目标跟踪方法和装置制造方法及图纸

本公开涉及目标跟踪方法和装置，该目标跟踪方法包括：获取待处理点云；利用

【技术实现步骤摘要】
目标跟踪方法和装置


[0001]本公开涉及数据处理
，尤其涉及一种目标跟踪方法和装置
。

技术介绍

[0002]智能移动主体，例如智能驾驶车辆是提升交通效率的一个重要研究方向
。
智能移动主体将多种现代电子信息技术集成于一体，整体可分为环境感知
、
路径决策以及车辆控制三个部分
。
其中，环境感知是实现智能移动
(
例如自动驾驶
)
的第一步；具体地，必须让智能移动主体像人类一样实时感知到周围的环境情况，才能为后续的路径决策和车辆控制提供可能，所以环境感知任务中的目标检测在自动驾驶复杂场景下的关重要
。
针对环境感知的感知算法要考虑传感器的功能特性
、
适配其采集到的数据，才能开发出更好的算法
。
较高等级的智能驾驶车辆面临的挑战之一是复杂场景中的精确目标检测，当前的视觉目标检测算法因为在实践中面临非常复杂的情况，几乎已经达到了性能上限
。
[0003]而多模态融合是提升感知精度的有效方式之一
。
其中，多模态融合是指综合来自两个或多个类型的传感器的信息以进行感知预测的过程
。
目前，最常见的融合方案为激光雷达的点云与车载相机的图片的融合方案
。
其中，针对点云，
3D
目标检测点云感知方案的基础任务，通过大量标注数据训练的检测模型来识别点云中感兴趣的目标，其检测结果会受到模型结构
、/>损失函数
、
训练集的质量和训练过程设计等多个因素的影响
。
其中，由于点云的无序性和稀疏性，会导致检测模型对存在较少点云目标发生漏检和误识别，又由于缺少语义信息，在目标刚出现时对车头的朝向识别不稳定；即单独的检测模型存在漏检
、
误报和朝向不稳定等问题，基于此进行目标感知和跟踪的精准性较差
。

