基于行帧间相似度实现路侧激光雷达的多车跟踪系统及方法技术方案

一种基于行帧间相似度实现路侧激光雷达的多车跟踪系统及方法，包括：编码器单元、解码器单元、调节器单元、外观参数处理单元、运动学参数处理单元、点云簇相似度计算单元和全局轨迹信息优化单元，本发明专利技术基于改进后的I型孪生神经网络(I

【技术实现步骤摘要】
基于行帧间相似度实现路侧激光雷达的多车跟踪系统及方法


[0001]本专利技术涉及的是一种无人驾驶领域的技术，具体是一种基于车辆静态参数和运动学参数的行帧间相似度实现路侧激光雷达的多车跟踪系统及方法。

技术介绍

[0002]现有车载激光雷达的多车跟踪技术受到移动车辆的限制，车载激光雷达安装高度较低，感知范围较小，仅会对有限感知范围内的临近车辆轨迹进行跟踪，临近车辆进行高机动操作时，车载激光雷达会对目标进行丢失处理。与车载激光雷达不同，安装在路侧的激光雷达感知范围更大且视角固定，当车辆驶入路侧激光雷达感知范围时，无论车辆在路侧激光雷达感知范围内做什么类型的操作，车辆均应路侧激光雷达定位与跟踪。现有的基于车载激光雷达的多车跟踪算法难以处理路侧激光雷达所面对的车辆高机动工况，因此多车跟踪准确性较差。

