目标类型融合方法、装置及电子设备、存储介质与流程

本申请涉及自动驾驶，尤其涉及一种目标类型融合方法、装置及电子设备、存储介质。

背景技术：

1、环境感知是实现汽车自动驾驶功能的关键技术之一，由于各传感器的性质不同，单一传感器在获取环境信息识别目标等方面有很大的局限性。

2、相关技术中，在多传感器感知融合的过程中，(1)对于激光雷达的点云数据可以有效地检测目标的位置、类型、速度等信息，但对于行人，锥桶(交通路障)等小障碍的识别效果不稳定。(2)对于视觉传感器根据图像信息可以有效地识别出目标的类别信息，但对于目标的距离检测和速度估计有较大的误差。

3、故对于有多种交通参与者的自动驾驶场景来说，准确识别出目标的类型属性信息可以减少很多误检测，为自动驾驶车辆的决策控制提供更可靠的信息，根据目标类别的不同可以采取不同的避让方案。

技术实现思路

1、本申请实施例提供了一种目标类型融合方法、装置及电子设备、存储介质，以降低融合复杂度同时满足实时性的要求。

2、本申请实施例采用下述技术方案：

3、第一方面，本申请实施例提供一种目标类型融合方法，其中，所述方法包括：

4、接收激光雷达目标序列以及相机目标序列；

5、根据所述激光雷达目标序列和所述相机目标序列，关联得到目标匹配对；

6、根据隐马尔科夫模型计算并更新所述目标匹配对中目标类型融合结果。

7、在一些实施例中，预先将道路交通参与者的类型划分至少包括车辆、行人、骑行者、锥桶、未知物的五类目标类型，所述根据隐马尔科夫模型计算并更新所述目标匹配对中目标类型融合结果，包括：

8、根据所述目标匹配对，利用隐马尔科夫模型计算上述目标类型的概率值；

9、根据所述目标类型的概率值更新所述目标类型属性。

10、在一些实施例中，所述利用隐马尔科夫模型计算上述目标类型的概率值包括：

11、根据所述车辆、所述行人、所述骑行者、所述锥桶、所述未知物的概率值建立状态序列i＝{i1，i2，...，it}；

12、设定模型λ＝(a，b，π)，观测序列q＝{q1，q2，...，qt}，并计算p(i|q，λ)在最大时i的概率。

13、在一些实施例中，所述利用隐马尔科夫模型计算上述目标类型的概率值，还包括：

14、设置不同时刻状态为i时的概率值，用t表示时刻，用i表示状态；

15、将目标初始类型概率值作为初始向量：δ1(i)＝πibiq1，i＝1，2，...，n；

16、根据所述初始向量递推不同时刻t＝2，...，t的状态：并计算当t时刻最大时的向量δt(i)：

17、根据当t时刻最大时的向量δt(i)，回溯最优路径t＝t-1，t-2，...，1，得到最优的作为目标类型的概率值。

18、在一些实施例中，所述接收激光雷达目标序列以及相机目标序列，包括：

19、接收激光雷达目标序列以及相机目标序列，用以处理目标级融合。

20、在一些实施例中，所述根据所述激光雷达目标序列和所述相机目标序列，关联得到目标匹配对，包括：

21、将所述激光雷达和视觉传感器在自车上的安装位置坐标转换到相同的车体坐标系下，并查找所述激光雷达和视觉传感器在时间戳相近或相同时的目标得到同一帧的目标位置信息；

22、基于同一帧的目标位置信息根据马氏距离计算相似性，找出关联的目标匹配对；

23、根据目标跟踪id、目标横向距离、目标速度相似性以及空间距离的动态阈值进行重关联之后更新所述关联的目标匹配对。

24、在一些实施例中，所述根据隐马尔科夫模型计算并更新所述目标匹配对中目标类型融合结果之后，还包括：

25、根据所述目标类型融合结果确定的目标类别，采用对应的避让策略。

26、第二方面，本申请实施例还提供一种目标类型融合装置，其中，所述装置包括：

27、接收模块，用于接收激光雷达目标序列以及相机目标序列；

28、关联匹配模块，用于根据所述激光雷达目标序列和所述相机目标序列，关联得到目标匹配对；

29、计算更新模块，用于根据隐马尔科夫模型计算并更新所述目标匹配对中目标类型融合结果。

30、第三方面，本申请实施例还提供一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述方法。

31、第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行上述方法。

32、本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：通过接收激光雷达目标序列以及相机目标序列；然后根据所述激光雷达目标序列和所述相机目标序列，关联得到目标匹配对，最后使用隐马尔科夫模型计算并更新所述目标匹配对中目标类型融合结果。在多传感器融合的过程中，采用隐马尔科夫模型计算目标的类型并实现目标类别的更新。同时，经过多传感器融合计算类型概率可得到更准确的类型信息，减少误检测的情况。

技术特征：

1.一种目标类型融合方法，其中，所述方法包括：

2.如权利要求1所述方法，其中，预先将道路交通参与者的类型划分至少包括车辆、行人、骑行者、锥桶、未知物的五类目标类型，所述根据隐马尔科夫模型计算并更新所述目标匹配对中目标类型融合结果，包括：

3.如权利要求2所述方法，其中，所述利用隐马尔科夫模型计算上述目标类型的概率值包括：

4.如权利要求3所述方法，其中，所述利用隐马尔科夫模型计算上述目标类型的概率值，还包括：

5.如权利要求1所述方法，其中，所述接收激光雷达目标序列以及相机目标序列，包括：

6.如权利要求1所述方法，其中，所述根据所述激光雷达目标序列和所述相机目标序列，关联得到目标匹配对，包括：

7.如权利要求1至6任一项所述方法，其中，所述根据隐马尔科夫模型计算并更新所述目标匹配对中目标类型融合结果之后，还包括：

8.一种目标类型融合装置，其中，所述装置包括：

9.一种电子设备，包括：

10.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1～7之任一所述方法。

技术总结
本申请公开了一种目标类型融合方法、装置及电子设备、存储介质,所述方法包括接收激光雷达目标序列以及相机目标序列；根据所述激光雷达目标序列和所述相机目标序列，关联得到目标匹配对；根据隐马尔科夫模型计算并更新所述目标匹配对中目标类型融合结果。通过本申请实现了目标类型融合，同时降低融合感知过程的复杂度，提高自动驾驶系统的稳定性和实时性。

技术研发人员：关梅茹,刘梦迪,张东好,曹坤,彭海娟,田山
受保护的技术使用者：北京京深深向科技有限公司
技术研发日：
技术公布日：2024/1/13