【技术实现步骤摘要】
一种基于深度学习的多车辆目标跟踪方法
[0001]本专利技术涉及智能汽车自动驾驶环境感知
,尤其涉及一种基于深度学习的多车辆目标跟踪方法。
技术介绍
[0002]近年来,随着人工智能技术的兴起,自动驾驶技术进入大众的视线,逐渐取得了一定的成果,成为当下汽车工程领域的前沿热点之一。
[0003]自动驾驶系统主要由三个模块组成,分别是环境感知、路径规划、决策执行。其中环境感知是首要任务,其作为自动驾驶的基础,对自动驾驶的安全性和准确性有着重要影响。环境感知是指对车辆所处道路环境进行准确感知,确定时空尺度下目标的种类、位置和运动轨迹,具体分为目标检测、目标跟踪和轨迹预测等,能够为接下来的路径规划和决策执行提供信息基础。
[0004]多车辆目标跟踪是环境感知模块中的重要组成部分,多车辆目标跟踪能够提供多个目标的多个时空点和位置的数据信息,得到各个目标的运动轨迹,同时为目标场景理解提供重要的数据信息,如行为特征分析、行为特征预测等。然而,由于高峰时段和路段交通流密集以及天气状态多样,目前道路环境复杂,多车辆目标跟踪技术是十分具有挑战性的。
[0005]在多车辆目标跟踪任务中,解决目标遮挡问题是一项重要挑战。在行驶过程中,道路周围的车辆、行人、树木都可能对目标车辆产生遮挡,尤其是高峰路段,车辆之间甚至会产生完全遮挡,发生目标消失现象。当目标受到遮挡时,跟踪框会发生漂移,跟踪失败,后续任务也会受到影响。因此,需要一种多车辆目标跟踪方法,来保障目标遮挡情况下车辆跟踪任务的稳定性和可靠性。
专利技
【技术保护点】
【技术特征摘要】
式中,G是是神经网络模型的综合损失函数值;α和β分别是分类损失函数和正交损失函数的系数;步骤1.4),输入前方目标车辆的检测数据,卷积神经网络模型训练综合损失函数,由多条卷积支路提取正交性特征向量,即目标车辆的外观特征。3.根据权利要求2所述的基于深度学习的多车辆目标跟踪方法,其特征在于,所述步骤2)中的卡尔曼滤波算法具体步骤如下:步骤2.1),预测运动状态,估计目标跟踪框的两个状态参数,即均值和协方差;目标跟踪框的均值x=[cx,cy,h,k,vx,vy,vk,vh],式中,cx和cy分别是目标跟踪框的中心点坐标;h是目标跟踪框的高;k是目标跟踪框的宽与高的比值;vx是目标跟踪框中心点横坐标的速度变化值;vy是目标跟踪框中心点纵坐标的速度变化值;vk是目标跟踪框宽与高比值的速度变化值;vh是目标跟踪框高度的速度变化值;对均值进行估计:x
t
=Fx
t
‑1,式中,x
t
和x
t
‑1分别是t时刻和t
‑
1时刻目标跟踪框的均值;F为状态转移矩阵;对协方差进行估计:Y
t
=FY
t
‑1F
T
+M,式中,Y
t
和Y
t
‑1分别是t时刻和t
‑
1时刻目标跟踪框的协方差;M为系统噪声矩阵;步骤2.2),更新运动状态,更新过程如下:Δ=z
‑
Qx
t
‑1S=QY
t
‑1Q
T
+Nλ=Y
t
‑1Q
T
S
‑1x
t
=x
t
‑1+λΔY
t
=(I
‑
λQ)Y
t
‑1式中,Δ是目标检测框与目标预测框的均值误差;z是目标检测框的均值向量;Q是测量矩阵;S是状态转移矩阵;N是检测器的噪声矩阵;λ是卡尔曼增益;I是单位矩阵。4.根据权利要求3所述的基于深度学习的多车辆目标跟踪方法,其特征在于,所述步骤3)中置信度指标APR的计算公式为:式中,J
max
、J
min
、J
w,h
分别是目标车辆检测中大小为W
×
H的相关响应矩阵的最大值、最小值、w行h列元素;当APR波动剧烈时,目标车辆受到遮挡。5.根据权利要求4所述的基于深度学习的多车辆目标跟踪方法,其特征在于,所述步骤4)中根据目标车辆的外观特征和运动状态进行跟踪的具体步骤如下:步骤4.1),计算目标车辆外观特征的匹配度,计算公式为式中,f
i,j
是目标车辆外观特征的匹配度;γ
j
是第j个目标检测框提取的正交性特征向量,且||γ
j
||=1;γ
k
是任意正交性特征向量;步骤4.2),计算目标车辆运动状态的匹配度,计算公式为g
i,j
=(x
j
‑
x
i
)
T
Y
i
‑1(x
j
‑
x
i
),式中,g
i,j
是目标车辆运动状态的匹配度;x
i
和x
j
分别是第i个和第j个目标检测框的均值;Y
i
是第i个目标检测框的协方差;步骤4.3),将目标车辆外观特征和运动状态进行加权,将该目标车辆和上一周期的所
有车辆进行匹配,其表达如下:c
i,j
=ξf
i,j
+(1
‑
ξ)g
i,j
式中,c
i,j
是目标车辆的最终匹配度;ξ是外观特征的影响因子,通过控制ξ调整外观特征和运动状态对数据关联的影响程度;步骤4.4),当匹配度量值c
i,j
在外观特征与运动状态匹配度阈值交集内,则将目标检测框D...
【专利技术属性】
技术研发人员:曹铭纯,王春燕,赵万忠,张自宇,孟琦康,朱耀鎏,于博洋,
申请(专利权)人:南京航空航天大学,
类型:发明
国别省市:
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。