障碍物轨迹跟踪方法、装置、智能驾驶设备及存储介质制造方法及图纸

本申请公开了一种障碍物轨迹跟踪方法、装置、智能驾驶设备及存储介质，应用于自动驾驶领域。该方法包括：获取智能驾驶设备在第一时刻的预设的感兴趣区域内第一传感器采集的视觉障碍物信息和第二传感器采集的超声障碍物信息；基于视觉障碍物信息和超声障碍物信息，确定当前障碍物信息；获取智能驾驶设备在第二时刻的障碍物轨迹信息，其中，第二时刻早于第一时刻；根据障碍物轨迹信息、当前障碍物信息和运动信息预测模型预测第二时刻的障碍物在第一时刻的轨迹，得到预测轨迹信息；根据预测轨迹信息和当前障碍物信息，确定当前障碍物的轨迹，能够对障碍物进行实时精确跟踪，提高对障碍物轨迹进行跟踪预测的准确度。障碍物轨迹进行跟踪预测的准确度。障碍物轨迹进行跟踪预测的准确度。

【技术实现步骤摘要】
障碍物轨迹跟踪方法、装置、智能驾驶设备及存储介质


[0001]本申请涉及自动驾驶
，尤其涉及一种障碍物轨迹跟踪方法、装置、智能驾驶设备及存储介质。

技术介绍

[0002]自动驾驶技术是计算机视觉技术与传统工业相结合的产物，其深入地渗透了人们的日常生活，是学术界和工业界共同的研究热点，而障碍物轨迹预测作为自动驾驶技术中不可或缺的一个环节,对提高自动驾驶的安全性有着重要作用和意义。
[0003]为了避免在自动驾驶过程中与障碍物发生碰撞，需要对障碍物的轨迹进行跟踪预测，现有技术采用基于策略选择的预测算法判断在当前场景下，障碍物各种决策的可能性，从而获得障碍物的未来运动轨迹，然而，该方式仅仅使用规则判断，会带来较大的误差，导致智能驾驶设备(如无人驾驶车辆)无法精确跟踪预测障碍物的运动轨迹，尤其是在多目标跟踪场景下，目标运动具有不确定性，其运动模式可能会变化，从而增加了准确对障碍物的轨迹进行跟踪预测的难度。

