[发明专利]基于激光点云网络检测和聚类目标的联合跟踪方法

权利要求书

1.一种基于激光点云网络检测和聚类目标的联合跟踪方法，其特征在于：该方法基于上游激光雷达感知发送的两个数组，输出车辆的航迹数组，实现车辆的跟踪；

其中，上游激光雷达感知发送的两个数组分别为相互独立的网络检测目标数组和聚类目标数组，所述的网络检测目标数组存放了若干个网络检测目标，所述的聚类目标数组存放了若干个聚类目标；

所述的网络检测目标和聚类目标均包含了该目标的状态信息，所述的航迹数组中每个航迹包含了一个目标的状态信息和该目标对应航迹的信息。

2.根据权利要求1所述的一种基于激光点云网络检测和聚类目标的联合跟踪方法，其特征在于：所述目标的状态信息包括该目标的纵向位置、横向位置、协方差矩阵、长、宽、高、航向角；

所述航迹的信息包括航迹的id、source、age、lifeSpan、coastSpan、status。

3.根据权利要求1或2所述的一种基于激光点云网络检测和聚类目标的联合跟踪方法，其特征在于：该方法的具体步骤包括如下：

步骤1：接收车辆上游激光雷达感知发送的网络检测目标数组和聚类目标数组；

步骤2：对车辆上一帧的所有航迹进行运动补偿，将航迹的状态值转换为新的自车坐标系下；

步骤3：针对步骤2转换后的航迹进行卡尔曼预测，保持航迹状态和观测的状态处于相同时域；

步骤4：将预测后的航迹与网络检测目标进行关联；关联成功且无形状突变，则使用网络检测目标对航迹状态进行卡尔曼更新；关联成功且有形状突变且突变补偿成功，则使用补偿后的网络检测目标对航迹状态进行卡尔曼更新；关联成功且有形状突变且突变补偿失败，则不进行操作；关联失败则进行创建航迹；

步骤5：与网络检测目标关联更新后的航迹与聚类目标进行关联；关联成功且无形状突变，则使用聚类目标对航迹状态进行卡尔曼更新；关联成功且有形状突变且突变补偿成功，则使用补偿后的聚类目标对航迹状态进行卡尔曼更新；关联成功且有形状突变且突变补偿失败，则不进行操作；关联失败则进行创建航迹；

步骤6：基于步骤5的航迹状态更新进行航迹的管理；

步骤7：输出自车的航迹。

4.根据权利要求3所述的一种基于激光点云网络检测和聚类目标的联合跟踪方法，其特征在于：步骤2中，所述的运动补偿开始前，航迹的所有状态值均处于上一帧的自车坐标系下，其中坐标系原点位于自车前保险杠中心，向前为x轴正向，向左为y轴正向，则自车运动状态坐标系变化为：

dx＝vEgo*dt

dθ＝yawRate*dt

其中，dx为坐标系向前移动的距离，dθ为坐标系转过的角度，vEgo为自车车速，yawRat为自车横摆角速度，dt为执行周期；

则，对航迹进行运动补偿如下：

x＝(x_k1-dx)*cos(dθ)-y_k1*sin(dθ)

y＝(x_k1-dx)*sin(dθ)+y_k1*cos(dθ)

v_x＝v_xk1*cos(dθ)-v_yk1*sin(dθ)

v_y＝v_xk1*sin(dθ)+v_yk1*cos(dθ)

其中，x_k1、y_k1、v_xk1、v_yk1分别为运动补偿前的航迹的纵向位置、横向位置、纵向速度、横向速度，x、y、v_x、v_y分别为运动补偿后的航迹的纵向位置、横向位置、纵向速度、横向速度。