目标关联方法技术

本公开提出一种目标关联方法

【技术实现步骤摘要】
目标关联方法、装置、车辆及存储介质


[0001]本公开涉及自动驾驶
，尤其涉及一种目标关联方法
、
装置
、
车辆及存储介质
。

技术介绍

[0002]在自动驾驶感知系统中，后融合模块可以负责融合各个传感器
(
比如毫米波雷达
、
超声波雷达等
)
的目标结果，以提供最优的输入
。
然而，在后融合模块融合过程中，必须确定各个传感器所识别得到目标之间的一一映射关系，即实现不同传感器识别得到的目标之间的关联，以将不同传感器对同一实体对象识别所得的目标进行关联
。
[0003]相关技术中，在对不同传感器识别得到的目标进行关联时，采用的关联算法大多以特征相似度
(
比如位置相似度
、
速度相似度等
)
为基础，容易出现错误关联的问题
。

技术实现思路

[0004]本公开旨在至少在一定程度上解决相关技术中的技术问题之一
。
[0005]根据本公开实施例的第一方面，提供一种目标关联方法，包括：
[0006]获取至少两传感器中每个传感器进行多目标识别得到的多目标，以及所述多目标之中每个目标所处的目标位置；
[0007]根据每个所述传感器进行多目标识别所得到的多个所述目标位置，确定相应传感器进行多目标识别所到的任一目标在多目标之中的相对位置；
[0008]将不同传感器进行多目标识别所得到的所述相对位置相匹配的目标确定为关联同一实体对象的关联目标
。
[0009]根据本公开实施例的第二方面，提供一种目标关联装置，包括：
[0010]获取模块，用于获取至少两传感器中每个传感器进行多目标识别得到的多目标，以及所述多目标之中每个目标所处的目标位置；
[0011]第一确定模块，用于根据每个所述传感器进行多目标识别所得到的多个所述目标位置，确定相应传感器进行多目标识别所到的任一目标在多目标之中的相对位置；
[0012]第二确定模块，用于将不同传感器进行多目标识别所得到的所述相对位置相匹配的目标确定为关联同一实体对象的关联目标
。
[0013]根据本公开实施例的第三方面，提供一种车辆，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：如本公开第一方面实施例提出的目标关联方法的步骤
。
[0014]根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开第一方面所提供的目标关联方法的步骤
。
[0015]本公开的实施例提供的技术方案可以包括以下有益效果：
[0016]本公开实施例的目标关联方法，通过获取至少两传感器中每个传感器进行多目标
识别得到的多目标，以及多目标之中每个目标所处的目标位置；根据每个传感器进行多目标识别所得到的多个目标位置，确定相应传感器进行多目标识别所得到的任一目标在多目标之中的相对位置；将不同传感器进行多目标识别所得到的相对位置相匹配的目标确定为关联同一实体对象的关联目标
。
由此，可以根据任一传感器进行多目标识别所得到的多个目标位置，确定任一传感器进行多目标识别所得到的每个目标的相对位置，进而可以对不同传感器进行多目标识别所得到的各目标的相对位置进行匹配，以对目标进行关联，可以避免将不同传感器进行多目标识别所得到的目标位置相似的不同目标错误关联为同一实体对象的问题，有效提升目标关联的准确性
。
[0017]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开
。
附图说明
[0018]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理
。
[0019]图1为本公开所提供的不同传感器识别得到的各目标的位置的示意图；
[0020]图2为本公开实施例一所提供的一种目标关联方法的流程示意图；
[0021]图3为本公开所提供的设定坐标系中传感器1识别到的目标所处的位置的示意图；
[0022]图4为本公开所提供的不同传感器识别的各目标在设定坐标系中的位置的示意图；
[0023]图5为本公开实施例二所提供的一种目标关联方法的流程示意图；
[0024]图6是本公开实施例三所提供的一种目标关联装置的结构示意图；
[0025]图7是根据一示例性实施例示出的一种车辆
700
的框图
。
具体实施方式
[0026]下面详细描述本公开的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件
。
下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制
。
[0027]在相关技术中，在对不同传感器识别得到的目标进行关联时，采用的关联算法大多以特征相似度
(
比如位置相似度
、
速度相似度等
)
为基础，并通过匈牙利匹配算法实现关联效果的最优化
。
然而，当感知误差不稳定或感知误差较大时，基于特征相似度的关联容易失效，出现误关联
。
比如，如图1所示，图1为本公开所提供的不同传感器识别得到的各目标的位置的示意图，其中，图1中
A
为目标1的真实位置
、B
为目标2的真实位置，传感器1对目标1的检测结果或识别结果为
A1、
对目标2的检测结果为
B1
，传感器1对上述两个目标的识别位置在
x
轴方向或横向方向的偏差较大，传感器2对目标1的检测结果或识别结果为
A2、
对目标2的检测结果为
B2
，传感器2对上述两个目标的识别位置在
y
轴方向或纵向方向的偏差较大
。
当基于位置相似度对上述不同传感器各目标进行关联时，很容易将位置接近的
A1
和
B2
错误关联在一起
。
[0028]针对上述问题，本公开提出一种目标关联方法
、
装置
、
车辆及存储介质
。
[0029]下面参考附图描述本公开实施例的目标关联方法
、
装置
、
车辆及存储介质
。
[0030]图2为本公开实施例一所提供的一种目标关联方法的流程示意图
。
[0031]本公开实施例以该目标关联方法被配置于目标关联装置中来举例说明，该目标关联装置可以应用于任一车辆中，以使该车辆可以执行目标关联功能
。
[0032]如图2所示，该目标关联方法可以包括以下步骤：...

