本申请公开了一种目标跟踪预测方法、装置及电子设备、存储介质，所述方法包括：通过卡尔曼滤波获取目标在相机的非共视区域中当前时刻的状态量的最优估计值，建立目标跟踪轨迹；根据所述目标跟踪轨迹，判断所述目标是否进入所述相机的共视区域；如果是，则将所述目标在上一时刻在相机的非共视区域中的状态量的最优估计值的预测值作为所述目标在相机的共视区域中当前时刻的状态量的估计值；根据所述目标在相机的共视区域中当前时刻的状态量的估计值与所述目标在相机的共视区域中当前时刻的状态量的测量值，获取所述目标在相机的共视区域中当前时刻的状态量的最优估计值，并对所述目标进行跟踪。通过本申请降低在路侧多相机感知中目标出现跳变的情况。感知中目标出现跳变的情况。感知中目标出现跳变的情况。
【技术实现步骤摘要】
目标跟踪预测方法、装置及电子设备、存储介质
[0001]本申请涉及自动驾驶
，尤其涉及一种目标跟踪预测方法、装置及电子设备、存储介质。
技术介绍
[0002]多相机的目标融合中，在每个单目相机的探测视野范围内，存在共视区域。由于单目相机无法直接获得目标的深度信息，所以各个单目相机检测的目标的深度信息依赖于地面在像素平面内对应像素的经纬度标定，从而获得目标的深度信息。
[0003]然而，通常相机之间的共视区域较小，在共视区域边缘(非共视区域)很容易出现检测目标的位置跳变和速度跳变的情况。
技术实现思路
[0004]本申请实施例提供了目标跟踪预测方法、装置及电子设备、存储介质，以降低检测目标的位置跳变以及速度跳变的情况发生。
[0005]本申请实施例采用下述技术方案：
[0006]第一方面，本申请实施例提供一种目标跟踪预测方法，其中，所述方法包括：
[0007]获取目标在相机的非共视区域中当前时刻的状态量的最优估计值，并建立目标跟踪轨迹；
[0008]根据所述目标跟踪轨迹，判断所述目标是否进入所述相机的共视区域；
[0009]如果是，则将所述目标在上一时刻在相机的非共视区域中的状态量的最优估计值的预测值作为所述目标在相机的共视区域中当前时刻的状态量的估计值；
[0010]根据所述目标在相机的共视区域中当前时刻的状态量的估计值与所述目标在相机的共视区域中当前时刻的状态量的测量值，获取所述目标在相机的共视区域中当前时刻的状态量的最优估计值，并对所述目标进行跟踪。
[0011]在一些实施例中，所述方法还包括：
[0012]当所述目标从所述相机的非共视区域进入所述相机的共视区域中时，切换所述卡尔曼滤波模型中的观测误差、预测误差以及运动模型，同时与所述目标在相机的非共视区域中保持相同的目标跟踪轨迹；
[0013]和/或，
[0014]当所述目标在所述相机的共视区域中时，继续对所述目标的当前时刻的下一时刻的状态量进行预测并跟踪所述目标，且保持所述卡尔曼滤波模型中的观测误差、预测误差以及运动模型，同时与所述目标在相机的非共视区域中保持相同的目标跟踪轨迹。
[0015]在一些实施例中，所述切换所述卡尔曼滤波模型中的观测误差、预测误差以及运动模型，包括：
[0016]增大所述卡尔曼滤波模型的观测误差、减小预测误差，并将所述运动模型由匀速运动模型改为匀加速运动模型。
[0017]在一些实施例中，所述方法还包括：
[0018]根据所述目标跟踪轨迹，判断所述目标是否进入新的相机的非共视区域；
[0019]若是，则继续通过卡尔曼滤波模型预测目标在相机的非共视区域中当前时刻的状态量的最优估计值，同时建立目标跟踪轨迹。
[0020]在一些实施例中，所述获取目标在相机的非共视区域中当前时刻的状态量的最优估计值，并建立目标跟踪轨迹，包括：
[0021]通过所述目标在相机的非共视区域中当前时刻的状态量的测量值和所述目标在相机的非共视区域中当前时刻的状态量的预测值进行匈牙利匹配；
[0022]根据匹配结果，完成跟踪目标关联并获得所述目标在当前时刻的状态量最优估计值，并建立跟踪轨迹；
[0023]对于所述目标在当前时刻的下一时刻的状态量的预测重复以上步骤。
[0024]在一些实施例中，获取所述目标在相机的非共视区域中当前时刻的状态量的预测值，包括：
[0025]获取多个目标在相机的非共视区域中上一时刻的状态量；
[0026]根据所述多个目标在相机的非共视区域中上一时刻的状态量，采用卡尔曼滤波模型对所述多个目标的当前状态量进行估计预测，得到所述多个目标在相机的非共视区域中当前时刻的状态量的预测值。
[0027]在一些实施例中，所述根据所述目标在相机的共视区域中上一时刻的状态量的最优估计值对当前时刻的状态量进行预测获得当前时刻状态量的预测值，当前时刻状态量的预测值与所述目标在相机的共视区域中当前时刻的状态量的测量值，获取所述目标在相机的共视区域中当前时刻的状态量的最优估计值，并对所述目标进行跟踪，包括：
[0028]获取所述目标在相机的共视区域中当前时刻状态量的测量值；
[0029]将所述目标在上一时刻的相机的非共视区域中的状态量的最优估计值，通过卡尔曼滤波模型预测所述目标在当前时刻的状态量的预测值，所述预测值作为所述目标在相机的共视区域中当前时刻的状态量的估计值；
