【技术实现步骤摘要】
本专利技术属于智能驾驶，具体涉及一种多目标实时轨迹跟踪方法、装置、非暂时性计算机可读存储介质及车辆。
技术介绍
1、在自动驾驶领域中，车载传感器感知到的目标多且复杂，运动轨迹多变，难以对单一目标运动轨迹和身份id进行有效识别和跟踪。
2、在当前的自动驾驶跟踪方案中，多使用卡尔曼滤波(kf，kalman filtering)作为预测模块，结合iou(intersection over union)操作进行相邻帧之间的目标关联，但是这种方案容易导致检测比较差或者运动速度较快的目标出现iou值较小从而导致跟踪过程提前结束，而且在使用检测阈值作为目标过滤，对多目标检测框而言，也比较容易出现目标提前消失的情况，导致跟踪效果不佳。
3、现有的一种端到端的多目标跟踪方法利用检测目标的中心点位置信息和预测偏移量来实现目标的跟踪，把原本检测-跟踪两阶段的跟踪方案集成为单阶段的跟踪策略，以此来提升跟踪方案速度。但此方案将检测模型和跟踪方案进行融合集成，使得方案难以拆解优化，而且对于这种通过前后两帧定义目标运动偏移量和方向跟踪策略，并不能保证输入的前后两帧中目标依旧存在，从而为跟踪带来不可忽略错误。
技术实现思路
1、本专利技术实施例所要解决的技术问题在于，提供一种多目标实时轨迹跟踪方法、装置、非暂时性计算机可读存储介质及车辆，以在加强跟踪目标关联性同时有效提升实时性能。
2、为解决上述技术问题，本专利技术提供一种多目标实时轨迹跟踪方法，包括：
3、对深度
4、根据深度多目标检测器输出的鸟瞰图bev特征图，对所述第一目标框进行特征提取，获得所述第一目标框的bev特征；
5、对当前的跟踪库中处于激活状态的目标进行轨迹预测，获得第二目标框；
6、根据所述第一目标框及其bev特征，与所述第二目标框进行关联匹配，并将匹配成功的目标框更新至跟踪库。
7、优选地，所述根据深度多目标检测器输出的鸟瞰图bev特征图，对所述第一目标框进行特征提取，获得所述第一目标框的bev特征，具体是：
8、从所述bev特征图中抽取相应的中心点目标特征，作为所述第一目标框的bev特征，其中，所述中心点目标特征是所述第一目标框在所述bev特征图的位置。
9、优选地，所述根据所述第一目标框及其bev特征，与所述第二目标框进行关联匹配，具体是通过计算所述第一目标框与所述第二目标框的特征相似度和iou值来判断所述第一目标框和所述第二目标框是否为同一个物体，若是，则关联匹配成功。
10、优选地，所述根据所述第一目标框及其bev特征，与所述第二目标框进行关联匹配，并将匹配成功的目标框更新至跟踪库，具体包括：
11、对所述第一目标框按照检测置信度进行分类，将置信度大于预设的高阈值的第一目标框筛选为高得分的第一目标框，将置信度小于预设的低阈值的第二目标框筛选为低得分的第一目标框；
12、对高得分的第一目标框、第二目标框和所述第一目标框的bev特征进行第一阶段关联匹配，得到第一阶段关联匹配的目标框；
13、对低得分的第一目标框与第一阶段关联匹配中未匹配的且处于激活状态的目标框进行第二阶段关联匹配，得到第二阶段关联匹配的目标框；
14、将第一阶段和第二阶段关联匹配的目标框更新至跟踪库，进行跟踪库管理。
15、优选地，所述对高得分的第一目标框、第二目标框和所述第一目标框的bev特征进行第一阶段关联匹配，得到第一阶段关联匹配的目标框，具体包括：
16、将高得分的第一目标框和所述第二目标框相交部分的面积，除以两个目标框中最小目标框的面积，得到iou值；并将计算出的iou值大于预设的第一阈值的目标框作为第一初始匹配目标框；
17、使用所述第一目标框的bev特征与所述第二目标框的特征信息计算cosine距离，得到所述第一目标框与所述第二目标框的特征相似度，将计算出的特征相似度大于预设的第二阈值的目标框作为第二初始匹配目标框；
18、从所述第一初始匹配目标框和所述第二初始匹配目标框中选取所述第一阶段关联匹配的目标框。
19、优选地，从所述第一初始匹配目标框和所述第二初始匹配目标框中，采用以下任一方式选取所述第一阶段关联匹配的目标框：
