一种车辆跟踪方法及装置制造方法及图纸

本发明专利技术提供了一种车辆跟踪方法及装置，该方法包括：当接收到车载传感器反馈的目标探测信息时，选取目标车辆并生成目标车辆在自车坐标系下的目标跟踪模型；计算目标跟踪模型的目标有效关联点；计算目标车辆与当前目标跟踪列表中每一个参考车辆之间的关联分数以更新参考跟踪模型或者建立新参考车辆。基于本发明专利技术公开的方法，由于按照有效关联点将不同车载传感器的目标模型进行关联和跟踪，从而可排除车载传感器反馈的探测信息中的错误内容，也就提高了后续关联效率和准确度。

A Vehicle Tracking Method and Device

The invention provides a vehicle tracking method and device, which includes: selecting target vehicle and generating target tracking model of target vehicle in self-vehicle coordinate system when receiving target detection information feedback from vehicle sensors; calculating effective target correlation points of target tracking model; calculating the relationship between target vehicle and each reference vehicle in current target tracking list. Joint scores are used to update the reference tracking model or to create a new reference vehicle. Based on the method disclosed in the present invention, since the target models of different vehicle sensors are correlated and tracked according to the effective correlation points, the errors in the detection information feedback from the vehicle sensors can be eliminated, and the subsequent correlation efficiency and accuracy can be improved.

