多检测器结果融合跟踪方法、装置、设备及存储介质与流程

1.本发明涉及人工智能技术领域，尤其涉及一种多检测器结果融合跟踪方法、装置、设备及存储介质。


背景技术：

2.在自动驾驶的环境感知中，通常使用多个传感器进行障碍物的识别，每个传感器都具有专属的检测器，以使得下游跟踪模块在进行轨迹匹配时拥有更多的信息。
3.在现有技术中，使用多个检测器同时进行障碍物检测，不同检测器的障碍物识别结果中置信度存在差异，难以确定各检测器的障碍物识别结果的精准性，例如，深度学习检测器通过数据驱动方式进行障碍物识别，相比较规则策略检测器有着更好的精度，但存在障碍物漏检情况，导致障碍物识别和障碍物轨迹构建准确性低的问题。


技术实现要素：

4.本发明提供了一种多检测器结果融合跟踪方法、装置、设备及存储介质，用于提高障碍物识别和障碍物轨迹构建的准确性和精确度，进而提高无人驾驶的安全性和可靠性。
5.为实现上述目的，本发明第一方面提供了一种多检测器结果融合跟踪方法，包括：获取障碍物历史轨迹信息、第一障碍物信息和第二障碍物信息，所述第一障碍物信息和所述第二障碍物信息来源于不同类型的检测器；对所述第一障碍物信息和所述第二障碍物信息分别与所述障碍物历史轨迹信息进行障碍物匹配，得到第一障碍物匹配结果和第二障碍物匹配结果；根据所述第一障碍物匹配结果、所述第二障碍物匹配结果和所述障碍物历史轨迹信息进行障碍物匹配结果划分和障碍物轨迹状态更新。
6.一种可行的实施方式中，所述获取障碍物历史轨迹信息、第一障碍物信息和第二障碍物信息，包括：接收多检测器结果融合跟踪请求，并对所述多检测器结果融合跟踪请求进行权限校验处理，得到权限校验结果；当所述权限校验结果为校验通过时，按照所述多检测器结果融合跟踪请求从预设数据库中读取障碍物历史轨迹信息、第一障碍物信息和第二障碍物信息。
7.一种可行的实施方式中，所述对所述第一障碍物信息和所述第二障碍物信息分别与所述障碍物历史轨迹信息进行障碍物匹配，得到第一障碍物匹配结果和第二障碍物匹配结果，包括：通过预设关联模型对所述第一障碍物信息、所述第二障碍物信息和所述障碍物历史轨迹信息进行障碍物关联处理，得到第一障碍物关联数据和第二障碍物关联数据；按照预设匹配算法分别对所述第一障碍物关联数据和所述第二障碍物关联数据进行障碍物匹配处理，得到第一障碍物匹配结果和第二障碍物匹配结果。
8.一种可行的实施方式中，所述通过预设关联模型对所述第一障碍物信息、所述第二障碍物信息和所述障碍物历史轨迹信息进行障碍物关联处理，得到第一障碍物关联数据和第二障碍物关联数据，包括：通过预设关联模型对所述第一障碍物信息、所述第二障碍物信息和所述障碍物历史轨迹信息进行特征提取，得到第一障碍物特征数据、第二障碍物特
征数据和障碍物历史轨迹特征数据；对所述第一障碍物特征数据和所述第二障碍物特征数据分别与所述障碍物历史轨迹特征数据进行相关分析，得到第一障碍物关联数据和第二障碍物关联数据。
9.一种可行的实施方式中，所述根据所述第一障碍物匹配结果、所述第二障碍物匹配结果和所述障碍物历史轨迹信息进行障碍物匹配结果划分和障碍物轨迹状态更新，包括：通过预设的匹配检查模型对所述第一障碍物匹配结果、所述第二障碍物匹配结果和所述障碍物历史轨迹信息进行障碍物匹配结果划分，得到障碍物划分结果，所述障碍物划分结果包括仅与所述第一障碍物信息匹配成功的第一当前帧障碍物、仅与所述第二障碍物信息匹配成功的第二当前帧障碍物以及与两类障碍物信息均匹配成功的第三当前帧障碍物；根据所述障碍物划分结果和所述障碍物历史轨迹信息进行置信度处理和障碍物轨迹状态更新。
