车辆追踪方法、基于多信息融合的车辆追踪装置及基于多信息融合的车辆追踪系统。
技术介绍
[0002]近年来，随着汽车行业的快速发展，智能汽车已经成为汽车产业布局的主要方向，其中，车辆追踪作为汽车环境感知的一项重要功能，对于后续的决策规划和运动控制具有重要作用。
[0003]现有技术一般多集中于纯视觉或毫米波雷达的单传感器的车辆追踪方法。例如，在视觉方面，如公开号为CN109344712A、专利技术名称为一种道路车辆跟踪方法的专利技术专利申请，其主要公开了使用双目视觉光流方法对车辆进行追踪；又如公开号为CN112766038A、专利技术名称为一种根据图像识别的车辆跟踪方法的专利技术专利申请，其主要公开了使用两个图像传感器单元对目标进行采集与比对，实现追踪。
[0004]而在毫米波雷达方面，如公开号为CN112034445A、专利技术名称为基于毫米波雷达的车辆运动轨迹跟踪方法和系统的专利技术专利申请，其主要公开了使用毫米波雷达提供的距离、方位角和径向速度等信息引入粒子滤波算法对车辆进行追踪；又如公开号为CN112098990A、专利技术名称为车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法的专利技术专利申请，其主要公开了利用两个不同配置的子帧交替运行，并使用基于卡尔曼滤波的跟踪算法实现目标的检测及追踪。
[0005]申请人通过研究发现，以上无论是毫米波雷达还是视觉识别都各自存在一定的局限性，如相机受天气、光照条件影响大，且无法探测距离信息，毫米波雷达无法测量目标的形状和大小，单独使用都不能获得对周围环境的更准确描述，导致跟踪错误和丢失，从而引发交通事故。另外，以上这些技术使用的滤波方法，存在以下缺点：(1)对于目标遮挡、形变以及运动模糊等抗干扰能力弱；(2)执行速度慢，通常每秒处理十帧，无法满足实时性的要求。
[0006]综上，如何能够提供一种提升车辆追踪效果的方法成为本领域技术人员亟待解决的技术问题。
技术实现思路
[0007]本专利技术提供了一种基于多信息融合的车辆追踪方法、基于多信息融合的车辆追踪装置及基于多信息融合的车辆追踪系统，解决相关技术中存在的车辆追踪效果差的问题。
[0008]作为本专利技术的第一个方面，提供一种基于多信息融合的车辆追踪方法，其中，包括：
[0009]分别获取目标车辆的初始点云数据和视觉图像信息，其中所述初始点云数据为标定后的毫米波雷达采集到的目标车辆的点云数据，所述视觉图像信息为标定后的视觉采集装置采集到的目标车辆的图像信息；
[0010]对所述初始点云数据进行聚类处理后得到雷达检测框，以及对所述视觉图像信息进行目标检测处理后得到视觉检测框；
[0011]将所述雷达检测框与所述视觉检测框进行融合，并根据融合结果确定主融合目标；
[0012]对所述主融合目标进行优化处理，得到目标车辆的追踪结果。
[0013]进一步地，对所述初始点云数据进行聚类处理后得到雷达检测框，包括：
[0014]根据DBSCAN算法对所述初始点云数据进行聚类处理，得到初始聚类结果；
[0015]根据极端学生化偏差异常检测算法对所述初始点云数据的聚类结果进行异常点检测，得到最终聚类结果；
[0016]对所述最终聚类结果生成包围框，得到雷达检测框。
[0017]进一步地，对所述视觉图像信息进行目标检测处理后得到视觉检测框，包括：
[0018]根据视觉算法评测数据集训练图像检测模型；
[0019]将所述图像检测模型作为视觉检测头对目标区域进行检测，得到视觉检测框。
[0020]进一步地，将所述雷达检测框与所述视觉检测框进行融合，并根据融合结果确定主融合目标，包括：
[0021]将所述雷达检测框映射到所述视觉图像信息所对应的图像坐标空间，得到映射检测框；
[0022]将所述视觉检测框与所述映射检测框进行融合，并计算所述视觉检测框与所述映射检测框的融合交并比；
[0023]若所述融合交并比大于预设阈值，则将所述视觉检测框与所述映射检测框的融合结果确定为主目标；
[0024]若所述融合交并比不大于预设阈值，则将所述视觉检测框作为第一次目标，以及将所述映射检测框作为第二次目标；
[0025]分别将所述主目标、第一次目标和第二次目标与所述目标车辆的已有行驶轨迹进行最近邻数据关联处理，并根据关联结果确定所述主融合目标。
[0026]进一步地，分别将所述主目标、第一次目标和第二次目标与所述目标车辆的已有行驶轨迹进行最近邻数据关联处理，并根据关联结果确定所述主融合目标，包括：
[0027]根据所述目标车辆在当前时刻之前的所有行驶轨迹数据确定轨迹管理器；
[0028]将所述主目标、第一次目标和第二次目标均与所述轨迹管理器进行目标匹配；
[0029]若与所述轨迹管理器进行目标匹配的目标满足第一预设条件，则确定该目标为所述主融合目标，其中所述第一预设条件包括：所述目标为所述主目标且与所述轨迹管理器存在关联目标，或者，所述目标为所述第一次目标和/或所述第二次目标，且与所述轨迹管理器存在关联目标；
