【技术实现步骤摘要】
本专利技术涉及感知融合，尤其是涉及一种车端和路端感知融合的目标跟踪方法、系统及介质。
技术介绍
1、跟车、跟人行驶在自动驾驶场景中非常常见。当前自动驾驶车辆主要配置激光雷达、毫米波雷达、相机、组合导航定位模块、自动驾驶域控制器等，其中激光雷达、毫米波雷达以及相机均可感知前向障碍物，组合导航可实现自身定位，通过对前向障碍物感知及结合自身定位，即可实现对前向感知到的人或者车辆进行跟踪行驶。随着深度学习算法优化，相机识别虽有一定精度，但在光线昏暗、大雨大雪场景下，识别效果较差，且图像不能更好的识别距离，影响横纵向跟车精度。
技术实现思路
1、鉴于以上问题，本专利技术提供了一种车端和路端感知融合的目标跟踪方法、系统及介质，不仅解决了视觉感知距离识别精度不够问题，而且解决了视觉感知、雷达感知融合无法在天气恶劣场景下精准识别的问题。
2、为了实现上述目的及其他相关目的，本专利技术提供的技术方案如下：
3、一种车端和路端感知融合的目标跟踪方法，所述方法包括：
4、q1...
【技术保护点】
1.一种车端和路端感知融合的目标跟踪方法，其特征在于，所述方法包括：
2.根据权利要求1所述的车端和路端感知融合的目标跟踪方法，其特征在于：所述道路的路况数据信息包括道路的行人数据信息、道路的其他车辆数据信息、道路的路基数据信息和道路的附属设施数据信息。
3.根据权利要求1所述的车端和路端感知融合的目标跟踪方法，其特征在于，在步骤Q2中，所述将所述道路的图像数据信息输入障碍物识别和分类网络模型进行障碍物的识别和分类包括：
4.根据权利要求3所述的车端和路端感知融合的目标跟踪方法，其特征在于：所述障碍物识别参数α，β和γ的关系函数为H
5....
【技术特征摘要】
1.一种车端和路端感知融合的目标跟踪方法，其特征在于，所述方法包括：
2.根据权利要求1所述的车端和路端感知融合的目标跟踪方法，其特征在于：所述道路的路况数据信息包括道路的行人数据信息、道路的其他车辆数据信息、道路的路基数据信息和道路的附属设施数据信息。
3.根据权利要求1所述的车端和路端感知融合的目标跟踪方法，其特征在于，在步骤q2中，所述将所述道路的图像数据信息输入障碍物识别和分类网络模型进行障碍物的识别和分类包括：
4.根据权利要求3所述的车端和路端感知融合的目标跟踪方法，其特征在于：所述障碍物识别参数α，β和γ的关系函数为h，
5.根据权利要求1所述的车端和路端感知融合的目标跟踪方法，其特征在于，在步骤q3中，所述采用障碍物的特征映射融合算法对障碍物的图像和点云数据信息进行特征融合和分类包括：
【专利技术属性】
技术研发人员：陆鑫，胡子辉，刘易斯，夏海鹏，
申请(专利权)人：东风悦享科技有限公司，
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。