【技术实现步骤摘要】
一种车辆跟踪方法及装置
本专利技术涉及汽车自动驾驶
，更具体地说，涉及一种车辆跟踪方法及装置。
技术介绍
随着ADAS(AdvancedDriverAssistantSystem，高级驾驶辅助系统)技术的发展，自适应巡航、车道保持以及自动制动等高级辅助驾驶功能已经实现。而要实现汽车自动驾驶，追踪车身周边障碍物，主要为车辆，对于后续决策至关重要。目前，为了追踪车身周边的目标车辆，在对多个车载传感器反馈的探测信息进行融合时，主要对目标车辆的中心位置点进行关联。而受车载传感器自身测量原理的限制，反馈的探测信息也存在差异，比如，激光雷达传感器反馈的是用于表征车身周边360°范围内所有目标车辆的速度、尺寸和空间位置的二维信息，前向视觉传感器反馈的是用于表征车身前方所有目标车辆的速度、尺寸和空间位置的二维信息，而毫米波雷达反馈的则是用于表征车身周边360°范围内所有目标车辆反射点的速度和空间位置的点状信息。因此，在利用中心位置点进行关联的过程中，由于无法判断车载传感器反馈的探测信息的准确度，这就使得最终追踪结果的准确度并不高，从而带来安全隐患。
技术实现思路
有鉴于此，本专利技术提供一种车辆跟踪方法及装置，以解决现有利用中心点进行关联造成的最终追踪结果的准确度并不高，从而带来安全隐患的问题。技术方案如下：一种车辆跟踪方法，包括：当接收到车载传感器反馈的目标探测信息时，从所述目标探测信息中选取目标车辆，并根据所述目标探测信息生成所述目标车辆在自车坐标系下的目标跟踪模型；其中，所述自车坐标系为预先建立的，所述目标跟踪模型包括盒型目标跟踪模型或者点型目标跟踪模型，所述盒型目标跟踪模型包括至少一个候选盒型关联点，所述点型目标跟踪模型包括一个候选点型关联点；计算所述目标跟踪模型的目标有效关联点；对于当前目标跟踪列表中的每一个参考车辆，根据相应参考跟踪模型的参考有效关联点以及参考探测信息、所述目标有效关联点和所述目标探测信息，计算该参考车辆和所述目标车辆的关联分数；判断所述关联分数是否小于分数阈值；当所述关联分数小于所述分数阈值时，将所述目标车辆确定为另一参考车辆，将所述目标跟踪模型确定为所述另一参考车辆的参考跟踪模型，将所述目标有效关联点确定为所述另一参考车辆的参考有效关联点，将所述目标探测信息确定为所述另一参考车辆的参考探测信息，并记录至所述当前目标跟踪列表中；当所述关联分数不小于所述分数阈值时，将该参考车辆的参考跟踪模型更新为所述目标跟踪模型。优选的，所述根据所述目标探测信息生成所述目标车辆在自车坐标系下的目标跟踪模型，包括：构建用于描述目标车辆尺寸的外包络矩形，所述外包络矩形包括四个初始角点以及四个初始边中点；解析所述目标探测信息确定待生成目标跟踪模型的模型类型；当所述模型类型为盒型时，从所述目标探测信息中获取所述目标车辆的第一尺寸信息以及第一空间位置信息；根据所述第一尺寸信息、所述第一空间位置信息和所述外包络矩形生成所述目标车辆在自车坐标系下的包含至少一个候选边中点的盒型目标跟踪模型，并将所述候选边中点确定为候选盒型关联点；当所述模型类型为点型时，从所述目标探测信息中获取目标车辆反射点的第二空间位置信息；根据所述第二空间位置信息生成所述目标车辆在所述自车坐标系下的包含所述目标车辆反射点的点型目标跟踪模型，并将所述目标车辆反射点确定为候选点型关联点。优选的，所述计算所述目标跟踪模型的目标有效关联点，包括：当所述目标跟踪模型为所述盒型目标跟踪模型时，确定所述盒型目标跟踪模型上相对于所述自车坐标系的原点的可见区域，并选取位于所述可见区域内的全部所述候选盒型关联点；对于选取的每一个所述候选盒型关联点，生成该候选盒型关联点与所述自车坐标系的原点之间的连线，并计算所述连线与该候选盒型关联点法向量之间的夹角值；判断所述夹角值是否小于该候选盒型关联点对应的最大夹角阈值；若是，将该候选盒型关联点确定为目标有效关联点；当所述目标跟踪模型为所述点型目标跟踪模型时，将所述候选点型关联点确定为目标有效关联点。优选的，所述根据相应参考跟踪模型的参考有效关联点以及参考探测信息、所述目标有效关联点和所述目标探测信息，计算该参考车辆和所述目标车辆的关联分数，包括：根据相应参考跟踪模型的参考探测信息中的第一空间位置信息和所述目标探测信息中的第二空间位置信息，计算所述参考跟踪模型的参考有效关联点和所述目标有效关联点之间的距离值；判断所述距离值是否小于距离阈值；当所述距离值小于所述距离阈值时，根据所述参考探测信息中的第一速度信息和所述目标探测信息中的第二速度信息，计算所述参考有效关联点和所述目标有效关联点之间的速度差值；判断所述速度差值是否小于速度差阈值；当所述速度差值小于所述速度差阈值时，判断所述参考跟踪模型和所述目标跟踪模型的模型类型是否均为盒型；若是，对盒型参考跟踪模型和盒型目标跟踪模型进行水平维度的有效关联点匹配，并判断是否匹配成功；当水平维度的有效关联点匹配成功时，对所述盒型参考跟踪模型和所述盒型目标跟踪模型进行竖直维度的有效关联点匹配，并判断是否匹配成功；当竖直维度的有效关联点匹配成功时，确定关联类型为第一类关联类型，并按照第一预设关联计算规则对所述参考探测信息以及所述目标探测信息进行处理，计算得到该参考车辆和所述目标车辆的关联分数；当竖直维度的有效关联点未匹配成功时，确定关联类型为第二类关联类型，并按照第二预设关联计算规则对所述参考探测信息以及所述目标探测信息进行处理，计算得到该参考车辆和所述目标车辆的关联分数；当水平维度的有效关联点未匹配成功时，对所述盒型参考跟踪模型和所述盒型目标跟踪模型进行竖直维度的有效关联点匹配，并判断是否匹配成功；当竖直维度的有效关联点匹配成功时，确定关联类型为第三类关联类型，并按照第三预设关联计算规则对所述参考探测信息以及所述目标探测信息进行处理，计算得到该参考车辆和所述目标车辆的关联分数；若否，确定关联类型为第四类关联类型，并按照第四预设关联计算规则对所述参考探测信息以及所述目标探测信息进行处理，计算得到该参考车辆和所述目标车辆的关联分数。优选的，所述记录至所述当前目标跟踪列表中，之前，还包括：按照关联类型对所述参考探测信息进行卡尔曼滤波。一种车辆跟踪装置，包括：目标跟踪模型生成模块、目标有效关联点计算模块、关联分数计算模块、判断模块、确定记录模块和更新模块；所述目标跟踪模型生成模块，用于当接收到车载传感器反馈的目标探测信息时，从所述目标探测信息中选取目标车辆，并根据所述目标探测信息生成所述目标车辆在自车坐标系下的目标跟踪模型；其中，所述自车坐标系为预先建立的，所述目标跟踪模型包括盒型目标跟踪模型或者点型目标跟踪模型，所述盒型目标跟踪模型包括至少一个候选盒型关联点，所述点型目标跟踪模型包括一个候选点型关联点；所述目标有效关联点计算模块，用于计算所述目标跟踪模型的目标有效关联点；所述关联分数计算模块，用于对于当前目标跟踪列表中的每一个参考车辆，根据相应参考跟踪模型的参考有效关联点以及参考探测信息、所述目标有效关联点和所述目标探测信息，计算该参考车辆和所述目标车辆的关联分数；所述判断模块，用于判断所述关联分数是否小于分数阈值；所述确定记录模块，用于当所述关联分数小于所述分数阈值时，将所述目标车辆确定为另一参本文档来自技高网...

