用于估计障碍物运动状态的方法和装置制造方法及图纸

本申请公开了用于估计障碍物运动状态的方法和装置，涉及自动驾驶技术领域。具体实现方案为：一种用于估计障碍物运动状态的方法，包括：实时获取障碍物的图像；将实时获取的图像输入预先训练的深度学习的神经网络模型，输出障碍物的位置测量值；将位置测量值输入第一卡尔曼滤波器，输出障碍物的位置状态；将位置测量值输入第二卡尔曼滤波器，输出障碍物的速度状态，其中，第一卡尔曼滤波器的观测噪声的协方差矩阵小于第二卡尔曼滤波器的观测噪声的协方差矩阵。该实施方式提高了障碍物的运动状态估计的准确性。

【技术实现步骤摘要】
用于估计障碍物运动状态的方法和装置
本申请的实施例涉及计算机
，具体涉及自动驾驶

技术介绍
无人驾驶车辆(又称为无人车)通过车辆上设置的驾驶控制设备对各种传感器(例如，摄像机和激光雷达)所采集的信息，进行综合分析处理以实现路径规划和行驶控制。大多数无人驾驶车辆都设置有激光雷达来采集外界信息。在对无人驾驶车辆进行路径规划和行驶控制的过程中，可以对激光雷达所采集的每帧激光点云(即，激光雷达每个采样周期所采集的激光点云)进行障碍物检测，然后，再对检测所得到的障碍物进行运动估计，以实现躲避障碍物和提前进行路径规划。然而，激光雷达受天气影响会产生误检。因此可在激光雷达无法正常使用时通过摄像机来进行障碍物检测。目前常用的基于视觉的障碍物运动状态估计方法主要为建立运动模型并使用卡尔曼滤波更新障碍物位置与速度，但由于真实道路障碍物行为复杂，单一模型难以很好地反映障碍物的运动状态。
技术实现思路
提供了一种用于估计障碍物运动状态的方法、装置、设备以及存储介质。根据第一方面，提供了一种用于估计障碍物运动状态的方法本文档来自技高网...

【技术保护点】
1.一种用于估计障碍物运动状态的方法，包括：/n实时获取障碍物的图像；/n将实时获取的图像输入预先训练的深度学习的神经网络模型，输出所述障碍物的位置测量值；/n将所述位置测量值输入第一卡尔曼滤波器，输出所述障碍物的位置状态；/n将所述位置测量值输入第二卡尔曼滤波器，输出所述障碍物的速度状态，其中，所述第一卡尔曼滤波器的观测噪声的协方差矩阵小于所述第二卡尔曼滤波器的观测噪声的协方差矩阵。/n

【技术特征摘要】
1.一种用于估计障碍物运动状态的方法，包括：
实时获取障碍物的图像；
将实时获取的图像输入预先训练的深度学习的神经网络模型，输出所述障碍物的位置测量值；
将所述位置测量值输入第一卡尔曼滤波器，输出所述障碍物的位置状态；
将所述位置测量值输入第二卡尔曼滤波器，输出所述障碍物的速度状态，其中，所述第一卡尔曼滤波器的观测噪声的协方差矩阵小于所述第二卡尔曼滤波器的观测噪声的协方差矩阵。


2.根据权利要求1所述的方法，其中，所述将所述位置测量值输入第一卡尔曼滤波器，输出所述障碍物的位置状态，包括：
基于恒定速度模型确定出预测矩阵A、测量矩阵H；
获取观测噪声的协方差矩阵R1、过程噪声的协方差矩阵Q1、前一帧预测误差协方差矩阵Pk-1，前一帧位置状态xk-1，当前帧的位置测量值zk；
预测当前帧的位置状态xk，其中，xk＝Axk-1+wk-1，wk-1为过程噪声；
预测当前帧的预测误差协方差矩阵Pk，其中，Pk＝APk-1AT+Q1；
计算卡尔曼增益Kk，其中，Kk＝PkHT(HPkHT+R1)-1；
更新当前帧的位置状态xk后输出，其中，xk＝xk+Kk(zk-Hxk)；
更新当前帧的预测误差协方差矩阵Pk，其中，Pk＝(1-KkH)Pk。


3.根据权利要求1所述的方法，其中，所述将所述位置测量值输入第二卡尔曼滤波器，输出所述障碍物的速度状态，包括：
基于恒定速度模型确定出预测矩阵A、测量矩阵H；
获取观测噪声的协方差矩阵R2、过程噪声的协方差矩阵Q2、前一帧预测误差协方差矩阵Pk-1，前一帧速度状态vk-1，当前帧的位置测量值zk；
预测当前帧的速度状态vk，其中，vk＝Avk-1+wk-1，wk-1为过程噪声；
预测当前帧的预测误差协方差矩阵Pk，其中，Pk＝APk-1AT+Q2；
计算卡尔曼增益Kk，其中，Kk＝PkHT(HPkHT+R2)-1；
更新当前帧的速度状态vk后输出，其中，vk＝vk+Kk(zk-Hvk)；
更新当前帧的预测误差协方差矩阵Pk，其中，Pk＝(1-KkH)Pk。


4.根据权利要求1所述的方法，其中，所述第一卡尔曼滤波器的过程噪声的协方差矩阵大于
所述第二卡尔曼滤波器的过程噪声的协方差矩阵。


5.根据权利要求1所述的方法，其中，所述第一卡尔曼滤波器的预测误差协方差矩阵的初始值大于所述第二卡尔曼滤波器的预测误差协方差矩阵的初始值。


6.根据权利要求1-5之一所述的方法，其中，所述方法还包括：
获取样本集，其中，样本包括样本障碍物的图像和用于标注样本障碍物的运动状态的标注信息；
对于每个样本，将该样本的样本障碍物的图像输入初始卡尔曼滤波器后得到识别结果，与该样本的标注信息进行对比，得到该样本的噪声；
根据各样本的噪声确定噪声分布；
根据所述噪声分布设置用于更新位置状态的第一卡尔曼滤波器和用于更新速度状态的第二卡尔曼滤波器的观测噪声的协方差矩阵。


7.一种用于估计障碍物运动状态的装置，包括：
获取单元，被配置成实时获取障碍物的图像；
检测单元，被配置成将实时获取的图像输入预先训练的深度学习的神经网络模型，输出所述障碍物的位置测量值；
第一滤波单元，...

【专利技术属性】
技术研发人员：高涵，王军，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11