10.一种可行的实施方式中，所述根据所述障碍物划分结果和所述障碍物历史轨迹信息进行置信度处理和障碍物轨迹状态更新，包括：当所述障碍物划分结果为所述第一当前帧障碍物时，按照所述第一当前帧障碍物和所述障碍物历史轨迹信息更新障碍物轨迹状态，所述障碍物轨迹状态包括障碍物位置、障碍物大小、障碍物速度、障碍物加速度和障碍物类型；当所述障碍物划分结果为所述第二当前帧障碍物时，按照预设置信度阈值将所述第二当前帧障碍物划分为低置信度障碍物或高置信度障碍物，并根据所述低置信度障碍物或所述高置信度障碍物对所述障碍物历史轨迹信息进行障碍物轨迹状态更新操作；当所述障碍物划分结果为所述第三当前帧障碍物时，增加所述第三当前帧障碍物对应的置信度。
11.一种可行的实施方式中，在所述根据所述第一障碍物匹配结果、所述第二障碍物匹配结果和所述障碍物历史轨迹信息进行障碍物匹配结果划分和障碍物轨迹状态更新之后，所述多检测器结果融合跟踪方法还包括：获取与所述障碍物历史轨迹信息未匹配成功的障碍物信息；根据与所述障碍物历史轨迹信息未匹配成功的障碍物信息生成新的障碍物轨迹信息，并按照预设发布规则对所述新的障碍物轨迹信息进行轨迹发布处理。
12.本发明第二方面提供了一种多检测器结果融合跟踪装置，包括：第一获取模块，用于获取障碍物历史轨迹信息、第一障碍物信息和第二障碍物信息，所述第一障碍物信息和所述第二障碍物信息来源于不同类型的检测器；匹配模块，用于对所述第一障碍物信息和所述第二障碍物信息分别与所述障碍物历史轨迹信息进行障碍物匹配，得到第一障碍物匹配结果和第二障碍物匹配结果；划分模块，用于根据所述第一障碍物匹配结果、所述第二障碍物匹配结果和所述障碍物历史轨迹信息进行障碍物匹配结果划分和障碍物轨迹状态更新。
13.一种可行的实施方式中，所述第一获取模块具体用于：接收多检测器结果融合跟踪请求，并对所述多检测器结果融合跟踪请求进行权限校验处理，得到权限校验结果；当所述权限校验结果为校验通过时，按照所述多检测器结果融合跟踪请求从预设数据库中读取障碍物历史轨迹信息、第一障碍物信息和第二障碍物信息。
14.一种可行的实施方式中，所述匹配模块还包括：关联单元，用于通过预设关联模型对所述第一障碍物信息、所述第二障碍物信息和所述障碍物历史轨迹信息进行障碍物关联处理，得到第一障碍物关联数据和第二障碍物关联数据；匹配单元，用于按照预设匹配算法分别对所述第一障碍物关联数据和所述第二障碍物关联数据进行障碍物匹配处理，得到第
一障碍物匹配结果和第二障碍物匹配结果。
15.一种可行的实施方式中，所述关联单元具体用于：通过预设关联模型对所述第一障碍物信息、所述第二障碍物信息和所述障碍物历史轨迹信息进行特征提取，得到第一障碍物特征数据、第二障碍物特征数据和障碍物历史轨迹特征数据；对所述第一障碍物特征数据和所述第二障碍物特征数据分别与所述障碍物历史轨迹特征数据进行相关分析，得到第一障碍物关联数据和第二障碍物关联数据。
16.一种可行的实施方式中，所述划分模块还包括：划分单元，用于通过预设的匹配检查模型对所述第一障碍物匹配结果、所述第二障碍物匹配结果和所述障碍物历史轨迹信息进行障碍物匹配结果划分，得到障碍物划分结果，所述障碍物划分结果包括仅与所述第一障碍物信息匹配成功的第一当前帧障碍物、仅与所述第二障碍物信息匹配成功的第二当前帧障碍物以及与两类障碍物信息均匹配成功的第三当前帧障碍物；处理单元，用于根据所述障碍物划分结果和所述障碍物历史轨迹信息进行置信度处理和障碍物轨迹状态更新。