20、从所述第一初始匹配目标框和所述第二初始匹配目标框中选取计算出的iou值和特征相似度最大的目标框作为第一阶段关联匹配的目标框；
21、将计算出的iou值和特征相似度分别乘以对应的权重，再求和，得到第一阶段关联匹配的目标框。
22、优选地，所述对低得分的第一目标框与第一阶段关联匹配中未匹配的且处于激活状态的目标框进行第二阶段关联匹配，得到第二阶段关联匹配的目标框，具体包括：
23、从第一阶段中未关联匹配上的结果中筛选出处于跟踪激活状态的第三目标框；
24、将所述低得分的第一目标框和所述第三目标框相交部分的面积，除以两个目标框中最小目标框的面积，得到iou值；
25、将计算出的iou值大于预设的第二阈值的目标框作为第二阶段关联匹配的目标框。
26、优选地，所述进行跟踪库管理还包括：将第一阶段未能关联匹配且不处于激活状态的目标框、第二阶段仍未能关联匹配的目标框均转为跟踪失联状态，当目标框处于跟踪失联状态的时长超过预设的跟踪缓存时长时，删除所述目标框的id，然后将删除id后的目标框更新至跟踪库。
27、本专利技术还提供一种非暂时性计算机可读存储介质，所述非暂时性计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述非暂时性计算机可读存储介质所在的设备执行所述的多目标实时轨迹跟踪方法。
28、本专利技术还提供一种多目标实时轨迹跟踪装置，包括：
29、筛选模块，用于对深度多目标检测器的检测结果进行非极大值抑制nms，筛选得到第一目标框；所述检测结果由深度多目标检测器对拍摄的当前帧图像进行目标检测获得；
30、特征提取模块，用于根据深度多目标检测器输出的鸟瞰图bev特征图，对所述第一目标框进行特征提取，获得所述第一目标框的bev特征；
31、轨迹预测模块，用于对当前的跟踪库中处于激活状态的目标进行轨迹预测，获得第二目标框；
32、关联匹配模块，用于根据所述第一目标框及其bev特征，与所述第二目标框进行关联匹配，并将匹配成功的目标框更新至跟踪库。
33、优选地，所述特征提取模块具体用于：从所述bev特征图中抽取相应的中心点目标特征，作为所述第一目标框的bev特征，其中，所述中心点目标特征是所述第一目标框在所述bev特征图的位置。
34、优选地，所述关联匹配模块具体是通过计算所述第一目标框与所述第二目标框的特征相似度和iou值来判断所述本文档来自技高网...
【技术保护点】
1.一种多目标实时轨迹跟踪方法，其特征在于，包括：
2.根据权利要求1所述的多目标实时轨迹跟踪方法，其特征在于，所述根据深度多目标检测器输出的鸟瞰图BEV特征图，对所述第一目标框进行特征提取，获得所述第一目标框的BEV特征，具体是：
3.根据权利要求2所述的多目标实时轨迹跟踪方法，其特征在于，所述根据所述第一目标框及其BEV特征，与所述第二目标框进行关联匹配，具体是通过计算所述第一目标框与所述第二目标框的特征相似度和IoU值来判断所述第一目标框和所述第二目标框是否为同一个物体，若是，则关联匹配成功。
4.根据权利要求3所述的多目标实时轨迹跟踪方法，其特征在于，所述根据所述第一目标框及其BEV特征，与所述第二目标框进行关联匹配，并将匹配成功的目标框更新至跟踪库，具体包括：
5.根据权利要求4所述的多目标实时轨迹跟踪方法，其特征在于，所述对高得分的第一目标框、第二目标框和所述第一目标框的BEV特征进行第一阶段关联匹配，得到第一阶段关联匹配的目标框，具体包括：
6.根据权利要求5所述的多目标实时轨迹跟踪方法，其特征在于，从所述
7.根据权利要求4所述的多目标实时轨迹跟踪方法，其特征在于，所述对低得分的第一目标框与第一阶段关联匹配中未匹配的且处于激活状态的目标框进行第二阶段关联匹配，得到第二阶段关联匹配的目标框，具体包括：
8.根据权利要求4所述的多目标实时轨迹跟踪方法，其特征在于，所述进行跟踪库管理还包括：将第一阶段未能关联匹配且不处于激活状态的目标框、第二阶段仍未能关联匹配的目标框均转为跟踪失联状态，当目标框处于跟踪失联状态的时长超过预设的跟踪缓存时长时，删除所述目标框的ID，然后将删除ID后的目标框更新至跟踪库。
