【技术实现步骤摘要】
本申请涉及智能驾驶领域，尤其涉及一种目标跟踪方法、装置、电子设备及存储介质。
技术介绍
1、受益于汽车智能化和ai人工智能技术的蓬勃发展，自动驾驶技术得到了极大的发展，使得应用自动驾驶替代人类成为可能，这将极大地降低人力成本和交通运输成本，但目前自动驾驶技术仍面临较多挑战，其中对其他交通参与者感知的精度和稳定性要求极高，尤其是本车周围目标的感知和追踪，具有重要的学术价值和应用价值。
2、鸟瞰视角空间映射的bev技术通过在bev空间下融合特征，实现车周全360°方向空间特征覆盖，相较于传统方式，既可以避免单传感器截断目标干扰以及后融合带来的有用信息丢失，还可以大幅增强空间特征表达能力，有效提升检测的准确性。该方案逐渐受到学术界和工业界的重视，成为主流方案。
3、当前，不同类型目标的多目标跟踪主要是独立进行的，该方法的前提是认为目标类型的置信度较高，类型不一致时的跨目标类型跟踪准确度较低。
技术实现思路
1、为了解决当前自动驾驶模块中自车周围区域由于类型跳变导致的跟踪丢失问题，尤其是跨摄像头跟踪的目标丢失的技术问题，本申请提供了一种目标跟踪方法、装置、电子设备及存储介质。
2、第一方面，本申请提供了一种目标跟踪方法，包括：
3、获取多个目标特征组合，每个所述目标特征组合包括：已确定跟踪属性的第一目标特征及待确定跟踪属性的第二目标特征，所述第一目标特征和所述第二目标特征分别是根据相邻两个全景图像帧中在先采集的全景图像帧和在后采集的全景图像帧
4、针对每个所述目标特征组合，确定所述第一目标特征与所述第二目标特征的跨类型相似度，并基于所述跨类型相似度进行最优匹配，得到目标最优匹配对；
5、根据所述目标最优匹配对中所述第一目标特征的参考属性，确定所述第二目标特征的跟踪属性。
6、可选地，获取多个目标特征组合，包括：
7、获取在相邻两个全景图像帧的在先采集的全景图像帧中提取的跟踪目标列表及在后采集的全景图像帧中提取的待预处理目标列表，所述跟踪目标列表包括多个第一目标特征；
8、对所述待预处理目标列表中的第三目标特征进行预处理，得到预处理目标列表，所述预处理目标列表包括多个第二目标特征；
9、针对所述跟踪目标列表中的每个第一目标特征，根据所述第一目标特征的位置在所述预处理目标列表中确定位置对应的第二目标特征，建立包含所述第一目标特征和所述第二目标特征的确定目标特征组合。
10、可选地，对所述待预处理目标列表中的第三目标特征进行预处理，得到预处理目标列表，包括：
11、针对所述待预处理目标列表中的每个所述第三目标特征，确定所述第三目标特征的特征类型；
12、基于所述特征类型对所述预处理目标列表中的第三目标特征进行过滤处理；
13、基于剩余的第三目标特征确定预处理目标列表。
14、可选地，基于所述特征类型对所述预处理目标列表中的第三目标特征进行过滤处理，包括：
15、对所述预处理目标列表中的第三目标特征进行位置过滤，得到第一剩余目标特征集合；
16、对所述第一剩余目标特征集合中的每个所述第三目标特征进行置信度过滤，得到第二剩余目标特征集合；
17、针对所述第二剩余目标特征集合中的每个第三目标特征，若所述特征类型为第一特征类型，对所述第三目标特征进行图像域下的非极大值抑制处理及基于角度的角点检测算法处理；若所述特征类型为第二特征类型，对所述第三目标特征进行图像域和vcs坐标系下的非极大值抑制处理。
18、可选地，针对每个所述目标特征组合，确定所述第一目标特征与所述第二目标特征的跨类型相似度，并基于所述跨类型相似度进行最优匹配，得到目标最优匹配对，包括：
19、获取跨类型相似度概率矩阵，所述跨类型相似度概率矩阵的参数是根据历史记录的由于遮挡导致误识别情况的先验信息确定的；
20、针对每个所述目标特征组合，基于所述跨类型相似度概率矩阵，确定所述第一目标特征和所述第二目标特征的第一跨类型相似度矩阵，并基于所述第一跨类型相似度矩阵进行最优匹配，得到第一最优匹配对；
21、若所述第一最优匹配对的相似度大于预设相似度阈值，将所述第一最优匹配对确定为目标最优匹配对。
22、可选地，基于所述跨类型相似度概率矩阵，确定所述第一目标特征和所述第二目标特征的第一跨类型相似度矩阵，并基于所述第一跨类型相似度矩阵进行最优匹配，得到第一最优匹配对，包括：
23、计算所述第一目标特征和所述第二目标特征的iou相似度矩阵；
24、基于所述跨类型相似度概率矩阵及所述iou相似度矩阵进行最优匹配，得到所述第一最优匹配对。
25、可选地，针对每个所述目标特征组合，确定所述第一目标特征与所述第二目标特征的跨类型相似度，并基于所述跨类型相似度进行最优匹配，得到目标最优匹配对，还包括：
26、若所述最优匹配对的相似度小于或等于相似度阈值，基于所述跨类型相似度概率矩阵，将所述第二目标特征与任一其它目标特征组合中的第一目标特征进行级联匹配，得到第二最优匹配对；
