【技术实现步骤摘要】
本专利技术属于多传感器多模态计算机视觉，涉及一种多目标识别与跟踪方法、系统、设备和介质。
技术介绍
1、在自动驾驶领域，准确高效的目标识别与跟踪技术是至关重要的。自动驾驶汽车需要实时检测和跟踪道路上的车辆、行人、障碍物等目标，以确保行车安全和智能决策。尽管深度学习推动了目标识别与跟踪算法的飞速发展，但仍面临一些挑战，如遮挡、光照变化、目标形变等，可能导致识别和跟踪的错误或丢失。此外，单一传感器获取的信息有限，难以全面感知目标状态。
2、通过融合多种传感器(如视觉、3d激光雷达等)获取互补的目标信息，可以显著提高目标识别和跟踪的精度和鲁棒性。例如，视觉传感器提供目标的外观和语义信息，而激光雷达则能精确测量目标的位置和运动信息，多模态融合可最大限度地利用各传感器的优势，从而大幅提升目标识别和跟踪的准确性和鲁棒性。
3、然而，多模态融合也面临一些挑战，如时间同步、空间配准和异构数据融合等问题，进而影响多模态融合的自动驾驶系统的感知性能、决策准确性和安全性。
技术实现思路
...
【技术保护点】
1.多目标识别与跟踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的多目标识别与跟踪方法，其特征在于，所述获取目标的二维特征，根据目标的二维特征对目标进行跟踪和关联，同时为目标绘制边界框，得到有分类标签框的二维图像，具体如下：
3.根据权利要求2所述的多目标识别与跟踪方法，其特征在于，所述使用YOLO目标检测算法检测输入图像或视频帧中的目标，具体如下：
4.根据权利要求2所述的多目标识别与跟踪方法，其特征在于，所述将目标的特征向量输入DeepOCSORT，利用DeepOCSORT的对目标进行跟踪和关联，具体如下：
<...【技术特征摘要】
1.多目标识别与跟踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的多目标识别与跟踪方法，其特征在于，所述获取目标的二维特征，根据目标的二维特征对目标进行跟踪和关联，同时为目标绘制边界框，得到有分类标签框的二维图像，具体如下：
3.根据权利要求2所述的多目标识别与跟踪方法，其特征在于，所述使用yolo目标检测算法检测输入图像或视频帧中的目标，具体如下：
4.根据权利要求2所述的多目标识别与跟踪方法，其特征在于，所述将目标的特征向量输入deepocsort，利用deepocsort的对目标进行跟踪和关联，具体如下：
5.根据权利要求1所述的多目标识别与跟踪方法，其特征在于，所述获取目标的三维点云信息和初始运动向量，对三维点云信息进行聚类并根据聚类结果分割成为不同的三维点集，具体如下：
6.根据权利要求1所述的多目标识别与跟踪方法，其特征在于，所述计算三维点...
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。