[发明专利]一种确定目标对象跟踪门限的方法、装置

说明书

本申请实施例涉及自动驾驶技术领域，具体涉及一种确定目标对象跟踪门限的方法、装置。该方法包括：确定至少一帧雷达点云，该至少一帧雷达点云为对目标对象进行测量得到的点数据集合，该至少一帧雷达点云包括第一帧雷达点云；确定对应于该第一帧雷达点云的N个跟踪门限，该N个跟踪门限包括第一门限，根据该第一门限中的点云数据确定K个置信度，该K个置信度与K个目标类别一一对应；根据该K个置信度确定第一目标类别；根据该第一目标类别，从该N个跟踪门限中确定用于跟踪该目标对象的目标门限。以确定目标对象的类别，进而可以目标对象的类别跟踪门限跟踪目标对象，可有效减少不同目标对象的航迹间干扰，降低误检率。

技术领域

本申请涉及自动驾驶技术领域，具体涉及一种确定目标对象跟踪门限的方法、装置。

背景技术

在车辆的自动驾驶过程中，目标识别(target classification)技术可以为车辆提供周围物体信息，可以车辆的后续行驶决策提供帮助。因此，目标识别对车辆对周围环境的感知具有至关重要的作用。目标识别，也可以称为目标种类，其可以是指将目标物体判定为某一种类的物体，即将一个目标物体从其他物体中区分出来。

一种方案为利用聚类算法对雷达点云上的检测点进行聚类，得到类簇。然后，根据同一类簇中检测点作为一个目标对象，进行分类。该方案精度较低，特别是在雷达点云中检测点较为稀疏(例如，毫米波雷达分辨率较低，其雷达点云中检测点较为稀疏)的情况下，目标物体分类精度较低，存在大量误检。参阅图1A和图1B，利用聚类算法对雷达点云上的检测点进行聚类往往会出现单个物体对应的检测点被聚类为多个类簇。另外，利用聚类算法对雷达点云上的检测点进行聚类可以出现多个物体对应的检测点被聚为一个类簇。

一种方案为使用卡尔曼滤波、粒子滤波等跟踪算法，按照固定的门限框框定检测点。并将一个门限框框定的检测点视为一个目标对象，进行分类。可以理解，不同的物体尺寸大小不同，对应的检测点分布的范围不同。参阅图2A和图2B，在该方案中使用统一的跟踪门限框进行框定，往往会出现将不同物体对应的不同检测点框到一个门限框中，使得不同物体的航迹互相干扰，存在大量误检。

发明内容

本申请实施例提供了一种确定目标对象跟踪门限的方法、装置，可以确定目标对象的类别，进而可以提高目标对象的跟踪门限准确度，可有效减少不同目标对象的航迹间干扰，降低误检率。

第一方面，提供了一种确定目标对象跟踪门限的方法，包括确定至少一帧雷达点云，该至少一帧雷达点云为雷达对目标对象进行测量得到的点数据集合，该至少一帧雷达点云包括第一帧雷达点云；确定第一帧雷达点云对应的N个跟踪门限，该N个跟踪门限包括第一门限，根据第一门限中的点云数据确定K个置信度，该K个置信度与K个目标类别一一对应；至少一帧雷达点云中其他帧雷达点云可以参考第一帧雷达点云，分别得到K个置信度；可至少根据第一帧雷达点云的K个置信度确定第一目标类别；可根据第一目标类别，从N个跟踪门限中确定用于跟踪该目标对象的目标门限。

也就是说，本申请的方案可以确定目标对象属于不同目标类别的置信度，然后，根据属于不同目标类别的置信度，确定目标对象的类别，即第一目标类别，进而可根据目标对象的类别，确定适合目标对象的跟踪门限，作为用于跟踪目标对象的目标门限，通过对目标对象类别的综合判定可以提升分类的准确度，进而优化目标门限的确定。

在一种可能的实现方式中，第一帧雷达点云的K个置信度包括对应该第一目标类别的第一置信度，该第一置信度用于表征第一门限中的点云数据属于第一目标类别的准确度。参考第一置信度，K个置信度中的其他置信度用于表征第一门限中的点云数据属于该其他置信度对应的目标类别的准确度。

也就是说，在该实现方式中，可以确定第一门限中的点云数据属于不同目标类别的准确度，进而可以确定准确度最高的目标类别为目标对象的类别，可以确定出最适合目标对象的跟踪门限。

在一种可能的实现方式中，N个跟踪门限是根据预设的参数信息确定的，用于界定第一帧雷达点云中对应于该目标对象的范围。