技术实现思路

[0003]本专利技术针对现有技术无法很好的应对路侧感知场景中面临的车辆高机动行驶情况的不足，提出一种基于行帧间相似度实现路侧激光雷达的多车跟踪系统及方法，基于改进后的I型孪生神经网络(I
‑
Siamese)实现对路侧激光雷达感知范围内多目标车辆准确跟踪(包括：高机动工况)；通过选取合适的车辆静态参数、运动学参数和损失权重使得算法在面对路侧车辆高机动行驶工况下可以有效利用目标的外观特征与运动学特征实现跟踪，可以有效解决路侧感知场景中车辆高机动行驶问题。
[0004]本专利技术是通过以下技术方案实现的：
[0005]本专利技术涉及一种基于行帧间相似度实现路侧激光雷达的多车跟踪系统，包括：编码器单元、解码器单元、调节器单元、外观参数处理单元、运动学参数处理单元、点云簇相似度计算单元和全局轨迹信息优化单元，其中：编码器单元根据聚类后的点云信息，进行通过3层带有ReLU层和BN层的一维CNN神经网络处理，得到128维的潜在向量；解码器单元根据编码器输出的128维的潜在向量，将128维潜在向量z＝Φ(x)解码为M
×
3的值，最终重建包括：M个三维点的形状调节器单元根据网络的完成损失信息，利用倒角距离作为比较模型形状与重建模型形状间距的标准，用来加强Siamese网络学习到的潜在空间以保存有意义的语义形状信息；外观参数处理单元根据车辆包围框的中心位置与长宽高信息进行相似度权重配比；运动学参数处理单元根据车辆包围框速度与朝向角进行相似度权重配比；点云簇相似度计算单元根据从外观参数处理单元与运动学参数处理单元获取的增加权重配比的参数信息，进行相似度计算，得到当前帧每个点云簇与下一帧中每个点云簇的相似度对比结果，获取相似度最高的点云关联信息；全局轨迹信息优化单元根据点云簇相似度计算单元中获取的临近帧点云簇关联结果，进行相互间干涉情况的分析，将相似度最高的结果设置为最优解，将发生干涉的次优解返回点云簇相似度计算单元中进行迭代运算，最终获取多车轨迹全局最优结果。
[0006]本专利技术涉及一种基于上述系统的基于行帧间相似度实现路侧激光雷达的多车跟踪方法，包括以下步骤：
[0007]步骤1)首先对第T帧点云进行处理，经由记录的系统背景点云对第T帧点云进行背景滤除，获取动态点云，对动态点云进行聚类，获取车辆点云簇，并依据点云范围给出3D包围框，当第T帧点云中最后标注出M个3D包围框(具备中心点、长宽高、朝向角信息)。当第T
‑
1帧点云中存在N台车辆和对应的N个3D包围框(具备中心点、长宽高、朝向角和车速信息)，则将第T帧点云中的M个3D包围框每个包围框均与第T
‑
1帧点云中的N个3D包围框中的每一个包围框输入跟踪系统中进行相似度计算。
[0008]步骤2)跟踪系统将两输入分别引入一个CNN网络进行计算，最后得到两输入在设定参数下的相似度(由0到1)，本专利技术对其进行改良，使其可以应用于激光点云并可以对车辆静态参数(包围框中心点位置、长宽高、朝向角)和运动学参数(车速)进行综合运算。
[0009]本专利技术为每个参数添加不同的损失权重ki。第T帧点云中的M个3D包围框经由分别与第T
‑
1帧点云中N个3D包围框进行跟踪系统运算(第T帧点云中的M个3D包围框每个分别与第T
‑
1帧点云中N个3D包围框进行直线距离计算以获取计算车速)，每个第T
‑
1帧点云中N个3D包围框均可获取一个相似度最高的第T帧点云中的3D包围框，将两者间的连线认为临时轨迹。
[0010]步骤3)获取第T
‑
1帧点云到第T帧点云间的N条临时轨迹后，将N条轨迹连线位置存在干涉的轨迹相似度进行对比，取相似度较高的轨迹设为真实轨迹，对应的虚假轨迹则取上一步中关联的相似度次优值设为临时轨迹，再度进行上述对比，最终获取L条相似度最高的真实轨迹予以记录。
[0011]当存在未获取轨迹的第T
‑
1帧点云中3D包围框时，分两种情况讨论：当历史轨迹下一帧连线抵达路侧感知范围边缘。则记为车辆丢失；当未抵达路侧感知范围边缘，则按照上一帧3D包围框朝向角和车速记录下一帧预测轨迹。存在未获取轨迹的第T帧点云中3D包围框时，分两种情况讨论：当车辆3D包围框位于路侧感知范围边沿时，设为新的车辆ID；当不位于路侧感知范围边沿，记为临时ID，在点云中尝试进行关联，当未关联成功则不赋予车辆ID。
附图说明
[0012]图1为本专利技术系统示意图；
[0013]图2为点云簇相似度计算单元和全局轨迹信息优化单元示意图；
[0014]图3为编码器单元和解码器单元示意图；
[0015]图4为外观参数处理单元和运动学参数处理单元示意图；
[0016]图5为实施例算法使用路侧数据集采集区域示意图。
具体实施方式
[0017]如图1所示，为本实施例涉及一种基于帧间相似度计算的路侧激光雷达多车跟踪系统，包括：编码器单元、解码器单元、调节器单元、外观参数处理单元、运动学参数处理单元、点云簇相似度计算单元和全局轨迹信息优化单元，其中信息流动方向由下而上，经处理后的上层信息应用于多车跟踪。
