[发明专利]一种用于无人配送车的3D目标追踪方法

说明书

本发明提供一种用于无人配送车的3D目标追踪方法，具体包括：将点云数据和图像数据输入3D检测器进行获取t时刻的3D检测目标，通过目标轨迹预测器预测t‑1时刻的3D追踪目标运动到t时刻轨迹，获取t时刻的3D虚目标；利用匹配器将3D检测目标与3D虚目标进行匹配，获取t时刻3D的追踪目标；其中，在特征相似度和类别差异因子和距离相似度满足条件下的情况下，选择距离最小的距离相似度对应的3D检测目标与3D虚目标为匹配对为最佳的匹配对。本发明通过设计3D虚目标与3D检测目标匹配，并且在匹配时，分别考虑了类别差异因子、特征相似度以及距离相似度三种度量，多种不同特征关联，提升了3D检测目标与3D虚目标的匹配的准确性。

技术领域

本发明涉及无人配送车的3D目标追踪领域，特别是涉及一种用于无人配送车的3D目标追踪方法。

背景技术

随着智能汽车的迅速发展，辅助驾驶是智能汽车的标配功能，在ADAS(高级辅助驾驶)中，多目标跟踪是一个非常关键的问题，通过识别车身前方的多个目标，预测多个目标的运动轨迹，从而采取相应的路径规划和决策，控制汽车行驶。因此多目标跟踪算法在无人车整体系统中起着“承上启下”的作用，是最核心的技术。但是现阶段，3D多目标仍然存在较多问题，一是计算量大，而是在检测目标与跟踪目标检测过程仅考虑目标中心点之间距离或者考虑检测目标与预测目标的3D IOU进行重叠，造成算法在一些场景下识别准确率低。

发明内容

基于现有技术中存在的缺陷，本发明提供一种用于无人配送车的3D目标追踪方法，至少包括：

获取车身前方的点云数据和图像数据，将点云数据和图像数据输入3D目标检测器进行检测，获取t时刻的3D检测目标；

获取t-1时刻的3D的追踪目标，通过目标轨迹预测器预测t-1时刻的3D追踪目标运动到t时刻轨迹，获取t时刻的3D虚目标；

利用匹配器将t时刻的3D检测目标与3D虚目标进行匹配，获取t时刻3D的追踪目标；

其中，匹配器的匹配具体包括：获取t时刻3D检测目标与3D虚目标距离相似度、特征相似度和3D检测目标与3D虚目标的类别差异因子；

若类别差异因子为1和特征相似度小于预设第一相似度阈值，获取3D检测目标与3D虚目标中所有对应的距离相似度，选择距离相似度最小3D检测目标与3D虚目标为匹配对。

一种用于无人配送车的3D目标追踪方法，进一步地，t时刻，当满足条件3D检测目标的数量与3D虚目标的数量不一致时，若存在任一个3D检测目标与多个不同的3D虚目标匹配成功或存在任一个3D虚目标与多个不同的3D检测目标匹配成功；

查询所有匹配对对应的特征相似度，然后选择特征相似度最大的匹配对为最终3D检测目标与3D虚目标对应的匹配对。

一种用于无人配送车的3D目标追踪方法，进一步地，若3D检测目标与3D虚目标的类别差异因子为0，则认为不匹配；

若3D检测目标与3D虚目标的相似度小于预设第一相似度阈值，则认为不匹配；若相似度距离大于预设第二相似度阈值时，则认为不匹配。

一种用于无人配送车的3D目标追踪方法，至少包括：

获取车身前方的点云数据和图像数据，将点云数据和图像数据输入3D目标检测器进行检测，获取t时刻的3D检测目标；

获取t-1时刻的3D的追踪目标，通过目标轨迹预测器预测t-1时刻的3D追踪目标运动到t时刻轨迹，获取t时刻的3D虚目标；

利用匹配器将t时刻的3D检测目标与3D虚目标进行匹配，获取t时刻3D的追踪目标；

其中，匹配器的匹配具体包括：获取t时刻3D检测目标与3D虚目标距离相似度、3D检测目标与3D虚目标的类别差异因子；