[发明专利]一种用于计算目标关联距离的方法

说明书

本发明公开了一种用于计算目标关联距离的方法，包括如下步骤：S1：获取最新追踪目标，以及视觉单传感器对最新追踪目标的检测信息；S2：根据S1获取的检测信息，将视觉单传感器检测信息的时间与追踪目标的时间进行对齐；S3：根据视觉单传感器外参和内参，进行追踪目标向目标传感器的投影；S4：根据S3投影的追踪目标的像素坐标，与视觉单传感器观测的像素坐标进行比较，得到像素空间的距离；S5：对S4获取的像素距离进行一次低通滤波。本发明所述方法利用目标图像层的像素信息进行计算，减少了由于视觉深度估计误差带来的影响，从而提高关联的准确度。

技术领域

本发明涉及汽车自动驾驶领域，具体涉及一种用于计算目标关联距离的方法。

背景技术

当前自动驾驶已经成为了社会的热点，各个企业正在加大投入将自动驾驶技术落地量产。在自动驾驶核心技术中，当前面临的最大挑战是实现对环境的准确感知，为后端规控提供可靠、准确、及时的信息；针对该挑战，行业中普遍采用多传感融合的方案。一方面可以充分利用各种传感器的优势，有效克服单传感在某些方面的缺点；另一方面也可以实现感知的冗余。然而对于该方案多传感数据的准确关联是其核心。多传感融合需要建立在准确的目标关联上，如果关联不上，就无法发挥各个传感器的作用；而如果关联错误，则可能会引入错误的信息导致目标感知出错。当前目标关联方法多使用3D空间的马氏距离来衡量关联的距离，通过获取距离最优得到关联结果。但是在实际的应用中，由于相机传感观测估计的深度的噪音较大且无法准确估计，所以易产生误关联。

发明内容

针对现有技术存在的上述不足，本发明的目的在于提供一种用于计算目标关联距离的方法，以解决现有技术中相机传感观测估计深度的噪音较大且无法准确估计、易产生误关联的问题。

为了解决上述技术问题，本发明采用如下技术方案：

一种用于计算目标关联距离的方法，包括如下步骤：

S1：获取最新追踪目标，以及视觉单传感器对最新追踪目标的检测信息；

S2：根据S1获取的检测信息，将视觉单传感器检测信息的时间与追踪目标的时间进行对齐；

S3：根据视觉单传感器外参和内参，进行追踪目标向目标传感器的投影；

S4：根据S3投影的追踪目标的像素坐标，与视觉单传感器观测的像素坐标进行比较，得到像素空间的距离；

S5：对S4获取的像素距离进行一次低通滤波。

与现有技术相比，本发明具有如下有益效果：

本发明所述方法通过目标向视觉单传感进行投影，基于像素层的距离进行距离比较，其直接使用了单传感输出的图像层信息，过滤掉了由于单传感目标深度估计不准带来的误差，从而提升了距离的准确度，为后续关联的确认提供更多维更准确的信息，改善关联的及时性和稳定性；同时，本发明所述方法普遍适用于多传感器数据的关联。

附图说明

图1为本发明图像层关联距离计算的逻辑框图。

具体实施方式

为了使本发明的实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，所描述的实施例不应视为对本发明的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明提供了一种用于计算目标关联距离的方法，参见图1，包括如下步骤：

S1：获取最新追踪目标，以及视觉单传感器对最新追踪目标的检测信息。其中，从前端模块获取视觉单传感器信息，从后端获取最新的追踪目标信息。具体为，从前端模块获取视觉单传感信息为通过多传感多目标追踪融合系统获取最新输出的追踪目标，然后，车载图像设备根据多传感多目标追踪融合系统最新输出的追踪目标，感知并获取该追踪目标的目标信息，目标信息包括目标空间位置、速度、大小及其在图像中像素框的像素点信息。