17.一种可行的实施方式中，所述处理单元具体用于：当所述障碍物划分结果为所述第一当前帧障碍物时，按照所述第一当前帧障碍物和所述障碍物历史轨迹信息更新障碍物轨迹状态，所述障碍物轨迹状态包括障碍物位置、障碍物大小、障碍物速度、障碍物加速度和障碍物类型；当所述障碍物划分结果为所述第二当前帧障碍物时，按照预设置信度阈值将所述第二当前帧障碍物划分为低置信度障碍物或高置信度障碍物，并根据所述低置信度障碍物或所述高置信度障碍物对所述障碍物历史轨迹信息进行障碍物轨迹状态更新操作；当所述障碍物划分结果为所述第三当前帧障碍物时，增加所述第三当前帧障碍物对应的置信度。
18.一种可行的实施方式中，所述多检测器结果融合跟踪装置还包括：第二获取模块，用于获取与所述障碍物历史轨迹信息未匹配成功的障碍物信息；发布模块，用于根据与所述障碍物历史轨迹信息未匹配成功的障碍物信息生成新的障碍物轨迹信息，并按照预设发布规则对所述新的障碍物轨迹信息进行轨迹发布处理。
19.本发明第三方面提供了一种多检测器结果融合跟踪设备，包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述指令，以使得所述多检测器结果融合跟踪设备执行上述的多检测器结果融合跟踪方法。
20.本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的多检测器结果融合跟踪方法。
21.本发明提供的技术方案中，获取障碍物历史轨迹信息、第一障碍物信息和第二障碍物信息，所述第一障碍物信息和所述第二障碍物信息来源于不同类型的检测器；对所述第一障碍物信息和所述第二障碍物信息分别与所述障碍物历史轨迹信息进行障碍物匹配，得到第一障碍物匹配结果和第二障碍物匹配结果；根据所述第一障碍物匹配结果、所述第二障碍物匹配结果和所述障碍物历史轨迹信息进行障碍物匹配结果划分和障碍物轨迹状态更新。本发明实施例中，通过对来源于不同类型的检测器对应的障碍物信息分别与障碍物历史轨迹信息进行障碍物匹配，得到第一障碍物匹配结果和第二障碍物匹配结果，并根据第一障碍物匹配结果第二障碍物匹配结果和障碍物历史轨迹信息进行障碍物匹配结果划分和障碍物轨迹状态更新，提高了障碍物识别和障碍物轨迹构建的准确性和精确度，进
而提高了无人驾驶的安全性和可靠性。
附图说明
22.图1为本发明实施例中多检测器结果融合跟踪方法的一个实施例示意图；
23.图2为本发明实施例中多检测器结果融合跟踪方法的另一个实施例示意图；
24.图3为本发明实施例中多检测器结果融合跟踪装置的一个实施例示意图；
25.图4为本发明实施例中多检测器结果融合跟踪装置的另一个实施例示意图；
26.图5为本发明实施例中多检测器结果融合跟踪设备的一个实施例示意图。
具体实施方式
27.本发明实施例提供了一种多检测器结果融合跟踪方法、装置、设备及存储介质，用于提高障碍物识别和障碍物轨迹构建的准确性和精确度，进而提高无人驾驶的安全性和可靠性。
28.本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
29.为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中多检测器结果融合跟踪方法的一个实施例包括：
30.101、获取障碍物历史轨迹信息、第一障碍物信息和第二障碍物信息，第一障碍物信息和第二障碍物信息来源于不同类型的检测器。