【技术保护点】
1.一种车辆跟踪方法，其特征在于，包括：当接收到车载传感器反馈的目标探测信息时，从所述目标探测信息中选取目标车辆，并根据所述目标探测信息生成所述目标车辆在自车坐标系下的目标跟踪模型；其中，所述自车坐标系为预先建立的，所述目标跟踪模型包括盒型目标跟踪模型或者点型目标跟踪模型，所述盒型目标跟踪模型包括至少一个候选盒型关联点，所述点型目标跟踪模型包括一个候选点型关联点；计算所述目标跟踪模型的目标有效关联点；对于当前目标跟踪列表中的每一个参考车辆，根据相应参考跟踪模型的参考有效关联点以及参考探测信息、所述目标有效关联点和所述目标探测信息，计算该参考车辆和所述目标车辆的关联分数；判断所述关联分数是否小于分数阈值；当所述关联分数小于所述分数阈值时，将所述目标车辆确定为另一参考车辆，将所述目标跟踪模型确定为所述另一参考车辆的参考跟踪模型，将所述目标有效关联点确定为所述另一参考车辆的参考有效关联点，将所述目标探测信息确定为所述另一参考车辆的参考探测信息，并记录至所述当前目标跟踪列表中；当所述关联分数不小于所述分数阈值时，将该参考车辆的参考跟踪模型更新为所述目标跟踪模型。