技术实现思路

[0004]为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种目标跟踪方法和装置
。
[0005]本公开提供了一种目标跟踪方法，包括：
[0006]获取待处理点云；
[0007]利用
3D
目标检测模型对所述待处理点云进行检测，得到第一检测结果；以及利用一般障碍物算法对所述待处理点云进行检测，得到第二检测结果；
[0008]基于所述第一检测结果和所述第二检测结果进行检测结果融合，得到至少一个融合结果；
[0009]基于至少一个所述融合结果，确定对应的至少一个目标，并对至少一个所述目标进行跟踪处理
。
[0010]可选地，基于至少一个所述融合结果，确定对应的至少一个目标，并对至少一个所述目标进行跟踪处理，包括：
[0011]对所述融合结果进行坐标转化，得到世界坐标系下的融合结果；
[0012]基于所述世界坐标系下的融合结果，对至少一个目标进行跟踪，并修正目标朝向
。
[0013]可选地，所述
3D
目标检测模型包括
3D
点云深度模型；所述利用
3D
目标检测模型对所述待处理点云进行检测之前，还包括：
[0014]将所述待处理点云在鸟瞰视角下进行投影，转化得到柱素；
[0015]所述利用
3D
目标检测模型对所述待处理点云进行检测，得到第一检测结果，包括：
[0016]将所述柱素分散回原始位置，形成伪图像；
[0017]将所述伪图像输入至所述
3D
点云深度模型，通过解码和非极大值抑制得到所述第一检测结果
。
[0018]可选地，所述将所述待处理点云在鸟瞰视角下进行投影，转化得到柱素，包括：
[0019]将所述待处理点云中的所有点离散化到参考平面上均匀分布的网格中；
[0020]将每个网格内的点云进行坐标归一化和扩充，利用全连接网络和最大池化得到每个网格的特征，所述网格的特征即为所述柱素
。
[0021]可选地，所述利用一般障碍物算法对所述待处理点云进行检测，得到第二检测结果，包括：
[0022]对前景点进行聚类操作，并获取对应的前景点聚类结果；
[0023]将所述待处理点云进行球投影，并根据所述前景点聚类结果，得到多边形包围框；
[0024]其中，所述多边形包围框即为所述第二检测结果
。
[0025]可选地，所述第一检测结果为
3D
矩形框，所述第二检测结果为多边形包围框；
[0026]基于所述第一检测结果和所述第二检测结果进行检测结果融合，得到至少一个融合结果，包括：
[0027]将所述
3D
矩形框转化为关联多边形；
[0028]基于所述关联多边形和所述多边形包围框，确定相交多边形；
[0029]计算所述相交多边形的面积
、
所述关联多边形的面积和所述多边形包围框的面积，并得到交并比；
[0030]基于所述交并比非0的结果，判断当前目标是否为所述多边形包围框关联的目标；
[0031]若是，则删除所述当前目标；否则，保留所述当前目标，并将保留的所述当前目标，确定为输出的所述融合结果
。
[0032]可选地，所述第一检测结果为
3D
矩形框，所述第二检测结果为多边形包围框；
[0033]基于所述第一检测结果和所述第二检测结果进行检测结果融合，得到至少一个融合结果，包括：
[0034]将所述
3D
矩形框转化为关联多边形；
[0035]基于所述关联多边形和所述多边形包围框，确定相交多边形；
[0036]基于所述交并比为0的结果，判断当前目标是否为所述多边形包围框关联的目标；
[0037]若是，则保留所述当前目标，并将保留的所述当前目标，确定为输出的所述融合结果；否则，删除所述当前目标
。
[0038]可选地，所述基于所述关联多边形和所述多边形包围框，确定相交多边形，包括：
[0039]确定空间上存在交叠的所述关联多边形和所述多边形包围框的各边的交点；
[0040]基于所述交点和所述多边形包围框，确定多边形包围框内部的点；
[0041]基于所述多边形包围框内部的点和所述交点，确定所述相交多边形的顶点，得到所述相交多边形
。
[0042]可选地，所述第一检测结果包括检测目标，所述第二检测结果包括一般障碍物，所述融合结果包括跟踪目标和未融合的一般障碍物；
[0043]所述基于至少一个所述融合结果，确定对应的至少一个目标，并对至少一个所述目标进行跟踪处理，包括：
[0044]对上一帧产生的所述目标进行卡尔兹曼滤波预测，得到所述目标在当前帧的状态；
[0045]将所述目标在当前帧的状态本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种目标跟踪方法，其特征在于，包括：获取待处理点云；利用
3D
目标检测模型对所述待处理点云进行检测，得到第一检测结果；以及利用一般障碍物算法对所述待处理点云进行检测，得到第二检测结果；基于所述第一检测结果和所述第二检测结果进行检测结果融合，得到至少一个融合结果；基于至少一个所述融合结果，确定对应的至少一个目标，并对至少一个所述目标进行跟踪处理
。2.
根据权利要求1所述的目标跟踪方法，其特征在于，基于至少一个所述融合结果，确定对应的至少一个目标，并对至少一个所述目标进行跟踪处理，包括：对所述融合结果进行坐标转化，得到世界坐标系下的融合结果；基于所述世界坐标系下的融合结果，对至少一个目标进行跟踪，并修正目标朝向
。3.
根据权利要求1或2所述的目标跟踪方法，其特征在于，所述
3D
目标检测模型包括
3D
点云深度模型；所述利用
3D
目标检测模型对所述待处理点云进行检测之前，还包括：将所述待处理点云在鸟瞰视角下进行投影，转化得到柱素；所述利用
3D
目标检测模型对所述待处理点云进行检测，得到第一检测结果，包括：将所述柱素分散回原始位置，形成伪图像；将所述伪图像输入至所述
3D
点云深度模型，通过解码和非极大值抑制得到所述第一检测结果
。4.
根据权利要求3所述的目标跟踪方法，其特征在于，所述将所述待处理点云在鸟瞰视角下进行投影，转化得到柱素，包括：将所述待处理点云中的所有点离散化到参考平面上均匀分布的网格中；将每个网格内的点云进行坐标归一化和扩充，利用全连接网络和最大池化得到每个网格的特征，所述网格的特征即为所述柱素
。5.
根据权利要求1或2所述的目标跟踪方法，其特征在于，所述利用一般障碍物算法对所述待处理点云进行检测，得到第二检测结果，包括：对前景点进行聚类操作，并获取对应的前景点聚类结果；将所述待处理点云进行球投影，并根据所述前景点聚类结果，得到多边形包围框；其中，所述多边形包围框即为所述第二检测结果
。6.
根据权利要求1所述的目标跟踪方法，其特征在于，所述第一检测结果为
3D
矩形框，所述第二检测结果为多边形包围框；基于所述第一检测结果和所述第二检测结果进行检测结果融合，得到至少一个融合结果，包括：将所述
3D
矩形框转化为关联多边形；基于所述关联多边形和所述多边形包围框，确定相交多边形；计算所述相交多边形的面积
、
所述关联多边形的面积和所述多边形包围框的面积，并得到交并比；基于所述交并比非0的结果，判断当前目标是否为所述多边形包围框关联的目标；若是，则删除所述当前目标；否则，保留所述当前目标，并将保留的所述当前目标，确定
为输出的所述融合结果
。7.
根据权利要求1所述的目标跟踪方法，其特征在于，所述第一检测结果为
3D
矩形框，所述第二检测结果为多边形包围框；基于所述第一检测结果和所述第二检测结果进行检测结果融合，得到至少一个融合结果，包括：将所述
3D
矩形框转化为关联多边形；基于所述关联多边形和所述多边形包围框，确定相交多边形；基于所述交并比为0的结果，判断当前目标是否为所述多边形包围框关联的目标；若是，则保留所述当前目标，并将保留的所述当前目标，确定为输出的所述融合结果；否则，删除所述当前目标
。8.
根据权利要求6或7所述的目标跟踪方法，其特征在于，所述基...

【专利技术属性】
技术研发人员：刘昊，单佳炜，
申请(专利权)人：探维科技苏州有限公司，
类型：发明
国别省市：