一种轨迹预测方法、装置及存储介质制造方法及图纸

本发明专利技术提供一种轨迹预测方法以及装置，应用于无人驾驶设备，所述无人驾驶设备至少包括采集单元；所述方法包括：获取至少两幅图像，所述至少两幅图像中均包含至少一个待检测目标；识别所述至少两幅图像中的待检测目标，获取待检测目标在所述至少两幅图像中的二维位置信息；基于待检测目标在所述至少两幅图像中的二维位置信息以及采集单元的参数，计算所述至少两幅图像中的待检测目标与无人驾驶设备的至少两个距离，基于待检测目标与无人驾驶设备的至少两个距离，计算待检测目标相对于无人驾驶设备的至少两个空间位置；基于每个待检测目标的至少两个空间位置预测待检测目标的运动轨迹。

【技术实现步骤摘要】
一种轨迹预测方法、装置及存储介质
本专利技术涉及机器视觉领域，具体涉及一种轨迹预测方法、装置及存储介质。
技术介绍
目标的检测识别在视觉导航、机器人、智能交通等领域有着广泛的应用。其中，对机器人/无人驾驶汽车周围的动态目标(包括但不限于汽车、行人)的检测、识别以及轨迹预测是机器人/无人驾驶汽车导航、路径规划中的关键环节。目前，机器人/无人驾驶汽车导航大多是基于多目相机系统，在预设的汽车数据集内进行车辆的三维检测与匹配，从而达到跟踪预测汽车、行人等目标运动轨迹的效果。多目相机系统的硬件成本和应用普适性等都限制了其更广、更泛化应用的可能性。
技术实现思路
有鉴于此，本专利技术的主要目的在于提供一种轨迹预测方法、装置及存储介质，能实现对机器人/无人驾驶汽车周围目标行动轨迹的预测，操作简单，易于实现。为达到上述目的，本专利技术的技术方案是这样实现的：本专利技术实施例提供一种轨迹预测方法，应用于无人驾驶设备，所述无人驾驶设备至少包括采集单元；所述方法包括：获取至少两幅图像，所述至少两幅图像中均包含至少一个待检测目标；识别所述至少两幅图像中的待检测目标，获取待检测目标在所述至少两幅图像中的二维位置信息；基于待检测目标在所述至少两幅图像中的二维位置信息以及采集单元的参数，计算所述至少两幅图像中的待检测目标与无人驾驶设备的至少两个距离，基于待检测目标与无人驾驶设备的至少两个距离，计算待检测目标相对于无人驾驶设备的至少两个空间位置；基于每个待检测目标的至少两个空间位置预测待检测目标的运动轨迹。在上述方案中，所述获取待检测目标在所述至少两幅图像中的二维位置信息，包括：基于神经网络算法检测待检测目标在图像中的位置；基于待检测目标在图像中的位置设置待检测目标的2-D框，所述2-D框的中心位置为待检测目标的中心位置。在上述方案中，所述计算待检测目标相对于无人驾驶设备的至少两个空间位置，还包括：基于待检测目标在所述至少两幅图像中的二维位置信息以及采集单元的参数，计算所述至少两幅图像中的待检测目标与无人驾驶设备正方向的至少两个垂直距离；基于待检测目标在所述至少两幅图像中的二维位置信息以及采集单元的参数，计算所述至少两幅图像中的待检测目标与无人驾驶设备所在水平面的至少两个垂直距离。在上述方案中，所述基于待检测目标在所述至少两幅图像中的二维位置信息以及采集单元的参数，计算所述至少两幅图像中的待检测目标与无人驾驶设备的至少两个距离，包括：基于所述至少两幅图像中的待检测目标的2-D框的中心位置、2-D框的高度、采集单元的焦距、图像的中心位置以及无人驾驶设备的高度，计算所述至少两幅图像中的待检测目标与无人驾驶设备的至少两个距离。