CN114359334B 目标跟踪方法、装置、计算机设备和存储介质 （北京万集科技股份有限公司）

质目标场景的第一当前帧数据和至少一个与第一传感器类型不同的第二传感器采集的目标场景测对象和第二当前帧数据中各检测对象关联匹配成功的各候选检测对象在当前帧中的实测特实测特征信息和预测的各待跟踪目标在当前帧方法可以准确地确定出每一个检测对象的所属2获取第一传感器采集的目标场景的第一当前帧数据，和至少一根据所述第一当前帧数据和所述第二当前帧数据，获取各候选通过预设的跟踪算法模型，根据各待跟踪目标在上一帧的历史三根据各所述候选检测对象在当前帧中的实测特征信息，以及所述各所述根据各所述候选检测对象在当前帧中的实测特征信息，以及所述各待跟获取各所述候选检测对象在当前帧中的实测三维检测框与所述各待跟踪目标在当前获取剩余检测对象的实测轨迹特征与所述各待跟踪目标在上一帧中历史轨迹特征之对交并比大于所述交并比阈值的各候选检测对象，和相似度大于3.根据权利要求1或2所述的方法，其特征在于，则所述根据所述第一当前帧数据和所述第二获取所述像素数据中各检测对象的二维检测框，和所述点云数将所述像素数据中各检测对象的二维检测框和所述点云数据中各检测对象的实测三根据各所述候选检测对象在所述像素数据中的二维检测框和特征信检测框和所述点云数据中各检测对象的实测三维检测框进行匹配，确定所述候选检测对将各所述实测三维检测框映射为对应的二维映获取各所述二维检测框和各所述二维映射检测框之间的交3将各所述候选检测对象在所述像素数据中的二维检测框和特征信息综合确定为各所测框和特征信息综合确定为各所述候选检测对象的三将各所述候选检测对象的三维轨迹特征转换为对应的二维根据各所述二维映射轨迹特征和各所述二维轨迹特征的融合数据，将各所述三维轨迹特征对应的实测三维检测框中的点云点的三维坐标转换为二维坐根据各所述点云点的二维坐标和各所述点云点在三维坐标中的z轴坐标，获取各所述根据各所述点云点的二维坐标和各所述点云点的强度，获取各所述根据所述鸟瞰图中各所述点云点在z轴方向的密度，获取各所述实测三维检测框对应将所述鸟瞰图、所述强度图和所述密度图进行合并处理，得到各所对各所述点云点在三维坐标中的z轴坐标进行归一化处理，将归一化对各所述点云点的强度进行归一化处理，将归一化处理后强度确9.根据权利要求6所述的方法，其特征在于，所述根根据每个点云点的二维坐标位置中在z轴方向上的点云点的数量、所有坐标位置中点4将每个坐标位置的点云点在z轴方向的密度作为对应的二维坐标位置的像素值，得到将各所述二维轨迹特征和各所述二维映射轨迹特征压缩为相同比例大小后将从所述融合数据矩阵中提取的特征信息确定为各所述候选检测对象的实测轨迹特获取模块，用于获取第一传感器采集的目标场景的第一当前帧数据特征获取模块，用于根据所述第一当前帧数据和所述第二当预测模块，用于通过预设的跟踪算法模型，根据各待跟踪目标在上跟踪模块，用于根据各所述候选检测对象在当前帧中的实测特征信被处理器执行时实现权利要求1至10中任一项所述的5[0010]在其中一个实施例中，上述实测特征信息包括实测三维检测[0011]获取各候选检测对象在当前帧中的实测三维检测框与各待跟踪目标在当前帧中[0012]获取剩余检测对象的实测轨迹特征与各待跟踪目标在上一帧中历史轨迹特征之[0014]在其中一个实施例中，上述获取第一传感器采集的目标6新获取下一帧的第一当前帧数据时间戳T1和第二当前帧数据的时[0020]在其中一个实施例中，上述获取第一传感器采集的目标[0029]将像素数据中各检测对象的二维检测框和点云数据中各检测对象的实测三维检7[0035]将各候选检测对象在像素数据中的二维检测框和特征信息综合确定为各候选检[0039]将各三维轨迹特征对应的实测三维检测框中的点云点的三维坐标转换为二维坐[0040]根据各点云点的二维坐标和各点云点在三维坐标中的z轴坐标，获取各实测三维[0051]根据每个点云点的二维坐标位置中在z轴方向上的点云点的数量、所有坐标位置[0052]将每个坐标位置的点云点在z轴方向的密度作为对应的二维坐标位置的像素值，8计算机程序被处理器执行时实现上述第一方面实施例提供取根据第一当前帧数据中各检测对象和第二当前帧数据中各检测对象关联匹配成功确定测特征信息及预测的各待跟踪目标在当前帧中预测检测框，对各候选检测对象进行跟踪。