31.其中，不同类型的检测器(例如，深度学习检测器和规则策略检测器等)应用于无人驾驶场景中，用于检测识别障碍物，障碍物用于指示迟滞或阻止无人驾驶主体运行的地形、地物和工程设施等物体。第一障碍物信息和第二障碍物信息各自对应的检测器具有不同的检测方式。也就是，第一障碍物信息和第二障碍物信息来源于不同类型的检测器，在本实施例中，仅以两类检测器为例进行说明，也可以为三类检测器，具体此处不做限定。以激光雷达的目标检测器为例，服务器通过深度学习检测器和规则策略检测器分别采集并输出第一障碍物信息和第二障碍物信息。第一障碍物信息和第二障碍物信息均可以包括表达各障碍物的轮廓信息、各障碍物的预测框、各障碍物的位置信息、各障碍物的大小和各障碍物的置信度等信息。障碍物历史轨迹信息用于指示当前时刻之前的障碍物轨迹数据，障碍物历史轨迹信息包含不同时刻下各障碍物的轨迹状态，各障碍物的轨迹状态包括各障碍物位置、各障碍物大小、各障碍物速度、各障碍物加速度和各障碍物类型等。障碍物历史轨迹信息的长度为障碍物存在的时长信息。
32.在一些实施例中，服务器接收多检测器结果融合跟踪请求，并对多检测器结果融合跟踪请求进行权限校验处理，得到权限校验结果，具体的，服务器从多检测器结果融合跟踪请求中提取用户标识，服务器按照用户标识判断用户是否具有操作权限，若用户具有操
作权限，则服务器确定权限校验结果为校验通过，若用户不具有操作权限，则服务器确定权限校验结果为校验未通过，提高了操作权限处理的准确性；当权限校验结果为校验通过时，服务器按照多检测器结果融合跟踪请求从预设数据库中读取障碍物历史轨迹信息、第一障碍物信息和第二障碍物信息。进一步地，当权限校验结果为校验未通过时，服务器生成多检测器结果融合跟踪请求访问失败的提示信息，并将提示信息返回至目标终端。
33.可以理解的是，本发明的执行主体可以为多检测器结果融合跟踪装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
34.102、对第一障碍物信息和第二障碍物信息分别与障碍物历史轨迹信息进行障碍物匹配，得到第一障碍物匹配结果和第二障碍物匹配结果。
35.在一些实施例中，服务器通过预设多目标跟踪关联模块对第一障碍物信息和障碍物历史轨迹信息进行障碍物匹配，得到第一障碍物匹配结果；服务器通过预设多目标跟踪关联模块对第二障碍物信息和障碍物历史轨迹信息进行障碍物匹配，得到第二障碍物匹配结果。
36.需要说明的是，预设多目标跟踪关联模块中包括预设关联模型和预设匹配算法。对于以上这两次障碍物匹配处理过程，预设多目标跟踪关联模块中的预设关联模型可以根据预置业务需求选取相同的关联模型，该相同的关联模型对应的特征维度一致，并且处理特征也相同；预设多目标跟踪关联模块中的预设关联模型也可以根据预置业务需求设置不同的关联模型以分别处理来源于不同类型的检测器分别对应的障碍物信息(也就是，第一障碍物信息和第二障碍物信息)。例如，第一障碍物信息对应的预设多目标跟踪关联模块中预设关联模型为训练好的神经网络模型，第二障碍物信息对应的预设多目标跟踪关联模块中预设关联模型为卡尔曼滤波模型。预设匹配算法也可以根据预置业务需求进行设置，具体此处不做限定。
37.103、根据第一障碍物匹配结果、第二障碍物匹配结果和障碍物历史轨迹信息进行障碍物匹配结果划分和障碍物轨迹状态更新。
38.需要说明的是，障碍物历史轨迹信中所有轨迹都具有对应的唯一轨迹标识，本实施例中的第一障碍物匹配结果和第二障碍物匹配结果均是跨帧的障碍物匹配，在服务器获取不同类型的检测器输出各自对应的当前帧障碍物(也就是，第一障碍物信息和第二障碍物信息)后，服务器将障碍物历史轨迹信息中各障碍物分别与当前观测到的障碍物(也就是，当前帧障碍物)进行一一匹配，从而确定当前帧障碍物匹配到障碍物历史轨迹信息中的任意一条历史轨迹，得到第一障碍物匹配结果和第二障碍物匹配结果，其中，当前帧障碍物具有对应的唯一轨迹标识。具体的，服务器将第一障碍物匹配结果、第二障碍物匹配结果和障碍物历史轨迹信息输入到预设的匹配检查模型，得到仅与第一障碍物信息匹配成功的第一当前帧障碍物、仅与第二障碍物信息匹配成功的第二当前帧障碍物以及与两类障碍物信息均匹配成功的第三当前帧障碍物。两类障碍物信息来源于不同类型的检测器，不同类型的检测器对应的障碍物匹配结果具有不同的权重，例如，以深度学习检测器对应的第一障碍物匹配结果为主，并以规则策略检测器对应的第二障碍物匹配结果为辅，进而实现多目标追踪。
