[发明专利]利用模型几何学习跟踪移动对象的扩张状态的系统和方法

说明书

本文中提供了一种用于跟踪对象的扩张状态的系统和方法，对象的扩张状态包括指示对象的位置的运动学状态和指示对象的尺寸和取向之一或组合的伸展状态。该系统包括：至少一个传感器，其被配置为利用一个或多个信号传输探测包括移动对象的场景，以每传输生成对象的一个或多个测量；以及处理器，其被配置为执行概率滤波器，该概率滤波器跟踪由对象的运动模型和对象的测量模型估计的对象的扩张状态的联合概率，其中，测量模型包括具有预定截断区间的中心截断分布。该系统还包括输出接口，其被配置为输出对象的扩张状态。

相关申请

本申请是2020年2月13日提交的未决申请16/789,931的部分延续。

技术领域

本发明总体上涉及汽车对象跟踪，更具体地，涉及用于跟踪对象的扩张(expanded)状态的系统和方法。

背景技术

车辆(自主车辆或半自主车辆)所采用的控制系统为车辆预测安全运动或路径以便避免与诸如其它车辆或行人的障碍物的碰撞，并且控制系统还优化了关联到车辆的操作的一些标准。车辆的传感器感测诸如道路边缘、行人和其它车辆的周围环境。汽车雷达从现有ADAS(高级驾驶员辅助系统)到新兴的自主驾驶辅助系统已显露了其作用。连同超声、相机和LIDAR传感器一起，汽车雷达以可承受的成本和可伸缩生产辅助在全天候条件下进行环境感测和理解的任务。具体地，汽车雷达提供径向速度的直接测量，操作范围长，毫米或亚太赫兹频带的小尺寸，空间分辨率高。

车辆的控制系统基于汽车雷达测量来跟踪其它车辆的对象状态(其中对象状态包括运动学状态)，以控制车辆。与每次扫描仅包括一个测量的传统点对象跟踪相比，通过从仅运动学状态到运动学状态和伸展(extended)状态二者增强对象状态，每次扫描具有多个测量的伸展对象跟踪(EOT)已显示出改进的对象跟踪。伸展状态提供所跟踪的对象的尺寸和取向。为了实现这一点，需要连同传感器噪声一起捕获空间分布(即，汽车雷达测量如何围绕对象空间分布)。当前方法包括刚体上的固定点集合的框架，其即使对于单个对象跟踪，也需要固定点集合与汽车雷达检测之间的不可伸缩数据关联。诸如轮廓模型和表面模型的空间模型绕过繁琐的数据关联步骤。

对于汽车雷达测量，轮廓模型反映沿着对象(例如，刚体)轮廓的测量分布，表面模型假设从二维形状的内表面生成雷达测量。轮廓模型的示例包括简单矩形形状以及由随机超曲面模型或高斯过程模型建模的更一般的星凸形状。与需要更多自由度来描述更复杂形状的轮廓模型相比，诸如基于高斯的椭圆和基于分层高斯的椭圆模型的表面模型在计算上简单很多。然而，对象的测量受噪声影响，并且仅从对象表面接收反射，因此，上述模型与真实世界汽车雷达测量相去甚远，因为观测到真实世界汽车雷达测量是围绕具有特定体积的刚性对象的边缘或表面分配的。

因此，需要一种通过捕获真实世界汽车雷达测量来跟踪对象的运动学状态和伸展状态的系统和方法。

发明内容

一些实施方式的目的在于提供一种用于跟踪对象的扩张状态的系统和方法。对象的扩张状态包括指示对象的位置的运动学状态和指示对象的尺寸和取向之一或组合的伸展状态。一些实施方式基于这样的认识：对象的扩张状态可使用中心截断分布和对应底层未截断高斯分布来估计。

一些实施方式基于使用汽车雷达测量来跟踪对象的目标。为此，在一些实施方式中，利用每次扫描从对象接收单个测量的点对象跟踪来跟踪对象。点对象跟踪仅提供对象的运动学状态(位置)。此外，利用具有运动学状态分布的测量模型的概率滤波器来跟踪对象。一些实施方式基于伸展对象跟踪(EOT)，其中跟踪多个对象并且与各个对象对应生成每时间步多个测量。测量是围绕对象空间构造的。伸展对象跟踪提供对象的运动学状态和伸展状态(尺寸和取向)二者。运动学状态和伸展状态合称为扩张状态。利用具有扩张状态分布的测量模型的概率滤波器来跟踪对象。

然而，真实世界汽车雷达测量分布表明来自对象的多个反射是复杂的。由于这种复杂性，测量模型的设计变得复杂。因此，常规测量模型仅适用于运动学状态，而不适用于伸展状态。