【技术实现步骤摘要】
对象匹配方法、装置、设备及计算机存储介质
[0001]本申请属于对象匹配
，尤其涉及一种对象匹配方法、装置、设备及计算机存储介质。
技术介绍
[0002]在目标追踪过程中，匹配不同帧图像中的同一对象对追踪的准确性至关重要。
[0003]在多目标追踪领域，对象匹配方法常用的是IoU(交并比)匹配法，即通过前后帧中两个对象的检测框(bounding box)的重合度来判断是否为同一个对象。这种方法非常依赖于对象的检测精度，当检测出的对象位置信息不准确时，对象匹配就很可能会失败。
技术实现思路
[0004]本申请实施例提供一种对象匹配方法、装置、设备及计算机存储介质，能够提高对象匹配的准确率。
[0005]一方面，本申请实施例提供一种对象匹配方法，方法包括：
[0006]获取第一帧4D点云数据对应的第一特征图；
[0007]将第一特征图输入到对象匹配模型的对象识别网络中，得到第一对象识别结果，第一对象识别结果包括至少一个第一对象；
[0008]将第一特征图输入到对象匹配...
【技术保护点】
【技术特征摘要】
1.一种对象匹配方法，其特征在于，包括：获取第一帧4D点云数据对应的第一特征图；将所述第一特征图输入到对象匹配模型的对象识别网络中，得到第一对象识别结果，所述第一对象识别结果包括至少一个第一对象；将所述第一特征图输入到所述对象匹配模型的特征向量提取网络中，得到第一特征向量图；根据所述第一对象识别结果从所述第一特征向量图中，提取每个所述第一对象的第一特征向量；计算每个所述第一特征向量和每个第二特征向量的匹配度；所述第二特征向量为第二帧4D点云数据对应的第二对象的第二特征向量，所述第二帧4D点云数据为所述第一帧4D点云数据的先前帧4D点云数据；根据所述匹配度，从所述第一对象中确定与所述第二对象相匹配的目标第一对象。2.根据权利要求1所述的对象匹配方法，其特征在于，所述获取第一帧4D点云数据对应的第一特征图，包括：获取第一帧4D点云数据；将所述第一帧4D点云数据体素化，得到第一帧体素数据；将所述第一帧体素数据进行鸟瞰视角转换，得到视角转换后的第一帧体素数据；将所述视角转换后的第一帧体素数据输入到特征提取网络，得到所述第一帧4D点云数据对应的第一特征图。3.根据权利要求1所述的对象匹配方法，其特征在于，在所述获取第一帧4D点云数据对应的第一特征图之前，所述方法还包括：获取多对训练样本对，所述训练样本对包括相邻两帧4D点云数据样本对应的特征图样本对及其对应的标注有对象的标签特征图样本对，所述特征图样本包括第一特征图样本和第二特征图样本；针对每对训练样本对分别并列执行以下步骤A和步骤B，以及步骤C和步骤D：步骤A：将所述第一特征图样本和所述第二特征图样本分别输入至待训练对象匹配模型的对象识别网络中，分别得到第一样本对象识别结果和第二样本对象识别结果；步骤B：根据各个所述第一样本对象识别结果和第二样本对象识别结果，以及对应的标签特征图样本对，确定所述对象识别网络的损失函数；步骤C：将所述第一特征图样本和所述第二特征图样本分别输入至待训练对象匹配模型的特征向量提取网络中，分别得到第一样本特征向量图和第二样本特征向量图；根据所述标签特征图样本对中每个对象对的对象位置，从所述第一样本特征向量图和所述第二样本特征向量图中提取出与所述对象对的对象位置对应的特征向量；计算两特征向量之间的相似度；步骤D：根据各个所述相似度，确定所述特征向量提取网络的损失函数；在所述对象识别网络的损失函数和所述特征向量提取网络的损失函数均满足预设训练停止条件时，得到训练好的对象匹配模型；在所述对象识别网络的损失函数和所述特征向量提取网络的损失函数中的至少一个损失函数不满足预设停止条件时，调整不满足预设停止条件的损失函数对应的网络的参
数，并返回执行对应步骤，直至所述对象识别网络的损失函数和所述特征向量提取网络的损失函数均满足预设训练停止条件，得到训练好的对象匹配模型。4.根据权利要求3所述的对象匹配方法，其特征在于，所述计算两特征向量之间的相似度，包括：计算量特征向量之间的欧式距离；所述训练样本包括正样本和负样本，所述根据各个所述相似度，确定所述特征向量提取网络的损失函数，包括：其中，L为所述特征向量提取网络的损失函数，N为训练样本对的对数，d
n
为两特征向量之间的欧式距离，y为样本标签，若为正样本，则y＝1，若为负样本，则y＝0，margin为负样本的欧式距离的阈值。5.一种对象匹配装置，其特征在于，包括：获取模块，用于获取第一帧4D点云数据对应的第一特征图；识别模块，用于将所述第一特征图输入到对象匹配模型...
【专利技术属性】
技术研发人员：张航，潘湖杰，陈祝，
申请(专利权)人：上海汽车集团股份有限公司，
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。