39.进一步地，若两类障碍物信息均匹配成功，则服务器增强第三当前帧障碍物的置信度；若仅与第一障碍物信息匹配成功，则按照第一当前帧障碍物进行障碍物轨迹状态更
新；若仅与第二障碍物信息匹配成功，则按照预设置信度阈值第二当前帧障碍物划分为低置信度障碍物或高置信度障碍物，服务器对低置信度障碍物延长目标历史轨迹的生命周期；服务器对高置信度障碍物按照目标历史轨迹中的障碍物位置、障碍物速度、障碍物大小等状态信息以及第二当前帧障碍物的状态信息，预测出高置信度障碍物应该出现的位置和大小，从而达到召回潜在漏检的目的。其中，目标历史轨迹用于指示与第二当前帧障碍物相匹配的障碍物历史轨迹信息中的任意一个历史轨迹。
40.本发明实施例中，通过对来源于不同类型的检测器对应的障碍物信息分别与障碍物历史轨迹信息进行障碍物匹配，得到第一障碍物匹配结果和第二障碍物匹配结果，并根据第一障碍物匹配结果第二障碍物匹配结果和障碍物历史轨迹信息进行障碍物匹配结果划分和障碍物轨迹状态更新，提高了障碍物识别和障碍物轨迹构建的准确性和精确度，进而提高了无人驾驶的安全性和可靠性。
41.请参阅图2，本发明实施例中多检测器结果融合跟踪方法的另一个实施例包括：
42.201、获取障碍物历史轨迹信息、第一障碍物信息和第二障碍物信息，第一障碍物信息和第二障碍物信息来源于不同类型的检测器。
43.该步骤201的具体执行过程与步骤101的具体执行过程相似，具体此处不再赘述。
44.202、对第一障碍物信息和第二障碍物信息分别与障碍物历史轨迹信息进行障碍物匹配，得到第一障碍物匹配结果和第二障碍物匹配结果。
45.在一些实施例中，服务器通过预设关联模型对第一障碍物信息、第二障碍物信息和障碍物历史轨迹信息进行障碍物关联处理，得到第一障碍物关联数据和第二障碍物关联数据，其中，预设关联模型可以为训练好的神经网络模型，也可以为卡尔曼滤波模型，还可以为基于强化学习得分机制的模型，具体此处不做限定；服务器按照预设匹配算法分别对第一障碍物关联数据和第二障碍物关联数据进行障碍物匹配处理，得到第一障碍物匹配结果和第二障碍物匹配结果，预设匹配算法可以为匈牙利算法，也可以为二分图最大匹配算法，还可以为二分图完美匹配算法，具体此处不做限定。其中，第一障碍物匹配结果用于指示第一障碍物信息与障碍物历史轨迹信息之间的匹配信息，第二障碍物匹配结果用于指示第二障碍物信息与障碍物历史轨迹信息之间的匹配信息。
46.进一步地，服务器在执行通过预设关联模型对第一障碍物信息、第二障碍物信息和障碍物历史轨迹信息进行障碍物关联处理，得到第一障碍物关联数据和第二障碍物关联数据的步骤时，在一些实施例中，服务器通过预设关联模型对第一障碍物信息、第二障碍物信息和障碍物历史轨迹信息进行特征提取，得到第一障碍物特征数据、第二障碍物特征数据和障碍物历史轨迹特征数据，其中，第一障碍物特征数据、第二障碍物特征数据和障碍物历史轨迹特征数据各自对应的特征维度均相同；服务器对第一障碍物特征数据和第二障碍物特征数据分别与障碍物历史轨迹特征数据进行相关分析，得到第一障碍物关联数据第二障碍物关联数据。
47.203、根据第一障碍物匹配结果、第二障碍物匹配结果和障碍物历史轨迹信息进行障碍物匹配结果划分和障碍物轨迹状态更新。
48.也就是，服务器检查障碍物历史轨迹信息是否与第一障碍物匹配结果和第二障碍物匹配结果之间的交集数据相匹配，服务器检查障碍物历史轨迹信息是否仅与第一障碍物匹配结果中除交集数据以外的数据相匹配，服务器检查障碍物历史轨迹信息是否仅与第二
