基于自适应旋转椭圆关联波门的目标关联方法及系统技术方案

本发明专利技术提供了一种基于自适应旋转椭圆关联波门的目标关联方法及系统，包括如下步骤：椭圆建立步骤：建立椭圆模型，获得关联波门；旋转椭圆获取步骤：通过椭圆模型、关联波门结合目标的运动学模型，获得自适应旋转方向的椭圆模型；目标关联步骤：通过自适应旋转方向的椭圆模型，关注位于关联波门内的待关联目标。本发明专利技术通过设计椭圆关联模型，优化代价矩阵的计算方法，缩小目标关联的感兴趣区域，减少不必要的区域计算，降低算法的运算量，缩短目标关联模块耗时。联模块耗时。联模块耗时。

【技术实现步骤摘要】
基于自适应旋转椭圆关联波门的目标关联方法及系统


[0001]本专利技术涉及自动驾驶的
，具体地，涉及一种基于自适应旋转椭圆关联波门的目标关联方法及系统。

技术介绍

[0002]随着自动驾驶技术的发展，行驶安全是关键的一个环节。自动驾驶车辆为实现对于行驶周围环境的感知，通常安装多种传感器(摄像头、激光雷达、毫米波雷达等)，通过对传感器数据进行处理分析，获得周围环境、目标、障碍物等信息，为自动驾驶规划控制提供支持。
[0003]自动驾驶感知技术需要对检测的目标进行跟踪、轨迹预测等。因此，多目标跟踪技术也是当前自动驾驶感知技术研究的热点之一。多目标间的数据关联是多目标跟踪中极其重要的一个环节，数据关联的准确性将直接影响到对于目标真实轨迹的跟踪与预测的性能。若关联的错误率很多，则会产生许多虚假目标；只有提高关联的准确性，才能尽可能的还原真实场景的实际目标个数。
[0004]目前关联算法常用的有匈牙利算法、最近邻算法、概率密度估计算法、联合概率密度估计方法等。最近邻算法实现原理简单，在目标稀疏场景或单目标跟踪场景下，能够达到良好的关联效果，但在同一区域内的目标个数较多的情况下，由于简单的匹配机制，极易出现关联错误的情况。概率密度数据关联和联合概率密度数据关联的方法，虽然可以通过计算目标间的关联概率，改善密集目标场景下的关联效果，但是由于需要计算所有可能事件的概率，因此计算量较大。匈牙利关联算法是一种类似全局最优的关联算法，通过计算代价矩阵的代价最小和，来实现目标间的关联。因为其计算量适中，使用也较为广泛，但全局最优的关联方法也会引起部分的关联错误。
[0005]公开号为CN113160280A的中国专利技术专利文献公开了一种基于激光雷达的动态多目标跟踪方法，首先获取激光雷达目标检测结果，并显示检测结果，然后采用匈牙利算法进行目标关联，并同时通过目标预测位置和当前检测结果之间的交并比判断目标的生成与消失，当关联成功时，用检测框位置对目标位置进行更新，根据检测结果输出的属性标签对应的多模态卡尔曼滤波，估计目标的运动信息，关联失败时，删除未关联的目标状态并生成当前时刻新检测的目标。在一般环境中，相比于传统的多目标跟踪方法，该专利技术公开的多目标跟踪方法能够有效提高多目标跟踪的准确度。
[0006]上述技术方案采用单一阈值(IOU阈值、欧式距离阈值等)构建关联矩阵，结合匈牙利算法进行目标关联匹配，该种方法容易将非本目标的真实量测数据关联至同一波门内，在使用匈牙利算法计算全局代价最小和时，易产生错误匹配的情况，该关联方法将会影响到目标跟踪的滤波器收敛。

