一种目标关联匹配方法组成比例

本申请提供了一种目标关联匹配方法

【技术实现步骤摘要】
一种目标关联匹配方法、装置、设备及计算机可读介质


[0001]本申请涉及车辆
，特别是涉及一种目标关联匹配方法
、
装置
、
设备及计算机可读介质
。

技术介绍

[0002]随着智能驾驶技术的发展，对于车辆感知的精度要求越来越高，其主要方面包括感知目标的位置精度
、
速度精度和加速度精度
。
[0003]由于感知传感器的各有优缺点，目前主流的感知方案采用的是多传感融合的方式进行感知目标的输出
。
多传感融合中的关键模块之一为关联匹配模块，现有的方法中的最近邻匹配
、
联合概率数据关联等方法确认的关联对象，无法满足多传感的中不同传感器之间量测结果的误差带来的误关联问题，因此会额外采取其他的逻辑对关联进行修补和校验，并且，通常情况下，参数设置是基于经验和统计的方式获取，灵活性低，无法提高关联匹配的准确性
。

技术实现思路

[0004]有鉴于此，本申请旨在提出一种目标关联匹配方法
、
>装置
、<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种目标关联匹配方法，其特征在于，所述方法包括：在每一个匹配周期，提取每个融合目标的第一数据和每个传感目标的第二数据；将所述第一数据和所述第二数据输入至训练好的孪生神经网络中，通过所述孪生神经网络计算每个所述融合目标与多个所述传感目标之间的匹配度；依据多个所述匹配度，对所述融合目标与所述传感目标进行匹配，得到第一匹配关系
。2.
根据权利要求1所述的目标关联匹配方法，其特征在于，所述孪生神经网络包括输入层
、
隐含层
、
全连接层，所述将所述第一数据和所述第二数据输入至训练好的孪生神经网络中，通过所述孪生神经网络计算每个所述融合目标与每个所述传感目标之间的匹配度，包括：将所述第一数据和所述第二数据通过所述输入层配对输入至所述隐含层，得到所述第一数据的第一特征向量和所述第二数据的第二特征向量；将所述第一特征向量和所述第二特征向量相减，得到向量差值；将所述向量差值输入至所述全连接层，得到所述匹配度
。3.
根据权利要求2所述的目标关联匹配方法，其特征在于，所述全连接层包括多个神经元，所述将所述向量差值输入至所述全连接层，得到所述匹配度，包括：将所述向量差值输入至所述全连接层的各个所述神经元中，每个所述神经元包含所述向量差值中的一个项；将多个所述神经元包含所述向量差值中的各个项聚集至一个单一神经元中，得到第一差值；通过
sigmoid
函数将所述第一差值映射为所述匹配度，所述匹配度为0至1之间的数值
。4.
根据权利要求1所述的目标关联匹配方法，其特征在于，所述方法还包括：在第一个所述匹配周期，通过车辆上的多个传感器采集所述传感目标及其第二数据；将所述传感目标作为所述融合目标，所述传感目标的第二数据作为所述融合目标的第一数据
。5.
根据权利要求1所述的目标关联匹配方法，其特征在于，在所述依据多个所述匹配度，对所述融合目标与所述传感目标进行匹配，得到第一匹配关系之后，所述方法还包括：依据所述第一匹配关系中的所述传感目标的第二数据对所述融合目标的第一数据进行更新
。6.
根据权利要求1所述的目标关联匹配方法，其特征在于，所述第一数据或所述第二数据包括目标类型
、
横向位置
、
纵向位置
、
横向速度
、
纵向速度
、
横向加速度
、
纵向加速度
、
传感器标识
、
目标长度
、
目标宽度
、
目标航向角中至少一种
。7.
根据权利要求4所述的目标关联匹配...

【专利技术属性】
技术研发人员：柳晓东，陈剑斌，任凡，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：