障碍物匹配结果中除交集数据以外的数据相匹配。在一些实施例中，服务器通过预设的匹配检查模型对第一障碍物匹配结果、第二障碍物匹配结果和障碍物历史轨迹信息进行障碍物匹配结果划分，得到障碍物划分结果，障碍物划分结果包括仅与第一障碍物信息匹配成功的第一当前帧障碍物、仅与第二障碍物信息匹配成功的第二当前帧障碍物以及与两类障碍物信息(也就是，第一障碍物信息和第二障碍物信息)均匹配成功的第三当前帧障碍物；服务器根据障碍物划分结果和障碍物历史轨迹信息进行置信度处理和障碍物轨迹状态更新。
49.进一步地，服务器在执行根据障碍物划分结果和障碍物历史轨迹信息进行置信度处理和障碍物轨迹状态更新步骤时，在一些实施例中，当障碍物划分结果为第一当前帧障碍物时，服务器按照第一当前帧障碍物和障碍物历史轨迹信息更新障碍物轨迹状态，障碍物轨迹状态包括障碍物位置、障碍物大小、障碍物速度、障碍物加速度和障碍物类型；当障碍物划分结果为第二当前帧障碍物时，服务器按照预设置信度阈值将第二当前帧障碍物划分为低置信度障碍物或高置信度障碍物，并根据低置信度障碍物或高置信度障碍物对障碍物历史轨迹信息进行障碍物轨迹状态更新操作，例如，预设置信度阈值可以为0.65或0.5；当障碍物划分结果为第三当前帧障碍物时，服务器增加第三当前帧障碍物对应的置信度，例如，服务器将第三当前帧障碍物对应的置信度从0.44调整至0.484，也就是对第三当前帧障碍物对应的置信度乘以预设系数(例如，预设系数为1.1)，或者，服务器将第三当前帧障碍物对应的置信度从0.44调整至0.55，也就是对第三当前帧障碍物对应的置信度加上预设数值(例如，预设数值为0.11)。其中，置信度的取值范围大于或等于0，并且小于或等于1。例如，第一当前帧障碍物、第二当前帧障碍物和第三当前帧障碍物分别为行人、汽车和三轮车。
50.204、获取与障碍物历史轨迹信息未匹配成功的障碍物信息。
51.具体的，服务器对第一障碍物信息去除第一障碍物匹配结果，得到第一未匹配障碍物信息；服务器对第二障碍物信息去除第二障碍物匹配结果，得到第二未匹配障碍物信息；服务器对第一未匹配障碍物信息和第二未匹配障碍物信息进行数据去重处理，得到与障碍物历史轨迹信息未匹配成功的障碍物信息，并对与障碍物历史轨迹信息未匹配成功的障碍物信息进行数据持久化处理。
52.205、根据与障碍物历史轨迹信息未匹配成功的障碍物信息生成新的障碍物轨迹信息，并按照预设发布规则对新的障碍物轨迹信息进行轨迹发布处理。
53.也就是，服务器对没有匹配上障碍物历史轨迹信息的障碍物进行重新建立轨迹。障碍物历史轨迹信息具有对应的数据结构。需要说明的是，不同类型的检测器可以划分为主检测器和辅助检测器，具体的，若与障碍物历史轨迹信息未匹配成功的障碍物信息属于主检测器对应的障碍物类型，则服务器按照障碍物历史轨迹信息未匹配成功的障碍物信息建立一条新的障碍物轨迹信息，若与障碍物历史轨迹信息未匹配成功的障碍物信息属于辅助检测器对应的障碍物类型，且与障碍物历史轨迹信息未匹配成功的障碍物信息连续出现多帧(也就是，符合预设匹配帧数)，则服务器按照障碍物历史轨迹信息未匹配成功的障碍物信息建立一条新的障碍物轨迹信息。其中，新的障碍物轨迹信息具有唯一轨迹标识(例如，track_id)，并将新的障碍物轨迹信息添加至障碍物历史轨迹信息中。当服务器检测到新的障碍物轨迹信息被再次匹配成功时(也就是预设发布规则)，服务器对新的障碍物轨迹
信息进行轨迹发布处理，这种行为以避免各检测器漏检的情况。