技术实现思路

[0004]本申请提供一种障碍物轨迹跟踪方法、装置、智能驾驶设备及存储介质，提高对障碍物的轨迹进行跟踪预测的准确度。
[0005]一种障碍物轨迹跟踪方法，应用于智能驾驶设备，所述智能驾驶设备包括至少一个第一传感器和至少一个第二传感器，包括：
[0006]获取所述智能驾驶设备在第一时刻的预设的感兴趣区域内所述第一传感器采集的视觉障碍物信息和所述第二传感器采集的超声障碍物信息；
[0007]基于所述视觉障碍物信息和所述超声障碍物信息，确定当前障碍物信息；/>[0008]获取所述智能驾驶设备在第二时刻的障碍物轨迹信息，其中，所述第二时刻早于所述第一时刻；
[0009]根据所述障碍物轨迹信息、所述当前障碍物信息和运动信息预测模型对所述当前障碍物进行轨迹预测，得到预测轨迹信息；
[0010]根据所述预测轨迹信息和所述当前障碍物信息，确定当前障碍物的轨迹。
[0011]一种障碍物轨迹跟踪装置，包括：
[0012]障碍物信息获取模块，用于获取所述智能驾驶设备在第一时刻的预设的感兴趣区域内所述第一传感器采集的视觉障碍物信息和所述第二传感器采集的超声障碍物信息；
[0013]当前障碍物信息确定模块，用于基于所述视觉障碍物信息和所述超声障碍物信息，确定当前障碍物信息；
[0014]轨迹信息获取模块，用于获取所述智能驾驶设备在第二时刻的障碍物轨迹信息，其中，所述第二时刻早于所述第一时刻；
[0015]轨迹预测模块，用于根据所述障碍物轨迹信息、所述当前障碍物信息和运动信息
预测模型对所述当前障碍物进行轨迹预测，得到预测轨迹信息；
[0016]轨迹确定模块，用于根据所述预测轨迹信息和所述当前障碍物信息，确定当前障碍物的轨迹。
[0017]一种智能驾驶设备，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述障碍物轨迹跟踪方法的步骤。
[0018]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述障碍物轨迹跟踪方法的步骤。
[0019]本申请提供的障碍物轨迹跟踪方法、装置、智能驾驶设备及存储介质，通过获取所述智能驾驶设备在第一时刻的预设的感兴趣区域内所述第一传感器采集的视觉障碍物信息和所述第二传感器采集的超声障碍物信息；基于所述视觉障碍物信息和所述超声障碍物信息，确定当前障碍物信息；获取所述智能驾驶设备在第二时刻的障碍物轨迹信息，其中，所述第二时刻早于所述第一时刻；根据所述障碍物轨迹信息、所述当前障碍物信息和运动信息预测模型预测所述第二时刻的障碍物在所述第一时刻的轨迹，得到预测轨迹信息；根据所述预测轨迹信息和所述当前障碍物信息，确定当前障碍物的轨迹。在本申请中，结合智能驾驶设备在第一时刻的预设的感兴趣区域内的视觉障碍物信息和超声障碍物信息可以准确的确定当前障碍物信息，基于运动信息预测模型、当前障碍物信息和障碍物轨迹信息可以预测所述第二时刻的障碍物在所述第一时刻的轨迹，得到预测轨迹信息，通过第二时刻的障碍物在第一时刻的预测轨迹信息和当前障碍物信息能够对障碍物进行实时精确跟踪，进而确定当前障碍物的轨迹，有利于提高对障碍物的轨迹进行跟踪预测的准确度。
附图说明
[0020]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0021]图1是本申请一实施例中障碍物轨迹跟踪方法的一应用环境示意图；
[0022]图2是本申请一实施例中障碍物轨迹跟踪方法的一流程图；
[0023]图3是本申请又一实施例中障碍物轨迹跟踪方法的一流程图；
[0024]图4是本申请又一实施例中障碍物轨迹跟踪方法的一流程图；
[0025]图5是本申请又一实施例中障碍物轨迹跟踪方法的一流程图；
[0026]图6是本申请又一实施例中障碍物轨迹跟踪方法的一流程图；
[0027]图7是本申请一实施例中障碍物轨迹跟踪装置的结构示意图；
[0028]图8是本申请一实施例中智能驾驶设备的一结构示意图；
[0029]图9是本申请一实施例中障碍物轨迹跟踪方法的一代价矩阵示意图。
具体实施方式
[0030]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申
请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0031]本申请实施例提供的障碍物轨迹跟踪方法，可应用在如图1和图7所示的应用环境中。
[0032]在一实施例中，如图2所示，提供一种障碍物轨迹跟踪方法，以该方法应用在图1中的智能驾驶设备为例进行说明，包括如下步骤S201至步骤S205：
