用于自动驾驶的多阶段匹配方法、装置和计算机设备制造方法及图纸

本发明专利技术公开了一种用于自动驾驶的多阶段匹配方法、装置和计算机设备。其中，所述方法包括：配置三个阈值包括低分数阈值、高分数阈值和生产轨迹阈值，基于该三个阈值，将检测框和轨迹预测框分别划分为四个集合，基于该四个集合，通过将高分数的3D检测框与确定态3D轨迹预测框匹配为第一匹配阶段，和将低分数的3D检测框与未匹配上的确定态3D轨迹预测框匹配为第二匹配阶段，和将未匹配上的高分数3D检测框与非确定态3D轨迹预测框匹配为第三匹配阶段，和将剩下的高分数2D检测框与剩下的2D轨迹预测框匹配为第四匹配阶段，设置两个匹配标准代替一个匹配标准和三个阈值代替一个阈值。通过上述方式，能够实现提高多目标跟踪方案的精确性和鲁棒性。和鲁棒性。和鲁棒性。

【技术实现步骤摘要】
用于自动驾驶的多阶段匹配方法、装置和计算机设备


[0001]本专利技术涉及自动驾驶
，尤其涉及一种用于自动驾驶的多阶段匹配方法、装置和计算机设备。

技术介绍

[0002]现有的用于自动驾驶的多阶段匹配方案，在L4级别自动驾驶实现的前提是需要一个可靠的、鲁棒性强的感知方案，包括一套传感器和相关的感知算法。为了满足自动驾驶的安全需求，选择高精度和获取信息丰富的激光雷达作为传感器是合理的，因此，需要基于激光雷达输出的3D点云设计感知算法，算法主要包括两个模块，即多目标检测模块和多目标跟踪模块。感知方案除必须满足的精确度外，还必须满足车辆行驶的实时性，即算法处理每帧点云的时间小于激光雷达输出一帧点云的时间。由于多目标检测模块的推理过程比较耗时，所以多目标跟踪算法的处理时间通常需要控制在几毫秒内。因此，基于卡尔曼滤波设计的多目标跟踪算法较为常见。
[0003]多目标跟踪算法的输入为多目标检测模块输出的3D检测框，每一个检测框代表一个被检测出来的物体，包含了物体的类别信息如车辆、行人、自行车等、位置信息、尺寸信息等，由于检测算法自身的局限性，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于自动驾驶的多阶段匹配方法，其特征在于，包括：配置三个阈值包括低分数阈值α
low
、高分数阈值β
high
和生产轨迹阈值γ
spawn
；基于所述三个阈值，将检测框和轨迹预测框分别划分为四个集合；基于所述四个集合，通过将高分数的3D检测框与确定态3D轨迹预测框匹配为第一匹配阶段，和将低分数的3D检测框与未匹配上的确定态3D轨迹预测框匹配为第二匹配阶段，和将未匹配上的高分数3D检测框与非确定态3D轨迹预测框匹配为第三匹配阶段，和将剩下的高分数2D检测框与剩下的2D轨迹预测框匹配为第四匹配阶段的方式，设置两个匹配标准代替一个匹配标准和设置三个阈值代替一个阈值。2.如权利要求书1所述的用于自动驾驶的多阶段匹配方法，其特征在于，所述基于所述三个阈值，将检测框和轨迹预测框分别划分为四个集合，包括：基于所述三个阈值，采用过滤分数小于低分数阈值α
low
的检测框，将剩下的检测框按高分数阈值β
high
分为低分数的检测框和高分数的检测框，并将轨迹预测框分为确定态轨迹和非确定态轨迹的方式，将检测框和轨迹预测框分别划分为四个集合。3.如权利要求书1所述的用于自动驾驶的多阶段匹配方法，其特征在于，所述将高分数的3D检测框与确定态3D轨迹预测框匹配为第一匹配阶段，包括：采用对最高质量的框进行匹配和先匹配易匹配的框的方式，将高分数的3D检测框与确定态3D轨迹预测框匹配为第一匹配阶段。4.如权利要求书1所述的用于自动驾驶的多阶段匹配方法，其特征在于，所述将低分数的3D检测框与未匹配上的确定态3D轨迹预测框匹配为第二匹配阶段，包括：使用低分数的检测框匹配第一匹配阶段没有匹配上的轨迹预测框的方式，将低分数的3D检测框与未匹配上的确定态3D轨迹预测框匹配为第二匹配阶段。5.如权利要求书1所述的用于自动驾驶的多阶段匹配方法，其特征在于，所述将剩下的高分数2D检测框与剩下的2D轨迹预测框匹配为第四匹配阶段，包括：采用将剩下的框投影到虚构的2D平面上的想象图像和基于2D IoU交并比进行...

【专利技术属性】
技术研发人员：高思聪，梁爽，
申请(专利权)人：北京超星未来科技有限公司，
类型：发明
国别省市：