54.本发明实施例中，通过对来源于不同类型的检测器对应的障碍物信息分别与障碍物历史轨迹信息进行障碍物匹配，得到第一障碍物匹配结果和第二障碍物匹配结果，并根据第一障碍物匹配结果第二障碍物匹配结果和障碍物历史轨迹信息进行障碍物匹配结果划分和障碍物轨迹状态更新，提高了障碍物识别和障碍物轨迹构建的准确性和精确度，进而提高了无人驾驶的安全性和可靠性。
55.上面对本发明实施例中多检测器结果融合跟踪方法进行了描述，下面对本发明实施例中多检测器结果融合跟踪装置进行描述，请参阅图3，本发明实施例中多检测器结果融合跟踪装置一个实施例包括：
56.第一获取模块301，用于获取障碍物历史轨迹信息、深度学习检测器对应的第一障碍物信息和规则策略检测器对应的第二障碍物信息；
57.匹配模块302，用于通过预设多目标跟踪关联模块对所述第一障碍物信息和所述第二障碍物信息分别与所述障碍物历史轨迹信息进行障碍物匹配，得到所述深度学习检测器对应的第一障碍物匹配结果和所述规则策略检测器对应的第二障碍物匹配结果；
58.划分模块303，用于根据所述第一障碍物匹配结果、所述第二障碍物匹配结果和所述障碍物历史轨迹信息进行障碍物匹配结果划分和障碍物轨迹状态更新。
59.本发明实施例中，通过对来源于不同类型的检测器对应的障碍物信息分别与障碍物历史轨迹信息进行障碍物匹配，得到第一障碍物匹配结果和第二障碍物匹配结果，并根据第一障碍物匹配结果第二障碍物匹配结果和障碍物历史轨迹信息进行障碍物匹配结果划分和障碍物轨迹状态更新，提高了障碍物识别和障碍物轨迹构建的准确性和精确度，进而提高了无人驾驶的安全性和可靠性。
60.请参阅图4，本发明实施例中多检测器结果融合跟踪装置另一个实施例包括：
61.第一获取模块301，用于获取障碍物历史轨迹信息、第一障碍物信息和第二障碍物信息，第一障碍物信息和第二障碍物信息来源于不同类型的检测器；
62.匹配模块302，用于对所述第一障碍物信息和所述第二障碍物信息分别与所述障碍物历史轨迹信息进行障碍物匹配，得到第一障碍物匹配结果和第二障碍物匹配结果；
63.划分模块303，用于根据所述第一障碍物匹配结果、所述第二障碍物匹配结果和所述障碍物历史轨迹信息进行障碍物匹配结果划分和障碍物轨迹状态更新。
64.可选的，所述第一获取模块301还可以具体用于：
65.接收多检测器结果融合跟踪请求，并对所述多检测器结果融合跟踪请求进行权限校验处理，得到权限校验结果；
66.当所述权限校验结果为校验通过时，按照所述多检测器结果融合跟踪请求从预设数据库中读取障碍物历史轨迹信息、第一障碍物信息和第二障碍物信息。
67.可选的，所述匹配模块302还可以包括：
68.关联单元3021，用于通过预设关联模型对所述第一障碍物信息、所述第二障碍物信息和所述障碍物历史轨迹信息进行障碍物关联处理，得到第一障碍物关联数据和第二障碍物关联数据；
69.匹配单元3022，用于按照预设匹配算法分别对所述第一障碍物关联数据和所述第二障碍物关联数据进行障碍物匹配处理，得到第一障碍物匹配结果和第二障碍物匹配结
果。
70.可选的，所述关联单元3021还可以具体用于：
71.通过预设关联模型对所述第一障碍物信息、所述第二障碍物信息和所述障碍物历史轨迹信息进行特征提取，得到第一障碍物特征数据、第二障碍物特征数据和障碍物历史轨迹特征数据；
72.对所述第一障碍物特征数据和所述第二障碍物特征数据分别与所述障碍物历史轨迹特征数据进行相关分析，得到第一障碍物关联数据和第二障碍物关联数据。
73.可选的，所述划分模块303还可以包括：
