[发明专利]通过无监督学习的对象跟踪

权利要求书

1.一种用于车辆的方法，包括：

获取多个第一3D数据点和多个第二3D数据点；

根据所述多个第一3D数据点确定以对象为中心的第一矩形边界；

基于所述第一矩形边界和所述多个第二3D数据点通过联合概率确定以所述对象为中心的第二矩形边界；以及

基于所述对象驾驶车辆，

其中，所述对象通过随机变量Z_1:k的联合贝叶斯概率分布p(B,C_k,Θ_k|Z_1:k)来建模，所述联合贝叶斯概率分布p(B,C_k,Θ_k|Z_1:k)由以下方程确定：

2.根据权利要求1所述的方法，其中所述3D数据点由激光雷达确定。

3.根据权利要求1所述的方法，其中确定所述对象包括确定所述第一矩形边界和所述第二矩形边界的位置、姿势和尺寸。

4.根据权利要求1所述的方法，其中确定所述对象包括将所述第一3D数据点与先前获取的3D数据点进行比较以确定对象数据点和背景数据点。

5.根据权利要求4所述的方法，其中所述第一矩形边界和所述第二矩形边界是通过使所述对象数据点相对于所述背景数据点的联合概率最大化来确定的。

6.根据权利要求5所述的方法，其中最大化所述联合概率确定以所述对象数据点为中心的3×3网格，其中所述3×3网格的中心网格包括一个或多个对象点并且不包括背景数据点。

7.根据权利要求6所述的方法，其中所述第一矩形边界被定义为所述3×3网格的中心网格，并且被用作基于所述联合概率确定所述第二矩形边界的起始点。

8.根据权利要求7所述的方法，其中所述联合概率是贝叶斯概率，其中对象数据点属于所述对象的概率由所述对象数据点在先前时间步长中属于所述对象的概率来决定。

9.根据权利要求8所述的方法，其中联合概率最大化是通过使所述联合概率的自然对数最大化来确定的。

10.根据权利要求9所述的方法，其中通过确定每个所述联合概率的自然对数的梯度来使所述联合概率最大化。

11.根据权利要求3所述的方法，其中所述矩形边界是由两点和一个角定义的矩形。

12.根据权利要求1所述的方法，其中p(Z_k|B,C_k,Θ_k,Z_1:k-1)是在时间步长k处的测量似然，p(B|Z_1:k-1)表示先前的时间步长的框尺寸，并且表示模拟时间步长k和k-1处的3D数据点B(位置)以及封闭框参数C_k、Θ_k(尺寸和姿势)的所述联合贝叶斯概率的随机过程模型。

13.一种用于车辆的系统，包括被编程为执行权利要求1-12中任一项的方法的计算机。

14.一种用于车辆的装置，包括：

处理器；

存储器，所述存储器存储可由所述处理器执行以进行以下操作的指令：

获取多个第一3D数据点和多个第二3D数据点；

根据所述多个第一3D数据点确定以对象为中心的第一矩形边界；基于所述第一矩形边界和所述多个第二3D数据点通过联合概率确定以所述对象为中心的第二矩形边界；以及

基于所述对象驾驶车辆，

其中，所述对象通过随机变量Z_1:k的联合贝叶斯概率分布p(B,C_k,Θ_k|Z_1:k)来建模，所述联合贝叶斯概率分布p(B,C_k,Θ_k|Z_1:k)由以下方程确定：