[发明专利]应用地图以改善目标跟踪、车道分配和分类的系统和方法

说明书

本发明题为“应用地图以改善目标跟踪、车道分配和分类的系统和方法”。本发明公开了用于增强对象跟踪的方法和系统，通过：接收与目标对象和对象跟踪相关的传感器融合数据；确定表示每个目标对象的轨线的键齿；基于第一、第二和第三过滤模型过滤关于每个目标对象的传感器融合数据，其中每个过滤模型对应于用于处理与跟踪对象的轨线相关的向量的一组假设中的一个或多个，其中该组假设包括：路径约束、路径无约束和静止假设；以及生成用于确定是否使用基于特定假设的假设概率，其中基于来自第一、第二和第三过滤模型的结果以及通过至少一个分类模型对与目标对象的对象跟踪相关的一个或多个特征进行分类的结果来确定假设概率。

背景技术

本技术领域一般涉及感知系统和方法，并且更具体地涉及用于对象跟踪、车道分配和分类以改善感知模型来跟踪对象的系统和方法。

自主和半自主车辆需要高度准确地感知对象到对象跟踪。对象跟踪的感知可能受到透视失真的影响。这会导致对象的车道识别不正确。另外，来自车辆传感器的传感器数据可能包含显著的噪声，因此进一步降低了对感知对象进行车道分配的准确性。此类差异是有问题的，因为自主车辆尤其需要正确识别道路附近的停放车辆以及道路上的静止车辆。

因此，希望提供用于改善跟踪车辆和对象跟踪(诸如道路上的非静止车辆)以及道路上或附近的停放的/静止车辆/对象的感知模型的系统和方法。

此外，通过随后的详细描述和所附权利要求，结合附图和前述技术领域和背景技术，本发明的其他期望特征和特性将变得显而易见。

发明内容

本发明公开了一种用于对象跟踪、车道分配和分类的系统和方法，该系统和方法通过使用地图数据并生成多个假设来改善用于跟踪对象的感知模型，这些多个假设考虑了由对象跟踪的感测噪声引起的模糊以及用于基于附加目标对象信息执行对目标对象的概率分类。

在一个实施方案中，提供了一种用于增强对象跟踪的方法。该方法包括：由设置在车辆中的处理单元接收与多个目标对象和关于车辆的对象跟踪相关的传感器融合数据；由处理单元确定表示每个目标对象到对象跟踪的轨线的一个或多个键齿；由处理单元基于第一过滤模型、第二过滤模型和第三过滤模型过滤关于对象跟踪的每个目标对象的传感器融合数据；其中每个过滤模型对应于用于处理与跟踪对象的轨线相关的向量的一组假设中的一个或多个，其中该组假设包括：路径约束、路径无约束和静止假设；并且由处理单元生成用于确定是否使用特定假设的假设概率，其中基于来自第一过滤模型、第二过滤模型和第三过滤模型的结果以及通过至少一个分类模型对与目标对象的对象跟踪相关的一个或多个特征进行分类的结果来确定假设概率。

该方法还包括：使用由路径约束假设导出的过程模型，由处理单元跟踪目标对象到弗莱纳(Frenet)框架，并且将目标对象约束到由建模到车道中心的参数键齿的参数u_t表示的过程模型中的位置，以及由来自车道中心的符号距离参数l_t表示的横向位置。每个假设具有对应的朴素贝叶斯模型，其具有似然性L_i(x)或用于L_i(x)的适用的合并模型。

该方法还包括：由处理单元使用朴素贝叶斯模型以贝叶斯方式更新假设概率，其中侧向位置是每个对象i的p_i，x是包含至少一个跟踪位置的跟踪数据，而P_t(H_i│x)是假设i的概率。该L_i(x)是具有先验参数的不同似然性的乘积，包括：L_i(x)＝N(d|μ＝100，σ＝100)N(v|μ＝0，σ＝T00)，其中N(x|μ，σ)是具有平均值μ和标准偏差σ的高斯PDF，并且d是到下一个十字路口的距离，v是速度。跟踪对象的过程模型包括：更新键齿参数，v_t+1＝v_t+ΔTa_t更新纵向速度，a_t+1＝a_t更新纵向速度，l_t+1＝l_t更新侧向位置偏置更新，并且更新车道方位，其中u_n是离散时间的目标键齿参数n,a_n是加速度，并且φ_n是方位角。