【技术特征摘要】
1.一种车辆跟踪方法，其特征在于，包括：当接收到车载传感器反馈的目标探测信息时，从所述目标探测信息中选取目标车辆，并根据所述目标探测信息生成所述目标车辆在自车坐标系下的目标跟踪模型；其中，所述自车坐标系为预先建立的，所述目标跟踪模型包括盒型目标跟踪模型或者点型目标跟踪模型，所述盒型目标跟踪模型包括至少一个候选盒型关联点，所述点型目标跟踪模型包括一个候选点型关联点；计算所述目标跟踪模型的目标有效关联点；对于当前目标跟踪列表中的每一个参考车辆，根据相应参考跟踪模型的参考有效关联点以及参考探测信息、所述目标有效关联点和所述目标探测信息，计算该参考车辆和所述目标车辆的关联分数；判断所述关联分数是否小于分数阈值；当所述关联分数小于所述分数阈值时，将所述目标车辆确定为另一参考车辆，将所述目标跟踪模型确定为所述另一参考车辆的参考跟踪模型，将所述目标有效关联点确定为所述另一参考车辆的参考有效关联点，将所述目标探测信息确定为所述另一参考车辆的参考探测信息，并记录至所述当前目标跟踪列表中；当所述关联分数不小于所述分数阈值时，将该参考车辆的参考跟踪模型更新为所述目标跟踪模型。2.根据权利要求1所述的方法，其特征在于，所述根据所述目标探测信息生成所述目标车辆在自车坐标系下的目标跟踪模型，包括：构建用于描述目标车辆尺寸的外包络矩形，所述外包络矩形包括四个初始角点以及四个初始边中点；解析所述目标探测信息确定待生成目标跟踪模型的模型类型；当所述模型类型为盒型时，从所述目标探测信息中获取所述目标车辆的第一尺寸信息以及第一空间位置信息；根据所述第一尺寸信息、所述第一空间位置信息和所述外包络矩形生成所述目标车辆在自车坐标系下的包含至少一个候选边中点的盒型目标跟踪模型，并将所述候选边中点确定为候选盒型关联点；当所述模型类型为点型时，从所述目标探测信息中获取目标车辆反射点的第二空间位置信息；根据所述第二空间位置信息生成所述目标车辆在所述自车坐标系下的包含所述目标车辆反射点的点型目标跟踪模型，并将所述目标车辆反射点确定为候选点型关联点。3.根据权利要求1所述的方法，其特征在于，所述计算所述目标跟踪模型的目标有效关联点，包括：当所述目标跟踪模型为所述盒型目标跟踪模型时，确定所述盒型目标跟踪模型上相对于所述自车坐标系的原点的可见区域，并选取位于所述可见区域内的全部所述候选盒型关联点；对于选取的每一个所述候选盒型关联点，生成该候选盒型关联点与所述自车坐标系的原点之间的连线，并计算所述连线与该候选盒型关联点法向量之间的夹角值；判断所述夹角值是否小于该候选盒型关联点对应的最大夹角阈值；若是，将该候选盒型关联点确定为目标有效关联点；当所述目标跟踪模型为所述点型目标跟踪模型时，将所述候选点型关联点确定为目标有效关联点。4.根据权利要求1所述的方法，其特征在于，所述根据相应参考跟踪模型的参考有效关联点以及参考探测信息、所述目标有效关联点和所述目标探测信息，计算该参考车辆和所述目标车辆的关联分数，包括：根据相应参考跟踪模型的参考探测信息中的第一空间位置信息和所述目标探测信息中的第二空间位置信息，计算所述参考跟踪模型的参考有效关联点和所述目标有效关联点之间的距离值；判断所述距离值是否小于距离阈值；当所述距离值小于所述距离阈值时，根据所述参考探测信息中的第一速度信息和所述目标探测信息中的第二速度信息，计算所述参考有效关联点和所述目标有效关联点之间的速度差值；判断所述速度差值是否小于速度差阈值；当所述速度差值小于所述速度差阈值时，判断所述参考跟踪模型和所述目标跟踪模型的模型类型是否均为盒型；若是，对盒型参考跟踪模型和盒型目标跟踪模型进行水平维度的有效关联点匹配，并判断是否匹配成功；当水平维度的有效关联点匹配成功时，对所述盒型参考跟踪模型和所述盒型目标跟踪模型进行竖直维度的有效关联点匹配，并判断是否匹配成功；当竖直维度的有效关联点匹配成功时，确定关联类型为第一类关联类型，并按照第一预设关联计算规则对所述参考探测信息以及所述目标探测信息进行处理，计算得到该参考车辆和所述目标车辆的关联分数；当竖直维度的有效关联点未匹配成功时，确定关联类型为第二类关联类型，并按照第二预设关联计算规则对所述参考探测信息以及所述目标探测信息进行处理，计算得到该参考车辆和所述目标车辆的关联分数；当水平维度的有效关联点未匹配成功时，对所述盒型参考跟踪模型和所述盒型目标跟踪模型进行竖直维度的有效关联点匹配，并判断是否匹配成功；当竖直维度的有效关联点匹配成功时，确定关联类型为第三类关联类型，并按照第三预设关联计算规则对所述参考探测信息以及所述目标探测信息进行处理，计算得到该参考车辆和所述目标车辆的关联分数；若否，确定关联类型为第四类关联类型，并按照第四预设关联计算规则对所述参考探测信息以及所述目标探测信息进行处理，计算得到该参考车辆和所述目标车辆的关联分数。5.根据权利要求4所述的方法，其特征在于，所述记录至所述当前目标跟踪列表中，之前，还包括：按照关联类型对所述参考探测信息进行卡尔曼滤波。6.一种车辆跟踪装置，其特征在于，包括：目标跟踪模型生成模块、目标有效关联点计算模块、关联分数计算模块、判断模块、确定记录模块和更新模块；所述目标跟踪模型...

【专利技术属性】
技术研发人员：李星河，宋歌，张显宏，徐向敏，刘奋，
申请(专利权)人：上海汽车集团股份有限公司，
类型：发明
国别省市：上海,31