[0033]S201：获取智能驾驶设备在第一时刻的预设的感兴趣区域内第一传感器采集的视觉障碍物信息和第二传感器采集的超声障碍物信息。
[0034]具体的，智能驾驶设备可以是自动驾驶车辆、智能巡检小车、智能机器人等，第一传感器可以是环视摄像头，第二传感器可以是超声波传感器。第一时刻可以包括年、月、日等时间信息，预设的感兴趣区域为机器视觉、图像处理等
中，从被处理的图像以预设的方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域，视觉障碍物信息可以包括第一传感器在第一时刻获取的障碍物的底部像素数据，超声障碍物信息可以包括第二传感器在第一时刻获取的障碍物的位置数据、轮廓和属性类别，其中，属性类别可以包括普通障碍物、空区域、非空区域、未检出等，其中，属性类别的获取方式为：遍历视觉障碍物信息中的障碍物，根据障碍物对应的位置数据，获得超声波传本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种障碍物轨迹跟踪方法，其特征在于，应用于智能驾驶设备，所述智能驾驶设备包括至少一个第一传感器和至少一个第二传感器，所述方法包括：获取所述智能驾驶设备在第一时刻的预设的感兴趣区域内所述第一传感器采集的视觉障碍物信息和所述第二传感器采集的超声障碍物信息；基于所述视觉障碍物信息和所述超声障碍物信息，确定当前障碍物信息；获取所述智能驾驶设备在第二时刻的障碍物轨迹信息，其中，所述第二时刻早于所述第一时刻；根据所述障碍物轨迹信息、所述当前障碍物信息和运动信息预测模型预测所述第二时刻的障碍物在所述第一时刻的轨迹，得到预测轨迹信息；根据所述预测轨迹信息和所述当前障碍物信息，确定当前障碍物的轨迹。2.根据权利要求1所述的障碍物轨迹跟踪方法方法，其特征在于，所述根据所述障碍物轨迹信息、所述当前障碍物信息和运动信息预测模型预测所述第二时刻的障碍物在所述第一时刻的轨迹，得到预测轨迹信息，包括：遍历所述障碍物轨迹信息，获取障碍物轨迹参数信息；根据所述障碍物轨迹参数信息和所述运动信息预测模型，预测所述第二时刻的障碍物在所述第一时刻的状态空间信息；根据所述当前障碍物信息和所述第一时刻的状态空间信息预测所述第二时刻的障碍物在所述第一时刻的轨迹，得到预测轨迹信息。3.根据权利要求2所述的障碍物轨迹跟踪方法，其特征在于，所述运动信息预测模型包括匀速运动信息预测模型和匀转速运动信息预测模型；所述根据所述障碍物轨迹参数信息和所述运动信息预测模型，预测所述第二时刻的障碍物在所述第一时刻的状态空间信息，包括：当确定所述智能驾驶设备在寻找目标位置时，基于所述匀速运动信息预测模型和所述障碍物轨迹参数信息，预测所述第二时刻的障碍物在所述第一时刻的的状态空间信息；或当确定所述智能驾驶设备泊入所述目标位置时，基于所述匀转速运动信息预测模型和所述障碍物轨迹参数信息，预测所述第二时刻的障碍物在所述第一时刻的的状态空间信息；或当确定所述智能驾驶设备泊出所述目标位置时，基于所述匀转速运动信息预测模型和所述障碍物轨迹参数信息，预测所述第二时刻的障碍物在所述第一时刻的的状态空间信息。4.根据权利要求1所述的障碍物轨迹跟踪方法方法，其特征在于，所述根据所述预测轨迹信息和所述当前障碍物信息，确定当前障碍物的轨迹，包括：根据所述预测轨迹信息和所述当前障碍物信息，建立代价矩阵；基于所述代价矩阵，确定所述当前障碍物的轨迹。5.根据权利要求4所述的障碍物轨迹跟踪方法，其特征在于，所述根据所述预测轨迹信息和所述当前障碍物信息，建立代价矩阵，包括：遍历计算所述预测轨迹信息中的每条预测轨迹与所述当前障碍物信息中的每个所述当前障碍物的匹配权重，作为代价参数，并根据所述代价参数建立代价矩阵。6.根据权利要求4所述的障碍物轨迹跟踪方法，其特征在于，所述基于所述代价矩阵，
确定当前障碍物的轨迹，包括：基于所述预测轨迹信息，对所述代价矩阵进行线性最优分配，得到所述当前障碍物的轨迹信息匹配结果；基于所述轨迹信息匹配结果，确定所述当前障碍物的轨迹。7.根据权利要求6所述的障碍物轨迹跟踪方法，其特征在于，所述基于所述预测轨迹信息，对所述代价矩阵进行线性最优分配，得到所述当前障碍物的轨迹信息匹配结果，包括：获取所述预测轨迹信息中的每条预测轨迹的时间长度，并根据所述时间长度将每条所述预测轨迹进行分组，得到第一组预测轨迹和第二组预测轨迹...

【专利技术属性】
技术研发人员：李梓龙，何俏君，付颖，钟力阳，阳磊，王薏，
申请(专利权)人：广州汽车集团股份有限公司，
类型：发明
国别省市：