[发明专利]一种基于运动方向变化的候选种子的点云单目标跟踪方法

权利要求书

1.一种基于运动方向变化的候选种子的点云单目标跟踪方法，其特征在于，包括训练部分和测试部分，训练部分包括以下步骤：

步骤1.1：对激光雷达上获取的点云数据预处理：对所有片段的目标点云中心点进行居中对齐，并且裁剪成为一个模板点云，并保证所裁剪的目标点云点数N固定，得到该目标的模板点云X；

步骤1.2：对每一帧跟踪目标点云进行高斯采样，高斯采样以目标点云的中心为原点，得到m个关于位置的偏置(Δx,Δy,Δz)，将位置的偏置附加到该帧跟踪目标点云中心坐标(x，y，z)上，得到候选点云的中心坐标目标点云的长宽高作为候选点云的长宽高，将当前帧的目标点云的所有点添加给候选点云，并保持点数与模板点云点数N一致，若少于模板点云点数则随机增加点云点数，若多于模板点云点数随机抛弃模板点数，得到m组候选点云

步骤1.3：分别将模板点云和候选点云依次输入到编码器，得到1个模板点云的模板特征向量F_m和m个候选点云的候选特征向量F_C,编码器包括三个顺序连接的相同的子结构，每个子结构包括1D cov层、ReLU层和BN层，最后一个子结构连接最大池化层；

步骤1.4：计算余弦相似性，模板特征向量F_m分别与候选特征向量F_c做相似度表达，具体为：

步骤1.5：计算距离损失函数，高斯采样得到m个关于位置的偏置，偏置是模板点云X中心与候选点云中心的空间距离，使用d＝L2范数表示空间距离，并且使用三维高斯函数ρ(d)将空间距离范数归一化成0到1之间，采用均方损失函数作为回归函数，距离损失函数具体为：

其中，n为一次训练时的样本数量；

步骤1.6：计算方向损失函数，采用均方损失函数作为回归函数，方向损失函数具体为：

其中，BC_m为当前帧的跟踪点云目标的3维框，BC_c为当前帧的候选点云的3维框，BC_m∩BC_c表示当前帧的跟踪点云目标与候选点云的交集，BC_m∪BC_c表示当前帧的跟踪点云目标与候选点云并集，认为是当前帧的跟踪点云目标与候选点云的运动方向差，其数值范围为(0，1)，n为一次训练时的样本数量；

步骤1.7：训练，训练的损失函数具体为：

L_tr＝λL_d+(1-λ)L_o+λ_coL_co

其中，参数λ_co与λ均为设定常数，循环步骤1.1到步骤1.7进行训练；

测试部分包括以下步骤：

步骤2.1：检测当前帧点云目标：对当前帧的点云使用PointRcnn模型进行目标检测；

步骤2.2：候选区域采样：对于上一帧的跟踪结果，根据以其中心坐标(x，y，z)和长宽高(1，w，h)为尺度计算候选区域CR，

然后判断所有检测到的前帧点云目标的中心坐标是否在候选区域CR内，若存在候选区域CR内的检测目标，则这些目标即为候选点云；若无检测目标的坐标在候选区域CR内，则以上一帧跟踪目标的中心坐标为原点，进行高斯采样，得到m个关于位置的偏置(Δx，Δy，Δz)，将位置的偏置附加到上一帧跟踪目标的中心坐标(x，y，z)上，得到候选点云的中心坐标目标的长宽高作为候选点云的长宽高，将上一帧跟踪目标点云添加给每一个候选点云；

步骤2.3：编码：使用训练部分训练后的模型对将上一帧跟踪目标点云和候选点云进行编码，得到1个上一帧跟踪目标点云特征向量和m个候选点云特征向量；

步骤2.4：余弦相似性判断：将1个上一帧跟踪目标点云特征向量分别与m个候选点云特征向量进行余弦相似性对比，其中余弦相似性最大值对应的点云即跟踪目标；

步骤2.5：重复步骤2.1到步骤2.4，目标所出现的所有帧全部跟踪结束为止。

2.根据权利要求1所述的一种基于运动方向变化的候选种子的点云单目标跟踪方法，其特征在于：步骤1.6所述3维框具体为：

其中(l，w，h)表示长宽高，(x，y，z)表示中心坐标。

3.根据权利要求1或2所述的一种基于运动方向变化的候选种子的点云单目标跟踪方法，其特征在于：步骤2.2所述候选区域CR，具体为：

其中，为空间尺度。