在上述方案中，所述基于待检测目标在至少两幅图像中的二维位置信息以及采集单元的参数，计算所述至少两幅图像中的待检测目标与无人驾驶设备正方向的至少两个垂直距离，以及待检测目标与无人驾驶设备所在水平面的至少两个垂直距离，包括：基于所述至少两幅图像中的待检测目标的2-D框的中心位置、图像的中心位置、采集单元的焦距、以及所述待检测目标与无人驾驶设备的距离，计算所述至少两幅图像中的待检测目标与无人驾驶设备正方向的至少两个垂直距离；基于所述至少两幅图像中的待检测目标的2-D框的中心位置、图像的中心位置、采集单元的焦距、以及所述待检测目标与无人驾驶设备的距离，计算所述至少两幅图像中的待检测目标与无人驾驶设备所在水平面的至少两个垂直距离。在上述方案中，所述基于每个待检测目标的至少两个空间位置预测待检测目标的运动轨迹，包括：基于多项式参数模型拟合待检测目标的运动轨迹，并对待检测目标的运动轨迹进行预测；或者，基于机器学习方法对待检测目标的运动轨迹进行预测。在上述方案中，基于每个待检测目标的至少两个空间位置预测待检测目标的运动轨迹之后，所述方法还包括：根据预测的至少一个待检测目标的运动轨迹对无人驾驶设备自身的路径规划进行调整。本专利技术实施例提供一种轨迹预测装置，所述装置包括：采集模块、识别模块、重建模块以及预测模块；其中，所述采集模块，用于获取至少两幅图像，所述至少两幅图像中均包含至少一个待检测目标；所述识别模块，用于识别所述至少两幅图像中的待检测目标，获取待检测目标在所述至少两幅图像中的二维位置信息；所述重建模块，用于基于待检测目标在所述至少两幅图像中的二维位置信息以及采集单元的参数，计算所述至少两幅图像中的待检测目标与无人驾驶设备的至少两个距离，基于待检测目标与无人驾驶设备的至少两个距离，计算待检测目标相对于无人驾驶设备的至少两个空间位置；所述预测模块，用于基于每个待检测目标的至少两个空间位置预测待检测目标的运动轨迹。在上述方案中，所述识别模块包括：检测模块以及标记模块；其中，所述检测模块，用于基于神经网络算法检测待检测目标在图像中的位置；所述标记模块，用于基于待检测目标在图像中的位置设置待检测目标的2-D框，所述2-D框的中心位置为待检测目标的中心位置。在上述方案中，所述重建模块包括垂直距离模块，所述垂直距离模块，用于基于待检测目标在所述至少两幅图像中的二维位置信息以及采集单元的参数，计算所述至少两幅图像中的待检测目标与无人驾驶设备正方向的至少两个垂直距离；基于待检测目标在所述至少两幅图像中的二维位置信息以及采集单元的参数，计算所述至少两幅图像中的待检测目标与无人驾驶设备所在水平面的至少两个垂直距离。在上述方案中，所述重建模块还包括深度距离模块；其中，所述深度距离模块，用于基于所述至少两幅图像中的待检测目标的2-D框的中心位置、2-D框的高度、采集单元的焦距、图像的中心位置以及无人驾驶设备的高度，计算所述至少两幅图像中的待检测目标与无人驾驶设备的至少两个距离。在上述方案中，所述垂直距离模块，具体用于基于所述至少两幅图像中的待检测目标的2-D框的中心位置、图像的中心位置、采集单元的焦距、以及所述待检测目标与无人驾驶设备的距离，计算所述至少两幅图像中的待检测目标与无人驾驶设备正方向的至少两个垂直距离；基于所述至少两幅图像中的待检测目标的2-D框的中心位置、图像的中心位置、采集单元的焦距、以及所述待检测目标与无人驾驶设备的距离，计算所述至少两幅图像中的待检测目标与无人驾驶设备所在水平面的至少两个垂直距离。在上述方案中，所述预测模块，用于基于多项式参数模型拟合待检测目标的运动轨迹，并对待检测目标的运动轨迹进行预测；或者，用于基于机器学习方法对待检测目标的运动轨迹进行预测。在上述方案中，所述装置还包括：路径调整模块；其中，所述路径调整模块，用于根据预测的至少一个待检测目标的运动轨迹对无人驾驶设备自身的路径规划进行调整。本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时上述所述方法的任一步骤。本专利技术还提供本文档来自技高网...