第一当前帧数据中各检测对象和第二当前帧数据中各检测对象关联匹配成功来筛选出候9系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储目标跟踪的相关数的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结当前帧数据和第二当前帧数据中获取各候选检测对象的当当前帧数据和第二当前帧数据中实际信息计算的各目标的三维检测框和各目标的轨迹特帧的各待跟踪目标的预测检测框，而上一帧中各待跟踪目标的特征信息(包括检测框和轨帧数据和至少一个与第一传感器类型不同的第二传感器采集的目标场景的第二当前帧数据第一当前帧数据中各检测对象和第二当前帧数据中各检测对象关联匹配成功来筛选出检测框预测的各待跟踪目标在当前帧中预测三维检测已完成跟踪的最后一个图像为准，速度和加速度则是指t时刻之前某个时间段的平均速度各帧数据)中的目标的检测框进行预测，进行各目标实时的位置跟踪。由于状态空间方程计算机设备根据各候选检测对象在当前帧中的实测特征信息和各待跟踪目标在当前帧中[0110]本实施例是对各候选检测对象在当前帧中的实测三维检测框和各待跟踪目标在过交并比匹配各候选检测对象在当前帧中实测三维检测框和各待跟踪目标在当前帧中预[0114]在上述计算了各候选检测对象实测三维检测框和各待跟踪目标的预测三维检测特征和各待跟踪目标在上一帧中的历史轨迹特征之间的相似度来确定两者是否匹配。例例对此不作限定。例如，轨迹特征可以是方向梯度直方图(HistogramofOriented[0118]上述交并比大于预设的交并比阈值以及相似度大于预设相似度阈值均表示匹配检测框和实测轨迹特征就可以作为下一帧数据的上一帧数据中已知的历史三维检测框和致的该目标未匹配成功而丢失跟踪，使得跟踪过程每个待跟踪的目标都可以稳定地被跟[0122]前文有提及第一传感器和第二传感器获取的任意帧(任意时刻)数据需要是有效第一当前帧数据的时间戳T1和第二当前帧数据[0128]在获取到T1和T2之后，判断T1和T2之间间隔(时间间隔为绝对值|T1-T2|)与预设第二当前帧数据，重新获取下一帧第一当前帧数据时间戳T1和第二当前帧数据的时间戳的内参矩阵，为摄像设备的外参矩阵，为世界坐标系中各点的坐标[0139]那么求取出根据实际激光雷达采集的点云数据和摄像设备采集像素数据可确定[0141]通过下面的实施例对上述S102步骤中“根据第一当前帧[0147]在获取到像素数据中每一个检测对象的二维检测框和点云数据中每一个检测对[0153]通过将像素数据中的各检测对象的二维检测框和点云数据中的各检测对象的实根据二维检测框中的特征信息和实测三维检测框中的特征信息综合确定各候选检测对象[0159]将各候选检测对象在像素数据中的二维检测框提取的特征信息和二维检测框综[0160]将各候选检测对象在点云数据中的实测三维检测框和从实测三维检测框中提取各候选检测对象的实测三维检测框且携带着实[0178]先根据点云点在三维坐标中的z轴坐标确定出每个点云点在鸟瞰图中像素值，因坐标可确定到每个点云点的坐标位置，然后将对应点云点的像素值填充到二维坐标位置[0205]S1105，根据像素数据中各检测对象的二维检测框和点云数据中各检测对象的实[0206]S1106，将各候选检测对象在像素数据中的二维检测框和特征信息综合确定为各[0207]S1107，将各三维轨迹特征对应的实测三维检测框中的点云点的三维坐标转换为[0210]S1110，通过预设的跟踪算法模型，根据各待跟踪目标在上一帧的历史三维检测[0211]S1111，获取各候选检测对象在当前帧中的实测三维检测框与各待跟踪目标在当[0212]S1112，获取剩余检测对象的实测轨迹特征与各待跟踪目标在上一帧中历史轨迹三维检测框和特征信息综合确定为各候选检测对象的[0240]特征提取子单元，用于根据各二维映射轨迹特征和各二[0243]鸟瞰图子单元，用于根据各点云点的二维坐标和各点云点在三维坐标中的z轴坐点在z轴方向的密度作为对应的二维坐标位置的像素值，得到各实测三维检测框对应的密以实现一种目标跟踪方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储