27、若所述第二最优匹配对的相似度大于预设相似度阈值，将所述第二最优匹配对确定为目标最优匹配对。
28、可选地，基于所述跨类型相似度概率矩阵，将所述第二目标特征与任一其它目标特征组合中的第一目标特征进行级联匹配，得到第二最优匹配对，包括：
29、计算所述第二目标特征和任一其它目标特征组合中的第一目标特征的real3d相似度矩阵；
30、基于所述跨类型相似度概率矩阵及所述real3d相似度矩阵进行最优匹配，得到所述第二最优匹配对。
31、可选地，在获取跨类型相似度概率矩阵之前，所述方法还包括：
32、确定所述第一目标特征和/或所述第二目标特征的位置是否位于周视视场角相交区域；
33、若所述第一目标特征和/或所述第二目标特征的位置位于周视视场角相交区域，执行获取跨类型相似度概率矩阵的步骤。
34、第二方面，本申请提供了一种目标跟踪装置，包括：
35、获取模块，用于获取多个目标特征组合，每个所述目标特征组合包括：已确定跟踪属性的第一目标特征及待确定跟踪属性的第二目标特征，所述第一目标特征和所述第二目标特征分别是根据相邻两个全景图像帧中在先采集的全景图像帧和在后采集的全景图像帧确定的；
36、第一确定模块，用于针对每个所述目标特征组合，确定所述第一目标特征与所述第二目标特征的跨类型相似度，并基于所述跨类型相似度进行最优匹配，得到目标最优匹配对；
37、第二确定模块，用于根据所述目标最优匹配对中所述第一目标特征的参考属性，确定所述第二目标特征的跟踪属性。
38、第三方面，本申请提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储本文档来自技高网...
【技术保护点】
1.一种目标跟踪方法，其特征在于，包括：
2.根据权利要求1所述的目标跟踪方法，其特征在于，获取多个目标特征组合，包括：
3.根据权利要求2所述的目标跟踪方法，其特征在于，对所述待预处理目标列表中的第三目标特征进行预处理，得到预处理目标列表，包括：
4.根据权利要求3所述的目标跟踪方法，其特征在于，基于所述特征类型对所述预处理目标列表中的第三目标特征进行过滤处理，包括：
5.根据权利要求1所述的目标跟踪方法，其特征在于，针对每个所述目标特征组合，确定所述第一目标特征与所述第二目标特征的跨类型相似度，并基于所述跨类型相似度进行最优匹配，得到目标最优匹配对，包括：
6.根据权利要求5所述的目标跟踪方法，其特征在于，基于所述跨类型相似度概率矩阵，确定所述第一目标特征和所述第二目标特征的第一跨类型相似度矩阵，并基于所述第一跨类型相似度矩阵进行最优匹配，得到第一最优匹配对，包括：
7.根据权利要求5所述的目标跟踪方法，其特征在于，针对每个所述目标特征组合，确定所述第一目标特征与所述第二目标特征的跨类型相似度，并基于所述
8.根据权利要求7所述的目标跟踪方法，其特征在于，基于所述跨类型相似度概率矩阵，将所述第二目标特征与任一其它目标特征组合中的第一目标特征进行级联匹配，得到第二最优匹配对，包括：
9.根据权利要求5所述的目标跟踪方法，其特征在于，在获取跨类型相似度概率矩阵之前，所述方法还包括：
10.一种目标跟踪装置，其特征在于，包括：
11.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有目标跟踪方法的程序，所述目标跟踪方法的程序被处理器执行时实现权利要求1-9任一所述的目标跟踪方法的步骤。
...【技术特征摘要】
1.一种目标跟踪方法，其特征在于，包括：
2.根据权利要求1所述的目标跟踪方法，其特征在于，获取多个目标特征组合，包括：
3.根据权利要求2所述的目标跟踪方法，其特征在于，对所述待预处理目标列表中的第三目标特征进行预处理，得到预处理目标列表，包括：
4.根据权利要求3所述的目标跟踪方法，其特征在于，基于所述特征类型对所述预处理目标列表中的第三目标特征进行过滤处理，包括：
5.根据权利要求1所述的目标跟踪方法，其特征在于，针对每个所述目标特征组合，确定所述第一目标特征与所述第二目标特征的跨类型相似度，并基于所述跨类型相似度进行最优匹配，得到目标最优匹配对，包括：
6.根据权利要求5所述的目标跟踪方法，其特征在于，基于所述跨类型相似度概率矩阵，确定所述第一目标特征和所述第二目标特征的第一跨类型相似度矩阵，并基于所述第一跨类型相似度矩阵进行最优匹配，得到第一最优匹配对，包括：
7.根据权利要求5...
【专利技术属性】
技术研发人员：刘俊毅，熊新立，
申请(专利权)人：重庆长安科技有限责任公司，
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。