[发明专利]一种基于卡尔曼滤波与匈牙利算法的道路3D车辆跟踪方法及系统

权利要求书

1.一种基于卡尔曼滤波与匈牙利算法的道路3D车辆跟踪方法，其特征在于，包括如下步骤：

步骤1、当前帧t进行目标检测，获取第t帧的目标检测集合；

步骤2、对当前帧t进行目标状态预测；

步骤3、将检测结果与预测的跟踪目标相匹配；

步骤4、根据匹配结果更新目标状态；

步骤5、对目标状态轨迹进行更新。

2.根据权利要求1所述的一种基于卡尔曼滤波与匈牙利算法的道路3D车辆跟踪方法，其特征在于，步骤1的具体实现包括：

基于预设的车辆检测器，进行视频帧的3D目标检测处理，获取目标检测结果，得到车辆目标的检测集合其中表示在t帧时刻检测的第n个目标车辆(共n个目标车辆)，

检测结果为车辆目标的3D包围盒，所述3D包围盒的信息包括：中心坐标(x,y,z)，尺度大小(h,w,l)，方向角θ，检测置信度s。

3.根据权利要求1所述的一种基于卡尔曼滤波与匈牙利算法的道路3D车辆跟踪方法，其特征在于，步骤2的具体实现包括：

为预测下一帧车辆目标的状态，采用恒定速度模型近似车辆目标的帧间位移，建立状态变量T＝{x,y,z,θ,h,w,h,v_x,v_y,v_z}，其中v_x,v_y,v_z表示车辆目标在三维空间中的运动速度；

假设t-1的所有目标车辆轨迹为其中表示t-1时刻第m个目标车辆轨迹数(共m个目标车辆轨迹数)；

基于恒定速度模型：

则t时刻预测的每个跟踪目标车辆轨迹状态为T_t-1|t＝{x_t-1|t,y_t-1|t,z_t-1|t,θ,h,w,h,v_x,v_y,v_z}。

4.根据权利要求1所述的一种基于卡尔曼滤波与匈牙利算法的道路3D车辆跟踪方法，其特征在于，步骤3的具体实现包括：

步骤301：确定第i个检测目标与第j个预测的跟踪目标的关联系数C_ij；

通过计算第i个检测目标车辆D_t和第j个预测跟踪目标T_t之间的IOU_3D确定两者的关联系数C_ij，C_ij越大表示两者关联程度越高，即第i检测目标可能属于第j个预测跟踪目标。

所述关联系数C_ij的计算公式为：

其中，V_i为第i个检测目标3D框的体积，V_j为第j个预测的跟踪目标3D框的体积，V_ij为检测目标3D框与预测目标3D框间的相交体积；

步骤302：使用匈牙利算法匹配第i个检测目标车辆D_t和第j个预测跟踪目标车辆T_t；

为每一个检测/预测目标定义一个二值系数X_ij：当IOU_3D大于设定的阈值0.3时，第i个检测目标匹配给第j个预测跟踪目标，则X_ij＝1，否则X_ij＝0，建立的匹配模型表达式为：

由关联系数C_ij组成的矩阵C是匹配模型的系数矩阵，矩阵C大小为n×m，在系数矩阵C找到一些C_ij使整体效率z最大，其中每一行/列至多有一个元素被选中；

步骤303：输出一组匹配成功的检测目标和匹配成功的预测跟踪目标和匹配失败的检测目标以及匹配失败的预测跟踪目标