System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种自动驾驶环境感知,特别是关于一种基于稀疏注意力机制的多目标跟踪方法、系统及存储介质。
技术介绍
1、近年来,随着自动驾驶技术的不断发展,利用激光雷达获取的点云数据进行环境感知逐渐成为保障自动驾驶车辆安全的重要环节。在基于pointrcnn、centerpoint、pointpillars等目标检测技术实现准确的三维目标检测的基础上,如何进一步结合时序多帧的观测实现对目标运动状态的估计是近年来感知领域的研究热点之一。传统的三维多目标跟踪方法大多采用局部跟踪的方式,即预先设定目标的时序轨迹,然后基于匈牙利匹配和卡尔曼滤波方法逐步加入新的观测,并在此基础上进行轨迹更新,如ab3dmot等。
2、目前,视觉2d多目标跟踪领域出现了全局跟踪的思路,取得了更加鲁棒的跟踪效果,然而其应用场景有限,仅能在图像平面内对目标进行跟踪,同时随着引入的时序长度增加,其中的注意力模块计算复杂度呈平方增长,计算延时大,算法实时性低。
技术实现思路
1、针对上述问题,本专利技术的目的是提供一种基于稀疏注意力机制的多目标跟踪方法、系统及存储介质,具有实现处理速度更快、准确率和鲁棒性更高的三维多目标跟踪效果。
2、为实现上述目的,本专利技术采取以下技术方案:一种基于稀疏注意力机制的多目标跟踪方法,其包括:将获取的多帧激光点云数据进行三维目标检测后,分别得到当前时刻目标检测结果和历史时刻目标检测结果,并分别进行目标特征编码,得到当前时刻目标特征和历史时刻目标特征;构建当前时刻
3、进一步,将获取的多帧激光点云数据进行三维目标检测,包括:
4、采用三维目标检测器对激光点云数据进行三维目标检测,得到的检测结果为当前时刻下多个目标的三维空间位置信息,作为当前时刻目标检测结果;
5、将获取的历史多帧激光点云数据分别经三维目标检测器处理后,得到历史时刻检测结果,并将历史时刻所有检测结果排列在一起作为历史时刻目标检测结果。
6、进一步,对当前时刻目标检测结果进行目标特征编码,包括:
7、对当前时刻目标检测结果进行特征编码,该编码器由两层堆叠的多层感知机构成,由编码器输出当前时刻目标特征。
8、进一步,对历史时刻目标检测结果进行目标特征编码,包括:
9、对历史时刻目标检测结果进行特征编码,采用两组参数不同的两层堆叠mlp作为编码器,由该编码器输出历史时刻目标特征。
10、进一步,通过注意力掩膜得到当前时刻目标与历史所有时刻全局目标之间的稀疏注意力矩阵,包括:
11、假设注意力掩膜为并将其中的元素初始化为1,表征任意当前时刻的目标和任意历史时刻的目标之间都需要关联;
12、计算当前时刻任意目标和历史时刻任意目标之间的三维空间距离dij,将其根据目标的索引排列在一起得到距离矩阵
13、设定距离阈值dth,若两个目标之间的距离大于阈值dth,则认为二者不需要进行注意力计算,否则需要注意力计算,根据注意力计算得到当前时刻目标和历史时刻目标之间的注意力掩膜
14、根据得到的注意力掩膜,计算当前时刻目标与历史所有时刻全局目标之间的稀疏注意力矩阵
15、进一步,根据稀疏注意力矩阵对历史时刻所有目标特征进行加权处理,包括:
16、将稀疏注意力矩阵作为权重矩阵对历史时刻所有目标特征进行加权,得到优化后的当前时刻状态特征;
17、根据优化后的当前时刻状态特征,将状态估计头采用两层mlp进行计算,得到状态估计结果。
18、进一步,最终的关联匹配结果的获取,包括:
19、在历史帧所处的不同时刻,将稀疏注意力矩阵拆解为多个当前时刻目标与历史不同时刻目标之间的子注意力矩阵;
20、对子注意力矩阵进行归一化和取最大值索引后,得到历史不同时刻下与当前时刻目标关联度最高的目标作为关联结果;
21、将历史所有时刻的关联结果拼接在一起的到最终的关联匹配结果。