9.一种非暂时性计算机可读存储介质，其特征在于，所述非暂时性计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述非暂时性计算机可读存储介质所在的设备执行如权利要求1～8任一项所述的多目标实时轨迹跟踪方法。
10.一种多目标实时轨迹跟踪装置，其特征在于，包括：
11.根据权利要求10所述的多目标实时轨迹跟踪装置，其特征在于，所述特征提取模块具体用于：从所述BEV特征图中抽取相应的中心点目标特征，作为所述第一目标框的BEV特征，其中，所述中心点目标特征是所述第一目标框在所述BEV特征图的位置。
12.根据权利要求11所述的多目标实时轨迹跟踪装置，其特征在于，所述关联匹配模块具体是通过计算所述第一目标框与所述第二目标框的特征相似度和IoU值来判断所述第一目标框和所述第二目标框是否为同一个物体，若是，则关联匹配成功。
13.根据权利要求12所述的多目标实时轨迹跟踪装置，其特征在于，所述关联匹配模块具体包括：
14.根据权利要求13所述的多目标实时轨迹跟踪装置，其特征在于，所述第一关联匹配子模块具体包括：
15.根据权利要求14所述的多目标实时轨迹跟踪装置，其特征在于，所述融合模块用于采用以下任一方式从所述第一初始匹配目标框和所述第二初始匹配目标框中选取所述第一阶段关联匹配的目标框：
16.根据权利要求13所述的多目标实时轨迹跟踪装置，其特征在于，所述第二关联匹配子模块具体包括：
17.根据权利要求13所述的多目标实时轨迹跟踪装置，其特征在于，所述关联匹配模块还用于：将第一阶段未能关联匹配且不处于激活状态的目标框、第二阶段仍未能关联匹配的目标框均转为跟踪失联状态，当目标框处于跟踪失联状态的时长超过预设的跟踪缓存时长时，删除所述目标框的ID，然后将删除ID后的目标框更新至跟踪库。
18.一种车辆，其特征在于，包括如权利要求10～17任一项所述的多目标实时轨迹跟踪装置。
...【技术特征摘要】
1.一种多目标实时轨迹跟踪方法，其特征在于，包括：
2.根据权利要求1所述的多目标实时轨迹跟踪方法，其特征在于，所述根据深度多目标检测器输出的鸟瞰图bev特征图，对所述第一目标框进行特征提取，获得所述第一目标框的bev特征，具体是：
3.根据权利要求2所述的多目标实时轨迹跟踪方法，其特征在于，所述根据所述第一目标框及其bev特征，与所述第二目标框进行关联匹配，具体是通过计算所述第一目标框与所述第二目标框的特征相似度和iou值来判断所述第一目标框和所述第二目标框是否为同一个物体，若是，则关联匹配成功。
4.根据权利要求3所述的多目标实时轨迹跟踪方法，其特征在于，所述根据所述第一目标框及其bev特征，与所述第二目标框进行关联匹配，并将匹配成功的目标框更新至跟踪库，具体包括：
5.根据权利要求4所述的多目标实时轨迹跟踪方法，其特征在于，所述对高得分的第一目标框、第二目标框和所述第一目标框的bev特征进行第一阶段关联匹配，得到第一阶段关联匹配的目标框，具体包括：
6.根据权利要求5所述的多目标实时轨迹跟踪方法，其特征在于，从所述第一初始匹配目标框和所述第二初始匹配目标框中，采用以下任一方式选取所述第一阶段关联匹配的目标框：
7.根据权利要求4所述的多目标实时轨迹跟踪方法，其特征在于，所述对低得分的第一目标框与第一阶段关联匹配中未匹配的且处于激活状态的目标框进行第二阶段关联匹配，得到第二阶段关联匹配的目标框，具体包括：
8.根据权利要求4所述的多目标实时轨迹跟踪方法，其特征在于，所述进行跟踪库管理还包括：将第一阶段未能关联匹配且不处于激活状态的目标框、第二阶段仍未能关联匹配的目标框均转为跟踪失联状态，当目标框处于跟踪失联状态的时长超过预设的跟踪缓存时长时，删除所述目标框的id，然后将删除id后的目标框更新至跟踪库。
9.一种非暂时性计算机可读存储介质，其特征在...
【专利技术属性】
技术研发人员：林嘉华，张坤雷，陈学文，
申请(专利权)人：广州汽车集团股份有限公司，
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。