[0030]根据所述目标在相机的共视区域中当前时刻的状态量的估计值以及所述目标在相机的共视区域中当前时刻状态量的测量值，并进行匈牙利匹配；；
[0031]根据匹配结果完成目标关联，并获得所述目标在相机的共视区域中当前时刻状态量最优估计值，同时完成目标跟踪。
[0032]第二方面，本申请实施例还提供一种目标跟踪预测装置，其中，所述装置包括：
[0033]观测模块：用于获得测量值；
[0034]卡尔曼预测模块：用于根据运动模型和观测模型，获得预测值，并结合测量值，获得最优状态量；
[0035]跟踪模块：用于目标关联，获得跟踪轨迹；
[0036]所述装置还用于，
[0037]通过卡尔曼波模块预测目标在相机的非共视区域中当前时刻的状态量的最优估计值，并通过所述跟踪模块建立目标跟踪轨迹；
[0038]根据所述目标跟踪轨迹，判断所述目标是否进入所述相机的共视区域；
[0039]如果是，则将所述目标在上一时刻在相机的非共视区域中的状态量的最优估计值
的预测值作为所述目标在相机的共视区域中当前时刻的状态量估计值；
[0040]根据所述目标在相机的共视区域中上一时刻的状态量与所述观测模块中的所述目标在相机的共视区域中当前时刻的状态量的测量值，通过所述卡尔曼预测模块获取所述目标在相机的共视区域中当前时刻的状态量的最优估计值，并对所述目标进行跟踪。
[0041]第三方面，本申请实施例还提供一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述方法。
[0042]第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行上述方法。
[0043]本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
[0044]通过获取目标在相机的非共视区域中当前时刻的状态量的最优估计值，并建立目标跟踪轨迹，之后根据所述目标跟踪轨迹，判断所述目标是否进入所述相机的共视区域。如果是，则根据所述目标在相机的共视区域中当前时刻的状态量的估计值与所述目标在相机的共视区域中当前时刻的状态量的测量值，获取所述目标在相机的共视区域中当前时刻的状态量的最优估计值，并对所述目标继续进行跟踪。
[0045]在相机非共视区域对目标进行预测和跟踪之后并建立轨迹，在本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种目标跟踪预测方法，其中，所述方法包括：获取目标在相机的非共视区域中当前时刻的状态量的最优估计值，并建立目标跟踪轨迹；根据所述目标跟踪轨迹，判断所述目标是否进入所述相机的共视区域；如果是，则将所述目标在上一时刻在相机的非共视区域中的状态量的最优估计值的预测值作为所述目标在相机的共视区域中当前时刻的状态量的估计值；根据所述目标在相机的共视区域中当前时刻的状态量的估计值与所述目标在相机的共视区域中当前时刻的状态量的测量值，获取所述目标在相机的共视区域中当前时刻的状态量的最优估计值，并对所述目标进行跟踪。2.如权利要求1所述的方法，其中，所述方法还包括：当所述目标从所述相机的非共视区域进入所述相机的共视区域中时，切换卡尔曼滤波模型中的观测误差、预测误差以及运动模型，同时与所述目标在相机的非共视区域中保持相同的目标跟踪轨迹；和/或，当所述目标在所述相机的共视区域中时，继续对所述目标的当前时刻的下一时刻的状态量进行预测并跟踪所述目标，且保持所述卡尔曼滤波模型中的观测误差、预测误差以及运动模型，同时与所述目标在相机的非共视区域中保持相同的目标跟踪轨迹。3.如权利要求2所述的方法，其中，所述切换所述卡尔曼滤波模型中的观测误差、预测误差以及运动模型，包括：增大所述卡尔曼滤波模型的观测误差、减小预测误差，并将所述运动模型由匀速运动模型改为匀加速运动模型。4.如权利要求1所述的方法，其中，所述方法还包括：根据所述目标跟踪轨迹，判断所述目标是否进入新的相机的非共视区域；若是，则继续通过卡尔曼滤波模型预测目标在相机的非共视区域中当前时刻的状态量的最优估计值，同时建立目标跟踪轨迹。5.如权利要求1所述的方法，其中，所述获取目标在相机的非共视区域中当前时刻的状态量的最优估计值，并建立目标跟踪轨迹，包括：通过所述目标在相机的非共视区域中当前时刻的状态量的测量值和所述目标在相机的非共视区域中当前时刻的状态量的预测值进行匈牙利匹配；根据匹配结果，完成跟踪目标关联并获得所述目标在当前时刻的状态量最优估计值，并建立跟踪轨迹；对于所述目标在当前时刻的下一时刻的状态量的预测重复以上步骤。6.如权利要求5所述的方法，其中，所述目标包括多个，获取所述目标在相机的非共视区域中当前时刻的状态量的预测值，包括：获取多个目标在相机的非共视区域中上一时刻的状态量；根据所述多个目标在相机的非共视区域中上一时刻的状态量，采用卡尔曼滤波模型对所述多个目标...
【专利技术属性】
技术研发人员：王开鑫，
申请(专利权)人：智道网联科技北京有限公司，
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。