一种目标轨迹生成方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种目标轨迹生成方法、装置、电子设备及存储介质，该方法包括：将至少两帧目标点云数据输入到目标检测模型，通过目标检测模型输出位姿检测结果与至少两帧目标点云数据各自对应的实际检测结果；基于位姿检测结果和运动模型，从至少两帧目标点云数据的实际检测结果对应的各个候选检测结果中，筛选出目标对象的至少两个目标检测结果；目标对象为对至少一个候选对象进行筛选确定，至少两个目标检测结果隶属于不同帧的目标点云数据对应的实际检测结果；基于目标对象对应的至少两个目标检测结果，生成目标对象的轨迹。本方案可以实现较为全面可靠的目标检测，并生成精准的目标轨迹。

【技术实现步骤摘要】

本专利技术涉及自动驾驶，尤其涉及一种目标轨迹生成方法、装置、电子设备及存储介质。

技术介绍

1、随着自动驾驶技术的发展，车辆对环境的感知和理解变得尤为重要，目标轨迹生成是构建交通场景中的关键环节，负责根据车辆的当前位置、目标位置以及周围环境信息，获得目标的行驶路径。然而在2d图像感知中，缺少深度信息；在3d点云感知中，目标信息在时序上是离散且无序的，同时目标检测结果会存在不稳定以及被遮挡目标很难检测等问题，直接影响目标轨迹的预测。可以说，3d目标检测算法是影响自动驾驶系统安全性的重要因素。目前针对点云的3d目标检测方案主要分为基于点和基于网格的方法，基于点的方法存在推理时间瓶颈，由于是直接对点云进行处理，需要对点云采样，计算成本高，同时在特征学习中容易造成3d细粒度信息丢失等问题。基于网格的方法会随着坐标的转换不可避免的导致丢失3d信息，其效果很大程度上取决于网格单元的大小，这种方法难以平衡较小网格尺寸带来的功效和内存增加影响的效率。

技术实现思路

1、本专利技术提供一种目标轨迹生成方法、装置、电子设备及存储本文档来自技高网...

【技术保护点】

1.一种目标轨迹生成方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述目标检测模型的训练过程，包括：

3.根据权利要求2所述的方法，其特征在于，所述相邻两帧历史点云数据之间的历史位姿关系的确定过程，包括：

4.根据权利要求3所述的方法，其特征在于，对各帧历史点云数据进行栅格化的过程，包括：

5.根据权利要求1所述的方法，其特征在于，所述通过目标检测模型基于各帧历史点云数据对应的时序信息将栅格化后的各帧历史点云数据进行融合，得到各帧历史点云数据的3D点云特征，包括：

6.根据权利要求1所述的方法，其特...

【技术特征摘要】

1.一种目标轨迹生成方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述目标检测模型的训练过程，包括：

3.根据权利要求2所述的方法，其特征在于，所述相邻两帧历史点云数据之间的历史位姿关系的确定过程，包括：

4.根据权利要求3所述的方法，其特征在于，对各帧历史点云数据进行栅格化的过程，包括：

5.根据权利要求1所述的方法，其特征在于，所述通过目标检测模型基于各帧历史点云数据对应的时序信息将栅格化后的各帧历史点云数据进行融合，得到各帧历史点云数据的3d点云特征，包括：

6.根据...

【专利技术属性】
技术研发人员：杨娇娇，孙辉，戴一凡，
申请(专利权)人：清华大学苏州汽车研究院吴江，
类型：发明
国别省市：