【技术实现步骤摘要】
本申请涉及自动驾驶领域，具体提供一种目标姿态估计及运动状态预测方法、介质以及智能设备。
技术介绍
1、在自动驾驶系统中，动态目标的状态感知是一项关键功能，而行人是自动驾驶环境中具有特殊性的一类动态目标。与车辆目标相比，行人有独特的密集、机动性高等特点，对行人进行完整的跟踪和运动估计对自动驾驶过程中的感知、规划、决策有着重要作用。
2、传统的行人感知算法大多只是用单模态数据，或主要关注室内场景，难以应用至自动驾驶领域，对动态目标进行完整的运动状态跟踪和精确预测。
3、相应地，本领域需要一种新的目标姿态估计及运动状态预测方案来解决上述问题。
技术实现思路
1、为了克服上述缺陷，提出了本申请，提供一种目标姿态估计及运动状态预测方法、介质以及智能设备，以解决或至少部分地解决难以对动态目标进行准确的姿态估计、精确的运动状态预测以及完整的运动状态跟踪的技术问题。
2、在第一方面，本申请提供一种目标姿态估计方法，包括：获取待测目标的点云数据和图像数据；基于所述图像数据生成待测目标的三维人体网格；基于所述图像数据对所述点云数据进行去噪处理；基于所述三维人体网格与所述去噪处理后的点云数据进行点云配准，获得待测目标的三维位姿。
3、在上述目标姿态估计方法的一个技术方案中，所述基于所述图像数据对所述点云数据进行去噪处理，包括：基于所述图像数据生成待测目标的视锥体；基于所述视锥体、或所述视锥体及聚类算法，对所述待测目标的点云数据进行去噪处理。
4
5、在上述目标姿态估计方法的一个技术方案中，基于所述三维人体网格与所述去噪处理后的点云数据进行点云配准，获得待测目标的三维位姿，包括：通过体渲染提取所述三维人体网格的表面可见顶点；基于所述表面可见顶点与所述去噪处理后的点云数据进行非刚体配准，获得待测目标的三维位姿。
6、在第二方面，本申请提供一种目标运动状态预测方法，包括：基于上述目标姿态估计方法的技术方案中任一项技术方案所述的目标姿态估计方法获取所述待测目标的多帧图像数据和点云数据对应的三维位姿；基于所述多帧图像数据和点云数据对应的三维位姿对所述待测目标进行运动状态预测。
7、在上述目标运动状态预测方法的一个技术方案中，基于所述多帧图像数据和点云数据对应的待测目标的三维位姿对所述待测目标进行运动状态预测，包括：获取所述待测目标的历史三维位姿和当前三维位姿；分别基于所述历史三维位姿和当前三维位姿获取所述待测目标的历史运动状态和当前运动状态；基于所述待测目标的历史运动状态和当前运动状态预测所述待测目标下一帧的运动状态，所述运动状态至少包括待测目标的位置和速度。
8、在上述目标运动状态预测方法的一个技术方案中，所述获取所述待测目标的多帧图像数据和点云数据对应的三维位姿还包括：当获取非首帧图像数据和点云数据对应的三维位姿时，基于上一帧预测的运动状态对当前帧的点云数据进行筛选，获取候选点云数据；基于所述候选点云数据获取当前帧对应的三维位姿。
9、在上述目标运动状态预测方法的一个技术方案中，所述获取所述待测目标的历史运动状态和当前运动状态，还包括：对所述待测目标的当前帧对应的三维位姿进行卡方检验；若卡方检验通过，基于待测目标当前帧对应的三维位姿获取当前运动状态；若卡方检验未通过，获取待测目标上一帧的运动状态作为当前运动状态。
10、在上述目标运动状态预测方法的一个技术方案中，所述基于所述待测目标的历史运动状态和当前运动状态预测所述待测目标下一帧的运动状态，包括：基于匀速模型和卡尔曼滤波器对待测目标的运动状态进行建模，获取目标运动模型；基于所述待测目标的历史运动状态和当前运动状态，采用所述目标运动模型预测所述待测目标下一帧的运动状态。
11、在上述目标运动状态预测方法的一个技术方案中，所述基于所述多帧图像数据和点云数据对应的三维位姿对所述待测目标进行运动状态预测，包括：在所述多帧图像数据和点云数据中分别获取对应的图像数据初始帧和点云数据初始帧，所述点云数据初始帧的点云数据稀疏程度处于预设的点云阈值内，并且所述图像数据初始帧的图像数据遮挡程度处于预设的图像阈值内；从所述图像数据初始帧和所述点云数据初始帧开始，依次获取所述多帧图像数据和点云数据中每一帧对应的三维位姿；基于每一帧对应的三维位姿对所述待测目标进行运动状态预测。