[0030]若与所述轨迹管理器进行目标匹配的目标满足第二预设条件，则丢弃该目前，其中所述第二预设条件包括：所述目标不是所述主目标，且与所述轨迹管理器不存在关联目标；
[0031]若与所述轨迹管理器进行目标匹配的目标满足第三预设条件，则结束对当前目标车辆的追踪，其中所述第三预设条件包括：所述目标为所述主目标，且与所述轨迹管理器不存在未关联上的新目标；
[0032]若与所述轨迹管理器进行目标匹配的目标满足第四预设条件，则将与所述轨迹管理器之间未关联上的新目标加入所述轨迹管理器，其中所述第四预设条件包括：所述目标为所述主目标，且与所述轨迹管理器存在未关联上的新目标。
[0033]进一步地，对所述主融合目标进行优化处理，得到目标车辆的追踪结果，包括：
[0034]将所述主融合目标输入至卡尔曼滤波器进行迭代处理，得到目标车辆的追踪结果；
[0035]根据所述目标车辆的追踪结果更新所述目标车辆的当前状态。
[0036]进一步地，根据所述目标车辆的追踪结果更新所述目标车辆的当前状态，包括：
[0037]计算卡尔曼滤波器的滤波增益；
[0038]根据所述滤波增益对所述目标车辆的追踪结果进行加权，以更新所述目标车辆的当前状态；
[0039]更新卡尔曼滤波器的误差协方差矩阵，其中更新后的目标车辆的当前状态和更新后的误差协方差矩阵用于下一次的卡尔曼滤波。
[0040]进一步地，还包括在所述分别获取目标车辆的初始点云数据和视觉图像信息的步骤前进行的：
[0041]根据视觉检测装置坐标系与毫米波雷达坐标系的转换关系、视觉检测装置坐标系与图像坐标系的转换关系以及毫米波雷达坐标系与图像坐标系的转换关系，对毫米波雷达和视觉检测装置进行本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于多信息融合的车辆追踪方法，其特征在于，包括：分别获取目标车辆的初始点云数据和视觉图像信息，其中所述初始点云数据为标定后的毫米波雷达采集到的目标车辆的点云数据，所述视觉图像信息为标定后的视觉采集装置采集到的目标车辆的图像信息；对所述初始点云数据进行聚类处理后得到雷达检测框，以及对所述视觉图像信息进行目标检测处理后得到视觉检测框；将所述雷达检测框与所述视觉检测框进行融合，并根据融合结果确定主融合目标；对所述主融合目标进行优化处理，得到目标车辆的追踪结果。2.根据权利要求1所述的方法，其特征在于，对所述初始点云数据进行聚类处理后得到雷达检测框，包括：根据DBSCAN算法对所述初始点云数据进行聚类处理，得到初始聚类结果；根据极端学生化偏差异常检测算法对所述初始点云数据的聚类结果进行异常点检测，得到最终聚类结果；对所述最终聚类结果生成包围框，得到雷达检测框。3.根据权利要求1所述的方法，其特征在于，对所述视觉图像信息进行目标检测处理后得到视觉检测框，包括：根据视觉算法评测数据集训练图像检测模型；将所述图像检测模型作为视觉检测头对目标区域进行检测，得到视觉检测框。4.根据权利要求1至3中任意一项所述的方法，其特征在于，将所述雷达检测框与所述视觉检测框进行融合，并根据融合结果确定主融合目标，包括：将所述雷达检测框映射到所述视觉图像信息所对应的图像坐标空间，得到映射检测框；将所述视觉检测框与所述映射检测框进行融合，并计算所述视觉检测框与所述映射检测框的融合交并比；若所述融合交并比大于预设阈值，则将所述视觉检测框与所述映射检测框的融合结果确定为主目标；若所述融合交并比不大于预设阈值，则将所述视觉检测框作为第一次目标，以及将所述映射检测框作为第二次目标；分别将所述主目标、第一次目标和第二次目标与所述目标车辆的已有行驶轨迹进行最近邻数据关联处理，并根据关联结果确定所述主融合目标。5.根据权利要求4所述的方法，其特征在于，分别将所述主目标、第一次目标和第二次目标与所述目标车辆的已有行驶轨迹进行最近邻数据关联处理，并根据关联结果确定所述主融合目标，包括：根据所述目标车辆在当前时刻之前的所有行驶轨迹数据确定轨迹管理器；将所述主目标、第一次目标和第二次目标均与所述轨迹管理器进行目标匹配；若与所述轨迹管理器进行目标匹配的目标满足第一预设条件，则确定该目标为所述主融合目标，其中所述第一预设条件包括：所述目标为所述主目标且与所述轨迹管理器存在关联目标，或者，所述目标为所述第一次目标和/或所述第二次目标，且与所述轨迹管理器存在关联目标；
若与所述轨迹管理器进行目标匹配的目标满足第二预设条件，则丢弃该目前，其中所述第二预设条件包括...
【专利技术属性】
技术研发人员：李保江，冯博询，杨德钲，王明明，顾炎飚，岳玉涛，
申请(专利权)人：江苏集萃深度感知技术研究所有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。