22、一种基于稀疏注意力机制的多目标跟踪系统,其包括:目标检测及目标特征编码模块,将获取的多帧激光点云数据进行三维目标检测后,分别得到当前时刻目标检测结果和历史时刻目标检测结果,并分别进行目标特征编码,得到当前时刻目标特征和历史时刻目标特征;稀疏注意力模块,构建当前时刻目标特征与历史时刻目标特征之间的注意力矩阵,计算得到当前时刻目标与历史时刻目标之间的注意力掩膜,通过注意力掩膜得到当前时刻目标与历史所有时刻全局目标之间的稀疏注意力矩阵;状态估计结果及关联匹配结果输出模块,根据稀疏注意力矩阵对历史时刻所有目标特征进行加权处理后,得到状态估计结果;并在历史帧所处的不同时刻,根据稀疏注意力矩阵得到历史所有时刻的关联结果,将历史所有时刻的关联结果作为最终的关联匹配结果。
23、一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行上述方法中的任一方法。
24、一种计算设备,其包括:一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行上述方法中的任一方法的指令。
25、本专利技术由于采取以上技术方案,其具有以下优点:
26、1、本专利技术采用全局关联匹配的思路,有效降低了由于上游检测误差带来的误关联、遗漏目标的问题,大幅提升了关联的准确性和鲁棒性。
27、2、本专利技术在全局特征交互的过程中设计了稀疏注意力机制,有效滤除了场景中的无关目标之间的注意力计算,在保障关联效果不下降的同时大幅降低了计算复杂度,提升了跟踪算法的处理速度。
本文档来自技高网...【技术保护点】
1.一种基于稀疏注意力机制的多目标跟踪方法,其特征在于,包括:
2.如权利要求1所述基于稀疏注意力机制的多目标跟踪方法,其特征在于,将获取的多帧激光点云数据进行三维目标检测,包括:
3.如权利要求1所述基于稀疏注意力机制的多目标跟踪方法,其特征在于,对当前时刻目标检测结果进行目标特征编码,包括:
4.如权利要求1所述基于稀疏注意力机制的多目标跟踪方法,其特征在于,对历史时刻目标检测结果进行目标特征编码,包括:
5.如权利要求1所述基于稀疏注意力机制的多目标跟踪方法,其特征在于,通过注意力掩膜得到当前时刻目标与历史所有时刻全局目标之间的稀疏注意力矩阵,包括:
6.如权利要求1所述基于稀疏注意力机制的多目标跟踪方法,其特征在于,根据稀疏注意力矩阵对历史时刻所有目标特征进行加权处理,包括:
7.如权利要求1所述基于稀疏注意力机制的多目标跟踪方法,其特征在于,最终的关联匹配结果的获取,包括:
8.一种基于稀疏注意力机制的多目标跟踪系统,其特征在于,包括:
9.一种存储一个或多个程序的计算机可读
10.一种计算设备,其特征在于,包括:一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行如权利要求1至7所述方法中的任一方法的指令。
...【技术特征摘要】
1.一种基于稀疏注意力机制的多目标跟踪方法,其特征在于,包括:
2.如权利要求1所述基于稀疏注意力机制的多目标跟踪方法,其特征在于,将获取的多帧激光点云数据进行三维目标检测,包括:
3.如权利要求1所述基于稀疏注意力机制的多目标跟踪方法,其特征在于,对当前时刻目标检测结果进行目标特征编码,包括:
4.如权利要求1所述基于稀疏注意力机制的多目标跟踪方法,其特征在于,对历史时刻目标检测结果进行目标特征编码,包括:
5.如权利要求1所述基于稀疏注意力机制的多目标跟踪方法,其特征在于,通过注意力掩膜得到当前时刻目标与历史所有时刻全局目标之间的稀疏注意力矩阵,包括:
6.如权利要求1所述基于稀疏注意力机制的多目标跟踪方法,其特征...
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。