【技术实现步骤摘要】
一种数据处理方法、装置、电子设备及存储介质
[0001]本专利技术涉及智能驾驶
,特别涉及一种数据处理方法、装置、电子设备及存储介质。
技术介绍
[0002]自动驾驶汽车是利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶。自动驾驶汽车要求对一定距离以外的物体仍然需要一定的识别能力,以保证有足够的时间进行紧急制动等安全保障措施,因此动态对象的识别与跟踪是自动驾驶技术的关键问题。
[0003]现有技术中,对象识别及追踪主要基于深度学习模型检测对象,进而通过匈牙利匹配、卡尔曼滤波等追踪技术跟踪检测对象并形成轨迹,但深度学习模型往往存在局限性,对于训练样本中出现频率较少的对象类型,存在漏检的现象,仅通过深度学习模型的检测结果进行对象轨迹追踪,不可避免的会出现轨迹丢失的问题。
技术实现思路
[0004]针对现有技术的上述问题,本专利技术公开提供一种数据处理方法、装置、电子设备及存储介质,能够有效解决非检测对象轨迹丢失难以追踪的问题,提升对象轨迹追踪的全面性、准确性和鲁棒性。本专利技术公开的技术方案如下:
[0005]根据本专利技术公开的实施例的一方面,提供一种数据处理方法,包括:
[0006]获取对象运动视频中的每一帧图像;
[0007]在遍历到任一帧图像的情况下,获取检测对象在当前帧图像中的第一当前位姿信息和非检测对象在所述当前帧图像中的第一对象点云数据;
[0008]从所 ...
【技术保护点】
【技术特征摘要】
1.一种数据处理方法,其特征在于,包括:获取对象运动视频中的每一帧图像;在遍历到任一帧图像的情况下,获取检测对象在当前帧图像中的第一当前位姿信息和非检测对象在所述当前帧图像中的第一对象点云数据;从所述对象运动视频对应的当前对象轨迹数据中获取所述非检测对象在所述当前帧图像的上一帧图像中的历史位姿信息和所述非检测对象在所述上一帧图像中的第二对象点云数据;基于所述非检测对象的所述第一对象点云数据与所述非检测对象的所述第二对象点云数据进行匹配,得到所述非检测对象的目标偏移量;基于所述非检测对象的所述历史位姿信息及所述目标偏移量,得到所述非检测对象在所述当前帧图像中的第二当前位姿信息;基于所述检测对象的所述第一当前位姿信息和所述非检测对象的所述第二当前位姿信息,对所述当前对象轨迹数据进行更新;在遍历结束的情况下,将所述当前对象轨迹数据,作为目标对象轨迹数据。2.根据权利要求1所述的一种数据处理方法,其特征在于,所述基于所述非检测对象的所述第一对象点云数据与所述非检测对象的所述第二对象点云数据进行匹配,得到所述非检测对象的目标偏移量包括:获取预设偏移量;基于所述第二对象点云数据与所述预设偏移量,确定所述非检测对象在所述当前帧图像中的预测点云数据;基于所述预测点云数据及所述第一对象点云数据,生成距离损失信息;在所述距离损失信息满足预设条件的情况下,基于所述距离损失信息,得到所述目标偏移量。3.根据权利要求1所述的一种数据处理方法,其特征在于,所述获取当前帧图像中检测对象的第一当前位姿信息和所述当前帧图像中非检测对象的第一对象点云数据包括:获取当前帧图像的当前点云数据;对所述当前点云数据进行对象检测,确定所述检测对象在所述当前帧图像中的第一对象位置信息和所述第一当前位姿信息;对所述当前点云数据进行聚类处理,得到至少一个聚类对象在所述当前帧图像中的第二对象位置信息;基于所述第一对象位置信息和所述第二对象位置信息,对所述检测对象及所述至少一个聚类对象进行关联,得到对象关联信息;根据所述对象关联信息,从所述至少一个聚类对象中,确定所述非检测对象;基于所述第二对象位置信息,从所述当前帧图像中获取所述第一对象点云数据。4.根据权利要求1所述的一种数据处理方法,其特征在于,所述方法还包括:获取所述检测对象在所述上一帧图像中的第一历史位置信息及所述非检测对象在所述上一帧图像中的第二历史位置信息;基于所述第一历史位置信息进行预测,得到所述检测对象在所述当前帧图像中的第一预测位置信息;
基于所述第二历史位置信息进行预测,得到所述非检测对象在所述当前帧图像中的第二预测位置信息;所述基于所述检测对象的所述第一当前位姿信息和所述非检测对象的所述第二当前位姿信息,对所述当前对象轨迹数据进行更新包括:在所述第一预测位置信息与所述第一对象位置信息匹配,且所述第二预测位置信息与所述第二对象位置信息匹配的情况下,基于所述第一当前位姿信息和所述第二当前位姿信息,对所述当前对象轨迹数据进行更新。5....
【专利技术属性】
技术研发人员:张振林,章孝承,陈胤子,
申请(专利权)人:中汽创智科技有限公司,
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。