[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

说明书

本发明公开一种基于激光点云网络检测和聚类目标的联合跟踪方法，通过网络检测目标与聚类目标作为输入的联合跟踪，消除了使用单一网络检测或者聚类结果进行跟踪的弊端，在联合跟踪过程中增加了航迹管理流程，防止航迹ID切换的逻辑，同时在卡尔曼更新之前设置的形状突变补偿流程，有效减少因输入的网络检测目标或聚类目标波动导致航迹跟踪不稳定甚至出现脱关联的现象，提高航迹的稳定性。

技术领域

本发明属于自动驾驶雷达跟踪技术领域，具体涉及到一种基于激光点云网络检测和聚类目标的联合跟踪方法。

背景技术

在自动驾驶技术中，通常基于激光雷达实现车辆的定位与跟踪，而现有的激光雷达跟踪方法主要是基于单一网络检测或单一聚类结果进行跟踪，基于激光雷达的单一网络检测结果是通过卷积神经网络训练来的，检测的目标置信度很高，距离、类型、朝向等状态值比较稳定，但是对于自车近距离目标存在漏检的可能，通过激光雷达的点云进行单一聚类得到的目标存在概率大，但是对于一个物体可能聚类出多个类型未知的目标，且朝向、长宽属性很不稳定。因此，使用单一聚类结果进行跟踪的目标会出现位置速度不平顺、长宽跳变、航迹ID切换的缺陷。

发明内容

针对上述问题，本发明的主要目的在于设计一种基于激光点云网络检测和聚类目标的联合跟踪方法，通过网络检测目标结合聚类目标的结合，解决现有技术中单一聚类结果出现的位置速度不平顺、长度跳变、航迹ID切换的问题。

为了实现上述目的本发明采用如下技术方案：

一种基于激光点云网络检测和聚类目标的联合跟踪方法，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。

作为本发明的进一步描述，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。

进一步的，针对上述的航迹信息作出解释，具体如下：

航迹的id是航迹的标志信息，每个航迹的id都是独一无二的；

航迹的source指的是航迹信息的来源，source为cnn则表示航迹由网络检测目标创建得到，source为clu则表示航迹由聚类目标创建得到；

航迹的age指航迹存在的帧数；

航迹的status指航迹所处的状态，分为life状态和coast状态；life状态的航迹作为本方法的输出，coast状态的航迹仅存在于本方法内部的航迹列表中，不对外输出；

航迹的lifeSpan为life状态下的航迹计数；

航迹coastSpan为coast状态下的航迹计数；

新建的航迹处于life状态，且初始化lifeSpan为1；若一帧内该航迹成功关联并更新，则lifeSpan加2，否则减1；lifeSpan最大为7；

当life状态航迹的lifeSpan为0时，进入coast状态且初始化coastSpan为100；若一帧内该航迹成功关联并更新，则航迹进入life状态且初始化lifeSpan为1，否则coastSpan减1；

若coast状态的航迹的coastSpan为0，则从该方法的航迹列表中删除该航迹。