基于视觉变换的运动目标轨迹预测方法及装置制造方法及图纸

本发明专利技术公开一种基于视觉变换的运动目标轨迹预测方法及装置，该步骤包括：S1.实时获取车载图像采集设备采集到的道路环境图像，并进行运动目标的检测，得到运动目标的2D包围盒；S2.使用运动目标的2D包围盒进行目标轨迹预测并进行目标跟踪，得到运动目标轨迹预测坐标；S3.根据预先标定得到的图像像素和车体之间的坐标转换关系，将运动目标轨迹预测坐标转换至车体坐标系下，得到车体坐标系下的运动目标轨迹预测坐标。本发明专利技术能够实现车载环境感知的目标轨迹预测，且具有预测效率以及精度高等优点。点。点。

【技术实现步骤摘要】
基于视觉变换的运动目标轨迹预测方法及装置


[0001]本专利技术涉及车辆环境感知
，尤其涉及一种基于视觉变换的运动目标轨迹预测方法及装置。

技术介绍

[0002]无人驾驶车辆是通过感知、预测、规划和控制等技术方式来实现在公开道路上的自动行驶，往往需要借助车载摄像头、激光雷达、IMU(惯性测量单元)和GNSS(全球导航卫星系统)等车载传感器实现车辆周围环境的感知和定位，以及自车的定位和导航信息，继而基于地图信息和障碍物信息进行实时决策规划。环境感知作为无人驾驶的重要一环，是无人驾驶车辆与外界环境信息交互的关键，通过环境感知能够使无人驾驶车辆更好地模拟人类驾驶员的感知能力，从而理解自身和周边的驾驶态势。对于无人驾驶车辆决策规划而言，准确预测出障碍物的运动轨迹非常关键，轨迹预测的精度将直接影响无人驾驶车辆行驶的安全可靠性。
[0003]针对于无人驾驶车辆的运动轨迹预测，现有技术中通常是采用以下方式实现：
[0004]1、针对车载摄像头拍摄的视频，采用基于规则的预测算法或者基于机器学习的无人驾驶运动目标预测算法。但是该类方式，要么本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉变换的运动目标轨迹预测方法，应用于车载环境感知，其特征在于，该方法步骤包括：S1.实时获取车载图像采集设备采集到的道路环境图像，并进行运动目标的检测，得到运动目标的2D包围盒；S2.使用所述运动目标的2D包围盒进行目标轨迹预测并进行目标跟踪，得到运动目标轨迹预测坐标；S3.根据预先标定得到的图像像素和车体之间的坐标转换关系，将所述运动目标轨迹预测坐标转换至车体坐标系下，得到车体坐标系下的运动目标轨迹预测坐标。2.根据权利要求1所述的基于视觉变换的运动目标轨迹预测方法，其特征在于，步骤S1中，通过将实时获取的道路环境图像输入至目标检测网络模型中，进行所述运动目标的检测，所述目标检测网络模型使用车载图像采集设备采集的历史道路环境图像数据集训练得到。3.根据权利要求1所述的基于视觉变换的运动目标轨迹预测方法，其特征在，所述步骤S1中还包括根据检测出的运动目标的运动轨迹以及惯性特征、速度变化特征识别出目标类别，其中当运动目标的运动轨迹趋向于与车道线边界平行的直线，且不会超出车道线边界，以及运动目标的惯性特征大于预设阈值、速度变化率小于预设阈值时判定为车辆。4.根据权利要求1所述的基于视觉变换的运动目标轨迹预测方法，其特征在于，所述步骤S2中，使用卡尔曼滤波器对所述运动目标的2D包围盒进行目标轨迹预测；通过使用预先训练好的深度网络模型提取所述2D包围盒的深度特征，然后使用所述2D包围盒以及提取出的所述深度特征进行运动目标跟踪，并使用质量m和速度v作为运动目标的物理特征，对跟踪过程中目标识别的结果进行匹配修正。5.根据权利要求1～4中任意一项所述的基于视觉变换的运动目标轨迹预测方法，其特征在于，所述步骤S3中，通过以布置在车辆上的激光雷达作为参考坐标系，对车身和激光雷达以及激光雷达和车载摄像头分别进行联合标定，以确定车体坐标系和激光雷达坐标系、激光雷达坐标系和车载摄像头之间的变化关系，联合标定得到激光雷达到车体的外参矩阵、激光雷达到车载摄像头的外参矩阵，将联合标定得到的所述激光雷达到车体的外参矩阵求逆后与所述激光雷达到车载摄像头的外参矩阵相乘，得到车体到车载摄像头的外参变换矩阵，根据车载摄像头内参矩阵、所述车体到车载摄像头的外参变换矩阵，构建得到所述图像像素和车体之间的坐标转换关系。6.根据权利要求5所述的基于视觉变换的运动目标轨迹预测方法，其特征在于，所述车载图像采集设备的内参矩阵为其中fx、fy、cx、cy分别为车载图像采集设备在像素坐标系下的u轴方向上的尺度因子、车载图像采集设备在像素坐标系下的v轴方向上的尺度因子、图...

【专利技术属性】
技术研发人员：李迅，黄志鹏，
申请(专利权)人：长沙慧联智能科技有限公司，
类型：发明
国别省市：