【技术实现步骤摘要】
一种目标匹配方法及装置
[0001]本专利技术涉及智慧交通
,尤其涉及一种目标匹配方法及装置
。
技术介绍
[0002]在解决关于
3d
多目标跟踪任务时,基于激光雷达的检测结果是不同于图像检测的
。
在激光雷达的目标检测任务中,目标在点云中部分特征信息更少,同时由于点云覆盖范围和分辨率的限制,
3d
目标检测结果的类别
、
位置
、
尺寸等特征的效度
(
测量与实际的吻合程度
)
并不高
。
[0003]而现有的目标跟踪技术中,大多都是基于理想的
3d
目标检测结果而设计的,理想情况为:所有目标在每一帧数据中总能被完全检测,所有目标的检测结果精度高
。
但在实际的
3d
目标检测工作中,由于目标在拍摄视角内被遮挡
、
点云数据的质量
、
点云数据的点云密度或目标检测功能的精度等因素,目标可能在目标检测结果中连续消失一段时间再出现,或目标检测结果的尺寸效度较低,从而影响目标跟踪精度
。
技术实现思路
[0004]鉴于上述问题,提出了本专利技术以便提供一种目标匹配方法及装置,在匹配时将时间差异度量及形状差异度量纳入度量参数的计算,以提高目标跟踪的精度
。
[0005]依据本专利技术的第一个方面,提供了一种目标匹配方法,包括:
[0006]获取历史目标和历
【技术保护点】
【技术特征摘要】
1.
一种目标匹配方法,其特征在于,包括:获取历史目标和所述历史目标基于当前时刻的预测目标;所述历史目标是在当前时刻前预设时间段内检测并注册管理的点云目标;根据三维感知设备采集的当前时刻的目标点云数据,确定得到待测目标;针对每一个历史目标的预测目标,根据所述待测目标以及该历史目标的预测目标,确定用于表征所述待测目标相对于该历史目标的相似度的度量参数;所述度量参数包括用于表征重心位置相似度的重心距离度量
、
用于表征对历史目标的连续消失时间的时间差异度量
、
用于表征对待测目标和历史目标的长宽相似度的形状差异度量,其中,所述形状差异度量基于待测目标和历史目标的点云密度确定;根据所述待测目标相对于每一个历史目标的度量参数,将所述待测目标在所述历史目标中进行匹配
。2.
根据权利要求1所述的方法,其特征在于,确定所述待测目标相对于该历史目标的重心距离度量,包括:获取该历史目标的预测目标的第一重心点位置信息
、
所述待测目标的第二重心点位置信息以及预设的重心距离匹配阈值;根据所述重心距离匹配阈值
、
所述第一重心点位置信息
、
所述第二重心点位置信息,确定所述待测目标相对于该历史目标的重心距离度量
。3.
根据权利要求1所述的方法,其特征在于,确定所述待测目标相对于该历史目标的时间差异度量,包括:获取该历史目标出现的最后时刻
、
所述三维感知设备的采样周期以及预设的时间差异因子;根据所述当前时刻
、
该历史目标出现的最后时刻
、
所述三维感知设备的采样周期以及所述时间差异因子,确定所述待测目标相对于该历史目标的时间差异度量
。4.
根据权利要求1所述的方法,其特征在于,确定所述待测目标相对于该历史目标的形状差异度量,包括:获取该历史目标的预测目标的第一长度
、
第一宽度
、
该历史目标在出现的最后时刻的第一点云密度,获取所述待测目标的第二长度
、
第二宽度以及第二点云密度
、
预设的第一松弛项因子
、
预设的第二松弛项因子
、
预设的形状差异因子
、
预设的标准点云密度;根据所述第一长度
、
所述第一宽度
、
所述第一点云密度
、
所述第二长度
、
所述第二宽度
、
所述第二点云密度
、
所述第一松弛项因子
、
所述第二松弛项因子
、
所述形状差异因子以及所述标准点云密度,确定所述待测目标相对于该历史目标的形状差异度量
。5.
根据权利要求1‑4任意一项所述的方法,其特征在于,所述度量参数还包括点云密度差异度量和
/
或航向差异度量
。6.
根据权利要求5所述的方法,其特征在于,确定所述待测目标相对于该历史目标的点云密度差异度量,包括:获取预设的点云密度差异因子
、
预设的点云密度差异阈值
、
该历史目标在出现的最后时刻的第一点云密度
、
所述待测目标的第二点云密度;根据所述点云密度差异因子
、
所述点云密度差异阈值
、
所述第一点云密度
、
所述第二点云密度,确定所述待测目标相对于该历史目标的点云密度差异度量
。
7.
根据权利要求5所述的方法,其特征在于,确定所述待测目标相对于该历史目标的航向差异度量,包括:获取预设的航向差异因子
、
预设的标准角度变化率
、
预设的角度差异阈值
、
所述待测目标的航向角度
【专利技术属性】
技术研发人员:许家龄,
申请(专利权)人:苏州艾氪英诺机器人科技有限公司,
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。