【技术保护点】
1.一种轨迹预测方法，应用于无人驾驶设备，所述无人驾驶设备至少包括采集单元；其特征在于，所述方法包括：/n获取至少两幅图像，所述至少两幅图像中均包含至少一个待检测目标；/n识别所述至少两幅图像中的待检测目标，获取待检测目标在所述至少两幅图像中的二维位置信息；/n基于待检测目标在所述至少两幅图像中的二维位置信息以及采集单元的参数，计算所述至少两幅图像中的待检测目标与无人驾驶设备的至少两个距离，基于待检测目标与无人驾驶设备的至少两个距离，计算待检测目标相对于无人驾驶设备的至少两个空间位置；/n基于每个待检测目标的至少两个空间位置预测待检测目标的运动轨迹。/n

【技术特征摘要】
1.一种轨迹预测方法，应用于无人驾驶设备，所述无人驾驶设备至少包括采集单元；其特征在于，所述方法包括：
获取至少两幅图像，所述至少两幅图像中均包含至少一个待检测目标；
识别所述至少两幅图像中的待检测目标，获取待检测目标在所述至少两幅图像中的二维位置信息；
基于待检测目标在所述至少两幅图像中的二维位置信息以及采集单元的参数，计算所述至少两幅图像中的待检测目标与无人驾驶设备的至少两个距离，基于待检测目标与无人驾驶设备的至少两个距离，计算待检测目标相对于无人驾驶设备的至少两个空间位置；
基于每个待检测目标的至少两个空间位置预测待检测目标的运动轨迹。


2.根据权利要求1所述的方法，其特征在于，所述获取待检测目标在所述至少两幅图像中的二维位置信息，包括：
基于神经网络算法检测待检测目标在图像中的位置；
基于待检测目标在图像中的位置设置待检测目标的2-D框，所述2-D框的中心位置为待检测目标的中心位置。


3.根据权利要求1所述的方法，其特征在于，所述计算待检测目标相对于无人驾驶设备的至少两个空间位置，还包括：
基于待检测目标在所述至少两幅图像中的二维位置信息以及采集单元的参数，计算所述至少两幅图像中的待检测目标与无人驾驶设备正方向的至少两个垂直距离；
基于待检测目标在所述至少两幅图像中的二维位置信息以及采集单元的参数，计算所述至少两幅图像中的待检测目标与无人驾驶设备所在水平面的至少两个垂直距离。


4.根据权利要求3所述的方法，其特征在于，所述基于待检测目标在所述至少两幅图像中的二维位置信息以及采集单元的参数，计算所述至少两幅图像中的待检测目标与无人驾驶设备的至少两个距离，包括：
基于所述至少两幅图像中的待检测目标的2-D框的中心位置、2-D框的高度、采集单元的焦距、图像的中心位置以及无人驾驶设备的高度，计算所述至少两幅图像中的待检测目标与无人驾驶设备的至少两个距离。


5.根据权利要求4所述的方法，其特征在于，所述基于待检测目标在至少两幅图像中的二维位置信息以及采集单元的参数，计算所述至少两幅图像中的待检测目标与无人驾驶设备正方向的至少两个垂直距离，以及待检测目标与无人驾驶设备所在水平面的至少两个垂直距离，包括：
基于所述至少两幅图像中的待检测目标的2-D框的中心位置、图像的中心位置、采集单元的焦距、以及所述待检测目标与无人驾驶设备的距离，计算所述至少两幅图像中的待检测目标与无人驾驶设备正方向的至少两个垂直距离；
基于所述至少两幅图像中的待检测目标的2-D框的中心位置、图像的中心位置、采集单元的焦距、以及所述待检测目标与无人驾驶设备的距离，计算所述至少两幅图像中的待检测目标与无人驾驶设备所在水平面的至少两个垂直距离。


6.根据权利要求1所述的方法，其特征在于，所述基于每个待检测目标的至少两个空间位置预测待检测目标的运动轨迹，包括：
基于多项式参数模型拟合待检测目标的运动轨迹，并对待检测目标的运动轨迹进行预测；
或者，基于机器学习方法对待检测目标的运动轨迹进行预测。


7.根据权利要求1所述的方法，其特征在于，基于每个待检测目标的至少两个空间位置预测待检测目标的运动轨迹之后，所述方法还包括：
根据预测的至少一个待检测目标的运动轨迹对无人驾驶设备自身的路径规划进行调整。


8.一种轨迹预测装置，其特征在于，所述装置包...

【专利技术属性】
技术研发人员：薛舟，陈子冲，
申请(专利权)人：纳恩博北京科技有限公司，
类型：发明
国别省市：北京;11