技术实现思路

[0007]针对现有技术中的缺陷，本专利技术的目的是提供一种基于自适应旋转椭圆关联波门
的目标关联方法及系统。
[0008]第一方面，本专利技术提供了一种基于自适应旋转椭圆关联波门的目标关联方法，包括如下步骤：
[0009]椭圆建立步骤：建立椭圆模型，获得关联波门；
[0010]旋转椭圆获取步骤：通过椭圆模型、关联波门结合目标的运动学模型，获得自适应旋转方向的椭圆模型；
[0011]目标关联步骤：通过自适应旋转方向的椭圆模型，关注位于关联波门内的待关联目标。
[0012]优选地，该方法还包括级联方案获取步骤：通过自适应旋转方向的椭圆模型结合目标类别的特征，建立多阈值自适应的级联关联方案；
[0013]在所述目标关联步骤中，通过自适应旋转方向的椭圆模型结合多阈值自适应的级联关联方案进行目标关联。
[0014]优选地，在所述椭圆建立步骤中，假设第k时刻有m个已跟踪的目标目标运动状态预测后得到n个量测目标
[0015]构建第k时刻的关联代价矩阵cost
mat
为：
[0016][0017]其中，X表示已跟踪目标的集合；x
m
表示第m个已跟踪目标；表示状态预测后的跟踪目标的集合；表示状态预测后的第m个跟踪目标；M表示量测目标的集合；y
n
表示第n个量测目标；
[0018]y
j
为第j个量测目标，为状态预测后的第i个跟踪目标；当任意i，j的跟踪目标和量测目标的代价和小于阈值ε时，认为代价和小于阈值ε的跟踪目标和量测目标存在潜在关联关系；
[0019]经过匈牙利匹配算法后，得到的匹配矩阵Match
matrix
为：
[0020][0021]其中，trac
r
和meas
c
为关联的匹配对，trac
r
对应为cost
mat
的行索引；meas
c
对应为cost
mat
的列索引；k＝min(m，n)；
[0022]关联波门模型归纳为：
[0023]cost
mat
[trac
r
][meas
c
]≤ε2[0024]0≤i≤m，0≤j≤n
[0025]当关联的匹配对满足上述公式时，认为关联成功，进而进行目标状态信息更新环节；
[0026]预设目标沿着y轴做直线运动，通过建立距离方向的标准椭圆模型为：
[0027][0028]其中，(x0，y0)为目标的预测坐标信息，(x
i
，y
i
)为目标的真实量测坐标信息；R
a
为椭圆模型的长轴半径，R
b
为椭圆模型的短轴半径。
[0029]优选地，在所述旋转椭圆获取步骤中，假设第t时刻的运动目标的运动状态模型为：
[0030][0031]其中，p表示位置；px
k
和py
k
表示目标的位置；v表示速度；vx
k
和vy
k
表示目标的速度，T表示转置；
[0032][0033]其中，X(t)表示跟踪目标合集；
[0034]目标朝向的偏航角θ
k
为
[0035][0036]目标状态转移函数x(t+Δt)
k
为：
[0037][0038]其中，Δt表示t时刻到t+1时刻的时间间隔，为t时刻的运动状态，为t+1＝t+Δt时刻的运动状态；
[0039]自适应旋转朝向的椭圆关联波门，旋转矩阵rotation
mat
为：
[0040][0041]其中，θ为目标运动状态的朝向角；
[0042]将椭圆圆心坐标(x
o
，y
o
)，长轴半径为R
a
、短轴半径为R
b
的椭圆沿着rotation
mat
旋转得到：
[0043][0044]其中，(x
′
，y
′
)为旋转后椭圆圆心坐标。