74.划分单元3031，用于通过预设的匹配检查模型对所述第一障碍物匹配结果、所述第二障碍物匹配结果和所述障碍物历史轨迹信息进行障碍物匹配结果划分，得到障碍物划分结果，所述障碍物划分结果包括仅与所述第一障碍物信息匹配成功的第一当前帧障碍物、仅与所述第二障碍物信息匹配成功的第二当前帧障碍物以及与两类障碍物信息均匹配成功的第三当前帧障碍物；
75.处理单元3032，用于根据所述障碍物划分结果和所述障碍物历史轨迹信息进行置信度处理和障碍物轨迹状态更新。
76.可选的，所述处理单元3032还可以具体用于：
77.当所述障碍物划分结果为所述第一当前帧障碍物时，按照所述第一当前帧障碍物和所述障碍物历史轨迹信息更新障碍物轨迹状态，所述障碍物轨迹状态包括障碍物位置、障碍物大小、障碍物速度、障碍物加速度和障碍物类型；
78.当所述障碍物划分结果为所述第二当前帧障碍物时，按照预设置信度阈值将所述第二当前帧障碍物划分为低置信度障碍物或高置信度障碍物，并根据所述低置信度障碍物或所述高置信度障碍物对所述障碍物历史轨迹信息进行障碍物轨迹状态更新操作；
79.当所述障碍物划分结果为所述第三当前帧障碍物时，增加所述第三当前帧障碍物对应的置信度。
80.可选的，所述多检测器结果融合跟踪装置还包括：
81.第二获取模块304，用于获取与所述障碍物历史轨迹信息未匹配成功的障碍物信息；
82.发布模块305，用于根据与所述障碍物历史轨迹信息未匹配成功的障碍物信息生成新的障碍物轨迹信息，并按照预设发布规则对所述新的障碍物轨迹信息进行轨迹发布处理。
83.本发明实施例中，通过对来源于不同类型对应的检测器的障碍物信息分别与障碍物历史轨迹信息进行障碍物匹配，得到第一障碍物匹配结果和第二障碍物匹配结果，并根据第一障碍物匹配结果第二障碍物匹配结果和障碍物历史轨迹信息进行障碍物匹配结果划分和障碍物轨迹状态更新，提高了障碍物识别和障碍物轨迹构建的准确性和精确度，进而提高了无人驾驶的安全性和可靠性。
84.上面图3和图4从模块化的角度对本发明实施例中的多检测器结果融合跟踪装置进行详细描述，下面从硬件处理的角度对本发明实施例中多检测器结果融合跟踪设备进行详细描述。
85.图5是本发明实施例提供的一种多检测器结果融合跟踪设备的结构示意图，该多
检测器结果融合跟踪设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，cpu)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对多检测器结果融合跟踪设备500中的一系列计算机程序操作。更进一步地，处理器510可以设置为与存储介质530通信，在多检测器结果融合跟踪设备500上执行存储介质530中的一系列计算机程序操作。
86.多检测器结果融合跟踪设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如windows serve，mac os x，unix，linux，freebsd等等。本领域技术人员可以理解，图5示出的多检测器结果融合跟踪设备结构并不构成对多检测器结果融合跟踪设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
87.本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述多检测器结果融合跟踪方法的步骤。
88.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
89.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
90.以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。