12、在第三方面，本申请提供一种计算机可读存储介质，其中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行上述目标姿态估计方法或目标运动状态预测方法的技术方案中任一项技术方案所述的目标姿态估计方法或目标运动状态预测方法。
13、在第四方面，本申请提供一种智能设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器中存储有计算机程序，所述计算机程序被所述至少一个处理器执行时实现上述目标姿态估计方法或目标运动状态预测方法的技术方案中任一项技术方案所述的目标姿态估计方法或目标运动状态预测方法。
14、方案1.一种目标姿态估计方法，其特征在于，包括：
15、获取待测目标的点云数据和图像数据；
16、基于所述图像数据生成待测目标的三维人体网格；
17、基于所述图像数据对所述点云数据进行去噪处理；
18、基于所述三维人体网格与所述去噪处理后的点云数据进行点云配准，获得待测目标的三维位姿。
19、方案2.根据方案1所述的方法，其特征在于，所述基于所述图像数据对所述点云数据进行去噪处理，包括：
20、基于所述图像数据生成待测目标的视锥体；
21、基于所述视锥体、或所述视锥体及聚类算法，对所述待测目标的点云数据进行去噪处理。
22、方案3.根据方案2所述的方法，其特征在于，所述基于所述视锥体、或所述视锥体及聚类算法，对所述待测目标的点云数据进行去噪处理，包括：
23、基于所述视锥体对所述点云数据进行过滤，以去除点云数据中的异常值；
24、或，
25、基于聚类算法对所述待测目标的点云数据进行分割处理；
26、基于所述视锥体对分割处理后的点云数据进行过滤，以去除点云数据中的异常值。
27、方案4.根据方案1-3中任一项所述的方法，其特征在于，基于所述三维人体网格与所述去噪处理后的点云数据进行点云配准，获得待测目标的三维位姿，包括：
28、通过体渲染提取所述三维人体网格的表面可见顶点；
29、基于所述表面可见顶点与所述去噪处理后的点云数据进行非刚体配本文档来自技高网...
【技术保护点】
1.一种目标姿态估计方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述图像数据对所述点云数据进行去噪处理，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述视锥体、或所述视锥体及聚类算法，对所述待测目标的点云数据进行去噪处理，包括：
4.根据权利要求1-3中任一项所述的方法，其特征在于，基于所述三维人体网格与所述去噪处理后的点云数据进行点云配准，获得待测目标的三维位姿，包括：
5.一种目标运动状态预测方法，其特征在于，包括：
6.根据权利要求5所述的方法，其特征在于，基于所述多帧图像数据和点云数据对应的待测目标的三维位姿对所述待测目标进行运动状态预测，包括：
7.根据权利要求6所述的方法，其特征在于，所述获取所述待测目标的多帧图像数据和点云数据对应的三维位姿还包括：
8.根据权利要求6所述的方法，其特征在于，所述获取所述待测目标的历史运动状态和当前运动状态，还包括：
9.根据权利要求6-8中任一项所述的方法，其特征在于，所述基于所述待测目标的历
10.根据权利要求5所述的方法，其特征在于，所述基于所述多帧图像数据和点云数据对应的三维位姿对所述待测目标进行运动状态预测，包括：
...【技术特征摘要】
1.一种目标姿态估计方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述图像数据对所述点云数据进行去噪处理，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述视锥体、或所述视锥体及聚类算法，对所述待测目标的点云数据进行去噪处理，包括：
4.根据权利要求1-3中任一项所述的方法，其特征在于，基于所述三维人体网格与所述去噪处理后的点云数据进行点云配准，获得待测目标的三维位姿，包括：
5.一种目标运动状态预测方法，其特征在于，包括：
6.根据权利要求5所述的方法，其特征在于，基于所述多帧图像数据和点云数...
【专利技术属性】
技术研发人员：郭强，戴国政，
申请(专利权)人：安徽蔚来智驾科技有限公司，
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。