【技术实现步骤摘要】
一种基于点云序列数据的3D目标跟踪方法及系统
本专利技术属于数字图像识别领域,更具体地,涉及一种基于点云序列数据的3D目标跟踪方法及系统。
技术介绍
在自动驾驶、机器人运功轨迹规划等领域中,通常需要对周围环境进行感知理解,探知周围目标物体的运动轨迹,进而规划自身运动方向,其中,探知目标运动轨迹便需要用到目标跟踪技术。传统的2D目标跟踪技术已经取得了显著的成果,但其只能跟踪目标在相机平面上的运动,因而不能满足自动驾驶和机器人运动轨迹规划等需要获得目标立体运动信息的要求。相比于2D目标跟踪技术,3D目标跟踪技术能够在目标跟踪的过程中很好地利用目标的立体运动信息。现有的3D目标跟踪技术主要分为三种:基于RGBD视频序列的3D目标跟踪方法、基于鸟瞰图视频序列的3D目标跟踪方法和基于3D点云序列数据的3D目标跟踪方法。其中,基于RGBD视频序列的3D目标跟踪方法非常依赖2D目标跟踪技术,是在2D目标跟踪结果的基础上利用深度图信息进行进一步的处理,没有充分利用3D物体结构信息;基于鸟瞰图视频序列的3D目标跟踪方法将3D点云数据进行了俯视投影,进而采用2D目标跟踪的方法进行跟踪,其损失了高度方向的目标信息,对于在高度方向有较大变化的目标无法进行有效的跟踪。与基于RGBD视频序列的3D目标跟踪方法以及基于鸟瞰图视频序列的3D目标跟踪方法相比,基于点云序列数据的3D目标跟踪方法能够充分利用物体的立体属性,但是,受点云数据具有无序性、稀疏性等特性的影响,现有的基于点云序列数据的3D目标跟踪方法在根据上一帧点云数据的跟踪结 ...
【技术保护点】
1.一种基于点云序列数据的3D目标跟踪方法,其特征在于,包括:/n根据上一帧的预测结果在当前帧中截取包含目标框的搜索点云,并在上一帧中截取包含目标框的模板点云;/n对所述模板点云和搜索点云分别进行标准化之后作为输入,利用已训练好的3D目标跟踪模型预测目标框中心在当前帧中的位置以及目标框在当前帧中的姿态,以确定3D目标在当前帧中的位置,从而在当前帧中完成对3D目标的跟踪;/n其中,所述3D目标跟踪模型包括特征提取网络、相关性预测网络、集成回归网络以及位置预测网络;所述特征提取网络用于对所述模板点云和所述搜索点云进行特征提取,从而分别得到模板点云特征和搜索点云特征;所述相关性预测网络用于预测所述搜索点云特征中各特征点的目标性得分;所述集成回归网络用于对所述模板点云特征和所述搜索点云特征进行特征融合后,逐点回归,以得到融合特征中各特征点距离目标框中心的距离和姿态;所述位置预测网络用于根据所述搜索点云特征中各特征点的目标性得分,对所述融合特征中各特征点距离目标框中心的距离和姿态进行加权相乘,从而预测得到目标框中心在当前帧中的位置以及目标框在当前帧中的姿态;/n其中,所述搜索点云特征中各特征点的 ...
【技术特征摘要】
1.一种基于点云序列数据的3D目标跟踪方法,其特征在于,包括:
根据上一帧的预测结果在当前帧中截取包含目标框的搜索点云,并在上一帧中截取包含目标框的模板点云;
对所述模板点云和搜索点云分别进行标准化之后作为输入,利用已训练好的3D目标跟踪模型预测目标框中心在当前帧中的位置以及目标框在当前帧中的姿态,以确定3D目标在当前帧中的位置,从而在当前帧中完成对3D目标的跟踪;
其中,所述3D目标跟踪模型包括特征提取网络、相关性预测网络、集成回归网络以及位置预测网络;所述特征提取网络用于对所述模板点云和所述搜索点云进行特征提取,从而分别得到模板点云特征和搜索点云特征;所述相关性预测网络用于预测所述搜索点云特征中各特征点的目标性得分;所述集成回归网络用于对所述模板点云特征和所述搜索点云特征进行特征融合后,逐点回归,以得到融合特征中各特征点距离目标框中心的距离和姿态;所述位置预测网络用于根据所述搜索点云特征中各特征点的目标性得分,对所述融合特征中各特征点距离目标框中心的距离和姿态进行加权相乘,从而预测得到目标框中心在当前帧中的位置以及目标框在当前帧中的姿态;
其中,所述搜索点云特征中各特征点的目标性得分,由所述搜索点云特征中各特征点与所述目标点云特征之间的相关性系数经过归一化操作之后得到。
2.如权利要求1所述的基于点云序列数据的3D目标跟踪方法,其特征在于,所述特征提取网络为不包含用于回归分类结果的全连接层的PointNet++网络。
3.如权利要求1所述的基于点云序列数据的3D目标跟踪方法,其特征在于,所述相关性预测网络包括第一矩阵运算层、池化层和归一化层;
所述第一矩阵运算层,用于通过矩阵运算预测所述搜索点云特征中各特征点与所述目标点云特征之间的相关性,从而得到所述搜索点云和所述目标点云的逐点相关性;
所述池化层,用于通过池化操作将所述第一矩阵运算层输出的搜索点云和目标点云的逐点相关性转化为搜索点云各特征点和目标点云之间的相关性系数;
所述归一化层,用于对所述池化层输出的结果进行归一化操作,得到所述搜索点云特征中各特征点的目标性得分。
4.如权利要求1所述的基于点云序列数据的3D目标跟踪方法,其特征在于,所述集成回归网络包括第二矩阵运算层和多层感知机;
所述第二矩阵运算层,用于通过矩阵运算对所述模板点云特征和所述搜索点云特征进行特征...
【专利技术属性】
技术研发人员:曹治国,綦浩喆,肖阳,于泰东,刘承鑫,张博深,
申请(专利权)人:华中科技大学,
类型:发明
国别省市:湖北;42
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。