【技术保护点】

【技术特征摘要】
1.
一种目标关联方法，其特征在于，所述方法包括：获取至少两个传感器中每个传感器进行多目标识别得到的多目标，以及所述多目标之中每个目标所处的目标位置；根据每个所述传感器进行多目标识别所得到的多个所述目标位置，确定相应传感器进行多目标识别所得到的任一目标在多目标之中的相对位置；将不同传感器进行多目标识别所得到的所述相对位置相匹配的目标确定为关联同一实体对象的关联目标
。2.
根据权利要求1所述的方法，其特征在于，所述根据每个所述传感器进行多目标识别所得到的多个所述目标位置，确定相应传感器进行多目标识别所得到的任一目标在多目标之中的相对位置，包括：针对所述至少两传感器中的任一传感器，基于多个所述目标位置，在设定坐标系中确定所述传感器进行多目标识别所得到的多目标之中每个目标所处的位置；基于各目标在所述设定坐标系中设定坐标轴上的投影位置，沿所述设定坐标轴的设定延伸方向对各所述目标进行排序，得到各目标在所述设定坐标轴上的第一排序；基于各目标在所述设定坐标轴上的第一排序，确定各目标的所述相对位置
。3.
根据权利要求2所述的方法，其特征在于，所述设定坐标轴包括第一坐标轴和第二坐标轴，所述基于各目标在所述设定坐标轴上的第一排序，确定各目标的所述相对位置，包括：将同一目标分别在所述第一坐标轴上的第一排序，以及在所述第二坐标轴上的第一排序进行组合，以表示相应目标的所述相对位置
。4.
根据权利要求1所述的方法，其特征在于，所述根据每个所述传感器进行多目标识别所得到的多个所述目标位置，确定相应传感器进行多目标识别所得到的任一目标在多目标之中的相对位置，包括：针对所述至少两传感器中的任一传感器，基于所述多个目标位置，在设定坐标系中确定所述传感器进行多目标识别所得到的多目标之中每个目标所处的位置；基于各目标在所述设定坐标系中设定坐标轴上的投影位置，分别确定各所述目标相对参考点的距离，其中，所述参考点位于所述设定坐标轴上；基于各目标相对所述参考点的距离进行排序，以得到各目标在所述设定坐标轴上的第二排序；基于各目标在所述设定坐标轴上的第二排序，确定各目标的所述相对位置
。5.
根据权利要求4所述的方法，其特征在于，所述设定坐标轴包括第一坐标轴和第二坐标轴，所述基于各目标在所述设定坐标轴的第二排序，确定各目标的所述相对位置，包括：将同一目标分别在所述第一坐标轴的第二排序，以及在所述第二坐标轴的第二排序进行组合，以表示相应目标的所述相对位置
。6.
根据权利要求1‑5任一项所述的方法，其特征在于，所述将不同传感器进行多目标识别所得到的所述相对位置相匹配的目标确定为关联同一实体对象的关联目标，包括：基于设定的关联匹配算法，将不同传感器进行多目标识别所得到的所述相对位置相匹配的目标确定为关联同一实体对象的关联目标；其中，所述关联匹配算法至少包括匈牙利匹配算法
。
7.
一种...

【专利技术属性】
技术研发人员：刘长江，陈超启，杨奎元，
申请(专利权)人：小米汽车科技有限公司，
类型：发明
国别省市：