[0018]图中由下而上第一层结构为点云信息处理层，该部分属于整体结构的点云簇相似度计算单元，该层结构的输入信息为临近帧路侧激光雷达获取的原始点云信息，经由背景滤除与聚类，获取疑似车辆的点云簇(由于路侧激光雷达的感知区域固定，因此可以简单的对背景进行滤除，而对于路面上车辆点云的聚类也属于较为成熟的方法，网上有很多公开结果，故此处不进行具体方法的赘述)。
[0019]跟踪系统根据点云簇与相邻帧的点云簇进行相似度计算，即当前帧的每一个点云簇均会与临近帧的全部点云簇分别进行相似度计算，其中相似度最高的结果将会记录与关联。
[0020]由下而上第二层与第三层结构属于整体结构的全局轨迹信息优化单元，由下而上第二层为轨迹信息对比层，经第一层结构生成的当前帧点云簇与临近帧点云簇间最大相似度的关联结果记录为备选轨迹，此时允许多个当前帧点云簇与临近帧相同点云簇发生关联。
[0021]由下而上第三本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于行帧间相似度实现路侧激光雷达的多车跟踪系统，其特征在于，包括：编码器单元、解码器单元、调节器单元、外观参数处理单元、运动学参数处理单元、点云簇相似度计算单元和全局轨迹信息优化单元，其中：编码器单元根据聚类后的点云信息，进行通过3层带有ReLU层和BN层的一维CNN神经网络处理，得到128维的潜在向量；解码器单元根据编码器输出的128维的潜在向量，将128维潜在向量z＝Φ(x)解码为M
×
3的值，最终重建包括：M个三维点的形状调节器单元根据网络的完成损失信息，利用倒角距离作为比较模型形状与重建模型形状间距的标准，用来加强Siamese网络学习到的潜在空间以保存有意义的语义形状信息；外观参数处理单元根据车辆包围框的中心位置与长宽高信息进行相似度权重配比；运动学参数处理单元根据车辆包围框速度与朝向角进行相似度权重配比；点云簇相似度计算单元根据从外观参数处理单元与运动学参数处理单元获取的增加权重配比的参数信息，进行相似度计算，得到当前帧每个点云簇与下一帧中每个点云簇的相似度对比结果，获取相似度最高的点云关联信息；全局轨迹信息优化单元根据点云簇相似度计算单元中获取的临近帧点云簇关联结果，进行相互间干涉情况的分析，将相似度最高的结果设置为最优解，将发生干涉的次优解返回点云簇相似度计算单元中进行迭代运算，最终获取多车轨迹全局最优结果。2.根据权利要求1所述的基于行帧间相似度实现路侧激光雷达的多车跟踪系统，其特征是，所述的编码器单元包括：一维卷积层、滤波器大小为[64,128,K]的ReLU层和BN层，该单元以一系列点云簇数据为输入，点云数据中存在一个给定的对象以及与第一帧中对象位置对应的初始3D包围框；对于给定帧t，将一组候选形状编码到潜在向量中，随后与来自模型形状的潜在向量作比对，选择最佳候选对象作为当前帧中的对象并相应地更新模型形状x0。3.根据权利要求1或2所述的基于行帧间相似度实现路侧激光雷达的多车跟踪系统，其特征是，所述的编码器单元从点云数据x中提取出潜在含义向量z后，为比较一对形状x和的相似度，潜在向量z和之间的余弦相似度其中：||.||2为向量的二范数(L2
‑
norm)；对于以任意给定帧作为样本对编码器单元进行训练时，定义x为跟踪目标的点云，为通过连接目标点云与轨迹片段内所有帧所获得的真实模型点云；根据损失函数，训练上述跟踪系统使得候选形状x与模型形状之间距离函数回归，其中：x和的位姿由平面上的三个自由度(t
x
,t
y
,α)决定；距离差d(.,.)为参数化的位姿之间的差别的二范数||.||2，α单位为角度，通过赋予其0.2的权重使其获得和单位为米的t
x
和t
y
接近的尺度；采用MSE损失函数使得部分形状之间的相似度和完整形状之间的相似度增加到最大程度的接近，具体为：使得部分形状之间的相似度和完整形状之间的相似度增加到最大程度的接近，具体为：其中：选择使用参数为μ＝0,σ＝1的高斯函数，其中：两个参数表示高斯函数中的均值与方差作为可微函数ρ()，用于削弱正负样本之间的距离值：当正负样本之间距离为0时ρ()取值为1，之后随着正负样本之间距离递增ρ()递减，最终当正负样本之间距离无限大时ρ()趋近于0。4.根据权利要求1所述的基于行帧间相似度实现路侧激光雷达的多车跟踪系统，其特
征是，所述的解码器单元包括：两个全连接层，将128维潜在向量z＝ψ(x)解码为M*3的值，即重建包括：M个三维点的形状5.根据权利要求1所述的基于行帧间相似度实现路侧激光雷达的多车跟踪系统，其特征是，所述的调节器单元对编码和解码过程中模型形状的变化进行调节，使用...

【专利技术属性】
技术研发人员：王亚飞，王帅，
申请(专利权)人：上海交通大学四川研究院，
类型：发明
国别省市：