[0045]优选地，在所述级联方案获取步骤中，以欧式距离和速度维度建立目标关联模型，若存在多个关联目标，则取代本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应旋转椭圆关联波门的目标关联方法，其特征在于，包括如下步骤：椭圆建立步骤：建立椭圆模型，获得关联波门；旋转椭圆获取步骤：通过椭圆模型、关联波门结合目标的运动学模型，获得自适应旋转方向的椭圆模型；目标关联步骤：通过自适应旋转方向的椭圆模型，关注位于关联波门内的待关联目标。2.根据权利要求1所述的基于自适应旋转椭圆关联波门的目标关联方法，其特征在于，该方法还包括级联方案获取步骤：通过自适应旋转方向的椭圆模型结合目标类别的特征，建立多阈值自适应的级联关联方案；在所述目标关联步骤中，通过自适应旋转方向的椭圆模型结合多阈值自适应的级联关联方案进行目标关联。3.根据权利要求1所述的基于自适应旋转椭圆关联波门的目标关联方法，其特征在于，在所述椭圆建立步骤中，假设第k时刻有m个已跟踪的目标目标运动状态预测后得到n个量测目标构建第k时刻的关联代价矩阵cost
mat
为：其中，X表示已跟踪目标的集合；x
m
表示第m个已跟踪目标；表示状态预测后的跟踪目标的集合；表示状态预测后的第m个跟踪目标；M表示量测目标的集合；y
n
表示第n个量测目标；y
j
为第j个量测目标，为状态预测后的第i个跟踪目标；当任意i，j的跟踪目标和量测目标的代价和小于阈值ε时，认为代价和小于阈值ε的跟踪目标和量测目标存在潜在关联关系；经过匈牙利匹配算法后，得到的匹配矩阵Match
matrix
为：其中，trac
r
和meas
c
为关联的匹配对，trac
r
对应为cost
mat
的行索引；meas
c
对应为cost
mat
的列索引；k＝min(m,n)；关联波门模型归纳为：cost
mat
[trac
r
][meas
c
]≤ε20≤i≤m,0≤j≤n当关联的匹配对满足上述公式时，认为关联成功，进而进行目标状态信息更新环节；预设目标沿着y轴做直线运动，通过建立距离方向的标准椭圆模型为：其中，(x0,y0)为目标的预测坐标信息，(x
i
,y
i
)为目标的真实量测坐标信息；R
a
为椭圆模
型的长轴半径，R
b
为椭圆模型的短轴半径。4.根据权利要求3所述的基于自适应旋转椭圆关联波门的目标关联方法，其特征在于，在所述旋转椭圆获取步骤中，假设第t时刻的运动目标的运动状态模型为：其中，p表示位置；px
k
和py
k
表示目标的位置；v表示速度；vx
k
和vy
k
表示目标的速度，T表示转置；其中，X(t)表示跟踪目标合集；目标朝向的偏航角θ
k
为目标状态转移函数x(t+Δt)
k
为：其中，Δt表示t时刻到t+1时刻的时间间隔，为t时刻的运动状态，为t+1＝t+Δt时刻的运动状态；自适应旋转朝向的椭圆关联波门，旋转矩阵rotation
mat
为：其中，θ为目标运动状态的朝向角；将椭圆圆心坐标(x
o
,y
o
)，长轴半径为R
a
、短轴半径为R
b
的椭圆沿着rotation
mat
旋转得到：其中，(x
′
,y
′
)为旋转后椭圆圆心坐标。5.根据权利要求2所述的基于自适应旋转椭圆关联波门的目标关联方法，其特征在于，在所述级联方案获取步骤中，以欧式距离和速度维度建立目标关联模型，若存在多个关联目标，则取代价最小的量测进行关联更新：其中，dis
measure
为量测目标的位置信息；vel
measure
为量测目标的速度信息，dis
predi
为跟踪目标预测的位置信息；vel
predi
为跟踪目标预测的速度信息，dis
thrd
为距离的关联阈值、vel
thrd
为速度的关联阈值。6.根据权利要求1所述的基于自适应旋转椭圆关联波门的目标关联方法，其特征在于，
所述目...

【专利技术属性】
技术研发人员：廖文龙，汪呈智，何弢，彭湃，
申请(专利权)人：上海酷移机器人有限公司，
类型：发明
国别省市：